AI 资源库 · 已整理 9 项
查看与LLM 编排相关的 AI 资讯、工具、Skill、工作流和开源项目。
tianshu-ai/tianshu · An open AI agent platform with a sidecar browser. Built in public.
天枢是一个用 TypeScript 构建的自托管 AI Agent 运行时平台。它为每个租户提供真实 Chromium 侧边浏览器（基于 Playwright + noVNC，可实时观看或接管）、隔离的 Linux 沙箱（OpenShell 的 Docker 容器或 microsandbox 微虚拟机，二者选一），以及跨会话持久化的租户工作区文件。平台还包含工作板与后台 Worker、Workforce Studio 配置管理、Maintenance Mode 设置助手、数据源、Boards 仪表盘、Cron 调度、Wiki 知识库、Web 搜索等插件，并支持 Anthropic、OpenAI、Google 等模型 API 与任意 OpenAI 兼容端点。
waifucave/discord-waifus · AI controlled waifu bots for your discord server that can talk and interact with you and other users
Discord Waifus 是一个本地运行的 TypeScript 项目，可在 Discord 服务器中部署多个具有各自人格、模型和独立机器人的 AI 角色。每个角色作为自主代理持续运行：被提及、回复、名字、私信或自定义唤醒条件触发后，读取频道内容并自行决定是否回应；拥有记忆笔记、作息与每日预算，支持网页搜索、图像 OCR 读取和网页仪表盘管理。项目通过 npm 全局安装，数据保存在本地 ~/.dc-waifus 目录。
LangChain 团队写了一篇博客，讲怎么让 AI 智能体（能自己调用工具干活的程序）更可靠。原来只靠一个好模型不够，还得给它配一套适合具体任务的“外挂”结构。他们把智能体拆成四层循环：最里面是模型反复调用工具干活；外面加一层检查，输出不合格就打回重做；再外面让智能体被事件自动触发，比如收到消息或定时任务；最外面一层分析每次运行的记录，自动改进提示词和工具配置。文章还强调人工审核该在哪些环节介入敏感操作，并用他们自家的 LangChain、LangSmith 等工具演示每一层怎么搭。目前是概念说明和产品能力介绍，不是新发布。
neilyonglu/model-ladder · Run each coding task on the cheapest model and effort likely to succeed, verify it with your tests, and escalate only when an attempt fails.
model-ladder 是 Claude Code 和 Codex 的插件，通过 Router、Worker、Verifier 三个环节工作：先由路由器为每个编码任务挑选成本与能力匹配的模型及 effort 等级，再由 Worker 在隔离的 Git worktree 中执行，失败时按阶梯升级到更强模型或更高 effort，最后由 Verifier 用项目测试命令校验，通过后才交付结果。它还提供用量守卫与交接文档、任务状态面板、并发运行冲突检测、可配置的 worker/verifier 技能指令等能力。安装需 Git 与 Node.js 20+，并在 Git 仓库中运行，具体模型与测试条件需自行配置。
aufamubarak/plan-execute-verify-claude-code · Best AI Coding Workflow Plugin Pipeline 2026
NeuroStack Architect 是一个以 Plan-Execute-Verify 三阶段为核心的 LLM 编排框架，将计划拆解、受控执行与递归验证组织为带钩子注入点的流水线，用于构建多步骤、多模型、多代理工作流。项目强调验证契约、状态快照、漂移检测、插件化扩展与多语言语义校验，并声称支持执行步骤快照与钩子热替换。README 显示项目为 Beta 版本，主要面向 AI 应用开发者、研究工程师与产品团队。实际部署方式、运行环境要求和依赖条件未说明。
geer1895/rfauto · RF/microwave design automation + LLM orchestration: 16 EM/EDA engines behind one interface, 75 parameterized template families, 340 deterministic calculators, 87 calibration anchors; AI agents drive everything via MCP (157 tools) — physics numbers come only from deterministic kernels, never from the LLM. 28000+ unit tests, GPL-3.0
rfauto 将 RF/微波设计流程中描述器件、参数化建模、调用求解器、质量门禁判定和尺寸优化等环节整合为一条可复现的自动化闭环。项目提供 75 个参数化器件模板、340 个确定性计算器、87 个校准锚点，并通过统一的适配层接入 HFSS、ADS、openEMS、COMSOL 等 16 个 EM/EDA 引擎通道。核心约定是物理数值只能由确定性内核或求解器产生，LLM 仅负责编排与解释。AI 助手可通过 MCP（157 个工具、10 个资源）驱动整个框架；项目还提供本地审阅工作台、运行数据湖、远程执行和批量任务能力。
Rayhanpatel/AI-Resume-Agent · Conversational AI agent for recruiter Q&A — raw HTTP to Gemini (no SDK), 5 LLM-as-a-Judge evaluators, graceful degradation across 6 services, SSE streaming, Mem0 memory, Langfuse tracing. FastAPI + React 18 on Railway.
这是一个面向招聘方的对话式 AI Agent，用于回答关于个人职业背景的问题。项目以 profile.json 作为知识来源，提供多轮对话、SSE 流式输出、模型回退与真实模型健康检查、意图分类、提示注入防护、服务端会话与配额限流、Job URL 抽取与结构化解析，以及基于 Langfuse 的追踪和 5 项 LLM-as-a-Judge 评测。技术栈为 FastAPI + React 18，后端部署在 Railway，前端在 Vercel，Gemini 通过 Vertex AI / AI Studio 调用。
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。
totalwindupflightsystems/gitreins · Git-native AI agent co-harness — MCP server, static guards, and agentic evaluator for LLM-assisted coding
GitReins 以 Git 仓库内的质量护栏形式运行，提供任务生命周期管理的 MCP 工具、按任务验收标准判断代码完整性的 agentic evaluator（代理式评估器），以及阻止检查绕过的 Git hooks。工作流上分两层：Tier 1 静态检查（密钥、构建、Lint、测试，可配置），Tier 2 由 LLM 读取文件、运行测试并逐条给出 PASS/FAIL，判定结果持久化在 .gitreins/history/，可通过 gitreins report 或本地 web 浏览器查看。它还支持通过 manifest 并行运行多个 worktree lane，并在合入前根据判定结果进行门控。