CreateMVP：秒级生成全栈项目原型与实施方案的开源AI平台

• 集成多模型AI（OpenAI、Anthropic、Google Gemini等），支持多厂商API密钥管理与本地SQLite数据库存储，保障隐私安全。
• 自动解析项目需求，输出详尽的需求文档、PRD、技术栈建议、前后端开发指南、系统流程及项目状态模板。
• 支持PDF需求提取，内嵌多模型聊天控制台，灵活对话GPT-4.1、Claude 3.7、Gemini 2.5 Pro等，提升方案精准度和深度。
• 完全自托管，无使用额度限制，简化认证机制，开源许可（Apache-2.0），便于定制扩展与私有部署。
• 配备AI工具对比中心和社区维护的MCP服务器及规则包，助力开发者高效集成和自动化工作流。
• 设计理念聚焦于快速落地与高细节质量（方案体积提升4倍），实现从创意到执行的闭环支持。
• 适合创业团队、产品经理、开发者快速验证和规划MVP，提供长期可复用的方法论和技术沉淀。
零代码、类 Notion 风格编辑器，人人可快速构建定制化Agent
• 通过简单宏命令实现多样化智能工作流，无需编程基础，极大降低AI Agent开发门槛
• 开箱即用：支持OpenAI API，Docker一键部署，快速启动Playground进行交互式体验
• 社区驱动开放项目，欢迎代码贡献、设计优化和功能反馈，持续完善用户体验与功能多样性
• 持续更新中：支持保存/调用配方文件，新增文本摘要和图像生成宏，未来计划扩展网页搜索、语音合成、多模态输入等功能
• 设计理念聚焦“用纯英文轻松创建智能代理”，推动AI代理技术民主化，提升用户自定义智能化效率
• 适合开发者、产品经理及AI爱好者，打造跨领域智能自动化解决方案的高效工具

NaturalAgents | #编辑器
编辑器
Probe：面向 AI 的本地语义代码搜索引擎，专为海量代码库设计，是下一代 AI 编程工具的关键基石。 | #搜索引擎

• AI 友好：结合 ripgrep 的极速扫描与 tree-sitter 的代码结构解析，精准定位完整函数、类、结构体等代码块。
• 完全本地：代码不出机器，保障隐私安全，适合企业及个人敏感项目。
• 多语言支持：Rust、Python、JavaScript、TypeScript、Java、Go、C/C++、Swift、C# 等主流语言兼容。
• 高级语义搜索：支持布尔逻辑查询、通配符、代码块提取与上下文限制，满足复杂检索需求。
• 多模式运行：命令行工具、MCP 服务器或交互式 AI 聊天，灵活集成各种开发环境。
• AI 集成：提供示例 AI 聊天助手，支持 Claude、GPT 模型，实现对代码库的智能问答与分析。
• 排序算法：采用 TF-IDF、BM25 及混合重排序，深度挖掘代码相关性，提升搜索精准度。
• 便捷安装：npm、curl、PowerShell 多平台一键安装，支持手动编译，兼容 x86_64 和 ARM64 架构。
• 开源社区驱动：Apache-2.0 许可证，活跃维护，支持新语言扩展与功能定制。

Probe 通过结合高速扫描与深度语义理解，解决了传统代码搜索对上下文缺失和规模瓶颈的挑战，助力 AI 编程助手更智能地解析和重用代码，推动代码智能化管理迈向新阶段。
搜索引擎
用超4万字的Meta-Prompt，将ChatGPT彻底“变身”为巴菲特，展现了提示工程的极致应用 | 详文

• 载入详尽传记、生活习惯、经典语录及投资案例，构建完整巴菲特知识体系
• 注入估值框架、决策树及语言风格，确保回答逻辑严密且高度贴合巴菲特思维模式
• 采用重度角色预设、领域知识填充、严格输出规范和步骤化核查，实现精准人格塑造
• 体现提示设计核心方法论：大容量信息注入+多层次行为锚定+系统化推理引导
• 深刻揭示大型语言模型个性化调教和专家级模拟的本质路径，为长期提示工程提供范式参考
构建一个具备代码编辑能力的Agent其实远比想象中简单。只需不到400行Go代码，结合大语言模型（LLM）和工具接口，即可实现交互式代码读写与编辑，开启AI辅助编程新时代。| 技术细节与完整代码

• 以Anthropic Claude模型为核心，构建终端聊天界面，支持持续多轮对话，完整维护上下文对话状态
• 定义并管理工具集（read_file、list_files、edit_file），让AI具备读取文件、列目录及文件内容替换编辑的能力
• 通过JSON Schema自动生成工具输入格式，保证严格且灵活的参数校验与传递
• Agent在收到模型“调用工具”指令时，自动执行对应函数并反馈结果，形成闭环交互
• 实现对文件的创建、修改、内容替换及目录遍历，支持复杂的代码编辑场景
• 轻量级、模块化设计，代码简洁且易扩展，适合作为AI辅助开发工具的底层架构
• 深层方法论：核心是“LLM+工具调用+环境状态管理”的设计模式，突破上下文窗口限制，实现外部世界交互
• 长期价值在于模型与工具的协同演进，为未来智能编程助手提供实践范式

示例演示：让Claude创建并编辑JavaScript FizzBuzz脚本，动态读取文件内容，甚至解码加密消息，展现极强的自主决策与执行能力。
ScrapeGraphAI：基于大型语言模型与图逻辑的Python爬虫库，实现“一次爬取，多次利用”的高效数据提取方案。| #爬虫

• 利用LLM（如OpenAI、Ollama等）和图结构构建灵活爬取管线，支持网页及本地文档（HTML、Markdown、JSON、XML等）
• 多种爬取模式：单页智能提取（SmartScraperGraph）、多页搜索结果抓取（SearchGraph）、音频生成（SpeechGraph）、自动生成Python脚本（ScriptCreatorGraph）等，满足复杂场景需求
• 完善集成生态：支持Python、Node.js SDK，兼容Langchain、Llama Index、Zapier、Bubble等主流低代码/无代码平台，极大降低二次开发门槛
• 简单易用：5行代码快速上手，官方推荐虚拟环境安装，Playwright支持动态网页内容抓取
• 透明开源，MIT协议授权，活跃社区持续更新，20.5k⭐️，1700+ Fork，适合科研、数据分析、自动化工程长期参考与实践
• 详尽文档与示例代码覆盖多语言接口，支持多模型并行调用，灵活切换本地或云端LLM，强调方法论与长远适用性

ScrapeGraphAI通过“语言理解+图结构”策略，将爬虫从传统规则驱动转向智能语义驱动，极大提升数据清洗和结构化效率，是下一代智能数据抽取范式的典范。
爬虫
Code Sandbox MCP：专为 AI 编程 Agent 设计的轻量级安全执行环境，助力本地化、可控且高效的代码运行方案。

• 基于 STDIO 的 Model Context Protocol (MCP) 服务器，支持 Python 和 JavaScript 代码执行，集成 llm-sandbox 实现容器化隔离🛡。
• 通过 Docker、Podman 等容器启动会话，代码写入临时文件后复制至容器，执行后捕获标准输出与错误，保障数据隐私。
• 支持与 Gemini SDK 无缝集成，几行代码即可完成配置，提升 AI 代理的代码执行能力与交互深度。
• 多层安全保障：容器隔离、防止资源滥用（内存、CPU、执行时间限制）、网络访问控制、代码静态安全分析。
• 适合需要高度自定义环境、访问本地资源和机密信息的开发场景，避免云端执行带来的成本与隐私风险。
• 核心：通过“本地容器化+协议标准化+安全策略”，实现 AI 代码执行的可控性与灵活性，提升开发效率与安全底线。

深入理解代码执行安全的本质，Code Sandbox MCP 提供了一套长期可复用的解决方案，适合 AI 助手与开发者构建私有化智能编码环境。
Universal Tool Calling Protocol（UTCP）定义了AI Agent 直接调用任何工具的统一标准，突破传统代理服务器限制，实现低延迟与零额外开销。

• 直接连接工具原生接口（HTTP、gRPC、WebSocket、CLI等），无需额外封装，消除“wrapper tax”💡
• 保持原有认证、计费与安全体系，确保调用安全无缝对接
• 开源且跨语言支持，提供 Python、TypeScript、Go SDK，便于快速集成与二次开发
• 设计理念：AI调用即人类调用，零改动、零安全折损，支持大规模工具与调用场景
• 简洁易用，降低实现门槛，推动AI工具生态标准化与互操作性提升

UTCP不仅是协议，更是面向未来AI工具互联的基础设施，助力构建高效、安全、开放的智能系统架构。深入理解其设计原则，有助于企业和开发者规避传统接口代理带来的性能和安全隐患，实现真正高效的AI工具调用。
面向开发者和内容创作者的先进视频制作框架，专注于用代码驱动视频生成与编辑，提升工作流效率与创意自由度。🎥

• 基于 React，支持用熟悉的前端技术构建高质量视频组件，实现动态内容与交互式设计。
• 提供完整渲染管线，兼容浏览器和服务器端渲染，确保视频输出高效且稳定。
• 支持多种格式导出，灵活适配不同平台需求，覆盖社交媒体、广告及教育视频制作场景。
• 内置时间轴和动画控制，便于精细调整视频节奏和视觉效果，提升内容表现力。
• 强调代码驱动的创作流程，促进版本管理、团队协作及自动化生产，适合规模化视频项目。
• 开源生态活跃，拥有丰富插件与社区支持，持续优化功能与性能。

Remotion通过代码与视频的结合，打破传统编辑限制，推动视频制作进入高度模块化与自动化时代。适合追求效率与创新的专业团队长期参考与应用。

Remotion | #框架
框架
Before
After
Back to Top