AI 方向的高星开源项目

开源的终端编码 agent，定位类似 Claude Code 与 Codex CLI，主体用 TypeScript 写成。适合想自己魔改 agent 行为、或在私有模型上跑编码 workflow 的研究者参考实现。

Anthropic 官方的 agentic 编码工具，跑在终端里。读得懂仓库结构，能 把跑测试、处理 git 工作流、解释陌生代码这些日常活自然语言化。 CLAUDE.md 用于注入项目上下文，subagent 和 custom slash command 是 常见的扩展手段。

Google 官方把 Gemini 接进终端的开源 agent，TypeScript 实现。除了 常规的代码问答和文件操作，自带 MCP client 与 server 能力，方便接 外部工具或被别的 agent 调用。Claude Code 的同位替代品之一。

OpenAI 官方的终端编码 agent，用 Rust 写，主打轻量。和 Claude Code、 Gemini CLI 属于同一类产品形态，研究 agent harness 设计时可以拿来 做横向对比。

Cline 提供同一套自主编码 agent 的三种形态：SDK、IDE 插件、CLI 助手。VS Code 用户熟悉的那个 Cline 插件就出自这里。想把 agent 嵌 进自家产品时，SDK 形态比较常用。

早期的 CLI 代码生成实验项目，给一段自然语言描述就能生成整个 codebase 的雏形。后来商业化的 lovable.dev 由这条线长出来。今天主要作为 codegen agent 的历史参考。

Continue 把 AI code review 做成可写进 CI 的源码受控规则，背后是开 源的 Continue CLI，同时有 VS Code 与 JetBrains 插件。适合团队把 "AI 在 PR 上自动跑哪些检查"沉淀成版本化的配置。

Void 是开源 AI 原生编辑器，定位对标 Cursor，TypeScript 实现。研究 在编辑器层面而非终端层面集成 LLM、Copilot、Claude、ChatGPT 等模型 时可以作为参考工程。

Anthropic 官方的 Claude agent SDK 的 Python 版本，把 Claude Code 背后的 agent 能力拆出来给开发者直接调用。想自建 agent loop、 自定义 tool、嵌进 Python 应用里跑 agentic workflow 时用。

Aide 是开源的 AI 原生 IDE，和 Void、Cursor 同属一类产品。整个编辑 器围绕 agent 协作设计，研究 IDE 与 agent 深度集成的形态时可看其 实现。

Claude agent SDK 的 TypeScript 版本，能力对齐 Python SDK。 Node/Next.js 项目里想接 Claude agent、自定义 tool dispatch 和上下 文管理时走这一条线。

AutoGPT 是早期把"自主 agent"概念推开的项目，主打让普通人也能搭 自动跑任务的 AI workflow。今天更像 agent 历史里的标志性参考， 研究自主 agent 演化路径时绕不开。

LangChain 把自己重新定位成 agent engineering 平台，提供从模型抽象、 tool、memory 到部署的整套基础设施。生态成熟、文档密集，做企业级 agent 应用时常作为起点，也常被诟病抽象层太厚。

OpenHands 是开源的 AI 驱动开发平台，agent 直接在容器里跑代码、改 仓库、走 git 流程，覆盖从需求到 PR 的完整链路。研究 agent 怎么 安全地动一个真实代码库时是常用参考实现。

微软的 agent 编程框架，强调多 agent 协作与可编排的对话模式。 AutoGen 把 agent 视为可组合的程序单元，适合写需要多角色配合的 自动化流程，比如代码生成 + 评审 + 执行的小组协作。

CrewAI 围绕"角色扮演 + 协作"组织 agent，把每个 agent 定义成有 role、goal、backstory 的成员，组成 crew 共同完成任务。适合把 复杂业务流程拆成几个分工明确的 agent 跑通。

LlamaIndex 把自己定位成 document agent 与 OCR 平台，专长是把 非结构化文档（PDF、网页、扫描件）接进 LLM 的检索流程。做企业 知识库、文档问答、RAG 系统时常用它处理数据接入层。

Anthropic 官方维护的 Claude 用法 cookbook，以 Jupyter notebook 形 式给出各类 prompt、tool use、agent 模式的可运行示例。学 Claude 能力边界、找经过验证的写法时是第一手资料。

LangGraph 把 agent 工作流建模成图，节点是步骤、边是条件流转， 专门解决长链路 agent 容易跑飞的问题。需要显式管理状态、加重试 与回滚、做可恢复的多步 agent 时常用它替代 LangChain 里的 chain。

Mastra 是 Gatsby 原班人马做的 TypeScript agent 框架，强调和现代 Node、Next.js 栈打通，自带 evals、MCP、chatbot 等模块。 TypeScript 团队想绕开 Python 生态独立做 agent 应用时可用。

Ollama 提供本地一键拉起 LLM 的方式，覆盖 Llama、Qwen、Gemma、 DeepSeek、GLM 等常见开源模型。命令行 ollama run 就能起一个本地 OpenAI 兼容接口，研究者拿来做离线推理、隐私敏感数据处理很方便。

Hugging Face 的 transformers 库是文本、视觉、语音、多模态模型的 事实标准实现层，既能跑推理也能做训练与微调。复现论文模型、加载 Hub 上的权重、写自定义模型类时几乎都会走它。

llama.cpp 用纯 C/C++ 实现 LLM 推理，把开源大模型压到 CPU、 Apple Silicon、低配 GPU 上也能跑得动。GGUF 量化格式、Ollama 的底层都依赖它。本地部署、边缘端推理走这条路线。

vLLM 是面向服务端的高吞吐 LLM 推理引擎，靠 PagedAttention 等机 制把 GPU 显存利用率拉上去。自己搭模型服务、需要同时撑很多并发 请求、跑评测吞吐对比时是主流选型。

MLC-LLM 基于 TVM 编译栈，把 LLM 编译到各种异构硬件上跑，包括 iOS、Android、WebGPU、AMD、NVIDIA 等平台。需要把模型部署到非 主流硬件、或在浏览器里直接跑模型时用得上。

Hugging Face 的 TGI 是面向生产的文本生成服务框架，支持 BLOOM、 Falcon、StarCoder、GPT 系列等模型的高效推理。和 vLLM 算同类， Hugging Face 自家 Inference Endpoints 背后用的就是它。

LM Studio 的 TypeScript SDK，把 LM Studio 桌面端跑的本地模型暴 露给 Node 应用调用。喜欢用 LM Studio 的图形界面管理本地模型、 又想从 TypeScript 代码里接入推理结果时走这个 SDK。

微软维护的 Python 工具，把 PDF、Word、Excel、PPT 等 Office 文档 和常见格式统一转成 markdown。做 RAG 数据预处理、给 LLM 喂结构 干净的文本时是趁手的第一步，也常配合 LangChain、AutoGen 使用。

Firecrawl 把网页抓取、清洗、转 markdown 这条链路打包给 AI agent 用，输出可直接喂 LLM 的干净文本。做联网搜索、构建网页索引、 给 agent 加 web context 时常用它替代手写 scraper。

RAGFlow 是开源的 RAG 引擎，把检索增强和 agent 能力结合起来做成 完整的 context 层。支持复杂文档解析、agentic retrieval、混合检 索等机制，适合搭企业知识库这类对召回质量敏感的场景。

云原生的高性能向量数据库，专攻大规模向量近似最近邻搜索。底层支持 DiskANN、 Faiss 等多种索引，分布式架构能扛住十亿级 embedding 的检索负载。生物医药文本 检索、跨模态相似性搜索、企业级 RAG 后端常用它做向量存储层。

用 Rust 写的向量数据库与搜索引擎，强调单机性能与混合检索能力。支持 HNSW 索引、payload 过滤、稀疏与稠密向量混合查询，适合需要把 embedding 相似度和 结构化条件一起搜的场景，例如带元数据筛选的语义搜索、图像检索。

面向 AI 应用的轻量级向量数据库，主打开发者友好。原本是 Python embedded 库，现在底层重写为 Rust。在 RAG 原型、Agent 长期记忆这类场景里，因为 API 简洁、上手成本低，常被用作起步阶段的向量存储。

开源向量数据库，把对象和向量一起存，支持向量相似度检索与结构化字段过滤 混合查询。生成式搜索模块可以直接对接 LLM 做 RAG。云原生设计带来横向扩展 和容错，常见于知识库检索、多模态检索这类企业应用。

统一调用 100+ LLM API 的 Python SDK 与代理网关，把 OpenAI、Anthropic、 Bedrock、Azure、VertexAI 等接口抹平成 OpenAI 兼容格式。配套成本统计、限流、 负载均衡、日志，研究里跨模型对比实验或多 provider 切换部署时省去大量胶水代码。

Vercel 出品的 TypeScript AI SDK，给前端/全栈开发者构建 AI 应用与 Agent。 抽象了流式输出、tool calling、生成式 UI 等通用模式，适配 Anthropic、OpenAI、 Gemini 等模型。Next.js 项目里加 chatbot、Agent 工作流时常作为底层 SDK。

React 组件库，专门给 AI 聊天界面用。基于 Radix UI 和 shadcn 风格，提供消息流、 thread、工具调用展示等开箱即用的组件。前端要快速搭一个 ChatGPT 样式的对话界面、 接入自家模型时，省掉从零写 UI 的工作。

开源的 LLM 可观测性平台，一行代码接入就能监控 API 调用、做评估和实验。 记录 prompt、响应、token、延迟、成本，并支持 A/B 测试和 prompt 版本管理。 研究里跑大量模型实验、生产环境追踪 Agent 行为时，作为统一的观测层。

AI 工程化的开源平台，基于 OpenTelemetry 做 LLM 可观测性，同时覆盖 GPU 监控、 Guardrails、评估、Prompt 管理、密钥仓和 Playground。对接 50+ 模型 provider、 向量库与 Agent 框架，适合需要把 LLM 调用链路接入既有 Grafana/ClickHouse 观测栈的团队。

自托管的对话 UI，原本是 Ollama 的 WebUI，现在同时支持 OpenAI 兼容接口和 MCP。 界面接近 ChatGPT，研究组在本地或私有服务器跑开源模型时，常用它给团队提供 统一的对话入口，附带知识库、RAG、用户管理等功能。

面向 Agent 协作的对话平台，定位是工作与生活的智能体工作空间，支持多 Agent 团队设计、协作与共享。对接 ChatGPT、Claude、Gemini、DeepSeek 等主流模型， 适合想把 Agent 当成日常协作单位使用的个人或小团队。

增强版 ChatGPT 开源克隆，自托管多用户对话平台。一份界面同时调用 Anthropic、 OpenAI、Azure、Bedrock、Vertex AI、OpenRouter 等模型，并集成 Agents、MCP、 Code Interpreter、DALL-E、消息搜索。研究组要给一群人提供安全的多模型入口时常用。

极简的开源 AI Chat 模板，TypeScript 实现，面向任意模型接入。代码结构清爽， 适合作为自建对话 UI 的起步框架——拿来当骨架，再按自己的业务定制 prompt、 记忆、tool calling。