Psi4 是一个面向量子化学计算的开源软件套件，专注于高性能、模块化和可扩展性。它以 C++/Python 混合架构实现，支持 DFT、MP2、耦合簇（coupled-cluster）、SAPT 等常用方法，并通过密度拟合等技术优化多核并行性能。Psi4 采用真正的开源许可证（LGPL3），便于在教育、科研和工业中使用，同时提供丰富的教程、下载包、插件生态和 PsiCon 开发者大会等社区资源，利于学习与协作。其简单的输入文件、自动化的基组外推与补位修正以及 Python 模块化加载能力，使其对用户和开发者都非常友好，适合从教学实验到高性能计算的多种场景。
Nextflow 是一个面向科研与生产环境的工作流引擎，旨在实现可扩展、可重现和可移植的计算管道。它通过与 Docker、Singularity 等容器技术集成，以及与 GitHub 等代码管理平台配合，使得整个分析流程可以被版本化、共享与快速复现。Nextflow 基于数据流（dataflow）编程模型，隐式并行化任务执行，支持多种批处理调度器与云平台，使得同一套管道能够在本地服务器、HPC 群集或云端无缝运行。此外，Nextflow 提供丰富的生态系统（如 nf-core、Seqera 平台、VS Code 插件和教学资源），并通过自动检查点、流式 DSL 和统一执行器等特性提升开发和运行效率，适合生物信息学、计算化学等领域的复杂管道管理与大规模任务调度。
RDKit 是一个开源的化学信息学（cheminformatics）软件工具包，广泛用于分子表示、子结构搜索、分子指纹和化学性质计算等任务。它提供 Python 和 C++ API，支持从分子编辑、构象生成到化学信息学算法的完整工作流，并能通过 Conda、Homebrew 等渠道方便安装。RDKit 拥有活跃的社区、详尽的在线文档和示例、以及在 GitHub 上的源码与问题跟踪系统，适合科研机构、制药公司和教育用途。商业支持也可由第三方（如 T5 Informatics）提供，便于在生产环境中部署和集成。
SiLA（Standards in Lab Automation）是面向实验室自动化和数据互操作性的开源通信与数据标准组织，致力于通过统一接口和规范化数据格式实现“未来实验室”的互联互通。SiLA 2 是其最新标准，为设备、控制软件、LIMS（实验室信息管理系统）和 ELN（电子实验记录）之间提供可复用的接口规范与实现指南，降低集成开发成本、缩短部署周期并提升数据完整性。网站提供标准文档、开发资源（如 GitLab 仓库）、社区渠道（Slack）以及行业活动与新闻，支持供应商、系统工程师和终端用户采用与贡献。SiLA 的核心价值在于模块化、开放性与可扩展性，帮助实验室实现设备互联、数据合并和长期数据保留。
Snyk 是一家以 AI 驱动的开发者安全平台，致力于在开发全生命周期中提供自动化且可操作的应用安全能力。平台以 DeepCode AI 为核心，结合 Snyk Code（静态应用安全测试）、Snyk Open Source（开源依赖风险管理）、容器与 Kubernetes 漏洞检测、基础设施即代码（IaC）扫描以及 API/Web 的运行时测试等多种产品，帮助团队在编译、构建和运行时发现、优先级排序并修复安全问题。Snyk 强调开发者优先的体验，通过 AI 原生工作流（如 Snyk Agent Fix、Snyk Assist）实现漏洞自动修复建议与流程集成，同时提供合规性支持与丰富的第三方集成，广受企业客户与分析机构认可。
OpenMined 是一个以使命为导向的非营利基金会与开源社区，致力于通过隐私保护技术和协作基础设施，打破对非公开数据的访问壁垒，从而让更多研究者、安全与隐私领域专家能够在受控环境下使用真实世界数据。项目范围包括开发隐私增强技术（PETs）、开源协议（如 SyftBox）、以及新的理念框架（如 Attribution‑Based Control），以实现可审计、安全且负责的人工智能研究与部署。社区通过教育资源、开发工具、合作伙伴项目（例如与 NAIRR 的合作）和捐赠支持来推动这项工作，同时为研究者、数据所有者和行业从业者提供参与路径。OpenMined 强调透明、开源与多方协作，目标是在保证法律、伦理和安全约束下，拓展数据可用性以改善AI训练与评估的多样性和公平性。
OWASP（Open Web Application Security Project）是一个以志愿者驱动的开源非营利组织，致力于提升应用程序安全性并向所有人免费提供安全资源与工具。组织汇集了安全研究、开发者和社区志愿者，维护多项知名项目与工具，例如 OWASP Top 10、Dependency Track、Security Shepherd 和 DefectDojo 等，用于漏洞识别、供应链分析、培训与漏洞管理。OWASP 同时组织全球与地区性会议、线上研讨会与地方分会活动，促进经验分享与协作。通过会员、捐赠与社区贡献，OWASP 支持项目孵化、文档维护与培训资源，从而推动开放且可持续的应用安全生态。
OpenDP 是一个致力于差分隐私（differential privacy）开源工具开发的社区与项目，由学术界与实践者共同维护，旨在为敏感数据的统计分析提供严格的隐私保护和统计有效性。该网站汇集了工具、教程、项目和社区机会（如暑期实习、访问学者和工作组），并通过 GitHub、Slack 和邮件列表等渠道促进协作。OpenDP 提供包括库、可视化与部署指南在内的资源，并持续发布新闻与更新，例如 DP Wizard、差分隐私部署登记处等项目，帮助研究者、工程师和数据管理者在真实场景中采用差分隐私技术。其内容面向希望在保留数据价值的同时保护个体隐私的研究人员与组织。
Aqua（Aqua Security）是一家专注于云原生应用与容器安全的厂商，提供全生命周期的 Cloud Native Application Protection Platform（CNAPP）解决方案。其平台覆盖从代码提交、镜像仓库、CI/CD 到运行时的全面防护，并结合代理与无代理技术实现灵活部署。Aqua 还维护知名开源安全扫描器 Trivy，用于漏洞与依赖检查，广泛被安全团队采纳。公司强调对多云、混合云与主机（如 IBM Z）环境的支持，并通过 Nautilus 威胁研究团队提供针对云原生威胁的实时情报与响应建议。Aqua 服务众多大型企业客户，并与多种云、编排与安全生态系统深度集成。
Sysdig 是一家专注于云原生运行时安全与可视化的平台厂商，提供从构建到运行的全生命周期云安全解决方案。其特色包括基于 Agent 的实时检测与响应、以 Sysdig Sage 为代表的 Agentic AI 分析能力、以及源自开源项目 Falco 的透明可定制性。平台覆盖云安全态势管理（CSPM）、漏洞管理、云工作负载防护（CWPP）和云检测与响应（CDR）等核心场景，旨在减少噪音、缩短平均修复时间（MTTR）并提升威胁优先级的准确性。Sysdig 强调运行时可见性为基础的防御，广泛集成主流生态系统并被 Gartner CNAPP 报告和多家企业客户认可。
OTexts 是一个专注于统计与时间序列等领域的在线开放教科书平台，提供免费、开放获取的教材，适用于自学者与大学课程。站点收录了多版教材示例（如《Forecasting: Principles and Practice》的第2版、第3版及 Python 版），并根据不同版本采用不同的软件包（例如 forecast、tsibble、feasts、fable 及 Python 实现）。读者既可以在线阅读全文，也可以购买纸质或可下载的版本，网站同时提供联系表单便于反馈与交流。总体而言，OTexts 强调教育资源的可及性、实用的代码示例与多平台支持，适合教学、练习与科研参考。
ArviZ 是一个面向贝叶斯模型的开源工具集，旨在与具体推断后端解耦，提供统一的探索性分析与诊断手段。项目跨语言、多库协作，包含 ArviZ.py、ArviZ.jl、xarray-einstats 等子库，并通过 GitHub 开发与社区共治，采用 Apache 或 MIT 等开源许可证免费发布。ArviZ 提供丰富的可视化、收敛诊断、后验汇总与模型比较功能，支持残差与预测检验（posterior predictive checks）以及基于 InferenceData 的标准化数据结构，便于与 PyMC、Stan、NumPyro 等生态对接并在科研与生产环境中复用。
Spinning Up 是 OpenAI 提供的深度强化学习（Deep RL）入门与实践文档，旨在为研究人员、工程师以及有志于学习强化学习的开发者提供系统化的教学资料与可复现代码实现。网站包含详尽的用户文档、算法实现说明、安装与运行实验的步骤、结果可视化与保存方法，以及面向研究者的进阶资源与关键论文索引。它同时提供多种经典强化学习算法（如 VPG、TRPO、PPO、DDPG、TD3、SAC）的理论背景与实现细节，并附带练习题、基准测试与性能比较，便于学习者通过实践掌握算法性能与调试技巧。文档还链接到 GitHub 源码仓库，方便下载、修改与贡献，是一个面向学习与研究的全面教学与工具集合。
Pyro 是一个以 Python 为实现语言、并以 PyTorch 作为后端支持的通用概率编程语言（PPL）。它结合了深度学习与贝叶斯建模的优点，旨在提供既具表达力又可扩展的概率模型构建工具。Pyro 强调四大设计原则：**通用性**（能表示任意可计算的概率分布）、**可扩展性**（能处理大规模数据）、**简约性**（由少量强大且可组合的抽象构成核心）及**灵活性**（在自动化与可控性之间提供平衡）。此外，Pyro 社区还推出了基于 NumPy 和 JAX 的衍生项目 NumPyro，针对 HMC 和 NUTS 等方法提供大幅加速。项目采用 Apache 2.0 许可证开源，并在学术和工业界（如多所高校与公司）得到广泛使用与引用。
Grafana 是一个开源且可组合的可观测性平台，提供跨指标、日志、追踪和性能剖析的一体化可视化与监控能力。它既有自托管的 Grafana 仪表盘，也有托管的 Grafana Cloud 服务，支持 Prometheus、OpenTelemetry 等开放标准，并集成了 Loki、Tempo、Mimir 和 Pyroscope 等后端组件。平台提供告警、SLO 管理、事件响应（IRM）、合规与安全控制，以及通过 Grafana Assistant 的 AI 助手来加速故障定位和仪表盘操作。免费层对小规模团队非常友好，同时面向企业提供扩展、成本管理与治理能力。
PyMC 是一个面向 Python 的概率编程库，专注于构建贝叶斯模型并通过马尔可夫链蒙特卡洛（MCMC）等方法进行拟合与推断。它提供简洁友好的 Python API，使用户能够用熟悉的语法定义模型、采样后验并进行预测与不确定性量化。PyMC 集成了现代推断算法（如 NUTS、变分推断 ADVI）、使用 PyTensor 作为计算后端以提高性能并支持 GPU 加速，同时与 ArviZ 等可视化与诊断工具无缝对接。官网提供丰富的入门教程、示例笔记本和案例（如线性回归示例），并有活跃的社区支持（Discourse、GitHub、会议与办公开放时间）。此外，项目得到 NumFOCUS、PyMC Labs 等组织赞助并鼓励社区参与与贡献。
Meta Open Source（由 Meta 维护）是一个面向开发者和社区的开放源代码门户，倡导“协作、社区与技术”三大信条，旨在通过开源推动技术创新与人才协作。站点汇集了公司开源项目的入口、热门项目推荐（如 Docusaurus、React、PyTorch）、媒体报道与展示案例，方便开发者快速了解项目背景、获取文档与参与贡献。页面还展示了典型的合作伙伴与展示项目，提供新闻、文章与视频等多种媒介形式来传播项目进展与最佳实践。同时，网站说明了 Cookie 与隐私相关的使用条款，便于用户了解站点的使用策略与控制选项。总体来看，Meta Open Source 既是项目目录也是社区枢纽，适合寻找成熟开源项目、获取技术资料并参与协作的开发者与组织。
《Forecasting: Principles and Practice》第三版（在线版本通常称为 fpp3）是一本面向实践的时间序列预测教科书，免费在线提供，适合没有系统预测训练的从业者、商科本科生和 MBA/硕士生使用。该书以 R 语言为工具，推荐并使用 fpp3 生态（包括 tsibble、fable、feasts 等包），通过大量真实业务案例和数据集讲解预测方法与建模流程。书中强调**图形化探索**、模型诊断与可视化，并在章节末提供进一步阅读和参考文献。此外，在线版本持续更新，配有视频讲解和社区讨论渠道，便于读者获取最新修订与使用支持。
OpenMMLab 是一个面向计算机视觉领域的开源生态与工具集合，汇聚了大量由社区维护的算法库、模型以及配套工具，覆盖目标检测、语义分割、姿态估计、视频理解、3D 检测、图像生成等研究与工程任务。官网展示了丰富的代码库（如 MMDetection、MMSegmentation、MMPose、MMEngine 等）与箱式工具（toolbox），并提供文档、基准测试与示例代码，方便科研复现与工业部署。社区活跃，拥有大量贡献者、星标与合作机构，支持多语言文档与交流渠道，是视觉领域快速上手、复现论文与构建工程系统的重要平台。
Deep Graph Library（通常简称 DGL）是一个面向图神经网络（GNN）的开源深度学习库，旨在简化图数据上的深度学习建模与训练流程。它支持多种深度学习框架（如 PyTorch、TensorFlow、Apache MXNet），提供高效的消息传递原语以加速 GNN 训练，并通过多 GPU 与分布式训练机制扩展到超大规模图。DGL 拥有丰富的生态与示例项目（如 DGL-KE、DGL-LifeSci），包括教程、博客、论坛和 Slack 社区，方便用户快速上手与交流。此外，DGL 不断发布新版（例如 DGL 1.0、2.0、2.1），持续改进数据加载、GraphBolt 数据流水线的 GPU 加速与 BFloat16 CPU 加速等性能优化，使其适用于科研与工业级应用场景。
Nixtla 是一家专注于时间序列预测与异常检测的公司，提供以 TimeGPT 为核心的生成式 AI 预测引擎以及一系列开源库（如 StatsForecast、NeuralForecast 等）的企业级与开源解决方案。它既有面向开发者的 Python/R SDK 和开源工具链，也提供企业版的定制模型、性能优化与安全合规支持。Nixtla 强调快速落地（minutes to value）、无缝集成到现有 BI 与云平台，并通过成功案例（如 Microsoft、Lyft、Unilever 等）展示其在准确性、效率与时间价值方面的实际收益。无论是试用免费开源工具，还是订阅企业级服务，Nixtla 都提供从模型到生产部署的一站式时间序列解决方案。
NetworkX 是一个专为复杂网络（图）分析与建模设计的 Python 开源库，提供了图、有向图和多重图等灵活的数据结构，以及丰富的图算法与网络度量工具。它支持生成经典图、随机图与合成网络，节点与边可以携带任意类型的数据（如文本、权重、时间序列等），便于表达现实世界中复杂关系。NetworkX 遵循 3-clause BSD 许可、拥有高度测试覆盖率，适合快速原型开发、教学和跨平台使用。无论是科研、数据分析还是工程原型，NetworkX 都是处理网络结构与动力学的实用工具。
Ultralytics 是一家专注于计算机视觉与物体检测的公司，核心产品包括开源的 Ultralytics YOLO 模型库和面向企业与个人的无代码平台 Ultralytics HUB。该网站展示了从数据上传、模型训练到模型导出与部署的一体化工作流，支持多种导出格式（如 TensorFlow、ONNX、CoreML 等），并可在移动设备与云端运行。Ultralytics 同时以开源社区驱动，拥有活跃的 GitHub 项目与大量星标，面向初创企业、科研机构、开发者与爱好者提供不同层级的解决方案与企业授权。网站还展示了客户案例、合作伙伴与行业信任标识，强调易用性、可扩展性和行业落地能力。
SNAP（Stanford Network Analysis Project）是斯坦福大学发起的网络分析与图挖掘平台，提供高性能的C++库（SNAP）和Python接口（Snap.py），并维护大规模网络数据集集合。它能够处理从数万到数亿节点、数十亿边的大型图，支持图的高效存储与操作、结构性质计算、图生成与随机图模型、以及节点和边的属性管理。SNAP还配套丰富的教程、论文、项目与数据集，适用于研究人员和工程师进行网络结构分析、表示学习、生物网络建模和大规模图算法评估。该平台强调可扩展性与实用性，同时通过示例、文档和下载页面降低上手门槛，方便在C++和Python环境中部署和实验。
