轻量级 Python 框架，用于编排多智能体工作流，帮助开发者快速搭建基于 LLM 的协作式 Agent 系统。

一套构建生产级 LLM 智能体应用的 12 条工程原则，帮团队把原型打磨成能真正交付给客户的可靠系统。

一个自主 AI Agent 框架，能在 Linux 环境中自行规划任务、调用工具并持续执行，适合搭建可自主行动的智能助手。

基于 TypeScript 的开源 AI Agent 框架与工程平台，帮开发者快速搭建、编排和观测 LLM 智能体应用。

开源个人 AI 助手与 Agent Harness，能规划任务、调用工具和技能，靠记忆与知识自我进化，支持多智能体、多模型、多渠道，一行命令即可安装。

用多个 LLM 智能体分工协作模拟金融交易决策，把研究、分析、下单等环节拆给不同角色，适合做量化交易策略的智能体实验。

把对话、文档和代码沉淀成聊天记忆、技能、LLM-Wiki、代码图谱四类可复用记忆资产，让多个 AI Agent 跨框架共享和治理长期记忆。

微软推出的多智能体开发框架，支持 Python 和 .NET，用于构建、编排和部署 AI 智能体及多智能体工作流。

微软出品的 18 节入门课程，用 Jupyter Notebook 手把手教你搭建 AI Agent，覆盖 AutoGen、Semantic Kernel、Foundry 等主流框架与 Agentic RAG 实践。

收录 500 个跨行业 AI Agent 实际用例，覆盖医疗、金融、教育、零售等场景，并附开源实现链接，方便按行业找落地参考。

Python SDK，用于监控 AI 智能体运行、追踪 LLM 调用成本并做基准评测，兼容 CrewAI、LangChain、AutoGen 等主流智能体框架。

面向 LLM 应用的多智能体开发框架，支持多模态、语音与实时交互，让智能体的构建、运行和调试过程可见、可理解、可信。

给 AI Agent 做强化学习训练和调优的框架，把 Agent 的推理轨迹变成训练信号，让智能体越跑越强。

把 GitHub issue 直接丢给大模型，自动定位代码并生成修复补丁，还能用于安全攻防和竞赛编程。

基于大模型的软件工程智能体，能自动完成编码、调试、重构等通用开发任务，把自然语言需求直接转成可执行代码改动。

一份面向 AI Agent 开发与大模型求职的系统指南，覆盖上下文工程、高级 RAG、MCP、Agentic RL 和 LangGraph 实战，并附 1.2 万+ 面试题。

提供 277 个即插即用的 AI 专家角色定义，覆盖工程、设计、营销、金融等 20 个部门，兼容 Claude Code、Cursor、Copilot 等 20 种工具，并含 64 个中国市场原创智能体，配合编排器可让多位专家按 DAG 自动协作。

一个能自我进化的 AI 智能体，从 3.3K 行种子代码长出技能树，实现全系统控制，token 消耗比常规方案低 6 倍。

从零手写 AI Agent，用本地 LLM 跑通函数调用、记忆和 ReAct 循环，帮你真正搞懂 Agent 内部怎么运转，而不是只会调黑盒 API。

轻量级 LLM Agent 开发框架，提供工具调用、流程编排等基础组件，帮开发者快速搭建基于大模型的智能体应用。

让大模型自主拆解目标、调用工具并连续执行任务的智能体平台，提供可视化搭建与运行环境，帮你把重复性工作交给 AI 自动完成。

基于 Spring Boot 3 和 Spring AI 的 Java AI 开发实战教程，带你实现 AI 恋爱大师应用和 ReAct 模式自主规划智能体，覆盖 RAG、向量数据库、Tool Calling、MCP 等核心技术。

用结构化数据和链式调用语法在代码里快速搭建 GenAI 应用与智能体，并用事件驱动流程编排复杂逻辑，切换模型无需改代码。

基于事件网格构建和运行 AI 智能体的全生命周期平台，内置会话、鉴权、评估与可观测性，支持多智能体协作和工具调用。

基于 llama.cpp 的 LLM 智能体框架，支持对话、结构化函数调用和结构化输出，即使模型未针对 JSON 或函数调用微调也能用。

基于 Envoy Gateway 构建的生成式 AI 统一接入网关，把各家 LLM 和推理服务的调用收敛到一套路由与鉴权入口，方便在 Kubernetes 上统一管理。

自托管的终端 AI 编程助手，也是它背后的 Python 框架，基于 Pydantic AI 支持任意模型，提供工具调用、沙箱执行、多智能体协作和无限上下文。

用 Python 搭建 LLM 应用和智能体的开发框架，把模型调用、工具、检索和记忆串成可组合的链路，省去自己拼装底层胶水代码。

为 400 多个大模型提供 token 价格估算，帮你在调用 OpenAI、Claude 等模型前算清成本，方便做预算和用量监控。

系统梳理 Agentic RAG 的综述项目，讲清如何用 LLM 智能体增强检索增强生成，覆盖反思、工具调用、多智能体等模式。

用 Go 构建生产级智能体系统的框架，提供图工作流编排、工具调用、记忆、A2A 与 MCP 协议接入、评测和可观测性，省去从零搭基础设施。

从零手写一个极简 Claude Code 式 agent harness，用 Bash 就能跑，适合想搞懂 AI 编程助手内部原理的人边看边练。

把任意网页抓取并转成干净 Markdown 或结构化数据，直接喂给 LLM 和 AI Agent，省去自己写爬虫和清洗的麻烦。

一个用 Rust 写的单文件 CLI 代理，在跑常见开发命令时把 LLM token 消耗砍掉 60-90%，帮编码 Agent 省成本。

微软开源的多智能体编程框架，让开发者用对话编排多个 LLM Agent 协作完成复杂任务，支持自定义角色与工具调用。

Rust 写的 Agent 循环库，统一接入 7 种 LLM 协议，流式输出、调用工具、循环执行直到任务完成，从笔记本到 Cloudflare Worker 都能跑。

为 AI Agent 提供可持久化的长期记忆层，让智能体和应用能跨会话记住上下文，开箱即用、面向生产环境。

用 Python 搭建自主 AI Agent 的平台，把多智能体编排、工具调用和任务执行打包成开箱即用的组件，省去从零搭框架的麻烦。

终端里的开源编码智能体，能读懂仓库、规划多步改动、写改文件、跑命令和测试，并循环迭代直到任务完成。

把 Gemini 直接搬进终端的开源 AI 智能体，在命令行里就能对话、调用 MCP 服务并完成编码任务。