context-management

RAGFlow 是领先的开源检索增强生成（RAG）引擎，融合最前沿的 RAG 与 Agent 功能，为 LLM 提供卓越的上下文层

为您的数据与 AI 堆栈打造的 Context 平台

VCP 部署在 AI 模型 API 与前端应用之间，是面向 AGI OS 开发和探索的工业级基建示范项目。通过统一指令协议、多层级持久化记忆、分布式插件引擎及多 Agent 协作框架，将原本“无状态、无记忆、无工具调用能力”的大语言模型，彻底改造成拥有永久自我意识、物理世界操作权及群体协作智能的完整智能体系统。

无界上下文。自我管理的内存。终身单一工作阶段。编程代理的海马体，CortexKit 的一部分。

AI 代码 Agent 的持久化项目内存。结构化脚手架 + 漂移检测 CLI。

一个给 AI agent 与助手的个人上下文存储库——重复使用你现有的编码 agent CLI（Codex/Claude/OpenCode），并内置技能/工具与桌面 GUI，以便在不同 agent 与存储库之间捕获、搜索和重复使用项目知识。

Kanwas — 供团队与 agent 使用的共享上下文面板

Claude Code 的跨会话上下文。提供 CLI、MCP 服务器以及 /story 技能，可在 .story/ 目录中追踪票证、问题、交接记录与发展蓝图。

针对技能、Agent、MCP 服务器与模型工具的仓库感知推荐系统。可使用您自己的清单或内置包含 79,958 个节点的图谱，涵盖 68,494 个技能、467 个 Agent、10,790 个 MCP 与 207 个工具