AI 资源库 · 已整理 6 项
查看与AI Agents相关的 AI 资讯、工具、Skill、工作流和开源项目。
前 GitHub CEO Thomas Dohmke 创办了新公司 Entire，本周推出一个 GitHub 替代品，用 AI 代理审查代码改动的 Trails 系统取代传统 pull request，开发者负责把关。他在采访中表示，最担心的是人们以为不再需要学编程，认为每个孩子除了数学、生物、地理，也应懂计算机科学基础。文中还提到其他几位业内人士的看法：有人担忧速度快但理解不足、出现低质量代码，也有人担忧 AI 代理的信任与安全机制跟不上，以及工具价格把人挡在未来之外。
rxmna8502/vybe-intelligence-vault · An auto-updating open-source vault for AI agents, RAG systems, MCP servers, prompts, tools, templates, and next-generation web development.
Vybe Intelligence Vault 是一个自更新的开源知识仓库，索引 AI Agent、RAG、MCP 服务器、提示词、工具和模板等前沿资料，并宣称通过采集管线、LLM 评估和向量关系构建语义知识图谱。项目提供 MCP 网关供 Claude Desktop、Cursor 等 Agent 直接查询节点上下文，还包含基于 React Three Fiber 和 WebGL 的 3D 知识图谱浏览界面，以及若干 7 天工程学习路径与生产蓝图。
GitHub 的提交量涨得极快：2024 年平均每月约 6500 万次，今年 4 月 14 亿次，8 月 29 亿次，9 月已达到 74 亿次，公司称主要推手是 AI Agent 带来的自动化需求。这种增长也让服务频繁出故障，所以 GitHub 今年已增加 400 万个 CPU 核心（多数在 Azure 上）、160 PB 高速存储和 50 Tb/s 网络带宽，并加强 GitHub Actions 算力。同时它正把计算和存储拆开重新架构，内部测试写入吞吐最高提升 35 倍。对开发者的意义是：这轮扩容已在进行，目标是减少卡顿和宕机，但新架构的具体上线时间原文未说明。
dzhioev/bro · Build your team of AI agents without the pain of prompt chaos, wide-open keys, MCP overload, and a free-for-all on your machine. Declare each persona (bro) once, with its prompt, tools, secrets, procedures, and whom it may summon, and it comes to life in its own sandbox holding exactly that, on any harness, any model
bro 是一个处于早期开发阶段的 Python 代理框架。它让用户在一个类声明中定义每个代理角色（bro）的系统提示、可用工具、可读取的密钥、操作流程以及可召唤的其他代理，同一份声明可在 Claude Code 会话或 bro 自带的代理循环中运行，并可指定任意模型。代理运行在隔离容器中，只持有其声明所需的凭证与工具；凭证按项目与代理作用域解析，子代理委派有独立权限边界，每次运行都会生成可回放的 trail。
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。
LangChain 的营销团队原本主要靠开源、内容、YouTube 和社区自然增长，今年开始投付费广告，半年内扩展到五个渠道，小团队很难同时跟踪各平台的广告数据、效果和实验。于是他们做了一个常驻 Slack 的付费媒体 Agent：每周一把广告平台数据与仓库里的线索、销售管道数据合并，输出各渠道的总结和 PDF 报告，还能在对话中回答追问，并基于团队经验提出关键词、定向、文案或新广告系列建议，经人工审批后才执行。他们用 Deep Agents 做 Agent 运行框架，用沙箱环境跑代码和做分析，原则是让模型负责判断、让代码负责计算，结果报告流程成本降低约 40 倍、速度快 13 倍。该项目已开源，可作为自建类似 Agent 的起点。