今天GitHub又瘋了
這次看到 LlamaIndex 團隊開源的一個新專案:LiteParse。你可以把它想成一個「輕量版文件解析器」,專門幫 AI 讀懂 PDF、文件、簡報、表格和圖片,把原本亂七八糟的文件內容整理成 AI 比較好使用的資料。
很多人做 RAG 或知識庫時,最痛苦的不是 AI 不會回答,而是文件根本讀不好。PDF 裡有表格、欄位、掃描圖、圖片、段落位置,丟進去常常變成一團亂。LiteParse 想解決的就是這件事:用本機工具快速把文件解析出文字、位置資訊、JSON,甚至產生截圖給 AI Agent 看。
它最適合的場景是:你想自己架知識庫、做文件搜尋、整理報告、解析大量 PDF,��不想一開始就全部丟到雲端服務。簡單講,LiteParse 不是讓 AI 變聰明,而是先把文件整理乾淨,讓 AI 不要從垃圾資料裡硬猜答案。
今天GitHub又瘋了
這次看到一個很適合寫程式的人收藏的專案:CodeGraph。你可以把它想成一張「程式碼地圖」,先幫 AI 把整個專案整理好,讓 AI 不用每次都自己慢慢翻資料夾、搜尋檔案、猜哪段程式在哪裡。
很多 AI coding 工具最大的問題,不是它不會寫,而是它常常不知道你的專案長什麼樣子。就像你叫一個新同事幫忙改房子,結果他連廚房、浴室、電箱在哪裡都不知道,只能每次重新找。CodeGraph 做的事,就是先把地圖畫好,讓 AI 更快找到正確位置。
這樣的好處很直覺:比較省 token、比較少亂查檔案、回答也比較快。它不是幫 AI 變魔法,而是讓 AI 先看懂你的程式碼世界。對常用 Claude Code、Cursor、Codex 這類工具的人來說,這會是很實用的底層助手。
今天GitHub又瘋了
這次這個專案很有名:llama.cpp。你可以把它想成一個「讓 AI 模型在自己電腦裡跑起來的工具」。以前很多大型 AI 模型都要��雲端伺服器,但 llama.cpp 讓更多人可以在自己的電腦、筆電,甚至一些比較小的設備上玩本機 AI。
它最厲害的地方是,可以把模型變得更省空間、更省記憶體。就像原本一個很大的行李箱,經過壓縮整理後,變成比較容易帶出門的背包。這樣你的電腦就不用那麼吃力,也比較有機會跑得動各種開源模型。
簡單講,llama.cpp 不是一個聊天機器人,而是很多本機 AI 工具背後的重要引擎。未來如果大家越來越重視隱私、離線使用、省錢和自己掌控 AI,那這類工具就會越來越重要。