AI 智能体技能、规则与提示词工具包

Ripple-65B-Preview-GGUF

AtomicChat · 工具包

65B 智能体编程模型 Ripple Preview 的 GGUF 量化文件，用 llama.cpp 在本地运行，适合在自己硬件上运行大型开源模型的人。

Agents Course Notebooks

agents-course · 工具包

汇集 Hugging Face Agents Course 的笔记本，涵盖一个示例智能体库、smolagents、LlamaIndex、LangGraph 和两个加分单元。适合想动手构建 AI 智能体的学习者。

Qwen3.8-27B GGUF (ShapeLearn Quantized)

byteshape · 工具包

用 ByteShape 的 ShapeLearn 量化出的 Qwen3.8-27B GGUF 文件，提供五种适合不同显卡的版本，在 llama.cpp 里支持图片输入和 MTP 推测解码。适合在自己的显卡上运行它的人。

Qwen3.8-27B-DSpine-b16-GGUF

aj9o9 · 工具包

一个 GGUF 草稿模型，通过推测解码在 llama.cpp 里加速 Qwen3.8-27B，在一块 RTX 3090 上处理代码和数学时约每秒 125 个 token，适合在本地运行 Qwen3.8-27B 的人。

Qwen3.8-27B-GSQ-RCO-GGUF

ISTA-DASLab · 工具包

ISTA-DASLab 制作的 Qwen3.8-27B GGUF 版本，共四种大小，每个张量用各自的精度量化，并带有处理图片的视觉投影文件。适合在 llama.cpp、Ollama 或 LM Studio 里本地运行模型的人。

KVPress Leaderboard

nvidia · 工具包

展示一个排行榜，用 Llama-3.1-8B-Instruct 和 Qwen3-8B 对比语言模型的 KV 缓存压缩方法。适合比较缩减模型所需内存方式的研究者和工程师。

VideoLLaMA2

lixin4ever · 工具包

一个基于 VideoLLaMA2 模型、用来理解视频等媒体内容的聊天应用。在浏览器里以 Gradio 应用在 ZeroGPU 上运行，适合想就视频片段提问的人。

Llama logo

ggml-org · 工具包

以一个可以探索的页面展示 Llama 图标是怎样构建的，从加号和字母 L 到最终的标志。适合使用或研究这个标志的设计师和开发者。

Joy Caption Pre Alpha

fancyfeast · 工具包

一个早期演示，把 SigLIP 视觉模型和 Llama 3.1 8B 搭在一起，看起来是用来给图片写说明文字的。这是 Hugging Face 上的 Gradio 应用，名字里就标明了 pre-alpha。

PROMPT++

baconnier · 工具包

用元提示路由器和精炼器，调用 Zephyr、Llama 等开放模型来优化你写给 AI 模型的提示词。适合想让提示词更清晰的人。

SADIK AI

SadikNawazAI · 工具包

一个多语言聊天助手，通过 WebAssembly 完全在你的浏览器里运行，所以你的消息留在你的设备上。也可以通过 Ollama 和本地 API 使用。

一个 n8n 工作流，用你自己 Ollama 服务器上的模型，根据一个主题为 X、LinkedIn、Reddit 和 Instagram 写草稿帖子。第二遍会把它们再读一次并改正错误。它不会替你发帖。

一个 n8n 工作流，用 LlamaParse 读取 Gmail 里的发票 PDF，让 OpenAI 模型提取字段，并在 Google Sheets 里加一行数据。然后把邮件标为已处理。

一个 n8n 工作流，通过 IMAP 读取最近一天的收件箱，把促销邮件静音，再让你自己机器上的 Ollama 模型判断哪些邮件串需要处理。紧急的发到 Telegram，Telegram 失败时发到 ntfy。

一个 n8n 工作流，用本地 Ollama 模型整理 Outlook 邮件。它给每封未整理的邮件设一个分类，再把垃圾邮件、收据、SaaS 和社区邮件移到你选的文件夹里。

一个 n8n 工作流：用你自己电脑上通过 Ollama 运行的模型给每封新邮件打标签，丢掉垃圾邮件，并为其余邮件起草回复。什么也不会发出。

一个 n8n 聊天：每条消息都发给你自己 Ollama 服务器上的 Llama 3.2。模型把回答写成一个 JSON 对象，聊天里显示你的提问、模型的回答和它出自的 JSON。

一块 n8n 画布，四种接入 DeepSeek 的方式：Ollama 上的本地 R1 模型回答聊天，两个直接调用 API 的请求（开思考和关思考），还有一个带记忆的智能体。

一个有两个节点的 n8n 工作流，让通过 Ollama 在你自己电脑上运行的模型写一段简短的欢迎语。它是测试 n8n 能否连上 Ollama 的最小办法。

一个手动启动的 n8n 工作流：它从 GitHub 仓库读一份 Markdown 提示词，把里面的双花括号占位符换成你设好的值。随后 Ollama 上的一个 AI 智能体运行填好的提示词。