Ein AI-gestütztes Dateiverwaltungstool, das die Privatsphäre gewährleistet, indem es lokale Texte und Bilder organisiert. Mit den Modellen Llama3.2 3B und Llava v1.6 und dem Nexa SDK scannt, strukturiert und organisiert es intuitiv Dateien für schnellen, nahtlosen Zugriff und einfache Wiederherstellung.
Organisieren Sie Ihre Computerdateien automatisch mit KI-Unterstützung.
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbarEin AI-gestütztes Dateiverwaltungstool, das die Privatsphäre gewährleistet, indem es lokale Texte und Bilder organisiert. Mit den Modellen Llama3.2 3B und Llava v1.6 und dem Nexa SDK scannt, strukturiert und organisiert es intuitiv Dateien für schnellen, nahtlosen Zugriff und einfache Wiederherstellung.
Local-File-Organizer hat 3.3k Sterne auf GitHub. Es wurde 332-mal geforkt. Local-File-Organizer ist hauptsächlich in Python geschrieben. Es wird seit 2024 aktiv entwickelt. Local-File-Organizer ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: file-organizer, llama3, llm, on-device-ai.
Ein AI-gestütztes Dateiverwaltungstool, das die Privatsphäre gewährleistet, indem es lokale Texte und Bilder organisiert. Mit den Modellen Llama3.2 3B und Llava v1.6 und dem Nexa SDK scannt, strukturiert und organisiert es intuitiv Dateien für schnellen, nahtlosen Zugriff und einfache Wiederherstellung.
Local-File-Organizer ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.
Ja. Local-File-Organizer ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
Local-File-Organizer ist unter der MIT-Lizenz verfügbar.
Local-File-Organizer ist hauptsächlich in Python geschrieben.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://olud.ai/project/qiuyannnn-local-file-organizer.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.