产品库

Proxy Lite 是一款开源的 3B 参数视觉语言模型（VLM），专注于网页自动化任务。

Proxy Lite 是 Convergence AI 推出的一款开源模型，具有强大的网页自动化能力。它通过独特的三步响应机制（观察、思考、工具调用）实现高效的网页交互，显著提升了任务的成功率和效率。该模型在 WebVoyager 任务中表现出色，仅使用少量计算资源就能达到顶尖水平。其开源特性使得开发者和研究人员可以自由使用、改进和扩展，推动了开源社区在自动化领域的进步。

开源的网页自动化库，支持任何大型语言模型（LLM）

browser-use是一个开源的网页自动化库，允许大型语言模型（LLM）与网站进行交互，通过简单的接口实现复杂的网页操作。该技术的主要优点包括对多种语言模型的通用支持、交互元素自动检测、多标签页管理、XPath提取、视觉模型支持等。它解决了传统网页自动化中的一些痛点，如动态内容处理、长任务解决等。browser-use以其灵活性和易用性，为开发者提供了一个强大的工具，以构建更加智能和自动化的网页交互体验。

一个为LLM生成Git提交信息的插件

llm-commit 是一个为 LLM（Large Language Model）设计的插件，用于生成 Git 提交信息。该插件通过分析 Git 的暂存区差异，利用 LLM 的语言生成能力，自动生成简洁且有意义的提交信息。它不仅提高了开发者的提交效率，还确保了提交信息的质量和一致性。该插件适用于任何使用 Git 和 LLM 的开发环境，免费开源，易于安装和使用。

OmniParser 是一款通用屏幕解析工具，可将 UI 截图转换为结构化格式，提升基于 LLM 的 UI 代理性能。

OmniParser 是微软开发的一种先进的图像解析技术，旨在将不规则的屏幕截图转换为结构化的元素列表，包括可交互区域的位置和图标的功能描述。它通过深度学习模型，如 YOLOv8 和 Florence-2，实现了对 UI 界面的高效解析。该技术的主要优点在于其高效性、准确性和广泛的适用性。OmniParser 可以显著提高基于大型语言模型（LLM）的 UI 代理的性能，使其能够更好地理解和操作各种用户界面。它在多种应用场景中表现出色，如自动化测试、智能助手开发等。OmniParser 的开源特性和灵活的许可证使其成为开发者和研究人员的有力工具。

本地运行的人工智能代理，无缝自动化工程任务。

Codename Goose 是一款本地运行的人工智能代理工具，旨在帮助开发者高效完成工程任务。它强调开源和本地运行，确保用户对任务执行有完全控制权。通过连接外部服务器或API，Goose 可以根据用户需求进行扩展，实现复杂任务的自动化处理，从而让开发者专注于更重要的工作。Goose 的开源特性鼓励开发者参与贡献和创新，其本地运行的模式保障了数据隐私和任务执行效率。

FilmAgent是一个基于LLM的多智能体协作框架，用于虚拟3D空间中的端到端电影自动化制作。

FilmAgent是一种创新的电影制作技术，通过模拟导演、编剧、演员和摄影师等关键角色，利用多智能体协作实现虚拟3D空间中的电影自动化制作。该技术的主要优点在于能够减少人工干预，提高制作效率，同时降低错误率。FilmAgent在电影制作领域的应用，为创作者提供了一个高效、低成本的解决方案，尤其适合资源有限的小型制作团队。虽然目前没有明确的价格信息，但其开源的特性使其具有广泛的适用性和推广价值。

AI语音代理测试与可观测性平台

fixa是一个专注于AI语音代理测试与可观测性的平台，旨在帮助开发者和企业快速发现并修复语音代理中的问题。通过自动化测试、生产监控和错误检测等功能，确保语音代理的稳定性和可靠性。该平台由Y Combinator资助，提供简单透明的定价策略，适合不同规模的企业使用。

一键生成数据的直观反射图

diagen是一个利用人工智能技术，通过单一命令生成美丽、直观图表的工具。它支持多种图表类型，并能通过视觉反馈和批评自动优化图表。diagen的主要优点包括易用性、支持多种AI模型、自动图表细化以及支持多种图表类型。它背景于数据可视化和人工智能领域，旨在简化图表生成过程，提高效率。diagen是开源的，因此对于个人和企业来说，使用成本较低，适合需要快速生成高质量图表的开发者和数据分析师。

开源AIOps平台，管理大规模告警/事件的瑞士军刀

Keep是一个开源的AIOps平台，专为复杂环境中处理告警的团队设计。它通过AI技术增强IT运维能力，提供告警丰富、工作流、单视图界面和90多个集成选项。Keep平台支持从SRE、运维人员到工程师、初创企业和全球企业，是可靠团队的选择。产品背景信息显示，Keep在2024年宣布了270万美元的种子轮融资，并在GitHub上拥有7.8k的关注者，体现了其在开源社区的影响力和受欢迎程度。Keep提供免费试用和不同定价方案，定位于大型企业和需要高效管理告警的团队。

AI代理在网页上执行任务的API

Nfig是一个为AI代理设计的API，允许它们在网页上浏览、点击和执行任务，使用自然语言指令。它通过提供易于集成的API，增强AI工作流程，释放强大的代理能力。Nfig支持自动化登录、虚拟化DOM等复杂操作，使得AI代理能够执行以前难以触及的任务。产品背景强调了其开发者友好的设计、安全性和自我修复能力，以及对数据隐私的承诺。Nfig的价格策略是按使用付费，没有月度承诺，用户只需为实际使用的服务付费。

开源AI开发者助手，提升开发效率。

OpenHands是由All Hands AI开发的开源AI软件工程师，旨在帮助开发者处理积压的工作，让他们能够专注于解决难题、创造性挑战和过度工程化他们的配置文件。该产品在SWE-bench验证问题集中解决了超过一半的问题，是首个得分超过50%的AI工程师。此外，来自十几个学术机构的顶级代码生成研究人员每天都在帮助改进它。OpenHands在GitHub上以MIT许可证开源，拥有35k星标和190+贡献者。它与AI安全专家如Invariant Labs合作，以平衡创新与安全。

代码审查助手，确保代码无缺陷。

Panto AI 是一个编程辅助工具，通过代码审查来预防缺陷代码进入生产环境。它通过全天候运作，暴露代码中的漏洞并建议修复措施，确保只有无缺陷的代码被推送到生产环境。Panto AI 不仅检查错误，还理解代码背后的意图，并与知识库无缝集成，提供更智能的洞察。产品背景信息显示，Panto AI 已经开源其代码，并在GitHub上获得社区支持。

现代服务开发的终极平台

Batteries Included是一个为现代服务开发设计的全功能平台，提供源代码可用的一站式解决方案。它基于开源代码构建，支持从Docker到Knative的部署，拥有自动化安全和更新、智能自动化、高可靠性、先进的AI技术、以及易于集成的SSO等特点。这个平台旨在帮助开发者构建、部署和轻松扩展项目，同时确保数据隐私和成本效益。

开源视频编辑框架，支持自动化视频工作流。

Revideo是一个基于Motion Canvas的开源框架，用于程序化视频编辑。它允许开发者自动化复杂的视频工作流程，或在浏览器中构建完整的视频编辑器。Revideo支持使用Typescript创建视频模板，并能够即时预览和渲染为MP4格式的视频。它适用于大规模视频生成、A/B测试视频广告、构建网页内的视频编辑器或视频游戏等场景。

AI助手，简化代码审查流程

pr-agent是CodiumAI推出的一款AI助手工具，旨在帮助开发者更快速、高效地审查代码。它能够自动分析提交和PR，并提供多种反馈，如自动生成PR描述、主题反馈、安全问题、代码建议等。该工具支持多种编程语言，并且是开源的，可在GitHub上找到。它通过简化代码审查流程，提高软件质量，是开发团队和个人开发者的得力助手。

无需编写代码，快速构建AI工作流

BuildEL是一个无需编写代码即可构建AI工作流的平台，它通过提供多种模块和接口，支持用户快速搭建复杂的工作流程。该产品特别适合需要快速实现自动化任务和提升工作效率的企业和个人。BuildEL的开源特性使得用户可以自由地在本地部署和贡献代码，同时支持多种接口和模块，满足不同场景的需求。

开源AI代码编辑器，为10倍效率工程师设计。

Melty是一款开源的AI代码编辑器，它能够理解用户从终端到GitHub的操作，并与用户协作编写生产就绪的代码。由Charlie和Jackson开发，他们有着丰富的编程工具使用经验，旨在通过AI技术提高编程效率和代码质量。Melty在28天内已经能够编写其一半的代码，展现了其强大的自适应和学习能力。

AI提示工程师，提升AI交互效率。

Ape是一个开源的AI提示工程师，由Weavel公司开发，旨在通过优化AI的交互方式来提升效率。它是一个专门为AI设计的提示工程库，支持自定义和自动化的AI交互流程，帮助开发者和用户更高效地利用AI技术。Ape的核心优势在于其开源性、灵活性和易用性，适用于需要与AI进行复杂交互的场景。

创建和运行智能代理的工具

AutoGPT是一个强大的工具，它允许用户创建和运行智能代理，这些代理可以自动执行各种任务，使生活更轻松。AutoGPT的目标是提供工具，让用户专注于重要的事情。它通过构建和使用AI代理，推动了AI创新的前沿。

基于代理的自动化系统，专注于网页自动化。

Agent-E 是一个基于 AutoGen 代理框架的系统，旨在自动化用户计算机上的操作，目前专注于浏览器内的自动化。它通过自然语言与网页浏览器交互，执行填写表单、搜索和排序电商产品、定位网站内容、管理播放设置、执行网络搜索、管理项目管理平台任务等操作。Agent-E 正在成长中，已经能够处理多样化的任务，但最佳任务是用户自行发掘的。

高效的自更新视觉工作流，适用于大型语言模型。

OmniChain是一个为大型语言模型设计的高效自更新视觉工作流工具。它通过自定义逻辑流程引导AI语言模型，显著提高了工作效率。OmniChain利用链式记忆能力存储和回忆信息，基于这些信息做出决策。它允许用户创建像不知疲倦的机器人员工一样24/7工作的流程，只有在用户决定与之交流时才会暂停操作。OmniChain还可以通过特定过程引导较小的模型，提高效率和成本效益。此外，它能够访问底层操作系统读写文件和运行命令，生成和运行NodeJS代码片段或脚本，使用API，自动化任务等。OmniChain是私有的（自托管）、完全开源的，并通过非限制性的MIT许可证可供商业使用。

基于Agently AI框架的开源自动新闻收集工具

Agently Daily News Collector是一个基于Agently AI应用开发框架的开源项目，能够自动收集特定主题的新闻。用户只需输入新闻收集的领域主题，AI代理将自动工作，直到生成并保存到Markdown文件中的高质量新闻集合。

基于LLM大模型的开源AI知识库构建平台

FastGPT是一个开源的AI知识库构建平台，提供数据处理、模型调用、RAG检索、可视化AI工作流编排等能力，帮助用户轻松构建复杂的AI应用。它支持特定领域AI客服的构建，自动化数据预处理，工作流编排，以及强大的API集成。FastGPT的优势在于其开源性、独特的QA结构、可视化工作流、无限扩展性、便于调试，并支持多种模型。

开源、精准、方便的视频切片工具

FunClip是一款完全开源、本地部署的自动化视频剪辑工具，通过调用阿里巴巴通义实验室开源的FunASR Paraformer系列模型进行视频的语音识别，随后用户可以自由选择识别结果中的文本片段或说话人，点击裁剪按钮即可获取对应片段的视频。FunClip集成了阿里巴巴开源的工业级模型Paraformer-Large，是当前识别效果最优的开源中文ASR模型之一，并且能够一体化的准确预测时间戳。

为企业提供开源、灵活的AI模型开发、测试和运行平台。

Red Hat Enterprise Linux AI 是一个基于开源的模型平台，旨在无缝地开发、测试和运行企业级应用的大型语言模型（LLMs）。它结合了开源许可的IBM Granite LLMs、InstructLab模型对齐工具、Red Hat Enterprise Linux的可启动镜像以及Red Hat提供的技术支持和模型知识产权保障。该平台支持跨混合云环境的可移植性，并能与Red Hat OpenShift® AI集成，进一步推进企业AI开发、数据管理和模型治理。

快速集成生产就绪的AI助手，提升产品智能。

CopilotKit是一个旨在简化AI助手集成过程的开源工具。它允许开发者快速创建能够理解上下文、执行动作并从任何数据源获取知识的智能助手。产品的主要优点包括提高生产效率、增强用户参与度，以及通过自动化和智能化提升用户体验。CopilotKit的背景是响应市场对高效、智能工具的需求，定位于帮助开发者快速实现AI技术的商业化应用。

开源的多功能AI平台，专注于提升用户体验和生产力。

Omniplex是一个开源的AI平台，它致力于通过建立核心功能和基本特性来提升用户体验。该平台正在积极开发中，专注于实现最佳实践、优化代码库，并引入新特性。Omniplex使用TypeScript作为编程语言，React作为前端框架，Next.js作为Web框架，并结合了Firebase、Vercel AI SDK等技术栈。

Cohere Toolkit是一套开源的AI应用程序开发工具包，旨在加速开发并部署到云平台。

Cohere Toolkit是一个开源的AI应用程序开发工具包，它提供了一套生产就绪的应用程序，可以在云服务提供商上部署。这些应用程序可以访问Cohere的Command、Embed和Rerank模型，并且可以连接到企业数据和特定团队，以提高生产力。该工具包包含用于构建独特应用程序并可扩展部署的组件。

利用大模型，一键生成高清短视频

MoneyPrinterTurbo是一款利用大模型生成高清短视频的工具。主要功能包括自动生成视频文案、素材采集、字幕生成、背景音乐添加等，最终一键合成视频。优势在于全自动化、高效率、无版权素材且高清。适合内容创作者、营销人员、个人博主等人群使用，节省大量时间和精力，提高内容产出效率。该项目属于开源免费使用。

LaVague是一个大型动作模型框架，用于自动化浏览器交互

LaVague旨在通过将自然语言指令转换为无缝的浏览器交互来重新定义互联网浏览体验。它利用自然语言处理和Selenium集成，使用户或其他AI能够轻松表达网络工作流程并在浏览器上执行它们。