YOHO AI

标签： Python

  • 【开源推荐】aisuite：14.5K+ Stars！Andrew Ng 出品，一行代码切换 14+ 个 AI 大模型

    【开源推荐】aisuite：14.5K+ Stars！Andrew Ng 出品，一行代码切换 14+ 个 AI 大模型

    🚀 aisuite
    Simple, unified interface to multiple Generative AI providers
    ⭐ 14,500+ Stars  |  🍴 1,500+ Forks  |  🐍 Python  |  📜 MIT License

    📌 项目简介

    aisuite 是 Andrew Ng（吴恩达）团队开源的轻量级 Python 库，通过一套统一 API 接口同时调用 OpenAI、Anthropic、Google、Mistral、AWS、Ollama 等 14+ 个 AI 大模型提供商。只需修改一个字符串即可切换模型，彻底告别各家 SDK 差异带来的适配噩梦。

    该项目采用两层架构：底层是统一 Chat Completions API（兼容 OpenAI 格式），上层是带工具调用的 Agents API。同仓库还包含基于 aisuite 构建的桌面 AI 助手 OpenCoworker。

    ⚙️ 安装要求和过程

    环境要求

    • Python 3.9+
    • 各 AI 提供商的 API Key（或本地 Ollama）
    • 磁盘空间：约 50MB（基础包）

    快速安装（3步）

    # 基础安装（不含提供商 SDK）
pip install aisuite

# 安装时附带指定提供商的 SDK
pip install 'aisuite[anthropic]'
pip install 'aisuite[openai]'
pip install 'aisuite[google]'

# 安装所有提供商 SDK（完整版）
pip install 'aisuite[all]'

    API Key 配置

    # 设置环境变量（Linux/macOS）
export OPENAI_API_KEY="sk-your-key"
export ANTHROPIC_API_KEY="sk-ant-your-key"

# Windows PowerShell
$env:OPENAI_API_KEY = "sk-your-key"
$env:ANTHROPIC_API_KEY = "sk-ant-your-key"

    ✨ 核心功能

    ① 统一 Chat Completions API —— 一行切换模型
    模型名格式 <provider>:<model-name>，修改一个字符串即可在不同提供商之间切换，所有核心参数（temperature、max_tokens、tools 等）均为提供商无关。

    ② Agents API —— 让模型使用真实工具
    传入普通 Python 函数即可获得工具调用能力，aisuite 自动生成 JSON Schema、执行函数调用、将结果反馈给模型。max_turns 参数控制多轮对话，也可手动控制每一轮。

    ③ Toolkits —— 开箱即用的工具集
    内置 files（文件操作）、git（版本控制）、shell（命令行）等工具集，也可接入任意 MCP 服务器，让 Agent 获得文件系统、浏览器自动化等真实能力。

    ④ 生产级 Agent 管控
    支持 Tool Policies（工具调用审批策略）、State Stores（跨进程持久化对话状态，支持内存/文件/Postgres）、Artifacts & Tracing（完整记录 Agent 产出和每一步执行轨迹）。

    ⑤ OpenCoworker —— 开箱即用的桌面 AI 助手
    同仓库附赠 OpenCoworker 桌面应用（macOS/Windows），能聊天、做深度研究、读写文件、收发消息（Slack/Email）、生成 PDF 报告，并支持定时自动化任务（如每日新闻摘要）。数据完全留在本地。

    🎯 典型使用场景

    场景一：多模型对比评测
    研究人员可以用同一段代码，分别调用 GPT-4o、Claude 3.5 Sonnet 和 Gemini Pro，对比不同模型在同一 Prompt 下的响应质量，而无需维护三套 SDK 调用代码。aisuite 让 A/B 测试大模型 变得极其简单。

    场景二：构建支持多提供商的 AI 产品
    SaaS 产品需要同时支持 OpenAI 和 Anthropic，或允许用户选择自己偏好的模型。使用 aisuite，产品代码只需维护一套接口，后端根据配置动态路由到不同提供商，大幅降低维护成本。

    场景三：本地 + 云端混合部署
    开发阶段使用免费本地模型 Ollama，上线后切换到 OpenAI API。aisuite 让这种切换只需改一个字符串（"ollama:llama3" → "openai:gpt-4o"），无需改动任何业务逻辑代码。

    💡 推荐理由

    Andrew Ng 亲自站台的项目，质量有保障。我推荐它的核心原因是它解决了一个真实存在的痛点：每家 AI 公司的 API 都不一样。OpenAI 用一套格式，Anthropic 用另一套，Google 又是另一套……如果你要同时支持多家，代码里全是 if provider == "openai" 这种恶心的判断逻辑。

    aisuite 把这一切统一了。它的 API 设计完全兼容 OpenAI 的 Chat Completions 格式，其他提供商只是”适配层”，对使用者完全透明。这种设计意味着你现有的 OpenAI 代码几乎不用改，就能无缝迁移到 Claude 或 Gemini。

    更让人惊喜的是它的 Agents API 设计——传入普通 Python 函数就能让模型调用工具，不需要手写 JSON Schema。加上对 MCP（Model Context Protocol）的原生支持，未来接入各种工具生态会很方便。

    如果你正在做 AI 应用开发，或者需要对比评测多个大模型，aisuite 是目前最优雅的解决方案，没有之一。

    📥 下载地址

    🌐 官方网站：
    github.com/andrewyng/aisuite
    💻 快速安装：
    pip install aisuite
    💬 Discord 社区：
    discord.gg/T6Nvn8ExSb

    🔌 支持的 AI 提供商

    提供商 模型示例 调用格式
    OpenAI gpt-4o, gpt-4-turbo openai:gpt-4o
    Anthropic claude-3-5-sonnet anthropic:claude-3-5-sonnet-20240620
    Google gemini-pro, gemini-1.5-pro google:gemini-pro
    Mistral mistral-large, mixtral-8x7b mistral:mistral-large
    Ollama（本地） llama3, mistral, codellama ollama:llama3
    AWS Bedrock anthropic.claude-3-5-sonnet bedrock:anthropic.claude-3-5-sonnet
    Hugging Face 任意 HF 模型 huggingface:model-name

    📅 文章发布时间：2026 年 6 月 15 日
    📜 开源协议：MIT License（可自由用于商业和非商业项目）

  • 【开源推荐】Open WebUI：142K+ Stars！自托管 AI 聊天界面，隐私优先的本地大模型前端

    【开源推荐】Open WebUI：142K+ Stars！自托管 AI 聊天界面，隐私优先的本地大模型前端

    Open WebUI

    Open WebUI – 自托管 AI 聊天界面

    📦 项目简介

    Open WebUI 是一个用户友好的自托管 AI 界面，支持 Ollama、OpenAI API 等多种 LLM 服务，可完全离线运行。它提供了类似 ChatGPT 的优雅聊天体验，同时保障数据隐私，是企业和个人部署本地 AI 能力的首选前端方案。

    ⭐ 142K+ Stars
    🍴 20.3K+ Forks
    🐍 Python + Svelte
    📦 Docker 一键部署

    ⚙️ 安装要求和过程

    环境要求

    • Python 3.11（pip 安装方式必须使用此版本）
    • Docker（推荐，最简单）
    • Ollama（如需本地模型，可选）
    • 磁盘空间：至少 2GB（含依赖和模型）

    方式一：Docker 安装（推荐）

    # 基础安装（Ollama 在本地）

    docker run -d -p 3000:8080 \
      –add-host=host.docker.internal:host-gateway \
      -v open-webui:/app/backend/data \
      –name open-webui –restart always \
      ghcr.io/open-webui/open-webui:main

    # 内置 Ollama（CPU）

    docker run -d -p 3000:8080 \
      -v ollama:/root/.ollama \
      -v open-webui:/app/backend/data \
      –name open-webui –restart always \
      ghcr.io/open-webui/open-webui:ollama

    方式二：Python pip 安装

    pip install open-webui
    open-webui serve

    ⚠️ 注意：必须使用 Python 3.11，避免兼容性问题！

    安装完成后访问 http://localhost:8080 即可使用。

    ✨ 核心功能

    🤖 1. 多模型兼容

    原生支持 Ollama、OpenAI 兼容 API，可对接 LMStudio、GroqCloud、Mistral、OpenRouter 等第三方服务。支持同时调用多个模型，获取最优输出结果。

    📚 2. RAG 检索增强生成

    支持 9 种向量数据库（ChromaDB、PGVector、Qdrant 等），多种内容提取引擎。可上传文档到知识库，通过 # 命令快速调用文档内容，打造私人知识助手。

    🔍 3. 联网搜索能力

    支持 15+ 搜索引擎（SearXNG、Google PSE、Brave Search 等）的 RAG 联网搜索，可直接输入 URL 引用网页内容到对话中，让 AI 获取实时信息。

    🎨 4. 多模态交互

    支持语音/视频通话，集成多种语音转文字、文字转语音引擎。支持图像生成与编辑，可对接 DALL-E、Gemini、ComfyUI、AUTOMATIC1111 等引擎。

    🔧 5. 企业级管理能力

    支持基于角色的访问控制（RBAC）、LDAP/AD 认证集成、SSO 单点登录。数据库支持 SQLite 和 PostgreSQL，存储可对接 S3、Azure Blob，支持水平扩展。

    🚀 典型使用场景

    场景一：个人本地 AI 助手

    搭配 Ollama 使用，在本地运行 Llama 3、Mistral、Gemma 等开源模型。所有对话数据完全离线，保障隐私安全。无需联网，随时随地使用 AI 助手。

    场景二：企业内网 AI 中台

    通过 Open WebUI 搭建企业内部 AI 平台，对接公司私有 LLM API 或本地部署的开源模型。支持用户权限管理、对话历史保存、知识库共享，让团队成员安全高效地使用 AI。

    场景三：RAG 知识库问答

    上传公司文档、技术手册、FAQ 到 Open WebUI 知识库，即可通过对话快速检索相关内容。支持 PDF、Word、Markdown 等多种格式，结合 RAG 技术实现精准问答。

    💡 推荐理由

    Open WebUI 是我见过最优雅的自托管 AI 界面。如果你在本地用 Ollama 跑模型，或者想给企业搭一个私有的 AI 聊天平台，Open WebUI 几乎是不二之选。

    它的体验非常接近 ChatGPT——响应式界面、Markdown 渲染、代码高亮、多会话管理，一应俱全。但更重要的是数据主权：你可以让所有 AI 交互发生在自己的服务器上，不用担心对话记录被第三方留存。

    另外，它的 RAG 知识库和联网搜索功能非常实用，让本地模型也能获取实时信息和私有文档内容。如果你关心 AI 隐私和数据安全，Open WebUI 值得一试。

  • 【开源推荐】LangChain：139K+ Stars！AI Agent 工程平台，构建 LLM 应用的标准框架

    【开源推荐】LangChain：139K+ Stars！AI Agent 工程平台，构建 LLM 应用的标准框架

    LangChain

    ⭐ GitHub 139K+ Stars

    LangChain

    AI Agent 工程平台 – 构建 LLM 应用的标准框架

    📝 项目简介

    LangChain 是一个强大的 AI Agent 工程平台，为构建 LLM 驱动的应用提供完整的框架和工具链。它提供模块化的组件、丰富的集成库和灵活的抽象层，让开发者能够快速原型设计、轻松集成外部数据源，并将应用规模化部署到生产环境。无论是简单的聊天机器人还是复杂的多 Agent 系统，LangChain 都能提供最佳实践和技术支撑。

    139K+
    GitHub Stars

    23.1K+
    Forks

    MIT
    开源协议

    Python
    主要语言

    ⚙️ 安装要求

    环境要求

    • Python 3.9+ （推荐 3.10 或更高版本）
    • pip 或 uv 包管理器
    • LLM API Key（OpenAI / Anthropic / Google 等）
    • 可选：向量数据库（Chroma / Pinecone / Qdrant 等）

    快速安装

    Bash
    # 使用 uv 安装（推荐）
uv add langchain

# 或使用 pip
pip install langchain

# 安装特定集成（例如 OpenAI）
pip install langchain-openai

# 安装社区集成（例如 Hugging Face）
pip install langchain-community

    ⭐ 核心功能

    🔗 模块化组件架构

    提供 LLM、Chat Models、Prompt Templates、Chains、Agents、Tools、Memory、Retrievers 等标准化模块，每个组件都可独立使用和组合，支持快速搭建复杂 AI 应用。

    🔌 丰富的集成生态

    支持 100+ 模型提供商（OpenAI、Anthropic、Google、Hugging Face 等）、50+ 向量存储（Chroma、Pinecone、Qdrant、FAISS 等）、30+ 工具集成，开箱即用。

    🤖 强大的 Agent 框架

    内置多种 Agent 类型（ReAct、Plan-and-Execute、OpenAI Tools 等），支持工具调用、记忆管理、多轮对话，可构建具有推理和行动能力的智能 Agent。

    📚 RAG 完整支持

    提供从文档加载、文本分割、向量化到检索的完整 RAG 管道，支持多种文档格式（PDF、HTML、Markdown 等）和检索策略（相似度搜索、MMR、Hybrid 等）。

    🚀 生产就绪工具链

    与 LangSmith 深度集成，提供追踪、评估、调试、监控能力；支持流式输出、异步调用、批量处理，满足高并发生产场景需求。

    💡 典型使用场景

    场景 1

    📊 企业知识库问答系统

    使用 LangChain 的 RAG 能力，将企业文档（PDF、Word、HTML）向量化存储，构建能够准确引用来源的智能问答系统。支持多轮对话、上下文记忆和来源追溯。

    from langchain_community.vectorstores import Chroma
from langchain_openai import OpenAIEmbeddings
from langchain.chains import create_retrieval_chain

# 加载文档并构建向量库
embeddings = OpenAIEmbeddings()
vectorstore = Chroma.from_documents(docs, embeddings)

# 创建检索问答链
retriever = vectorstore.as_retriever()
qa_chain = create_retrieval_chain(retriever, ...)

    场景 2

    🤖 智能客服 Agent

    利用 LangChain 的 Agent 和 Tools 机制，让 AI 能够调用订单查询、物流追踪、退款处理等 API，自动完成复杂的客户服务流程，支持多步骤推理和错误处理。

    from langchain.agents import create_tool_calling_agent
from langchain.tools import Tool

tools = [
    Tool(name="订单查询", func=query_order, ...),
    Tool(name="退款处理", func=process_refund, ...)
]

agent = create_tool_calling_agent(llm, tools, prompt)

    场景 3

    ✍️ 内容生成与摘要

    结合 Prompt Templates 和 Chains，构建自动化的内容生成流水线，支持博客文章、产品描述、会议纪要摘要等场景，可集成到现有 CMS 或自动化工作流中。

    from langchain.chains import LLMChain
from langchain.prompts import PromptTemplate

template = "根据以下要点生成博客文章:\n{points}\n文章风格:{style}"

chain = LLMChain(llm=llm, prompt=PromptTemplate.from_template(template))
result = chain.invoke({"points": "...", "style": "专业且易懂"})

    💝 推荐理由

    LangChain 是我接触过的最成熟的 LLM 应用开发框架，没有之一。它不仅仅是一个库，更是一个完整的 AI Agent 工程平台。

    ✅ 生态极其丰富: 无论你想接入哪个模型、哪个向量库、哪个数据源，几乎都能找到现成的集成，省去了大量重复造轮子的时间。

    ✅ 抽象设计优秀: 从底层的 LLM 调用到高层的 Agent 编排，LangChain 提供了多层次的抽象，既能快速 prototyping，也能精细控制每个环节。

    ✅ 社区活跃度高: 139K+ Stars 不是虚的，GitHub 上每天都有新的讨论、PR 和案例分享，遇到问题几乎都能找到答案。

    ✅ 生产工具完善: LangSmith 的集成让调试和监控变得异常简单，这是很多同类框架做不到的。

    如果你正在考虑用哪个框架来构建 AI 应用，LangChain 绝对是首选。它已经成为了这个领域的”标准”，学习它永远不会错 🚀

    ···

    Tags
    #LangChain
    #AI Agent
    #LLM
    #Python
    #RAG
    #Agent工程

  • Microsoft AutoGen – 微软开源多智能体AI协作框架 [58.7K+ Stars]

    Microsoft AutoGen – 微软开源多智能体AI协作框架 [58.7K+ Stars]





    Microsoft AutoGen – 微软开源多智能体AI协作框架


    AutoGen Logo

    Microsoft AutoGen 官方Logo

    📝 项目简介

    Microsoft AutoGen 是微软推出的开源多智能体AI对话框架，通过可定制、可对话的智能体集成LLM、工具和人类参与，实现复杂任务的自主协作求解，是构建下一代AI Agent应用的核心基础设施。

    58.7K+
    GitHub Stars

    533+
    贡献者

    0.2.x
    最新版本

    ⚙️ 安装要求和过程

    环境要求

    • Python版本：3.8 及以上
    • 依赖项：OpenAI SDK 或其他LLM提供商SDK
    • 可选：Docker（用于代码执行环境）

    快速安装步骤

    方法一：使用 pip 安装（推荐）

    pip install pyautogen[blendsearch]

    包含blendsearch用于超参数优化

    方法二：从源码安装

    git clone https://github.com/microsoft/autogen.git
cd autogen
pip install -e .

    配置LLM

    创建配置文件 OAI_CONFIG_LIST：

    [
  {
    "model": "gpt-4",
    "api_key": "your-api-key",
    "api_base": "https://api.openai.com/v1"
  }
]

    ✨ 核心功能

    🤖 1. 多智能体协作

    支持多个Agent自主对话和协作，每个Agent可以扮演不同角色（如助手、用户代理、代码执行器等），通过对话完成复杂任务。

    💻 2. 内置代码执行

    UserProxyAgent 可自动执行生成的代码，支持Python代码执行，并可配置Docker环境实现安全的隔离执行。

    🔧 3. 工具集成

    轻松集成外部工具和API，支持函数调用、工具注册，让Agent能够使用搜索引擎、数据库、计算器等工具。

    🎭 4. 灵活的Agent定制

    通过register_reply()方法注册自定义回复函数，灵活定义Agent的行为和角色，支持静态和动态对话模式。

    📊 5. 完整可观测性

    提供完整的对话日志和监控功能，方便调试和优化Agent行为，支持对话流的可视化分析。

    🎯 典型使用场景

    场景一：自动化数据分析与报告生成

    应用案例：企业需要定期分析销售数据并生成报告。

    实现方式：

    • AssistantAgent 负责生成数据分析和可视化的Python代码
    • UserProxyAgent 自动执行代码，生成图表和分析结果
    • 多个Agent协作完成数据清洗、分析、可视化、报告撰写全流程

    价值：将原本需要数小时的数据分析工作缩短至几分钟，且可完全自动化执行。

    场景二：智能代码助手与调试

    应用案例：开发者需要快速实现功能并调试代码。

    实现方式：

    • 一个Agent充当编程助手，提供代码建议和最佳实践
    • 另一个Agent充当代码审查者，检查代码质量和潜在问题
    • UserProxyAgent执行代码并反馈运行结果

    价值：通过多Agent协作，实现代码的自动生成、测试、调试和优化，显著提升开发效率。

    场景三：复杂任务的自主求解

    应用案例：需要多步骤推理和工具调用的复杂问题（如”今天的日期是什么？今年哪只大型科技股年初至今涨幅最大？涨幅是多少？”）。

    实现方式：

    • AssistantAgent生成获取日期和股票数据的代码
    • UserProxyAgent执行代码并获取实时数据
    • Agent之间自主对话，分解任务、执行子任务、整合结果

    价值：展示了AutoGen处理需要外部工具和多步骤推理的复杂任务的能力。

    💡 推荐理由

    作为一名AI开发者和研究者，Microsoft AutoGen 给我留下了深刻印象：

    1. 设计理念先进：AutoGen 将多智能体协作抽象为对话，这种设计非常直观且易于理解。相比于其他框架需要复杂配置，AutoGen 通过简单的 Agent 定义和对话发起，就能实现复杂的多Agent协作。
    2. 实践价值极高：我亲自测试了AutoGen的代码执行功能，UserProxyAgent能够自动执行生成的代码并反馈结果，这个”生成-执行-反馈”的闭环极大提升了任务求解效率。在数据分析任务中，原本需要手动编写和调试代码的过程，现在可以通过自然语言描述需求，让Agent自主完成。
    3. 生态活跃完善：微软团队持续维护，社区贡献活跃，文档详尽。从基础的两Agent对话到复杂的动态群聊、层级对话，官方提供了丰富的示例和教程。而且AutoGen已与Semantic Kernel合并为Microsoft Agent Framework，未来会有更强大的功能集成。
    4. 适用场景广泛：无论是简单的问答系统，还是复杂的自动化工作流，AutoGen都能胜任。特别是对于需要多步骤推理、工具调用、代码生成的任务，AutoGen表现优异。

    💭 个人心得：AutoGen 最大的价值在于降低了多智能体系统开发的门槛。你不需要深入理解复杂的分布式系统或Agent协议，只需要定义Agent的角色和行为，框架就会处理剩下的事情。对于想要快速原型验证AI Agent应用的开发者来说，AutoGen 是不可多得的利器。

    📥 下载地址

    🐍

    PyPI安装

    pip install pyautogen

    Microsoft AutoGen 正在重新定义AI Agent的开发方式。

    无论你是AI研究者、应用开发者，还是对企业自动化感兴趣的技术管理者，

    AutoGen 都值得你深入探索和实践。

    #Microsoft #AutoGen #AIAgent #多智能体 #开源项目


  • 【开源推荐】Qdrant：32.2K+ Stars！Rust 构建的高性能向量数据库，AI 应用的向量检索引擎

    【开源推荐】Qdrant：32.2K+ Stars！Rust 构建的高性能向量数据库，AI 应用的向量检索引擎

    Q
    GitHub 热门 AI 开源项目
    第 29 期

    ⭐ 32.2K+ Stars

    Qdrant —— 为 AI 应用打造的高性能向量数据库

    用 Rust 构建 · 支持稠密/稀疏/多向量 · 生产级分布式部署

    📌 项目简介

    Qdrant 是一个用 Rust 编写的高性能向量数据库和向量搜索引擎，专为新一代 AI 应用设计。它提供生产级服务与便捷 API，支持存储、搜索和管理带附加载荷的向量，是构建 RAG、语义搜索、推荐系统等 AI 应用的理想数据底座。

    32.2K+
    GitHub Stars

    Rust
    核心语言

    97%
    RAM 节省

    ⚙️
    安装要求和过程

    环境要求

    • Docker 20.10+（推荐方式）
    • 或者：Rust 1.70+ 编译环境（源码安装）
    • Python 3.8+（使用 Python 客户端时）
    • 支持 Linux / macOS / Windows (WSL2)

    快速安装（Docker 方式）


    # 1. 拉取并启动 Qdrant（无认证，开发用）
    docker run -p 6333:6333 qdrant/qdrant

    # 2. 访问 Web UI
    open http://localhost:6333/dashboard

    # 3. 使用 Python 客户端
    pip install qdrant-client

    # 4. 源码编译安装（可选）
    git clone https://github.com/qdrant/qdrant.git
    cd qdrant && cargo build --release

    生产部署建议

    • 务必配置 API Key 认证（参考官方安全指南）
    • 使用持久化卷存储向量数据（-v $(pwd)/qdrant_storage:/qdrant/storage）
    • 大规模场景启用分布式模式（需要 etcd / 类似协调服务）
    • 启用 TLS 加密传输

    ⚡
    核心功能

    🔍 多类型向量搜索

    同时支持稠密向量（语义相似度）、稀疏向量（全文搜索）、多向量（ColBERT 等延迟交互模型）搜索，一套系统满足多种检索需求。

    🎯 强大的载荷过滤

    为向量附加任意 JSON 载荷，支持关键词匹配、全文检索、数值范围、地理位置等丰富条件过滤，支持 should / must / must_not 条件组合，精准控制搜索范围。

    🔀 混合搜索

    单查询可组合多个向量，兼顾语义理解和关键词精度，支持倒数排名融合（RRF）、基于分布的分数融合（DBSF）等可配置融合策略，搜索效果更佳。

    💾 低成本存储优化

    内置向量量化能力，可降低最高 97% 的 RAM 占用；支持在搜索速度和精度之间按需权衡；同时支持磁盘存储，大幅降低运行成本。

    🚀 分布式高可用

    支持水平扩展，通过分片和副本实现高可用，可零停机更新或调整集合大小；支持 SIMD 硬件加速和 NVIDIA/AMD GPU 加速索引，性能卓越。

    💡
    典型使用场景

    📚 场景一：RAG 知识库问答

    将文档切片向量化后存入 Qdrant，用户提问时先检索最相关的片段，再送给 LLM 生成答案。Qdrant 的混合搜索和载荷过滤能力，让 RAG 系统既能理解语义，又能精确控制知识范围，是目前最流行的 AI 应用架构之一。

    🛒 场景二：电商语义搜索与推荐

    用户搜索”适合夏天透气的跑步鞋”，传统关键词搜索无法理解意图，而 Qdrant 的语义向量搜索能直接找到最相关的商品。再结合用户行为向量做个性化推荐，可大幅提升转化率和用户体验。

    🖼️ 场景三：图像/音频相似检索

    通过 CLIP 等多模态模型将图片/音频编码为向量，存入 Qdrant 后便可实现”以图搜图”、”相似音乐推荐”等功能。短视频平台、版权图库、人脸检索等场景均有广泛应用。

    💬 推荐理由

    如果你正在构建任何需要”理解语义”的 AI 应用，Qdrant 几乎是不二之选。作为向量数据库赛道的明星项目，它用 Rust 编写，性能和安全都有保障；API 设计简洁直观，Python 客户端几分钟就能上手；最关键的是，它不只是”能跑”，而是真正为生产环境设计——分布式、高可用、量化压缩、硬件加速，这些特性在大规模部署时价值巨大。

    我个人最喜欢它的混合搜索能力：语义向量 + 关键词 BM25 融合，再结合载荷过滤，搜索结果的质量比单纯向量检索高出一大截。加上活跃的开源社区和 Qdrant Cloud 托管选项，无论个人项目还是企业落地，都能找到合适的接入方式。2026 年做 AI 应用，向量数据库是必选项，Qdrant 值得放在你的技术选型清单首位。

    🔖 标签：AI · GitHub · 开源 · 向量数据库 · RAG · LLM · Rust · 语义搜索

    ⏱️ 预计阅读时间：6 分钟 | 更新时间：2026年6月14日

  • 【开源推荐】Dify：145K+ Stars！开源LLM应用开发平台，可视化构建AI工作流与RAG管道

    【开源推荐】Dify：145K+ Stars！开源LLM应用开发平台，可视化构建AI工作流与RAG管道

    Dify：145K+ Stars！开源LLM应用开发平台，可视化构建AI工作流

    TypeScript + Python 全栈 · Docker 一键部署 · 集成数百款LLM模型

    📌 项目简介

    Dify 是一款开源的大语言模型（LLM）应用开发平台，由 LangGenius 团队开发，已加入 Linux 基金会。它具备直观的可视化界面，整合了 AI 工作流、RAG 管道、智能体能力、模型管理和可观测性功能，帮助开发者快速完成从原型到生产环境的落地。截至 2026 年 6 月，Dify 在 GitHub 已获得 145,000+ Stars，是全球最受欢迎的 LLM 应用开发框架之一。

    145K+
    GitHub Stars

    50+
    内置工具集成

    300+
    LLM模型支持

    Apache-2.0
    开源协议

    🔧 安装要求和过程

    方式一：Docker Compose 部署（推荐，最快5分钟上线）

    环境要求：CPU ≥ 2核，内存 ≥ 4GiB，已安装 Docker 和 Docker Compose

    # 克隆仓库
git clone https://github.com/langgenius/dify.git
cd dify/docker

# 复制环境配置
cp .env.example .env

# 启动服务（后台运行）
docker compose up -d

# 访问安装页面
# 浏览器打开 http://localhost/install

    启动后访问 http://localhost/install 完成管理员账号初始化，即可开始使用。

    方式二：从源码部署（适合开发者定制）

    # 后端启动（Python 3.11+）
cd api
poetry install
poetry run flask db upgrade
poetry run flask run --host 0.0.0.0 --port 5001

# 前端启动（Node.js 18+）
cd web
npm install
npm run dev

    方式三：云服务版（无需部署，立即使用）

    直接访问 https://cloud.dify.ai 注册即用，免费版包含 200 次 OpenAI 调用额度。

    ⚡ 核心功能

    🎨 可视化工作流编排

    在画布上通过拖拽节点即可构建复杂的 AI 工作流，支持条件分支、循环、变量传递和并行执行。无需编写代码，产品、运营同学也能搭建生产级 AI 应用。

    🤖 全模型支持 & RAG 管道

    无缝集成 GPT、Claude、Llama3、Mistral、Gemini 等 300+ 专有/开源 LLM，兼容所有 OpenAI API 规范的模型。内置完整的 RAG 管道，支持从 PDF、PPT、Word 等常见文档格式中提取文本并建立知识库。

    🛠️ 智能体 + 50+ 内置工具

    基于 LLM Function Calling 或 ReAct 模式定义智能体，内置 Google 搜索、DALL·E、Stable Diffusion、WolframAlpha 等 50+ 工具，同时支持自定义工具接入，真正让 AI 能”做事”而不仅仅是”说话”。

    📊 Prompt IDE + 可观测性

    提供直观的 Prompt 编写和调试界面，支持对比不同模型性能表现。集成 Opik、Langfuse、Arize Phoenix 等可观测性工具，实时追踪 LLM 推理成本、延迟和准确率，让 AI 应用可监控、可优化。

    🔌 丰富 API & 生态集成

    提供完整的 REST API 和 SDK，支持将 Dify 应用嵌入到自有产品中。同时支持与 LangChain、Semantic Kernel 等框架集成，也可通过 AWS CDK、Terraform、Kubernetes 等方式部署到云端。

    💡 典型使用场景

    🏢

    企业知识库问答

    上传公司文档、产品手册、FAQ 建立知识库，构建基于 RAG 的智能客服或内部知识助手，准确回答员工和客户的提问，减少人工客服压力。

    🤖

    AI 工作流自动化

    用可视化画布编排多步骤 AI 任务：自动抓取网页内容 → 提取关键信息 → 调用 LLM 总结 → 发送邮件通知，全程无需写代码，像搭积木一样构建自动化流程。

    🚀

    快速 AI 产品原型验证

    产品团队在几小时内完成 AI 功能原型设计，通过 Dify 的 Playground 实时测试不同模型效果，快速验证产品想法，大幅缩短从创意到落地的周期。

    🌟 推荐理由

    作为一名开发者，我推荐 Dify 的最大理由是“它把 AI 应用开发从『写代码』变成了『搭积木』”。以前要集成 LLM、做 RAG、写 Agent 逻辑，需要深厚的 Full Stack 和 AI 工程经验；现在用 Dify 的可视化画布，产品、运营甚至非技术同学都能搭建出生产级的 AI 应用。

    另一个亮点是私有化部署能力。对于数据敏感的企业用户，Dify 可以完全部署在内部服务器，数据不出企业内网，同时享受和云服务版一样的功能体验。加上它对国产大模型（如通义千问、文心一言、智谱 GLM）的良好支持，在国内落地场景非常有优势。

    145K+ Stars 不是偶然。Dify 正在成为 AI 应用时代的”WordPress”——让每个人都能轻松拥有自己的 AI 应用。无论你是个人开发者、创业团队还是大型企业，Dify 都值得一试。

    📦 下载地址

    开源协议：Apache-2.0（附加 Dify 开源条款） · 主要语言：TypeScript 51.5% / Python 44.1%

  • 【开源推荐】Open Notebook：29.9K+ Stars！Notebook LM 开源替代品，隐私优先+18家AI模型随意切换

    【开源推荐】Open Notebook：29.9K+ Stars！Notebook LM 开源替代品，隐私优先+18家AI模型随意切换

    📌 项目简介

    Open Notebook 是 Google Notebook LM 的开源替代品，隐私优先、支持自托管，兼容 18+ AI 服务商（OpenAI、Anthropic、Ollama 等），让你完全掌控研究数据，不再受大厂绑定。

    29.9K+
    GitHub Stars

    18+
    AI 服务商

    100%
    数据自主

    MIT
    开源协议

    ⚙️ 安装要求和过程

    环境要求

    • 仅需安装 Docker Desktop（所有平台通用）
    • 支持 Windows / macOS / Linux
    • 需要约 2GB 磁盘空间

    快速安装（3 步搞定）

    # 第1步：下载 docker-compose.yml
    curl -o docker-compose.yml https://raw.githubusercontent.com/lfnovo/open-notebook/main/docker-compose.yml

    # 第2步：修改加密密钥（可选但推荐）
    # 编辑 docker-compose.yml，修改 OPEN_NOTEBOOK_ENCRYPTION_KEY

    # 第3步：启动服务
    docker compose up -d

    # 等待 15-20 秒后访问
    浏览器打开 http://localhost:8502

    安装完成后在浏览器打开 http://localhost:8502 即可使用，AI 密钥可在 Web UI 中配置，无需提前写入配置文件。

    ✨ 核心功能

    🔒
    隐私优先，数据自主

    自托管部署，所有研究数据存储在本地，完全不受 Google 服务器约束。支持 Docker / 云端 / 本地多种部署方式。

    🤖
    18+ AI 服务商兼容

    原生支持 OpenAI、Anthropic、Google、Groq、Ollama、DeepSeek、Mistral、xAI 等 18+ 家，也支持任意 OpenAI 兼容接口（LM Studio 等）。

    🎙️
    专业多角色播客生成

    支持 1-4 个可自定义角色的播客生成，比 Notebook LM 的 2 角色更灵活，可打造个性化内容输出。

    🔍
    全文 + 向量语义双搜索

    所有上传内容同时支持关键词全文检索和向量语义搜索，快速定位研究资料中的关键信息。

    ⚡
    完整 REST API

    提供完整的 REST API 接口，支持全流程程序化调用，可集成到现有工作流或自动化系统中。

    💡 典型使用场景

    场景一：学术研究资料管理

    上传论文 PDF、会议视频、网页资料，让 AI 基于你的资料库进行问答和总结。数据完全本地存储，敏感研究内容不外泄。

    场景二：多模型对比研究

    同时配置 OpenAI、Anthropic、DeepSeek 等多个模型，在同一套资料上对比不同模型的分析能力，选出最适合的模型。

    场景三：团队知识库 + 播客输出

    将团队文档、会议记录导入 Open Notebook，用 AI 生成洞察；还可将研究成果一键转换为多角色播客，方便团队内部分享。

    ⚡ Open Notebook vs Notebook LM

    对比维度 Open Notebook Notebook LM
    数据隐私 ✅ 自托管，完全自主 ❌ 仅 Google 云端
    AI 模型选择 ✅ 18+ 家，含本地模型 ❌ 仅 Google 模型
    播客角色数 ✅ 1-4 个可自定义 ⚠️ 仅 2 个
    API 访问 ✅ 完整 REST API ❌ 无
    成本 ✅ 只需支付 AI 调用费 ⚠️ 免费层 + 月费订阅
    开源定制 ✅ MIT 协议，完全可改 ❌ 封闭系统

    💬 推荐理由

    Google Notebook LM 确实好用，但它有两个痛点：数据在 Google 服务器上，以及只能用 Google 的模型。如果你研究的内容比较敏感，或者想用 DeepSeek / 本地 Ollama 来节省成本，Notebook LM 就没法满足你了。

    Open Notebook 最大的价值就是把控制权还给你：数据存在自己服务器上，想用哪个 AI 就用哪个，甚至可以在完全没有外网的环境里跑本地模型。而且它还有完整 REST API，可以接入自己的自动化流程。

    部署也超级简单，会 Docker 就能跑，三行命令搞定。如果你一直在找 Notebook LM 的平替，这个项目值得一试。开源、免费、不绑架数据，还要什么自行车？

    🤖 已支持 AI 服务商（部分）

    OpenAI
    Anthropic
    Google GenAI
    Groq
    Ollama
    DeepSeek
    Mistral
    xAI (Grok)
    OpenRouter
    Azure OpenAI
    Vertex AI
    MiniMax
    DashScope (Qwen)
    LM Studio

  • 【开源推荐】Agent-Reach：26.7K+ Stars！给AI Agent装上「全网眼睛」，免费读取Twitter/Reddit/YouTube/B站

    【开源推荐】Agent-Reach：26.7K+ Stars！给AI Agent装上「全网眼睛」，免费读取Twitter/Reddit/YouTube/B站

    ⭐ 26.7K+ Stars
    Python
    CLI工具

    📌 项目简介

    Agent-Reach 是一款为AI Agent提供全互联网内容访问能力的开源CLI工具，将Twitter、Reddit、YouTube、B站、小红书、抖音、GitHub、微信公众号等主流平台的信息获取能力封装为开箱即用的命令行工具，无需支付任何API费用。

    AI Agent在信息获取上一直存在明显短板：无法直接访问社交平台、受限于API费用、配置复杂繁琐。Agent-Reach正是为解决这些痛点而生——它相当于给AI Agent一键装上了”全网眼睛”，让Claude Code、Cursor、OpenClaw等AI编程助手能够自由获取互联网上的实时信息。

    🔧 安装要求和过程

    环境要求

    • 操作系统：Windows / macOS / Linux
    • Python版本：3.8+
    • 依赖：可运行shell命令的AI Agent（Claude Code、Cursor、OpenClaw、Windsurf、Codex等）
    • 可选：Chrome浏览器（用于Cookie导出）

    快速安装（3步搞定）

    第一步：打开你的AI Agent（Claude Code/Cursor/OpenClaw等），输入以下指令：

    帮我安装 Agent Reach：https://raw.githubusercontent.com/Panniantong/agent-reach/main/docs/install.md

    第二步：等待自动安装完成（工具会自动处理依赖、代理配置、Cookie登录等）

    第三步：安装完成后，对Agent说”测试一下Agent Reach”，验证各平台连通性

    ⚠️ OpenClaw用户注意：需先开启exec权限，执行 openclaw config set tools.profile "coding"，或在 ~/.openclaw/openclaw.json 中设置 "tools": { "profile": "coding" }，之后重启Gateway（openclaw gateway restart）并开启新对话。

    更新方法

    帮我更新 Agent Reach：https://raw.githubusercontent.com/Panniantong/agent-reach/main/docs/update.md

    ✨ 核心功能

    🌐 1. 开箱即用，无需任何配置

    以下平台安装后即可使用，无需API Key或账号配置：

    • 网页：直接读取任意网页内容，自动清理冗余HTML
    • YouTube：提取视频字幕、搜索视频
    • RSS：订阅并读取任意RSS/Atom源内容
    • 微信公众号：搜索内容、阅读全文（输出为Markdown格式）
    • 微博：获取热搜、用户动态、评论
    • V2EX：查看热门帖子、节点帖子、帖子详情+回复
    • 全网搜索：支持语义搜索，自动配置无需API Key

    🔑 2. 简单配置后解锁更多平台

    以下平台只需简单配置即可解锁：

    • GitHub：访问私有仓库、管理Issue/PR、操作Fork
    • X（Twitter）：搜索推文、浏览时间线、发布推文
    • B站：提取本地字幕、搜索内容
    • Reddit：读取帖子和评论
    • 小红书：阅读内容、搜索、发帖互动
    • 抖音：视频解析、无水印下载
    • LinkedIn：获取Profile详情、公司页面、职位搜索
    • 小宇宙播客：播客音频转文字（基于Whisper转录，提供免费Key）

    🩺 3. 一键诊断，问题排查超简单

    执行 agent-reach doctor 命令即可自动检测各平台连通性，定位问题并给出修复方案，大幅降低运维成本。

    🔒 4. 隐私安全，Cookie本地存储

    用户Cookie仅存储在本地，不会上传或外泄，避免账号信息泄露风险。需要Cookie的平台（Twitter、小红书等），优先使用Chrome插件Cookie-Editor导出Cookie，发送给Agent即可完成配置。

    🔌 5. 极强兼容性，无缝衔接现有工作流

    支持所有可运行命令行的AI Agent，包括Claude Code、OpenClaw、Cursor、Windsurf、Codex等，安装后即刻生效，无需修改现有工作流。

    💡 典型使用场景

    场景一：AI Agent信息检索增强

    解决AI Agent无法访问社交平台、内容社区的问题。你可以让Agent获取X（Twitter）最新舆论、Reddit海外讨论、小红书真实种草内容、B站热门视频、公众号一手资讯等。

    示例：对Claude Code说”帮我搜索Twitter上关于GPT-5的最新讨论并总结”，Agent会通过Agent-Reach自动获取Twitter内容并分析。

    场景二：多平台内容聚合分析

    可同时对接多个内容平台，实现跨平台内容搜集、整理、分析，无需手动逐个平台操作。

    示例：让AI Agent”帮我收集B站、小红书、微博上关于AI编程助手的最新讨论”，Agent会自动从三个平台获取内容并汇总分析。

    场景三：低门槛AI工具扩展

    无技术背景的用户也可以快速让AI Agent具备全网信息获取能力，无需处理反爬、代理配置、环境调试等复杂工作。只需一句话指令，AI Agent即可完成安装配置。

    🌟 推荐理由

    • 极低使用门槛：无需手动处理工具选型、依赖安装、代理配置、Cookie登录、数据清洗等复杂流程，一句指令即可完成安装，非技术用户也可快速上手。
    • 完全免费开源：所有能力免费开放，无需支付API费用，可自由修改、扩展功能。MIT协议，商业使用也无顾虑。
    • 解决真实痛点：AI Agent的信息获取能力一直是短板，Agent-Reach恰好填补了这一空白，让AI Agent真正具备”感知互联网”的能力。
    • 活跃维护中：项目创建于2026年2月，至今仍保持活跃更新（最后更新2026年6月12日），社区反馈响应及时。
    • 支持平台广泛：覆盖15+主流内容平台，且持续增加中，基本涵盖国内外主要信息源。

    个人使用感受：Agent-Reach最大的价值在于极大地降低了AI Agent获取实时信息的能力门槛。以前要让AI获取Twitter或Reddit的信息，需要申请API、处理认证、写爬虫脚本，现在只需安装一个工具，对AI说一句话就能搞定。对于需要AI辅助调研、信息搜集的场景，这个工具堪称必备。

    📥 下载地址

    🔗 GitHub仓库：https://github.com/Panniantong/Agent-Reach

    🌐 官方网站：通过GitHub README中的安装链接获取

    📦 安装文档：https://raw.githubusercontent.com/Panniantong/agent-reach/main/docs/install.md

    💬 问题反馈：通过GitHub Issues提交

    本文由自动化任务每日精选GitHub热门AI开源项目整理发布。项目数据截止2026年6月13日。

  • 【开源推荐】crawl4ai：68.3K+ Stars！专为LLM设计的网页爬虫，让AI直接读懂网页内容

    【开源推荐】crawl4ai：68.3K+ Stars！专为LLM设计的网页爬虫，让AI直接读懂网页内容

    crawl4ai - LLM友好网页爬虫工具

    crawl4ai – 专为LLM和AI Agent设计的网页爬虫工具 @reference_1@

    📌 项目简介

    crawl4ai 是一款专为LLM和AI Agent设计的开源网页爬虫工具，能将任意网页内容转换为干净的Markdown格式，可直接用于RAG、AI Agent、数据管道等场景，无需依赖任何付费API。

    68.3K+
    GitHub Stars

    Python
    开发语言

    v0.6+
    最新版本

    ⚙️
    安装要求和过程

    环境要求

    • Python ≥ 3.10
    • Playwright（用于异步浏览器控制）
    • 支持 Windows / macOS / Linux

    快速安装（4步搞定）

    # 第1步：安装 crawl4ai
    pip install -U crawl4ai
    # 第2步：配置浏览器依赖
    crawl4ai-setup
    # 第3步：验证安装
    crawl4ai-doctor
    # （可选）如 Playwright 报错，手动安装浏览器
    python -m playwright install chromium

    Docker 部署（生产推荐）

    # 拉取官方镜像
    docker pull unclecode/crawl4ai:latest
    # 启动容器
    docker run -d -p 11235:11235 –name crawl4ai –shm-size=1g unclecode/crawl4ai:latest
    # 访问监控面板
    http://localhost:11235/dashboard

    ⚡
    核心功能

    ① 智能 Markdown 生成

    生成结构清晰、格式准确的干净 Markdown，支持 Fit Markdown 启发式过滤，自动剔除无关噪音内容。支持 BM25 算法过滤，可提取核心信息，更适合 AI 处理。

    ② LLM 驱动的结构化数据提取

    支持所有 LLM（开源/闭源）驱动的结构化数据提取。内置多种分块策略，支持基于用户查询的语义内容匹配，可通过自定义 Schema 从重复页面模式中批量提取结构化 JSON。

    ③ 浏览器深度集成

    支持托管用户自有浏览器，通过 Chrome DevTools 协议实现远程浏览器控制。支持浏览器配置文件持久化（保存认证状态、Cookie），完美支持需要登录的网站爬取。

    ④ 动态页面与反爬对抗

    支持执行 JavaScript、等待异步动态内容加载、处理无限滚动页面。提供隐身模式模拟真实用户行为，支持自定义请求头、Cookie、User-Agent 和代理认证，有效绕过常见反爬限制。

    ⑤ Docker 一键部署 + API 服务

    提供优化后的 Docker 镜像，内置 FastAPI 服务，开箱即用。内置 JWT 令牌认证保障 API 安全，支持大规模生产环境部署，是构建数据采集基础设施的最佳选择。

    💡
    典型使用场景

    场景1：RAG 知识库数据准备

    将网页内容转换为干净 Markdown，作为 RAG 系统的知识库来源。crawl4ai 的 Fit Markdown 功能可自动过滤导航栏、广告、页脚等噪音，只保留核心正文，避免无关内容干扰大模型输出。配合深度爬取（BFS/DFS策略）可批量采集整个网站。

    场景2：AI Agent 实时信息获取工具

    将 crawl4ai 封装为 AI Agent 的工具函数，让 Agent 能够自主爬取所需网页内容。比如用户问”今天有哪些 AI 新闻？”，Agent 可自动爬取新闻网站并提取结构化信息，真正实现 AI 联网能力。

    场景3：大规模数据采集管道

    结合 Docker 部署、浏览器池、缓存机制，搭建大规模高并发网页数据采集系统。内置的浏览器配置文件持久化能力，可保存登录状态实现需要认证的网站批量采集，适合构建企业级数据采集基础设施。

    🚀 30秒快速开始

    Python 代码方式：
    import asyncio
    from crawl4ai import *

    async def main():
    async with AsyncWebCrawler() as crawler:
    result = await crawler.arun(url=”https://example.com”)
    print(result.markdown) # 获取干净 Markdown

    if __name__ == “__main__”:
    asyncio.run(main())

    CLI 命令行方式：
    crwl https://example.com -o markdown
    # 深度爬取，最多10个页面
    crwl https://docs.crawl4ai.com –deep-crawl bfs –max-pages 10

    💝
    推荐理由

    如果你正在构建 RAG 系统或 AI Agent，crawl4ai 是目前开源界最值得关注的网页数据采集工具。它解决了传统爬虫的两个核心痛点：

    第一，真正为 LLM 优化。 传统爬虫输出的是原始 HTML 或杂乱文本，需要大量后处理才能喂给大模型。crawl4ai 直接输出干净、结构化的 Markdown，内置的 Fit Markdown 功能可以智能过滤导航、广告等噪音，让 RAG 召回质量大幅提升。

    第二，对动态页面和反爬场景的支持非常完善。 基于 Playwright 的浏览器控制，可以处理 React/Vue 等前端框架渲染的页面，支持等待异步内容加载、处理无限滚动。隐身模式和浏览器指纹自定义功能，让我在采集一些有反爬机制的网站时也能稳定获取数据。

    最让我惊喜的是它的 Docker 部署方案。 几分钟就能搭建一个带 API 服务的爬取引擎，内置 JWT 认证，可以直接集成到现有数据管道中。对于需要大规模采集的场景，这比手写 Scrapy 爬虫效率高太多了。

    ⭐ 总之，如果你需要为 AI 应用添加网页数据获取能力，crawl4ai 是目前最成熟的开源选择，没有之一。

    📥 下载地址

    License: Apache 2.0 | 作者: UncleCode | 最近更新: 2026年6月

    💡 关注【开源推荐】系列，每周带你发现最值得关注的 AI 开源项目
    ⭐ 如果这篇文章对你有帮助，欢迎在 WordPress 点赞留言！

  • 【开源推荐】autoresearch：86K+ Stars！Karpathy开源AI自主研究工具，让Agent通宵帮你优化LLM训练

    【开源推荐】autoresearch：86K+ Stars！Karpathy开源AI自主研究工具，让Agent通宵帮你优化LLM训练

    🔥 GitHub 热门 AI 开源项目

    autoresearch

    AI Agent 自主运行 LLM 训练研究 · Karpathy 出品

    🤖 AI Agent
    🧠 深度学习
    ⚡ 单GPU
    🔬 自动研究

    📌项目简介

    autoresearch 是 AI 大神 Andrej Karpathy（前 Tesla AI 总监、OpenAI 创始成员）开源的颠覆性项目——让 AI Agent 在单张 GPU 上自主运行深度学习实验，自动修改代码、训练模型、评估结果，通宵跑完 100+ 实验，早上起来收报告。这不是科幻，是现在就能用的真实工具。

    ⚙️安装要求和过程

    1

    环境要求

    单张 NVIDIA GPU（测试过 H100）、Python 3.10+、uv 包管理器

    2

    快速安装（4步搞定）

    # 1. 安装 uv（如果还没有）
curl -LsSf https://astral.sh/uv/install.sh | sh

# 2. 安装依赖
uv sync

# 3. 下载训练数据 + 训练 BPE 分词器（一次性，约2分钟）
uv run prepare.py

# 4. 手动跑一次训练实验（约5分钟）
uv run train.py

    3

    启动 AI Agent 自主研究

    在仓库目录下启动 Claude Code / Codex 等 AI Agent（关闭所有权限确认），然后发送提示：

    Hi have a look at program.md and let's kick off a new experiment!
let's do the setup first.

    4

    低配设备适配

    没有 H100？社区已有 macOS、MLX、Windows RTX 等 Fork，MacBook 也能跑！

    ⭐核心功能

    🤖

    AI Agent 自主研究

    Agent 自动修改 train.py，训练5分钟，检查 val_bpb 是否下降，保留或丢弃改动，不断迭代。你只需要睡前启动，早上收实验日志。

    ⏱️

    固定时间预算（公平对比）

    每次实验固定5分钟（wall clock），不管 Agent 怎么改模型架构、batch size，所有实验都可直接对比。约12次实验/小时，通宵可跑100+次。

    📁

    极简设计（只改一个文件）

    整个仓库只有3个核心文件：prepare.py（固定）、train.py（Agent 修改）、program.md（人类修改）。diff 清晰可审查，不会失控。

    🔌

    支持任意 AI Agent

    Claude Code、OpenAI Codex、Gemini CLI、OpenClaw……任何能读写文件的 AI Agent 都能用。program.md 本质上是一个超轻量级的”技能提示词”。

    🌍

    活跃社区 Fork（多平台支持）

    macOS（M系列芯片）、Windows（RTX显卡）、MLX框架均有社区 Fork，低配设备也能体验 AI 自主研究。

    🚀典型使用场景

    🌙 场景一：夜间自动实验

    下班前启动 Agent，让它通宵自主实验。第二天早上，你会收到一份完整的实验日志，记录每次改动、训练曲线和验证集效果。相当于白得一个不知疲倦的研究生。

    🔬 场景二：快速模型架构探索

    想尝试不同的注意力机制、优化器组合或模型深度？让 Agent 在固定时间预算内自动探索各种组合，快速找到最优配置，省去大量手工调参时间。

    📚 场景三：学习深度学习最佳实践

    即使是深度学习初学者，也可以阅读 Agent 的修改记录和实验日志，从中学习哪些改动有效、哪些无效，快速积累建模经验。

    💡推荐理由

    Karpathy 出品，必属精品。autoresearch 最震撼的地方在于它把”AI 做 AI 研究”从科幻变成了现实——而且代码极简，整个训练代码只有一个 train.py，清晰到可以作为学习材料。

    固定5分钟时间预算的设计非常巧妙：不管怎么改模型，每次实验成本相同，结果可直接对比。这让 Agent 的”研究”变得可解释、可复现，而不是黑盒魔法。

    ⚠️ 注意：目前官方版本需要 NVIDIA GPU，低配设备建议使用社区 Fork。但无论如何，这个项目代表的”AI 自主研究”方向，值得每个 AI 从业者关注和思考。

    📦下载地址

    🔔 关注我们，每周分享最新 AI 开源项目！

    GitHub 热门 AI 项目持续更新中…