Always On Memory Agent：谷歌开源的项目，用Google ADK和Gemini 3.1 Flash-Lite打造，让AI代理拥有持续进化的“记忆”，24/7后台轻量运行，实时阅读、思考、写入结构化记忆，不用向量数据库也不用嵌入向量。

它支持文本、图片、音频、视频、PDF等27种格式的文件自动摄取，像人的大脑一样定时 consolidates（整合）信息，发现关联，生成跨领域洞察，自动压缩相关内容。

还能全文检索，支持自然语言提问，快速给出包含来源的详尽回复，超级适合需要智能持续记忆的项目。

快速体验：
- 克隆项目，安装依赖
- 配置Google Gemini API钥匙
- 运行agent.py，上传文件或用API输入数据
- 访问本地接口，随时提问
- 可选启动Streamlit仪表盘，图形化操作更方便

能力强大又轻量，能帮你打造具备“人脑式”重构记忆能力的AI助手，摆脱传统向量检索的局限！

在线部署多智能体协作系统，管理复杂自主工作流，打造强大的对话式AI。

Ruflo：这是一个专为 Claude 打造的领先智能体编排平台，支持分布式群体智能，结合 RAG（检索增强生成）功能，还原企业级架构体验。Ruflo 允许你快速搭建智能多代理群组，灵活协调自动化任务，极大提升AI系统的实用性与扩展性。

主要功能：
- 企业级智能体编排架构，支持复杂多任务协同；
- 分布式群体智能，实现多个智能体间高效协作；
- 本地集成 Claude Code 和 Codex，支持原生代码执行；
- RAG 集成，增强检索与生成能力，实现更精准问答；
- 面向对话式 AI 系统的构建与部署。

项目已在 GitHub 开源，星标数近2万，活跃社区支持，适合AI开发者和企业级用户试用。

在线向量数据库经常只提供基础的相似度搜索，结果固定不变，人工调整复杂。

RuVector 是一个用 Rust 打造的高性能、实时自学习向量图神经网络和数据库，集成了自适应优化和本地 AI 推理，性能秒杀传统向量库。

RuVector 最大亮点是它的 GNN 层能够自动从每次查询学习，搜索结果随着使用自动提升，无需手动调优；还能本地运行 LLM，无需依赖云 API，支持 CPU 优先加速；具备图查询（Cypher）、超边、超球面嵌入、多模型智能路由和动态张量压缩等前沿功能。

还支持 PostgreSQL 作为扩展，完全替代 pgvector，拥有 230+ SQL 函数，几乎零迁移。

适合需要自适应搜索、复杂关系建模、本地 AI 推理的应用，比如智能问答、推荐系统、知识图谱等。

主要功能：

- 自学习向量搜索，查询即训练，搜索结果越用越准
- 集成多种图神经网络（GCN、GAT、GraphSAGE等）
- 支持超边连接，建模复杂多元关系
- 内嵌LLM推理引擎（ruvLLM），支持 Metal/CUDA/WebGPU 等硬件加速
- 动态多级张量压缩，节省 2-32 倍内存
- 跨平台支持，含 Node.js、浏览器（WASM）、PostgreSQL 等
- 自愈查询优化，DAG查询计划智能调整提速
- 并发分布式，含多主复制、Raft共识、自动分片
- 完整的认知容器（.rvf）格式，一文件即服务，可安全验证操作链
- 丰富生态：科学OCR、神经交易、合成数据、元认知脉冲神经网络等

快速试用：

npm install ruvector
npx ruvector

适合开发者、AI科学家、数据工程师和企业部署的全功能AI数据库底座。

在线开发中，用多个AI代码助理不断切换既费时又分神。

Superset：AI Agents 时代的终端IDE，可以在本机同时运行多个Claude Code、Codex、GitHub Copilot等CLI智能编码助理，真正实现多任务并行开发无缝衔接。

它支持每个任务独立Git分支和工作目录隔离，避免相互干扰；内置Diff查看器和编辑器，轻松快速审查代码变更；还可实时监控所有AI助理状态并及时提醒你。

macOS桌面端体验流畅，用Bun+Git+GitHub CLI构建，支持一键打开喜欢的代码编辑器。对追求效率和智能化的开发者来说，这款IDE值得一试。

主要功能：

- 多种CLI AI编码助理并行运行，大幅提升开发效率；
- 每个任务独立git worktree，避免代码冲突和环境干扰；
- 实时监控Agent状态，自动提醒需要注意的变更；
- 内置代码Diff查看与编辑，快速审查无需离开界面；
- 支持工作空间预设，自动化环境搭建和依赖安装；
- 兼容任何运行于终端的CLI Agent，扩展性强。

适合有多AI助理应用需求的软件工程师和开发团队。

在线构建AI编码代理太复杂？试试 shareAI-lab 的 learn-claude-code 项目，它用 Bash 简单高效地演示了Claude Code风格的小型智能代理从0到1的完整构建过程。

核心是一个极简的智能体循环，配合工具调用和结果处理，12个阶段逐步引入计划、子代理、任务持久化、多代理协作等机制，系统性教你从原理到实战。项目附带丰富文档、代码示例和交互演示平台，支持Python实现，轻松上手。

主要特色：
- 明确的Agent循环模型，轻松理解AI代理工作机制
- 支持任务拆解、工具调度、上下文压缩、后台任务、多Agent协同
- 启发式教学设计，阶段性引入复杂功能，循序渐进
- 配套Web平台，交互式学习体验
- MIT开源许可证，自由使用与改造

快速开始只需：

git clone https://github.com/shareAI-lab/learn-claude-code
cd learn-claude-code
pip install -r requirements.txt
cp .env.example .env
# 填入你的Anthropic API Key
python agents/s01_agent_loop.py

学会构建属于自己的智能代理，从“用一次”到“始终在线”，逐步升级到多渠道消息、记忆和个性化助理。