📢
gitzw.com上线了,功能陆续更新中,如有问题或反馈请在下方反馈/建议中给我们留言。
✕
读懂开源,从这里开始
首页
排行榜
教程中心
知识库
资讯
分类
专题合集
🌙
简
▾
简体
繁體
English
登录
用户中心
▾
👤 用户中心
📬 我的订阅
✉️ 我的邮箱
🔑 修改密码
⭐ 我的收藏
💬 我的反馈记录
↩ 退出
订阅
☰
首页
排行榜
教程中心
知识库
资讯
分类
专题合集
搜索
订阅
RSS
简体
繁體
English
🔍
搜索
📡
RSS
🔥 热门搜索
llm
vuejs
pytorch
langchain
sql
graphql
peg
leetcode
tokio
redis
unity
php8
"多智能体系统"
📖 知识库
ACP
★★★★★
★★★★★
高级
ACP(Agent Communication Protocol)是一种用于智能体(Agent)之间通信的协议,主要用于多智能体系统(Multi-Agent System)中实现智能体间的交互和协作。ACP 定义了智能体如何发送和接收消息,包括消息的格式、内容和传输方式。该协议的目的是为了实现不同智能体之间的标准化通信,促进多智能体系统的开发和应用。ACP 通常与其他智能体技术一起使用,例如 FIPA(Foundation for Intelligent Physical Agents)标准,来实现更复杂的智能体交互和协作。ACP 的设计目标是提供一种灵活、可扩展和高效的通信机制,以支持多智能体系统的需求。ACP 协议通常用于分布式人工智能、机器人和其他需要多智能体协作的领域。
Agent Memory
★★★★★
★★★★★
高级
Agent Memory 是一种人工智能技术,用于实现智能代理(Agent)记忆和学习的能力,允许它们在不同时间和环境中保留信息和适应变化,Agent Memory 通常使用各种数据结构和算法来存储和检索信息,例如状态机、决策树和神经网络等,通过这种方式,智能代理可以根据过去的经验和知识做出更好的决策,Agent Memory 在多智能体系统、机器人和游戏开发等领域有着广泛的应用,解决了传统智能代理无法学习和记忆的问题,Agent Memory 的实现涉及到对智能代理的感知、推理和行动能力的增强,Agent Memory 是人工智能领域的一个重要研究方向,Agent Memory 的发展有助于提高智能代理的智能化和自主性,Agent Memory 的应用前景广阔,包括智能家居、智能交通和智能医疗等领域,Agent Memory 的研究和开发有助于推动人工智能技术的进步和应用,Agent Memory 是一个快速发展的领域,具有重要的研究和应用价值,Agent Memory 的未来发展方向包括提高智能代理的学习和记忆能力、增强智能代理的自主性和智能化,以及扩大 Agent Memory 的应用范围和深度等,Agent Memory 的发展将对人工智能技术和各个应用领域产生深远的影响和贡献,Agent Memory 是人工智能领域的一个重要组成部分,Agent Memory 的研究和应用有助于推动人工智能技术的发展和进步,Agent Memory 的未来发展将更加广阔和深入,Agent Memory 的应用将更加普遍和深入人心,Agent Memory 是一个非常重要和有价值的研究领域,Agent Memory 的研究和开发将对人工智能技术和各个应用领域产生深远的影响和贡献,Agent Memory 是人工智能领域的一个重要研究方向,Agent Memory 的发展有助于提高智能代理的智能化和自主性,Agent Memory 的应用前景广阔,包括智能家居、智能交通和智能医疗等领域,Agent Memory 的研究和开发有助于推动人工智能技术的进步和应用,Agent Memory 是一个快速发展的领域,具有重要的研究和应用价值,Agent Memory 的未来发展方向包括提高智能代理的学习和记忆能力、增强智能代理的自主性和智能化,以及扩大 Agent Memory 的应用范围和深度等,Agent Memory 的发展将对人工智能技术和各个应用领域产生深远的影响和贡献,Agent Memory 是人工智能领域的一个重要组成部分,Agent Memory 的研究和应用有助于推动人工智能技术的发展和进步,Agent Memory 的未来发展将更加广阔和深入,Agent Memory 的应用将更加普遍和深入人心,Agent Memory 是一个非常重要和有价值的研究领域,
Multi-Agent
★★★★★
★★★★★
高级
多智能体系统是一种由多个智能体组成的系统,每个智能体都具有自己的目标、行为和决策能力,通过相互交互和协作来实现复杂任务的完成,广泛应用于人工智能、机器学习、游戏开发等领域,能够模拟现实世界中的复杂系统和行为,解决传统单智能体系统无法解决的问题,具有自主性、交互性和分布性等特点,通过多个智能体之间的协调和竞争来实现系统的目标,多智能体系统的研究和应用已经成为人工智能领域的一个重要方向,能够有效地解决复杂问题和优化系统的性能,多智能体系统的关键技术包括智能体的表示、智能体之间的交互和协调、决策和学习等,研究人员通过设计和实现多智能体系统来解决现实世界中的问题,例如交通管理、资源分配、智能制造等,多智能体系统的发展和应用具有广阔的前景和潜力,能够带来新的技术和商业机会,推动人工智能和相关领域的发展,多智能体系统的研究和应用需要多学科的交叉和融合,包括人工智能、计算机科学、数学、经济学等,能够有效地解决复杂问题和优化系统的性能,多智能体系统的应用已经扩展到各个领域,包括游戏、金融、医疗、交通等,能够模拟和优化复杂系统的行为和性能,多智能体系统的发展和应用将继续推动人工智能和相关领域的发展和进步,具有重要的理论和实践意义,能够带来新的技术和商业机会,推动社会和经济的发展和进步,多智能体系统的研究和应用需要继续深入和发展,能够有效地解决复杂问题和优化系统的性能,推动人工智能和相关领域的发展和进步,具有重要的理论和实践意义,能够带来新的技术和商业机会,推动社会和经济的发展和进步,
agent-harness
★★★★★
★★★★★
进阶
agent-harness 是一个开源框架,旨在简化和标准化智能代理(agent)的开发、部署和管理过程,特别适用于需要与外部系统交互的复杂环境,如自动化运维、对话系统和多智能体系统。
📦 开源项目
hsliuping
/
TradingAgents-CN
TradingAgents-CN:中文金融交易框架 — TradingAgents-CN是一个开源的Python项目,利用多智能体LLM技术来优化金融交易决策。它为交易者提供了一个强大的工具,帮助他们做出更明智的投资决策。通过使用TradingAgents-CN,交易者可以提高交易的准确性和效率
Python
★ 30k
⑂ 6.3k
ai-ml
☆
datawhalechina
/
hello-agents
hello-agents:智能体原理与实践教程 — hello-agents是一个从零开始的智能体教程,涵盖了智能体的原理和实践,使用Python语言实现。该项目提供了一个从基础到实践的完整教程,帮助开发者了解智能体的工作原理和应用场景。同时,hello-agents也是一个开源项目,欢迎开发者参与贡献和学习
Python
★ 67.2k
⑂ 8.3k
ai-ml
☆
jrouwe
/
JoltPhysics
JoltPhysics:一个多核友好的刚体物理和碰撞检测库 — JoltPhysics是一个使用C++编写的物理和碰撞检测库,能够有效利用多核处理器,非常适合游戏和VR应用的开发。它已被多个知名游戏如Horizon Forbidden West和Death Stranding 2采用。JoltPhysics的高性能和易用性使其成为游戏开发者的首选。
C++
★ 11k
⑂ 809
game
☆
ZhuLinsen
/
daily_stock_analysis
daily_stock_analysis:股票智能分析系统 — daily_stock_analysis 系统利用 LLM 驱动的技术,提供多源行情和实时新闻,帮助用户做出明智的投资决策。同时,系统支持零成本定时运行,能够自动推送相关信息。该系统的主要目的是帮助用户更好地分析和理解股票市场的变化
Python
★ 57.9k
⑂ 49.8k
ai-ml
☆
jina-ai
/
serve
serve:云原生多模态AI应用框架 — serve是一个开源框架,允许开发者使用云原生技术栈构建多模态AI应用。它支持多种深度学习框架和微服务架构,能够帮助开发者快速构建和部署AI应用。serve的设计目标是提供一个简单、灵活和可扩展的框架,用于构建下一代AI应用
Python
★ 21.9k
⑂ 2.2k
ai-ml
☆
1Panel-dev
/
MaxKB
MaxKB:开源企业级智能体平台 — MaxKB是一个开源平台,用于构建企业级智能体,提供强大易用的功能。它支持多种技术,如LangChain、Llama3和PGVector,帮助开发者快速构建智能体。MaxKB的开放性和可扩展性使其成为企业构建智能体的理想选择。
Python
★ 22.1k
⑂ 3k
ai-ml
☆
CVHub520
/
X-AnyLabeling
X-AnyLabeling:智能图像标注工具 — X-AnyLabeling 是一个集成了Segment Anything和其他先进模型的图像标注工具,旨在通过AI支持简化数据标注过程。这对于需要大量标注工作的计算机视觉项目尤其重要。
Python
★ 9.8k
⑂ 1.1k
ai-ml
☆
ultralytics
/
ultralytics
ultralytics:开源计算机视觉库 — ultralytics 库提供了多种计算机视觉功能,包括目标检测、图像分类、实例分割、姿势估计等。它基于 PyTorch 框架,支持 CLI 和 Hub 功能,能够满足不同用户的需求。ultralytics 库的开源性和强大的功能使其成为计算机视觉领域的重要工具。
Python
★ 59.6k
⑂ 11.4k
ai-ml
☆
coqui-ai
/
TTS
TTS:深度学习文本转语音工具包 — TTS是一个基于深度学习的文本转语音工具包,支持多种语音合成模型和声码器,包括Glow-TTS、HiFiGAN和MelGAN等。它已在研究和生产环境中得到广泛应用,能够生成高质量的语音。TTS的主要特点包括支持多说话人语音合成、声码器和语音合成模型的选择等
Python
★ 45.8k
⑂ 6.2k
ai-ml
☆
cortexproject
/
cortex
cortex:大规模可扩展的Prometheus解决方案 — cortex是一个使用Go语言开发的开源项目,旨在提供一个大规模可扩展、 高可用、多租户的长期Prometheus解决方案。它可以水平扩展以满足大规模监控需求,并提供高可用性保证。通过使用cortex,用户可以更好地管理和监控他们的系统和应用程序。
Go
★ 5.8k
⑂ 869
devops
☆
langchain-ai
/
langgraph
langgraph:构建强大的智能体 — langgraph是一个开源项目,用于构建能够执行复杂任务的智能体。它提供了一种灵活的框架,用于开发和部署基于AI的代理。langgraph的目标是让开发者能够轻松构建强大的智能体,从而推动AI技术的发展
Python
★ 37.6k
⑂ 6.3k
ai-ml
☆
zhayujie
/
CowAgent
CowAgent:开源超级AI助手 — CowAgent是一个多模型、多通道的AI助手,能够轻松扩展和安装。它能够规划任务、运行工具和技能,并通过记忆和知识自我演化。这种功能使其成为一个强大的AI工具,能够帮助用户提高工作效率。
Python
★ 46k
⑂ 10.3k
ai-ml
☆
FlowiseAI
/
Flowise
Flowise:可视化构建AI代理 — Flowise允许用户通过可视化界面构建AI代理,支持多种AI框架和库,如OpenAI和LangChain。该平台简化了AI代理的开发过程,使得开发者可以更容易地创建和部署AI模型。同时,Flowise还支持低代码和无代码开发,进一步降低了开发门槛
TypeScript
★ 54.7k
⑂ 24.7k
ai-ml
☆
Unity-Technologies
/
ml-agents
ml-agents:机器学习代理工具包 — ml-agents 提供了一个机器学习代理工具包,用于在 Unity 游戏和模拟中训练智能代理。该工具包支持深度强化学习和模仿学习,能够让开发者创建更智能的代理。ml-agents 的开源性质使其成为机器学习和游戏开发领域的重要工具
C#
★ 19.6k
⑂ 4.5k
ai-ml
☆
VoltAgent
/
voltagent
voltagent:AI智能代理工程平台 — voltagent是一个开源的TypeScript AI智能代理框架,用于构建和管理AI智能代理。它提供了一个灵活和可扩展的平台,用于开发和部署AI智能代理。通过使用voltagent,开发者可以更容易地构建和管理AI智能代理,从而提高AI应用的效率和效果。
TypeScript
★ 10k
⑂ 1k
ai-ml
☆
langchain-ai
/
langchain
langchain:智能代理工程平台 — langchain是一个开源的Python平台,提供了一套完整的工具和框架,用于构建和管理复杂的AI代理系统。它支持多种AI模型和框架,包括OpenAI、Anthropic和LLM等。langchain的目的是为了简化AI代理的开发和部署过程,提高企业和开发者的效率。
Python
★ 142.1k
⑂ 23.6k
ai-ml
☆
Mintplex-Labs
/
anything-llm
anything-llm:本地人工智能代理解决方案 — anything-llm提供了一种本地优先的代理体验,允许用户自主控制自己的智能代理。它支持多模态交互和无代码开发,适用于需要自主AI解决方案的用户。anything-llm的出现标志着人工智能发展的一个新方向,即更加注重用户的自主性和数据隐私
JavaScript
★ 63.6k
⑂ 7k
ai-ml
☆
OpenRLHF
/
OpenRLHF
OpenRLHF:基于 Ray 的易用、可扩展和高性能的智能体 RL 框架 — OpenRLHF 框架支持多种算法,包括 PPO、DAPO、REINFORCE++、VLM、TIS、vLLM 和 Async RL,能够高效地处理大规模数据和复杂任务。该框架基于 Ray,具有高性能和可扩展性,适用于大型语言模型和视觉语言模型的训练和部署。同时,OpenRLHF 还支持从人类反馈中学习,能够提高模型的性能和鲁棒性
Python
★ 9.8k
⑂ 986
ai-ml
☆
vxcontrol
/
pentagi
pentagi:自动化AI渗透测试系统 — pentagi能够自动执行复杂的渗透测试任务,减轻安全人员的工作负担。该系统使用Go语言开发,具有高性能和可扩展性。通过使用pentagi,安全团队可以更高效地识别和修复系统漏洞
Go
★ 19.7k
⑂ 2.6k
ai-ml
+535 ★
☆
unicity-sphere
/
sphere
sphere:Web3 钱包和代理平台 — sphere 提供了一个安全可靠的双层加密钱包,支持 DM 和群聊功能,并集成了市场功能。该平台旨在为 Unicity 网络用户提供一个便捷的 Web3 体验。sphere 的出现填补了 Unicity 网络中对安全、可靠的钱包和代理平台的需求。
TypeScript
★ 9.8k
⑂ 50
blockchain
☆
langchain-ai
/
open_deep_research
open_deep_research:开源深度研究平台 — open_deep_research 是一个专注于深度学习研究的开源平台,旨在为研究人员提供强大的工具和资源。它支持多种深度学习框架,帮助用户高效地进行实验和模型开发。
Python
★ 12.1k
⑂ 1.7k
other
+14 ★
☆
bytedance
/
UI-TARS-desktop
UI-TARS-desktop:开放源多模态AI代理栈 — UI-TARS-desktop是一个开源的多模态AI代理栈,旨在连接尖端AI模型和代理基础设施。它提供了一个强大的平台,用于构建和部署多模态AI应用。通过使用UI-TARS-desktop,开发者可以轻松地创建和集成多模态AI功能,提高应用的智能化和交互性。
TypeScript
★ 38.1k
⑂ 3.8k
ai-ml
☆
hpcaitech
/
ColossalAI
ColossalAI:大型AI模型的高性能计算框架 — ColossalAI通过数据并行、模型并行和流水线并行等技术,使得大型AI模型的训练和推理变得更快、更便宜和更容易访问。这种框架对于深度学习、分布式计算和超大规模模型的训练具有重要意义。同时,它也支持异构训练和推理,进一步提高了其灵活性和实用性
Python
★ 41.4k
⑂ 4.5k
ai-ml
☆
sgl-project
/
sglang
sglang:高性能语言模型服务框架 — sglang提供了高效的模型服务能力,支持多种模型类型,包括语言模型和多模态模型。它使用Python语言开发,能够有效地提升模型的服务性能和扩展性。sglang的出现对于提高AI模型的服务能力和实用性具有重要意义。
Python
★ 29.9k
⑂ 6.9k
ai-ml
☆
CMU-Perceptual-Computing-Lab
/
openpose
openpose:实时多人关键点检测库 — openpose是一个开源的C++库,能够实时检测多人体的关键点,包括身体、面部、手和脚。它利用深度学习和计算机视觉技术,实现了高精度的检测。openpose的应用包括人机交互、运动分析和安全监控等领域
C++
★ 34.3k
⑂ 8k
ai-ml
☆
0xNyk
/
council-of-high-intelligence
council-of-high-intelligence:多元化AI决策平台 — council-of-high-intelligence平台集成了多个著名AI人物,如Aristotle、Feynman、Kahneman、Torvalds等,通过结构化的多轮讨论,提供真正的模型多样性。该平台可以通过一条命令/council启动。它能够帮助用户做出更明智的决定,具有广泛的应用前景。
Shell
★ 2.8k
⑂ 254
ai-ml
+161 ★
☆
Yeachan-Heo
/
oh-my-claudecode
oh-my-claudecode:多智能体编排系统 — oh-my-claudecode实现了多智能体的编排和管理,能够有效地提高代码的执行效率和团队的协作能力。它支持并行执行和自动化,能够很好地适应复杂的编码任务。通过使用oh-my-claudecode,开发者可以更好地利用Claude Code的功能,提高编码的生产力。
TypeScript
★ 37.9k
⑂ 3.4k
ai-ml
☆
camel-ai
/
owl
owl:优化的工作力学习 — owl提供了一种优化的工作力学习方法,用于提高多智能体系统在任务自动化中的性能和效率。通过使用owl,开发者可以更容易地创建智能辅助系统,并提高任务自动化的准确性和速度。owl的优化算法和多智能体系统使其成为任务自动化领域的一个重要工具
Python
★ 19.9k
⑂ 2.3k
ai-ml
☆