🔗 ./AgentLearn/

智能体、代码编辑器探索的实验代码。包含 MiniClaudeCode 模块，用于探索 AI 辅助编程的各种方法。

🔗 ./ErnieToolCallsProxy/

OpenAI 格式的 LLM 代理服务，用于将不支持原生 Tool Calls 功能的模型（如部分开源或定制 LLM）包装为支持 Tool Calls 的接口。

功能特点：

• 兼容 OpenAI API 格式
• 自动 Tool Calls 转换
• 完整的测试套件

🔗 ./Llama-cpp-ernie-tutorial/

演示如何将 ERNIE 4.5 模型转换为 GGUF 格式，并使用 llama.cpp 启动兼容 OpenAI API 的服务。

关键特性：

• 模型格式转换指南
• OpenAI 兼容 API 服务
• 详细的部署文档

🔗 ./OpenCodeServiceswithRknnLllm/ {#opencodewithrknn}

Qwen2.5-Coder + OpenCode Server on RK3588S。本项目旨在 Rockchip RK3588S (CoolPi 4B) 硬件上部署 Qwen2.5-1.5B-Coder 模型，并将其作为 OpenCode 的后端服务端，提供本地化的 AI 编程助手服务。

应用场景：

• 边缘计算设备部署
• 本地化 AI 编程助手
• 低功耗 NPU 推理

🔗 ./OpenAIRerankServer/ {#openaireranksserver}

基于 FastAPI 的重排接口，兼容 OpenAI API 格式，使用本地 CrossEncoder 模型进行文档重排。

特点：

• FastAPI 高性能服务
• 本地 CrossEncoder 模型
• OpenAI API 兼容格式

🔗 ./FileStation/ {#filestation}

一个极简、高性能且面向未来的现代文件管理系统，可以作为文件管理器的基座架构。其轻量化架构非常适合作为个人 NAS 或私有云存储的前端交互界面。

核心定位：

• 底层基座：抽象了物理存储与逻辑路径，支持 Path 和 CAS 两种模式。
• NAS 扩展性：提供了标准的文件管理接口，方便集成到各类存储系统。
• AI Ready：预留了向量化检索、多模态元数据提取的插件接口。

🔗 ./PaddleOCR-VL-CPU/ {#paddleocr-vl-cpu}

基于 PaddleOCR-VL 模型的 CPU 文本图像理解系统。本项目展示了如何在 CPU 环境下部署和使用 PaddleOCR-VL 模型，实现对文本图像的理解和分析功能。

💡 注: 该项目并非原始贡献，仅在既有项目基础上对代码进行了鲁棒性优化。

🔗 ./PaddleOCR-VL-GGUF/ {#paddleocr-vl-gguf}

PaddleOCR-VL GGUF (llama.cpp 版)。本项目将多模态模型拆分成「视觉编码器 + 语言模型」两部分，视觉侧保持 PyTorch，语言侧使用 GGUF 量化后通过 llama.cpp 系列工具直接加载，旨在消费级硬件上以最小的内存占用和延迟运行 PaddleOCR-VL。

优势：

• 低内存占用
• 快速推理延迟
• 混合格式加载

🔗 ./OpenAIConcurrencyTesting/ {#openaiconcurrencytesting}

OpenAI 并发测试和 LLM 基准测试工具，用于测试 OpenAI 格式 API 的并发性能和连接稳定性。

功能模块：

• 基础连接测试 (connection_test.py)
• LLM 基准测试套件 (llm-benchmark/)
• 性能数据收集与分析

🔗 ./LeadersPseudoIMBT/ {#leaderspseudoimbt}

类 IMBT 领导特性调研与分析工具。本项目介绍了如何基于 Python 和 Gradio 搭建领导特性调研工具。通过一组精心设计的调研问题，结合 ERNIE-4.5-21B-A3B-Thinking 模型的强大分析能力，深入挖掘领导的各种特性倾向（如工作态度、沟通方式、管理风格等）。

核心功能：

• Gradio 交互式界面
• 精准问卷设计
• AI 深度分析能力
• 结构化调研流程

本项目采用 MIT 许可证。详见 LICENSE 文件。