面向 AI Agent 的自进化上下文数据库，把 Agent 记忆、知识 RAG 和技能统一管理，解决多来源上下文分散、难以持续演进的问题。
高性能内存键值数据库，兼作缓存、消息队列和向量检索引擎，帮实时数据应用把读写延迟压到毫秒级。
开源监控系统与时序数据库，采集指标、配置告警规则并绘图展示，适合搭建从基础设施到 GPU 集群的可观测性平台。
面向 AI Agent 的实时分析与混合检索数据库，兼容 Iceberg、Hudi、Delta Lake 等湖仓格式，让 Agent 能低延迟查询海量数据。
面向不可预测增长的 Agent 负载设计的分布式数据库，原生支持事务、分析与向量检索，避免数据孤岛和资源争抢。
面向用户和 AI Agent 的实时分析数据库，支持低延迟 SQL 查询和向量检索，可从 Kafka 实时摄入数据做 OLAP 分析。
Zipkin 是一个分布式追踪系统，用于收集和查看微服务间的调用链路与耗时，帮助定位跨服务延迟和故障。
开源分布式数据库，兼容 MySQL，支持 HTAP 混合负载与全文检索，用一套引擎承载 OLTP、分析和 AI 场景下的高要求业务。
高性能分布式图数据库，专为实时查询场景设计，支持知识图谱等大规模关联数据的存储与毫秒级检索。
在 PostgreSQL 数据库内直接跑机器学习和向量检索，用 SQL 就能做嵌入、分类、聚类和 LLM 推理，省去单独搭推理服务的麻烦。
统一接入 375 家模型供应商、1400+ 模型的 MIT 协议 AI 网关，配额感知自动降级，并用压缩省下 15-95% token，兼容 Claude Code、Cursor 等编码工具。
给 LLM 和 AI Agent 用的自进化记忆操作系统，提供超持久记忆、混合检索和跨任务技能复用，还能省下约 35% 的 token。
一个用 Go 写的 TCP 代理，能模拟延迟、断连、带宽限制等网络和系统故障，用来做混沌工程和容错测试。
一个能自主完成深度调研的智能体，可接入任意 LLM 提供商，自动搜索、抓取网页并汇总成研究报告。
面向多模态 AI 的嵌入式向量检索库，支持近似最近邻搜索和语义相似度检索，无需单独部署服务，帮开发者省去向量数据管理的麻烦。
基于 TurboQuant 量化算法、用 Rust 实现并带 Python 绑定的向量索引，面向 RAG 和嵌入检索场景，提供高压缩比、低内存的近似最近邻搜索。
把分布在全球的设备组成一个虚拟二层以太网，无需公网 IP 或复杂配置就能点对点直连，适合搭建 SD-WAN 和远程组网。
开源特征存储，统一管理机器学习特征的注册、存储与在线离线服务，解决训练和推理特征不一致的问题。
给 LLM 加一层语义缓存，相似问题直接命中缓存结果，省下重复调用 API 的钱和时间，已集成 LangChain 和 llama_index。
给 Redis 加上二级索引、全文检索、向量相似度搜索和聚合能力的查询索引引擎，让 Redis 直接承担搜索与 RAG 检索场景。