40 个发现
BuilderIO/agent-native 是由 Builder.io 团队开发的一款专门用于构建“代理原生”（agent-native）应用的框架。该工具基于 TypeScript，旨在为开发者提供核心基础设施，将 AI 代理直接集成到应用体验中。通过采用代理原生范式，开发者可以超越简单的聊天机器人，构建出将 AI 代理作为架构核心组件的软件。
Flue 是由 Astro 团队开发的开源 Agent 框架，旨在为 AI Agent 提供安全、隔离的沙箱运行环境。通过优先考虑隔离性和安全性，Flue 使开发者能够在受控且可预测的环境中执行代码和任务，同时最大限度地降低风险。该框架基于 TypeScript 构建，提供了强大的开发体验，简化了构建、测试和部署与外部系统交互的 AI Agent 的过程。
obra 开发的 Superpowers 是一个智能体技能框架及开发方法论，旨在弥合 AI 能力与实际软件工程之间的差距。它为开发者提供了一种结构化的方法，以高效地构建、管理和部署智能体技能。通过专注于稳健的方法论，该框架使团队能够创建更可靠、模块化的 AI 智能体，确保将复杂任务分解为统一开发生态系统中可管理、可重复且可测试的技能集。
由 benoitc 开发的 erlang-python 是一个强大的桥梁，允许 Erlang 和 Elixir 开发者直接在 BEAM 虚拟机中运行 Python 代码。通过利用 Dirty NIF（原生实现函数），它确保了 Python 的全局解释器锁（GIL）不会阻塞 BEAM 调度器。该项目为将机器学习模型、嵌入生成和数据处理库集成到 Erlang 环境中提供了稳健的机制，并内置了速率限制及对 Python 无锁线程（free-threading）的支持。
Cortex 是由 buildersoftio 开发的一款专为 .NET 生态系统设计的强大数据框架。它为开发者提供了一个高性能 SDK，用于构建实时数据管道。通过提供直观的算子、内置的状态管理和集成的遥测功能，Cortex 简化了数据工程和集成的复杂性。它专为处理事件驱动架构而设计，是开发者使用 C# 构建可扩展、生产级 AI 和数据处理系统的理想选择。
jmaczan/torch-webgpu 是一个创新的 C++ 项目，旨在连接 PyTorch 与 WebGPU。作为编译器和运行时，它使深度学习模型能够通过 WebGPU 标准在各种硬件环境中高效运行。该工具由 jmaczan 开发，旨在通过利用 WebGPU 的现代跨平台能力，简化复杂 AI 工作负载的部署，摆脱对传统 CUDA 的依赖。
RADTorch 是一个基于 PyTorch 的开源机器学习框架，专为医学影像任务量身定制。它简化了放射学数据分析的复杂流程，提供处理 DICOM 文件、医学图像预处理及训练卷积神经网络的工具。通过抽象化放射学领域的特有挑战，RADTorch 让研究人员和临床医生能专注于模型架构与临床成果，架起了深度学习研究与实际医学诊断之间的桥梁。
由 colesmcintosh 开发的 langchain-salesforce 是一个连接 LangChain 与 Salesforce 的专业集成库。它赋能开发者构建能够执行复杂 SOQL 查询、检查 Salesforce 对象架构以及直接在 LLM 工作流中执行 CRUD 操作的 AI 智能体。通过抽象化 Salesforce API，该工具实现了与 CRM 数据的无缝交互，是企业级 AI 自动化和数据驱动型智能体应用的重要组件。
LarAIgent/larai-kit 是一款开源工具包，旨在为 Laravel 应用引入先进的 AI 能力。该项目由 LarAIgent 开发，简化了检索增强生成（RAG）和 AI Agent 的集成流程。它提供了一套无缝的工作流，涵盖文档解析、分块、嵌入和搜索，使开发者无需重构基础设施，即可在现有的 Laravel 代码库中直接构建智能聊天机器人和具备上下文感知能力的 AI Agent。
EmbeddingGemma.NET 是由 phanxuanquang 开发的专业 .NET 库，旨在帮助开发者在 .NET 项目中轻松使用 Google 的 EmbeddingGemma-300m 模型。通过利用 ONNX Runtime，它为 C# 应用程序提供了高性能的向量嵌入生成方案。该工具非常适合需要实现语义搜索、RAG 流水线或文本相似度功能的开发者，无需依赖 Python 后端即可直接调用先进的嵌入技术。
Evaliphy 是一个开源的 TypeScript 框架，旨在简化 AI 驱动应用的端到端测试。由 Evaliphy 团队开发，它专注于为 LLM 和 RAG 流水线提供稳健的测试环境，无需处理复杂的机器学习基础设施。通过抽象评估流程，开发者可将自动化测试直接集成到现有的 CI/CD 工作流中，确保 AI 输出的可靠性与性能。
由 Wagtail 团队开发的 Django AI Core 是一个专门的库，旨在简化将 AI 功能集成到 Django 项目中的过程。它为实现检索增强生成（RAG）流水线和管理向量嵌入提供了强大的框架。通过将复杂的 AI 工作流抽象为标准的 Django 模式，开发者无需重新构建基础设施，即可轻松构建语义搜索和自动内容生成等智能数据驱动功能。
Remem 是一个基于 TypeScript 的记忆框架，旨在为 AI 智能体提供持久化、可查询的长期记忆。由 darks0l 开发，它支持通过语义搜索、分层存储和快照功能来存取信息。通过多智能体作用域支持，开发者可以构建复杂的系统，让智能体在不同会话间共享或隔离上下文，并利用 PostgreSQL 或 SQLite 后端确保高效的知识留存与检索。
Mythosia.AI 是由 AJ-comp 开发的一款综合性 C# 库，旨在帮助 .NET 开发者将多个 LLM 提供商集成到应用程序中。它简化了与 OpenAI、Anthropic、Google Gemini、DeepSeek 和 Perplexity 等行业领先模型的交互。除了简单的 API 抽象外，该库还内置了 RAG（检索增强生成）扩展，使其成为在 .NET 生态系统中构建智能、数据感知型应用程序的强大工具包。
Aris-AI-Model-Server 由 hcd233 开发，是一个基于 Python 的强大框架，旨在提供 OpenAI 兼容的 API 接口。它将大语言模型 (LLM)、嵌入模型 (Embedding) 和重排序模型 (Reranker) 集成到一个统一系统中，简化了 AI 服务的部署。该项目基于 FastAPI 构建，支持 AWQ、GPTQ 等量化技术以及 MLX 加速，是开发者构建 RAG 流水线或将多种 AI 功能集成到应用中的理想选择。
c0 是由 douglasjordan2 开发的创新型大模型外部记忆框架。它基于 Rust 构建，采用双时态知识图谱架构，提供持久且具备上下文感知的记忆能力。通过结合关键词与向量检索，配合自动反射循环，c0 使 AI 智能体能够随时间推移存储、检索并优化信息。它与 Neo4j 和 MCP 无缝集成，为开发者增强大模型的长期结构化知识存储与推理能力提供了稳健的解决方案。
quarkus-docling 是由 Quarkiverse 社区开发的 Quarkus 扩展，将 IBM 的 Docling 库引入 Java 生态系统。它使开发者能够解析、处理并将包括复杂 PDF 在内的多种文档格式转换为适合生成式 AI 应用的结构化数据。通过提供原生的 Quarkus 支持，它简化了检索增强生成（RAG）流水线的实现，让 Java 开发者能以极简配置和高性能利用先进的文档智能技术。
RedisVL (Redis Vector Library) for Java 是由 Redis 开发的官方客户端库，旨在简化 AI 应用开发。它为将 Redis 作为向量数据库使用提供了高级接口，使开发者能够在 Java 环境中轻松实现检索增强生成 (RAG)、语义缓存和向量搜索。通过抽象复杂的 Redis 命令，它简化了将 LLM 和嵌入模型集成到企业级 Java 应用的过程，确保了智能体 AI 工作流的高性能数据检索。
Realign 由 HoneyHive AI 开发，是一个专门用于 AI 应用的测试与仿真框架。它为开发者提供了评估 LLM 性能、进行红队测试及模拟真实场景所需的基础设施。通过简化评估流程，Realign 帮助工程团队确保其 AI 模型可靠、符合预期目标，并为复杂 LLM 工作流的生产部署做好准备。
Omega-AI 是由 Dromara 社区开发的 Java 深度学习框架，提供了一套完整的引擎用于构建、训练和运行神经网络。该框架专注于高性能，支持自动求导、多线程 CPU 执行以及通过 CUDA 和 cuDNN 实现的强大 GPU 加速。通过将深度学习能力引入 Java 生态，Omega-AI 使开发者无需切换到 Python 技术栈，即可在 Java 应用中直接实现 YOLO 和大语言模型等复杂架构。
Kosong 是由 MoonshotAI 开发的开源大模型抽象层。它为开发者提供了一个标准化的接口，用于构建 AI Agent，实现了应用逻辑与特定模型提供商的解耦。通过简化不同大模型的集成，Kosong 让开发者能够专注于 Agent 编排和复杂工作流，而无需处理碎片化的 API 实现，是 AI Agent 生态系统中功能强大的 SDK。
req_llm 是一个专为 Elixir 设计的库，旨在简化与大语言模型的交互。由 agentjido 开发，它利用强大的 Req HTTP 客户端和 Finch，为 AI 服务集成提供了可组合的函数式接口。该库专为需要可靠、高性能方式连接 LLM 提供商的 Elixir 开发者打造，无需复杂的抽象开销。
ospec 是由 clawplays 开发的代理工作流框架，旨在为 AI 编码助手强制执行规范驱动开发。它通过在代码库中维护持久的规范和证据，将模糊的请求转化为结构化、可验证的目标循环。该框架可与 Claude Code、Gemini 及多种 CLI 环境无缝集成，确保 AI 生成的代码不仅能编写，还能根据明确的项目需求进行验证。
GraphBit 是由 InfinitiBit 开发的面向企业的 Agentic AI 框架。它利用高性能 Rust 核心与 Python 封装，为构建复杂的多智能体系统提供了安全、可扩展且内存高效的环境。该框架专为生产环境设计，在最大限度降低资源开销的同时提升了可靠性，使开发者能够在实际企业应用中部署快速且稳定的复杂智能体工作流。
Icepick 由 Hatchet 开发，是一款专为构建可扩展 AI 智能体设计的轻量级编排框架。它通过零成本抽象层，让开发者能够使用 TypeScript 构建复杂的智能体工作流，同时避免传统重型框架带来的性能损耗。Icepick 优先考虑性能与可扩展性，支持 Node.js 和 Bun 环境，是开发者从简单的 LLM 封装转向生产级智能体编排的理想选择。
Swarmclaw 是由 swarmclawai 开发的开源 AI 智能体运行时及多智能体框架，旨在帮助开发者构建、编排并托管自主智能体集群。该平台支持长期记忆、任务委派和定时执行等复杂智能体行为。通过原生支持 MCP 工具并兼容包括 Claude、GPT、Gemini 和 Ollama 在内的 23 种以上 LLM 提供商，它成为了 LangChain 和 Claude Code 的强大自托管替代方案。
multilspy 由微软开发，是一个专门用于与语言服务器协议 (LSP) 服务器交互的 Python 客户端库。它通过为复杂的 LSP 交互提供统一且易于使用的封装，简化了构建 AI 驱动的代码分析、补全和生成工具的过程。通过抽象通信层，它使开发者能够将高级代码智能集成到工作流中，是从事 AI4Code、程序合成和自动化软件工程研究人员与工程师的必备工具。
Sycamore 由 Aryn AI 开发，是一个旨在将非结构化数据转化为洞察的开源框架。它提供了一个专门针对 LLM 应用优化的强大 ETL（提取、转换、加载）流水线。通过利用先进的文档处理和语义搜索能力，Sycamore 使开发者能够高效地构建复杂的 RAG（检索增强生成）系统和分析平台，实现对复杂文档格式的摄取、解析与索引。
Grace 是由 Gabriella439 开发的一种专业函数式编程语言，旨在将函数式编程的严谨性引入提示词工程。通过将提示词视为类型化语言中的一等公民，它使开发者能够构建复杂且可靠的 LLM 工作流。Grace 提供了一个解释器，弥合了传统软件工程与生成式 AI 之间的鸿沟，确保基于提示词的应用比传统的字符串拼接方法更具可预测性、可维护性和可测试性。
FlashLearn 是由 Pravko-Solutions 开发的开源框架，旨在简化大语言模型（LLM）在数据流水线中的集成。它采用了 scikit-learn 风格的“fit/predict”范式，使开发者能够轻松构建复杂的 JSON 驱动型 AI 工作流。通过内置的并发支持，FlashLearn 能够高效执行基于 LLM 的任务，是开发者将智能代理能力融入 ETL 流程和自动化数据流水线的理想选择。
Daydreams 是由 daydreamsai 开发的开源框架，旨在简化商业领域 AI 智能体的创建。通过将大语言模型（LLM）与专业工具集成，该框架使智能体能够执行复杂的工作流、与链上协议交互并管理数字资产。它弥合了智能自动化与去中心化商业之间的鸿沟，为开发者提供了一套强大的工具集，用于构建能够执行真实经济活动的智能体。
DagsHub 客户端是由 DagsHub 开发的官方 Python 库，旨在简化数据科学工作流程。它使开发者能够以编程方式与 DagsHub 平台交互，从而促进数据版本控制、实验跟踪和模型管理。通过连接本地开发环境与 DagsHub 的云端协作功能，它为使用 DVC、PyTorch、TensorFlow 和 Keras 的团队简化了 MLOps 生命周期。
ForML 是由 formlio 开发的开源开发框架及 MLOps 平台。它为数据科学家提供了构建、训练和部署机器学习模型的标准化环境。通过专注于可移植性和可重复性，ForML 使团队能够管理数据科学项目的整个生命周期，确保代码从本地实验到生产环境的一致性，成为原始数据处理与可扩展模型部署之间的桥梁。
TokenLearn 由 MinishLab 开发，是一个专门用于预训练静态词嵌入的 Python 框架。它为研究人员和开发者提供了一条精简高效的流水线，用于生成高质量的词向量表示。该框架基于 PyTorch 构建，可与现代机器学习工作流无缝集成，是 NLP 任务中构建轻量、快速且有效的嵌入层的理想工具。
omegaml 是一个一体化的 MLOps 交付平台，旨在简化机器学习生命周期。它为数据科学家和工程师提供了一个统一的环境，用于部署、管理和扩展 AI 模型。通过与 PyTorch、TensorFlow 和 Scikit-learn 等主流框架的无缝集成，它消除了基础设施管理的复杂性，使团队能够通过简化的 Python 工作流专注于模型性能和生产就绪性。
Knodle 是一个开源的 PyTorch 框架，旨在解决弱监督学习中的挑战。它帮助研究人员和从业者提升弱标注数据集的质量，并提供了一个结构化的环境来实现和基准测试各种去噪方法。通过简化在噪声标签上训练模型的过程，Knodle 使得在高质量人工标注稀缺或昂贵的场景下，能够更高效地开发 NLP 和分类流水线。
FastQL 由 happy-machine 开发，是一个高性能框架，旨在连接 Python 机器学习模型与强大的 GraphQL API。通过利用 Rust 驱动的后端，开发者只需极简配置，即可将 ML 推理逻辑封装为生产级 API。它专为加速 AI 和生成式艺术项目的原型设计而生，确保模型输出能够通过标准化、高效的接口进行访问，无需编写复杂的服务器样板代码。
Haystack Integrations 是由 deepset 及社区共同维护的开源仓库，作为 Haystack 框架的官方插件与扩展中心。它使开发者能够将 Haystack 流水线与各种第三方向量数据库、LLM 提供商及专业 AI 工具无缝连接，极大地扩展了构建生产级 RAG 和搜索应用的能力。
Caikit 是一个开源 AI 工具包，旨在简化机器学习模型的生命周期管理。它通过提供一套标准化的开发者友好型 API，弥合了复杂模型架构与生产环境之间的鸿沟。Caikit 屏蔽了模型服务和管理的底层复杂性，使工程师能够以极低的摩擦将 AI 能力集成到应用程序中，并支持云原生、以 Python 为中心的生态系统。
由 Naver 开发的 GDC (Generative Distributional Control) 是一个旨在引导大语言模型输出分布的研究框架。它利用信息几何和指数族分布的原理，为受控自然语言生成提供了一种严谨的数学方法。该仓库包含了相关论文的官方实现，探索了如何操纵模型行为、提升公平性以及对生成的文本施加特定约束，为传统的提示工程或微调方法提供了一种更高级的替代方案。
