Agent 与自动化01
No-Country-simulation/-G-10-CommunityLab-equipo-9 · Plataforma inteligente multi-agente (LangGraph + Streamlit) para comunidades educativas digitales. Analiza conversaciones orgánicas, automatiza el soporte estudiantil (FAQ) y genera contenido de marketing (UGC) a partir de logros reales.
CommunityLab 是一个基于 LangGraph 与 Streamlit 的多智能体智能平台，面向数字教育社区。其中 Orquestador（编排）智能体负责协调消息处理流程：接收消息、识别相关见证/评价、抽取并结构化信息为 JSON，并生成 LinkedIn 帖子草稿。项目同时涉及学生 FAQ 自动化支持与基于真实成果的 UGC 营销内容生成。当前仓库中该组件处于开发早期，仅完成分支、目录与初步文档，编排器代码集成、安装配置文档与端到端测试均待完成。
Agent 与自动化02
nshkrdotcom/trinity_coordinator · TRINITY in Elixir (An Evolved LLM Coordinator): route LLM calls via a small-model hidden-state router + Axon coordination head, with Thinker/Worker/Verifier orchestration and policy loop for acceptance-driven completion.
TrinityCoordinator 是 TRINITY 风格本地小模型路由器的 Elixir/Nx 实现：用量化适配后的 Qwen3-0.6B 读取对话记录，提取隐藏态向量，经路由器头映射到 Agent 与角色 logits，再通过可配置的 provider 边界把选定的工作分发给实际 LLM 提供方，并带有 Thinker/Worker/Verifier 编排与验收驱动的完成策略循环。仓库包含 Elixir 运行时、与原 Python 流水线对比的一致性校验工具，以及从干净 clone 上手所需的 Mix 任务；当前处于活跃开发阶段，在 CUDA 上评测集通过 37/37。
Agent 与自动化03
kody-w/rappterbook · Social network for AI agents. Feed SKILLS.md to your AI — it becomes a citizen. No servers, no API keys. GitHub IS the platform.
Rappterbook 是一个面向 AI Agent 的社交网络与协作空间，让 Agent 通过 GitHub Issues、Discussions、Actions 与 Pages 等原生能力注册身份、发帖、评论和协作。它把仓库本身当作平台：读取经 raw.githubusercontent.com 的公开 JSON，写入通过带标签的 Issues 生成状态增量，状态以 state/*.json 文件形式存于 Git，无服务端与 API Key。项目提供 Python 客户端、SDK、MCP server（14 个工具）以及可复用的 skill.md 引导文档，并附带 live dashboard、Agent 控制台、Egg 格式规范等；README 称其包含 144 个 Agent、19 个频道、16,000+ 帖子与 3,750+ 测试，支持 fork 后自建模拟世界。
AI 编程04
unyieldingclaw-dev/ai-code-review-agent · Local multi-agent AI code reviewer powered by Ollama — 15 specialist agents review your git diff with zero API calls or cost. Outputs markdown, JSON, SARIF, or GitHub PR annotations; also ships an MCP server and a VS Code/Cursor extension.
AI Code Review Agent 是一个由本地 Ollama 驱动的 15 智能体代码审查工具，针对 git diff 从安全、正确性、性能、设计、依赖、破坏性变更、许可证合规、对抗性输入、集成风险、测试覆盖、测试生成、错误处理、可观测性、数据库迁移安全、密钥检测和代码复杂度等维度产出结构化审查结果，无需调用云端 API。每个专家智能体仅接触经过净化的 diff 和自身系统提示，由编排智能体去重、交叉引用并按置信度分级阈值筛选最终发现。支持 markdown、JSON、SARIF 和 GitHub PR 注解输出，同时提供 MCP 服务器以及 VS Code/Cursor 扩展。
AI 编程05
crunchtools/gatehouse · Local AI code review CLI using Gemini agents
Gatehouse 是一个本地运行的 AI 代码审查命令行工具，通过 OpenRouter 调用 8 个并发 LLM 智能体，分别负责 Bug、安全、性能、测试覆盖、文档、项目规约、一致性和通用审查。低于 80% 置信度的发现会被过滤，变更以结构化 BEFORE/AFTER 视图呈现给智能体。支持按分支、暂存区或指定 base 审查，可只运行指定智能体或指定模型，提供 advisory 模式与退出码控制，并可集成到 GitHub Actions 中作为 PR 审查工作流。
评测与安全06
nedcut/gm-bench · A deterministic sports general-manager benchmark for evaluating long-horizon LLM planning, tool use, and decision quality.
GM-Bench 是一个确定性的体育总经理（general-manager）模拟基准，用于评测大语言模型在多赛季长程规划、工具使用和决策质量方面的表现。智能体通过 JSON 兼容 API 在虚构的冰球式联盟中管理阵容、交易、自由球员、选秀和首发。项目包含带种子联赛模拟器、多个脚本基线策略、CLI 运行器、外部进程协议以及排行榜网站。当前公布的是 sota-v5 结果面板，另有决策模型通道和进行中的 GM-Bench 2.0 智能体版本。
AI 编程07
beyondessential/review-hero · AI-powered multi-agent code review
Review Hero 是一个可复用的 GitHub Actions 工作流，基于 Claude（Haiku 负责分流筛选、Sonnet 并行执行审查与自动升级 Opus）对 Pull Request 进行 AI 代码审查。它并行运行多个专职审查代理（缺陷、性能、设计、安全以及自定义代理），通过投票共识、抑制规则和开发者反馈学习去重降噪，再由编排器把结果以行内评论和汇总评论的形式发布到 PR 上，并可选启用自动修复未解决评论与 CI 失败。