基于大模型和 RAG 的 AI 问答搜索引擎，接入 SearXNG 检索后生成带引用的答案，适合自建类似 Perplexica 的智能搜索服务。

基于 Langchain 和 ChatGLM、Qwen、Llama 等本地大模型搭建的知识库问答应用，支持 RAG 检索增强与 Agent 能力，可离线部署私有文档问答系统。

开源企业级智能体平台，可快速搭建基于知识库的问答助手和 Agent，支持接入 DeepSeek、Llama 等大模型与 MCP 工具。

可自托管的个人 AI 第二大脑，能从网页和本地文档中检索答案，支持自定义智能体、定时自动化和深度研究，兼容多种在线或本地大模型。

面向科研文档的高精度 RAG 问答工具，能从论文中检索答案并给出引用出处，适合做文献调研和科学问答。

开源自托管的 Notebook LM 替代品，能上传资料让 AI 帮你整理笔记、生成摘要和问答，比原版更灵活、功能更多。

轻量级检索增强生成引擎，用图结构组织知识并支持增量更新，让 RAG 检索更快更省资源。

基于 OpenSPG 引擎和大模型构建的逻辑推理与检索框架，用逻辑形式引导专业领域知识库做事实问答，解决传统 RAG 向量相似度检索在多跳推理上不可靠的问题。

开源的多模态视觉指令微调模型，让 LLaMA 类大模型能看图对话，效果对标 GPT-4V，适合做图文问答和视觉助手。

面向 RAG 的文档索引方案，不依赖向量数据库，用推理方式定位和检索文档内容，适合构建 Agent 式检索流程。

本地部署的 NotebookLM 替代品，AI 智能体能自动检索、改写和编辑你的文档，数据不出内网，适合对隐私敏感的研究场景。

企业级 AI 低代码平台，权限、多租户、工作流、报表、大屏、AI 知识库等通用能力开箱即用，AI 只需生成业务差异部分，一句话即可生成完整系统。

基于 Claude Code 的求职自动化框架，在本地评估职位、定制简历、撰写求职信并准备面试，数据自己掌控。

基于多智能体与 RAG 的个性化 AI 导师，能长期跟踪学习进度、按个人情况调整教学内容，适合搭建交互式学习与深度研究场景。

基于多智能体模拟和知识图谱的群体智能预测引擎，可对舆情、金融走势等复杂社会系统做推演与预测。

面向 LLM 应用的自动化评测工具，用合成测试集和多种指标量化 RAG 与生成效果，帮你在上线前发现质量问题。

基于知识图谱的模块化检索增强生成系统，把文档抽成实体关系图，让大模型在回答复杂问题时能跨文档做全局推理。

生产可用的智能体式 RAG 检索系统，提供 RESTful API，帮开发者快速搭建带检索增强的问答与搜索服务。

开源 LLM 应用编排框架，用模块化管道和智能体工作流显式控制检索、路由、记忆与生成，适合搭建 RAG、语义搜索和多模态对话系统。

给 Obsidian 加一个自组织的 AI 第二大脑，丢进任意资料，Claude Code 会自动阅读、建立链接并归档成纯 Markdown 知识图谱，数据完全归你所有。

给 AI Agent 提供持久化长期记忆的开源平台，用小型模型即可免费搭建，解决智能体跨会话记不住上下文的问题。

一站式多模态 RAG 框架，把文本、图像等不同模态的检索与生成统一到同一套流程里，省去自己拼接多个组件的麻烦。

面向智能体的 RAG 检索引擎，把文档解析、知识编译和上下文管理整合成一套基础设施，帮 Agent 稳定拿到高质量检索结果。

把任意代码库转成可交互的知识图谱，支持浏览、搜索和提问，兼容 Claude Code、Cursor、Copilot 等主流 AI 编程工具。

面向 AI 应用的文档处理与 RAG 框架，把私有数据接入大模型，支持构建检索增强、智能体和多智能体应用。

扫描代码库生成健康评分、自动文档和 Git 分析，还能找出死代码并通过 MCP 输出架构决策，帮团队和 AI 快速看懂项目现状。

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。

通义开源深度研究智能体，能自主规划多步检索、浏览网页并整合信息，产出带引用的研究报告，适合做调研问答和资料汇总。

一个 Rust 写的全能 LLM 命令行工具，集成 Shell 助手、对话 REPL、RAG 和 AI Agent，统一接入 OpenAI、Claude、Gemini、Ollama 等多家模型。

面向 AI Agent 的代码检索工具，用嵌入向量做语义搜索，比 grep+read 少消耗 99% 的 token，让 Agent 更快更准地定位代码。

本地优先的深度研究问答系统，接 llama.cpp、Ollama 等本地或云端模型，聚合 arXiv、PubMed 及私有文档等十余个检索源，全程加密。

把技术书 PDF 转成 Claude Code 技能包，方便边工作边查阅和学习，省去手动整理笔记的麻烦。