Ming Xu (徐明)

pycorrector is a toolkit for text error correction. 文本纠错，实现了Kenlm，T5，MacBERT，ChatGLM3，Qwen2.5等模型应用在纠错场景，开箱即用。

text2vec, text to vector. 文本向量表征工具，把文本转化为向量矩阵，实现了Word2Vec、RankBM25、Sentence-BERT、CoSENT等文本表征、文本相似度计算模型，开箱即用。

MedicalGPT: Training Your Own Medical GPT Model with ChatGPT Training Pipeline. 训练医疗大模型，实现了包括增量预训练(PT)、有监督微调(SFT)、RLHF、DPO、ORPO、GRPO。

Agentica: Lightweight async-first Python framework for AI agents. 轻量级异步优先的AI Agent框架，支持工具调用、RAG、多智能体和MCP。

Python3 package for Chinese/English OCR,use paddleocr-v5 onnx model(~20MB), with ultra-fast inference speed. 基于ppocr-v5-onnx模型推理，中英文OCR开源SOTA，推理速度超快。

TreeSearch: Search your codebase like a human — not like a vector database. No embeddings. No chunking. Just millisecond search over structured documents and large codebases. 无需 embedding，无需切分文档，在结构化文档和大型代码库中实现毫秒级检索。

Python实用教程，包括：Python基础，Python高级特性，面向对象编程，多线程，数据库，数据科学，Flask，爬虫开发教程。

similarity: Text similarity calculation Toolkit for Java. 文本相似度计算工具包，java编写，可用于文本相似度计算、情感分析等任务，开箱即用。

TextGen: Implementation of Text Generation models, include LLaMA, BLOOM, GPT2, BART, T5, SongNet and so on. 文本生成模型，实现了包括LLaMA，ChatGLM，BLOOM，GPT2，Seq2Seq，BART，T5，UDA等模型的训练和预测，开箱即用。

Similarities: a toolkit for similarity calculation and semantic search. 相似度计算、匹配搜索工具包，支持亿级数据文搜文、文搜图、图搜图，python3开发，开箱即用。

RAG for Local LLM, chat with PDF/doc/txt files, ChatPDF. 纯原生实现RAG功能，基于本地LLM、embedding模型、reranker模型实现，支持GraphRAG，无须安装任何第三方agent库。

ChatPilot: Chat Agent Web UI，实现Chat对话前端，支持Google搜索、文件网址对话（RAG）、代码解释器功能，复现了Kimi Chat(文件，拖进来；网址，发出来)。

Automatic Speech Recognition(ASR), Text-To-Speech(TTS) engine. 中英语音识别、多角色语音合成，支持多语言，准确率高

pytextclassifier is a toolkit for text classification. 文本分类，LR，Xgboost，TextCNN，FastText，TextRNN，BERT等分类模型实现，开箱即用。

自然语言处理（NLP）教程，包括：词向量，词法分析，预训练语言模型，文本分类，文本语义匹配，信息抽取，翻译，对话。

dialogbot, provide search-based dialogue, task-based dialogue and generative dialogue model. 对话机器人，基于问答型对话、任务型对话、聊天型对话等模型实现，支持网络检索问答，领域知识问答，任务引导问答，闲聊问答，开箱即用。

中文地址提取工具，支持中国三级区划地址（省、市、区）提取和映射，支持地址热力图绘制。

pke_zh, python keyphrase extraction for chinese(zh). 中文关键词或关键句提取工具，实现了KeyBert、PositionRank、TopicRank、TextRank等算法，开箱即用。

AI Avatar: Build Your Personal Digital Avatar. AI数字人，实时交互数字人，可音视频同步对话。

ChatGPT WebUI using gradio. 给 LLM 对话和检索知识问答RAG提供一个简单好用的Web UI界面

ChatGLM-6B fine-tuning.

🌈 NERpy: Implementation of Named Entity Recognition using Python. 命名实体识别工具，支持BertSoftmax、BertSpan等模型，开箱即用。

open-o1: Using GPT-4o with CoT to Create o1-like Reasoning Chains

Chinese Sentiment Classification Tool. 情感极性分类，基于知网、清华、BosonNLP情感词典，易扩展，基准方法，开箱即用。

company name parser, extract company name brand. 中文公司名称分词工具，支持公司名称中的地名，品牌名（主词），行业词，公司名后缀提取。

CodeAssist is an advanced code completion tool that provides high-quality code completions for Python, Java, C++ and so on. CodeAssist 是一个高级代码补全工具，高质量为 Python、Java 和 C++ 补全代码。

自动作文评分工具，支持中文、英文作文智能评分，支持评分模型自训练，支持WEKA处理模型数据，支持自定义评分算法。java开发。

Tracking the hot Github repos and update daily 每天自动追踪Github热门项目

RelExt: A Tool for Relation Extraction from Text. 文本实体关系抽取工具。

Python implementation of AI-powered research assistant that performs iterative, deep research on any topic by combining search engines, web scraping, and large language models.

WebResearcher: An Iterative Deep-Research Agent，迭代式深度研究智能体

SearchGPT: Building a quick conversation-based search engine with LLMs.

rater, recommender systems. 推荐模型，包括：DeepFM，Wide&Deep，DIN，DeepWalk，Node2Vec等模型实现，开箱即用。

Daily in-depth Chinese analyses of frontier AI research papers, including topics such as LLMs, agents, RAG, and RL. AI 前沿论文中文深度解读

文本特征提取，适用于小说，论文，议论文等文本，提取词语、句子、依存关系等特征。python开发。

labelit, label tool with active learning, for classification task. 自动标注，基于主动学习，边标注边学习，减少人工标注量。

pinyintokenizer, 拼音分词器，将连续的拼音切分为单字拼音列表。

Automatic Text Summarization and Title Generation.

Used for thinking process intervention of reasoning models such as DeepSeek-R1, effectively controlling the reasoning thinking process. 用于DeepSeek-R1等推理模型的思维过程干预，有效控制推理思考过程

NLP之病历分析：从病历文本之中提取关键信息，便于后续分析处理。

Learn from Experience skill 是让 Agent 从经验中学习 -- 纠正过的错误不再重犯，好的方法自动沉淀，越用越懂你。原理是基于你跟Agent交互中的经验(踩坑、纠正、好方法)记下来、整理好、用起来，不再随会话结束而消失。

英文作文自动评分系统，支持评分模型自训练，支持WEKA处理模型数据，支持自定义评分算法。Java开发。

一个微博毒舌AI，疯狂 diss 微博博主

crf-seg:用于生产环境的中文分词处理工具，可自定义语料、可自定义模型、架构清晰，分词效果好。java编写。

auto push daily news with ai

Lightweight macOS menu-bar app for voice input. Hold Fn → speak → release. Built from a single prompt. | 轻量 macOS 语音输入工具，按住Fn说话松开即输入，一句Prompt生成整个项目

Service for Bert model to Vector. 高效的文本转向量(Text-To-Vector)服务，支持GPU多卡、多worker、多客户端调用，开箱即用。

LLM-wiki: drop in papers/articles/notes, get a structured, interlinked, searchable wiki knowledge base. LLM-wiki：扔论文、丢笔记，自动生成交互链接、可搜索的个人wiki知识库。

Chinese(zh) sentence NSW(Non-Standard-Word) Normalization

【今日头条】文本作者身份识别比赛

Fake News Detection Competition

Chinese Chess AI Game. 中国象棋AI人机对弈游戏。

Python interpreter, MCP server, no API key, free. Get results from running Python code. Python代码解释器MCP，功能包括：执行python代码，运行python库安装，运行python脚本。

build a python server for ChatGPT API.

A 300-line Python tool to automatically optimize prompts using labeled data. 基于标注数据，自动优化 LLM Prompt 的轻量级工具

C++开发实例教程，基础，开源库进阶，高级技巧。

A cross-platform ChatGPT/Gemini UI (Web / PWA / Linux / Win / MacOS). 一键拥有你自己的跨平台 ChatGPT/Gemini 应用。

Angry Birds - Gesture Control Edition. 愤怒的小鸟手势版 - 使用手势控制的网页版愤怒的小鸟游戏。

LLM Debate Tournament(AI 辩论竞技场) - Watch LLMs compete in structured debates with ELO rankings, real-time judging, and tool-augmented argumentation

High-Concurrency URL Web Page Content Fetching Service. 高并发URL网页内容抓取服务。

**Text2vecEncoder** wraps the text2vec model with jina. It encodes text data into dense vectors.

NLP common tools.

Dual-system layered memory SDK for LLM agents — structured write path, hybrid retrieval, evolution chains.

Named Entity Recognition(NER) models, include BERT(softmax, CRF, Span), BiLSTM-CRF model.

weather-forecast-server, MCP server, without api key, free. Get weather for cities around the world. 免费天气预报MCP工具。

have fun with image AI

自然语言处理 中文分词 词性标注 命名实体识别 依存句法分析 关键词提取 自动摘要 短语提取 拼音 简繁转换

追一科技开源的t5-pegasus的Pytorch实现

No description.

agentica gateway service, use Lark(feishu) or WeCom control your own personal AI assistant. 使用飞书或者企微控制你的个人AI智能体。

User-friendly AI Interface (Supports Ollama, OpenAI API, ...)

对微博m站API进行封装，免登陆获取微博数据

tools

Code Agent, Code Dev tool.

我的csdn博客中使用的代码，主要是算法。

graphrag-lite, Lightweight GraphRAG implementation with openai API and knowledge traceability.

File Server: Self-hosted file storage service. 一个支持密码保护的简单自托管文件存储服务。

An Open-source Neural Hierarchical Multi-label Text Classification Toolkit, add bert hierarchical multi label classification.

短语搜索，支持公司名称、地址名称等短语的搜索，支持自定义排序、拼音处理，内置jetty提供web接口。java编写。

Diffusion-Tuning: Training Your Own Diffusion model with custom dataset.

Bocha Search MCP Server.

Homebrew tap for shibing624 tools (treesearch and friends)

理解spring核心代码，自己仿写spring，实现简化功能。

Easy-to-use,Modular and Extendible package of deep-learning based CTR models.

ansj分词.ict的真正java实现.分词效果速度都超过开源版的ict. 中文分词,人名识别,词性标注,用户自定义词典

Web server use tornado.

Use the html5 to show funny web demos

原汁原昧 Claude Code 可运行,可构建版; Typescript 类型全修复; 企业级可靠性; 安全无毒, lock 文件保真, 可直接 bun i; bun run dev 启动

Claude Code v2.1.88 Source Code

🤗 Transformers: State-of-the-art Machine Learning for Pytorch, TensorFlow, and JAX.

GUI for ChatGPT API and many LLMs. Supports agents, file-based QA, GPT finetuning and query with web search. All with a neat UI.

Awesome multilingual OCR toolkits based on PaddlePaddle (practical ultra lightweight OCR system, support 80+ languages recognition, provide data annotation and synthesis tools, support training and deployment among server, mobile, embedded and IoT devices)

An open platform for training, serving, and evaluating large language models. Release repo for Vicuna and Chatbot Arena.

Code for ACL 2020 paper "Rigid Formats Controlled Text Generation"：https://www.aclweb.org/anthology/2020.acl-main.68/

A PaddlePaddle version image model zoo.

An NLP library with Awesome pre-trained Transformer models and easy-to-use interface, supporting wide-range of NLP tasks from research to industrial applications.