知识库与 RAG181
api-evangelist/marqo · Marqo — independent third-party profile of a public API surface, by API Evangelist. Marqo is an open-source, multimodal vector search engine that lets developers index text and images, generate embeddings on the fly, and run tensor, lexical, and hybrid search through a single REST API.
Marqo 是一个开源的多模态向量搜索引擎，开发者可通过单一 REST API 索引文本与图像、即时生成嵌入，并执行张量、词法与混合搜索。引擎基于 Vespa 做存储与检索、FastAPI 提供 HTTP 接口，并在引擎内集成模型推理（Sentence Transformers、OpenCLIP、ONNX），一次 docker run 即可启动可用的语义搜索栈。该 Apache 2.0 开源引擎已被维护者标记为不再维护（deprecated），官方转向托管电商搜索产品，但项目仍被广泛 fork、下载与自托管，并有 Python 客户端、Terraform provider、InstantSearch 客户端、电商嵌入模型与研究项目等配套仓库。
训练与微调182
api-evangelist/openpipe · OpenPipe — independent third-party profile of a public API surface, by API Evangelist. OpenPipe is a fine-tuning and inference platform for distilling expensive frontier-LLM workloads into smaller, cheaper specialized models. Captures production traces (OpenAI and Anthropic), fine-tunes, evaluates with judges, caches results, and serves the result
OpenPipe 是一个面向大语言模型的微调与推理平台，核心能力是把昂贵的前沿 LLM 工作负载蒸馏为更小、更便宜的专用模型。平台可采集生产环境中的调用轨迹（支持 OpenAI 与 Anthropic），在此基础上进行微调、使用 judges 做评估、缓存结果，并通过 OpenAI 兼容 API 提供服务，同时支持代理转发到外部模型。本仓库是 API Evangelist 维护的第三方公开 API 概况资料，本身不包含软件，也不是该公司的官方仓库。
模型与多模态183
api-evangelist/minimax-ai · MiniMax — independent third-party profile of a public API surface, by API Evangelist. MiniMax is a Chinese foundation model company offering full-stack multimodal APIs: text generation (M2.7, M2.5, M2.1, M2, M1, Text-01), speech synthesis (Speech 2.8/2.6/2.5), voice cloning, voice design, image generation (Image-01), video generation (Hailuo 2.3),
该仓库由 API Evangelist 维护，是一份针对 MiniMax 公开 API 表面的独立第三方资料汇编，而非 MiniMax 官方 API 本身。内容涵盖文本生成（M2.7、M2.5、M2.1、M2、M1、Text-01）、语音合成（Speech 2.8/2.6/2.5）、声音克隆、音色设计、图像生成（Image-01）、视频生成（Hailuo 2.3）与音乐生成（Music-2.6），并附有 OpenAPI 描述、Postman 集合、定价与速率限制等机器可读资料。仓库本身不含任何软件，仅供了解与查阅该 API 的公开文档与规范。
Agent 与自动化184
api-evangelist/knit · Knit — independent third-party profile of a public API surface, by API Evangelist. Knit is a unified API platform for B2B products, AI agents, and MCP clients, providing integrations infrastructure for HR, recruitment, and collaboration tools. Knit manages cron jobs, rate limits, and retries out of the box for predictable data syncing at scale.
Knit 是一个统一 API 平台，为 B2B 产品、AI Agent 和 MCP 客户端提供 HR、招聘与协作工具的集成基础设施。它通过单一标准化接口访问员工数据、部门、地点、休假记录、职位发布和同步状态，并内置 cron 任务、限流与重试管理，以支持大规模数据的可预测同步。本仓库由 API Evangelist 维护，是对 Knit 公开 API 表面的独立第三方档案，仅包含文本和机器可读的 API 描述，不含任何软件。
Agent 与自动化185
superdesigndev/treg · OpenRouter for agent tools. Join community here: https://discord.gg/6mQYYfFMAn
Treg 是一个面向 AI Agent 的工具目录与调用代理，被其自身描述为“工具领域的 OpenRouter”。它汇集 3000+ 个来自 60+ 提供方的可调用端点（涵盖 SEO 与外链、社交与趋势、人物与公司信息补全、广告、抓取、图像与视频生成等），支持按调用计费，并统一使用单一 base URL 与 token 调用，无需单独注册各提供方账号。同时支持团队注册自有密钥、CLI 与 SKILL.md 技能，由服务端注入凭证，调用者无需持有密钥。项目提供 CLI、Claude Code 插件、MCP 接口与自托管方式。
Agent 与自动化186
sergebulaev/linkedin-skills · Claude skills for LinkedIn. 11 Claude Code and Codex skills that write human-sounding LinkedIn posts, craft comments that get noticed, analyze your feed, and build a publishing cadence, all from your terminal. Content engineering by Creative Content Crafts. MIT.
这是一套包含 12 个 Claude Code 与 Codex 技能的开源包，用于在终端中完成 LinkedIn 内容创作与运营：撰写帖子、起草评论与回复、审计草稿中的 AI 痕迹与算法问题、逆向分析热门帖子的钩子结构、制定 7 天内容计划、优化个人资料、将其他平台内容改写为 LinkedIn 原生帖，以及监测互动并识别高价值互动者。所有技能都会先给出草稿并等待用户批准后才执行发布，可选用 Apify 读取 LinkedIn 数据、通过 Publora 直接发布。
AI 编程187
TechNomadCode/AI-Product-Development-Toolkit · User-Centered Product Development Prompt Templates & Agent Configurations
该项目提供一套可复制粘贴的 Markdown 提示词模板与编码助手配置，覆盖从用户调研、PRD 生成、UX 流程、MVP 概念与开发计划、测试计划到 v0 界面设计提示的完整产品开发流程，并包含用于 Claude Code 的 CLAUDE.md 规则与权限防护配置。模板强调让 AI 先访谈提问、确认理解后再输出，使各阶段产物前后一致，无需安装或克隆仓库即可直接使用。
评测与安全188
okht/eval-pi · 面向 AI 产品经理，一句话完成 Agent 的评测与调优。
EvalPi 是一个面向 AI 产品经理的工具，目标是让用户结合 PRD 与评测标准，用一句话完成 Agent 的评测、问题分析、调优与效果验证。README 未提供安装方式、部署环境、依赖条件或使用限制等信息。
Agent 与自动化189
justMridul/multi-agent-content-pipeline · An autonomous multi-agent content generation pipeline built with LangGraph, Groq (Llama-3.3-70b), FastAPI, Next.js, SerpAPI, and Supabase. Converts PRDs into research-backed, fact-checked, and polished blog posts.
该项目是一个端到端的多智能体内容生成系统，使用 LangGraph 编排研究、写作、事实核查与风格润色四个专职智能体。它接收产品需求文档（PRD）、主题、目标字数和写作风格作为输入：研究智能体通过 SerpAPI 进行实时网页检索，写作智能体结合 PRD 与研究上下文生成 Markdown 初稿，事实核查智能体对照研究结果验证文中论断，若发现问题则通过条件路由退回写作智能体重写并再次核查，通过后由润色智能体完成风格与格式优化，最终文章存入 Supabase PostgreSQL。前端基于 Next.js 与 React 提供 PRD 输入、智能体执行时间线与文章库浏览，后端使用 FastAPI，并通过自定义日志记录智能体名称、执行状态、耗时、Token 用量与事实核查结果。
推理与部署190
potto007/unridden · Zero-generated-token decision API: reads a local LLM's final-position label logits to answer Choice, Score and true/false questions. Apache-2.0.
Unridden 是一个本地决策 API，通过读取本地 LLM 末位标签 logits 来回答结构化问题，不生成任何 token。用户提供 state 和一个命名问题映射，服务为每个问题返回一个类型化答案：Choice（选项）、Score（分数）或 Noul（真/假概率）。它在本地以单个 llama.cpp 子进程运行，一次处理一个请求，不采样也不追加 token，适用于将客服消息路由到团队、评估紧急程度或判断是否报告重复扣款等分类与判定场景。
评测与安全191
harness/harness-evals · Harness Evals
harness-evals 是一个开源的 AI 评测框架，用于评测 LLM Agent、提示词与结构化输出。其每个指标输出 0.0–1.0 的归一化 Score，并通过可配置阈值判定通过与失败。指标按正确性、有据性、安全性、轨迹和性能五个维度组织，支持数据集读写、提示词模板、目标调用、生产轨迹导入、基线对比等功能，并提供 YAML 配置的 CLI 运行方式与代码优先的 run_eval() 一行调用，可配合 pytest 和 CI 使用。
应用工具192
zhouxiaoka/autoclip · AutoClip : AI-powered video clipping and highlight generation · 一款智能高光提取与剪辑的二创工具
AutoClip 是一款 AI 视频剪辑工具，通过分析视频字幕来定位高光片段、生成标题，并自动剪出视频切片与合集。适合访谈、播客、课程和直播回放等以对白为主的素材。它提供桌面应用、Docker Web 界面和 CLI / MCP 三种使用方式，支持通义千问、OpenAI 兼容接口、Gemini、硅基流动等云端模型，以及 Ollama / LM Studio 本地模型；还提供抖音、小红书、YouTube Shorts 和 B 站导出预设，并可在同一页面向多个已连接平台发布。
Agent 与自动化193
elizaOS/eliza · Open source agentic operating system
elizaOS 是一个开源的 TypeScript 框架与产品栈，用于构建自主 AI 智能体。该 monorepo 包含核心运行时、面向 Web/桌面/移动的 Eliza 应用、CLI、云服务、原生桥接以及第一方插件。框架以模型无关的方式通过插件扩展，提供消息循环、记忆与状态原语、插件契约；插件可注册动作、provider、评估器、服务、模型处理器、路由、事件与 app 视图。栈内还提供端侧本地推理路径（含文本、嵌入、语音、视觉与图像生成资产）、可选的 Eliza Cloud 托管服务，以及用于项目/插件脚手架与部署的 elizaos CLI。
Agent 与自动化194
jmhjasso/ai-agent-prd-case-study-invoice-automation
这是一个公开的案例研究仓库，记录了一位产品负责人如何把一个AI Agent想法（小企业发票自动化）从手绘流程推进到受治理、有证据支撑的产品计划，包括失败部分。仓库内容涵盖流程图与缺口分析、完整PRD、路线图、假设登记、决策简报、治理日志、测试与证据、阶段门与变更决策、运营模型（十个子代理）与复盘。项目目前完成到 Phase 0 的规划与去风险，MVP 尚未构建、未上线，也未声称实测节省时间。
Agent 与自动化195
HarshithGRaj/PRD-Agent · An AI-powered agent to generate Product Requirement Documents (PRDs).
PRD-Agent 是一个 AI 驱动的命令行界面（CLI）工具，帮助开发者和产品经理快速生成结构化、完整的产品需求文档（PRD）。它提供交互式 CLI，可将用户目标自动整理为 Overview、User Stories、Technical Requirements、Out of Scope 等标准 PRD 章节，并支持在本地环境运行和管理工作流。
应用工具196
ridhimaguptaa01/pm-reviewer · AI-assisted managerial review copilot for product management work
PM Reviewer 是一个面向产品经理的 AI 辅助评审副驾，用于减少管理者首轮评审投入。它会审阅产品团队提交的 PRD、需求、调研、可行性说明、上线计划、发布后分析等工作，推断其目的与成熟度，并给出分级的评审结论（需修改、待决策、可延后）。项目还会保存评审历史、支持可复用的管理者偏好，并在第二版及之后对比历史反馈，标注已解决、部分解决、仍未解决、不再相关以及新引入的问题。项目内含 12 个评测用例，覆盖强弱 PRD、模糊提案、混合客户证据、早期调研、外部内容、可行性工作和发布后分析，最新评测通过全部 12 项结构性检查。
Agent 与自动化197
Yuvraj4069/Yuvraj-ai-product-management-copilot
该项目是一个由 Google Gemini 与 SQLite 驱动的多智能体产品管理工作台，用于自动化产品发现、客户之声（VOC）分类、动态聚类、RICE 优先级排序、PRD（产品需求文档）自动生成和发布节奏排序等产品管理任务。仓库使用 Python 编写，采用 MIT 许可证。
评测与安全198
kousalya-pm/ai-foundation-models-lab · Hands-on experiments across time-series and security foundation models: zero-shot forecasting, evaluation, RAG, and LoRA fine-tuning — from a product management perspective.
该项目是一组以 Jupyter Notebook 形式记录的动手实验，从产品管理视角探索基础模型的生命周期：使用 Cisco CTSM 进行单变量零样本时序预测并测试噪声、缺失数据和异常下的鲁棒性；在本地以 Q4_K_M GGUF 量化运行 Cisco Foundation-Sec-1.1-8B-Instruct 安全领域模型，构建评测数据集并从分类准确率、MITRE 技术映射、证据完备性、延迟等多维度评分；用 TF-IDF 与语义向量检索对比实现安全策略 RAG，诊断检索、生成与拒答等失败模式；并在 Qwen2.5-0.5B 与 Foundation-Sec 上对比 LoRA 微调效果。仓库保留了每项实验的原始数字、失败模式与局限性说明，并给出面向产品团队的经验总结和平台能力建议。
Agent 与自动化199
clouatre-labs/decisions-judge-mcp · Typed decisions for AI agents as an MCP tool: yes/no probability (noul), choice, and score in one fast request. Backed by the TypeSafe System One model.
decisions-judge-mcp 是一个 MCP 服务器，让 AI Agent 通过单次快速请求对任意 JSON 应用状态做出类型化判断：yes/no 概率（noul）、多选项选择（choice）以及有序等级评分（score）。问题与答案均按 schema 校验，失败时返回 {fallback: true, error} 而不阻塞，便于嵌入 Agent 工作流。当前由 TypeSafe System One 模型（Jev）通过 @typesafe-ai/sdk 提供支持。
Agent 与自动化200
urankwong/agentsgo · Protocol-agnostic local-file workbench for asynchronous multi-agent collaboration — any read/write-capable AI agent (any IDE/model/framework) joins to co-discuss AND co-develop, with no MCP/A2A/protocol gate. Zero-dependency Python CLI; human holds the final say. 协议无关的本地文件多 Agent 异步协同底座：会读写文件即可加入，讨论+开发双协同，人类最终拍板。
agentsgo 是一个协议无关的本地文件多 Agent 异步协同底座：任何具备读写文件能力的 AI Agent（不限 IDE、模型、框架）都能加入，实现协同讨论与协同开发，无需支持 MCP/A2A 或运行在同一框架内。它提供零依赖的 Python CLI 协调器 room.py 与本地 Web 工作台 views.py，包含任务看板、议题圆桌、Agent 广场、踩坑库、约定库、代码图谱等视图，采用单写多读加 roster 状态机、异步轮次（发散-盲评-碰撞-定稿）、稳定观点 ID 与匿名盲评等机制，人类全程可介入并最终拍板。