自进化多智能体 AI 科学家框架，实现从研究想法到论文产出的端到端科学发现自动化。

MCP多智能体系统AI代理

查看详情 →

面向多模态大语言模型、Agentic AI 与知识图谱研究的 Python 函数式原语库，提供统一模型调用、多智能体协作辩论、知识图谱生命周期管理及多模态生成等完整工具链。

模型与推理框架大语言模型多模态

查看详情 →

将大语言模型深度集成到 Zotero 的 AI 研究助手插件，支持论文对话、多论文对比、Agent Mode 自动化文献管理及笔记导出至 Obsidian/Logseq。

其他RAG大语言模型

查看详情 →

面向 OpenClaw 运行时的 LLM Agent 评测基准，支持实时执行、确定性评分与多维度能力评估。

模型与推理框架大语言模型AI代理

查看详情 →

渐进式 AI Agent 构建教程，涵盖 18 个步骤从零实现轻量版 OpenClaw（pickle-bot），覆盖工具调用、多 Agent 协作与生产级特性。

智能体与应用工具多智能体系统AI代理

查看详情 →

可自托管的 AI 科研工作空间，集成论文精读、RAG 增强对话、206+ 科学技能与 13 阶段深度研究执行。

其他大语言模型RAG

查看详情 →

OpenClaw 核心架构的教学级精简复现，用最小代码量展示 AI Agent 系统设计（双层循环、EventStream、Session 持久化、三层上下文管理、WebSocket RPC 网关等）。

AI代理智能体框架Node.js

查看详情 →

基于纯 Markdown 技能定义的零依赖自主 ML 科研工作流系统，通过跨模型对抗协作覆盖从创意发现到论文 rebuttal 的完整科研生命周期。

模型与推理框架大语言模型机器学习

查看详情 →

基于 NVIDIA NeMo Agent Toolkit 构建的企业级研究智能体，支持浅层快速问答与深度多步研究，自动生成带引用的长格式研究报告。

多智能体系统RAGAI代理

查看详情 →

AI Agent 驱动的自动化实验框架，指向任意代码仓库自主分析、设计、运行实验并保留有效改进

模型与推理框架机器学习多智能体系统

查看详情 →