数据处理21
tjromack/open311-pipeline · Streaming civic-data pipeline: Chicago 311 → Kafka → Claude urgency classification (Langfuse-traced) → DuckDB or Snowflake via idempotent MERGE → dbt SLA marts. Runs with no accounts: make demo-local.
该项目是一个可复用的「流 → 分类 → 数据仓库 → 建模」市民数据流水线模板：轮询 Open311（芝加哥 311）请求，写入按 service_request_id 分键的 Kafka，用 Claude Haiku 4.5 对请求做结构化输出的紧迫度分级（每次调用在 Langfuse 中留有 trace），失败进入死信队列，再通过幂等 MERGE 写入 DuckDB（默认）或 Snowflake，最后由 dbt 构建部门 SLA 合规度数据模型。项目提供无需账号、无需 API key 的本地演示（make demo-local / make demo-local-nokafka），演示回放 300 条真实芝加哥 311 请求及其由 Claude Haiku 4.5 标注的标签；另有一条路径可从城市数据门户加载整个财年（约 212 万行）并测量整体队列的 SLA 合规度。仓库含 61 个 pytest 测试与 45 个 dbt 数据测试，覆盖 schema 漂移、DLQ、MERGE 幂等性等失效模式。README 明确指出其 SLA 阈值为项目自设而非芝加哥官方标准。
数据处理22
ho72/pet-i-explanation-data · 진단명·증상과 검색 근거로 설명형 SFT 데이터를 만드는 Python 파이프라인 | dry-run · 오류 분리 · 테스트/CI
该项目是一个 Python 数据生成流水线，用于为 PET-I 宠物犬眼病 VLM 诊断服务准备解释型训练数据。它读取 CSV 或 JSON 中给定的诊断名与症状，收集疾病相关的本地文档以及可选的 DuckDuckGo、Wikipedia 网络检索结果，并交给教师 LLM（GPT-4o）生成四个方面的说明文本，输出带有 service 说明文和 sft 对话记录的训练数据。项目本身不分析图像或判断疾病，image_path 仅用于生成输入标识。
数据处理23
zapanss/End-to-End-ELT-Data-Pipeline-with-Databricks-Delta-Lake-DLT-dbt-Ready-Gold-Models · 🚀 Build a production-ready ELT data pipeline on Databricks, leveraging Delta Lake and DLT for efficient data ingestion, transformation, and modeling.
该项目提供了一个基于 Databricks 的生产级 ELT 数据管道实现，涵盖 Auto Loader 数据接入、Delta Live Tables (DLT) 转换、基于 CDC 的 Silver 层建模以及动态 Gold 层维度与事实表构建。支持的 dbt 集成用于数据转换和灵活建模，涉及 Bronze-Silver-Gold、SCD 等数据工程常见模式。仓库以 Jupyter Notebook 为主要载体，附带系统要求说明与相关资料链接。
Agent 与自动化24
honeygame786/link-rewrite-pipeline · AI Social Media Curator & Approval Workflow Automation Tool 2026
Curator Studio 是一个社交媒体内容策展与审批工作流工具。它从 X/Twitter、Instagram、Telegram 采集内容，通过 Gemini 级别的语言模型按目标平台风格改写文本，并支持多语言语义翻译，随后进入人工审核队列，由编辑批准、修改或拒绝后再进入定时发布队列，同步各平台的发布节奏。项目还提供语调配置、链接富化、Webhook/REST API 集成与审计日志等功能。
Agent 与自动化25
adhyayanrathi01/product-manager-os · An evidence-first, provider-neutral workflow system for AI-assisted product management.
这是一个以证据为先、不绑定特定模型供应商的产品管理工作流系统，用可复用的技能（skills）覆盖产品调研、分析、综合、原型与测试等环节。其核心原则是 Agent 只负责识别问题、汇集证据、说明不确定性与给出选项，由产品经理做决策；自带受控的自我改进机制，通过契约围栏、三项评审、预算与完整性清单约束技能只能改进过程而不能改变用途。
Agent 与自动化26
TurboKach/claude-code-setup · Claude Code setup: opinionated CLAUDE.md, a feature pipeline skill (plan → delegated execute → codex cross-review → ship), pinned role agents, parallel subagent fan-out, and a one-command installer with self-update.
面向 Claude Code 的一套配置与工作流模板，包含带明确规范的 CLAUDE.md、按需加载的规则与技能、固定角色的子智能体定义，以及安装脚本和设置示例。其核心是一条 计划 → 委派执行 → codex 交叉评审 → 合并 的特性流水线，支持通过后台子智能体进行并行 fan-out（仅在并行写入处使用 worktree 隔离），并提供会话开始时的更新检查与 /analyze-arcs 审计技能。适合希望把 Claude Code 用于多智能体并行研究、评审和特性开发的用户参考搭建。
Agent 与自动化27
frankbria/codeframe · Think → Build → Prove → Ship. The project delivery system that turns ideas into verified, deployed code. AI agents write the code — CodeFrame owns everything before and after.
CodeFRAME 是一个 Python 编写的命令行项目交付系统，围绕“Think → Build → Prove → Ship”流程，覆盖 AI 编码智能体写代码之前的需求规划与任务拆解，以及之后的验证与发布。它通过 cf prd generate 进行苏格拉底式需求发现，用 cf tasks generate 将 PRD 拆解为带依赖的原子任务，再交给 Claude Code、Codex、OpenCode、Kilocode 或内置 ReAct 智能体执行；PROOF9 九道验证门禁把缺陷固化为长期校验要求，cf pr create/merge 在证明通过后才允许合并。项目为公开测试版（0.9.3），采用 AGPL-3.0 许可，主要通过 pip/uv 安装的 cf 命令行使用，需要与所选 LLM 提供方匹配的 API Key（如 ANTHROPIC_API_KEY、OPENAI_API_KEY，本地 Ollama 无需密钥），GitHub 集成需要 GITHUB_TOKEN 与 GITHUB_REPO。
Agent 与自动化28
JdominguezEcommium/agentic-self-regulation-loop · 2026 AI Agent Loop v2.0: Autonomous Coding with Guardrails & Self-Healing
OuroLoop GateKeeper 是一个面向 AI 编程 Agent（如 Claude Code、Cursor、Aider、Codex）的控制框架，通过意图验证、上下文完整性、执行安全、输出验证和集成检查五道验证门，配合三层自反思机制与自主修复引擎，将 AI 编程 Agent 从无约束的代码生成转变为受控的协作流程。README 还描述了多语言响应式监控面板、OpenAI/Claude API 集成与回退机制，以及 MIT 许可。
Agent 与自动化29
Alex314618-create/JevRev · An LLM + Jev workflow that changes EVERYTHING. Boost your vertebrate brain with a spine inside.
JevRev 是一个 LLM + Jev 工作流系统，将工作分为三部分：JevSift 在任务开始时评估多条候选路径并筛选值得投入 token 预算的方向，JevLoop 逐轮审核结果并决定下一步动作（fix / verify / continue / replan / human），JevLong 对长时间多轮任务监测停滞、重复失败、偏移、工具调用问题和预算风险。Jev 负责快速、低成本的决策与过滤，LLM 负责提出并执行工作，二者通过 CLI 与 JSON/JSONL 协议通信，可与 Codex、Claude Code、OpenCode、CI 工作流或自定义宿主集成，并提供交互式 TUI 查看会话与证据。
知识库与 RAG30
Exciting-nakedmolerat17/IngestReasonCreate · Ingest documents, generate verifiable summaries, and catch AI hallucinations.
IngestReasonCreate 是一个在 Windows 上完全本地运行的文本处理工具，面向 AI 代理的文档工作流：先将 PDF 通过 OCR 和结构化解析在本地提取文本，再把带来源引用的 Markdown 交给 AI 代理进行推理与起草，随后使用 Pandoc、Quarto、Typst 等真实排版引擎生成 PDF、HTML 或 Markdown 文档，最后自动打开成品供用户与原始文件对照核实，以发现 AI 幻觉。项目强调隐私优先、无需联网、无需安装，支持扫描版 PDF 的 OCR、批量处理以及 Mermaid 图渲染。
Agent 与自动化31
SwayamKontamwar/autoforge · A repository that builds itself: a scheduled agent implements one backlog task per run, and commits only if lint, import, and tests all pass.
autoforge 是一个“自我编写”的仓库实验：定时的 GitHub Action 会从 BACKLOG.md 读取任务，调用语言模型生成补丁，只有在通过 ruff 检查、导入冒烟测试和完整 pytest 测试后才会提交到 main，失败则回滚并在 DEVLOG.md 中记录原因。它同时构建一个基于 FastAPI 的 URL 短链服务与标准库风格的 app/toolkit/ 工具集，并包含自我补充的任务生成器与成本守卫，确保运行在免费环境（公开仓库、ubuntu-latest、免费模型额度）下，否则拒绝运行。
Agent 与自动化32
whj1677/requirements-agent · Local requirements agent for PRD/MRD drafting, review, and handoff
该项目是一个基于 Python 的本地 Web 工作台，面向已有平台的增量需求，提供从创建项目、梳理现状与改动范围、澄清流程与规则、评审 MRD 与 PRD，到确认版本与生成交接包的五步流程。服务仅监听本机 loopback 地址（默认 127.0.0.1:8765），数据保存在本机 data/ 目录，模型侧默认通过 RA_DEEPSEEK_API_KEY 调用 DeepSeek 并支持思考模式；文件名原件、基线与历史记录会保留，正式确认会绑定版本、范围与哈希。注意运行依赖、付费模型调用成本、企业保护格式 Office 读取的兼容范围等材料未完整说明。
Agent 与自动化33
wenboxia/airadar · AIRadar · 每日定时运行的 AI 行业情报工作流
AIRadar 是一个定时运行的 AI 行业情报工作流，将 20 个分层信源经抓取、去重、打分后按综合分三路分流：高分自动发布、中等分数每周交人审批、低分丢弃留档，并沉淀为可检索的 AI 行业知识库。项目采用三维价值分（相关度/新颖度/长期价值）打分，提供每周 12 条的人工审批单、三条降级链（内容、模型、业务）和分层记忆机制，并配套数据完整性、打分路由、分类稳定性、摘要忠实度与模型选型等评测脚本。
Agent 与自动化34
avisihvam-eng/ai-recruiter-copilot · 2-agent AI recruiter pipeline - Google ADK + Gemini - JD cleanup, Boolean strings, outreach, LinkedIn post
该项目是一个面向招聘场景的多智能体工作流，用户粘贴原始职位描述后，可一次性生成整理后的 JD、Strict/Balanced/Broad 三档布尔搜索字符串、外联文案与 LinkedIn 招聘帖，并由 recruiter_advisor_agent 输出筛选问题与招聘注意事项。后端采用 Python、Google ADK、FastAPI 与 Gemini 2.5 Flash，前端为单文件 HTML。
Agent 与自动化35
yanivy9h/ai-shipr · Product management OS for Claude Code: agents, skills, workflows, and memory across the full Agile loop.
AI-SHIPR 是一个基于文件夹结构的产品管理操作系统，为使用 Claude Code 的产品经理提供跨会话的持久记忆与结构化上下文。它把产品工作组织成策略、假设、举措、验证、关系与学习等模块，让 Claude 在每次会话中读取并更新这些内容，从而在完整敏捷闭环中充当产品思考伙伴。系统内置约 73 项能力，包括思考类 agents、单任务 skills、多步骤 workflows 和场景化 playbooks，并通过 Connections.md 说明与代码、工单、文档、分析、用户研究和协作工具等六类工具的连接方式。
应用工具36
soehme/aipm-setupguide · Setup Guide for AI enabled Product Management Workshops & Trainings
该仓库提供一份设置指南，帮助参加 AI 产品管理（AIPM）培训的人员搭建初始工作环境：在终端中使用 Claude Code 或 Codex 等 AI 助手，并配合 Obsidian 作为 Markdown 编辑器与文件浏览器。仓库包含两套按工具划分的安装步骤、示例工作区（含案例研究、占位产品目录与帮助文档）、Obsidian/Markdown/命令行基础说明以及故障排查文档。
AI 编程37
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。
Agent 与自动化38
GitHubSecurityLab/seclab-taskflow-agent · GitHub Security Lab Taskflow Agent
GitHub Security Lab 推出的 MCP 多智能体框架，通过 GitHub Workflow 风格的 YAML 语法声明式定义智能体工作流，无需编写代码即可用 CLI 编排多个 Agent 与工具协作完成任务。基于 OpenAI Agents SDK 构建，使用 Pydantic 做语法校验、Jinja2 做模板渲染；智能体由 personalities 定义、接收 taskflow 任务、调用 toolbox 中的工具。支持 Chat Completions 与 Responses 两种 OpenAI API，可切换 openai_agents、copilot_sdk、anthropic_sdk 三种后端，支持 stdio/SSE/streamable HTTP 的 MCP 连接、任务级检查点与断点续跑、运行清单输出、离线 lint 与 JSON Schema 导出。主要面向智能体安全研究、漏洞排查、代码审计、CodeQL 辅助代码审查与代码扫描告警分诊，也可跨多个模型跑同一提示词并让裁判任务择优，用于模型对比评测。
评测与安全39
GitHubSecurityLab/seclab-taskflows-fuzzing · An LLM-driven fuzzing pipeline powered by the GitHub Security Lab Taskflow Agent
该项目是 GitHub Security Lab Taskflow Agent 的模糊测试任务流，面向原生 C/C++ 项目提供 LLM 驱动的自主模糊测试流水线。它结合 AFL++ 执行、clang+lcov 覆盖率采集以及 LLM Agent，自动完成目标识别、构建系统分析、harness 编写与构建、覆盖率反馈迭代、崩溃去重与分类，并生成含可利用性判断和修复建议的可读漏洞报告，同时提供实时 HTML 仪表盘。
Agent 与自动化40
Liooo0/job-hunter · 🎯 AI自动求职投递系统 — Boss直聘/51job/鱼泡 DrissionPage CDP 驱动，JD评分+排除词过滤+封号风控熔断 (Python)
Job Hunter 是一个以 Claude Code skill 形式提供的求职工作流：读取简历与求职底线配置，对招聘平台的岗位 JD 进行结构解析，再通过纯 Python 确定性规则引擎做三层资格过滤与五维加权打分（技术 30% / 方向 30% / 经验 15% / 文化 15% / 地点 10%），达标的岗位由 DrissionPage 驱动本地浏览器完成拟真慢速投递，跳过与失败原因按 9 阶段、23 种枚举写入本地 SQLite 以便复盘。评分与过滤不调用 LLM（0 token），LLM 仅用于可选的 HR 消息草拟。当前支持 Boss 直聘、猎聘、前程无忧 51job，鱼泡直聘尚未接入。