awesome-blockchain-ai
awesome-blockchain-ai 是一份精心整理的开源项目清单，专注于探索区块链技术与人工智能（AI）及机器学习的融合应用。它旨在解决当前 AI 发展中面临的数据垄断、算法不透明以及算力中心化等痛点，通过利用区块链的去中心化、不可篡改和智能合约等特性，构建更安全、公平且高效的下一代 AI 系统。
这份资源涵盖了从底层算法优化、数据隐私保护、分布式计算，到金融、医疗、供应链等垂直领域的具体落地方案，同时也收录了相关的学术研究与深度阅读材料。其中不乏如 SingularityNET 这样的分布式 AI 平台，以及 OpenMined 等致力于实现数据“可用不可见”的隐私计算项目，展现了技术结合的独特亮点。
awesome-blockchain-ai 非常适合区块链开发者、AI 研究人员、技术决策者以及对去中心化智能感兴趣的学生使用。无论是希望寻找技术灵感的工程师，还是想要深入了解行业前沿趋势的研究者，都能从中获得宝贵的参考指引，共同推动开放智能生态的发展。
使用场景
一家医疗科技初创公司正试图构建一个跨医院的联合诊断模型，需要在不泄露患者隐私的前提下，利用多家机构的数据训练高精度 AI。
没有 awesome-blockchain-ai 时
- 团队花费数周在海量开源项目中盲目搜索，难以区分哪些项目真正实现了“数据可用不可见”的隐私计算。
- 缺乏对去中心化训练协议的深入了解，导致自行设计的架构存在单点故障风险，无法取信于合作医院。
- 找不到成熟的智能合约模板来自动化处理数据贡献者的激励分配，人工核算成本高昂且易出错。
- 因无法快速定位如 OpenMined 或 Raven Protocol 等关键基础设施，项目原型开发进度严重滞后。
使用 awesome-blockchain-ai 后
- 通过"Blockchains for data"分类，团队迅速锁定了支持联邦学习的开源方案，将技术选型时间从数周缩短至两天。
- 参考"Blockchains for computation"中的成熟协议，直接集成了去中心化深度学习训练框架，确保了系统的抗攻击性和可信度。
- 利用列表中推荐的金融与激励类项目，快速部署了基于智能合约的自动分账系统，实现了数据贡献的即时奖励。
- 借助"Recommended reading"中的深度文章，团队清晰地向医院管理层阐述了区块链如何打破数据孤岛，顺利推动了合作签约。
awesome-blockchain-ai 通过提供经过筛选的生态地图，让开发者能直接站在巨人肩膀上，高效构建可信、隐私安全的下一代 AI 系统。
运行环境要求
未说明
未说明
快速开始
令人惊叹的区块链与人工智能 
一个精选的人工智能和机器学习领域的区块链项目列表。
本列表探索了那些利用区块链技术特性（去中心化、不可篡改性、智能合约等）来构建下一代AI系统的优秀项目。
目录
推荐阅读
维基百科
- 区块链 - “区块链是一个不断增长的记录列表，称为区块，这些区块通过密码学方法链接在一起。”
- 人工智能 - “在计算机科学领域，人工智能（AI），有时也称为机器智能，是指由机器表现出的智能，与人类和其他动物所展现的自然智能相对。”
- 机器学习 - “机器学习（ML）是关于算法和统计模型的科学研究，计算机系统利用这些算法和模型在没有明确指令的情况下有效地执行特定任务，而是依赖于模式识别和推理。”
区块链、人工智能与机器学习
- 去中心化AI：梦想家与务实派。 - 耶稣·罗德里格斯，2019年5月23日。
- 区块链如何打破科技巨头对AI的垄断？ - 纽约时报，2018年10月20日。
- 如何真正将AI与区块链整合到一个平台中 - Hacker Noon，2018年6月7日。
- 基于区块链的机器学习交易平台 - 弗雷德·埃尔萨姆，2018年3月13日。
- AI与区块链的融合：究竟有何意义？ - 弗朗切斯科·科雷亚，2017年12月1日。
用于AI算法的区块链
- SingularityNET - SingularityNET是建立在以太坊区块链上的分布式AI平台，每个区块链节点都支持一个AI算法。
- Intuition Fabric - Intuition Fabric的目标是通过一个存储在星际文件系统中的深度学习模型网络，并借助以太坊区块链进行访问，从而 democratize AI的使用。
- OpenMined - OpenMined是一个专注于构建开源技术的社区，旨在实现数据和智能的去中心化所有权。借助OpenMined，AI可以在从未接触过的数据上进行训练。
- Raven Protocol - Raven Protocol是一个去中心化且分布式的深度学习训练协议。
- Thought Network - Thought的区块链赋能Fabric从根本上改变了应用程序，它将人工智能嵌入到每一个数据位中，使其更加敏捷、可操作且本质上安全。
- MATRIX AI - Matrix AI Network是一条公有链，将AI技术与区块链技术相结合，以解决当前阻碍区块链技术发展和应用的主要挑战。Matrix有望利用区块链驱动的去中心化计算平台，彻底革新并 democratize 人工智能领域。
- Cortex Labs - Cortex Labs是一个去中心化的AI平台，配备虚拟机，允许用户在链上执行AI程序。
- Fetch.ai - Fetch.ai是一个基于分布式账本的去中心化机器学习平台，能够在全球范围内实现基于任何数据的安全共享、连接和交易。
- Oraichain - Oraichain是全球首个面向新兴Web3、可扩展Dapp以及去中心化AI的智能且安全的解决方案。
- Bittensor - Bittensor是一个开源协议，为去中心化、基于区块链的机器学习网络提供支持。相关资源。
- Alethea AI - 一家位于生成式AI与区块链交汇处的研究开发工作室。
- Vanna Labs - 一个以太坊L2 Rollup，支持在链上进行原生、无缝且无需信任的AI/ML推理，从而赋能去中心化应用。
用于AI算法的区块链项目
- Danku - 一种基于区块链的协议，用于在以太坊等公共区块链上评估和购买机器学习模型。博客文章。
- 区块链上的去中心化与协作式AI - 0xDeCA10B是一个框架，用于在智能合约中托管和训练公开可用的机器学习模型，并通过激励机制鼓励高质量的训练数据，同时保持模型免费用于预测。博客文章。
用于数据的区块链
- Ocean Protocol - Ocean Protocol是一个去中心化的数据交换协议，允许人们共享和变现数据，同时确保所有参与方都能掌控、审计、透明且合规。其网络负责存储元数据（即谁拥有什么）、指向实际数据的链接等。
用于计算的区块链
- TrueBit - TrueBit为以太坊智能合约提供了计算增强功能。
- DeepBrain Chain - 一个去中心化的AI计算平台，为希望开发AI技术的企业提供算力。
- Nunet - 一个全球性的去中心化计算框架，将世界各地独立拥有的计算设备的潜在算力整合到一个动态的计算资源市场中。
- Phala Network - 一个为Web3开发服务的去中心化链下计算基础设施。
金融领域的区块链与人工智能
- Numerai - Numerai 是一家由匿名数据科学家网络驱动的对冲基金，这些科学家构建机器学习模型来处理加密数据，并通过质押加密货币来表达对其模型的信心。
- Cindicator - Cindicator 是一个用于金融和加密货币指标的众包预测引擎。
- Erasure - Erasure 是一个去中心化的协议和数据市场，专注于金融预测。
医疗领域的区块链与人工智能
- doc.ai - doc.ai 致力于利用人工智能在区块链上实现精准医疗的去中心化。
- BurstIQ - 基于自定义区块链的链上存储，BurstIQ 提供了一个具有细粒度数据所有权和同意机制的医疗数据市场，能够满足 HIPAA、GDPR 等法规要求。
供应链领域的区块链与人工智能
自主代理领域的区块链
- Hashgraph Online (HOL) - 基于 Hedera Hashgraph 构建的通用代理注册表。它使用 ERC-8004 标准和 HCS-14 通用代理 ID（UAID）为 AI 代理提供基于区块链的身份认证，通过 x402 协议实现代理发现、验证及自主交易。
- AgentFund - 一个建立在 Base 区块链上的去中心化众筹基础设施，专为自主 AI 代理设计，支持基于里程碑的托管资金模式，促进 AI 项目与合作的发展。
学术研究
- Coin.AI - Baldominos, A., & Saez, Y. (2019). Coin.AI: 一种基于区块链的分布式深度学习的有用工作量证明方案。Entropy, 21(8), 723.
- WekaCoin - Bravo-Marquez, F., Reeves, S., & Ugarte, M. (2019年4月). 学习证明：一种基于机器学习竞赛的区块链共识机制。载于 2019 IEEE 国际去中心化应用与基础设施会议（DAPPCON）（pp. 119–124）。IEEE 出版。
- 基于深度学习的共识 - Li, B., Chenli, C., Xu, X., Shi, Y., & Jung, T. (2019). DLBC：一种用于深度学习服务的区块链深度学习共识机制。arXiv 预印本 arXiv:1904.07349。
- 深度学习证明 - Chenli, C., Li, B., Shi, Y., & Jung, T. (2019年5月). 具有深度学习证明的能量回收型区块链。载于 2019 IEEE 国际区块链与加密货币会议（ICBC）（pp. 19–23）。IEEE 出版。
- BlockML - Merlina, A. (2019年12月). BlockML：一种基于机器学习任务的有用工作量证明系统。载于 第20届国际中间件会议博士生研讨会论文集（pp. 6–8）。
- AI 与 DLT 的融合 - Pandl, K. D., Thiebes, S., Schmidt-Kraepelin, M., & Sunyaev, A. (2020). 关于人工智能与分布式账本技术融合的研究：范围综述及未来研究议程。IEEE Access, 8, 57075–57095。
- 学习证明 - Lan, Y., Liu, Y., & Li, B. (2020). 学习证明（PoLe）：通过区块链上的共识构建赋能机器学习。arXiv 预印本 arXiv:2007.15145。
- 区块链上的去中心化与协作式 AI - Harris, J. D., & Waggoner, B. (2019年7月). 区块链上的去中心化与协作式 AI。载于 2019 IEEE 国际区块链会议（Blockchain）（pp. 368–375）。IEEE 出版。
- 区块链上的去中心化与协作式 AI - Harris, J. D. (2020年9月). 区块链上去中心化与协作式 AI 模型分析。载于 国际区块链会议（pp. 142–153）。Springer, Cham 出版。
- 超参数优化 - Mittal, A., & Aggarwal, S. (2020). 利用区块链中的可持续工作量证明进行超参数优化。Frontiers in Blockchain, 3, 23。
- 联邦学习证明 - Qu, X., Wang, S., Hu, Q., & Cheng, X. (2021). 联邦学习证明：一种新型能量回收型共识算法。IEEE 并行与分布式系统汇刊, 32(8), 2074–2085。
- 神经架构证明 - Li, B., Lu, Q., Jiang, W., Jung, T., & Shi, Y. (2021年5月). 一种针对新型神经架构证明共识的矿池解决方案。载于 2021 IEEE 国际区块链与加密货币会议（ICBC）（pp. 1–3）。IEEE 出版。
许可协议
在法律允许的最大范围内，Steven Van Vaerenbergh 已放弃其对该作品的所有版权及相关权利或邻接权利。
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。