Horizon

WeKnora 是腾讯开源的一个文档理解与语义检索框架，旨在帮助用户更高效地处理和利用文档信息。 WeKnora官网入口网址：https://weknora.weixin.qq.com/WeKnora开源项目地址：https://github.com/Tencent/WeKnora WeKnora 的核心功能是将文档转化为可对话的知识库，支持多种文档格式（如 PDF、Word、图片等）的解析与处理，结合大语言模型和向量检索技术，实现智能问答和知识检索。它支持多模态解析、多模态认知引擎、灵活的 RAG 流水线设计、多模型切换和私有化部署等功能，适用于企业知识管理、科研分析、法律审查、医疗知识辅助等多个场景 。 WeKnora 采用模块化设计，包含文档处理、知识建模、检索引擎、推理生成和交互展示等核心模块，支持灵活配置和扩展，适用于不同行业和企业的定制化需求 。其模块化架构使得开发者可以轻松集成到现有系统中，或根据特定需求进行功能扩展 。 WeKnora 提供了直观的 Web 界面，支持用户无需编程即可轻松使用，支持文档上传、知识库管理、智能问答体验等功能，支持多轮交互和精准答案展示 。此外，WeKnora 采用 MIT 许可证开源，社区用户可以自由使用、修改和商业化 。 WeKnora 的目标是通过 AI 技术解决文档管理中的复杂问题，提升信息检索和知识利用的效率，为各行各业提供强大的技术支持 。

PPTist 是一个基于 Web 的演示文稿（幻灯片）应用，旨在提供类似 Microsoft PowerPoint 的功能，支持文本、图片、形状、图表、表格、视频、音频、公式等元素的编辑和展示。它支持在浏览器中直接编辑和演示幻灯片。 PPTist官网入口网址：https://pipipi-pikachu.github.io/PPTist/PPTist开源项目地址：https://github.com/pipipi-pikachu/PPTistPPTist中文介绍：链接常见问题：链接 主要特点： 技术栈：基于 Vue 3.x 和 TypeScript，不依赖 UI 组件库，便于自定义和扩展。用户友好：提供上下文菜单、快捷键、编辑细节优化，力求提供桌面应用般的体验。功能丰富：支持 AI 生成 PPT、多种导出格式（PPTX、JSON、PDF）、移动端支持、历史记录、撤销/重做、快捷键、右键菜单、AI 功能等。目标用户：适合有 Web 开发经验的开发者，而非普通用户或低代码平台用户。开源协议：采用 AGPL-3.0 开源协议，允许商业使用但需遵守开源协议，商业使用需联系作者获取独立授权。 使用方式： 可通过 GitHub 仓库克隆项目并运行本地开发服务器。提供在线演示地址：https://pipipi-pikachu.github.io/PPTist/提供详细的文档和开发指南，包括项目结构、开发文档、FAQ 等。 项目定位： 不是低代码平台、H5 编辑器、图像编辑器或白板应用。适合开发者用于 Web 演示文稿开发，而非普通用户使用。 PPTist 是一个功能丰富、技术先进的 Web 演示文稿工具，适合有 Web 开发经验的开发者使用。它提供了丰富的功能和良好的扩展性，但并非面向普通用户的“即用型”工具。其开源协议（AGPL-3.0）对商业使用有特定要求，需遵守开源协议或联系作者获取商业授权。

Eino 是一个基于 Go 语言的 LLM 应用开发框架，旨在提供一个简单、可扩展、可靠且高效的开发框架。它借鉴了 LangChain、LlamaIndex 等开源社区中的优秀 LLM 应用开发框架，并结合了前沿研究和实际应用的经验，以更好地符合 Go 语言的编程规范。 Eino开源项目官网入口网址：https://github.com/cloudwego/einoEino中文介绍：链接 Eino 提供了以下核心功能和特性： 组件抽象与实现：提供可复用和组合的组件，简化 LLM 应用的开发。编排框架：提供强大的编排能力，包括类型检查、流处理、并发管理、切面注入、选项分配等。API 设计：注重简洁和清晰的 API 设计。最佳实践与示例：提供丰富的最佳实践、流程和示例。开发工具：覆盖从可视化开发到在线调试、追踪和评估的完整开发周期。 Eino 的核心理念是通过标准化、简化和提高 AI 应用开发的效率。它支持多种编排方式，如链式、图式和工作流，以支持复杂业务逻辑的实现。同时，Eino 提供了流处理、并发管理、切面注入、选项分配等功能，以支持复杂业务逻辑的实现。 Eino 的组件化设计使得开发者可以轻松地组合和扩展功能，同时保持代码的透明性和可维护性。Eino 的框架结构包括 Eino 本身、EinoExt、Eino Devops 和 EinoExamples 等部分，提供了丰富的工具和示例，帮助开发者快速上手和使用。 Eino 的目标是成为 Go 语言中 LLM 应用开发的终极框架，提供一个高效、可靠、易用的开发环境。

DroidRun 是一个开源框架，旨在通过大型语言模型（LLM）代理控制 Android 设备，实现自动化操作。它支持自然语言指令，允许用户通过简单的命令控制设备，执行复杂任务，如启动应用、交互界面元素等。DroidRun 结合了视觉解析和 UI 结构提取技术，以实现精准的交互操作。 DroidRun官网入口网址：https://droidrun.ai/DroidRun开源项目地址：https://github.com/droidrun/droidrun DroidRun 的核心功能包括支持多种 LLM 提供商（如 OpenAI、Anthropic、Gemini、Ollama、DeepSeek），提供易用的命令行界面（CLI）和 Python API，支持自定义自动化脚本。它还支持截图分析、执行追踪和远程设备控制，适用于 UI 测试、自动化任务执行等场景。 DroidRun 的开发和社区活跃，项目采用 MIT 许可证，开源社区活跃，支持贡献代码和提交 Pull Request。目前，DroidRun 处于等待列表阶段，提供针对个人开发者、小团队和企业的不同解决方案。 DroidRun 的目标是通过 AI 技术实现移动设备操作的自动化，提升效率和用户体验，是 AI 在移动设备自动化领域的重要进展。

olmOCR 是一个开源工具，旨在将 PDF 和其他基于图像的文档格式转换为干净、可读的纯文本格式。它支持将 PDF、PNG 和 JPEG 格式的文档转换为 Markdown 格式，并支持方程式、表格、手写内容和复杂格式的处理。该工具还具备自动去除页眉和页脚、保持文本自然阅读顺序等功能，即使在存在图表、多列布局和嵌入内容的情况下也能有效处理。 olmOCR开源项目地址：https://github.com/allenai/olmocrolmOCR官网入口网址：https://olmocr.allenai.org/ olmOCR 基于 7B 参数的视觉语言模型（VLM），需要 GPU 支持，且每百万页的转换成本低于 200 美元。该工具由 Allen Institute for Artificial Intelligence（AI2）开发和维护，旨在通过高影响力的人工智能研究和工程推动人类进步。 用户可以通过在线演示（https://olmocr.allenai.org/ ）尝试使用该工具。此外，olmOCR 提供了详细的安装指南、命令行工具和 API 支持，适用于本地运行和大规模处理。该工具还提供了详细的性能基准测试和模型评估，以确保其在 OCR 领域的领先地位。 olmOCR 是一个功能强大且灵活的工具，适用于需要将图像和 PDF 文档转换为可读文本的用户和研究人员。

CLI-Anything 是一个由香港大学数据科学团队（HKUDS）开发的开源项目，旨在弥合人工智能代理（AI Agents）与现实世界专业软件之间的巨大鸿沟。其核心理念是“今天的软件服务于人类，明天的用户将是智能体”。该项目通过自动化的方式，将任何拥有源代码的软件（如 GIMP、Blender、LibreOffice 等）转化为具备结构化命令行接口（CLI）的工具，使 AI 代理能够无需图形界面（GUI）自动化或专用 API 即可直接控制这些软件。 CLI-Anything开源项目官网入口网址：https://github.com/HKUDS/CLI-Anything CLI-Anything开源项目官网中文文档：链接 核心痛点与解决方案 当前，AI 代理虽然具备强大的推理能力，但在操作实际专业软件时面临巨大挑战。传统的解决方案通常依赖于脆弱的 UI 自动化（如截图点击）、有限的官方 API，或是功能被大幅削减的重新实现。CLI-Anything 提出了一种颠覆性的解决方案：它不替换软件，而是为软件生成一个“代理原生”的命令行外壳（Harness）。这个外壳直接调用真实的软件后端进行渲染和处理，保留了软件 100% 的专业功能，同时提供了适合 LLM（大语言模型）理解的标准化文本命令和 JSON 输出格式。 工作原理：全自动七阶段流水线 CLI-Anything 的核心是一个高度自动化的七阶段生成流水线，可通过 Claude Code 插件、OpenCode 命令或 Codex Skill 触发： 分析（Analyze）：扫描源代码，将 GUI 动作映射到内部 API。设计（Design）：架构命令组、状态模型及输出格式。实现（Implement）：构建基于 Click 框架的 CLI，包含 REPL（交互式命令行）、JSON 输出及撤销/重做功能。测试计划（Plan Tests）：制定单元测试和端到端测试计划。编写测试（Write Tests）：实施全面的测试套件。文档（Document）：更新测试结果文档。发布（Publish）：生成安装脚本并将 CLI 部署到系统路径。 此外，项目还支持“细化（Refine）”功能，通过差距分析不断扩展 CLI 的功能覆盖率。 技术优势与特点真实集成：生成的 CLI 直接调用真实应用（如 Blender 渲染场景、LibreOffice 生成 PDF），拒绝“玩具级”实现。结构化交互：所有命令均支持 –json 标志，输出机器可读的结构化数据，极大降低了 Agent 解析结果的难度。通用性与轻量级：CLI 是跨平台的通用接口，无需复杂依赖，且利用 –help 标志实现自我描述，便于 Agent 自主发现功能。生产级质量：项目已在 11 款复杂软件（涵盖图像编辑、3D 建模、办公套件、视频剪辑等领域）上成功验证，累计通过 1508 项测试（包括单元测试和真实软件调用的端到端测试），通过率达 100%。应用场景 CLI-Anything 适用于广泛的领域，包括创意设计（GIMP, Blender）、数据分析（Jupyter, Superset）、开发工具（Jenkins, Portainer）、企业办公（LibreOffice, NextCloud）以及科学计算等。无论是开源项目还是私有代码库，只要提供源码，CLI-Anything 都能将其转化为 Agent 可操控的强大工具。 CLI-Anything 不仅是一个工具生成器，更是一套方法论（HARNESS.md），它定义了如何将人类设计的软件无缝转化为适应 AI 时代的“Agent 原生”基础设施，极大地释放了智能体在复杂工作流中的潜力。