2026-07-10

采集 150 精选 20

NousResearch/hermes-agent 是一个开源的、可扩展的智能体框架,旨在随用户需求演进,支持自主任务规划与工具调用。

GitHub NousResearch · ★212.3K
查看原文 →

LangChain 是一个开源的代理工程平台,用于构建基于大语言模型的应用程序,支持链式调用、工具集成和智能体(Agent)开发。

GitHub langchain-ai · ★141.4K
查看原文 →

AutoGPT 是一个开源自主AI代理框架,旨在降低AI应用与开发门槛,支持用户基于LLM构建可自主运行的智能体。

GitHub Significant-Gravitas · ★185.4K
查看原文 →

该内容介绍Ollama平台对多个主流开源与商用大模型(如Kimi-K2.6、GLM-5.1、Qwen、Gemma等)的即开即用支持,聚焦于本地AI模型部署与运行体验。

GitHub ollama · ★175.8K
查看原文 →

Dify 是一个面向生产环境的开源平台,用于构建和部署基于智能体(agentic)的工作流应用。

GitHub langgenius · ★148.3K
查看原文 →

llama.cpp 是一个用 C/C++ 实现的轻量级开源项目,专注于在本地 CPU 上高效运行大型语言模型(LLM),无需 GPU 即可完成推理。

GitHub ggml-org · ★119.8K
查看原文 →

本文批判现有大语言模型(LLM)质量门控机制的固有缺陷,提出“确定性路由+采样”作为替代方案,并探讨其在AI代理系统中的理论优势与实践挑战。

Dev.to zxpmail · ♥8 · 6 comments
查看原文 →

Firecrawl 是一个开源的 Web 数据获取工具,提供可编程 API,支持大规模网页搜索、爬取和交互,专为 AI 应用(如 RAG)优化。

GitHub firecrawl · ★148.5K
查看原文 →

vLLM 是一个高性能、内存高效的大型语言模型推理与服务引擎,专为加速 LLM 部署而设计,支持 PagedAttention 等创新技术。

GitHub vllm-project · ★85.9K
查看原文 →

MiniStack 1.4.0 是一款本地运行的开源工具,通过模拟 Amazon Bedrock 的完整 API 接口,支持与 Ollama 集成实现真实模型补全,使开发者能在本地环境无缝测试和开发 Bedrock 兼容应用。

Dev.to Nahuel Nucera · ♥6 · 0 comments
查看原文 →

Langflow 是一个开源的低代码可视化平台,用于构建、调试和部署基于 LLM 的 AI 工作流与智能体。

GitHub langflow-ai · ★151.5K
查看原文 →

FableCut 是一款零依赖的浏览器内视频编辑器,专为被 AI 代理(如 LLM 驱动的自动化工作流)调用而设计,支持通过 API 或指令驱动剪辑、拼接等操作。

HN ronak_parmar · ↑86 · 58 comments
查看原文 →

Context.dev 是一家 YC 孵化(S26)的新创公司,提供 Web 数据结构化提取 API,专为 AI 应用、智能体(agents)和产品集成设计,支持快速接入网页内容。

HN TheYahiaBakour · ↑77 · 56 comments
查看原文 →

本文介绍了一款面向4–9岁儿童的实时AI辅导工具,强调其在实时UX引导与动态教学决策方面的技术突破,但未提供具体实现细节或开源代码。

HN catalinvoss · ↑60 · 85 comments
查看原文 →

Vidu S1 是一款支持语音实时交互的视频生成模型,可在消费级GPU上以42 FPS输出540p高清视频,并支持上传自定义人物、动漫或宠物图像进行个性化生成。

HF Papers Jintao Zhang · 👍0
查看原文 →

本文提出IdeaGene-Bench(IG-Bench),一个面向科学思想谱系推理与谱系驱动创意生成的新基准,旨在评估AI系统理解并延续科学知识演化脉络的能力。

arXiv Yifan Zhou · paper
查看原文 →

本文探讨UMAP算法内部构建的k近邻图(kNN图)在高维流形表征中的未被充分利用的价值,主张超越传统二维嵌入,直接分析该图以提升数据理解与可解释性。

arXiv Duen Horng Chau · paper
查看原文 →

本文探讨了开发者转向Codeberg等去中心化、注重隐私与开源自由的代码托管平台的趋势,反映了对GitHub商业策略和集中化治理的不满。

HN Gedxx · ↑346 · 243 comments
查看原文 →