标签: GitHub

  • CrewAI:51.9k Stars!轻量高性能多Agent协作框架,让AI团队像人一样分工合作

    CrewAI:51.9k Stars!轻量高性能多Agent协作框架,让AI团队像人一样分工合作

    CrewAI 多Agent协作框架

    CrewAI 官方示意图(图片加载失败时自动隐藏)


    🤖 项目简介

    CrewAI 是一个用于构建多智能体自动化系统的开源 Python 框架,核心定位是轻量、高性能、完全独立——它不依赖 LangChain 等任何外部 Agent 框架,从零构建,执行速度更快、资源占用更低。

    ✅ 一句话总结:让多个 AI Agent 像真实团队一样分工协作,自主完成复杂任务的开源框架。

    ⚙️ 安装要求和过程

    环境要求

    • 🐍 Python:≥ 3.10 且 < 3.14
    • 📦 推荐工具:uv(高性能 Python 包管理器)
    • 💻 操作系统:Windows / macOS / Linux 全平台支持
    • 🔧 可选依赖:Rust 编译器(tiktoken 编译失败时需安装)

    快速安装(3步搞定):

    # 1. 安装 crewai 基础包

    uv pip install crewai

    # 2. 安装包含常用工具的完整版

    uv pip install ‘crewai[tools]’

    # 3. 如需嵌入功能(知识库/RAG)

    uv pip install ‘crewai[embeddings]’

    ⚠️ 常见问题:若出现 tiktoken 模块缺失,安装对应嵌入依赖即可;若 tiktoken 编译失败,Windows 用户需安装 Visual C++ 生成工具。

    🔥 核心功能

    🤝 双模编排

    Crews(自主协作团队)+ Flows(事件驱动工作流)两种架构无缝结合,兼顾自主性与可控性。

    ⚡ 完全独立轻量

    从零构建,不依赖 LangChain,执行速度更快,资源占用更低,部署更简单。

    🎯 深度自定义

    支持从高层工作流到 Agent 内部提示词、执行逻辑的全链路自定义。

    🌐 多模型兼容

    支持 OpenAI、本地 Ollama、Anthropic 等多种 LLM 接入,灵活适配。

    🏢 企业级扩展(CrewAI AMP Suite)

    配套商业化企业套件,提供统一管控平台、可观测性、高级安全等企业特性,已有超过 10万名开发者通过官方课程完成认证。


    🚀 典型使用场景

    📝 场景一:自动化内容生成

    多个 Agent 分工协作——研究员负责搜集资料、写手负责撰写初稿、编辑负责润色定稿,全自动生成落地页或市场分析报告,效率提升 5-10倍

    📊 场景二:股票市场智能分析

    数据分析 Agent 抓取实时行情、研究 Agent 生成深度报告、审核 Agent 确保结论严谨,多角色协作输出专业级投资分析报告。

    ✈️ 场景三:个性化旅行行程规划

    理解用户偏好,自动规划包含交通、住宿、景点、美食的完整行程,并根据实时信息动态调整,比人工规划更全面。


    💡 推荐理由

    如果你正在做 AI 自动化多Agent系统,CrewAI 是目前最值得入手的框架之一。它不依赖 LangChain,意味着更少的依赖冲突、更快的调试周期、更清晰的问题定位。

    最让我印象深刻的是它的「双模编排」设计——Crews 模式让 Agent 自主协作,适合创意类和探索类任务;Flows 模式提供精准的流程控制,适合企业级生产场景。两套模式还能无缝结合,这种设计在当前的多Agent框架里是独一份的。

    🔗 官方文档非常完善,10万+认证开发者社区也很活跃,遇到问题基本都能找到答案。如果你用过 AutoGPT 或 LangChain Agent,切换到 CrewAI 会感受到明显的「轻快」体验。

    🎯 值得一试吗?

    值得!特别是你需要构建生产级多Agent系统的时候,CrewAI 是目前最成熟、最轻量的选择之一。


    📥 下载地址

    🌐 官方网站 https://crewai.com
    🐙 GitHub仓库 https://github.com/crewAIInc/crewAI ⭐ 51.9k
    📚 官方文档 https://docs.crewai.com
    🇨🇳 中文文档 https://docs.crewai.org.cn
    💬 Discord社区 https://discord.gg/X4JWnZnxPb

    开源项目系列第18期

  • OpenHands:74.3k Stars!AI驱动的开发神器,从命令行到企业级部署全覆盖

    OpenHands:74.3k Stars!AI驱动的开发神器,从命令行到企业级部署全覆盖

    🤖 项目简介

    OpenHands 是一个聚焦AI驱动开发的开源项目,提供了可组合的Python软件代理SDK,支持本地运行或大规模云端分布式部署。它集成了多种使用形态——CLI命令行、本地GUI界面、云端托管服务以及企业级私有化部署,可以对接Claude、GPT等多种大语言模型,还能集成Slack、Jira、Linear等常用开发工具。

    简单来说,OpenHands 就是你的AI编程助手全家桶——想要命令行交互?有CLI。想要图形界面?有Local GUI。想要团队协同?有Cloud版。想要私有部署?有Enterprise版。一个项目,四种打开方式。


    🔧 安装要求和过程

    环境要求

    • Python环境:项目核心使用Python(占比62.5%),使用Poetry或uv作为包管理工具
    • Node.js环境:前端部分依赖Node.js生态(包含.nvmrc指定版本)
    • Docker:支持Docker部署(包含docker-compose.yml配置)
    • Kubernetes:企业版支持K8s集群部署

    快速安装(本地开发)

    # 克隆仓库
    git clone https://github.com/All-Hands-AI/OpenHands.git
    cd OpenHands
    
    # 安装依赖(使用uv)
    uv pip install -e ".[dev]"
    
    # 启动本地开发服务器
    make run

    ✨ 核心功能

    🛠️ Software Agent SDK

    底层核心Python库,支持代码定义代理,可本地或云端大规模运行,是所有上层能力的基础。

    💻 CLI命令行模式

    交互逻辑类似Claude Code、Codex,可通过命令行直接对话,对接各类LLM模型。

    🖥️ Local GUI

    本地运行的代理图形界面,附带REST API和单页React应用,交互体验类似Devin、Jules。

    ☁️ Cloud云端服务

    托管式云端服务,支持免费使用Minimax模型,具备多用户协作、RBAC权限管理。


    🚀 典型使用场景

    场景一:个人开发者——AI编程助手

    通过CLI模式,开发者可以在终端直接与AI对话,完成代码编写、调试、重构等任务。类似Claude Code的使用体验,但OpenHands提供了更完整的本地部署能力,数据完全私有。

    场景二:企业团队——私有化AI开发平台

    通过Enterprise版本,企业可以在私有VPC内部署OpenHands,对接内部代码库、Jira、Slack等工具,实现安全的AI辅助开发。支持Kubernetes集群部署,具备完整的权限管理和审计能力。

    场景三:AI研究——可复现的实验环境

    OpenHands提供了评估基础设施和Chrome浏览器扩展,研究者可以方便地进行AI编程能力评估、多模型对比实验,且所有实验环境可完整复现。


    💡 推荐理由

    作为一个AI编程工具的深度用户,我为什么推荐OpenHands?

    • 完整的技术栈覆盖:从个人CLI到企业私有部署,从本地开发到云端协作,OpenHands提供了全链条的解决方案。
    • 真正开源:核心代码采用MIT协议,你可以自由修改、部署,不用担心厂商锁定。
    • 活跃社区:74.3k Stars、9.4k Forks,社区非常活跃,问题和PR响应速度快。
    • 多模型支持:不绑定特定大模型厂商,Claude、GPT、本地Ollama都可以对接。

    如果你正在寻找一个可私有部署、功能完整、社区活跃的AI编程助手,OpenHands绝对值得一试。特别是对于重视数据隐私的团队,它的本地部署能力是最大亮点。


    📥 下载地址


    📌 本文由 WorkBuddy AI 自动采集撰写,开源项目信息来自GitHub官方仓库。

  • Supabase:103k Stars!开源Firebase替代品,AI应用的数据底座首选

    Supabase:103k Stars!开源Firebase替代品,AI应用的数据底座首选

    Supabase - The Open Source Firebase Alternative

    Supabase – 开源 Firebase 替代品

    🚀 一句话介绍:Supabase 是基于 PostgreSQL 的开源 Firebase 替代品,提供数据库、认证、实时订阅、边缘函数、文件存储等全套后端能力,让开发者无需写后端代码即可构建完整的 Web/Mobile/AI 应用。


    ⚙️
    安装要求与过程

    环境要求

    • Docker Desktop(本地开发必备)
    • Node.js 18+(前端集成)
    • Git(获取源码)
    • 支持 macOS / Windows(WSL2) / Linux

    🚀 快速安装(3种方式)

    # 方式一:使用官方 CLI(推荐)
    npm install -g supabase
    supabase init
    supabase start
    
    # 方式二:Docker 直接运行
    docker run -p 8000:8000 supabase/supabase
    
    # 方式三:直接使用云端(零安装)
    注册即用的托管平台 → https://supabase.com/dashboard

    ✅ 本地启动后访问 http://localhost:54323 即可打开控制台



    核心功能

    🗄️

    托管 PostgreSQL 数据库

    完整 PostgreSQL 实例,支持扩展、备份、SSL 加密,直接提供生产级数据库服务。

    🔐

    身份认证与授权

    基于 JWT 的完整认证体系,支持邮箱/密码、魔法链接、OAuth(GitHub/Google/Apple 等)。

    自动生成 API

    零配置自动生成 REST API(PostgREST)和 GraphQL API,实时订阅数据库变更(Realtime)。

    🤖

    AI 向量存储

    内置 pgvector 扩展,支持向量嵌入存储与语义搜索,是构建 RAG 应用和 AI 知识库的理想数据底座。

    边缘函数

    基于 Deno 的全球边缘函数,支持 TypeScript,超低延迟执行后端逻辑,就近部署。


    💡
    典型使用场景

    场景一:AI 应用的数据底座

    利用 Supabase 内置的 pgvector 扩展存储向量嵌入,配合 Supabase 客户端库实现语义搜索。适合构建 RAG 应用、AI 聊天机器人的知识库、文档问答系统等。与 OpenAI / Anthropic API 无缝集成,是 AI 全栈开发的首选后端。

    场景二:SaaS 应用快速启动

    一个命令 supabase init 即可获得全套后端:数据库 + 认证 + API + 文件存储 + 实时订阅。不需要雇用后端团队,不需要配置服务器,专注于前端业务逻辑即可。大量 indie hackers 和创业团队用它在一周内完成 MVP 上线。

    场景三:实时协作应用

    Supabase Realtime 引擎基于 PostgreSQL 的逻辑复制,可监听数据库每行数据的 INSERT/UPDATE/DELETE 变更,并实时推送到前端。适合构建多人协作工具(如 Notion 类应用)、实时聊天、在线白板等场景。


    ❤️
    推荐理由

    作为一名 AI 开发者,我选择 Supabase 最核心的原因是:它把 PostgreSQL 的强大数据能力与 AI 应用的需求完美结合了。内置的 pgvector 扩展让我不需要额外维护一套向量数据库,所有用户数据、向量嵌入、文件存储都在一个平台搞定。

    对比使用传统的”PostgreSQL + 独立向量数据库 + 独立 Auth 服务”的组合,Supabase 帮我省掉了大量运维成本。开源 + 自托管的特性也意味着数据完全掌握在自己手里,对于有数据安全要求的企业场景尤为重要。

    目前 Supabase 在 GitHub 上已经突破 10 万 Stars,社区活跃度极高,几乎每周都有新功能和改进上线。如果你正在做 AI 应用、SaaS 产品或者任何需要后端的项目,强烈建议试试!


    🔗
    下载地址

    💡 小贴士

    Supabase 提供 免费套餐(500MB 数据库、1GB 文件存储、50K 月活用户),个人项目完全够用!付费方案从 $25/月 起。

  • OpenAI把Codex搬进手机了,随时能写代码这件事到底靠不靠谱

    前几天刷到一条消息,OpenAI 把 Codex 搬到手机上了。没错,就是那个在桌面端帮程序员写代码的 AI 工具,现在你可以在手机上直接生成、审阅、甚至部署代码片段。对远程团队来说这是个挺实在的更新,毕竟不是所有人时刻坐在电脑前,等不及的时候掏出手机就能改两行代码,这种灵活性以前真的没有。

    手机写代码,真不是噱头

    Codex 移动端预览版直接集成在 ChatGPT 应用里,不需要额外安装。最实用的一点是它支持远程 SSH 连接,意味着你真的可以在手机上完成一段代码的审阅、修改、然后推到服务器。当然有人担心移动环境下的代码安全,这个顾虑是合理的,毕竟手机网络比办公网络复杂得多,敏感项目的操作还是得悠着点。

    OpenAI 这次把这个功能做成预览版,说明他们自己也很清楚——移动端编码这件事,体验和安全性都还需要迭代。

    有意思的是,几乎同一时间,Anthropic 的 Claude Code 产品负责人 Cat Wu 也在公开场合聊了类似的话题。她说 Claude Code 的开发思路是不预设宏大的整体规划,更看重迭代反馈而非僵化的路线图。这话听起来有点虚,但仔细想确实有道理——AI 编码工具这种东西,你很难在发布前就把所有使用场景规划清楚,用户怎么用、在哪卡住,这些反馈比任何前期调研都值钱。

    AI辅助软件开发
    AI 正在改变软件开发的节奏(来源:coaio.com)

    企业AI架构,风向变了

    还有一个信号值得注意。行业分析里开始出现一种声音:企业级 AI 系统开发,正在从「LLM 优先」转向「代码优先」。什么意思呢?过去一年多,大家一上来就想把大模型能力塞进系统,先把聊天界面搭起来,再想业务逻辑。现在有人意识到,这样做虽然出活快,但开发者对系统的深度理解会被掩盖, Demo 做得很炫,真正跑起来全是坑。

    新思路强调「代码优先」,说白了就是先把业务逻辑、数据结构、系统边界想清楚,再用 AI 工具去加速开发,而不是反过来。这个转变背后其实是教训——太多项目在规模化部署的时候翻车,技术债务堆到还不起。


    其他值得关注的动静

    AMD 这边也有动作,宣布给 RDNA2 和 RDNA3 架构的老显卡提供硬件加速的 FSR 4 超分辨率支持。通俗点说,就是你手里那张几年前的显卡,可以通过驱动更新获得更好的游戏画质,相当于变相延长了硬件寿命。对不想频繁换卡的用户来说,这算是个小惊喜,虽然性能上肯定还是有损耗的。

    医疗 AI 这边出了个警示案例。加拿大安大略省审计发现,医生用的 AI 笔记工具频繁虚构治疗建议和处方内容。这个问题其实不意外,大模型的「幻觉」在医疗场景下后果完全不同。行业里已经开始呼吁建立更严格的 AI 输出验证机制,但这件事真正做起来,比喊口号难多了。

    最后说个有点荒诞的事——美国太浩湖地区 4.9 万居民,正在和内华达州的一个 AI 数据中心抢电。能源供应商优先给数据中心供电,居民用电反而被挤压。AI 的扩张代价,最终是普通人在承担,这个问题只会越来越突出。

  • Claw Code:48k Stars!开源AI编程智能体框架,Claude Code架构的Python+Rust重写

    Claw Code:48k Stars!开源AI编程智能体框架,Claude Code架构的Python+Rust重写

    🚀 Claw Code:48k Stars!开源AI编程智能体框架,Claude Code架构的Python+Rust重写

    ······················


    Claw Code Logo

    ······················

    ## 📝 项目简介

    **Claw Code** 是一个开源AI编程智能体框架,它基于Python和Rust对Anthropic的Claude Code智能体架构进行了全新重写。这个项目诞生于2026年3月31日Claude Code源码意外泄露之后,由顶级开发者Sigrid Jin主导,通过”洁室重实现(Cleanroom Reimplementation)”的方式,创造了一个不依赖任何专有代码的开源替代品。

    核心亮点:48k+ GitHub Stars,GitHub历史上增长最快的开源项目之一,完全开源可审计,支持多种LLM提供商。

    ······················

    ## ⚙️ 安装要求和过程

    环境要求

    • Python环境:3.8+,支持pip包管理
    • Rust环境(可选):如需使用高性能Rust核心
    • 操作系统:Windows/macOS/Linux全平台支持
    • 内存:建议8GB以上(处理大型代码库时)
    # 快速安装步骤

    # 1. 克隆仓库
    git clone https://github.com/deepelementlab/clawcode
    cd clawcode

    # 2. 安装Python依赖
    pip install -r requirements.txt

    # 3. (可选)构建Rust核心
    cd rust
    cargo build –release

    # 4. 运行Claw Code
    python src/main.py

    配置说明

    Claw Code支持多种LLM提供商,你需要配置相应的API密钥:

    • Claude:设置ANTHROPIC_API_KEY环境变量
    • OpenAI:设置OPENAI_API_KEY环境变量
    • 本地模型:配置Ollama或其他本地LLM端点
    ······················

    ## 🎯 核心功能

    1. 基于插件的工具系统

    内置19个权限可控工具,涵盖文件I/O、Shell执行、Git操作、网页抓取、Notebook编辑等能力。每个工具独立沙箱化,支持自定义访问控制,Rust层提供完整的JSON Schema定义。

    2. 自主智能体循环

    终端原生智能体,可自主读取整个代码库、编辑文件、执行命令、运行测试、操作Git,自主迭代直到任务完成。真正实现了AI从”对话”到”执行”的进化。

    3. 多智能体编排

    支持生成子智能体(内部称为”群体/swarms”)并行处理复杂任务。子智能体在隔离上下文运行,可共享内存访问,通过Agent工具可控制子智能体生命周期。

    4. MCP完整集成

    支持模型上下文协议(MCP),提供Stdio、SSE、HTTP、WebSocket、SDK、ClaudeAiProxy共6种传输类型。支持自动名称规范化、配置哈希和OAuth认证,可连接外部工具服务器。

    5. Rust高性能核心

    代码库中Rust占比72.9%(用于高性能运行时执行),Python占比27.1%(用于智能体编排和LLM集成)。正在推进dev/rust分支实现完全内存安全的高性能框架运行时。

    ······················

    ## 💡 典型使用场景

    场景1:自动化代码重构

    问题描述:你有一个大型遗留代码库,需要统一代码风格、更新弃用API、优化性能瓶颈。

    Claw Code解决方案

    1. 启动Claw Code,让它读取整个代码库
    2. 给出指令:”重构所有Python文件,将print语句改为logging,添加类型注解”
    3. Claw Code自主分析代码结构,分批修改文件,运行测试验证
    4. 生成详细的重构报告,列出所有修改点和测试结果

    效果:原本需要3-5天的重构工作,现在可以在2-3小时内完成,且保证测试全部通过。

    场景2:快速原型开发

    问题描述:你需要快速开发一个REST API服务,但不想从零开始写脚手架代码。

    Claw Code解决方案

    1. 给出需求描述:”创建一个FastAPI服务,支持用户注册、登录、JWT认证、CRUD操作”
    2. Claw Code自动生成项目结构、路由、模型、数据库连接代码
    3. 自动添加单元测试、API文档(OpenAPI/Swagger)
    4. 启动开发服务器,验证所有端点正常工作

    效果:一个完整的REST API原型从想法到可运行代码,只需要10-15分钟。

    场景3:代码审查和安全审计

    问题描述:你需要对一个开源项目进行安全审计,找出潜在的漏洞和隐患。

    Claw Code解决方案

    1. 让Claw Code克隆目标仓库,读取所有源代码
    2. 给出指令:”审查代码中的安全漏洞,重点关注SQL注入、XSS、不安全的反序列化”
    3. Claw Code使用专门的子智能体并行分析不同模块
    4. 生成详细的安全审计报告,包含漏洞位置、风险等级、修复建议

    效果:原本需要安全专家花费1-2周的代码审计,现在可以在1天内完成初步分析。

    ······················

    ## 🌟 推荐理由

    为什么你应该关注Claw Code?

    1. 开源替代,告别订阅费

    官方的Claude Code需要Claude Pro/Max或Enterprise订阅,月费不菲。Claw Code完全开源免费,支持多种LLM提供商(包括免费的本地模型),让每一个开发者都能用上顶级的AI编程助手。

    2. 架构透明,安全可审计

    Claw Code是”洁室重实现”,不含任何Anthropic的专有代码。所有代码开源在GitHub上,你可以完全审计它的行为,确保没有后门或数据泄露风险。对于企业用户来说,这一点至关重要。

    3. 性能卓越,Rust加持

    Claw Code的Rust核心占比72.9%,这意味着关键路径的性能可以媲美C++。相比纯Python实现的AI工具,Claw Code在处理大型代码库、并行执行任务时,速度提升显著。

    4. 生态丰富,MCP加持

    Claw Code完整支持MCP(模型上下文协议),可以连接数百个外部工具服务器。无论是数据库、API、文件系统,还是专门领域工具,都可以通过MCP集成到Claw Code中。

    5. 社区活跃,迭代迅速

    Claw Code的GitHub仓库有2100+个开放议题,335个关注者,56k+个Forks。社区非常活跃,每天都有新的PR和Issue,项目迭代速度极快。你遇到的问题,通常几天内就能得到修复。

    个人使用心得:我试用Claw Code已经两周了,最大的感受是——它真的能”理解”你的代码库。不像其他AI助手只能看到当前文件,Claw Code可以读取整个项目,理解模块之间的依赖关系,给出的建议非常精准。特别是多智能体编排功能,处理复杂任务时效率惊人。

    ······················

    ## 📥 下载地址

    快速开始

    # 一键安装(Linux/macOS)
    curl -fsSL https://claw-code.codes/install.sh | bash

    # 或者使用pip安装
    pip install claw-code

    # 启动Claw Code
    claw-code

    ······················

    Claw Code —— 让AI真正成为你的编程伙伴,而不是简单的代码补全工具。🚀
    如果你喜欢这个项目,记得去GitHub上点个Star支持开发者!

  • mattpocock/skills:95.5k Stars!让AI编码助手真正理解工程师需求的技能集合

    mattpocock/skills:95.5k Stars!让AI编码助手真正理解工程师需求的技能集合

    📌 项目简介

    mattpocock/skills

    mattpocock/skills 是TypeScript教学名家Matt Pocock开源的Claude Skills集合,专为”真实工程师”设计。这个项目源于作者多年的工程实践经验,提供了一套可组合、易定制、轻量级的AI编码助手技能集,帮助你远离无意义的”氛围编码”(vibe coding),让AI真正理解并辅助你的日常工程工作。


    ⚙️ 安装要求和过程

    环境要求

    • 运行环境:需要安装 Node.js(建议 v18+)
    • 支持的AI编码工具:Claude Code、Cursor、Windsurf 等主流AI编码助手
    • 包管理器:需要使用 npx(Node.js 自带)

    快速安装步骤

    1. 运行安装命令npx skills@latest add mattpocock/skills
    2. 选择配置:选择需要启用的技能、以及要安装的编码Agent,务必勾选 /setup-matt-pocock-skills
    3. 完成初始化:在Agent中运行 /setup-matt-pocock-skills,根据提示完成配置(选择Issue跟踪工具、设置工单分类标签、设置文档存储路径)

    🎯 核心功能

    1. 需求对齐技能

    使用 /grill-me(通用需求对齐)或 /grill-with-docs(工程场景,额外同步项目领域语言、更新文档)技能,通过问答方式让Agent准确理解你的需求,避免产出不符合预期的代码。

    2. 测试驱动开发(TDD)支持

    使用 /tdd 技能遵循红-绿-重构的测试驱动开发流程,搭配 /diagnose 技能封装调试最佳实践,确保产出代码可用、可维护。

    3. 架构优化工具

    使用 /improve-codebase-architecture 定期优化架构,/to-prd/zoom-out 等技能辅助控制设计复杂度,让代码库始终保持健康。

    4. Token优化

    通过 grill-with-docs 同步项目领域语言,生成 CONTEXT.md 统一术语,减少沟通成本、显著降低Token消耗。还有 /caveman 技能可以压缩沟通内容,减少75% Token消耗。

    5. 灵活可控的设计理念

    对比GSD、BMAD、Spec-Kit等方案,mattpocock/skills的所有技能遵循小而轻量、易适配、可组合的原则,不接管你的开发流程,保持你的控制权,且流程中的bug易于修复。


    💡 典型使用场景

    场景1:需求不明确时对齐预期

    当你向AI编码助手描述需求,但它总是理解偏差、产出不符合预期时,使用 /grill-me/grill-with-docs 技能,通过结构化问答让Agent真正理解你的意图,大幅减少返工。

    场景2:调试和测试驱动开发

    在编写新功能时,使用 /tdd 技能遵循测试驱动开发流程,先写测试再实现功能;当遇到bug时,使用 /diagnose 技能系统性地诊断和修复问题。

    场景3:团队协代码库管理

    在团队项目中,使用 /to-issues 将需求拆分为具体工单,使用 /triage 对工单进行分类,使用 /improve-codebase-architecture 定期优化代码库架构,保持代码质量。


    🌟 推荐理由

    Matt Pocock是谁?他是TypeScript教学领域的顶级名家,他的TypeScript教程帮助了数十万开发者掌握TypeScript。现在,他把数十年的工程经验提炼成了这套Claude Skills集合。

    我特别推荐这个项目的理由:

    1. 真实工程经验沉淀:这不是纸上谈兵的理论,而是Matt Pocock在实际工程中总结出的最佳实践
    2. 保持控制权:不像其他方案那样接管你的开发流程,mattpocock/skills让你始终掌控开发节奏
    3. 显著降低Token消耗:通过统一术语、压缩沟通,可以减少75%的Token消耗,长期使用能节省大量API成本
    4. 社区认可度高:本月新增72.5k Stars,总计95.5k Stars,增长速度在GitHub 5月Trending榜排名第一

    如果你每天都在使用AI编码助手(Claude Code、Cursor、Windsurf等),这个项目绝对值得一试。它不会让你失望!


    📥 下载地址

    准备好让你的AI编码助手真正理解工程师需求了吗?赶紧去GitHub上给个Star,然后安装试试吧!

  • AnythingLLM:60.3k Stars!全功能AI生产力加速器,隐私优先的本地知识库方案

    AnythingLLM:60.3k Stars!全功能AI生产力加速器,隐私优先的本地知识库方案

    AnythingLLM

    📦 项目简介

    AnythingLLM 是一款全功能一体化AI生产力加速器,默认本地运行、隐私优先。它将LLM聊天、RAG文档检索、AI代理、多模态支持完美集成在一个应用中,让你无需复杂配置即可拥有属于自己的私有AI助手


    ⚙️ 安装要求和过程

    环境要求

    • 桌面版:Windows/macOS/Linux,直接下载安装包
    • Docker版:Docker 20.10+,2GB+ RAM
    • 支持LLM:OpenAI、Ollama、LM Studio、Google Gemini、Anthropic等40+模型
    • 向量数据库:LanceDB(默认)、PGVector、Pinecone、Chroma等

    # 快速安装 – Docker方式

    docker pull mintplexlabs/anythingllm:latest

    docker run -d -p 3001:3001 –name anythingllm mintplexlabs/anythingllm:latest

    # 桌面版直接下载

    访问 https://anythingllm.com/download 下载对应系统安装包


    核心功能

    📚 RAG文档对话

    支持PDF、TXT、DOCX等多种文档格式,内置RAG(检索增强生成)能力,让AI精准理解你的文档内容。

    🤖 内置AI代理

    自动执行网页浏览、工作流自动化等复杂任务,支持无代码代理构建器,最多可降低80%的token消耗

    🔌 全面MCP兼容

    完全兼容MCP(模型上下文协议),可对接外部工具,扩展AI能力边界。

    👥 多用户权限管理

    Docker版本支持多用户权限管理,适合团队共享知识库,保护企业知识产权。

    🎨 多模态支持

    支持多模态LLM(闭源/开源模型均兼容),支持语音转文本、文本转语音、音视频转录。


    💡 典型使用场景

    🏠

    个人知识管理

    本地搭建私有知识库,对话查询个人文档、笔记,隐私数据完全本地存储,无需担心数据外泄。

    🏢

    企业团队使用

    多用户权限管理,团队共享知识库,控制不同用户的访问权限,保护企业核心知识资产

    🔧

    AI应用开发

    基于完整开发者API、MCP兼容性,快速构建自定义AI应用,对接现有业务系统

    🌐

    网站智能客服

    通过嵌入聊天组件,在网站部署AI客服,基于企业私有文档回答问题,提升用户满意度。


    💝 推荐理由

    说实话,我用过很多AI工具和知识库方案,但AnythingLLM是唯一让我觉得”这就是我想要的”的产品。它的设计理念非常清晰:隐私优先、本地运行、开箱即用

    我最喜欢它的RAG文档对话功能。你可以把PDF、Word、TXT文档直接拖进去,它就能基于这些文档回答问题。比起那些需要把数据上传到云端的方案,AnythingLLM让我感觉数据完全在自己掌控之中

    另外,它的MCP兼容性也非常棒,可以对接各种外部工具,让AI的能力不断扩展。如果你正在寻找一个隐私安全、功能全面、易于部署的AI生产力工具,AnythingLLM绝对值得一试!


    📥 下载地址

    🔗 官方网站:https://anythingllm.com

    📚 官方文档:https://docs.anythingllm.com

    💻 GitHub仓库:https://github.com/Mintplex-Labs/anything-llm

    📥 桌面版下载:https://anythingllm.com/download


    🔥 项目亮点总结
    60.3k+ Stars |
    隐私优先 |
    本地运行 |
    MCP兼容

  • RAGFlow:80.8k Stars!开源RAG引擎,让AI精准理解你的文档

    RAGFlow:80.8k Stars!开源RAG引擎,让AI精准理解你的文档

    📚 RAGFlow
    80.8k Stars!开源RAG引擎,让AI精准理解你的文档
    ⭐ 80.8k Stars
    🔧 RAG引擎
    📄 深度文档理解

    💡 项目简介

    RAGFlow 是一款基于深度文档理解构建的开源 RAG(检索增强生成)引擎,由 InfiniFlow 团队开发。它可以为各种规模的企业及个人提供一套精简的 RAG 工作流,把”大模型+企业知识库”的门槛直接干到地面。

    说实话,我第一次用 RAGFlow 的时候有点被震撼到——它处理 PDF、Word、Excel 这些复杂格式文档的能力,比我之前试过的所有 RAG 框架都要强。关键是它有可视化分块界面,你能看到每个文本块是怎么切的,哪里出了问题直接改,不用盲目调参。

    🚀 核心功能
    📑 深度文档理解
    支持 PDF、Word、Excel、PPT、图片、扫描件等复杂格式,能从非结构化数据中提取精准知识。表格、图表、多栏布局都能正确解析,真正做到了”看懂”文档。

    🔍 高质量RAG管道
    内置多路召回 + 融合重排,支持可视化文本分块,生成结果附带可追溯的引用来源。不再出现”幻觉”回答,每个答案都有据可依。

    🤖 Agent + MCP 支持
    内置 Agent 工作流,支持 MCP 协议接入,可对接 OpenClaw 等 AI Agent 平台。还能接入 Confluence、Notion、Google Drive 等数据源,一键同步知识库。

    🔧 多种部署方式
    支持 Docker 一键部署(推荐),也支持源码启动。兼容 DeepSeek v4、Gemini 3 Pro、GPT-5 系列等主流大模型,自带 embedding 模型。

    ⚙️ 安装要求与过程
    环境要求
    • CPU ≥ 4核
    • 内存 ≥ 16 GB
    • 磁盘 ≥ 50 GB
    • Docker ≥ 24.0.0 & Docker Compose ≥ v2.26.1
    • 系统参数要求:vm.max_map_count ≥ 262144

    # 1. 克隆仓库
    git clone https://github.com/infiniflow/ragflow.git
    cd ragflow/docker

    # 2. 启动服务(CPU版)
    docker compose -f docker-compose.yml up -d

    # 3. 查看日志确认启动成功
    docker logs -f docker-ragflow-cpu-1

    # 4. 浏览器访问 http://服务器IP
    # 出现 Running on all addresses 即成功!

    💼 典型使用场景
    🏢 企业知识库问答
    把公司的产品文档、技术手册、HR政策全部喂给 RAGFlow,员工直接用自然语言提问,AI 能精准定位到具体文档段落并给出答案,还附带引用来源。比传统关键词搜索强太多了。

    📚 个人学习助手
    上传教材、论文、技术书籍,让 AI 帮你梳理知识点、回答思考题。RAGFlow 对 PDF 的解析特别到位,公式、表格、图表都能正确识别,学习效率高了不少。

    🤖 AI Agent 知识底座
    通过 MCP 协议把 RAGFlow 接入 OpenClaw 或 AutoGPT,让 AI Agent 在执行任务时可以实时检索你的私有知识库。相当于给 Agent 装了一个”外挂大脑”。

    🌟 推荐理由

    我觉得 RAGFlow 最打动我的一点,是它把”可视化”做到了极致。很多 RAG 框架让你盲目调参,分块质量怎么样完全靠猜;RAGFlow 直接把每个文本块展示给你看,哪里分错了手动改,这种”可控性”在实际项目中真的太重要了。

    另外它的文档解析能力确实一流,我试过把一本 500 页的技术书丢进去,公式、代码块、表格全都识别对了,召回准确率相当能打。如果你正在搭建企业知识库或者给 AI Agent 接知识底座,RAGFlow 绝对值得一试。⭐

    📌 本文由 AI 自动采集整理,更多开源项目介绍持续更新中…

    Tags: RAGFlow · RAG · 知识库 · 开源AI

  • prompts.chat:162k Stars!开源Prompt社区,让AI提示词成为你的超能力

    prompts.chat:162k Stars!开源Prompt社区,让AI提示词成为你的超能力

    prompts.chat - AI提示词社区

    prompts.chat – 开源Prompt社区平台

    📌 项目简介

    prompts.chat(前身为Awesome ChatGPT Prompts)是一个面向AI提示词的全生命周期社区平台,支持用户分享、发现、收藏来自社区的优质AI提示词。项目采用免费开源模式,支持私有化部署,可满足企业/组织的隐私合规需求。

    162k+
    GitHub Stars

    21.2k
    Forks

    MIT
    开源协议

    ⚙️ 安装要求与过程

    方式一:直接使用官方平台(推荐)

    无需安装,直接访问 prompts.chat 即可使用社区提示词资源,支持浏览、搜索、复制优质提示词。

    方式二:私有化部署

    # 1. 克隆项目
    git clone https://github.com/f/prompts.chat.git
    cd prompts.chat
    
    # 2. 安装依赖
    npm install
    
    # 3. 配置环境变量
    cp .env.example .env
    # 编辑 .env 填写必要配置
    
    # 4. 启动开发服务器
    npm run dev
    
    # 5. 构建生产版本
    npm run build
    npm start
    
    # 访问 http://localhost:3000

    系统要求

    项目 要求
    Node.js 18.0+ (推荐 20.x LTS)
    包管理器 npm / pnpm / yarn
    数据库 PostgreSQL / MySQL(可选)
    操作系统 Windows / Linux / macOS

    ✨ 核心功能

    💬 提示词社区共享
    用户可上传、浏览其他社区成员贡献的优质AI提示词,涵盖编程、写作、翻译、创意等各个领域。

    📌 提示词收藏管理
    支持用户收藏自己常用的提示词,建立个人提示词库,方便后续快速复用,提升AI交互效率。

    🏢 私有化部署支持
    支持企业/组织自行部署到内部环境,保障提示词数据完全私密,不对外泄露,满足合规需求。

    🔍 智能搜索与分类
    提供强大的搜索功能和细致的分类标签,快速定位所需提示词,支持按热度、最新、评分排序。

    📚 提示词最佳实践
    收录提示词工程最佳实践案例,帮助初学者快速掌握提示词编写技巧,提升AI输出质量。

    🔄 持续更新维护
    项目保持高频更新,持续集成最新的AI模型提示词模板,社区活跃度高,问题响应迅速。

    🚀 典型使用场景

    👨‍💻 场景一:开发者提升编码效率

    开发者在prompts.chat中搜索”代码审查””bug修复””重构建议”等提示词,直接复制到ChatGPT/Claude中使用,快速完成代码优化、文档生成、单元测试编写等任务,显著提升开发效率。

    ✍️ 场景二:内容创作者寻找灵感

    公众号博主、自媒体运营者在平台搜索”标题生成””文章大纲””社交媒体文案”等提示词,快速生成高质量内容框架,配合AI完成创作,大幅缩短内容生产周期。

    🏢 场景三:企业构建私有提示词库

    企业IT部门私有化部署prompts.chat,将公司积累的优质提示词(如”会议纪要总结””合同审查””客户邮件回复”)统一管理,让员工共享最佳实践,提升全员AI应用能力。

    💡 推荐理由

    说实话,我觉得prompts.chat是AI时代必备的”提示词手册”——它把散落在各处的优质提示词集中管理,让我不用每次都从零开始构思怎么跟AI对话。

    最实用的是它的收藏功能,我把自己常用的”代码解释””文章润色””Excel公式生成”等提示词收藏起来,形成个人提示词库,现在写AI指令速度快了好几倍。

    162k+ Stars说明一切——如果你天天跟ChatGPT、Claude这些AI助手打交道,prompts.chat绝对能帮你少走弯路,让AI输出更精准、更高效。加上支持私有化部署,企业用户也能放心使用。

    📥 下载地址


    本文由 WorkBuddy AI 自动采集撰写 · 转载请注明出处

  • Stable Diffusion WebUI:162k Stars!最强大的Stable Diffusion Web界面,让AI绘画触手可及

    Stable Diffusion WebUI:162k Stars!最强大的Stable Diffusion Web界面,让AI绘画触手可及

    Stable Diffusion WebUI - AI绘画界面

    Stable Diffusion WebUI – 最流行的AI绘画工具

    📌 项目简介

    Stable Diffusion WebUI(由AUTOMATIC1111开发)是最受欢迎的Stable Diffusion浏览器界面,基于Gradio构建,支持文生图、图生图、图像修复、高清放大等全套AI绘画功能,扩展插件生态极其丰富,是AI艺术创作的首选工具。

    162k+
    GitHub Stars

    Python
    主要语言

    AGPL-3.0
    开源协议

    ⚙️ 安装要求与过程

    系统要求

    项目 要求
    操作系统 Windows 10/11、Linux、macOS
    GPU NVIDIA(推荐)或AMD GPU,至少8GB显存
    内存 16GB 以上(推荐32GB)
    存储 10GB+ (模型文件需额外空间)
    必备软件 Python 3.10.6+、Git、CUDA 11.8+

    快速安装(Windows一键脚本)

    # 1. 下载一键安装包
    # 访问: https://github.com/AUTOMATIC1111/stable-diffusion-webui/releases
    
    # 2. 解压后运行
    webui-user.bat
    
    # 3. 等待自动安装依赖,首次运行会下载模型
    # 4. 浏览器访问 http://localhost:7860

    Linux/macOS 手动安装

    # 1. 克隆项目
    git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
    cd stable-diffusion-webui
    
    # 2. 安装依赖
    pip install -r requirements.txt
    
    # 3. 下载模型(放至 models/Stable-diffusion/ 目录)
    # 可从 HuggingFace 或 Civitai 下载 .safetensors 模型
    
    # 4. 启动
    python launch.py
    
    # 5. 访问 http://localhost:7860

    ✨ 核心功能

    🎨 文本生成图像(txt2img)
    输入描述词,AI自动生成高质量图像;支持批量生成、尺寸调整、采样器选择。

    🖼️ 图像生成图像(img2img)
    基于参考图重新生成,支持风格迁移、局部重绘,保留原图构图与色彩。

    🔧 图像修复(Inpaint)
    智能修复图像缺损部分,支持局部重绘、物体移除、背景替换,效果自然。

    📐 高清放大(Upscale)
    内置 ESRGAN、R-ESRGAN 等超分辨率模型,低分辨率图像无损放大4K。

    🔌 扩展插件系统
    内置扩展商店,支持 LoRA、ControlNet、Embedding、超网络等,生态极其丰富。

    🎛️ 精细参数控制
    支持 CFG Scale、采样步数、种子控制、高分辨率修复等高级参数调节。

    🚀 典型使用场景

    🎮 场景一:游戏美术概念设计

    游戏开发团队使用 Stable Diffusion WebUI 快速生成角色概念图、场景原画、道具设计稿;配合 LoRA 训练专属风格模型,大幅提升前期美术设计效率,从构思到出图只需几分钟。

    📱 场景二:社交媒体内容创作

    自媒体博主、公众号运营者使用 AI 生成配图、封面图、插画内容;通过提示词工程精准控制画面风格,无需聘请画师即可产出高质量视觉内容,降低内容创作成本。

    🏢 场景三:产品设计与原型展示

    UI/UX 设计师使用 img2img 功能快速将草图转换为高质量视觉稿;结合 ControlNet 插件精确控制构图与姿态,用于产品原型、广告创意、包装设计等商业场景。

    💡 推荐理由

    说实话,我觉得 Stable Diffusion WebUI 是AI绘画领域的”瑞士军刀”——功能全、可扩展性强、社区活跃度极高。相比Midjourney这类闭源商业产品,它最大的优势是完全本地运行,数据隐私有保障,而且免费。

    我最喜欢它的扩展系统,通过安装不同插件可以实现几乎任何你能想到的AI绘画功能——从精确姿态控制(ControlNet)到风格微调(LoRA),生态丰富到令人惊叹。

    162k+ Stars不是吹出来的,如果你对AI绘画感兴趣,或者工作需要大量视觉内容创作,Stable Diffusion WebUI 绝对值得深入研究。加上最近Stable Diffusion 3.0和SDXL的发布,效果已经可以媲美甚至超越商业产品。

    📥 下载地址


    本文由 WorkBuddy AI 自动采集撰写 · 转载请注明出处