更新UPDATES

Library ng-zorro-antd Angular 企业级 UI 组件库
项目
做 Angular 中后台项目的团队，大多想要 Ant Design 那种成熟、统一的视觉与交互体系，但官方 antd 只服务 React 技术栈。要么自己用 CSS 硬凑一套组件，要么在 Angular 里强行桥接 React 组件，维护成本和体验都很难看。 NG-ZORRO 把 Ant Design 的设计语言完整移植到了 Angular 上，提供 70 多个开箱即用的高质量组件。它不是简单的样式套壳，而是用 TypeScript 重写的、带类型约束、支持主题深度定制的组...
Node.js Paperclip 编排AI智能体团队的虚拟公司操作系统
项目
Node.js Paperclip 编排AI智能体团队的虚拟公司操作系统 如果你曾经同时打开过五个以上的 Claude Code 终端窗口，一边写代码一边担心某个 Agent 陷入死循环把 API 额度烧光，那你一定理解这种感受：管理一群 AI 智能体，比管理真人团队还要累。单个 Agent 能力再强，一旦数量上去，任务归属、上下文传递、成本控制、质量把关全部变成一团乱麻。Paperclip 解决的正是这个问题。它不生产 Agent，而是给 Agent 建了一家公司——有组织...
Framework agentUniverse 面向复杂任务的多智能体框架
项目
一、项目介绍 复杂业务任务通常不是一次问答能解决的：要拆解、要分工、要检索知识、要在多角色之间传递上下文。把这类流程硬写在业务代码里，既难维护也难复用，更别说做评估与迭代。 AgentUniverse 是一个多智能体框架，提倡用声明式（YAML）定义 Agent 及其能力、提示词与 LLM 绑定，再由框架统一调度运行。它把专业分工的多 Agent 协作沉淀成可配置、可评估的工程结构，适合需要稳定处理领域复杂任务的场景。
Framework BotSharp 基于.NET的多智能体应用开发框架
项目
一、项目介绍 在 .NET 技术栈里做智能体，很多时候只能自己用 HttpClient 调模型 API，然后手写对话状态、记忆检索和编排。等意识到要做多 Agent 协作、要做 RAG、要接多个模型厂商时，代码已经缠成一团。 BotSharp 是一个面向 .NET 的开源智能体框架，内置多智能体对话与状态管理、多种 LLM 规划策略、RAG 与向量检索接口，并能让多个不同职责的 Agent 协作完成复杂任务。对 C 团队来说，它是把对话系统与智能体落地的现成基座。
Java spring-ai-alibaba 面向Java生态的SpringAI智能体开发框架
项目
一、项目介绍 Java 后端团队想接入大模型、做智能体，往往要面对两套世界：一边是成熟的 Spring 生态和微服务治理，一边是快速迭代的 Python AI 工具链。直接把 Python 方案搬进 Java 项目，工程上别扭，也难复用既有治理能力。 Spring AI Alibaba 把智能体能力拉进 Java/Spring 世界：它提供与模型无关的 Starter、与 Nacos 集成的动态配置与 A2A 能力，还有一个可视化调试 Agent 的内嵌 UI。对已经用 Sp...
Framework openai-agents-js OpenAI官方的TypeScript智能体开发库
项目
一、项目介绍 在 TypeScript 侧做智能体，过去要么自己用底层 SDK 拼工具调用与循环，要么引入体积庞大的框架。轻量项目想要几行代码跑起一个能调用工具的 Agent，却常被样板代码劝退。 OpenAI Agents JS 是官方出品的 TypeScript 智能体库，提供 Agent、run、tool、handoff 等轻量原语，让你用少量代码定义智能体、给它挂工具和子智能体，并在 Node.js 或 Cloudflare Workers 上运行。它把编排循环从你手...
Python swarms 用于编排多智能体协作的Python框架
项目
一、项目介绍 当任务不再是句话问答，而是规划、执行、反思、修订的循环，单 Agent 就会力不从心。你需要多个智能体分工、需要把流程编排起来、需要在成本与延迟之间权衡。市面上的编排方案要么太重，要么把抽象泄露给业务代码。 Swarms 是一个用于构建、编排多智能体系统的 Python 框架，提供从单个 Agent 到复杂 swarm（集群）的抽象。它支持把不同 LLM、工具、记忆组合进工作流，适合研究分析、迭代精炼、以及步骤数取决于中间结果的动态任务。
Framework CowAgent 支持多智能体协作的开源AI智能体平台
项目
一、项目介绍 单 Agent 解决单点任务已经不新鲜，真正的麻烦在于：要让多个各有专长的智能体分工协作、共享上下文、各管各的记忆与工作区，同时还能在企业里做权限、审计和私有部署。很多自研方案卡在编排与多租户这两层。 CowAgent 把多智能体协作做成了一个开源平台：你可以组建一支 Agent 团队，每个成员有独立记忆、能力和工作区，既能各司其职，也能在同一对话里协同攻克复杂任务。它还提供技能市场、团队/企业特性（工作区、角色权限、审计日志、私有部署），把能跑的 demo 往...
Python SeleniumBase 让浏览器自动化测试更简洁的Python框架
项目
一、项目介绍 UI 自动化测试绕不开浏览器，但原生 Selenium 代码写起来啰嗦：等元素、切选择器、处理超时，每个用例都要重复一堆样板。团队想做端到端回归，光是把测试写得可读、可维护，就要花掉不少功夫。 SeleniumBase 在 Selenium 之上做了一层简洁封装：默认用 CSS 选择器找元素，提供一套直观的断言与交互方法，还能一键录制、生成测试报告。它让端到端测试更像在写业务步骤，而不是在和 WebDriver 搏斗。
CLI code2prompt 把整个代码仓库转成AI可用提示词的工具
项目
一、项目介绍 给大模型看代码是常态：问 bug、写文档、做重构建议。但手动把几十个文件拼进对话既费时又容易漏。有人用剪贴板硬凑，有人写一次性脚本，结果每个人都在重复造把仓库喂给模型的小轮子。 code2prompt 是个 Rust 写的小工具，专门干这一件事：按你给的路径和过滤规则，把一个代码库整理成结构清晰、格式统一的提示词，还能带上 git diff、模板和敏感文件过滤。它快、跨平台、可脚本化，是 AI 编程工作流里一个不起眼但高频的零件。
MCP mobile-mcp 用AI驱动iOS与安卓原生应用的自动化
项目
一、项目介绍 移动端测试与自动化一直是又必要又繁琐的活：要手动开模拟器、点流程、录步骤，换一台真机或换系统又得重来。当团队想用 LLM 来理解界面并自动走查多步用户旅程时，缺少一个统一的、能对接 Agent 的入口。 Mobile MCP 把 iOS 与 Android 的自动化封装成 MCP 服务器，一个工具集同时覆盖模拟器、仿真器和真机。你可以让 AI 驱动脚本化的点击、输入、表单交互，也能把多步用户旅程交给 LLM 编排，无需手动操控设备。
MCP DesktopCommanderMCP 让AI安全操作本机文件与终端的MCP服务
项目
一、项目介绍 让 AI 助手帮忙整理文件、跑命令、读 Excel、改 PDF，最大的顾虑永远是他会不会动错东西。很多自动化脚本要么权限过宽，要么功能单一，真要用起来还得在不同工具间拼。 Desktop Commander 是一个 MCP 服务器，把本地文件系统、终端、文件内容搜索、代码编辑等能力统一开放给 AI 客户端，并强调可控的交互式进程管理。它支持在内存里直接执行 Python/Node/R，原生读写 Excel、PDF、DOCX，让让 AI 操作电脑这件事既有能力边界...
MCP mcp AWS官方开源的MCP服务器集合
项目
一、项目介绍 把 AI Agent 接进云上资源，听起来很酷，落地却常被卡在如何安全、规范地让模型调 AWS API 这件事上。直接把密钥塞进提示词、手写一堆胶水代码，既不合规也难维护，更别说会话状态和鉴权。 AWS Labs 维护的这套开源 MCP 服务器集合，把常用 AWS 能力（核心服务、Lambda、文档检索等）封装成标准 MCP 服务器，支持 stdio 与可流式 HTTP 两种传输，并内置 DynamoDB 会话后端、可插拔的鉴权与授权。对想在 Agent 里安全...
Tool inspector 官方MCP服务器可视化调试与测试工具
项目
一、项目介绍 MCP（模型上下文协议）让 AI 应用能统一接入各种工具和服务，但当你写好一个 MCP 服务器后，怎么确认它真的能被模型正确调用？参数对不对、返回结构漂不漂亮、流式是否正常，往往只能靠在客户端里盲试。 MCP Inspector 是协议官方的调试器，提供 Web、CLI、TUI 三种形态。你可以把它指向任意一个本地或远程的 MCP 服务器，直观地浏览它的工具、资源、提示词，并手动发起调用、查看请求响应。它相当于 MCP 世界的接口测试工具，把联调从碰运气变成可观...
App decap-cms 可嵌入静态站点的开源内容管理后台
项目
一、项目介绍 静态站点（Hugo、Jekyll、Next 等）速度快、便宜、安全，但非技术的编辑人员要改一篇稿子，往往得去碰 Git 和 Markdown，门槛劝退。很多小团队因此被迫上沉重的传统 CMS，又丢了静态站的优势。 Decap CMS（前身 Netlify CMS）给出折中方案：它只是一个前端应用，往静态站点里塞一个 HTML 文件和一份配置文件，就能在浏览器里提供可视化的内容编辑后台。编辑保存后，它通过 Git Gateway 或 GitHub 直接提交改动，内...
  1. 1
  2. ...
  3. 11
  4. 12
  5. 13
  6. 14
  7. 15
  8. 16
  9. 17
  10. ...
  11. 28