OpenViking

AI-Infra-Guard 是腾讯开源的高效 AI 基础设施安全评估工具，旨在发现和检测 AI 系统中的潜在安全风险。 AI-Infra-Guard官网入口网址：https://tencent.github.io/AI-Infra-Guard/AI-Infra-Guard开源项目地址：https://github.com/Tencent/AI-Infra-GuardAI-Infra-Guard中文介绍地址：链接 AI-Infra-Guard 是一个开源项目，支持多种 AI 框架的指纹识别，覆盖 28 种主流 AI 框架和 200+ 安全漏洞数据库，具备高效扫描、易用性、轻量级等特点 。用户可以通过本地扫描、指定目标或从文件读取目标等多种方式进行安全评估，还能结合 AI 分析功能进一步提升检测能力 。 核心功能 基础设施漏洞扫描：精准识别 30+ AI 框架组件，覆盖 近400个 已知 CVE 漏洞，如 Ollama、ComfyUI、vLLM 等MCP Server 安全检测：基于AI Agent驱动，检测 9 大类MCP安全风险，支持源代码/远程URL扫描大模型安全体检：快速评估Prompt安全风险，内置多个精选越狱评测集，快速获取大模型安全体检报告 该工具支持跨平台使用，资源占用低，适合企业 AI 基础设施漏洞检测、安全巡检、运维及 DevSecOps 集成等场景 。AI-Infra-Guard 的开发和应用旨在解决 AI 系统中的安全风险，如数据泄露、算力窃取等问题 。

Xinference 是一个开源的 AI 模型部署与推理框架，旨在简化大模型的部署、运行与调用流程。它支持多种模型类型，包括大语言模型（LLM）、多模态模型、语音识别模型等，并提供高性能、分布式、跨平台的推理能力。Xinference 提供了多种部署方式，包括本地部署、容器化部署、Docker 部署等，支持多种硬件环境，如 CPU、GPU、Apple M 系列芯片等。 Xinference官网入口网址：https://inference.readthedocs.io/Xinference中文官网网址：https://inference.readthedocs.io/zh-cn/Xinference开源项目地址：https://github.com/xorbitsai/inference Xinference 的核心优势包括多模型支持、灵活量化配置、跨硬件适配、分布式推理、统一 API 接口和自动模型管理。它支持多种推理引擎，如 vLLM、TensorRT、Transformers、vLLM、llama.cpp 等，能够优化推理性能并提升模型推理效率。Xinference 还支持与 LangChain、LlamaIndex、LangChain 等框架的无缝集成，便于构建复杂的 AI 应用。 Xinference 提供了多种部署方式，包括命令行工具、RESTful API、CLI、WebUI 等，用户可以通过命令行或 API 调用模型，支持异步调用和流式处理。Xinference 的安装和使用相对简便，支持通过 pip 安装，也支持通过 Docker Compose 快速部署。 Xinference 是一个开源项目，托管在 GitHub 上，用户可以通过 GitHub、Slack 社区、Twitter 等平台参与项目，提交问题、报告 Bug 或提出功能请求。Xinference 的社区活跃，支持用户交流和贡献代码，持续更新和优化项目。 Xinference 是一个功能强大、灵活且易于使用的 AI 模型部署与推理框架，适用于企业级和研究级的 AI 应用开发。

DeepTutor 是由香港大学数据智能实验室（HKU Data Intelligence Lab）开发的一款开源、AI 驱动的个性化学习助手，旨在通过多智能体系统与先进检索增强生成（RAG）技术，为用户提供深度、交互式、个性化的学习体验。 DeepTutor官网入口网址：https://hkuds.github.io/DeepTutor/DeepTutor开源项目地址：https://github.com/HKUDS/DeepTutor 其核心功能涵盖四大模块：大规模文档知识问答、交互式学习可视化、知识强化练习生成以及深度研究与创意生成。 用户可上传教材、论文或技术手册构建专属知识库，系统基于双循环推理架构（分析环 + 解答环）进行多步推理，并结合 RAG、网络搜索与代码执行工具，提供带精确引用的答案。 同时，DeepTutor 能将复杂概念转化为可视化 HTML 页面，支持上下文感知的智能问答，并根据学习进度自动生成定制化习题——甚至可模仿真实考卷风格出题。 在科研方面，其“深度研究”模块采用动态主题队列与三阶段流程（规划→研究→报告），自动开展跨源文献综述并输出结构化报告；“创意生成”模块则能从笔记中提炼知识点，激发创新研究思路。 系统采用前后端分离架构（FastAPI + Next.js），支持 CLI 与 Web 界面，所有学习记录与成果均持久化存储于本地，保障隐私与可控性。项目遵循 AGPL-3.0 开源协议，适合教育、科研及自主学习场景。

Agency-Agents是GitHub上一个迅速走红的开源项目，它通过结构化与工程化的方法，构建了一个拥有超过55个专业AI Agent角色的“虚拟数字公司”。该项目并非提供新的AI模型，而是旨在解决团队在落地AI编码助手时普遍遇到的“角色不清晰、上下文不稳定、交付标准不统一”等痛点。其核心价值在于将AI协作从零散的提示词对话，提升为一种可复制、可沉淀的组织能力。 agency-agents开源项目官网网址：https://github.com/msitarzewski/agency-agentsagency-agents中文版项目地址：https://github.com/jnMetaCode/agency-agents-zh项目核心：精心设计的“数字专家”团队 该项目将所有AI Agent按照真实公司的职能部门进行组织，涵盖了工程、设计、营销、产品、测试、数据分析、财务、法务合规及管理层等9大部门。每一个Agent都不仅仅是一个简单的提示词模板，而是一个拥有完整“人格”设定的数字专家。每个角色文件都详细定义了其身份认同（包括性格与沟通风格）、核心使命、技术交付样板（含具体代码示例和工作流程）以及成功的量化指标。这种深度设定利用了认知心理学中的“锚定效应”，使AI在对话伊始就锁定特定专业视角，从而输出风格一致、边界清晰的高质量结果。 多工具支持与快速集成 项目提供了极高的灵活性，原生支持Claude Code，并可通过附带的Shell脚本（convert.sh和install.sh）轻松集成到Cursor、Aider、Windsurf、Gemini CLI、OpenCode等多种主流AI编程工具中。对于Claude Code用户，只需简单地将Agent文件复制到指定目录即可激活使用，例如通过指令“Hey Claude, activate Frontend Developer mode”来调用前端开发专家。 适用场景与潜在价值 Agency-Agents非常适合希望系统化、工程化使用AI，并追求跨岗位协作与经验沉淀的团队或个人。它使个人开发者或小团队能够快速组建一支“永不疲倦”的专业AI团队，应用于创业MVP搭建、企业级开发测试、全平台营销策划等多种场景，极大地改变了工作方式与创业成本。项目采用MIT许可证，鼓励用户基于现有角色进行二次改造，逐步形成组织专属的Agent资产库。其未来的发展潜力可能延伸至企业AI角色定制服务、模板订阅或AI协作SOP平台等方向。 Agency-Agents代表了AI应用从“通用助手”向“专业化、团队化”协作演进的一个重要实践，为任何希望将AI能力转化为稳定、可扩展工作流程的用户提供了极具价值的起点和框架。

小智 AI 聊天机器人是一款开源硬件项目，旨在帮助用户入门 AI 硬件开发，并将大语言模型（LLM）应用于实体设备中。该项目由开发者“虾哥”以 MIT 许可证发布，具有低成本、高可玩性，适合 AI 硬件开发学习者使用 。项目支持 Wi-Fi 和 4G 连接，具备离线语音唤醒、流式语音对话、多语言识别（包括国语、粤语、英语、日语、韩语）、声纹识别、LLM 和 TTS 支持、短期记忆功能，以及 OLED/LCD 显示屏显示对话内容 。项目提供详细视频教程，用户可自行制作硬件和工具进行体验 。 小智 AI 聊天机器人官网入口网址：https://xiaozhi.me/小智 AI 聊天机器人开源项目地址：https://github.com/78/xiaozhi-esp32小智 AI 聊天机器人百科全书：链接 小智 AI 聊天机器人支持多种功能，包括语音唤醒（支持离线唤醒和按键唤醒）、多语言识别、流式语音对话、多模态交互方式等 。用户可以通过视频教程和固件修改进行自定义和扩展功能。此外，该项目还支持私有化服务器部署和定制模型应用。 小智 AI 聊天机器人不仅是一个开源硬件项目，还具有一定的娱乐性和实用性，例如在视频中展示其与用户互动、讲笑话、唱歌等功能。此外，该项目还支持与智能家居设备（如 Home Assistant）的集成，实现智能家居控制。 小智 AI 聊天机器人是一个集开源硬件、AI 技术、娱乐性和实用性于一体的项目，适合对 AI 硬件开发和智能设备感兴趣的用户。开发和智能设备感兴趣的用户。

Ruflo 是一个领先的智能体编排平台，专为 Claude 大模型设计，旨在帮助用户部署智能的多智能体集群（multi-agent swarms）、协调自主工作流以及构建先进的对话式 AI 系统。作为一个企业级架构的平台，Ruflo 提供了强大的功能集，使其在人工智能应用开发和自动化领域具有显著优势。 Ruflo开源项目官网入口网址：https://github.com/ruvnet/ruflo 核心功能与特点多智能体集群部署：Ruflo 的核心能力之一是支持多智能体系统的部署。通过分布式集群智能技术，用户可以同时运行多个智能体，这些智能体能够协同工作以完成复杂任务。这种架构特别适合需要并行处理或分工协作的场景，例如大规模数据分析、自动化客户服务或复杂决策支持系统。自主工作流协调：该平台允许用户定义和执行自主工作流，使智能体能够在无需人工干预的情况下完成一系列任务。这种能力极大地提高了效率，尤其适用于需要长时间运行或涉及多个步骤的自动化流程。对话式 AI 系统构建：Ruflo 为开发者提供了构建高级对话式 AI 系统的工具。通过与 Claude 模型的深度集成，用户可以创建自然流畅、上下文感知能力强的对话机器人，广泛应用于客服、教育、医疗等领域。企业级架构：为满足企业用户的需求，Ruflo 采用了高可用、可扩展的架构设计。其分布式特性确保了系统在面对高负载时仍能保持稳定运行，同时支持灵活的资源调配和管理。RAG 集成：Ruflo 支持检索增强生成（Retrieval-Augmented Generation, RAG）技术，这使得智能体能够结合外部知识库进行回答，从而提供更准确、更具针对性的信息。这一功能对于需要访问大量数据或特定领域知识的应用尤为重要。原生支持 Claude Code 和 Codex 集成：作为专为 Claude 设计的平台，Ruflo 提供了对 Claude Code 和 Codex 的原生支持。这使得开发者可以充分利用这些先进模型的能力，进一步提升智能体的性能和灵活性。应用场景 由于其强大的功能和灵活的架构，Ruflo 可应用于多种场景： 企业服务：用于自动化内部流程、提升客户服务质量。科研与教育：辅助研究人员进行数据分析或为学生提供个性化学习支持。创意产业：帮助内容创作者生成高质量文本、图像或其他多媒体内容。医疗健康：构建智能诊断助手或患者管理系统。 Ruflo 不仅是一个技术先进的智能体编排平台，更是一个推动人工智能实际应用落地的重要工具。无论是初创公司还是大型企业，都可以借助 Ruflo 实现更高效、更智能的业务解决方案。