基于视觉 LLM 驱动浏览器自动化的 AI Agent 平台，通过 Playwright 扩展实现自然语言操控网页，支持工作流编排与结构化数据提取。

模型与推理框架多模态AI代理

查看详情 →

本地优先的 AI 个人代理操作系统，基于文件智能、事件驱动工作流与 LLM 实现跨模态任务执行与多平台交互。

其他多模态RAG

查看详情 →

基于 AI 视觉理解的 macOS GUI 自动化工具，通过屏幕截图与多供应商大模型实现元素检测、语义理解与自然语言驱动的界面操作

模型与推理框架多模态MCP

查看详情 →

面向实时语音与多模态对话 AI Agent 的开源 Python 框架，通过可组合 Pipeline 架构实现端到端语音流式交互。

多模态多智能体系统AI代理

查看详情 →

首个开源 Agent-first 视频制作系统，提供 12 条结构化管线与 52 个生产工具，在 AI 编程助手中以自然语言驱动端到端视频生产。

自然语言处理多模态AI代理

查看详情 →

面向生产环境的结构化文档数据提取系统，支持多模态大模型与可插拔工作流编排，可处理发票、银行对账单、金融表格等多种业务文档。

模型与推理框架大语言模型多模态

查看详情 →

节点式可视化 AI 工作流与 LLM Agent 构建平台，支持本地运行模型与多模态编排，提供桌面端、Web、CLI、移动端全矩阵交付形态。

模型与推理框架大语言模型多模态

查看详情 →

基于 VLM 驱动的 Android 端侧 AI 智能助手，支持本地模型推理与屏幕级自动化操控。

模型与推理框架多模态MCP

查看详情 →

全解耦多模态模型推理与服务框架，扩展 vLLM 支持任意到任意模态的统一推理与高性能部署。

深度学习多模态FastAPI

查看详情 →

面向 AI Agent 的 macOS 全桌面操控系统，通过 29 个 MCP 工具实现结构化感知、视觉定位、合成输入与自学习 Recipe 工作流。

文档教程与资源多模态MCP

查看详情 →