ECC
Agent 线束操作系统,提供技能、本能、记忆优化、持续学习和安全扫描的完整 Agent 工程系统。
- · 跨线束工作流 — 支持 Codex / Claude Code / Cursor / OpenCode / Gemini 等多种 Agent 线束
- · 技能系统 — 可复用的 Agent 技能包,覆盖代码生成、审查、测试等场景
- · 持续学习 — 从失败会话中挖掘经验,自动写入修正到配置文件
用于构建 AI Agent 的核心框架,涵盖 LangChain、CrewAI、AutoGen、LangGraph 等主流开源框架,支持工具调用、记忆管理与多步推理,可对比功能、Star 数与许可证进行选型。
Agent 线束操作系统,提供技能、本能、记忆优化、持续学习和安全扫描的完整 Agent 工程系统。
NousResearch 推出的自主 AI Agent 框架,支持多种 LLM 后端,能够随用户需求不断成长和适应。
AutoGPT 是一个自主 AI Agent,能够自动完成用户指定的任务。它会自主思考、规划并执行步骤,是 AI Agent 自主性的里程碑项目。
Langflow 是一个可视化的 AI Agent 和工作流构建平台,支持拖拽式设计 Agent 流程、集成多种 LLM 和工具,降低 Agent 开发门槛。
Dify 是一个开源的 LLM 应用开发平台,提供可视化的 Agent 编排界面,支持工作流、知识库和多种模型。
LangChain 是面向 Agent 工程化的开源框架与编排平台,提供模型接入、工具调用、RAG、记忆与可观测性的统一抽象。
由 Andrej Karpathy 开发的 AI 研究自动化 Agent,能在单 GPU 上自动运行纳米聊天训练研究实验。
Pi Mono 是一个全面的 AI 智能体工具包,包含编码智能体 CLI、统一 LLM API、TUI 与 Web UI 组件库、Slack 机器人及 vLLM Pod 管理,一站式覆盖智能体开发全链路。
OpenHands 是一个开源 AI 开发代理平台,支持通过智能体自动执行开发任务、修改代码与协作迭代。
worldmonitor 是一个 AI 全球事件监测仪表盘,聚合新闻、地缘政治、能源、市场等实时数据并自动生成简报。
paperclip 是一个 AI Agent 团队编排与调度平台,可同时管理多个 Agent 的任务分配、协作与状态。
统一高效的百种大语言模型与视觉语言模型微调框架,支持 LoRA、QLoRA、RLHF 等多种训练策略,为 Agent 提供定制化模型能力。
微软出品的 AI 智能体入门课程,包含 12 节循序渐进的动手课程,覆盖智能体核心概念、工具使用和多智能体协作等主题。
多智能体框架,致力于构建首个 AI 软件公司,通过自然语言编程实现多角色协作,自动完成需求分析、设计、编码和测试全流程。
Open Interpreter 是面向开源模型的轻量级编程 Agent,支持 DeepSeek、Kimi、Qwen 等本地模型在终端执行代码与自动化任务。
领先的Claude Agent编排平台,支持部署智能多Agent群组、协调自主工作流程、构建对话式AI系统。具备企业级架构、分布式群集智能、RAG集成,原生支持Claude Code和Codex集成。
一个开源的智能体工具平台(原名 oh-my-opencode),提供最佳智能体工具链,支持多种 AI 编程代理。
ai-hedge-fund 是一个多 Agent 模拟对冲基金示例,包含研究员、交易员、风控等多角色 Agent 协同决策的代码与文档。
Meta 开源的 Llama 2 基础大语言模型,提供 7B 至 70B 参数预训练和微调版本,支持对话和文本补全,是开源 LLM 生态的重要基础。
OpenManus 是 MetaGPT 团队打造的开源 AI Agent 框架,无需邀请码即可体验类 Manus 的自主任务执行能力,支持 MCP 工具调用和多 Agent 协作。
CrewAI 是一个用于编排角色扮演、自主协作 AI Agent 的多智能体框架,可让多个 Agent 像团队一样分工完成复杂任务。
LlamaIndex 是一个用于构建 LLM 应用的数据框架,提供数据连接、索引构建、查询引擎和 Agent 工作流编排能力,是 RAG 领域的核心工具之一。
一个基于 Ruby 的自动化代理平台,可创建监控代理替你执行任务,支持 Twitter、天气、网页抓取等多种场景。
CLI-Anything 致力于将所有软件转化为智能体原生的命令行接口,提供统一的 CLI Hub 让 AI 智能体能够自然地与任意软件交互和操作。
(24 / 257)
改了 Prompt 怎么知道是变好了还是变差了?系统介绍 Agent 的 canary 发布、质量门禁、自动回滚架构,以及如何在生产环境中持续监控 Agent 行为漂移。
大多数团队靠"看起来对了"来判断 Agent 质量。真正的评估需要三层指标、不腐烂的数据集、以及不会什么都同意的评判器。本文给出可运行的代码和可落地的决策框架。
系统对比 Agent Memory 的三大类别——短期记忆、长期记忆、共享记忆,从存储介质、生命周期、检索方式、典型框架到设计模式,完整覆盖 Agent 个性化和多 Agent 协作的工程实现。
系统讲解 LLM Agent 在生产环境中的速率限制(Rate Limiting)与成本攻击(Cost Attack)防御:从单用户 Token 配额、多租户滑动窗口、Prompt 注入放大成本,到 DDoS 防护与 LangChain/CrewAI/AutoGen 框架的集成。
本文系统讲解小语言模型(SLM)在 Agent 场景中的微调策略与边缘推理架构,覆盖 QLoRA 量化、推理引擎选型、上下文压缩与工具调用约束,帮助在边缘端以低延迟、低成本、强隐私地部署生产级 Agent。
系统梳理 Agent 工具调用的 7 大容错模式:超时分级、指数退避 + 抖动、熔断器、备用 Provider 链、可恢复错误分类、结构化校验、幂等键设计,让 Agent 在不稳定的真实环境中保持稳定输出。