无需编码的平台,通过自然语言描述生成 AI 智能体,内置工具、记忆与编排能力。
5995744PythonMIT更新于 前天
开源、可检查的 AI Agent 分身框架,把个人知识、记忆与决策整理成有证据依据的个人助手。
Agent-Me 是一个基于 FastAPI 和 React 的项目,用可审阅的 Markdown 知识库构建个人 AI 助手。它不会把问题直接交给模型,而是按流程运行:先在你的文档中检索,再由规划者制定方案,研究者收集原文摘录,批判者在证据不足时阻止生成答案,写作者输出带引用的回答,可选的验证者则检查引用路径和输出约束。
每次运行都会返回公开的执行轨迹,包括各角色的结果、可安全展示的中间摘要、证据和指标,便于查看推理过程。项目不暴露模型的内部思维链。默认检索为本地确定性实现,也可配置兼容 OpenAI 接口的模型服务用于对话。可选的私有工作区提供基于 SQLite 的记忆、聊天记录持久化和浏览器端审阅界面。
公开仓库使用虚构示例数据。项目说明,验证者检查的是结构与引用,而非事实真假。
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
无需编码的平台,通过自然语言描述生成 AI 智能体,内置工具、记忆与编排能力。
可自托管的 AI 操作系统,在本机运行一组 AI 智能体,支持多种模型、1000 多个工具集成和知识图谱。
基于 LangGraph 的 Python 库与可运行教程,实现了 35 种智能体 AI 架构,涵盖反思、检索增强、记忆与多智能体等模式。
一套可运行的 Jupyter 教程合集,涵盖 50 多种生成式 AI 智能体技术,从简单对话机器人到多智能体系统。
本地自托管的记忆中枢,让 Claude Code、Codex、OpenClaw 等多个 AI 智能体共享同一份持久记忆。
开源 RAG 引擎,将检索增强生成与智能体能力结合,为大模型应用提供上下文层。