agency-agents

OpenViking 是由字节跳动火山引擎（Volcengine）团队开发的一款开源上下文数据库，专为 AI Agent（人工智能代理）设计，旨在解决长期运行的 Agent 面临的“上下文割裂”和“长程任务高成本”问题。 OpenViking官网入口网址：https://openviking.ai/OpenViking开源项目地址：https://github.com/volcengine/OpenViking核心设计理念与技术架构 与传统的向量数据库不同，OpenViking 采用了文件系统范式（Filesystem Paradigm）‍来管理记忆、资源和技能。这意味着它使用类似 viking://… 的虚拟文件系统路径（URIs）来组织和访问数据，而不是仅仅依赖于模糊的向量相似度检索。这种设计的核心优势在于： 结构化存储：通过将记忆和资源按目录结构组织，告别了碎片化的向量空间，用户可以直观地可视化管理和浏览记忆树。分层上下文供给：OpenViking 提供了分层的上下文加载机制（L0/L1/L2）。这意味着在对话或任务处理中，它不会一次性加载全部上下文信息，而是根据需要按需加载摘要、概要或完整内容，有效降低了 Token 消耗和响应成本。目录递归检索：它支持基于目录结构的递归检索（Recursive Retrieval），不仅依赖于向量相似度，还结合了资源的层级关系，从而显著提升了检索的准确性和全局性。关键功能与应用场景 OpenViking 并不仅仅是一个存储工具，它内置了完整的 RAG（检索增强生成）流程和模型上下文协议（MCP）服务器。这使得它能够轻松集成到现代 AI 架构中，支持以下功能： 语义搜索与问答：开发者可以使用类似 client.find(“what is openviking”) 的语句进行语义搜索，快速定位相关文档或知识点。文档管理与摘要：它支持添加 URL、文件或整个目录作为资源，并能够自动生成摘要（Abstract）和概要（Overview），帮助 Agent 快速理解文档全貌。记忆管理与自迭代：通过内置的记忆自迭代闭环，OpenViking 能够自动更新用户偏好和任务经验，让 Agent 在交互中持续进化。技能（Skill）管理：在 Agent 框架中，它可以管理和检索 Agent 的技能集合，支持将文件、URL 等资源添加到向量记忆中，以调用 LLM（大型语言模型）。社区与生态 OpenViking 项目高度开源和社区化，采用 Apache 2.0 许可证，鼓励开发者贡献代码或新特性。它通过 Lark 群、微信群、Discord 等渠道建立了活跃的技术社区，用户可以在社区中分享见解、互相帮助。 OpenViking 通过将 AI 记忆管理从“无序的向量堆砌”转变为“有序的文件系统管理”，解决了传统 AI Agent 在长期任务中记忆“溢出”或“丢失”的痛点。它不仅提供了高效的语义检索能力，还通过分层加载和自迭代机制，为构建下一代低成本、高效能的 AI Agent 打下了坚实的基础。

Haystack 是一个端到端的大型语言模型（LLM）框架，旨在帮助用户构建由 LLM、Transformer 模型、向量搜索等技术驱动的应用程序。无论您是希望执行检索增强生成（RAG）、文档搜索、问答或答案生成，Haystack 都能通过将最先进的嵌入模型和 LLM 组合成管道，来构建端到端的自然语言处理（NLP）应用并解决实际问题。 Haystack官网入口网址：https://haystack.deepset.ai/Haystack开源项目地址：https://github.com/deepset-ai/haystack Haystack 提供了灵活、透明和可扩展的架构，支持用户根据需求选择不同的技术栈和模型，例如 OpenAI、Cohere、Hugging Face 的模型，以及本地或云托管的模型。它还提供了统一的工具集，包括数据库访问、文件处理、训练、评估、推理等功能，便于用户快速构建和定制化应用。 Haystack 的核心优势在于其技术中立性、透明性、灵活性和可扩展性。用户可以轻松切换组件，构建自定义组件，并通过社区和第三方扩展生态系统不断丰富功能。此外，Haystack 提供了丰富的文档、教程、示例和社区支持，帮助用户快速上手并解决复杂问题。 Haystack 还提供了多种部署方式，包括 REST API 部署、企业版支持、深度学习工作室（deepset Studio）等，满足不同场景下的需求。无论是个人开发者还是企业用户，都可以通过 Haystack 构建高效、可扩展的 AI 应用。

Gemini CLI 是一个开源的 AI 代理，旨在将 Gemini 模型的强大功能直接集成到终端中，为开发者提供高效、便捷的 AI 助手 。它支持代码生成、问题解决、深度研究和任务管理等多种功能，并且与 Google 的 AI 编程助手 Gemini Code Assist 共享底层技术 。 Gemini CLI官网入口网址：https://google-gemini.github.io/gemini-cli/Gemini CLI开源项目地址：https://github.com/google-gemini/gemini-cli Gemini CLI 的核心功能包括： 代码生成与编辑：支持在终端中直接提问、编写代码、解释错误和优化代码，还可处理非代码问题和图片分析 。多模态能力：支持多模态生成应用，如从 PDF 或草图快速生成应用程序原型 。自动化任务：支持自动化工作流、文件操作、代码编辑、网络请求等功能 。扩展性：支持 MCP 协议、自定义提示词、插件扩展，以及与 VS Code 的集成 。安全性与配置：提供沙箱执行环境、上下文文件管理、多环境适配等安全与配置功能 。 安装与使用方面，Gemini CLI 需要 Node.js 18 或更高版本，通过 npm 或 npx 安装，支持全局安装或命令行调用 。用户需登录 Google 账户或设置 API 密钥以获取 API 访问权限 。免费使用额度为每分钟 60 次、每日 1000 次，超出后可切换至 Gemini 2.5 Pro 模型 。 Gemini CLI 是一个功能强大且灵活的命令行工具，适合开发者在终端中高效地利用 AI 助手完成各种任务。

蛐蛐 (QuQu) 是 Wispr Flow 的开源免费替代方案，专为中文用户打造的注重隐私的桌面端语音输入与文本处理工具。与 Wispr Flow 不同，蛐蛐完全开源免费，数据本地处理，专为中文优化，支持国产AI模型。 蛐蛐 (QuQu)开源项目官网入口网址：https://github.com/yan5xu/ququ 蛐蛐（QuQu）是一款面向中文用户的开源免费语音输入与文本处理工具，定位为 Wispr Flow 的替代方案。项目全部代码托管在 GitHub（https://github.com/yan5xu/ququ ），遵循自由软件精神，任何人均可自由下载、审查、修改或二次分发。 核心特性 本地化隐私保护：所有语音和文本数据均在本地完成处理，不会上传至云端，最大限度避免敏感信息泄露。国产模型深度集成：内置 FunASR 本地语音识别模型，实现高精度中文语音转文字；同时支持可配置的大语言模型（LLM），用户可自行选择本地部署的中文大模型或通过插件接入其他模型，实现智能生成、校对、摘要等高级文本处理。跨平台桌面应用：基于 Node.js 18+ 与 pnpm 构建，兼容 macOS 10.15+、Windows 10+ 与 Linux，提供友好 UI，适合日常办公、写作、学习等场景。完全免费开源：相较于商业版 Wispr Flow，蛐蛐免除订阅费用，代码公开透明，用户可自行审计安全性。 优势概览 免费且开源：消除商业授权费用，代码透明可审计。数据本地化：所有处理在本机完成，保障用户隐私。中文深度优化：专为中文语音与文本设计，兼容国产 AI 模型，提升识别与生成准确性。高度可定制：用户可自行替换或扩展模型组件，灵活适配不同业务需求。 通过整合离线语音识别、可配置的大语言模型以及友好的桌面工作流，蛐蛐旨在为中文用户提供“一站式、可靠且安全”的生产力工具，打造下一代中文桌面语音工作流的标杆。

LeRobot 是一个由 Hugging Face 推出的开源机器人开发平台，旨在降低机器人领域的入门门槛，让每个人都能通过共享数据集和预训练模型受益 。该项目由前特斯拉工程师 Remi Cadene 领导，提供预训练模型、数据集和模拟环境，支持模仿学习和强化学习，适用于多种机器人硬件和虚拟平台 。 LeRobot开源项目地址：https://github.com/huggingface/lerobot LeRobot 提供了多种先进的方法，如模仿学习和强化学习，支持在真实世界中应用。它包含预训练模型、数据集和仿真环境，用户无需组装机器人即可开始使用 。LeRobot 还支持多种策略（如 ACT、Diffusion、TDMPC）和环境，用户可以通过命令行工具训练、评估和控制机器人 。 LeRobot 的目标是推动 AI 与机器人技术的融合，降低开发门槛，让更多人参与机器人开发和探索 。该项目开源，面向全球开发者，助力机器人技术的普及与创新 。 LeRobot 的硬件支持包括开源的 Koch v1.1 机器人套件，用户可以自行组装机械臂并训练模型。项目还计划推出更便宜的 Moss v1 版本，以进一步降低使用成本 。 LeRobot 的软件架构基于 PyTorch，提供统一的硬件接口和丰富的工具，支持多种数据格式和模型训练，适合从研究到实际部署的多种场景 。 LeRobot 是一个开源的机器人开发平台，旨在通过提供先进的工具和方法，降低机器人开发的门槛，推动 AI 与机器人技术的普及和创新。

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。