Agent 与自动化01
DavidCompute/AG-UI_Multi-Party · A group chat protocol hub implemented according to the *AG-UI Group Chat Extension Protocol Standard v1.0*, written in C# / .NET 10 (ASP.NET Core Minimal API).
该项目是依据《AG-UI 群聊扩展协议标准 v1.0》用 C# / .NET 10（ASP.NET Core Minimal API）实现的群聊协议枢纽，覆盖群组生命周期、成员管理、消息扇出、订阅机制、WebSocket 与 SSE 双传输，并集成基于 Microsoft Agent Framework 的智能体网关，支持智能体触发规则、人机交互审批、记忆与知识库 RAG 检索、技能库、内置文档/表格/演示文稿/PDF 生成、用户与权限管理、持久化与数据导出导入等能力，附带 Web 演示前端与桌面客户端（WPF / Avalonia）。
Agent 与自动化02
sytone/botnexus · BotNexus is an experimental lab for agents, tools, memory, channels, and automation ideas of varying quality written in C# using the dotnet environment.
BotNexus 是一个用 C#/.NET 构建的实验性 LLM 编排沙盒，用于探索多 Agent 协作、通道接入、工具调用、记忆持久化与调度等交互模式。它提供网关路由、WebUI 聊天、多种模型提供方（GitHub Copilot、OpenAI、Anthropic、Azure OpenAI 及兼容端点）、扩展系统与诊断工具，并通过 CLI 完成安装、配置与网关生命周期管理。项目明确定位为实验平台，而非高可用企业级方案。
推理与部署03
iyulab/iron-prow · Safe-inference gateway for .NET — provider selection (frontier/LAN), guardrails, and resilience, delivered as a standard Microsoft.Extensions.AI IChatClient.
iron-prow 是一个面向 .NET 的安全推理网关，以标准 Microsoft.Extensions.AI IChatClient 形式提供。它负责在多个 LLM provider（frontier 与局域网本地部署）之间进行选择与优先级排序，支持失败重试、fallback 与 provider 健康记忆（cooldown 后降级），并通过 FluxGuard 提供输入输出 guardrail（默认 fail-closed）。同时包含 IronProw.LMSupply 本地推理安全包装（readiness gate、model-ID preflight、输出长度限制、reasoning 控制），还支持多租户 per-tenant provider 解析与重复退化输出停止等可选能力。
Agent 与自动化04
iyulab/memory-indexer · .NET SDK and MCP server implementing a cognitive science-based 3-axis memory system (type x scope x tier) for LLM context management beyond finite context windows.
Memory Indexer 是一个 .NET SDK 与 MCP 服务器，实现以认知科学为基础的「类型 × 范围 × 层级」三轴记忆架构，用于突破 LLM 有限上下文窗口的限制。它提供通用记忆原语，可自动分类与存放记忆、智能召回上下文，并通过缓冲区、短期、长期、归档四层分级与晋升流水线管理信息。项目提供 MCP 服务器（支持 stdio 与 Streamable HTTP）以及可作为 SDK 集成的记忆服务，支持内存或 SQLite 存储，并允许自定义 IMemoryStore 后端。
知识库与 RAG05
iyulab/FluxImprover · LLM-powered .NET quality layer for RAG pipelines — enriches chunks with summaries, keywords, QA pairs, and multi-stage quality scoring.
FluxImprover 是一个 .NET 库，作为 RAG 流程索引前的质量保障与增值层。它借助 LLM 对文档块进行摘要与关键词增强，提供带自我反思与评审验证的三阶段块过滤、查询预处理（规范化、同义词扩展、意图分类）、Golden QA 数据集生成、忠实度/相关性/可回答性质量评估，以及上下文后续问题建议。项目通过 ITextGenerationService 抽象与任意 LLM 解耦，内置 OpenAI 兼容接口与 LMSupply 本地模型提供程序，支持多语言文档处理。