beiyege-01/dsh-voice-ai-girlfriend
语音 AI 女友（Voice AI girlfriend for DeepSeek Harness）：Whisper 语音输入 + Qwen3-TTS 声音克隆 + 句子级流式朗读 + 数字人动画窗。插话/排队双模式，说话即打断。
安装Install
dsh plugin --profile web add github:beiyege-01/dsh-voice-ai-girlfriend把 beiyege-01/dsh-voice-ai-girlfriend 加入你的 DSH 配置（web profile）即可启用。
READMEREADME
DSH 语音 AI 女友（Voice AI Girlfriend）
"你好呀，我是小雅。从今往后，DeepSeek Harness 不只是你的编程搭子——它开口说话了。"
📌 流式数字人（DUIX 口播视频）已包含在本主线：回复实时生成数字人口播视频（≤10s 分段流水线、TTS+画面同步播放、数字人开关、视频保留 200 条）。
这是一位住在你电脑里的 AI 女友：点一下麦克风，她听你说话、跟你拌嘴、把回答一字一句念给你听；你出门了，她追到你的 QQ 上继续聊；旁边那个窗口里的姑娘也不是摆设——她闲着会发呆，说话时会开口。
她有点小脾气，但你大概也会喜欢上这些：
- ⚡ 嘴快：你说完话，她 0.5 秒内开口 —— FunASR 中文识别只要 150ms、TTS 几乎秒开，反应比你还快
- 🎧 耳朵挑：-35dB 噪声门 + silero VAD 双重把关 —— 风扇、键盘、电视声统统进不来，只有你说话她才理
- 📱 粘人：她的回复自动推到你的 QQ（文本 + 语音 + 图片）—— 你不在电脑前，她也能找到你
- 👧 会动：右侧数字人窗口，空闲时发呆、说话时开口 —— 一个会呼吸的 AI，不是冷冰冰的对话框
- 🎬 会演：回复不只是声音——流式数字人（DUIX）把你的回复实时生成口播视频：长回复切成 ≤10 秒小段，边生成画面边合成下一段语音，一段接一段连续播放，TTS 与口型同步开口
- 🔇 懂打断：你插嘴她就闭嘴听你说；想让她把话说完，点一下开关就切回排队模式
- 🔊 声音是你的：TTS 声音克隆，音色由你给的参考音频决定——她可以长成你喜欢的样子
- 🎛️ 随你调配：数字人开关（开=视频+声音同步 / 关=接近即时的纯语音朗读）、QQ 推送开关、女友窗开关、插话/排队模式，全部工具行一键切换
┌────────────────────────────────────────────┐
│ 浏览器（DSH Web GUI :3080） │
│ ┌──────────┐ ┌─────────────────────────┐ │
│ │ 对话面板 │ │ 女友窗（bg/task 视频） │ │
│ │ 麦克风+⚡ │ │ 数字人视频（同步播放） │ │
│ └──────────┘ └─────────────────────────┘ │
│ 麦克风采集 ──▶ STT ──▶ 代理回复 ──▶ TTS ──▶ 播放 │
│ ▲回复文本 回复文本▼ │
└─────┼──────────────────────┬──────────────┘
│ 插件 QQ 桥 (WS) │ HTTP (CORS)
┌─────▼──────────────────────▼──────────────┐
│ voice_bridge (:8765) │
│ /api/stt FunASR 中文 ASR │
│ /api/tts Qwen3-TTS 声音克隆 │
│ /api/dh/* DUIX 数字人（分段流水线/播放/开关）│
│ /api/qq/* QQ 桥（收发 + 语音推送） │
│ /api/vad silero 打断 / media 素材 │
└────┬──────────────┬───────────────────────┘
│ OneBot HTTP+WS │ HTTP（提交音频→轮询视频）
┌────▼──────────┐ ┌──▼──────────────────────┐
│ NapCatQQ │ │ DUIX 数字人 (:8383) │
│ 小号在线 │ │ 音频 → 口型同步视频 │
│ → 文本+语音 │ │ → 女友窗同步播放 │
└───────────────┘ └──────────────────────────┘
目录结构
dsh-voice-ai-girlfriend/
├── bridge/ # 语音桥接（独立可跑，Python/FastAPI）
│ ├── voice_bridge.py # STT/TTS/数字人(DUIX)/QQ/VAD 全部端点
│ ├── bridge-config.example.json # 配置模板（复制为 bridge-config.json）
│ ├── requirements.txt
│ ├── start-bridge.cmd # 只起桥接
│ └── start-all.cmd # 桥接 + DSH Web 一键启动
├── models/ # 模型（gitignore，不入库）：funasr/ + silero-vad/
├── assets/ # 个人素材（本地使用，不入库）
│ ├── bg-images/ # 空闲动画（自备，放入你的待机视频）
│ └── task-videos/ # 备用说话动画（可选；开了数字人后自动用 DUIX 视频）
├── dsh-plugin/ # DSH 客户端插件源码（mic/开关/女友窗/数字人/流式朗读）
│ └── README.md # 安装到 DSH 的详细步骤
└── docs/ # 开发日志等
从零开始安装（小白版）
全程在 Windows 上操作。下面的命令默认在 PowerShell 里执行； 除了标注"在项目文件夹里运行"的步骤，其余在哪里运行都行。
一、前置准备（一次性装齐）
1. 检查你的电脑
| 检查项 | 要求 | 验证命令 |
|---|---|---|
| 系统 | Windows 10/11 64 位 | winver |
| 显卡 | NVIDIA 独立显卡（显存建议 16GB 或以上） | nvidia-smi（能显示显卡信息即可） |
| 磁盘 | 至少 30GB 剩余空间 | — |
| 内存 | 建议 16GB 以上 | — |
nvidia-smi不是 NVIDIA 显卡也能显示吗？不能——如果没有 NVIDIA 显卡或驱动没装好，会提示"不是内部或外部命令"或报错。没有 NVIDIA 显卡就装不了本项目（模型推理依赖 CUDA GPU）。
显存占用（运行时实测，约 8GB）：
| 模型 | 显存占用 |
|---|---|
| Qwen3-TTS 1.7B（fp16） | ~3.7GB |
| FunASR Paraformer-large（fp16） | ~1GB |
| CUDA 上下文 / 激活 / 缓冲 | ~3GB 余量 |
| 合计 | ~8.1GB（实测 nvidia-smi 8101 MiB） |
所以 16GB 显存可流畅运行（含浏览器、系统开销余量）；8GB 显存的卡会非常紧张，不推荐。
2. 安装 Git
用来克隆仓库。下载安装：https://git-scm.com/download/win，一路下一步。
验证：git --version 能输出版本号即可。
3. 安装 Python（3.10 或更高）
下载安装：https://www.python.org/downloads/windows/
⚠️ 安装时务必勾选 "Add Python to PATH"，否则后面 python 命令会找不到。
验证：打开新终端，python --version 能输出版本号即可。
4. 更新 NVIDIA 驱动
到 https://www.nvidia.cn/drivers/ 下载最新驱动安装。驱动太旧会导致 CUDA 相关报错。
本项目不需要单独安装 CUDA Toolkit——
pip装的 PyTorch 自带 CUDA 运行库，只要驱动够新就行。
5. 安装 Node.js 和 pnpm（运行 DSH 用）
- Node.js：下载安装 https://nodejs.org/（选 LTS 版本），一路下一步。
- 验证：
node --version - pnpm（Node.js 装完后，在终端执行）：
npm install -g pnpm
- 验证：
pnpm --version
6. 准备 deepseek-harness（DSH）源码
DSH 是开源项目，本项目是它的一个插件。需要先有一份 DSH 源码树（插件要装进它的源码里）：
git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
✅ 已适配 DSH rc.8（当前主线）：插件协议（
dsh.bundlemanifest +conversation.input.dock/left槽位）按 rc.8 实现，升级到 rc.8 后无需改动即可运行；余额统计走conversation.composer.dock+ ui-conversation 的 stats-extras 扩展点（registerStatsExtra）。pnpm install会装几十秒到几分钟。装完后这个文件夹先放着，后面"安装 DSH 语音插件"步骤要用。 记住它的路径（比如C:\dev\deepseek-harness），后面一键启动要用。
7. 硬盘空间预估
| 项目 | 大小 |
|---|---|
| 本项目代码 + 素材 | ~8MB |
| Python 虚拟环境 + 依赖（含 PyTorch） | ~5-8GB |
| FunASR Paraformer 模型（models/funasr/） | ~850MB |
| Qwen3-TTS 模型 | ~2GB |
| deepseek-harness + node_modules | ~2-4GB |
二、安装本项目
1. 克隆仓库
git clone https://github.com/beiyege-01/dsh-voice-ai-girlfriend.git
cd dsh-voice-ai-girlfriend
之后所有步骤都在这个文件夹（项目根目录）里进行。
2. 创建 Python 虚拟环境
python -m venv venv-speech
激活它：
venv-speech\Scripts\activate
激活成功后，终端行首会出现 (venv-speech)。
3. 安装依赖
pip install -r bridge\requirements.txt
这一步会装 PyTorch、transformers、HuggingFace speech-to-speech 等，体积大、耗时长（几分钟到几十分钟），耐心等待。 网络慢装不动？见文末"常见问题"第 1 条（换清华镜像）。
三、准备模型（两个模型）
1. STT 模型：FunASR Paraformer 中文模型（放本地 models/ 目录）
语音识别用阿里 FunASR 中文 ASR（Paraformer-large，专为中文设计，同音字/口音识别准确率远高于 whisper）。模型放在仓库根的 models/funasr/（约 850MB，已 gitignore 不入库）：
pip install modelscope
# 1) 先下载到缓存（首次）
python -c "from modelscope import snapshot_download; snapshot_download('iic/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch')"
# 2) 把模型拷到项目的 models\funasr\ 下（文件名随意，配置里指向它）
xcopy /E /I %USERPROFILE%\.cache\modelscope\models\iic--speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch\snapshots\master models\funasr\speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch
打断用 VAD 模型（models/silero-vad/silero_vad_v4.jit，2MB）同样不入库，从 silero-vad v4.0 tag 的 files/silero_vad.jit 获取（或使用本项目 release 附带的文件）。
想换回 whisper（如
openai/whisper-large-v3或-turbo）？把bridge-config.json里stt.backend改为"whisper"并把model_name换成 whisper 模型 id 即可（桥接双后端都支持）。
2. TTS 模型：Qwen3-TTS-12Hz-1.7B-Base（声音克隆模型，手动准备）
⚠️ 必须用 Base 版本：Qwen/Qwen3-TTS-12Hz-1.7B-Base 才支持"映射克隆"（用参考音频克隆音色）。网上流传的 VoiceDesign 版本不支持克隆，别下错了。
推荐用 ModelScope 下载（国内快，先装 modelscope）：
pip install modelscope
modelscope download --model Qwen/Qwen3-TTS-12Hz-1.7B-Base --local_dir ./Qwen3-TTS-12Hz-1.7B-Base
在项目根目录执行上面命令，模型会下载到
项目根\Qwen3-TTS-12Hz-1.7B-Base\。
文件夹叫什么名字无所谓（叫 Base、VoiceDesign、或任何名字都行），只要里面装的是 Base 的权重文件即可——配置文件认的是目录路径，不认名字。
四、准备参考音频（决定音色）
AI 女友的声音是克隆自你的参考音频的。请自备一段：
- 时长：10 秒左右（5~20 秒都行）
- 内容：干净人声、无背景音乐、无杂音，用你自己的话自然地朗读一段内容即可（说什么都可以）
- 文件：命名为
ref_audio.wav，放到项目根目录（和bridge/文件夹同级）。
配置里的
tts.ref_text必须填你这段录音实际朗读的那句话（逐字一致、含标点）——音色克隆质量依赖文本与录音的匹配。
五、填写配置（复制模板 + 改 1 个必改项）
在项目根目录执行：
copy bridge\bridge-config.example.json bridge\bridge-config.json
用记事本打开 bridge\bridge-config.json：
必须改（1 处）
| 位置 | 改成什么 |
|---|---|
tts.model_name |
你 TTS 模型的真实目录路径（第三部分的模型文件夹） |
路径格式两种都行（Windows 下推荐正斜杠）：
"C:/你的QwenTTS模型目录/Qwen3-TTS-12Hz-1.7B-Base" ← 正斜杠
"C:\\你的QwenTTS模型目录\\Qwen3-TTS-12Hz-1.7B-Base" ← 双反斜杠
建议改（1 处）
| 位置 | 改成什么 |
|---|---|
tts.ref_text |
你参考音频实际朗读的文本（见第四部分） |
不用动（已自动处理）
| 配置 | 说明 |
|---|---|
media.bg_images_dir / task_videos_dir |
相对路径，基于项目根自动解析 |
tts.ref_audio |
默认读取项目根的 ref_audio.wav |
stt.* |
FunASR 中文识别配置（backend=funasr，模型在 models/funasr/），默认即可 |
六、先验证桥接（强烈建议）
启动桥接：
bridge\start-bridge.cmd
会弹出一个最小化的终端窗口，等 1-2 秒后，浏览器打开：
http://127.0.0.1:8765/api/health
看到 {"status":"ok", ...} 就说明桥接起来了（此时模型还没加载，等首次调用才会加载）。
更完整的测试（另开一个终端，在项目根目录、venv 激活状态下）：
venv-speech\Scripts\python.exe bridge\smoke_tts.py --text "你好，我是小雅。"
结束后项目根目录会生成 tts_out.wav，播放它——能听到克隆音色的声音，说明 TTS 链路通了。
七、安装 DSH 语音插件
桥接只是"声音的服务"，对话界面和麦克风按钮在 DSH 里，需要装插件。按 dsh-plugin/README.md 的步骤操作（把 dsh-plugin\ 整个复制进你的 deepseek-harness 源码树，注册三处、构建、重启）。
八、流式数字人：回复出镜对口型（可选增强）
回复不只是一段声音——配合 DUIX 数字人引擎，小雅会把你的回复实时生成口播视频：TTS 音频交给 DUIX（http://127.0.0.1:8383），它渲染出对应口型的视频，女友窗在生成完毕后视频 + 声音同刻播放（音频已混入视频，天然同步）。
流式分段：长回复自动切成 ≤10 秒的小段，当前段生成画面时，下一段语音已在后台合成——一段播完立即续接下一段，全程不干等。段级抢占：对话中来了更新的回复，当前长任务的剩余段自动让位（已生成段保留），最新回复永远最快开始。生成的口播视频保留最近 200 条（GET /api/dh/history 可回看）。
分段策略（默认：句子优先 + 48 字上限兜底）：先按句读标点（。！？!?；;，,）把回复切成句子，短句累积成段（不超 48 字 ≈ 8-10s 音频）；单句超长（如无标点长句）时，在 48 字窗口内找最近的断点字符（逗号/句号/空格/冒号）切，实在没有则 48 字硬切。→ 按句子断：每段语义完整、TTS 语气连贯、口型对得上；48 字上限：每段 ≤10s，DUIX 十几秒出片、段间续接快（听感与速度的平衡）。
⚙️ 自行调试：段长由
bridge-config.json→digital_human.segment_chars控制（默认 48）。调小（如 40）→ 段更短、出片更快但更碎；调大（如 60）→ 段更长更连贯，但每段生成更久（DUIX 单任务，总等待随之增加）。按你的显卡/听感偏好调整。
麦克风打断：你开始说话（点麦克风/插话）时数字人视频立即停止播放——只停播放，生成任务与已存视频不受影响。
部署 DUIX（二选一）：
Docker 一键跑（推荐）：本项目提供了精简适配版 compose（
bridge/docker-compose-5060ti.yml）——适配 RTX 50 系列（5060 Ti / 5090 同架构），并已去掉原项目的 Fish Speech TTS 与 FunASR ASR（语音由本项目自己的 voice_bridge 负责），只保留数字人服务：docker compose -f bridge\docker-compose-5060ti.yml up -d启动后数字人服务在
http://127.0.0.1:8383，共享卷d:/duix_avatar_data/face2face映射到容器/code/data，成品视频直接落在宿主D:\duix_avatar_data\face2face\temp\。手动跑：拉取
guiji2025/duix.avatar-5090镜像后python /code/app_local.py（容器内）。
配置（bridge-config.json → digital_human 段）：duix_base 服务地址、avatar_video 形象视频（放共享卷 temp，如 avatar.mp4）、segment_chars 分段字数（默认 48 ≈ 10s）、max_keep 保留条数（默认 200）。
提速技巧（实测：7.3s 音频 20.1s → 14.1s，约 -30%）：
- 形象视频换 15fps（输出规格跟随 avatar.mp4，1080p 画质不降）：
ffmpeg -i avatar.mp4 -vf fps=15 -c:v libx264 -crf 20 -preset fast -an avatar_15fps.mp4改名 avatar.mp4（原版备份）。 - 关超分：共享卷放一份
config.ini（[digital] chaofen = 0, batch_size = 2，compose 已挂载/code/config/config.ini），容器重建不丢，再快约 10%。
开关：工具行「数字人」按钮——开：等视频生成完，TTS+画面同步播放；关：去掉视频生成，回到接近即时的纯语音朗读。
不开数字人也完全可用：回复走即时逐句 TTS，女友窗播空闲动画即可。
九、启动
只起桥接（想先单独验证语音）：
bridge\start-bridge.cmd
一键全套（桥接 + NapCatQQ + DSH Web + 浏览器）：
set DSH_HARNESS=C:\dev\deepseek-harness
set NAPCAT_DIR=D:\QQ\NapCat\napcat rem 可选：NapCat 安装目录（默认此值）
bridge\start-all.cmd
DSH_HARNESS指向你第一步准备的那份 DSH 源码树（第六部分安装过插件的那个）。start-all.cmd会自动：起桥接 → 起 NapCatQQ（会关闭所有运行中的 QQ 进程再注入小号）→ 起 DSH Web → 开浏览器。- 不想自动起 NapCat（比如你要在电脑上正常用主号 QQ）：
bridge\start-all.cmd nq（跳过 NapCat，QQ 双向聊天不工作）。- 只想单独起 NapCat：
bridge\start-napcat.cmd（会等 OneBot :3000 就绪，失败时提示去 WebUI 检查）。
十、QQ 双向对话（可选）
在 QQ 上直接和 AI 女友聊天：你的 QQ 消息会注入 DSH 对话，回复以文本 + 小雅语音推回你的 QQ。
1. 装 NapCatQQ（登录 QQ 小号）
- 下载 NapCat.Shell.Windows.Node.zip（官方推荐 Shell 版；Framework/LiteLoaderQQNT 路线官方已不推荐）
- 解压到任意目录（如
D:\QQ\NapCat），用napcat\launcher-win10-user.bat启动（会注入/拉起电脑版 QQ，先关闭正在运行的 QQ） - QQ 登录用一个小号（防风控；注入后 QQ 窗口通常隐藏，用手机 QQ 查看消息）
- 启动后电脑上 NapCat 的 WebUI：
http://127.0.0.1:6099（token 看napcat\config\webui.json的token字段）
2. 在 NapCat WebUI 配置网络
WebUI → 网络配置：
- HTTP 服务器：添加 → 名称随意、Host
127.0.0.1、端口3000、Token 记下来（发消息用） - WebSocket 客户端：添加 → 地址填完整 URL
ws://127.0.0.1:8765/api/qq/onebot（NapCat 主动连桥接，收 QQ 消息用；不要配成 WebSocket 服务器，那会抢 8765 端口）
3. 配置桥接
bridge-config.json 加 qq 段：
"qq": {
"enabled": true,
"napcat_base": "http://127.0.0.1:3000",
"napcat_token": "你在 WebUI 设置的 token",
"target_qq": 你的主号QQ号
}
target_qq是接收回复的号（你的主号）；NapCat 登录的小号负责收发。
4. 验证
- 从桥接发测试：
POST /api/qq/send {"text":"你好","voice":true}→ 主号收到文本+语音 - 发图片：
POST /api/qq/image {"path":"C:/path/to/a.png"}→ 主号收到图片（agent 生成图片后可直接推给你） - 完整双向：用手机 QQ 主号给小号发消息 → DSH 对话出现该消息 → 回复自动以文本+语音发回主号
⚠️ 易踩坑要点
| 坑 | 说明 |
|---|---|
| 语音收不到 | ① 别给小号自己发语音（QQ 不支持自己给自己发语音）；② 语音必须 silk 格式（pip install pilk，桥接已内置转换），mp3 base64 发不出去 |
| QQ 事件进不来 | 必须配 WebSocket 客户端（NapCat 连 ws://127.0.0.1:8765/api/qq/onebot），配成 WebSocket 服务器会抢 8765 端口失败 |
| 重启 NapCat 后 OneBot 服务丢失 | NapCat 的 OneBot HTTP（3000）重启后有时不自动加载 —— 都在 WebUI 里管理（启用/保存），不要 kill 进程重启 |
| WebUI 每次要 token | 改 napcat\config\webui.json 的 token 字段为固定值即可 |
| 回复延迟 | 延迟主要来自 LLM 生成 + 整段 TTS 合成；回复越长越慢（分段推送优化是后续可选项） |
| 端口冲突 | 8765 桥接、3000 OneBot、6099 WebUI —— 被占时改配置并同步改桥接的 napcat_base |
使用说明
- 点麦克风：开始连续聆听（每句自动识别发送；再点一下停止）
- 点**⚡**：插话（亮，默认）/ 排队（灭）——说话打断回复 vs 回复读完再自动接上
- 点**👧**：显示/隐藏女友动画窗；窗口可拖宽、双击换边
- 点**🎭**：数字人开关——开：回复生成口播视频，TTS+画面同步播放（分段续接）；关：接近即时的纯语音朗读
- 点**🔊**：开/关语音朗读
- QQ 对话：手机 QQ 主号给小号发消息即可（需已按「十、QQ 双向对话」配置）
常见问题
pip 装依赖太慢/超时 → 用清华镜像：
pip install -r bridge\requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simpleHuggingFace 下载模型慢/失败 → 用国内镜像：
set HF_ENDPOINT=https://hf-mirror.com设置后重新执行下载命令（
huggingface-cli download ...）。第一次 TTS 很慢（10~60s） → 正常。模型首次懒加载 + 预热，之后每句约 0.5s 出音。
STT 偶尔识别为空 → FunASR 对超短语音/纯噪声会返回空结果被丢弃（日志见
funasr returned empty result）；若切换到 whisper 后端，则其 1-token 退化也会被判空，均属正常防护。桥接启动但模型加载失败 → 检查
bridge-config.json里tts.model_name路径是否存在（路径拼写、盘符、斜杠方向），以及显卡驱动是否够新（见前置第 4 条）。桥接端口被占 → 改
bridge-config.json的port，并同步改插件的s2s.voice.bridge（浏览器 localStorage）。女友窗不显示 → 确认
assets/目录存在、桥接已启动（窗口每 30s 拉一次素材列表）。数字人没出视频 → 检查：① 工具行数字人开关是否打开；②
bridge-config.json的digital_human.enabled是否为 true、duix_base是否指向 DUIX 服务；③ 形象视频avatar.mp4是否放在共享卷 temp 目录（DUIX 容器映射的D:\duix_avatar_data\face2face\temp\）；④ 生成状态用GET http://127.0.0.1:8765/api/dh/status查看（done 且带 video_url 即为就绪）。数字人视频生成了但没播 → 刷新 DSH 页面（插件逻辑更新后需刷新加载）；确认女友窗可见。生成中窗口底部会显示「数字人生成中 i/n…」，一段播完自动续接下一段。
声音不像参考音频 → 检查
ref_audio.wav是否清晰无杂音、tts.ref_text是否与录音逐字一致（标点也要对）；并确认 TTS 模型是 Base 版本（Qwen/Qwen3-TTS-12Hz-1.7B-Base），VoiceDesign 版本不支持克隆。
许可
Apache-2.0（详见 LICENSE）。复用 HuggingFace speech-to-speech（Apache-2.0）与 deepseek-harness 插件框架（MIT）；assets/ 素材为 AI 生成，仅用于演示。
相关推荐Related
- deepseek-ai/deepseek-harness DeepSeek Harness: Everything is a Plugin.
- deepseek-ai/deepseek-harness DeepSeek Harness (dsh) — 由 DeepSeek AI 开发的开源 agent harness（智能体框架）。一切皆插件：核心 + 插件 + 技能 = 可热插拔的 AI 编程工作台。DeepSeek Harness: …
-
nexu-io/open-design
🎨 Best DeepSeek Harness Design Plugin. The open-source Claude Design alternative. 🖥️ Local-first desktop app. 🖼️ Your…
-
ruvnet/ruflo
🌊 The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build c…
-
amruthpillai/reactive-resume
A one-of-a-kind resume builder that keeps your privacy in mind. Completely secure, customizable, portable, open-source a…
-
esengine/DeepSeek-Reasonix
DeepSeek-native AI coding agent for your terminal. Engineered around prefix-cache stability — leave it running.
-
volcengine/OpenViking
Self-evolving Context Database for AI Agents. Unify Agent Memory, Knowledge RAG and Skills.
-
Molunerfinn/PicGo
:rocket: The Ultimate Image Uploader for Efficient Creators. Supports Obsidian, Typora, VS Code etc. and 60+ image hosti…