关注我，记得标星⭐️不迷路哦～
✨ 1: Claude Code Base Action
Claude Code Base Action 是一个 GitHub Action，让你在工作流中运行 Claude Code，构建自定义工作流程。
Claude Code Base Action 是一个 GitHub Action，它允许你在 GitHub Actions 工作流中运行 Claude Code，你可以使用它来构建自定义的工作流程。它能通过直接 prompt 或 prompt 文件的方式调用 Claude Code，并能限制对话轮数，并能控制Claude Code使用的工具。你可以使用 Anthropic API 密钥，或者通过 Amazon Bedrock 或 Google Vertex AI 使用 OIDC 身份验证与 Claude 进行身份验证。
地址：https://github.com/anthropics/claude-code-base-action
✨ 2: MMaDA
MMaDA是多模态扩散大语言模型，擅长文本推理、多模态理解和文图生成，具有统一扩散架构和混合CoT微调策略。
MMaDA (Multimodal Large Diffusion Language Models) 是一系列多模态扩散基础模型，旨在文本推理、多模态理解和文本到图像生成等多种领域实现卓越性能。它主要有三个创新点：
- 统一的扩散架构
：采用共享的概率公式和模态无关的设计，无需模态特定的组件。 - 混合长链思考 (CoT) 微调策略
： 在各种模态中构建统一的CoT格式。 - UniGRPO
：基于策略梯度的强化学习算法，专为扩散基础模型定制。它利用多样化的奖励建模，统一了推理和生成任务的后训练，确保性能持续提升。
地址：https://github.com/Gen-Verse/MMaDA
✨ 3: Pocket Flow Project Template
Pocket Flow项目模板利用100行LLM框架，配合编辑器，助你通过Agentic Coding构建LLM项目。
Pocket Flow Project Template 是一个基于 Pocket Flow 框架的LLM (大型语言模型) 项目快速启动模板，专注于 Agentic Coding (代理式编程)。 核心目标是简化 LLM 项目的开发流程，让开发者更高效地构建基于 LLM 的应用。
核心特性：
- 基于 Pocket Flow:
使用 Pocket Flow 框架，这是一个轻量级的 LLM 框架，代码量少 (约 100 行)。 - Agentic Coding:
鼓励使用代理式编程方法，即利用 LLM 作为智能代理来辅助代码编写和项目构建。 - 集成 AI 辅助工具:
包含 .cursorrules,.clinerules, 和.windsurfrules文件，方便与 Cursor AI, Cline, Windsurf 等 AI 代码编辑器集成，利用 AI 辅助编程。 - 提供学习资源:
提供了 Agentic Coding 的指南和 YouTube 教程，帮助开发者学习如何使用该模板构建 LLM 项目。
地址：https://github.com/The-Pocket/PocketFlow-Template-Python
✨ 4: Notes MCP
Notes MCP是一个连接macOS Apple Notes的MCP服务器，支持Claude和Cursor等工具调用笔记功能。
Notes MCP 是一个允许其他应用程序（比如 Claude 和 Cursor）访问和操作 macOS 上的 Apple Notes 应用程序的服务器。
- 读取你的 Notes 数据：
获取所有文件夹和笔记信息，包括笔记内容和标题。 - 创建新的 Notes：
根据需要创建新的笔记，并设置标题和内容。 - 查找特定的 Notes：
通过 ID 或精确的标题来查找指定的笔记。 - 获取笔记总数:
了解总共有多少笔记。
地址：https://github.com/krasun/notes-mcp
✨ 5: KVoiceWalk
KVoiceWalk通过随机游走算法和混合评分，克隆目标声音，为Kokoro生成新的声音风格张量。
KVoiceWalk 是一个利用随机游走算法和混合评分方法（结合 Resemblyzer 相似度、特征提取和自相似性）来创建新的 Kokoro 语音风格张量的工具，目的是克隆目标语音。它被视为迈向更高级的遗传算法的一步，并验证评分函数和总体概念。
核心功能：
- 语音风格克隆:
尝试生成与目标音频更相似的新的 Kokoro 语音张量。 - 随机游走算法:
通过不断地随机调整语音张量并评估，逐步优化语音风格。 - 混合评分系统:
综合考虑 Resemblyzer 相似度、音频特征相似度和自相似性，以确保生成的语音不仅相似于目标语音，还保持了稳定性和质量。 - 可定制参数:
提供多种命令行参数，允许用户调整算法的行为，以达到最佳效果。
地址：https://github.com/RobViren/kvoicewalk
（文：每日AI新工具）