GitHub每周热点总结，梳理每周GitHub热点项目，了解热门技术趋势，把握前沿技术方向，挖掘更多商机。
楼盘名称：project based learning
GitHub 链接：
上周的明星数：11K+
GitHub上的神级项目，光看星数就已经吓死了，每周的星数增长甚至超过了大多数项目的星数总数。
基于项目的学习是一个习 习概念，基于项目的学习是一种动态的学习方法，通过PBL对现实世界问题和挑战的积极探索，并在此过程中获得更深层次的知识和技能，从而学习习。
该项目的作者整理了一份编程教程列表，有抱负的软件开发人员可以在其中学习 习 如何从头开始构建应用程序。
该程序几乎涵盖了所有主要语言，您可以学习所有想学的内容
当然，这个项目主要是基于YouTube和一些海外内容，所以如果你想开始学习习，你需要准备自己的在线环境。
楼盘名称：gpts
GitHub 链接：
上周星数：9700+
提示是用户对 GPT 工具的输入，可以是问题、命令、主题、开头、示例等。 提示的作用是告诉类似 GPT 的工具您希望它做什么，或者您希望它生成什么样的文本。 提示是 GPT 工具文本生成的关键因素，一个好的提示可以让 GPT 工具更准确地理解你的意图，更快地给你想要的结果，更有趣地展示它的功能。
这个项目是各种提示列表的汇编，可以帮助 GPT 用户改进他们的提示。
楼盘名称：lobe chat
GitHub 链接：
上周的星星数：5500+
LobeChat 是一个开源的高性能聊天机器人框架，支持语音合成、多模态和可扩展（函数调用）插件系统。 支持一键免费部署私有 ChatGPT LLM Web 应用。
上周，Lobechat 每周收到超过 4,100 颗星，作为 AI 的配套工具，受欢迎程度以惊人的速度上升。
快速总结项目支持的功能：
GPT视觉认知
TTS 和 STT 语音会话
函数调用插件系统
助理市场
PWA 渐进式 Web 应用
移动设备适配
主题模式选择
项目名称：MLX
GitHub 链接：
上周明星数：4000+
MLX 是 Apple 芯片上的机器 习 阵列框架，由 Apple 的机器 习 研究团队为您带来。
MLX 的一些主要功能包括：
熟悉的 API：MLX 有一个遵循 Numpy 的 Python API。 MLX 还有一个功能齐全的 C++ API，它与 Python API 非常相似。 MLX 具有更高级别的软件包，例如 MLXnn 和 mlx优化器，其 API 紧跟 PyTorch，以简化构建更复杂的模型。
可组合函数转换：MLX支持可组合函数转换，实现自动微分、自动矢量化和计算图优化。
惰性计算：MLX 中的计算是惰性的。 数组仅在需要时具体化。
动态图构造：MLX中的计算图是动态构造的。 更改函数参数的形状不会触发缓慢的编译，并且调试简单直观。
多设备：操作可以在任何受支持的设备（当前为 CPU 和 GPU）上运行。
统一内存：与 MLX 和其他框架的显著区别是统一内存模型。 MLX 中的数组位于共享内存中。 可以在任何受支持的设备类型上执行 MLX 阵列上的操作，而无需传输数据。
与此同时，MLX 的示例项目 -examples 上周也增长了 1700 多颗星
楼盘名称：superduperdb
GitHub 链接：
上周的明星数：2400+
SuperDuperDB 是一个开源框架，用于将 AI 直接与现有数据库集成，包括流式推理、可扩展模型训练和向量搜索。
SuperDuperDB 不是数据库。 它将您喜欢的数据库转换为 AI 开发和部署环境;以这种方式考虑 db = superduper（db）。
SuperDuperDB 通过将 AI 直接集成到数据源的现有数据基础设施之上，消除了复杂的 MLOPS 管道、专用矢量数据库以及迁移和复制数据的需要。 这大大简化了 AI 应用程序的构建和管理：
生成式 AI 和 LLM 聊天。
向量搜索。 标准机器习的用例（分类、分段、推荐等）。
高度定制的 AI 用例，涉及超专业化模型。