工具与职业用途,一起找

AI 资源库

统一浏览 AI 工具、Agent Skills、提示词、工作流与开源项目,按职业和用途找到工作中用得上的资源。

资源与用法

212 份资源

mecha:面向本地开源权重模型的个人助理 Agent 运行框架

ljchang/mecha · A standalone agent harness in Rust: a provider-agnostic loop, MCP tools, a path jail and prompt-injection interlock, sandboxed shell, scheduled triggers, and an eval rig that grades the trace.

mecha 是一个用 Rust 编写的独立 Agent 运行框架(harness),把本地开源权重模型变成能接触个人上下文的助理。它提供提供商无关的对话循环、MCP 工具接入、路径 jailed 与提示注入互锁、沙箱化 shell、定时触发器和基于工具调用轨迹打分的 eval 工具。设计上把安全(私有数据、不可信内容、外发能力构成的“致命三要素”)作为结构性约束而非提示词约束,发送类操作先在 outbox 暂存待人工审核,并支持从对话修正中挖掘规则再进行验证。

展开详情收起详情:mecha:面向本地开源权重模型的个人助理 Agent 运行框架

程序员作为本地开源权重模型的 Agent 运行框架,可用于在自有硬件上运行编码助理:通过 MCP 接入工具、在沙箱化 shell 中执行命令、用 mecha eval 基于工具调用轨迹对模型打分、用 mecha replay 重放会话排查分歧,并借助路径 jailed 与提示注入互锁约束代理行为。

★ 8 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

ADAR Core:基于 Google ADK 与 Gemini 的多智能体数据访问与推理平台

Agomonia-Labs/adar-core · ADAR: Agentic Data Access and Reasoning — general-purpose multi-agent AI platform built on Google ADK and Gemini. ARCL cricket is the reference implementation.

ADAR Core 是一个通用多智能体 AI 平台,构建在 Google ADK 和 Gemini 之上,提供 API、ADK Agent 加载配置、共享 UI 与基础设施脚本等共用模块,并以领域应用的方式组织。仓库内含 Geetabitan(孟加拉语 Rabindra Sangeet 助手)、ARCL(美国休闲板球联赛助手,作为参考实现)和餐厅推荐三个领域应用,各领域在 domain 目录中自备配置、Agent、数据摄取、部署与排障文档,通过设置 DOMAIN 环境变量选择运行。

展开详情收起详情:ADAR Core:基于 Google ADK 与 Gemini 的多智能体数据访问与推理平台

程序员作为基于 Google ADK 与 Gemini 的多智能体平台参考实现,程序员可参考其 API、ADK Agent 加载配置、共享 UI 与基础设施脚本等共用模块,以及各领域自备的配置、Agent、数据摄取、部署与排障文档,用于构建和排错多智能体 AI 应用。

★ 0 · 开发框架

☆ 收藏GitHub查看项目 ↗

Treg:面向 Agent 工具的 OpenRouter 式工具注册与调用网关

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。

展开详情收起详情:Treg:面向 Agent 工具的 OpenRouter 式工具注册与调用网关

程序员程序员可将 Treg 作为 Agent 工具注册与调用网关,通过单一 base URL 和 token 调用 3000+ 个可调用端点(如抓取、图像与视频生成等),无需为每个提供方单独注册账号;也可注册团队自有密钥、CLI 与 SKILL.md 技能,由服务端注入凭证,调用者无需持有密钥。

产品经理产品经理可借助 Treg 的目录按任务搜索并调用外部端点,用于人物与公司信息补全、社交与趋势、广告等数据获取,无需自行注册各提供方账号。

★ 2681 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

Reel Agent:在 Windows 上通过 Telegram 解析短视频并计划与构建项目

HNF-FRN/Reel-watcher-telegram-Agent · Telegram bot that watches the reels you send, explains what they show, and plans and builds them on your Windows PC with Claude Code, approving every command from your phone.

Reel Agent 是一个运行在用户自有 Windows PC 上的 Telegram 机器人。用户从手机发送 Instagram Reel、TikTok、YouTube 链接或截图后,机器人会观看视频并说明其中出现的工具、链接、仓库与命令,随后可调用 Claude Code(或 Codex)对内容进行计划与构建。每个构建独立存放于各自的 git 仓库中,支持 diff 与 undo;每条 shell 命令在执行前都会推送到手机请求批准。视频理解默认使用 Gemini(带声音),无密钥或配额用尽时回退到本地帧加 Whisper 的备份方案。机器人还提供任务查看、模型切换、配额查询和系统提醒等功能。

展开详情收起详情:Reel Agent:在 Windows 上通过 Telegram 解析短视频并计划与构建项目

程序员程序员可通过 Telegram 发送短视频链接或截图,机器人解析视频中出现的工具、链接、仓库与命令,并调用 Claude Code 或 Codex 在 Windows PC 上对内容进行计划与构建;每个构建独立存放于 git 仓库,支持 diff 与 undo,每条 shell 命令执行前需手机批准。

★ 2 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

Daemon:本地优先的个人 AI 智能体框架

lukehalleran/ai-assistant-framework · Solo-built conversational AI framework: 168K LoC, 7,400+ tests, 5-tier memory system with cross-encoder reranking, FAISS-indexed Wikipedia (7.2M articles), 8-stage knowledge synthesis pipeline, and full RAG auditability via inline memory citations.

Daemon 是一个本地优先的个人 AI 智能体框架,围绕持久化多集合记忆、经过评测的 RAG 检索、知识图谱上下文、智能体工具调用和人工把关的自我改进构建。它把每次查询处理为包含上下文分析、意图分类、并行检索、门控、打分、提示组装、生成与状态更新的完整管线,而非简单的聊天机器人包装。项目包含 14 个 ChromaDB 集合的层级记忆、基于跨编码器重排的多阶段 RAG、NetworkX 知识图谱查询扩展、ReAct 工具循环、事实真伪与过时追踪,以及文献佐证的合成候选验证。

展开详情收起详情:Daemon:本地优先的个人 AI 智能体框架

程序员作为本地优先的个人 AI 智能体框架,可用于代码仓库相关的智能体工具调用,例如只读 git 统计、只读 GitHub API、文件读取/grep/列表(沙箱内),以及 Python 代码沙箱(E2B microVMs)执行代码;还可用于结构化代码变更提案的生成与人工审核,辅助代码审查与测试。

★ 0 · 开发框架

☆ 收藏GitHub查看项目 ↗

Strands Agents:用 Python 和 TypeScript 构建生产级 AI Agent 的 SDK

strands-agents/harness-sdk · Build an agent harness and control it end-to-end. Open-source SDK for production AI agents in Python & TypeScript - any model, any cloud.

Strands Agents 是一个开源 SDK,用于在 Python 和 TypeScript 中构建和运行 AI Agent。它提供完整组装的 harness(通过 create_harness() / createHarness() 调用),内置模型、工具、记忆、会话和上下文管理的默认配置,同时也支持开发者深入 SDK 自行掌控 agent loop、工具、模型提供方、记忆和 hooks。核心能力包括生命周期控制(轮次上限、token 预算、取消、停止原因)、工具与结构化输出、MCP、多 Agent 模式、记忆与会话、模型可移植性、流式输出、guardrails、追踪和评估。项目不依赖托管控制平面,在你的进程中运行,支持 Amazon Bedrock、Anthropic、OpenAI、Gemini 等多种模型提供方。

展开详情收起详情:Strands Agents:用 Python 和 TypeScript 构建生产级 AI Agent 的 SDK

程序员使用 Strands Agents SDK 在 Python 或 TypeScript 中构建和运行 AI Agent,控制 agent loop、工具、模型提供方、记忆和 hooks,并利用生命周期控制、结构化输出、MCP、多 Agent 模式、流式输出、guardrails、追踪和评估等能力开发生产级 AI 应用。

★ 7552 · 开发框架

☆ 收藏GitHub查看项目 ↗

elizaOS:开源 Agent 运行时与自主 AI 智能体产品栈框架

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。

展开详情收起详情:elizaOS:开源 Agent 运行时与自主 AI 智能体产品栈框架

程序员使用 elizaOS 的 TypeScript 框架与 elizaos CLI 脚手架创建项目或插件,基于 @elizaos/core 的 AgentRuntime、消息循环、记忆与状态原语及插件契约开发自主 AI 智能体,并利用仓库的构建、验证、测试命令进行开发与排错。

产品经理参考 Eliza 应用提供的聊天、语音、记忆、知识、文档工作流、日历、提醒、收件箱、目标、健康等个人助理领域能力,以及可安装 app 视图和计划工作流,用于规划 AI 智能体产品功能与需求。

★ 19409 · 开发框架

☆ 收藏GitHub查看项目 ↗

PRD-Agent:AI 驱动的命令行 PRD 生成工具

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。

展开详情收起详情:PRD-Agent:AI 驱动的命令行 PRD 生成工具

程序员在本地环境中运行该 AI 驱动的 CLI 工具,生成包含 Technical Requirements 等章节的结构化 PRD,辅助开发者在需求阶段整理技术需求文档。

产品经理使用该 CLI 工具将用户目标自动整理为结构化 PRD,生成 Overview、User Stories、Technical Requirements、Out of Scope 等标准章节,辅助产品经理快速产出产品需求文档。

★ 0 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

AI Product Manager Copilot:多智能体产品管理工作台

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。

展开详情收起详情:AI Product Manager Copilot:多智能体产品管理工作台

产品经理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 自动生成和发布节奏排序等产品管理任务。

★ 0 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

Starkbot Neo:本地优先的 macOS/Linux 桌面 Agent,通过 Jev 导航器操控浏览器与原生应用

ethereumdegen/starkbot-neo · Fast, local-first macOS agent with Jev navigation and Hypercanvas

Starkbot Neo 是一个基于 Rust 与 Tauri 构建的本地优先桌面 Agent,可在 macOS 和 Linux 上运行。它通过 CDP 驱动浏览器、通过平台无障碍 API(macOS Accessibility / Linux AT-SPI)驱动原生应用,核心是 Jev 导航器:每一步由一个分类器输出操作头、目标头和安全头,并把这一循环接入可接受语音或文本任务的 Agent。项目定位为面向 SEO 与 GTM 工作流及媒体应用的营销与媒体执行工具,而非 shell 或编程 Agent,没有 bash 工具和通用文件访问。当前处于活跃开发中,Web 导航、无障碍路径与流式 ReAct Agent 循环已可运行,媒体通过应用操作、packs 和 GTM 工作流尚未构建;尚无正式安装包或发布下载,需从源码构建。

展开详情收起详情:Starkbot Neo:本地优先的 macOS/Linux 桌面 Agent,通过 Jev 导航器操控浏览器与原生应用

产品经理通过语音或文本向本地桌面 Agent 下达任务,由 Jev 导航器经 CDP 操控浏览器完成网页上的 SEO 与 GTM 工作流,例如在网页中执行导航与点击操作,辅助市场调研与增长相关工作。

★ 0 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

decisions-judge-mcp:为 AI Agent 提供结构化决策判断的 MCP 工具

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。

展开详情收起详情:decisions-judge-mcp:为 AI Agent 提供结构化决策判断的 MCP 工具

程序员在编码 Agent 工作流中,将代码变更状态(如测试、lint、变更文件数)作为 JSON 输入,通过 judge 工具获得是否可合并的概率、下一步操作选择(合并/继续修改/升级人工)或有序等级评分,从而让 Agent 基于类型化判断进行分支决策。

产品经理将产品应用状态作为 JSON 输入,通过 judge 工具对需求或方案进行 yes/no 概率判断、多选项选择或有序等级评分,辅助产品决策。

★ 1 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

Arena-of-Autonomous-Threads:构建本地 Reddit 式论坛测试多智能体 LLM 对话

rafaelmateo123/Arena-of-Autonomous-Threads · Top AI Agent Simulator: Build a Local Reddit Forum for LLM Testing 2026

该项目(内部名 Synaptic Confluence Engine)是一个 LLM 智能体模拟器,构建类似 Reddit 的本地论坛环境,让多个接入不同模型后端(OpenAI、Anthropic、本地 Llama、Mistral 等)的 AI 智能体以带人设、情绪与记忆的身份发帖、回复、投票,用于观察多智能体推理、协商与集体智能的涌现行为。提供人设系统、多智能体编排、话题演化、版主审核智能体、分析仪表盘、多语言与记忆压缩等能力,面向 LLM 研究、安全测试、角色扮演与教学等场景。

展开详情收起详情:Arena-of-Autonomous-Threads:构建本地 Reddit 式论坛测试多智能体 LLM 对话

程序员用于搭建本地多智能体 LLM 论坛模拟环境,观察多智能体推理、协商与集体智能的涌现行为,并可用于 LLM 一致性压力测试、偏见检测和推理链深度分析。

★ 118 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

Capitaine:面向仓库原生的自主智能体框架

Lucineer/capitaine · Capitaine — fork a repo, click Codespaces, the agent is alive. The repo IS the agent.

Capitaine 是 Lucineer 舰队的旗舰项目,提出“仓库即智能体”的 git-native repo-agent 理念:仓库本身是智能体,代码是身体,Git 历史是记忆。它按心跳周期定时唤醒,读取自身状态(提交、issue、PR、队列),推理下一步最有价值的动作,并每拍执行一次文件操作,同时以“船长日志”记录每次行动的推理过程,支持通过 PR 和 issue 引用与其他“舰船”协作,以及自我修改代码和文档。项目包含概念文档、教程、舰队概览、源码与日志目录,当前正在恢复用于读取和解析自身状态的 Hydration Layer。

展开详情收起详情:Capitaine:面向仓库原生的自主智能体框架

程序员作为 git-native repo-agent 框架,Capitaine 可在仓库内按心跳周期读取提交、issue、PR 和队列状态,推理并执行文件操作,同时以船长日志记录每次行动的推理过程,供程序员用于代码仓库的自动化维护、自我修改代码和文档、以及通过 PR 和 issue 引用进行协作。

★ 1 · 开发框架

☆ 收藏GitHub查看项目 ↗

Kiro Crew:可持续运行并自我改进的开发工作区

kirodotdev/KiroCrew · A persistent workspace for development work that self-improves and continues beyond one session.

Kiro Crew 是一个开源开发工作区,可运行在本地或用户自己的硬件上,也支持远程 Gateway。它强调持久化、自我学习与自我演化:会话、记忆、日程和任务检查点可跨 Gateway 重启保留,纠错与任务失败会转化为可复用的经验教训和技能。用户可通过桌面应用、Web 仪表盘和 CLI 使用,也能通过 Slack、Discord 等消息通道延续同一份工作;多步骤任务可无人值守运行,支持周期性作业、心跳监控和子代理并行委派。默认代理运行在 kiro-cli 上,使用前需单独安装并登录。

展开详情收起详情:Kiro Crew:可持续运行并自我改进的开发工作区

程序员作为持久化开发工作区,用于运行多步骤开发任务(如迁移计划),支持任务检查点、失败重试与恢复,并可无人值守运行周期性作业;纠错与任务失败会转化为可复用的经验教训和技能,供后续开发会话使用。

产品经理用于并行调研多个方案并汇总建议:可将“并行研究这三个选项并推荐一个”委派给隔离子代理,结果返回父会话,辅助产品方案评估与决策。

★ 4054 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

Timothy:自托管的个人 AI 智能体控制平面

timothy-agent/timothy · The open-source control plane for your personal AI workforce. Run your own AI agents. Your infrastructure. Your models. Your rules.

Timothy 是一个开源的 AI 智能体控制平面,运行在用户自有的硬件和基础设施上,用于编排、调度和管理个人 AI 助手。它支持接入 Anthropic、OpenAI、Amazon Bedrock、Ollama 等多种模型并按任务路由,可为智能体配置独立的模型、工具与知识,执行研究、写报告、写代码、读邮箱与日历、生成简报等任务,并把结果推送到 Telegram、邮件、Webhook 或 GitHub。项目提供记忆、文档知识库、预算与成本记录、本地语音输入和加密密钥存储等能力,架构为 Go 微服务加 PostgreSQL(pgvector)与 React 前端,通过 Docker Compose 部署。项目处于早期开发阶段,可能存在不兼容变更。

展开详情收起详情:Timothy:自托管的个人 AI 智能体控制平面

程序员将修复代码缺陷等编码任务交给 Timothy 在隔离沙箱中执行:它在独立 git 分支上运行测试并产出可供审查的结果,也可把编码工作转交给已有的 CLI 编码代理,同时保留审查与预算控制。

产品经理用 Timothy 执行研究类任务并产出带引用的报告:它搜索网络、阅读一手来源、把报告写入文件,并在交付前由验证步骤检查产物存在且引用真实 URL。

★ 58 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

OpenCode Multi-Model Orchestrator:为 OpenCode 提供多 AI 提供商切换与自动路由的零配置桥接工具

yannn14/opencode-claude-cortex-sync · Claude Pro Bridge for OpenCode 2026 - Zero Setup AI Sync

该项目自称是面向 OpenCode 的多模型编排桥接工具,宣称可自动检测并同步系统中已有的 AI 提供商凭据,在 Claude、GPT-4、Gemini 等多家服务及本地模型之间按成本、速度或能力进行请求路由,并提供并行请求、凭据保险库、用量分析与网页控制面板等能力。README 同时给出了配置文件示例、命令行调用示例、系统兼容性表与故障排查命令。需要注意,材料中的性能基准、安全性、客服支持等表述均来自项目自述,未经过独立验证;实际可用性、部署条件和合规性需以官方说明为准。

展开详情收起详情:OpenCode Multi-Model Orchestrator:为 OpenCode 提供多 AI 提供商切换与自动路由的零配置桥接工具

程序员在 OpenCode 中通过命令行调用多 AI 提供商(Claude、GPT-4、Gemini、本地模型)进行代码相关问答与批量处理,并按成本或速度策略自动路由请求,例如使用 `omo --strategy cost --max-cost 0.05 "Summarize these 10 articles" --batch` 或 `omo --parallel "Compare responses on: What is consciousness?"` 进行并行查询。

★ 0 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

AgentFlow:自托管的多智能体编程编排桥接层

oprounak34-cpu/agent-bridge-core · OpenACP 2026 Guide: Self-Hosted AI Agent Bridge for Telegram, Discord & More

AgentFlow(仓库名 agent-bridge-core)是一个自托管、协议无关的事件驱动编排层,用于把 Claude、Codex、Copilot、Gemini 等 AI 编程智能体与 Telegram、Discord、Slack、SMS、Webhook、TCP 等外部渠道连接起来。它提供会话上下文跨平台保持、可插拔适配器、人在回路审批门、事件溯源、Web 监控面板、多语言指令解析、智能体降级链、可选端到端加密与运行健康检查。README 声明以 MIT 许可发布,并说明其仅为桥接层而非沙箱,需自行承担命令安全、密钥与数据隐私责任。

展开详情收起详情:AgentFlow:自托管的多智能体编程编排桥接层

程序员作为自托管编排层,将 Claude、Codex、Copilot、Gemini 等 AI 编程智能体与 Telegram、Discord、Slack、Webhook 等渠道连接,用于代码生成、部署、多智能体代码审查等开发工作流,并可通过人在回路审批门在破坏性操作前暂停执行。

★ 0 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

Mneme:为 LLM 与 AI Agent 提供本地持久化记忆的 MCP 服务

cidade360/mneme-memory-forge · 2026 Ultimate AI Memory Stack: Local-First Rust MCP for LLMs

Mneme 是一个用 Rust 编写的本地优先持久化记忆基础设施,通过 Model Context Protocol 为 LLM 和 Agent 提供跨会话的记忆存储、语义检索与智能遗忘能力。项目以二进制形式运行,支持将相关记忆注入上下文窗口,并可与 OpenAI、Claude 等 API 配合使用;同时提供网页仪表盘、AES-256-GCM 静态加密、多语言嵌入与快照备份等功能。

展开详情收起详情:Mneme:为 LLM 与 AI Agent 提供本地持久化记忆的 MCP 服务

程序员作为本地持久化记忆基础设施,通过 MCP 为 LLM 和 AI Agent 提供跨会话记忆存储、语义检索与智能遗忘,程序员可将其集成到 AI 编程工作流中,让 Agent 记住项目上下文与历史对话。

★ 1 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

Cortex:为 AI Agent 构建组织决策记忆图谱并通过 MCP 注入上下文

askmy-stack/cortex · Organizational memory for AI agents captures decisions into a knowledge graph and serves them over MCP.

Cortex 声称是一套面向 AI 原生公司的组织记忆系统。它从 Slack、GitHub、Jira、Linear 等工具中捕获决策,抽取为结构化事件后存入以 Neo4j 为核心的知识图谱,并通过 MCP 服务器、REST API 与 Python SDK(cortex_query / cortex_inject / cortex_remember)在推理时向 Claude、Cursor 等 MCP 兼容 Agent 主动注入相关决策上下文,以减少 Agent 每次从零开始、产生幻觉或需要翻阅历史记录的情况。仓库还提供重要性评分、信任评分、矛盾检测、记忆衰减、RBAC 与 GDPR 删除等功能,并附带 React 仪表盘。README 说明 V1 尚未包含覆盖率评分、结果关联与会议连接器,另有说明文档。

展开详情收起详情:Cortex:为 AI Agent 构建组织决策记忆图谱并通过 MCP 注入上下文

程序员程序员在 Cursor、Claude 等 MCP 兼容 Agent 中通过 cortex_query、cortex_inject、cortex_remember 查询组织决策记忆,例如询问“Why CockroachDB for payments?”时获取触发事件、决策人、权衡与迁移 PR,减少从零猜测或翻阅历史记录。

产品经理产品经理可通过 Cortex 仪表盘的 Ask 区域对组织记忆进行自然语言搜索,并用 Memory map 查看关系图、时间线与决策谱系,辅助理解产品相关决策背景。

★ 1 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

Agent Comms:跨 Harness 的 LLM 智能体通信网格

ExaDev/agent-comms · Cross-harness communication mesh for LLM agents. Rooms, DMs, presence, and visibility.

Agent Comms 为不同 harness 中的 LLM 智能体提供一套基于 localhost TCP 的通信网格,支持注册与发现、房间、私信、在线状态和可见性控制。每个 bridge 实例作为对等节点接入,首个绑定固定端口的实例担任协调者负责介绍新节点,数据连接均为节点间直连;消息通过 TCP 直接推送,无需守护进程或文件系统轮询,进程离线期间的消息会进入复制的投递队列并在重启后重放。项目提供 pi、Claude Code 及通用 MCP 的安装接入方式,并附带可扩展新 harness 的桥接能力。

展开详情收起详情:Agent Comms:跨 Harness 的 LLM 智能体通信网格

程序员让同一台机器上不同 harness 的 LLM 编码智能体互相发现并协作:注册自身、列出其他智能体、创建或加入房间、发送私信,从而支持跨 harness 的代码审查与工作协调。

★ 21 · 开发框架

☆ 收藏GitHub查看项目 ↗