简单好用的、无任何三方依赖的、跨平台的、收录于awesome-cpp的、基于流图的并行计算框架

简单好用的、无任何三方依赖的、跨平台的、收录于awesome-cpp的、基于流图的并行计算框架 CGraph是一个跨平台的有向循环图框架，基于纯C++，没有任何第三方依赖。 CGraph 是C olor Graph的缩写，是一个跨平台的 DAG 计算框架，没有任何第三方依赖。通过 via 的调度GPipeline，实现了元素顺序并发执行的目的。 只需要继承GNode类，实现run()子类中的方法，根据需要设置依赖，即可实现任务的图形化执行。 同时还可以通过设置各种GGroups来控制图的条件判断、循环或者并发执行逻辑，这些s本身就包含了多节点的信息。 你可以在许多场景中传输参数。也可以通过添加来横向扩展上述元素的功能GAspect，或者通过引入各种来增强单个节点的功能GAdapter。 | #框架

相关推荐

封面图片

：用强大的Python协同并发框架asyncio实现的SOCKS代理服务器

：用强大的Python协同并发框架asyncio实现的SOCKS代理服务器 支持TCP和UDP，实现SOCKS5协议 支持用户名/密码验证 提供可选的严格模式，遵循RFC1928和RFC1929，没有妥协 由python标准库驱动，没有第三方依赖
封面图片

Neutralinojs – 使用 JavaScript 构建轻量级跨平台桌面应用程序。 ​​​|| #框架

Neutralinojs – 使用 JavaScript 构建轻量级跨平台桌面应用程序。 ​​​|| #框架 Neutralinojs 是一个轻量级、可移植的桌面应用程序开发框架。它允许你使用 JavaScript、HTML 和 CSS 开发轻量级的跨平台桌面应用程序。你可以使用任何编程语言（通过扩展 IPC）扩展 Neutralinojs，并将 Neutralinojs 用作任何源文件的一部分（通过子进程 IPC）。 在 Electron 和 NWjs 中，你必须安装 Node.js 和数百个依赖库。嵌入式 Chromium 和 Node 让简单的应用变得臃肿。Neutralinojs 提供了一个轻量级和可移植的 SDK，它是 Electron 和 NW.js 的替代品。Neutralinojs 不捆绑 Chromium，而是使用操作系统中现有的 Web 浏览器库（例如：Linux 上的 gtk-webkit2）。Neutralinojs 为本机操作实现了一个 WebSocket 连接，并嵌入了一个静态 Web 服务器来提供 Web 内容。此外，它还为开发人员提供了一个内置的 JavaScript 客户端库。 功能： 便携式开发套件。 应用程序开发人员无需编译。 用户不需要额外的依赖项。 原生功能支持：读取文件、运行系统命令等。 与基于铬节点的框架相比，资源占用更少。 跨平台：Neutralinojs 应用程序适用于 Linux、Windows、macOS 和 Web。 简单灵活的开发环境。
封面图片

- 跨平台、轻量级、可移植的桌面应用程序开发 #框架 ,可以在 Linux、macOS、Windows、Web 和 Chrome

- 跨平台、轻量级、可移植的桌面应用程序开发 #框架 ,可以在 Linux、macOS、Windows、Web 和 Chrome 上运行，可使用任何编程语言（通过扩展 IPC）扩展 Neutralinojs，并将 Neutralinojs 用作任何源文件的一部分（通过子进程 IPC）
封面图片

基于 OpenAI 的聊天开源框架，旨在实现用户可同时获得多个大模型的并行输出。

基于 OpenAI 的聊天开源框架，旨在实现用户可同时获得多个大模型的并行输出。 其特点在于支持单模型串行回答和多模型并行回答两种模式，可同时给一个或多个大语言模型发送提示并获得返回。 目前，OpenAOE 支持与多个商业大模型和开源大模型的 API 对接，包括 gpt3.5、gpt4、Google Palm、Minimax、Claude、Spark 等。OpenAOE 提供了后端 API 和 WEB 端两种方式，满足不同用户的需求。 | #框架
封面图片

secretflow隐私计算框架

secretflow隐私计算框架 隐私计算是一个新兴的跨学科领域，涉及密码学、机器学习、数据库、硬件等多个领域。设计目标是使得数据科学家和机器学习开发者可以非常容易地使用隐私计算技术进行数据分析和机器学习建模，而无需了解底层技术细节。 为达到这个目标，隐语提供了一层设备抽象，将多方安全计算(MPC)、同态加密(HE)和可信执行环境(TEE)等隐私计算技术抽象为密文设备， 将单方计算抽象为明文设备。 基于这层抽象，数据分析和机器学习工作流可以表示为一张计算图，其中节点表示某个设备上的计算，边表示设备之间的数据流动，不同类型设备之间的数据流动会自动进行协议转换。在这一点上，隐语借鉴了主流的深度学习框架，后者将神经网络表示为一张由设备上的算子和设备间的张量流动构成的计算图。 隐语框架围绕开放这一核心思想，提供了不同层次的设计抽象，希望为不同类型的开发者都提供良好的开发体验。 在设备层，隐语提供了良好的设备接口和协议接口，支持更多的设备和协议插拔式的接入，我们希望与密码学、可信硬件、硬件加速等领域专家通力合作，不断扩展密态计算的类型和功能，不断提升协议的安全性和计算性能。同时，隐语提供了良好的设备接口，第三方隐私计算协议可作为设备插拔式接入。在算法层，为机器学习提供了灵活的编程接口，算法开发者可以很容易定义自己的算法。 | #框架
封面图片

跨平台、可扩展、高性能的跨平台聊天机器人框架

跨平台、可扩展、高性能的跨平台聊天机器人框架 开箱即用 Koishi 提供了高度便利的控制台，无需基础，让你在几分钟之内搭建自己的聊天机器人。 提供在线插件市场，即使没有任何编程基础，也能轻松在控制台中下载安装插件 支持 QQ，Telegram，Discord，飞书等主流聊天平台，支持多账户和跨平台数据互通 随时随地通过控制面板监控运行状态，控制机器人的行为，甚至上号聊天 生态丰富 经过了长达四年的迭代，Koishi 已经发展出了丰富的插件生态和与之匹配的健壮系统。近 200 个官方和社区插件覆盖了机器人开发的方方面面，从平台支持、数据库、资源存储、网页控制台、状态管理到具体的业务功能一应俱全。无论你的目标是构建大型交互应用还是轻量级的辅助机器人，Koishi 都为你提供了最佳实践。如果担心在复杂的功能中迷失方向，我们也准备了细致的文档来提供帮助。 专为开发者打造 Koishi 更为开发者准备了众多专业功能，使插件开发者得以在各种复杂需求中构建规模化的解决方案。 类型支持：Koishi 完全基于 TypeScript 开发，拥有顶级的类型支持，丰富的代码提示让你在编写代码的时候甚至无需查看文档 单元测试：所有核心功能均已经通过单元测试，既确保了可靠性，也为开发者提供了一套测试插件和定位问题的最佳实践 模块热重载：开发 Koishi 插件时，只需轻点保存即可热重载，无需频繁重启机器人，如同前端开发一样丝滑顺畅 || #框架

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人