#开源 (148)

Nous Research 的自我改进型 agent(24.8 万+ star)。闭环学习回路五个机制:周期性记忆 nudge、任务后自主创建技能、技能在使用中自我改进、FTS5 会话检索 + LLM 摘要、Honcho 用户建模。一个 TUI,七个终端后端(local/Docker/SSH/Singularity/Modal/Daytona/Vercel Sandbox),六个聊天平台由单个 gateway 提供。模型不锁定。同时是轨迹数据生产装置。「自我改进」是可证伪主张,受控实验尚未做过,记为待复现。

智能体运行时Self-Improving AgentsNous Research

Python248k52k956

deepseek-ai/deepseek-harnessMIT

DeepSeek Harness:一切皆插件的开源 agent 运行时

DeepSeek AI 开源的 agent harness(命令行 dsh,MIT,23 万+ star)。内核只提供插件系统语义,工具、界面、模型接入全部以插件挂载;底座是 Cordis 的时空可组合性范式(arXiv:2608.25512)。当前处于 developer preview,官方明确警告会有破坏兼容性的变更,运行前须读 SAFETY.md。基准复现尚未做过,这一档记为待复现。

智能体运行时Plugin ArchitectureDeepSeek

TypeScript234k28k1.0k

anomalyco/opencodeMIT

opencode:把编码 agent 拆成客户端与服务器两层的开源终端

anomalyco/opencode(原 sst/opencode,210k★,MIT)把编码 agent 拆成客户端与服务器两层:服务器暴露 OpenAPI 3.1 与从 spec 生成的 SDK,TUI 只是它的一个远程前端,于是同一会话能被终端、IDE、GitHub Actions 与 ACP 客户端(Zed)共同驱动。75+ provider 经 AI SDK 与 Models.dev 接入,OpenCode Zen 给测过再上的精选网关;35+ 内置 LSP 默认关闭,文档明写「不总是净收益」;skills 同时认 .opencode、.claude、.agents 三套根目录;权限三态 allow/ask/deny。它代表开源编码 agent 里工程化最彻底的一支:接口先于界面。

AI Coding Agent开源TUI

TypeScript211k28k816

nextlevelbuilder/ui-ux-pro-max-skillMIT

UI UX Pro Max：13 万 star 的 AI 编码 Agent 设计智能技能库，192 行业规则一键生成完整设计系统

给 AI Coding Agent 装上设计智能的开源技能库：一次请求自动生成完整设计系统（风格+配色+字体+反模式清单），覆盖 192 个行业推理规则、79 种可检索 UI 风格、192 套行业配色、74 组字体搭配、25 种图表类型与 22 个技术栈（React/Next.js/Astro/SwiftUI/Flutter/Three.js 等）。v2.0 旗舰设计系统生成器经五路并行检索（产品类型/风格/配色/落地页模式/字体）+ BM25 排序推理引擎，产出 Pattern+Style+Colors+Typography+Effects+Anti-patterns+交付前检查清单（对比度 4.5:1、禁 emoji 图标、cursor-pointer、prefers-reduced-motion、四档响应式断点等），MIT 开源、npm CLI 一行安装，兼容 Claude Code 等编码 Agent。

AI Coding设计系统UI/UX

Python132k14k530

earendil-works/piMIT

Pi:分层的 agent harness monorepo

Pi Agent Harness(原 badlogic/pi-mono,10.8 万+ star,MIT/TypeScript)。不是一个 CLI 而是一套可分层取用的包:pi-coding-agent(交互式编码 agent)、pi-agent-core(带工具调用与状态管理的运行时)、pi-ai(统一多 provider LLM API),外加 chord 组合运行时、pi-telemetry 遥测契约、pi-durable 持久化、pi-tui 差分渲染终端 UI。README 明确写出它没有内置权限系统,并给出微 VM / Docker / 沙箱三条边界路径。未做基准复现,记为待复现。

智能体运行时Coding AgentTypeScript

TypeScript109k14k334

bytedance/deer-flowMIT

DeerFlow 2.0:字节的 super agent harness

字节跳动开源的 super agent harness(8.2 万+ star)。2.0 是彻底重写,与 1.x 不共享代码:子 agent、可扩展 skill、沙箱与文件系统、长期记忆、会话目标,外加把上下文压缩做成手动的 Manual Context Compaction。定位从「深度研究框架」抬到「承载任意任务的运行时」。基准复现尚未做过,记为待复现。

智能体运行时多智能体Skill System

Python83k11k346

paperclipai/paperclipMIT

Paperclip:用 AI agent 团队经营一家公司

开源的 AI agent 团队编排系统:Node.js 服务端 + React 界面,自带 agent、定目标,在同一个仪表盘上追踪工作与成本。看着像任务管理器,底下是组织架构、预算、治理、目标对齐与 agent 协同——管的是业务目标,不是 pull request。MIT 协议,自托管。

智能体编排多智能体Governance

TypeScript81k15k395

stablyai/orcaMIT

Orca:把并行 agent 落在 git worktree 上的 ADE

Orca 自称 ADE(Agentic Development Environment),「给 100x builder 的 AI 编排器」(7.5 万+ star,MIT/TypeScript,YC 支持)。核心机制:一个提示词扇出到 Codex、Claude Code、OpenCode、Pi 等多个 agent,每个隔离在自己的 git worktree 里,再比较结果、合并赢家。另有 WebGL 终端、Design Mode(点选页面元素把 HTML/CSS/截图送进 prompt)、GitHub 与 Linear 原生集成、diff 批注回传、SSH worktree、移动端通知。未做基准复现,记为待复现。

智能体编排智能体运行时Coding Agent

TypeScript76k5.0k131

multica-ai/multicaNOASSERTION

Multica:会上看板的 AI 编码 agent

开源自托管的 agent 工作区:像给同事派活一样把 issue 指派给 AI 编码 agent,它自己接单、在你自己的 runtime 上执行、全程留评论,最后交回 review。支持 26 个 agent CLI,意图/运行/决策/diff 全挂在同一个 issue 上,代码不出你的机器。

智能体编排Coding Agent多智能体

Go51k6.6k184

abhigyanpatwari/GitNexusPolyForm Noncommercial

GitNexus:零服务器的代码知识图谱引擎

把任意代码库索引成知识图谱:依赖、调用链、功能聚类、执行流全部预计算,再通过 17 个 MCP 工具喂给 Cursor、Claude Code、Codex 等编码 Agent,一次查询拿到完整上下文,不再盲改代码。

代码智能MCPGraph RAG

TypeScript47k5.1k160

langchain-ai/langgraphMIT

LangGraph:把 agent 当成必须可持久、可中断、可恢复的长运行进程

LangChain 出品的底层状态图编排框架,MIT,Python 与 JS/TS 双实现,README 点名的生产用户有 Klarna、Replit、Elastic。它的血统写在致谢里:灵感来自 Google Pregel 与 Apache Beam,接口借鉴 NetworkX——把 BSP 图计算模型搬到 agent 上,得到「节点 = 一次模型调用或工具执行,边 = 控制流,状态 = 显式对象」。真正的价值不在「循环调模型 + 工具」那一层,而在四项运行时能力:持久化执行(崩了能从中断处精确续跑)、人在环中 interrupt(审批可以挂几小时到几天)、短期与长期两套记忆、以及 LangSmith 执行路径追踪。它的实际主张是「agent 的可靠性问题在运行时,不在模型」。可脱离 LangChain 单独使用;任何编译出的 CompiledStateGraph 都能作为子智能体交给上层 Deep Agents。42.1k★。未跑过;持久化恢复的一致性尚未验证,记为待复现。

智能体编排Graph RuntimeDurable Execution

Python42k7.1k185

Genesis-Embodied-AI/genesis-worldApache-2.0

Genesis World：面向物理 AI 的统一多物理仿真平台

Genesis AI 开源的物理 AI 仿真平台：一套 Pythonic API 之下是多物理引擎（刚体、FEM、MPM、PBD、SPH、Stable Fluid、IPC）、Nyx 路径追踪渲染器，以及跨平台 Python-to-GPU 编译器 Quadrants。它的定位是机器人基础模型的评测引擎而不是数据工厂——单卡 3 万并行环境跑出 43M FPS；在零样本 real-to-sim 协议下，仿真与真实的评测一致性皮尔逊相关 0.8996、平均最大排序违背 0.0166。Apache 2.0，29.9k star。

仿真物理引擎具身智能

Python30k2.9k224

langchain-ai/deepagentsMIT

Deep Agents:逆向 Claude Code 得到的开箱即用 agent harness

README 第一行就自称「开箱即用的 agent harness」,MIT,Python(另有 deepagents.js),建在 LangGraph 之上,流式/持久化/检查点是继承来的。理解它的钥匙在致谢里那句「受 Claude Code 启发:试图找出它为什么通用,然后把这件事推得更远」——这是一次逆向工程,把一个公认好用的闭源编码 agent 拆开,问「到底哪几件事让它能处理长任务」。它给出的答案是四件被捆绑进来的事:可插拔后端的文件系统(长任务的产物是文件不是消息,上下文只留指针)、各有独立窗口的子智能体(上下文的隔离与压缩,不是多几个帮手)、长对话摘要 + 工具输出卸载到磁盘、以及按需加载的 Skills。另有沙箱内 shell、跨会话持久记忆、工具调用执行前可批准/编辑/拒绝的人在环中、任意 MCP server 当工具。模型无关:前沿 API、Baseten/Fireworks 上的开源权重、Ollama/vLLM/llama.cpp 自托管都能跑,三行 create_deep_agent 起一个能规划能读写文件的 agent。安全段写得异常坦白——遵循「信任 LLM」模型,边界必须在工具层与沙箱层强制,不要指望模型自我约束。29.7k★。未运行过;子智能体隔离效果与摘要信息损失尚未验证,记为待复现。

智能体运行时Coding AgentSub-Agents

Python30k4.2k139

ahujasid/mcp-for-blenderMIT

MCP for Blender:32 个工具把 Blender 变成 LLM 可直接驱动的 3D 工作台

原名 blender-mcp,第三方社区插件(README 首屏即声明非 Blender 官方出品),MIT,Python,同类 3D MCP 里星标最高的一条。PyPI 包已改名 mcp-for-blender,但 uvx blender-mcp 依然能跑、老配置不用动。架构只有两个组件:Blender 进程内的插件起 socket server 真正执行命令(只有那里有 bpy、当前场景与 UI 线程),独立进程里的 MCP server 做协议翻译,中间是一套 JSON over TCP,默认 localhost:9876。源码里的 @mcp.tool() 共 32 个,分四层——感知(get_scene_info / get_object_info / get_viewport_screenshot 以 MCP Image 返回,构成改一步看一眼的闭环)、查资料(bpy_api_lookup / describe_node_type,让它查而不是猜 socket 顺序与枚举名)、执行(execute_blender_code 兜底、set_texture、export_scene 出 GLB/FBX)、取与生成资产(Poly Haven 语义检索 + 走 .blend 源文件 + 导入写署名属性、Poly Pizza 约 10600 低模可按真实尺寸落地且 CC-BY 自动写署名、Sketchfab、Hyper3D Rodin 文生/图生 3D、腾讯混元 3D 并区分国内 ai3d 与国际 hunyuan 端点)。安全上任意代码执行是设计而非漏洞:可选 safe mode(BLENDER_MCP_SAFE_MODE=1)执行前静态校验,拦文件读写/子进程/网络/常驻代码,建模渲染保存导入导出照常放行,被拦脚本连原因一起返回给模型让它改写重试。内容遥测默认关闭,另有只能关不能开的 disable_telemetry 工具。29.2k★。本地未跑通 Blender 与该插件的组合,记为待复现。

MCPBlender3D 生成

Python29k2.7k202

GLips/Figma-Context-MCPMIT

Framelink MCP for Figma:把设计稿压成模型能吃的上下文,而不是一张截图

即 Figma-Context-MCP,npm 包名 figma-developer-mcp,TypeScript,MIT,第三方实现(不是 Figma 官方的 Dev Mode MCP)。对外只有两个工具:get_figma_data(只读)与 download_figma_images(可用 –skip-image-downloads 整个关掉,且只在 –image-dir 之内写文件)。工具面窄是刻意的,工程量全在背后那条 fetch → simplify → serialize 管线:simplify 用可组合抽取器(layout / text / visuals / component,另有 allExtractors、layoutAndText、contentOnly、visualsOnly、layoutOnly 五档组合)在单次树遍历里把 Figma 原始响应压成语义化的布局与样式,支持 maxDepth 与 nodeFilter,输出 tree(默认,最省 token)/ yaml / json 三档。最值得同行学的是它把「压缩有没有效果」做成每次调用都算出来的指标:rawSizeKb 对 simplifiedSizeKb、rawNodeCount 对 simplifiedNodeCount、组件与实例与文本与图片节点数、namedStyleCount(源码注释直说数值高是设计系统成熟度信号)、hasVariables(有没有用上 Figma Variables)、以及 fetch/simplify/serialize 三段分开的耗时;同一批钩子还驱动 MCP progress 通知与心跳,大文件拉几十秒时客户端不会看起来像卡死。细节里全是判断:node ID 支持普通与深层嵌套实例两种形状、depth 的工具描述写着「除非用户明确要求不要用」、代理默认值刻意不在无代理变量时装 EnvHttpProxyAgent 以免陈旧变量把流量导到会返 403 的中间人、stdio 模式没设 image-dir 会在启动时警告。凭据支持 FIGMA_API_KEY 或 FIGMA_OAUTH_TOKEN,遥测可用 –no-telemetry / DO_NOT_TRACK=1 关且上报会脱敏。15.9k★。它不生成任何前端代码——产物是设计事实,翻译成 React/Vue/SwiftUI 的是你的 coding agent。未用自己的 Figma 文件跑过,也未做「截图 vs 结构化数据」的准确率对照,记为待复现。

MCPFigmaDesign-to-Code

TypeScript16k1.3k65

XiaomiMiMo/MiMo-CodeMIT

MiMo Code:小米的终端编码 agent,把赌注押在记忆与自我进化上

小米开源的终端原生 AI 编码助手,TypeScript(bun 构建),源码 MIT 但另有 USE_RESTRICTIONS.md、MiMo 服务条款与商标政策约束——当纯 MIT 用之前必须读这几条。README 点明它是 OpenCode 的 fork:保留多 provider、TUI、LSP、MCP、插件内核,在其上加了持久记忆(SQLite FTS5 全文检索,分项目记忆 MEMORY.md / 会话检查点 / 草稿笔记 / 任务进度四类,恢复会话自动注入)、智能上下文管理(接近上限时从「最新检查点 + 项目记忆 + 任务进度 + 保留近期消息」重建,按 token 预算做重要性排序)、目标与停止条件(/goal 设条件,agent 想停时由一个独立的裁判模型评估是否真的达成,专治乐观提前收工)、以及沙箱里的确定性 JS 工作流(compose 把独立任务自动分进隔离 git worktree 逐任务上 TDD,另有 deep-research、三评审对抗投票的 fact-check、带防指标作弊审计的 research-experiment)。内置二十个 skill(arxiv / claude-code / codex / docx / pdf / pptx / xlsx / html-to-video / product-design 等),兼容 .agents/skills、.claude/skills、.codex/skills、.opencode/skills 四套根目录,同名即覆盖。/dream 与 /distill 是差异化标签:前者把最近会话轨迹提炼进项目记忆并清掉过时条目,后者发现你重复的手工流程打包成可复用 skill。模型无关,可接小米平台、Codex/ChatGPT OAuth 或任意 OpenAI 兼容端点。13.4k★。未安装运行;记忆恢复准确率、裁判模型有效性、官方宣称的缓存命中率均尚未验证,记为待复现。

Coding Agent智能体运行时持久记忆

TypeScript13k1.4k76

genspark-ai/genofficeApache-2.0

GenOffice：开源 AI 办公套件

GenOffice 是首个全功能开源 AI 办公套件（Apache-2.0），支持 Word/Excel/PowerPoint/PDF/Markdown 的真实格式读写，内置块级 AI 编辑与文档感知 Agent，可 BYOK 接入主流大模型，全本地运行。

AI Office开源Office Suite

TypeScript7.9k1.0k36

Neroued/ninferApache-2.0

NInfer：单张 5090 上从零写的 C++/CUDA 推理引擎

从零实现的 C++/CUDA 推理引擎，只服务五个注册 Qwen 权重、只跑一张 RTX 5090：MTP/DFlash 投机解码、五种 KV 存储、24 万 token 上下文与 Device/Host 前缀检查点复用，C=8 聚合解码 1,146.9 tok/s。

LLM InferenceCUDASpeculative Decoding

C++1.4k26113

dexmal/dexboticMIT

Dexbotic：一站式 VLA 预训练、微调、推理与评测工具箱

Dexmal 开源的一站式 VLA 工具箱：DexData 统一数据格式贯穿预训练、微调（全参/LoRA/RL）、推理与评测，支持 π0、CogACT、OFT、MemVLA、GR00T N1 等主流模型与自研双专家模型 DM0；DB 预训练在五大仿真基准带来一致增益，RoboChallenge Table30 真机评测平均成功率 62%。

视觉语言动作模型操作导航

Python1.4k1814

AI 编程开发梯顶C

Trae:字节的双形态编码线——TraeCode(IDE + SOLO)与 TraeWork,外加一个已停更的 MIT 开源壳

字节跳动的 AI 编码产品线,官方文档把它拆成两个明确不同的东西。TraeCode 是深度集成 AI 能力的开发工具,双模式:IDE 模式保留编辑器、终端、调试、扩展与源码管理,适合需要对代码变更与执行做细粒度控制的场景;SOLO 模式由 AI 主导,用自然语言、语音或上传本地文件描述需求,AI 自主完成任务拆解,一路走完代码生成 → 测试 → 预览 → 变更摘要 → 部署,界面从左到右是任务管理面板、AI 对话面板与工具面板(内置编辑器、文档查看器、浏览器)。TraeWork 是从 TraeCode 的 SOLO 模式长出来的 AI 原生工作区,有 Web、桌面、移动三端,分 Work / Code / Design 三种模式,面向开发者之外的产品经理、数据分析师、运营与设计岗。长任务上限写得很实:Max 模式上下文窗口最大扩到 1M、单任务最多支持 200 轮工具调用、单次最多读取 750 行文件(减少分段处理频率)。仓库 bytedance/trae-agent 为 MIT 开源,但已约八个月未更新,不能代表 Trae 当前的工程实现。边界:不公开任何第三方基准读数(没有 SWE-bench / Terminal-Bench 之类的自证数字),能力主张全部来自功能文档与厂商描述;客户端闭源;1M / 200 轮 / 750 行是上限而非典型体验,且官方自己说明会显著抬升成本;模型可用性受区域(Seed / MiniMax / GLM 对美国用户不可用)与套餐档位双重限制,跨区团队的可用模型集合不一致;并发云任务是硬性档位差异,Free 档不含 SOLO,评估时不能只看月费。置信度 C(厂商宣称)。

1M · 200 轮Max 模式上限(上下文 / 单任务工具轮次)厂商宣称 · 2026-09

产品ByteDance官网 Repo

aliyun/ai-agent-handbookApache-2.0

AI Agent HandBook：阿里云企业级 Agent 落地白皮书

阿里云按 Agent 生命周期（架构、构建、运行、治理、调优）整理的企业级 Agent 落地白皮书，Apache-2.0 开源，30 章全 Markdown。核心主张：理解 Model 与 Harness 的责任边界，不要把所有问题都归因于模型能力。覆盖 Agent Loop、任务状态机、Context Builder、Action Plane、MCP/A2A、沙箱运行时、AI 网关治理、评估数据飞轮，并附 2026 Agent 开发者调研报告与 ABACI/Kitta/B 站等真实企业案例。

AI Agent HandBook智能体运行时Agentic Application

7041148

dreamers-laboratory/image-to-3d-pipelineApache-2.0

image-to-3d-pipeline:多模型图生3D的公平评测与浏览器探索流水线

同一组 AI 渲染图喂给 TRELLIS V1/V2 与 TripoSR,用写死的 Blender EEVEE 巡检轨道加 0–2 五轴评分卡逐个打分,胜出网格进 Three.js 浏览器探索器。Apache-2.0,仓库自带 1.5 MB 成品 GLB。

TrellisTripoSRHunyuan3D

JavaScript258200

mekion/the-bimo-projectApache-2.0

Bimo：45 厘米开源双足机器人

Bimo 是一台 45 厘米、约 1.6 公斤的髋-头双足机器人套件：8 个 STS-3215 总线舵机、BNO08x 九轴 IMU、4 路 VL53L0X 测距、2 路 180° 摄像头，主控是自研 RP2040 板，控制闭环 20 Hz。仓库公开 Python 控制 API（1023 行）、三份 MCU 固件（1349 行）、ROS2 封装（1431 行）与 Isaac Lab 训练环境（874 行，含六项奖励、密集域随机化、按系统辨识建模的 STS3215Actuator：3.113 Hz 带宽、方向性齿隙、5 ms 总线延迟），外加 26MB 的 Bimo.usd 模型。CPG 步态的 104 个傅里叶系数与逐关节增益在 Python 与 C 里各存一份；PPO 教师 [256,128,64] 可蒸馏成学生 [64,32]，经 onnx2c 编进固件后脱机在 MCU 上行走。代码全部 Apache-2.0，但 README 承诺的 CAD 与电路设计仍标注 coming soon，仓库与全部 git 历史里没有任何 STL/STEP/原理图/Gerber/BOM，也没有预训练权重（两个 release 附件数均为 0）与 DIY 装配手册。当前版本 v1.1.0，198 star，项目处于预订阶段。

双足机器人人形机器人开源

Python19887