Agent 与自动化41
Da6ka/ai-in-ta-telegram-bot · Daily AI-in-recruitment news briefing, generated by Claude Code and delivered to Telegram (Cloudflare Worker + GitHub Actions).
该项目是一个基于 Claude Code 与 Cloudflare Worker、GitHub Actions 运行的 Telegram 机器人,面向招聘领域,每个工作日自动检索并生成 AI-in-recruitment 新闻、工具与研究简报,推送给订阅者。支持按需生成新简报、基于历史简报归档回答问题,并提供订阅管理、广播和隐私数据等命令。机器人采用白名单准入、单运营者模式,订阅人数上限为 50 人。
AI 编程42
oigrex666/mcp-context-chronicler · Subconscious Memory 2026: AI Coding Context Engine with Hybrid Semantic Search & MCP
CogStack(仓库名 mcp-context-chronicler)是一个面向 AI 辅助开发的持久上下文引擎。它把编码会话中的决策、经验与工具用法分层记录为记忆,通过 FAISS 语义向量与 BM25 文本检索的加权混合搜索进行召回,并以 SQLite 本地持久化,同时提供 MCP 服务器接口供 AI 编程助手接入。README 还描述了 OpenAI、Claude 的嵌入与摘要集成、Web 可视化面板、多语言支持及文件导入导出的团队共享方式。
知识库与 RAG43
iammonth1997/paperwiki-research-compiler · AI Research Wiki 2026: Auto-Building Knowledge Base with Deep Citation Syntheses
PaperWiki 是一个面向研究场景的自主维基构建工具,能够将 PDF、网页、学术论文和原始文本摄入为互联知识,并借助本地 DeBERTa-v3 零样本分类器将查询路由到对应知识域。其核心能力包括:随时间持续复合的持久知识图谱、跨会话记忆、自动化的深度研究综述引擎(收集 15–30 条引用来源并生成 3000–5000 词带引用的综述文档)、多语言输出、响应式 Web UI,以及通过 OpenAI 或 Claude API 进行合成生成的可选集成。项目宣称可本地优先运行,分类与实体抽取在本地完成,但网页搜索与 LLM 合成可能访问外部 API。
Agent 与自动化44
Cognilogical/NeuroStrata · Cognitive Memory Architecture for Agents
NeuroStrata 是一个用 Rust 编写的单二进制程序,内置图与向量存储(LadybugDB),为 AI 编程 Agent 提供跨项目和跨会话的持久记忆。它用二进制层级的强制校验机制约束工作流程:目标进入 done 状态前必须产出一条已记录的经验;规则以记忆记录形式存储在命名空间中,并在动作执行前做语义匹配校验,可选用 podman 网络隔离容器进行 dry-run;团队记忆通过普通 git 传输,无需托管 API 或消息代理。默认全本地运行,嵌入模型可选本地 fastembed 或远程 OpenAI 兼容端点,缺失密钥时 fail-closed。
知识库与 RAG45
nekoai-lab/tsukineko-grimoire · Build your own paper grimoire: collect arXiv papers and ask in Japanese with citations.
Tsukineko Grimoire 是一个面向 AI 与机器学习论文的知识书库,前端使用 Next.js 和 TypeScript,后端使用 Firebase Auth、Firestore、Cloud Storage 和 Vertex AI Agent Builder。它支持用关键词或自然语言检索论文,日语查看标题和要旨,把论文加入个人书架,并就积累的论文群进行聊天提问;回答会附带引用,可跳转到代表图、结果表和 arXiv 原文。项目还通过 Firestore 缓存翻译结果,以降低 Translate API 成本。
Agent 与自动化46
senoldogann/web-research-stack · A production-ready web scraping and AI-powered research tool with full-stack capabilities.
该项目是一个生产就绪的全栈网页抓取与研究工具,后端采用 Python FastAPI,前端采用 React/Next.js,提供 CLI 与 REST API 两种接口。它包含本地网页研究工具(多角度搜索、抓取、站点地图、后台爬取与结构化抽取),并通过 stdio MCP 服务器暴露为 web_search、web_scrape 等工具;同时提供带引用的 LLM 研究能力,支持 SSE 实时进度、SQLite 历史与缓存、Docker 部署、Prometheus/Grafana 监控以及 SSRF 防护。
应用工具47
emredemir-maker/TalentFlow · AI-supported recruitment and candidate operations platform for structured hiring workflows and better decision quality.
TalentFlow 是一个面向招聘团队的 AI 辅助候选人运营与决策支持产品原型,旨在把分散在简历、表格、邮件和会议记录中的候选人信息集中起来,形成结构化招聘流程。它提供候选人画像与简历文档分析、AI 辅助评分、面试计划与实时记录、候选人沟通跟进、招聘漏斗分析,以及邮件和日历工作流集成;设计上强调人类在环,AI 仅用于提示信号和整理信息,最终招聘判断仍由团队负责。
应用工具48
sitor-ai/frametell · Frametell: turn your ideas and material into vivid explainer videos with an AI director agent. Local-first, any model.
Frametell(帧言)是一个本地优先的 AI 视频创作工具:输入一句话、笔记、PDF、幻灯片或图片,由导演代理先生成分镜脚本供用户确认,再撰写旁白、合成语音、绘制页面并自检,最终输出带字幕的 1080p MP4 视频。它基于成熟的视频引擎,风格、组件和镜头运动由代理驱动,而非从零生成视频;支持 Anthropic、OpenAI、Google、DeepSeek、OpenRouter 等模型或兼容端点,素材与 API 密钥保留在本地。
Agent 与自动化49
siinanXD/Content-Agent-Lernapp · Lern-App für die Berufsausbildung: KI-Pipeline erzeugt Lerninhalte nur aus amtlichen Quellen, mit LLM-Richter und Qualitäts-Schwelle. Next.js, Supabase, Langfuse.
这是一个面向职业教育(试点为机电与设备操作员)的学习应用,可根据一个关键词从官方来源生成并持续更新课程内容。项目采用 Next.js、Supabase 与 Langfuse 构建,用 Claude 批量生成内容、以 OpenAI mini 模型作为 LLM 评审并设置质量阈值,提供学习路径、复习、考试与结果等学习者界面,以及面向培训师的群组和来源展示。仓库还包含基于 GitHub Actions 的内容生产、测试、质量回归与自动修复等流水线。
应用工具50
Universe366/shizi · 拾字 · 视频与网页的 AI 笔记工作台:B站/YouTube 字幕、语音转录、AI 总结与本地库,支持 Windows 桌面端与 Chrome/Edge 插件。
拾字是一个面向 B 站视频与网页内容的 AI 笔记工作台,提供 Chrome/Edge 浏览器扩展和 Windows Electron 桌面端。它可抓取 B 站、YouTube 字幕,在没有官方字幕时进行语音转录,并支持 AI 校对、总结、翻译、章节生成、字幕问答与联网补充;桌面端还提供 SQLite 本地字幕库、批量处理、历史版本和多种格式导出。首次仅抓官方字幕无需 Key,AI 总结、转录与联网功能需自行配置对应平台 Key。
Agent 与自动化51
KoshiirRa/midgley · LLM Multi-Agent Framework forecasting wholesale (RBOB) and retail unleaded gasoline prices using Gemini 3.8, NOAA weather models, executive social media gap analysis, and global energy market feeds.
midgley 是一个用 Python 实现的多智能体时间序列预测框架,目标是预测美国批发 RBOB 汽油期货和多个都市区的零售无铅汽油价格。它把 Gemini、NOAA 天气模型、海运与内河咽喉点、行政社媒缺口、Cboe OVX、Baker Hughes 钻机数、USGS 水文与地震、炼厂检修等非结构化与物理数据,融合为特征向量,再结合 RB=F、CL=F、BZ=F 等商品期货,用 Ridge 回归与 XGBoost 建模,并通过情景模拟器、预测日志和每周复盘反馈回路迭代模型。项目还自动生成公开 Web 仪表盘,展示各地预测、准确率和数据源目录。
Agent 与自动化52
realchendahuang/opencode-hermes-memory · OpenCode 分层持久记忆插件(从 Hermes 移植,纯 Markdown 零向量库) / Layered persistent memory plugin for OpenCode
该项目是从 Hermes 移植到 OpenCode 的分层持久记忆插件,使用纯 Markdown 文件作为记忆来源,不依赖向量数据库或外部服务。它提供常驻指令注入、记忆检索与增删改、会话空闲时后台学习总结、纠错检测、bash 命令失败时相关历史教训预取,以及记忆替换后的历史归档等能力,使 OpenCode 智能体能跨会话保留用户偏好、项目约定和过往经验。
Agent 与自动化53
ThanyathipK/AgenticAI-for-PRD
该项目是一个面向企业需求工程的本地优先应用,使用 React 19 前端、FastAPI 后端和 LangGraph 多智能体工作流(Router、Matcher、Gatherer、Auditor、Architect),通过 LM Studio 在本地运行推理,将银行产品简报或 DOCX/PDF/Markdown/TXT 文档转化为版本化、可审计的需求、用户故事、验收标准、PRD 和流程图,并提供合规审计、需求追溯矩阵、人工确认的变更暂存、PRD 分段编辑与版本快照、SSE 实时更新等能力。
AI 编程54
agent-sh/agnix · The missing linter and lsp for AI coding assistants. Validate CLAUDE.md, AGENTS.md, SKILL.md, hooks, MCP. Plugin for all major IDEs included, with autofixes.
agnix 是面向 AI 编码助手的配置检查工具与 LSP,用于在运行前发现 CLAUDE.md、AGENTS.md、SKILL.md、hooks、MCP 配置等文件中的语法或规范问题。项目宣称提供 702 条规则,覆盖 Claude Code、Codex CLI、OpenCode、Cursor、Copilot、Kiro 等工具,支持自动修复、GitHub Action 及 VS Code、JetBrains、Neovim、Zed 编辑器扩展。
Agent 与自动化55
skyhook-io/radar · The missing open-source Kubernetes UI with a built-in MCP server for AI agents. See what's broken, why, and what changed. Issues, Topology, event timeline, Helm, GitOps, live service traffic, and cluster audits - all in one Go binary.
Radar 是一个以单一 Go 二进制形式提供的开源 Kubernetes UI,可在本地或集群内运行,通过直接连接 Kubernetes API 展示拓扑、资源、事件时间线、Helm、GitOps、实时服务流量与集群审计等信息,帮助定位故障现象及其原因与变更。项目内置 MCP 服务器,使 AI Agent 能够检查和操作集群;同时支持 Helm 部署以实现团队共享访问与 RBAC 权限控制。
AI 编程56
auric/pr-review-inbox · Local-first pull request (PR) review inbox for Bitbucket Server and Data Center, with AI code review by your own Claude Code CLI. It drafts review comments and replies, proposes fixes, and posts nothing without your click.
PR Review Inbox 是运行在本机的 Bitbucket Server 和 Data Center 拉取请求评审收件箱,集中展示需要你处理的 PR,并按消息跟踪讨论、未读状态与提醒。它调用你自己的 Claude Code CLI,在脱敏的 PR 快照上做 AI 评审,结合 Jira 任务信息生成评审评论、回复和修复建议草稿;所有内容在你逐条接受或编辑并点击后才发布到 Bitbucket。它还提供 PR 说明、Jira 任务构建、评审检查项与评审质量统计等功能。
应用工具57
MahamYasir-ai/HirePilot-AI-Recruiter · AI-powered recruitment platform featuring an intelligent hiring chatbot, job listings, candidate applications, AI-based candidate screening, HR dashboard, and WhatsApp integration.
HirePilot AI Recruiter 是一个面向招聘场景的 Web 应用,用现代化前端界面整合招聘相关交互,包含 AI 招聘聊天机器人、职位列表、候选人申请、HR 仪表盘和 AI 辅助候选人筛选等模块,并已在 Vercel 上提供公开演示。项目使用 TypeScript、基于 React 的前端、Vite 和 Node.js,主要用于探索对话式 AI 与招聘工作流、Web 界面结合的实际应用。README 说明各功能可用性取决于当前实现进度,并列出改进空间,包括完善聊天交互、候选人审阅流程、输入校验与错误处理、API 集成文档等。
评测与安全58
Tencent-Hunyuan/DiagSafe · DiagSafe: diagnostic LLM safety benchmark with prompt-level rubrics (3,489 bilingual prompts, 84-label taxonomy)
DiagSafe 是腾讯混元开源的大语言模型安全评测基准,由细粒度双语安全数据集与提示级评分准则(rubric)两部分构成。基准包含 3,489 条中英文提示,基于 11 个一级、34 个二级、84 个三级标签的安全分类体系,覆盖单轮与多轮对话、直接有害请求及多种攻击形式(含模板越狱、组合模板越狱与指令攻击)。评测采用 LLM-as-a-judge:每条提示配有专属安全评分项及豁免条件,另加八项通用有用性评分项,由裁判模型逐项判定并引用证据,从而给出可解释的细粒度安全诊断。仓库提供评测脚本、OpenAI 兼容与 vLLM 配置、结果分析与本地数据看板。
训练与微调59
RDunbar01/Nexus-Adapter-Studio · Nexus Adapter Studio is an experimental browser-based WebGPU application for training LoRA adapters on supported GGUF models. Bring your own model and JSONL corpus, evaluate learning, and export resumable Nexus adapter checkpoints. Runs locally without a Python or PyTorch backend.
Nexus Adapter Studio 是一个实验性的浏览器 WebGPU 应用,用于在受支持的 GGUF 模型上训练和评估 LoRA 适配器。用户自带模型和 JSONL 语料,在训练前进行架构、分词器、张量格式与内存检查,并可导出可恢复的 Nexus 适配器检查点。浏览器版将界面、JavaScript、CSS 与 WGSL 内核打包为单个 HTML 文件,无需 Python 或 PyTorch 后端;另提供需完整下载、基于 PyTorch 的原生后端。项目不内置基础模型,兼容性需由用户输入实际满足,验证仅限于界面启动、前端与包完整性检查,不代表完整模型正确性或真实硬件性能。
推理与部署60
rmedipallycic/llm-inference-fault-tolerance · Fault-injection study of vLLM and SGLang: what a streaming client sees when an LLM server crashes mid-generation. 430 measured trials on Llama 3.1 8B (AWS A10G): naive retry contradicted already-delivered text; deterministic modes plus recompute recovered exactly. Paper, raw logs and table scripts included.
该项目是针对 vLLM 与 SGLang 的故障注入研究,考察 LLM 推理服务在生成中途崩溃时,流式客户端实际收到什么。基于 Llama 3.1 8B 与 AWS A10G 完成 86 次运行、430 次试验,比较朴素重试、重算、固定间隔 KV 检查点等恢复策略,并记录朴素重试与已交付文本矛盾、确定性模式加重算可精确恢复等发现;仓库包含论文、原始日志、分析制表脚本、故障注入工具与精确一次令牌网关。后续的 KV 检查点微基准与自适应策略尚未开始。