awesome-llm-agent

everything about llm based agent latest update: 2027-10-15

• 论文
  • 综述
• 开源项目
  • Agent框架
  • Agent记忆框架
  • Agent应用
  • 工具
  • 安全护栏
• 指南手册
• 课程
• 企业级实践
• 行业最佳实践指南
  • 整体
  • 记忆管理
  • 评测
  • Harness
  • 自演进
  • Context Engineering
  • Skills
  • 其他文章
• 视频
• 图书

---

论文

综述

• A Survey of Agent Skills: Toward Procedural Infrastructure for LLM Agents

• Agent Harness Engineering: A Survey

• A Survey on Agentic Security: Applications, Threats and Defenses

  详情

  

• 2023-09-19 The Rise and Potential of Large Language Model Based Agents: A Survey

  • github

• 2024-12-30 Large Language Model-Brained GUI Agents: A Survey

  详情

  - 大型语言模型（LLM）驱动的图形用户界面（GUI）智能体（Agent）。这一领域融合了人工智能、人机交互和软件工程的跨学科知识，是当前AI领域最活跃的方向之一。本次的综述系列解读将系统梳理LLM驱动GUI Agent的发展脉络，剖析其核心技术、关键挑战及未来机遇，旨在为感兴趣的读者提供详尽指南，并激发更多创新思考。 -

  • 中文总结

• 2025-01-25 Agent AI: Surveying the Horizons of Multimodal Interaction

• 2024-12-15 A Survey on Large Language Model based Autonomous Agents

  • 中文总结

指南手册

• 智能体设计模式
  • 中译版
• Google Startup Technical Guide for AI Agents
• Weaviate Agentic Architecture
• Microsoft: Agent Governance whitepaper -原始链接
• Cohere: Building Enterprise Agents
• Amazon Web Services (AWS): An Executive’s Guide to Agentic AI
• Deloitte: Unlocking the right Agentic AI Use cases
  • 德勤（Deloitte Touche Tohmatsu），为一国际性专业服务网络，与普华永道、安永及毕马威并列为四大国际会计师事务所
• McKinsey & Company: Seizing the Agentic AI Advantage
  • QuantumBlack原先是麦肯锡2015年收购的数据分析公司，后来成为了麦肯锡官方的、统一的人工智能(AI)部门
• KPMG: The Agentic AI Advantage
  • KPMG是“毕马威”（Klynveld Peat Marwick Goerdeler）的简称，它是全球最大的专业服务网络之一，也是国际“四大”会计师事务所之一
• Capgemini: The rise of Agentic AI
  • 凯捷集团是一家具有50多年悠久历史的欧洲咨询公司。 凯捷中国扎根中国27年，拥有强大的咨询专家团队和数字化能力沉淀，在大数据、人工智能、可持续发展等最新技术应用和解决方案。
• Accenture: Technology vision 2025
  • 埃森哲（Accenture）是一家全球性的管理咨询、信息技术和业务流程外包公司。 该公司成立于1989年，前身是安达信会计师事务所的咨询部门。 埃森哲是全球最大的管理咨询公司之一，服务于全球500强企业中的大部分客户，业务遍及40多个行业。
• OpenAI - AI in Enterprise
• Google: AI Agent Handbook
• BCGX: AI Agents and MCP
  • 波士顿咨询公司（BCG）宣布成立数字化构建与设计部门BCG X
• Thomson Reuters and Reuters: Agentic AI 101
  • 汤森路透（Thomson Reuters）是由加拿大汤姆森公司（The Thomson Corporation）与英国路透集团（Reuters Group PLC）合并组成的商务和专业智能信息服务提供商。
• ServiceNow : Enterprise AI Maturity Index
  • ServiceNow是一家以ITSM业务起家的美国SaaS企业
• Infosys - Tech Navigator Agentic Enterprise Playbook
  • 印孚瑟斯是总部在印度班加罗尔的一家信息技术跨国公司。

企业级实践

整体

• 阿里：从 Agent Flow 到 AI Native：为什么通用 Agent 是“饮鸩止渴”

• 从一次 LLM 调用到完整 Harness，Agent 到底经历了什么？

• 淘宝百亿补贴数据分析助手 Agent 实战-2026-09-03

• 高德本地生活分析 Agent 的 AI Native 实践全景（万字长文回顾）

• 高效电商 AI 智能体解剖指南 | 选自 Anthropic 的 Claude 博客

• 阿里-垂类业务如何落地生产级 Agent

• 哈啰出行从Copilot到Agent模式的探索-贾立 PPT

• Anthropic的构建智能体的经验总结和实践建议

• 阿里云服务领域Agent智能体：从概念到落地的思考、设计与实践

• 支付宝百宝箱团队的技术负责人的AI Agent 综述分享

• 2025-10-24 阿里：Apache RocketMQ × AI：面向 Multi-Agent 的事件驱动架构

• 2025-10-20 腾讯：一文讲懂Agent及其主流框架：自己想、自己干、自己复盘的才是好Agent！

• 智能体（Agent）全景拆解：核心模块、技术实现与业务落地指南

• Rebuilding Devin for Claude Sonnet 4.5: Lessons and Challenges

• OpenAI:Context Engineering - Short-Term Memory Management with Sessions

• Claude官方Anthropic的构建智能体的经验总结和实践建议：构建高效智能体

  • 中文版

• 基于大语言模型的智能代理

  • 中文版
  • 

• AI Agent（智能体）技术白皮书（Google，2024）

  • 中文版

记忆管理

• Agent 为什么会“忘事”-Agent的记忆管理
• 小林面试-Codex记忆机制是怎么实现
• 小红书-EMNLP 2026｜MemPro：让 Agent 的记忆系统学会自我进化
• 淘宝-让 Agent 像人一样记忆：本地长期记忆系统 HL-Mem 的设计与取舍-2026-09-11
• 360奇舞-Agent 为什么会“忘事”-Agent的记忆管理
• 得物技术-企业级 MultiAgent 的记忆系统：短期上下文与四层记忆架构实现
• 支付宝-仿照大脑记忆机制，给 AI 装了一个海马体，拿到了 SOTA
• 深度拆解 Hermes Agent 的记忆系统：它如何修正 OpenClaw 的误区

评测

• 淘宝AI购物助手在线评测落地实践-2026-10-11
• 美团-Agent评测漫谈 —— 由浅入深讲解Agent评测
• 美团-《Agent 评测白皮书》系列01：Agent 评测全览
• 淘宝-让Agent可评、可控、可迭代：业务效果导向的评测体系与场景实践-2026-09-17
• 腾讯— 一篇讲透Agent自进化飞轮怎么搭：评测→记忆→落地→控制
• 阿里-AI Agent 应用精细化评测：评测体系设计与工程实践-2026-09-02
• Anthrop - Demystifying evals for AI agents(揭秘人工智能代理的评估)
• 小林面试+怎么评估 Agent
• 阿里-Agent 越改越乱之后，我用评测和轨迹把它拉回来了

Harness

• 腾讯-换一套 Harness，比换两代模型还管用-2026-09-17
• 腾讯：DeepSeek Harness背后的“心脏”：Cordis 到底是什么
• 百度：都在开源 Harness，Codex 和 DeepSeek 到底有什么不一样？
• DeepSeek Harness：重新设计 Agent 运行时

安全

• 字节实践 | Agent 提示词注入攻击：一场需要长期应对的安全挑战

自演进

• 谷歌重磅发布WikiSkill，技能可以自己进化了！
• agent优化之GEPA——一种提示词自进化的优化方案
• 阿里-深度解析 RSI：当 AI 开始实现自我迭代提升-2026-10-13
• Datawhale-这是一篇把"RSI"讲明白的科普级综述！
• 机器之心-从记忆到自进化：Agent 走向 RSI 的关键一步
• 万字长文读懂 RSI
• Agent如何自己变强？从Skill到模型权重的进化全景图

Context Engineering

• 腾讯：AI工程范式的跃迁，一文讲透Context Engineering！
• 2025-10-24 阿里云：浅谈上下文工程｜从 Claude Code 、Manus 和 Kiro 看提示工程到上下文工程的转变
• Anthropic:Effective context engineering for AI agents

Skills

• 企业Agent落地实践：统一Harness、Skill与虚拟文件系统

其他文章

• 淘宝-Loop engineering：把 agent 放进工程循环-2026-09-21
• Agentic Design Patterns with LangGraph
• 阿里：从 Loop 到 Graph Engineering 的演进思考与实战
• 阿里云：从 ReAct 到 Agent Teams：一个工程师视角的 Agent 协作机制思考

开源项目

Agent框架

• crewAI

  • 用于编排角色扮演、自主人工智能代理的尖端框架。通过促进协作智能，CrewAI 使代理能够无缝协作，处理复杂的任务。
  • CrewAI 更加强调其易用性和快速搭建演示的特性。该平台直观易操作，主要通过编写提示来生成和配置智能体。在 CrewAI 平台上，智能体的创建和集成过程极为简便，用户能在短时间内轻松构建数百个智能体，因此它成为了追求快速制作 Multi-Agent 演示或原型开发者的首选工具。
  • 不过，CrewAI 在灵活性和定制化方面有所不足，更适合处理简单的用例，而不太适合复杂的编程作业。同时，智能体间的交互可能会存在一些 Bugs，这可能会对项目的稳定性和可靠性造成影响。尽管存在这些局限，对于那些仅需迅速构建演示或原型，且对系统灵活性要求不高的开发者而言，CrewAI 依旧是个合适的选择。

• LangGraph

  • LangGraph 是一款基于 LangChain 打造的 Multi-Agent 框架，该框架通过引入有向循环图的理念，打造了一个极具灵活性和可定制性的解决方案。LangGraph 不仅适用于各类 Multi-Agent 任务，还能支持几乎所有的多智能体编排应用，使其成为那些面临复杂任务、追求高度灵活性和定制化能力的开发者的首选工具。
  • 尽管如此，LangGraph 的文档资料相对较少，这可能会让新手或编程经验不足的用户在入门时遇到困难。同时，使用 LangGraph 还需要用户具备一定的编程能力，特别是对图形结构和逻辑流程的掌握。因此，LangGraph 更适宜于那些拥有丰富编程背景、愿意投入时间深入学习的高级开发者。

• DeepAgent

  • Deep Agents 是由 LangChain 团队开发的开源代理框架，实现了如 Claude Code 和 Manus 等先进代理使用的核心原则。该项目提供了一个简单但功能强大的代理框架，支持长期任务执行、工具集成、子代理委派、人工干预工作流等功能。用户可以通过 create_deep_agent 快速创建自定义代理，支持自定义模型、系统提示、工具、中间件等多个维度的定制，并集成了任务规划、文件系统操作、上下文管理等内置能力。
  • 主要功能点
    • 长期任务执行与规划：支持跨越数十个工具调用的复杂任务
    • 工具集成系统：内置文件操作、待办事项管理、子代理委派等工具，支持自定义工具和 MCP 工具
    • 干预工作流(HITL)：通过 interrupt_on 配置实现敏感操作的人工审批
    • 子代理委派：支持任务隔离和上下文分离的专用代理
    • 持久化内存：通过 CompositeBackend 实现跨对话的长期记忆存储
    • 可插拔后端系统：支持临时状态存储、本地文件系统、持久化存储等多种后端
    • 中间件扩展机制：可自定义中间件注入工具、修改提示或钩入代理生命周期
    • 上下文管理：内置自动摘要功能，当上下文超过 170k 令牌时自动处理

• letta

  • Letta是一个开源的有状态智能体平台，专门用于构建具有高级记忆能力的AI智能体，使其能够随时间学习和自我改进。该项目提供了REST API和SDK（支持Python和TypeScript），允许开发者在OpenAI、Anthropic、Google Gemini等多个模型提供商上构建智能体。核心特性包括记忆块、工具集成和跨模型的便携性。项目已获得19.9k个Stars，拥有155位贡献者和2.1k个Fork。
  • 主要功能点
    • 构建有状态的AI智能体，具备持久化学习能力
    • 支持多个LLM模型提供商（OpenAI、Anthropic、Google Gemini等）
    • 提供内存块管理系统，允许智能体维持上下文状态
    • 内置工具集成（如web_search、run_code等）
    • 提供Python和TypeScript/Node.js的客户端SDK
    • 支持自托管和云端Letta开发平台两种部署方式
    • 完整的REST API和开发文档

• pydantic-ai

  • PydanticAI是一个基于Python的Agent框架,旨在简化使用生成式AI构建生产级应用程序的过程。它由Pydantic团队开发。
  • 模型无关性:支持OpenAI、Gemini和Groq等多种LLM模型
  • 类型安全:使用Pydantic进行类型检查和验证
  • 控制流和Agent组合:使用标准Python实现
  • 结构化响应验证:使用Pydantic进行验证
  • 流式响应处理:包括对流式结构化响应的验证
  • 依赖注入系统:用于测试和基于评估的迭代开发
  • Logfire集成:用于调试和监控LLM应用程序的性能和行为

• Microsoft Agent Framework

  • Microsoft Agent Framework 是一个全面的多语言框架,用于构建、编排和部署 AI 代理,支持 .NET 和 Python 实现。该框架提供从简单的聊天代理到复杂的多代理工作流程的一切,并支持基于图的编排。
  • 主要功能点
    • 基于图的工作流程:使用数据流连接代理和确定性函数,支持流式处理、检查点、人机交互和时间旅行等功能
    • Python 和 C#/.NET 支持:完全支持 Python 和 C#/.NET 实现,API 一致
    • 可观察性:内置 OpenTelemetry 集成,用于分布式跟踪、监控和调试
    • 多代理提供商支持:支持各种 LLM 提供商
    • 中间件:灵活的中间件系统,用于请求/响应处理、异常处理和自定义管道

• ModelScope-Agent

  • ModelScope-Agent是一个通用的、可定制的Agent框架，用于实际应用程序，其基于开源的大语言模型 (LLMs) 作为核心。它提供了一个用户友好的系统库， 具有以下特点：
    • 可定制且功能全面的框架：提供可定制的引擎设计，涵盖了数据收集、工具检索、工具注册、存储管理、定制模型训练和实际应用等功能，可用于快速实现实际场景中的应用。
    • 开源LLMs作为核心组件：支持在 ModelScope 社区的多个开源LLMs上进行模型训练。
    • 多样化且全面的API：以统一的方式实现与模型API和常见的功能API的无缝集成。

• agentUniverse

  • agentUniverse 是一个基于大型语言模型的多智能体框架,由蚂蚁集团开源。 agentUniverse为您提供灵活易拓展的单智能体构建能力；agentUniverse核心拥有丰富的多智能体协同模式组件（可视为一个协同模式工厂Pattern Factory），它能让智能体们各司其职在解决不同领域问题时发挥最大的能力；同时agentUniverse专注于领域经验的融合，帮助您轻松将领域经验融入到智能体的工作中。

• Qwen-Agent

  • Qwen-Agent是一个开发框架。开发者可基于本框架开发Agent应用，充分利用基于通义千问模型（Qwen）的指令遵循、工具使用、规划、记忆能力。本项目也提供了浏览器助手、代码解释器、自定义助手等示例应用。

• ROMA ROMA（Recursive Open Meta-Agents）是一个元代理框架,使用递归层次结构来解决复杂问题。通过将任务分解为可并行的组件,ROMA使代理能够处理复杂的推理挑战,同时保持透明度,使上下文工程和迭代变得简单。该框架提供并行问题解决,代理可以同时处理复杂任务的不同部分,透明的开发具有清晰的结构,便于调试,并且通过搜索代理的强大基准测试结果证明了其性能。

不再维护

• OpenAI Swarm

  • Swarm 现已被 OpenAI Agents SDK 取代，后者是 Swarm 的升级版，已具备生产就绪状态。
  • 致力于简化智能体的构建过程以及智能体间的交接操作（即 Handoffs）。Swarm 框架特别适合初学者，让他们能够轻松入门多智能体技术，快速搭建演示项目。
  • 尽管如此，Swarm 的功能范围较为狭窄，仅支持 OpenAI API，而不兼容其他语言模型提供商的 API，这在实际生产部署中可能带来限制。同时，Swarm 的灵活性不足，难以满足追求高度定制化和灵活配置的用户需求。另外，Swarm的社区支持力度较弱，用户在 GitHub 上提交问题或寻求帮助时可能会遇到困难。

• AutoGen

  • 进入维护模式，不再接受新功能，官方建议换到 Microsoft Agent Framework。
  • AutoGen 作为微软在多智能体领域推出的早期且广受欢迎的框架之一，旨在为软件开发提供解决方案。在该框架中，核心由两种智能体构成：用户智能体（User-Agent）和助手智能体（Assistant-Agent）。用户智能体负责传达指令和需求，而助手智能体则负责代码的生成与执行，并将成果反馈给用户或其他智能体。
  • AutoGen 的一大亮点在于其卓越的多智能体协调能力，尤其在应对编程任务时表现尤为突出。它还允许在智能体互动过程中进行人工干预，增加了开发流程的灵活性和可控性。
  • 尽管如此，AutoGen 也并非完美无缺。其用户界面可能不够直观，对于非技术人员来说，可能需要一定的学习时间。另外，AutoGen 的配置过程较为繁琐，尤其是在集成本地大型语言模型（LLM）时，还需要设置代理服务器。因此，AutoGen 更适合那些对软件开发有一定了解，并且愿意投入时间和精力去掌握其使用方法的开发者。

Agent记忆框架

• mem0

  • Mem0 是一个为AI助手和代理提供智能记忆层的开源项目，能够实现个性化AI交互。它通过记住用户偏好、适应个人需求并持续学习，相比OpenAI内存实现了26%的准确度提升、91%的响应速度提升和90%的Token成本节省。项目已发布v1.0.0版本，支持多级记忆（用户、会话、代理状态）、跨平台SDK以及托管服务选项。

  • 主要功能点

    • 多级记忆系统：无缝保留用户、会话和代理状态，支持自适应个性化
    • 开发者友好：提供直观API、跨平台SDK（Python/TypeScript/JavaScript）和完全托管服务
    • 应用场景：支持AI助手、客户支持、医疗保健、生产力工具等领域
    • 性能优势：比完整上下文方案快91%、节省90%Token、准确度提升26%
    • 灵活部署：支持自托管（开源）和托管平台两种方式
    • 丰富集成：支持LangGraph、CrewAI、ChatGPT插件、浏览器扩展等

• cognee

  • Cognee 是一个开源工具和平台，将原始数据转化为AI智能体的持久化动态记忆。它结合向量搜索和图数据库技术，使文档既可按语义搜索，又可通过关系连接。Cognee提供两种使用方式：自托管开源版本（数据本地存储）和托管云服务版本（企业级基础设施）。核心特性包括支持30+数据源的Python数据流水线、用ECL（提取、认知化、加载）流程替代传统RAG系统、以及高度可定制化的搜索端点和自定义任务。
  • 主要功能点
    • 将任意类型数据（对话、文件、图像、音频转录）互联连接
    • 用统一内存层（基于图和向量）替代传统RAG系统
    • 支持30+数据源的Pythonic数据管道
    • 提供自定义任务、模块化管道和内置搜索端点的高度定制化
    • 六行代码快速集成AI记忆功能
    • 支持知识图谱生成和关系推理

• hindsight

  • Hindsight是一个仿生智能体记忆系统，旨在为自动化任务和对话交互的AI智能体创建长期学习能力。相比传统的RAG和知识图谱方案，Hindsight通过模仿人类记忆的方式（世界知识、经验、观点、观察）来组织记忆，在LongMemEval基准测试中取得了最先进的性能。系统提供Retain（保留）、Recall（回忆）、Reflect（反思）三个核心操作，使智能体能够存储信息、检索记忆并从经验中学习改进。
  • 主要功能点
    • Retain操作：使用LLM提取事实、时间数据、实体和关系，将信息规范化后存储到记忆库中
    • Recall操作：并行执行语义检索、关键词匹配、图谱关联、时间范围等4种检索策略，通过倒数- 排名融合和交叉编码器重排序返回相关记忆
    • Reflect操作：深度分析现有记忆形成新的连接，生成观点和观察，使智能体能够从经验中学习
    • 四层记忆架构：世界知识、经验、观点、观察，形成类似人类的记忆组织方式
    • 多种部署方式：Docker容器、Python嵌入式、REST API、CLI等多种集成选项

• EverMemOS

  • EverMemOS 是一个开源的企业级智能记忆系统，旨在为对话式AI代理提供长期记忆能力。与传统AI记忆系统仅作为"回顾"数据库不同，EverMemOS使AI不仅能够"记住"发生过的事情，还能"理解"这些记忆背后的含义，并用其指导当前的行动和决策。系统通过记忆构建和记忆感知两个主要轨道运作，实现从原始对话数据中提取、结构化和检索信息，使AI能够维持上下文、回忆过去交互，并逐步构建用户档案。在LoCoMo基准测试中，基于EverMemOS的方法达到了92.3%的推理准确率。
  • 主要功能点
    • 记忆构建层：从对话数据中提取原子记忆单元(MemCell)，通过主题和故事线整合形成多层级结- 构化记忆
    • 记忆感知层：通过多轮推理和智能融合实现精准的上下文感知，支持混合检索、智能重排序等多种检索策略
    • 连贯叙述：将零散的对话片段连接成完整故事，使AI真正理解而非片段理解
    • 证据感知：主动捕捉记忆与任务的深层联系，实现真正基于理解的思考
    • 动态用户档案：实时更新用户档案，随着交互深化而不断学习用户特征
    • 多种检索模式：支持轻量级快速模式(BM25)、智能多轮回忆(Agentic)、混合检索(RRF融合)等

• MemoryBank

  • MemoryBank-SiliconFriend 是一个为大型语言模型(LLM)设计的长期记忆机制项目。该项目包含了论文《MemoryBank: Enhancing Large Language Models with Long-Term Memory》的数据、模型和代码。MemoryBank 灵感来自于艾宾浩斯遗忘曲线理论，能让 AI 访问相关记忆、持续演进并适应用户个性。SiliconFriend 是基于该机制的双语 LLM 聊天机器人，通过在心理对话数据上使用 LoRA 微调，展现出更高的共情能力，可用于长期 AI 陪伴场景。项目提供了基于 ChatGLM 和 BELLE 的两个 LoRA 检查点，以及完整的 Web 演示和命令行工具。
  • 主要功能点
    • 实现了基于艾宾浩斯遗忘曲线的人类化记忆更新机制
    • 支持记忆检索、记忆更新和用户个性学习
    • 提供 ChatGLM、BELLE 和 ChatGPT 三种模型支持
    • 包含 Web 演示和 CLI 命令行工具
    • 提供双语(中英文)支持
    • 包含 38K 中文心理对话数据和评估数据集

• langmem

  • LangMem 是一个帮助agent通过交互学习和适应的库。它提供了从对话中提取重要信息、通过提示优化改进代理行为以及维护长期记忆的工具。LangMem既可以作为函数原语与任何存储系统配合使用，也能与LangGraph的存储层原生集成。该项目使agent能够持续改进、个性化响应并跨会话保持一致行为。
  • 主要功能点
    • 🧩 核心内存API，与任何存储系统兼容
    • 🧠 内存管理工具，代理可在活跃对话中记录和搜索信息
    • ⚙️ 后台内存管理器，自动提取、整合和更新代理知识
    • ⚡ 与LangGraph长期内存存储原生集成，默认在所有LangGraph平台部署中可用

Agent应用

• gpt-newspaper

  • 这是一个创新的自主代理，旨在根据用户偏好创建个性化报纸。 GPT Newspaper 利用人工智能的力量根据个人品味和兴趣策划、撰写、设计和编辑内容，彻底改变了我们消费新闻的方式。

• awesome-llm-apps

  • 包含了使用 OpenAI、Anthropic、Gemini 和开源模型的 LLM（Large Language Model）应用程序的示例和教程

• OpenHands

  • OpenHands(前身是OpenDevin)是一个基于 AI 的软件开发代理平台。它可以执行任何人类开发人员能做的事情,如修改代码、运行命令、浏览网页、调用 API,甚至从 StackOverflow 复制代码片段。OpenHands 旨在帮助开发人员减少编码工作,提高工作效率。

• TradingAgents：用多Agent框架炒股，多赚6个点收益

  • https://mp.weixin.qq.com/s/6gKm49WMPB0Xx2IlCNtuxA
  • TradingAgents 是一个多智能体LLM金融交易框架，模拟真实交易公司的运作动态。该框架通过部署基础面分析师、情绪分析师、技术分析师、交易员和风险管理团队等专业化LLM智能体，协作评估市场条件并做出交易决策。框架采用LangGraph构建，具有灵活和模块化的特性，支持CLI和Python包两种使用方式，使用OpenAI API作为核心LLM支持，并可配置多种数据源。
  • 主要功能点
    • 分析师团队：包含基础面分析师、情绪分析师、新闻分析师和技术分析师，各自专注于不同的市场分析维度
    • 研究者团队：由看涨和看跌研究员组成，通过结构化辩论平衡风险与收益
    • 交易员代理：综合各分析团队报告做出交易决策
    • 风险管理和投资组合经理：持续评估投资组合风险，最终批准或拒绝交易提案
    • CLI工具：提供交互式界面支持股票代码、日期、LLM模型等参数配置
    • 灵活配置：支持自定义LLM选择、辩论轮数、数据源等配置参数

• realtime-phone-agents-course

  • 这是一个综合性的实时电话语音代理课程项目，通过4周的循序渐进教学，教授开发者如何构建生产级的AI语音智能体系统。该项目以构建一个房地产公司的"AI员工"为实际案例，整合了实时语音处理、向量搜索、电话集成和GPU部署等核心技术，提供从基础概念到云端部署的完整学习路径。
  • 主要功能点
    • ☎️ 通过Twilio接收和发送真实电话呼叫
    • 🏠 使用Superlinked进行复杂多属性房产数据搜索
    • ⚡ 利用FastRTC实现低延迟的实时语音对话
    • 🗣️ 集成Moonshine和Fast Whisper进行高效语音转文字
    • 🎙️ 使用Kokoro和Orpheus 3B生成逼真的语音合成
    • 🚀 在Runpod上部署开源模型实现GPU加速
    • 📊 使用Opik进行全链路对话追踪和监控
    • 👥 支持多化身系统实现不同AI人设

• BettaFish

  • BettaFish是一个从零开始构建的创新型多智能体舆情分析系统，旨在帮助用户打破信息茧房、还原舆情原貌、预测未来走向。用户只需像聊天一样提出分析需求，系统会自动分析国内外30+主流社交媒体和数百万条大众评论。该项目拥有AI驱动的全域监控、超越LLM的复合分析引擎、强大的多模态能力、Agent论坛协作机制、公私域数据融合以及轻量化的高扩展性框架等六大优势。
  • 主要功能点
    • QueryEngine：国内外新闻广度搜索Agent，具备网页搜索能力
    • MediaEngine：强大的多模态内容分析Agent，支持视频/图片深度解析
    • InsightEngine：私有数据库挖掘Agent，用于内部数据深度分析
    • ReportEngine：智能报告生成Agent，具备多轮报告生成能力
    • ForumEngine：论坛协作引擎，实现Agent间的链式思维碰撞与辩论
    • MindSpider：7x24小时不间断的AI爬虫系统，覆盖10+社交媒体平台
    • SentimentAnalysisModel：多种情感分析模型（BERT、GPT-2、Qwen等）

• OmniThink

  • https://mp.weixin.qq.com/s/6gKm49WMPB0Xx2IlCNtuxA
  • 浙大和阿里通义实验室开源的一个深度AI写作系统：OmniThink，它模拟人类学习和思考过程，实现了更深入的AI写作，解决了现在AI内容浅显、重复、非原创的问题
  • OmniThink通过迭代扩展，不断扩充知识边界、持续反思、渐进学习的方式模拟人类学习过程
  • 输出的内容知识密度高，内容冗余少，具备比较强的逻辑性的深度思考能力
  • 支持多种底座模型，可自定义知识来源，可调整生成策略，不过生成质量依赖底座模型质量

• WebWalker

  • 阿里出的一个可以让LLM像人类一样在网上搜索信息的多智能体框架：WebWalker，它可以让LLM能自动点击链接、阅读网页、理解信息、最终给出答案，解决传统搜索引擎只能浅层搜索的问题
  • 系统包含两个智能体，一个找信息助手，负责点击链接、浏览网页内容； 一个判断助手，判断找到的信息够不够， 是否需要继续找，给出答案
  • 垂直搜索能力强，能处理复杂问题，可以深入多个网页，找到隐藏的信息
  • 它可以和现有的AI问答系统（比如RAG）结合，比如RAG系统以前只能找到一些简单的答案，加上WebWalker后，可以增强处理复杂网络信息的能力

• pasa

  • 字节开源的一个非常智能的论文搜索代理：pasa(Paper Search agent)，它可以调用搜索工具、阅读论文、选择相关的参考文献，自己做决策，为复杂的学术查询提供全面准确结果
  • 核心是它不只是简单的关键词搜索，它会像人一样思考，阅读论文，并根据需求选择最合适的论文
  • PaSa-7B在召回率上比 PaSa-GPT-4o高30.36%，精确率高4.25%
  • PaSa-7B在recall@20和recall@50上，分别比使用 GPT-4 增强后的Google搜索高37.78% 和 39.90%，优于Google 系搜索引擎
  • pasa有两个代理，
    • 1. Crawler处理用户查询，访问论文队列，可以调用搜索工具，展开引用，控制当前论文处理
    • 2. Selector， 读队列中的论文，判断是否符合查询标准

• CHRONOS

  • 阿里巴巴开源的一个新闻时间线摘要生成系统：CHRONOS，给它一个话题，它能生成一份按时间顺序整理好的重要事件摘要
  • 具备迭代式自我提问机制，可以自己提问，自动找答案，按时间顺序整理重要信息
  • 支持开放域新闻时间线生成，不限特定领域
  • 处理速度快，可以处理大量新闻

• gptrpg

  • 多年未更新，可忽略

工具

• semantic-router
  • semantic-router是为大模型和agent代理提供一个超快速的决策层。我们不用等待缓慢的LLM来生成使用哪个工具的决策，而是利用语义向量空间的法力来做出这些决策——使用语义来路由我们的请求
• TypeChat
• json_repair
  • 修复损坏的JSON文件,在LLM生成json数据场景下很有用
• openagents
  • OpenAgents是一个开源项目,旨在创建AI Agent网络并将Agent连接到网络以进行开放协作。它提供了一个基础网络基础设施,使AI Agent能够无缝连接和协作。每个OpenAgents网络都是一个自包含的社区,Agent可以在其中发现对等方、协作解决问题、相互学习和共同成长。它与流行的LLM提供商和代理框架协议无关。

安全护栏

• guidance
• NeMo-Guardrails

课程

• 吴恩达 deeplearning：agentic-ai
• 2025-03 微软 AI Agents for Beginners
• AI Agents in LangGraph
• Multi AI Agent Systems with crewAI

图书

• datawhalechina/hello-agents
• 📚 《从零开始构建智能体》——从零开始的智能体原理与实践教程