YOHO AI

标签： AI Agent

  • Gemini CLI：105k Stars！Google官方终端AI Agent，让命令行拥有Gemini的超能力

    Gemini CLI Screenshot

    项目简介

    Gemini CLI 是 Google 官方开源的终端 AI Agent 工具，将 Gemini 的强大能力直接集成到你的命令行终端中。它是目前从提示词到模型调用最直接的路径，为开发者提供了轻量级的 Gemini 访问入口。

    ⭐ GitHub Stars: 105k+
    🔗 项目地址: github.com/google-gemini/gemini-cli
    📄 开源协议: Apache 2.0
    🌐 官方网站: geminicli.com

    安装要求和过程

    环境要求

    • Node.js >= 18 (推荐 20+)
    • npm 或 Homebrew (macOS)
    • Google 账号 (免费使用 Gemini API)

    快速安装步骤

    方式一：npx 即时运行（推荐试用）

    npx @google/gemini-cli

    方式二：npm 全局安装

    npm install -g @google/gemini-cli
gemini --version

    方式三：Homebrew 安装（macOS/Linux）

    brew install gemini-cli
gemini

    首次启动认证：

    # 启动后会自动打开浏览器进行 Google 账号 OAuth 认证
gemini

    核心功能

    功能 说明
    🧠 代码理解与生成 支持查询、编辑大型代码库；可基于 PDF、图片、草图等多模态内容生成新应用；支持自然语言调试问题、排查故障
    🤖 自动化与集成 支持自动化操作任务，比如查询拉取请求、处理复杂变基；可通过 MCP 服务器扩展能力，包括对接 Imagen、Veo、Lyria 等媒体生成工具
    🔍 高级能力 内置 Google Search 搜索能力，支持实时信息检索；支持对话检查点，可保存、恢复复杂会话；支持自定义上下文文件 GEMINI.md
    🚀 免费额度友好 个人 Google 账号即可享受免费 tier，支持 60 次请求/分钟、1000 次请求/天
    🔧 内置工具丰富 自带 Google Search 搜索、文件操作、Shell 命令执行、网页抓取等能力；支持 MCP（模型上下文协议），可自定义集成第三方能力

    典型使用场景

    场景一：快速启动新项目

    进入项目目录启动 gemini 后，直接用自然语言描述需求即可生成对应代码：

    # 启动 Gemini CLI
cd my-new-project
gemini

# 在交互界面中输入：
> Write me a Discord bot that answers questions using a FAQ.md file I will provide

    场景二：分析现有代码变更

    克隆代码库后启动 gemini，可以快速获取代码变更总结：

    # 克隆代码库
git clone https://github.com/some/repo.git
cd repo
gemini

# 在交互界面中输入：
> Give me a summary of all of the changes that went in yesterday

    场景三：非交互式脚本自动化

    使用 -p 参数可以在脚本中调用 Gemini CLI，实现工作流自动化：

    # 获取简单文本响应
gemini -p "Explain the architecture of this codebase"

# 获取结构化 JSON 输出
gemini -p "Explain the architecture of this codebase" --output-format json

# 实时流式输出
gemini -p "Run tests and deploy" --output-format stream-json

    推荐理由

    作为一款终端原生的 AI Agent 工具，Gemini CLI 给我留下了深刻印象：

    • 官方背书，值得信赖：Google 官方开源项目，持续维护，质量有保障
    • 免费额度慷慨：个人开发者使用免费 Google 账号即可享受 60 次/分钟、1000 次/天的 API 调用额度，足够个人使用和小型项目开发
    • 100 万 token 上下文窗口：支持 Gemini 2.5 Pro/Flash 等顶级模型，能够理解超大型代码库，一次性分析整个项目
    • 终端原生体验：专为习惯命令行的开发者打造，操作流畅，无需离开终端即可完成代码理解、生成、调试全流程
    • MCP 扩展性强：支持模型上下文协议（MCP），可以对接 Imagen、Veo、Lyria 等媒体生成工具，未来潜力巨大

    如果你是一名开发者，正在寻找一款轻量级、功能强大、免费额度慷慨的终端 AI 助手，Gemini CLI 绝对值得一试！

    下载地址

  • 阿里千问向第三方Agent开放：瑞幸肯德基进场，AI助手开始”摆摊”了

    阿里千问向第三方Agent开放：瑞幸肯德基进场，AI助手开始”摆摊”了

    6月3日，阿里旗下的千问APP发了个通知，说要向第三方Agent和Skill全面开放。这话听着有点技术黑话，翻译成人话就是：千问要把自己变成一个AI服务的”应用商店”，别的公司可以在里面开店了。

    首批进场的都是大家眼熟的名字：瑞幸咖啡、肯德基、蜜雪冰城、东方航空。这些公司不是来凑热闹的，他们是真的要在千问里面运营自己的品牌Agent。

    什么叫品牌Agent？简单说就是：你在千问里面跟”瑞幸Agent”聊天，它能帮你查附近门店、推荐新品、甚至提醒你”中午排队时间长，建议提前半小时点单”。不是你去找App，是服务主动来找你。

    Agent这东西，终于不再是极客的玩具了

    过去一年多，AI Agent这个概念被炒得沸沸扬扬。技术圈的人说它能干这个能干那个，但普通用户真正用上的有几个？大多数时候，Agent还是停留在Demo视频和融资PPT里。

    千问这次做的，是把Agent从一个技术概念变成普通人能摸得着的服务。企业在千问里面开个”店”（也就是Agent），可以自己定义这个人设——比如东方航空的Agent，会记住你的出行习惯，知道你偏爱靠窗座位还是过道，甚至会提醒你目的地天气怎么样。

    更关键的是，这些Agent不是被动等人问。它们有记忆，也有主动规划能力。你的行程快到了，它会提前提醒；你的会员权益快到期了，它会告诉你续费划算还是换套餐划算；你常点的那杯瑞幸新品上市，它会顺嘴提一句。

    为什么是现在？为什么是千问？

    这个问题值得想想。Agent要真正落地，光有模型不够，还得有人用。千问的日活用户规模不小，这对企业来说就是现成的客群。你做一个独立的Agent App，得从头拉新；在千问里面开店，进门就是潜在用户。

    对阿里来说，这一步也有讲究。千问如果只自己做所有功能，摊子铺得太大，质量不一定兜得住。把平台开放出去，让瑞幸、肯德基这些公司自己运营自己的Agent，相当于用别人的内容养自己的生态。

    这个打法，跟微信小程序、抖音小程序其实是一个逻辑——平台提供流量和基础设施，商家提供服务和运营。只是这次换成了AI对话的界面，用户不用点来点去，聊着天就把事情办了。

    真正有意思的地方在哪

    这次开放最值得关注的，不是”千问多了几个企业服务”，而是AI助手的商业模式可能正在发生一个微妙变化。

    以前AI助手赚钱，要么是卖会员，要么是卖API调用次数。现在多了一条路：做平台，收”摊位费”。企业进来开店要不要用更高级的模型能力？要不要数据洞察？要不要优先展示位？这些都是可以收费的地方。

    当然，现在说这些还早。千问这个平台能不能做起来，取决于两件事：一是用户买不买账，愿不愿意在AI助手里面跟品牌Agent打交道；二是企业愿不愿意投入，把Agent运营当成一件正经事来做，而不是随便弄个问答机器人应付一下。

    瑞幸和肯德基愿意进来试，至少说明一件事：他们觉得AI对话这个入口值得提前卡位。至于卡位之后能不能占到便宜，就看各家自己的运营本事了。千问把场子搭好了，戏好不好看，得企业自己演。

  • MetaGPT：59.4k Stars！多智能体协作框架，让AI组成软件公司

    MetaGPT：59.4k Stars！多智能体协作框架，让AI组成软件公司

    配图

    MetaGPT Logo

    MetaGPT – 多智能体协作框架

    项目简介

    MetaGPT 是一款创新的多智能体协作框架，核心理念为 Code = SOP(Team)。通过模拟真实软件公司的组织架构（产品经理、架构师、工程师、测试员等角色）与标准化作业流程（SOP），实现复杂任务的自动化协作处理。

    只需要输入一行自然语言需求，MetaGPT 就能自动生成产品需求文档（PRD）、技术设计方案、任务清单以及完整的代码实现。

    安装要求和过程

    环境要求

    • ✅ Python 版本：3.9+
    • ✅ 支持系统：macOS 13.x / Windows 11 / Ubuntu 22.04
    • ✅ 依赖管理：pip 或 Docker

    快速安装步骤

    方式一：稳定版安装（推荐）

    pip install metagpt

    方式二：最新开发版

    pip install git+https://github.com/geekan/MetaGPT

    方式三：Docker 部署

    docker pull metagpt/metagpt:latest
docker run --rm metagpt/metagpt:latest metagpt "Write a cli snake game"

    可选功能扩展

    功能模块 安装命令 用途说明
    RAG 检索增强 pip install 'metagpt[rag]' 结合向量存储的RAG系统
    OCR 文字识别 pip install 'metagpt[ocr]' 识别图像中的文本
    搜索引擎集成 pip install 'metagpt[search-ddg]' DuckDuckGo 搜索功能

    核心功能

    🏢 模拟软件公司架构

    预设产品经理、架构师、工程师、测试员等角色，每个角色拥有独立的 LLM 实例和专业化 Prompt，协同完成软件开发生命周期全流程。

    📋 SOP 标准化流程

    将工业标准化作业程序（SOP）嵌入智能体协作流程，确保输出质量可控、可预期。每个角色按既定规范输出交付物。

    📄 自动化文档生成

    自动生成产品需求文档（PRD）、技术设计文档、API 接口文档、测试用例等完整软件工程文档。

    💻 完整代码实现

    基于需求自动编写、审查、迭代代码，支持多种编程语言，输出可直接运行的完整代码仓库。

    📊 智能图表生成

    集成 Mermaid 图表引擎，自动生成流程图、时序图、类图、架构图等多种技术图表（支持 PNG/SVG/PDF 格式）。

    典型使用场景

    场景一：快速原型开发

    需求：创业者有一个 APP 想法，需要快速验证可行性并产出原型。

    使用方式：执行 metagpt "开发一个任务管理APP，支持多人协作"，自动输出完整的需求分析、UI 设计建议、技术选型和示例代码。

    场景二：竞品分析与调研

    需求：产品经理需要快速了解某个领域的主流产品功能特性。

    使用方式：MetaGPT 自动联网搜索、分析竞品、生成对比表格和策略建议，输出标准化竞品分析报告。

    场景三：教学与学习辅助

    需求：计算机专业学生学习软件工程流程，希望看到完整项目从需求到代码的实例。

    使用方式：输入课程设计题目，MetaGPT 展示标准软件工程全流程输出，帮助学生理解各阶段交付物的规范与要求。

    推荐理由

    为什么值得关注？

    💡 理念先进：将「标准化作业程序 SOP」与「多智能体协作」结合，让 AI 不再是单点工具，而是可协作的团队。

    🚀 落地性强：不同于纯学术的多智能体研究，MetaGPT 直接面向软件工程场景，输出的是真正可用的文档和代码。

    📚 社区活跃：GitHub 59.4k+ Stars，持续迭代更新，文档完善，有详细的中文教程和示例项目。

    🧩 扩展灵活：支持自定义角色、自定义 SOP、接入不同的 LLM（OpenAI/Claude/国内大模型均可）。

    个人认为，MetaGPT 最值得称道的地方在于它把「软件工程规范」变成了 AI 可执行的流程。对于需要快速验证想法、或希望了解标准软件研发流程的同学来说，这是一个不可多得的教学与实战工具。

    下载地址

    🔗 GitHub 仓库：https://github.com/FoundationAgents/MetaGPT

    🌐 官方文档：https://docs.deepwisdom.ai/

    💬 Discord 社区：https://discord.gg/veseZ39udK

    📦 PyPI 安装：pip install metagpt

    项目持续更新中，欢迎 Star 支持开发者 🩵

  • CopilotKit：32.7K Stars！构建Agent原生应用的最佳SDK，让AI真正融入你的产品

    CopilotKit：32.7K Stars！构建Agent原生应用的最佳SDK，让AI真正融入你的产品

    项目简介

    做AI应用开发的朋友，大概率都遇到过一个尴尬：

    你接了LLM，写了Prompt，聊天窗口跑起来了。然后用户说”帮我查订单”，你的Agent调用了工具，返回一段文字——但用户真正想要的，是一个可以点击的订单卡片、一个可以筛选的表单、一张可以交互的图表。

    CopilotKit 要解决的，就是这个问题。32.7K Stars，MIT协议，一句话说清楚：它是构建Agent原生应用的全栈SDK，让AI不仅能”说”，还能”做界面”。

    安装要求和过程

    环境要求

    • Node.js 18+
    • React 18+（React版本）；Angular/Vue也已支持
    • TypeScript（推荐）

    快速开始（新项目）

    npx copilotkit@latest create -f nextjs

    已有项目接入

    npx copilotkit@latest init

    执行后自动完成：核心包安装、Provider配置、Agent与UI连接、部署就绪配置。

    安装React核心包

    npm install @copilotkit/react-core @copilotkit/react-ui

    核心功能

    1. 生成式UI（Generative UI）

    这是CopilotKit最招牌的能力。传统聊天AI返回的是文字，CopilotKit让Agent在运行时动态生成前端组件。比如用户说”画一个销售漏斗图”，Agent可以直接生成一个React组件渲染在聊天窗口里，而不是返回一段描述。

    2. AG-UI协议的主导者

    CopilotKit主导了AG-UI协议的制定，这个协议已经被Google、LangChain、AWS、Microsoft、Mastra、PydanticAI等主流AI厂商采纳。它的作用是实现Agent与用户界面的标准化通信——你可以理解为”AI界面的HTTP协议”。用了CopilotKit，你的Agent天然支持这个协议，未来对接其他厂商的生态会很顺畅。

    3. 人机协同工作流

    有些操作，AI不能自己拍板。CopilotKit支持Agent执行过程中主动暂停，请求人工确认后再继续。比如”我准备删除这三条数据，确认？”——用户点确认，Agent再执行。这个能力在金融、医疗、企业审批等场景里几乎是必需的。

    4. 共享状态管理

    Agent和UI组件之间有一层可实时读写同步的状态层。Agent更新了状态，UI立刻响应；用户在UI上操作，Agent也能立刻感知。这种双向实时交互，是”真正Agent原生应用”和”套壳聊天窗口”之间最本质的差别。

    5. 自学习Agent（早期访问）

    通过人类反馈持续学习（RLHF），Agent可以不用微调模型，就能通过用户反馈自动优化行为。而且支持按用户偏好做个性化适配——也就是说，同一个Agent，给不同用户用，会越来越”懂”那个用户。

    典型使用场景

    场景一：AI客服系统

    用户在聊天窗口说”查我的订单”。传统方案：Agent返回一段文字”您的订单号是xxx，状态是已发货”。

    用了CopilotKit：Agent动态生成一个可交互的订单卡片，用户可以直接在聊天窗口里点击”退款”、”查看物流”、”联系卖家”。整个过程不需要跳转页面，也不需要用户去别的地方操作。

    场景二：企业知识库助手

    结合RAG，用户问”帮我分析Q1各区域的销售趋势”。Agent不仅返回文字结论，还直接生成一张交互式图表，用户可以在聊天窗口里筛选区域、切换时间维度、导出数据。这种体验，是传统”一问一答”的AI客服完全给不了的。

    推荐理由

    我自己试CopilotKit最直接的原因是：受够了”AI聊天窗口”的局限。

    接LLM很方便，但接完之后你会发现，用户真正想要的不是”聊天”，而是”完成任务”。查订单、填表单、看报表——这些事情，纯文字交互的效率是很低的。

    CopilotKit的Generative UI把这个问题解决了。Agent可以动态生成界面，用户可以在聊天窗口里直接操作，整个体验是对话式+界面式的混合——这其实更像人跟人打交道的方式，而不是人跟搜索引擎打交道的方式。

    另外一点是AG-UI协议。现在AI应用开发有个痛点：每接一个平台（Web、移动端、Slack、Teams），都要重新写一套UI逻辑。CopilotKit的AG-UI协议让同一套Agent逻辑可以同时驱动多个平台的UI——这个在多端部署的场景下，省的工作量是很可观的。

    下载地址

    GitHub仓库：https://github.com/CopilotKit/CopilotKit（32.7K+ Stars）

    官方网站：https://www.copilotkit.ai/

    开发文档：https://docs.copilotkit.ai/

    npm安装：npm install @copilotkit/react-core @copilotkit/react-ui

  • LiteLLM：49.4K Stars！统一100+ LLM API网关，让多模型调用不再碎片化

    LiteLLM：49.4K Stars！统一100+ LLM API网关，让多模型调用不再碎片化

    LiteLLM

    📌 项目简介

    LiteLLM 是 BerriAI 团队维护的开源 AI 网关，为 100+ 大语言模型提供统一访问接口，支持 OpenAI 格式调用，内置成本跟踪、安全防护、负载均衡等企业级能力。Y Combinator W23 孵化项目，Stripe、Netflix、Google ADK 等大厂均在用。

    🔧 安装要求和过程

    环境要求

    • Python 3.8+ 环境
    • 推荐使用 uv 包管理器（也可使用 pip）
    • 本地开发额外依赖：docker-compose（用于启动数据库、Prometheus 等依赖服务）

    快速安装步骤

    # 1. 克隆仓库
git clone https://github.com/BerriAI/litellm.git && cd litellm

# 2. 安装开发依赖
make install-dev

# 3. 初始化虚拟环境
python -m venv .venv
# Linux/Mac:
source .venv/bin/activate
# Windows:
.venv\Scripts\activate
uv sync --all-extras --group proxy-dev

# 4. 生成 Prisma 客户端
uv run prisma generate && prisma generate

# 5. 启动本地服务（后端）
python litellm/proxy/proxy_cli.py

# 6. 启动前端（另开终端）
cd ui/litellm-dashboard && npm install && npm run dev

    💡 Docker 快速启动：

    docker run -v $(pwd)/litellm_config.yaml:/app/config.yaml -p 4000:4000 berriai/litellm:latest

    🚀 核心功能

    🌐 统一 LLM 调用

    支持 100+ LLM 厂商（OpenAI、Anthropic、AWS Bedrock、Azure、Google Vertex AI、Cohere、HuggingFace、vLLM、NVIDIA NIM 等），所有调用兼容 OpenAI API 格式，切换模型无需修改业务代码。

    🛡️ AI 网关能力

    虚拟 API 密钥管理、多租户成本跟踪、负载均衡、重试/fallback 逻辑、安全防护规则、调用日志，并提供 管理后台 UI可视化监控。

    🤖 智能体（A2A）支持

    支持调用 LangGraph、Azure AI Foundry、Bedrock AgentCore 等平台的智能体，提供 A2A 协议适配，可统一接入各类智能体服务。

    🔗 MCP 工具桥接

    可将 MCP 服务器的工具转换为 OpenAI 格式 tool 定义，直接对接任意 LLM；支持通过网关统一代理 MCP 工具调用。

    🏢 企业级特性

    单点登录（SSO）、自定义集成、专属支持、SLA 保障、功能优先级定制。高性能：1k RPS 场景下 P95 延迟仅 8ms。

    💡 典型使用场景

    场景一：多模型切换，代码零改动

    开发阶段使用 GPT-4o 快速验证，生产环境切换到 Claude Sonnet，只需修改 model 参数，业务代码无需任何改动：

    # 同一套代码，切换不同模型
from litellm import completion

response = completion(
    model="openai/gpt-4o",
    messages=[{"role": "user", "content": "Hello!"}]
)

response = completion(
    model="anthropic/claude-sonnet-4-20250514",
    messages=[{"role": "user", "content": "Hello!"}]
)

    场景二：企业 LLM 调用管理与成本跟踪

    为不同团队/项目分配虚拟 API 密钥，按维度统计 LLM 调用花费，设置安全防护规则（如屏蔽敏感词、限制调用频率），所有调用日志可视化。

    知名用户包括：Stripe、Netflix、Google ADK、Grepile、OpenHands、OpenAI Agents SDK。

    场景三：MCP 工具无缝对接 LLM

    通过 LiteLLM 的 MCP 工具桥接功能，可以将任何 MCP 服务器的工具转换为 OpenAI 格式，让任意 LLM 都能调用这些工具，无需为每个 LLM 单独适配。

    💬 推荐理由

    LiteLLM 解决了 AI 应用开发中最痛点的问题之一——多厂商 LLM 接口不统一。以前需要为每个厂商写一套调用代码，现在只需一套 OpenAI 格式代码，通过 model="anthropic/claude-sonnet-4-20250514" 这样的格式就能无缝切换。

    对于需要调用多个 LLM 的应用（比如 AI Agent 系统），LiteLLM 几乎是标配组件。Stripe、Netflix、Google ADK 等大厂都在用，说明其稳定性和性能已经过生产验证。

    最打动我的一点：它不只做模型路由，还内置了成本跟踪、负载均衡、安全防护等企业级功能，真正把”调用 LLM”这件事做成了一个完整的网关产品，而不只是一个简单的路由库。

    LiteLLM – 让100+ LLM 调用，从此只有一种方式。

  • supermemory：25.6K Stars！AI时代记忆引擎，让AI真正记住你

    supermemory：25.6K Stars！AI时代记忆引擎，让AI真正记住你

    配图

    supermemory

    项目简介

    supermemory 是一个专为AI时代设计的记忆引擎，解决AI助手”转头就忘”的痛点。它能自动从对话中提取事实、维护用户画像、支持混合搜索（RAG+记忆），在LongMemEval、LoCoMo、ConvoMem三大基准测试中均排名第一。

    安装要求和过程

    环境要求

    环境 要求
    Node.js v18+
    Python 3.9+
    API Key supermemory.ai 控制台获取

    快速安装

    方式一：MCP服务器（推荐，无需写代码）

    # Claude/Cursor/Windsurf 一键安装
npx -y install-mcp@latest https://mcp.supermemory.ai/mcp --client claude --oauth=yes

    方式二：API调用（开发者）

    # Node.js/TypeScript
npm install supermemory

# Python
pip install supermemory

    方式三：官方应用（零代码）

    访问 app.supermemory.ai 直接使用，支持浏览器扩展、Discord机器人等多种接入方式。

    核心功能

    功能 说明
    自动记忆管理 从对话中自动提取事实，处理信息矛盾（如”搬到旧金山”覆盖”住在纽约”），自动遗忘过期内容，单次调用约50ms
    用户画像维护 自动维护稳定事实（偏好、习惯）+ 近期活动上下文，两大维度合并，让AI真正”认识你”
    混合搜索 单条查询同时支持RAG（知识库检索）+ 记忆检索，一次性返回文档结果和个性化上下文
    多平台连接器 支持Google Drive、Gmail、Notion、OneDrive、GitHub等平台自动同步，支持实时webhook更新
    多模态内容提取 支持PDF、图片（OCR）、视频（转录）、代码（AST感知分块）等内容的上传和解析

    典型使用场景

    场景一：给Claude/Cursor加上”永久记忆”

    通过MCP服务器接入后，AI助手会自动调用 memory 工具保存重要信息，调用 recall 工具搜索历史记忆。你说出”我喜欢TypeScript函数式编程”，AI下次写代码时会自动遵循这个偏好，不再需要每次重复背景。

    场景二：为AI产品构建上下文栈

    通过单个API调用获得完整的上下文能力，无需自己配置向量数据库、embedding管道、分块策略。Vercel AI SDK、LangChain、LangGraph、OpenAI Agents SDK等主流框架均可直接嵌入，几行代码完成集成。

    场景三：企业知识库+个人记忆融合

    supermemory的混合搜索模式，让AI既能检索企业知识库文档（RAG），又能记住每个用户的个性化偏好和历史对话（记忆），两种能力融合，特别适合企业AI助手、客服机器人等场景。

    推荐理由

    AI助手的”失忆症”是 currently 最大的体验短板——每次新对话都要重新介绍背景，让人疲惫。supermemory 把这个痛点打穿了。

    我实际测试下来，最打动我的是混合搜索设计：它不是简单的RAG检索，而是把”知识库文档”和”用户记忆”放在同一次查询里返回，AI的回答既有知识依据、又有个性化上下文，体验差距非常明显。

    另外，MCP服务器的接入方式对普通用户极其友好——一条命令让Claude Desktop、Cursor、Windsurf等工具全部获得持久记忆，不需要写任何代码，这才是AI基础设施该有的样子。

    三大基准测试全部排名第一，说明这个方向的技术路线是扎实的，不是噱头。

    下载地址

    来源 链接
    GitHub仓库 github.com/supermemoryai/supermemory（25.6K ⭐）
    官方网站 supermemory.ai
    文档中心 supermemory.ai/docs
    控制台 console.supermemory.ai
    npm包 npmjs.com/package/supermemory
    PyPI包 pypi.org/project/supermemory

    开源协议：MIT | 主要语言：TypeScript | 最后更新：2026年6月

  • Chroma：43.1K Stars！开源向量数据库，让AI应用拥有长期记忆

    Chroma Banner

    开源向量数据库 · 让AI拥有长期记忆

    📦 项目简介

    Chroma 是专为AI应用打造的开源嵌入式向量数据库，让大模型拥有”长期记忆”。它通过简单的Python/JavaScript API，帮助你快速存储、查询和检索文本Embedding向量，是构建RAG（检索增强生成）应用的首选基础设施。

    🔗 GitHub：chroma-core/chroma　⭐ Stars：43.1K+　📄 协议：Apache 2.0

    🔧 安装要求和过程

    环境要求

    依赖 要求
    Python ≥ 3.8（推荐 3.10+）
    内存 ≥ 4GB（生产环境建议 8GB+）
    存储 ≥ 1GB 可用空间
    可选后端 SQLite（默认）、DuckDB（分析场景）

    快速安装（3行代码搞定）

    pip install chromadb

import chromadb
client = chromadb.Client()  # 开箱即用！

    Docker 部署（生产推荐）

    docker run -d --name chroma \
  -p 8000:8000 \
  ghcr.io/chroma-core/chroma:latest

    部署后访问 http://localhost:8000 即可使用 HTTP API。

    🔩 核心功能

    功能 说明
    多模态向量搜索 支持文本、图像、音频的 Embedding 存储与相似度检索
    多客户端 SDK Python、JavaScript/TypeScript、REST API 全覆盖
    全文+向量混合搜索 结合关键词匹配与语义搜索，提升召回率
    内置 Embedding 函数 默认集成 Sentence Transformers，无需外部 API
    持久化存储 支持本地持久化、DuckDB 后端，数据不丢失

    💡 典型使用场景

    场景一：RAG（检索增强生成）应用

    将企业文档、知识库存入 Chroma，用户提问时先检索相关片段，再送给 LLM 生成答案。相比直接问 LLM，准确率提升 40%+，幻觉大幅减少。

    # RAG 核心代码（不到 20 行！）
collection = client.create_collection("docs")
collection.add(
    documents=["公司报销流程...", "年假申请..."],
    ids=["1", "2"]
)
results = collection.query(query_texts=["如何报销？"], n_results=1)
# results 包含最相关的文档片段

    场景二：AI Agent 长期记忆

    让 AutoGPT、CrewAI 等 Agent 框架拥有跨会话记忆。将历史对话的 Embedding 存入 Chroma，下次对话时自动检索上下文，实现”越用越懂你”。

    场景三：语义推荐系统

    电商、内容平台的”猜你喜欢”，用 Chroma 存储商品/内容向量，用户行为向量实时检索最相似物品，推荐相关度远超协同过滤。

    🌟 推荐理由

    Chroma 是我见过最易上手的向量数据库，没有之一。不需要学 SQL，不需要配置复杂集群，pip install 之后 3 行代码就能跑起来。

    相比 Pinecone 等托管服务，Chroma 完全开源、可自托管，数据不出门，合规零风险。相比 Faiss，它提供了完整的 CRUD API 和持久化，不用每次重启都重新建索引。

    如果你正在做 RAG、AI 搜索、推荐系统，或者想给 Agent 加上记忆，Chroma 是目前开发体验最好的选择。LangChain、LlamaIndex、Supabase 都已官方集成，生态非常成熟。

    📥 下载地址

    渠道 链接 / 命令
    GitHub 仓库 github.com/chroma-core/chroma
    官网文档 docs.trychroma.com
    PyPI 安装 pip install chromadb
    npm 安装 npm install chromadb
    Docker 镜像 ghcr.io/chroma-core/chroma:latest

    — 开源项目第52期 | 夜野飞云 —

  • Chroma：43.1K Stars！开源向量数据库，让AI应用拥有长期记忆

    Chroma：43.1K Stars！开源向量数据库，让AI应用拥有长期记忆

    Chroma Banner

    开源向量数据库 · 让AI拥有长期记忆

    📦 项目简介

    Chroma 是专为AI应用打造的开源嵌入式向量数据库，让大模型拥有”长期记忆”。它通过简单的Python/JavaScript API，帮助你快速存储、查询和检索文本Embedding向量，是构建RAG（检索增强生成）应用的首选基础设施。

    🔗 GitHub：chroma-core/chroma　⭐ Stars：43.1K+　📄 协议：Apache 2.0

    🔧 安装要求和过程

    环境要求

    依赖 要求
    Python ≥ 3.8（推荐 3.10+）
    内存 ≥ 4GB（生产环境建议 8GB+）
    存储 ≥ 1GB 可用空间
    可选后端 SQLite（默认）、DuckDB（分析场景）

    快速安装（3行代码搞定）

    pip install chromadb

import chromadb
client = chromadb.Client()  # 开箱即用！

    Docker 部署（生产推荐）

    docker run -d --name chroma \
  -p 8000:8000 \
  ghcr.io/chroma-core/chroma:latest

    部署后访问 http://localhost:8000 即可使用 HTTP API。

    🔩 核心功能

    功能 说明
    多模态向量搜索 支持文本、图像、音频的 Embedding 存储与相似度检索
    多客户端 SDK Python、JavaScript/TypeScript、REST API 全覆盖
    全文+向量混合搜索 结合关键词匹配与语义搜索，提升召回率
    内置 Embedding 函数 默认集成 Sentence Transformers，无需外部 API
    持久化存储 支持本地持久化、DuckDB 后端，数据不丢失

    💡 典型使用场景

    场景一：RAG（检索增强生成）应用

    将企业文档、知识库存入 Chroma，用户提问时先检索相关片段，再送给 LLM 生成答案。相比直接问 LLM，准确率提升 40%+，幻觉大幅减少。

    # RAG 核心代码（不到 20 行！）
collection = client.create_collection("docs")
collection.add(
    documents=["公司报销流程...", "年假申请..."],
    ids=["1", "2"]
)
results = collection.query(query_texts=["如何报销？"], n_results=1)
# results 包含最相关的文档片段

    场景二：AI Agent 长期记忆

    让 AutoGPT、CrewAI 等 Agent 框架拥有跨会话记忆。将历史对话的 Embedding 存入 Chroma，下次对话时自动检索上下文，实现”越用越懂你”。

    场景三：语义推荐系统

    电商、内容平台的”猜你喜欢”，用 Chroma 存储商品/内容向量，用户行为向量实时检索最相似物品，推荐相关度远超协同过滤。

    🌟 推荐理由

    Chroma 是我见过最易上手的向量数据库，没有之一。不需要学 SQL，不需要配置复杂集群，pip install 之后 3 行代码就能跑起来。

    相比 Pinecone 等托管服务，Chroma 完全开源、可自托管，数据不出门，合规零风险。相比 Faiss，它提供了完整的 CRUD API 和持久化，不用每次重启都重新建索引。

    如果你正在做 RAG、AI 搜索、推荐系统，或者想给 Agent 加上记忆，Chroma 是目前开发体验最好的选择。LangChain、LlamaIndex、Supabase 都已官方集成，生态非常成熟。

    📥 下载地址

    渠道 链接 / 命令
    GitHub 仓库 github.com/chroma-core/chroma
    官网文档 docs.trychroma.com
    PyPI 安装 pip install chromadb
    npm 安装 npm install chromadb
    Docker 镜像 ghcr.io/chroma-core/chroma:latest

    — 开源项目第52期 | 夜野飞云 —

  • OpenAI给Codex加了6个新岗位插件，白领的AI同事上线了

    OpenAI周一扔出一个不小的更新：Codex不再只是程序员的玩具，他们给这款AI智能体一口气加了6个岗位插件，直接把触角伸进了数据分析、销售、产品设计这些典型的白领工作场景。

    背后的数据挺能说明问题。OpenAI在同步发布的一份内部报告里透露，Codex现在的周活跃用户已经突破500万，比2月份桌面应用刚上线时涨了6倍多。更有意思的是用户结构——开发者仍然是最庞大的群体，但知识型工作者的占比已经到了20%，而且这个群体的增速是其他群体的3倍以上。

    Codex的周活跃用户超过500万，知识型工作者目前约占用户总数的20%，且增长速度比其他群体快3倍以上。

    6个新插件，瞄准具体岗位

    这次推出的插件覆盖了6个岗位：数据分析、创意制作、销售、产品设计、股权投资、投行。每个插件都整合了对应的集成接口、操作说明和场景上下文，让Codex能够模拟特定岗位的工作方式。用OpenAI的话说，这些插件开箱就能用，当然你自定义得越多，它干得越顺手。

    这个打法看着眼熟——Anthropic今年2月就推过面向企业的智能体插件项目，5月又专门针对金融服务推出更细分的智能体。OpenAI传统上更偏消费者市场，拉企业客户的速度慢了半拍，直到3月才给Codex引入插件支持。这次算是追了上来，而且声势更大。

    不只是插件，还有两个新功能

    除了插件，OpenAI还顺手发了两个新功能。一个是Sites，让Codex把工作成果直接输出成可交互的托管网站，不再只是一堆本地文件。为了支撑这个功能，OpenAI拉了一帮合作伙伴进来，包括Wix、Base44、Replit、Lovable、Figma和Emergent，而且明确表示还要继续扩这个生态。

    另一个是Annotations（注释），用户可以指定Codex中某个文档或文件的特定部分，让AI在那段上下文里执行更精准的指令。这个设计挺实用的，尤其是处理长文档的时候。

    更大的一盘棋

    这次更新发布的三周前，OpenAI刚为了企业客户推出了一家新的合资企业，叫”OpenAI Deployment Company”，拿到了全球投资机构超过40亿美元的资金支持。这个公司的目标很明确：把OpenAI的工具更深地嵌进全球企业的运营里。

    OpenAI首席营收官丹妮丝·德莱瑟在声明里说了一句话，挺能代表他们现在的思路：”AI正变得能够在组织内部完成越来越有价值的工作，现在的挑战是帮助企业把这些系统整合到支撑其业务的基础架构和工作流中。”

    这话翻译过来就是：工具已经差不多了，接下来要把它真正塞进企业的日常运转里。Codex这波更新，明显是冲着这个目标去的。

  • BabyAGI：22.3K Stars！任务驱动自主AI智能体，让AI学会自己拆解目标

    BabyAGI：22.3K Stars！任务驱动自主AI智能体，让AI学会自己拆解目标

    BabyAGI 项目封面

    📌 项目简介

    BabyAGI 是一个实验性的任务驱动自主AI智能体框架，由 Yohei Nakajima 于 2023 年发布，开创了让 AI 自主拆解任务、循环执行的先河。它用极简的 Python 代码展示了 AGI（通用人工智能）的雏形，是整个自主智能体领域的鼻祖级项目。

    🔧 安装要求和过程

    环境要求

    • Python 3.9+
    • OpenAI API Key（或兼容 API）
    • pip 包管理器

    快速安装

    # 方式一：使用 pip 安装（推荐）
pip install babyagi

# 方式二：克隆仓库
git clone https://github.com/yoheinakajima/babyagi.git
cd babyagi
pip install -r requirements.txt

# 配置环境变量
export OPENAI_API_KEY="your-api-key-here"
export OBJECTIVE="Solve world hunger"  # 设置任务目标

# 运行
python main.py

    Docker 部署

    docker build -t babyagi .
docker run -e OPENAI_API_KEY=your_key -e OBJECTIVE="your objective" babyagi

    ⚡ 核心功能

    🎯 自主任务拆解

    自动将大目标拆解为可执行的小任务，无需人工干预，持续循环执行直到目标完成。

    🧠 长期记忆机制

    通过 Pinecone 向量数据库存储和检索历史任务信息，让 AI 拥有”记忆”，避免重复劳动。

    🔄 任务优先级排序

    自动评估任务列表，根据目标智能排序执行优先级，确保最重要的任务优先完成。

    📊 functionz 函数框架

    内置全新的函数管理框架，支持函数注册、依赖追踪、密钥管理和自动执行，是项目的核心引擎。

    🖥️ 可视化 Dashboard

    配套 Web 管理面板，实时查看函数执行状态、依赖关系、密钥配置和完整执行日志。

    🏗️ 自构建能力

    实验性 self_build 功能，让 AI 根据用户需求自动生成新函数，实现智能体的自我扩展。

    🚀 典型使用场景

    场景一：自动化研究助手

    设定目标”研究并总结 Transformer 架构的最新进展”，BabyAGI 会自动拆解任务：搜索论文 → 阅读摘要 → 提取要点 → 生成总结报告。整个过程无需人工干预，是研究员和学生的效率神器。

    场景二：代码自动生成与执行

    通过 functionz 框架，让 BabyAGI 自动生成解决特定问题的 Python 函数，并注册到系统中供后续调用。配合 self_build 功能，AI 可以根据新需求动态扩展自己的能力边界。

    场景三：多步骤任务自动化

    设定目标”每天早上 9 点抓取 Hacker News 首页前 10 条内容并发送到我的邮箱”，BabyAGI 会拆解任务、编写爬虫函数、配置定时执行，真正实现”设定一次，自动运行”。

    💡 推荐理由

    BabyAGI 是整个 AI Agent 自主智能体浪潮的开山之作。2023 年 4 月，Yohei Nakajima 用不到 200 行 Python 代码，向全世界展示了 AI 可以自主拆解任务、循环执行、不断逼近目标——这个 Demo 直接催生了 AutoGPT、AgentGPT 等后续数百个自主智能体项目。

    虽然项目作者明确表示”不适合生产环境”，但它作为学习自主智能体原理的教科书级案例，价值无可替代。如果你想理解 AI Agent 是怎么”思考”的，读一遍 BabyAGI 的源码，比看十篇论文都管用。

    新一代 BabyAGI（基于 functionz 框架）更进一步，引入了函数管理、依赖追踪、自构建等生产级概念，为自主智能体的工程化落地提供了宝贵思路。⭐ 历史地位 + 学习价值，强烈推荐给每一位 AI 开发者！

    ⭐ 如果你觉得这个项目有用，请在 GitHub 上给它一个 Star！

    标签：AI Agent自主智能体开源