ai-agents

安全执行路径给代理 - 零信任、零设置、零延迟

桌面应用程序，录制屏幕工作流程，使用 GitHub Copilot CLI 重新构建为意图+有序步骤，并为 Microsoft Scout、Microsoft Copilot Cowork 或 Copilot Studio 建立可重用的 Skill 或 Automation

Hypergraph 更强大。用 LLM 将非结构化文字转为结构化知识。图、超图与时空抽取，一指即达

Lightweight, fast, stable, programmable component-based rule engine — where AI Agents orchestrate just like ordinary components. Uniquely designed DSL: component reuse, sync/async & dynamic orchestration, multi-language scripting, nested rules, hot deployment and smooth refresh. If you can orchestrate LiteFlow, you can orchestrate AI.

一個用於開發工作的持久性工作區，能夠自我改進並跨工作階段持續運行。

可自托管的工作流协调器，适用于主要工作非协调的团队。使用YAML描述脚本、SSH命令、容器等；将工作流与业务逻辑分离。单个二进制文件，无数据库，适合有限硬件资源。Airflow/Cron/Job Scheduler的替代方案

一个可携式 AI 代理运行时，适用于 JVM。单个 @Agent 类可在 Spring AI、LangChain4j、Anthropic 或其他 9 个后端上运行。支持 Token 流式传输、工具调用、人类批准，以及通过 WebSocket、SSE、gRPC 或 WebTransport/HTTP3 的治理。支持 MCP、A2A 和 AG-UI。

Neovim 🤝 OpenCode，流畅的工作流程

Qiushi-Skill：构建先调查、聚焦主要矛盾、实践验证、持续推进直至完成的代理。求是Skill——从经典唯物辩证法与实践哲学中提炼出一条总原则和九大方法论工具武装 AI 大脑

基于EverOS构建的内存优先、自我改进代理，配备MiroThinker驱动的深度研究与推理

人与代理协同构建的地方。

控制 AI 能看到的内容。LeanCTX（Lean Context）是 AI 代理的上下文智慧层——一个本地 Rust 二进位文件，决定它们阅读什么、记住学到什么、保护它们触碰的内容，并证明它们保存的数据。令收据的 token 数减少 60–90%，拥有 76 个 MCP 工具、30+ 代理，优先本地。

Agent Package Manager

一套科学方法、流程、算法与系统，用于构建故事与模型

Sprix AI 于 屿智同行 — 针对 A2A 代理网络的具备状态意识的 SELF/COLLABORATE/HANDOFF 路由机制。

全球首个统一虚拟文件系统，为 AI 代理设计

LLM 实验与 AI 代理的评估与追踪

类似 htop，但针对 AI 编码代理。实时监控 Claude Code & Codex CLI 会话、令牌、上下文窗口、速率限制与端口

专为团队设计的开源沙盒化智能体测试框架。为每位员工提供安全的个人智能体。

ReMe：适用于 Agent 的内存管理套件 - Remember Me, Refine Me。

Local-first search across your workspace, built for humans and AI agents.

唯一的代理工具，专为复杂代码库设计。项目记忆、规划、执行与验证完成均在 Codex 内完成。

语义版本控制 => 以实体为单位的差异、责任追踪与影响分析，建立于 git 之上。支持 28 种语言，透过 tree-sitter。为程序编写代理而设计。

LinkedIn 的开源 MCP 服务器，让 Claude 及任何 MCP 兼容 AI 代理访问个人资料、公司、职位与消息

一款原生的 macOS 应用程序，让用户无需安装任何其他软件，即可与本地 LLM 进行对话，并根据 Mac 上的文件、文件夹和网站信息进行回复。由 llama.cpp 驱动。

Agent Orchestration Command Center

🚀 EvoAgentX：构建自我演化的 AI Agent 生态系统

一个 Python 函数库，用于构建利用 Google Antigravity 完整功能的 AI 代理。

从特定 URL 开始爬取网站、寻找相关网页并提取数据——完全由您的自然语言提示引导。

AI 代理的抗懒惰技能。核心为 Depth Tree 方法，将任务拆解为 N 层深度，并赋予每个叶节点完整的任务时间预算，使投入的精力随深度倍增。基于 2025-2026 年关于模型懒惰、思考不足与过早完成的研究。