谷歌开源的跨平台高效序列化库：极速访问，内存高效 | 开源日报 No.289

google/flatbuffershttps://github.com/google/flatbuffers

Stars: 22.5k License: Apache-2.0

flatbuffers 是一个跨平台的序列化库，旨在实现最大内存效率。它允许您直接访问序列化数据而无需先进行解析/拆包，同时具有很好的向前/向后兼性。以下是 flatbuffers 项目的主要功能、关键特性核心优势：

• 内存效率：flatbuffers 通过直接访问序列化数据而不需要解析，实了最大内存效率。
• 跨语言支持：提供种流行编程语言的代码生成和运行时库。
• 平台支持：支 Windows、macOS、Linux 和 Android 等多个平台。
• 版本控制：使用日期格式作为版本号，并确保数据可在不同语言和模式版本间取。

phidatahq/phidatahttps://github.com/phidatahq/phidata

Stars: 10.3k License: MPL-2.0

phidata 是一个使用函数调用构建 AI 助手的工具包。

• 创建助手
• 添加工具（函数）、知识（vectordb）和存储（数据库）
• 使用 Streamlit、FastApi 或 Django 提供服务来构建您的 AI 应用程序
• 提供快速启动指南和示例演示应用程序展示了函数调用的优势
• 可以通过预先构建模板轻松部署到 AWS 上

vladmandic/automatichttps://github.com/vladmandic/automatic

Stars: 5.3k License: AGPL-3.0

automatic 是一个实现了稳定扩散和其他基于扩散的生成图像模型的高级实现。

• 支持多个后端，包括 Diffusers 和 Original
• 支持多种 UI，包括 Standard 和 Modern
• 支持多种扩散模型，如 Stable Diffusion、SD-XL、LCM 等等
• 内置控制文本、图像、批处理和视频处理功能
• 多平台支持，包括 Windows、Linux 和 MacOS 等等，并且具有自动检测和调整功能
• 优化处理性能，并支持最新的 torch 发展以及多个编译后端：Triton, ZLUDA, StableFast 等等

argilla-io/argillahttps://github.com/argilla-io/argilla

Stars: 3.6k License: NOASSERTION

argilla 是一个协作平台，为需要高质量输出、完全数据所有权和整体效率的 AI 工程师和领域专家提供支持。主要功能、关键特性、核心优势：

• 帮助用户通过数据质量来提高 AI 输出质量。
• 提供工具让用户掌控自己的数据和模型。
• 通过与数据更互动的方式快速迭代正确的数据和模型，从而提高效率。
• 可以用于创建开源数据库或者模型，并且有很多案例可以参考。

rashadphz/farfallehttps://github.com/rashadphz/farfalle

Stars: 2.1k License: Apache-2.0

farfalle 是一个开源的 AI 搜索引擎，可以在本地或云端运行语言模型。farfalle 解决的核心问题是提供自托管的本地或云端语言模型搜索引擎。

• 可以在本地或云端运行 LLM (llama3, gemma, mistral) 语言模型。
• 提供了基于 llama3 的问题回答演示。
• 使用 Next.js 和 FastAPI 构建前后端。
• 使用 Tavily 进行搜索 API。
• 支持 Docker 部署和环境变量配置。