© 2026FindAgent  · @simprr
返回列表
k

kyrolabs/awesome-agents

🤖 Awesome list of AI Agents

⭐

2.0k

Stars

🔱

407

Forks

👁

29

Watchers

📋

2

Issues

创建于 2023/7/2更新于 今天
在 GitHub 上查看
README
由 Gemini 翻译整理

🤖 Awesome Agents

Awesome Agents 是一个精选的开源工具和产品列表,旨在帮助开发者构建 AI Agent。

🆕 精选推荐: ClaudeClaw — 作为 Claude Code 插件的持久化 Agent 编排器。支持多渠道路由(Slack、WhatsApp、Telegram)、操作系统级沙箱隔离以及可组合的扩展系统。了解更多 →

目录

  • 🤖 Awesome Agents
    • 目录
    • 框架
    • 测试与评估
    • 软件开发
    • 研究
    • 对话式 / 通用 Agent
    • 游戏 / 模拟
    • 知识管理
    • 自动化
      • 浏览器
      • 多模态

框架

  • llama-agentic-system: Llama Stack API 的 Agent 组件 GitHub Repo stars
  • Transformers Agents: 在 transformers 之上提供自然语言 API
  • LlamaIndex: 提供连接 LLM 与外部数据的核心接口 GitHub Repo stars
  • LangChain: 经典的 🐍 框架 GitHub Repo stars
  • Botpress: 构建聊天机器人的组件库 GitHub Repo stars
  • Haystack: 使用 Transformer 模型和 LLM 与数据交互的 NLP 框架 GitHub Repo stars
  • Semantic Kernel: 微软的 C# SDK,可快速轻松地将尖端 LLM 技术集成到您的应用程序中 GitHub Repo stars
  • Agent-LLM: 一个人工智能自动化平台 GitHub Repo stars
  • LLM Agents: 构建由 LLM 控制的 Agent GitHub Repo stars
  • e2b: 用于构建和部署虚拟开发者 Agent 的开源平台
  • Dust: 设计并部署大型语言模型应用 GitHub Repo stars
  • MetaGPT: 多 Agent 元编程框架:输入一行需求,即可输出产品需求文档 (PRD)、设计、任务、代码库和 CI GitHub Repo stars
  • AgentFlow: 通过简单的 JSON 配置实现复杂的 LLM 工作流 GitHub Repo stars
  • Lagent: 一个用于构建基于 LLM 的 Agent 的轻量级框架 GitHub Repo stars
  • Autogen: 赋能下一代大型语言模型应用 GitHub Repo stars
  • AG2: AG2(原 AutoGen 团队作品)是一个用于构建 AI Agent 并促进多 Agent 协作完成任务的开源编程框架 GitHub Repo stars
  • AgentVerse: 提供了一个灵活的框架,简化了为 LLM 构建自定义多 Agent 环境的过程 GitHub Repo stars
  • Maestro: 一个让 Claude Opus 智能编排子 Agent 的框架 GitHub Repo stars
  • AgentScope: 以更简单的方式开始构建由 LLM 驱动的多 Agent 应用程序 GitHub Repo stars
  • CrewAI: 用于编排角色扮演、自主 AI Agent 的尖端框架 GitHub Repo stars
贡献者
sLMjsStcFl
项目信息
默认分支main
License未指定
创建时间2023/7/2
最近更新今天
GAI 中文摘要

Awesome Agents 是一个精选的开源项目清单,专门收集用于构建 AI 智能体的各类工具、框架与产品。该项目旨在为开发者提供一站式的资源索引,帮助用户快速定位并评估适合开发 AI 智能体应用的各种技术解决方案。

项目涵盖了主流的智能体开发框架,能够支持开发者快速搭建基于大模型的智能应用。提供多种评估与测试工具,助力开发者验证和优化智能体的实际运行表现。支持从软件开发、对话交互、游戏仿真到知识管理等多个垂直领域的智能体构建。包含针对浏览器自动化及多模态交互的专门技术方案,扩展了智能体的应用边界。

该资源清单非常适合 AI 工程师、独立开发者及研究人员使用,特别是在进行大模型落地、智能体系统搭建或寻求特定业务场景解决方案时,能够极大节省技术选型与信息搜集的时间成本。