Llama Stack

Block Diffusion for Flash Speculative Decoding，加速 LLM 推理的新型解码方法。通过推测解码 + 块扩散显著降低 LLM 推理延迟，GitHub 1.3k stars。在保持输出质量的同时，将推理吞吐量提升数倍，是大模型高效推理的前沿研究方向

🎯 LLM 推理性能优化、高吞吐推理场景、学术研究

Brex 出品的 LLM-as-a-Judge HTTP 代理，专为生产环境 AI Agent 安全设计。CrabTrap 以反向代理形式部署在 Agent 与 LLM API 之间，利用另一个 LLM 作为「法官」实时审查 Agent 的请求和响应，拦截越权操作、Prompt 注入、数据泄露和有害输出。Go 语言实现，性能优异，可直接集成到任何 LLM 调用链中。在 Agent 安全从「测试时评估」走向「运行时防护」的趋势下，CrabTrap 代表了生产级 Agent 安全的新范式。

🎯 生产环境 Agent 安全防护、Prompt 注入防御、合规审查、数据泄露防护

AI 全栈可观测性平台，78,515+ stars。实时监控服务器性能、应用指标和网络流量，内置 AI 异常检测引擎，自动发现并预警系统问题。零配置、开箱即用，每秒采集数千指标，是最轻量的基础设施监控方案。

🎯 服务器监控、应用性能观测、AI 驱动的异常预警、基础设施运维

高吞吐 LLM 推理引擎，77,418+ stars。采用 PagedAttention 显存优化技术，吞吐量比 HuggingFace Transformers 高 24 倍，是生产环境部署大模型推理的首选方案，支持 OpenAI 兼容 API

🎯 生产环境 LLM 推理服务、高并发 API 服务、模型部署优化

100+ LLM API 统一 SDK，43,985+ stars。统一的 LLM API 代理和 SDK，支持 OpenAI、Claude、Gemini 等 100+ 模型，提供负载均衡、重试、成本跟踪等企业级功能

🎯 多模型统一接入、LLM 网关、成本优化、高可用 AI 服务架构

🪢 Open source LLM engineering platform: LLM Observability, metrics, evals, prompt management, playground, datasets. Integrates with OpenTelemetry, Langchain, OpenAI SDK, LiteLLM, and more. 🍊YC W23