microsoft
Visual Studio Code 编辑器源码，微软开源的跨平台代码编辑器。目前累计 19.4 万 star、4.5 万 fork，在本地项目库中星标排名约第 36 / 65707，主要语言为 TypeScript，项目始于 2015 年，采用 MIT 许可。最近状态：本周仍有提交。
适合谁：推荐给写代码与文档的人：涉及 editor、electron、microsoft、typescript 方向。
按累计星标排序，库内共 65,707 个项目（GitHub 上星标 ≥ 1k 的公开仓库约 65,980 个）。
优先使用本地记录的星标快照计算近 7 天真实增量；快照不足 7 天时，按「创建以来日均获星」估算，数值旁会标注口径。
已收录 GitHub 星标过千的公开项目，附原始简介、语言、主题与活跃度。用一句自然语言描述需求，即可获得 AI 推荐。
Probabilistic-Programming-and-Bayesian-Methods-for-Hackers 是用 Jupyter Notebook 编写的开源项目，主题标签有限，建议打开仓库查看具体用途。
aka "Bayesian Methods for Hackers": An introduction to Bayesian methods + probabilistic programming with a computation/understanding-first, mathemat…
edward 是用 Jupyter Notebook 编写的 AI 工具，用于人工智能方向的建模与推理。
A probabilistic programming language in TensorFlow. Deep generative models, variational inference.
probability 是用 Jupyter Notebook 编写的 AI 工具，用于人工智能方向的建模与推理。
Probabilistic reasoning and statistical analysis in TensorFlow
stan 是用 C++ 编写的 AI 工具，用于大模型与智能体应用开发，主打适合生产环境。
Stan development repository. The master branch contains the current release. The develop branch contains the latest stable development. See the Dev…
BDA_course_Aalto 是用 TeX 编写的 AI 工具，用于大模型与智能体应用开发。
Bayesian Data Analysis course at Aalto
orbit 是用 Python 编写的学习资料，用于系统学习与查阅。
A Python package for Bayesian forecasting with object-oriented design and probabilistic models under the hood.
bayesian-machine-learning 是用 Jupyter Notebook 编写的学习资料，用于系统学习与查阅。
Notebooks about Bayesian methods for machine learning
uncertainty-baselines 是用 Python 编写的 AI 工具，用于人工智能方向的建模与推理。
High-quality implementations of standard and SOTA methods on a variety of tasks.
项目列表来自 GitHub 官方 Search API（stars:>1000）。单个查询最多只能返回前 1000 条，所以「同步热门」取到的是星标最高的 1000 个；要拿全量必须按星标区间拆成多个查询——本站会先查各区间的真实数量再自动切分（1k–2k 约 3.2 万个，2k–5k 约 2.1 万个，5k–20k 约 1 万个，2 万以上约 2300 个）。GitHub 上星标过千的公开仓库当前约 65,980 个，本站已收录 65,707 个。星标、简介、语言与主题均为 GitHub 原始字段，未做人工逐一核验。
中文介绍分三种来源，卡片与详情页均有标注：热门项目使用本站人工维护的条目；其余项目由程序依据语言、主题、简介中的特征词与项目数据自动生成；仓库原简介本身是中文时直接引用原文。自动生成的介绍只是对公开字段的归纳，不代表项目方表述，也不构成选型结论。
每日推荐按北京时间每天从星标 6000 以上、近 18 个月仍有提交且未归档的项目中选取，排除近 120 天已推荐过的项目，同一天内结果固定。推荐结果由规则引擎（或配置的大模型）生成，不构成选型结论。
每天每台设备可免费检索 3 次，浏览、筛选和关键词查找不消耗额度。选择下方任一方案即可继续（当前为模拟支付）。
模拟支付不会接入真实渠道，也不会产生任何扣款。