产品库

构建个性化AI代理的开源平台

Scoopika是一个开源的开发者平台，旨在帮助开发者构建能够看、说、听、学习并采取行动的个性化AI代理。它为AI时代提供了一个安全、高效且易于使用的平台，支持全边缘兼容性和实时流媒体，内置视觉和语音聊天功能。Scoopika强调了其开放源代码的特性，提供了服务器端和客户端的运行库，以及React项目中的集成模块，拥有一个不断增长的开发者社区。

Boson AI构建语音代理，提供语音到语音模型、实时头像和多语言TTS。

Boson AI专注于构建语音代理和基础音频模型，其重要性在于为企业关键业务工作提供高效的语音交互解决方案。主要优点包括支持100多种语言、具备实时语音处理能力、可处理打断和低延迟等。产品背景方面，致力于将语音交互转化为商业优势。价格信息页面未明确提及。定位是面向企业，为企业的销售、客服等业务流程提供语音技术支持。

ChatGPT风格的交互式AI代理

Prompt Keeps是一个让您在几分钟内创建个性化AI的平台。它可以帮助您创建自己的ChatGPT风格的AI，用于各种应用场景。它提供了丰富的功能和优势，并根据不同的定价方案进行定位。无论是个人还是企业，Prompt Keeps都可以替代人工专家，为您提供高质量的AI服务。

Slock是实时协作平台，人类与AI代理作为队友共同协作。

Slock是一个实时协作平台，允许人类和AI代理作为队友，在频道和直接消息中共同工作。其重要性在于打破了传统人类使用AI工具的模式，实现了真正意义上的平等协作。产品主要优点包括：每个AI代理都有独立的持久内存，能记住代码库偏好、过去的对话等信息；人类和AI共享同一上下文，使协作的沟通成本降为零；代理通过轻量级守护程序在用户自己的硬件上执行，确保了对计算的完全控制和代码数据的完全隐私。产品提供Hobby免费版，Team和Business版本即将推出，定位为面向代理原生构建者和团队，助力他们高效协作。

VITA-1.5: 实时视觉和语音交互的GPT-4o级多模态大语言模型

VITA-1.5 是一款开源的多模态大语言模型，旨在实现接近实时的视觉和语音交互。它通过显著降低交互延迟和提升多模态性能，为用户提供更流畅的交互体验。该模型支持英语和中文，适用于多种应用场景，如图像识别、语音识别和自然语言处理等。其主要优点包括高效的语音处理能力和强大的多模态理解能力。

实时语音AI代理，500毫秒内响应语音查询。

Real-time Voice AI Agent是一个高度灵活的实时语音交互模型，它能够在大约500毫秒内通过语音回答任何查询。该模型支持用户选择任何大型语言模型、文本到语音(TTS)模型和语音到文本(STT)模型。它非常适合用于客户服务机器人、接待员等涉及语音的应用场景。

实时语音提取智能耳机交互系统

LookOnceToHear 是一种创新的智能耳机交互系统，允许用户通过简单的视觉识别来选择想要听到的目标说话者。这项技术在 CHI 2024 上获得了最佳论文荣誉提名。它通过合成音频混合、头相关传输函数(HRTFs)和双耳房间脉冲响应(BRIRs)来实现实时语音提取，为用户提供了一种新颖的交互方式。

提供实时AI语音生成和AI客服代理服务，助力企业提升客户体验。

Smallest AI 是一家专注于提供实时 AI 服务的公司，旗下 Waves 和 Atoms 产品分别专注于生成高质量的 AI 语音和提供实时 AI 客服代理。Waves 能够实时生成任何口音、语言或情感的 AI 语音，适用于需要个性化语音交互的场景；Atoms 则通过 AI 与客户进行电话沟通，减轻企业客服负担。该技术的重要性在于能够帮助企业提升客户体验，同时降低人力成本。其定位是为企业提供高效、个性化的 AI 解决方案，具体价格未在页面中明确提及，但根据其服务性质推测可能为付费模式。

开源的SQL AI代理，让文本到SQL的转换变得简单。

Wren AI是一个开源的SQL AI代理，旨在帮助数据和产品团队通过自然语言与数据交互，生成SQL查询、图表、电子表格、报告和BI。它采用语义引擎架构，为LLM提供业务上下文，通过“建模定义语言”处理元数据、架构、术语、数据关系以及计算和聚合背后的逻辑，生成具有语义上下文的准确SQL查询。Wren AI的主要优点包括易于上手、安全可靠、开源免费，支持多种数据源和分析工具，如BigQuery、DuckDB、PostgreSQL等，并且可以与Excel、Google Sheets等流行工具集成。它还支持多种LLM模型，无论是托管在云端还是本地。Wren AI的定位是为数据团队提供一个强大的工具，以提高数据访问和分析的效率。

实时AI视频生成开源模型

LTXV是Lightricks推出的一个实时AI视频生成开源模型，它代表了视频生成技术的最新发展。LTXV能够提供可扩展的长视频制作能力，优化了GPU和TPU系统，大幅减少了视频生成时间，同时保持了高视觉质量。LTXV的独特之处在于其帧到帧学习技术，确保了帧之间的连贯性，消除了闪烁和场景内的不一致问题。这一技术对于视频制作行业来说是一个巨大的进步，因为它不仅提高了效率，还提升了视频内容的质量。

通过AI驱动的虚拟形象，实现情感智能的实时交互体验。

Rapport AI-Driven Avatars 是一个基于AI技术的虚拟形象平台，专注于创建、动画化和部署具有情感智能的交互式虚拟角色。该平台支持多语言实时交互，适用于各种设备和平台。其核心技术包括实时音频驱动的面部动画和精准的唇部同步，通过与 Speech Graphics 的合作，提供卓越的视觉效果。该产品主要面向教育、企业培训、娱乐和营销等领域，旨在通过沉浸式体验提升用户参与度和学习效果。平台提供免费的探索者层级和付费的创作者层级，后者支持更多高级功能和定制化选项。

开源AI编码代理框架，重写Claude Code架构，多代理编排、工具调用

Claw Code是一个开源的AI编码代理框架，它是对Claude Code架构的全新Python和Rust重写。该项目起源于2026年3月31日Claude Code源代码泄露事件，开发者Sigrid Jin开始进行无版权代码复制的重写工作。项目具有高模块化结构，Rust代码占比72.9%以实现高性能运行，Python代码占27.1%用于代理编排和大语言模型集成。其主要优点包括多代理编排可并行处理复杂任务、工具调用灵活且有细粒度权限控制、支持多种传输协议的MCP集成、具备高性能的查询引擎和多会话记忆系统等。价格方面，该项目是开源免费的，定位为为开发者提供一个强大、灵活且开源的AI编码辅助解决方案。

Spatius提供下一代AI头像基础设施，支持设备端渲染和低带宽实时交互。

Spatius是一个提供下一代AI头像基础设施的平台。其核心技术包括设备端渲染、轻量级音频特征提取、原生高斯模糊渲染等，适用于边缘计算和云端混合架构。该平台的重要性在于，它通过将繁重的云渲染替换为轻量级的100kbps流，并直接在边缘进行渲染，大幅降低了基础设施开销。其主要优势包括：具备在弱网络下保持稳定的性能，支持多种操作系统（Web、iOS和Android），可以快速部署，并且能够在入门级芯片组上运行1080p 25fps的视频。价格方面，每小时收费在0.00美元至0.42美元之间。平台定位为为各行业提供高效、经济的AI头像解决方案。

探索未来人机交互的AI代理项目

Project Mariner是Google DeepMind基于Gemini 2.0模型开发的早期研究原型，旨在探索未来的人机交互方式，特别是在网络浏览器中的应用。这个项目能够理解浏览器屏幕上的信息，包括像素和网页元素，如文本、代码、图像和表单，并利用这些信息完成任务。Project Mariner在技术上实现了通过Chrome扩展程序在浏览器中直接操作，为用户提供了一种全新的代理服务体验。

使用Anam的API构建实时交互式AI头像，低延迟对话视频AI。

Anam是一款用于构建实时交互式AI头像的产品，其核心技术是实时头像视频模型。该产品的重要性在于它将对话式AI从文本和语音升级到了视频，符合人类面对面交流的偏好。主要优点包括：具有高度的人类真实感，通过自然动作和微表情让头像栩栩如生；具备行业领先的低延迟特性，响应速度比眨眼还快；支持70种语言，能覆盖全球95%的市场；可进行表情控制、图像转头像等操作。产品背景方面，它受到了超过8000名开发者的信赖。价格方面文档未提及，定位是为企业级用户提供服务，适用于客户服务、培训和销售等场景。

让本地AI代理拥有持久身份和记忆，团队可直接协作，开源免费。

Alook是一款开源的Web应用程序，由Alook AI开发。它允许用户将本地运行的AI代理（如Claude Code、Codex、Cursor、OpenCode和Pi）带入共享房间，让团队成员可以直接与这些代理协作。其主要优点在于，代理进程始终在用户的计算机上运行，利用用户配置的代码库和工具，无需将运行时迁移到云端，保证了数据的安全性和隐私性。同时，AI代理拥有持久的身份和记忆，能在会话之间保持上下文，自动推进任务，提高工作效率。该产品提供免费使用，定位为面向开发者和团队的协作工具，帮助他们更高效地利用本地AI代理进行编程和开发工作。

Matrix Game 2提供实时交互式世界生成。

Matrix Game 2是一个实时交互式世界生成平台，利用先进的Matrix-Game 2 AI技术构建、探索和玩耐人的AI生成环境。该平台提供即时访问，为用户创造出与动态响应玩家互动的世界。

实时监听Claude Code和Codex会话，了解编码代理工作进展。

Agent FM是一款运行在Mac上的桌面客户端产品，主要用于实时监听Claude Code和Codex的编码会话。它的重要性在于可以让开发者实时了解编码代理的工作状态，包括决策、遇到的阻碍以及完成的成果等。其主要优点是提供实时的进度反馈和问题提醒，帮助开发者更好地掌控项目进度。产品背景是为了辅助开发者在使用编码代理进行开发时更高效地跟进工作。价格方面，文档中未明确提及，推测可能有免费试用和付费使用等模式。产品定位是为开发者提供编码代理工作的实时监控和反馈工具。

提供语音、视频和聊天API，用于实时交互，加速应用增长。

ZEGOCLOUD是一个可靠的实时交互平台，提供一系列产品和扩展，旨在加速应用的增长。其产品涵盖视频通话、语音通话、直播、应用内聊天、云录制、AI特效等多个领域。主要优点包括高度的灵活性和可定制性，无论是使用SDK进行深度定制，还是使用UIKits快速开发，都能满足不同开发者的需求。价格采用灵活的按需计费模式，用户可以根据自己的使用情况计算和估算成本。该平台适用于多种行业，如社交、教育、远程医疗、电子商务和健身等。

开源编码代理，本地优先，启动任务后可离开，完成有验证回执。

Agent AFK是一款开源的编码代理工具，其设计初衷是为了解决开发者在使用编码代理时需要时刻监督的问题。该工具具有本地优先的特点，采用Apache 2.0开源协议，可免费使用。它围绕编码代理常见的六种失败模式进行设计，将编排、路由、跟踪、验证和监督等功能融入架构，而不是事后添加治理机制。主要优点包括支持远程监督、可逆转操作、能生成详细的跟踪历史等，适用于那些希望专注于交付成果而非监督代码编写过程的开发者。

基于Linux环境快速部署开源大模型的教程

该项目是一个围绕开源大模型的全流程指导教程,包括环境配置、模型部署、高效微调等,简化开源大模型的使用和应用,让更多普通学习者能够使用开源大模型。项目面向对开源大模型感兴趣且想自主上手的学习者,提供详细的环境配置、模型部署和微调方法。

开源AI工作空间，支持跨1000+集成和主流LLM构建、部署和管理AI代理

Sim是一个开源的AI工作空间，旨在帮助团队高效地构建、部署和管理AI代理。它具有1000多个集成和支持所有主流大语言模型（LLM）的能力，无论是通过可视化界面还是代码方式都能操作。其重要性在于提供了一个统一的平台，让团队可以轻松集成各种工具和资源，实现AI代理的自动化工作流程。主要优点包括可视化设计、多LLM支持、丰富的集成能力、数据存储和管理、决策追踪等。产品于2025年成立，总部位于美国旧金山。价格方面，文档中提及有定价，但未详细说明具体收费模式。产品定位于企业级用户，帮助企业在各个业务领域实现AI自动化。

基于Groq的极速AI聊天机器人，提供实时交互式股票图表和信息。

StockBot是一款由Groq支持的AI聊天机器人，利用Llama3 70b在Groq上的Vercel AI SDK和TradingView的实时小部件，以对话形式回应实时、互动的图表和界面，专门针对您的请求。Groq的速度使得工具调用和提供近乎即时的响应成为可能，允许进行两次API调用，使用不同的专业提示返回响应。请注意：StockBot可能提供不准确的信息，不提供投资建议。它仅供娱乐和教学使用。

基于大型多模态模型构建端到端网络代理

WebVoyager是一款创新的大型多模态模型（LMM）驱动的网络代理，能够通过与现实世界的网站交互，端到端完成用户指令。我们提出了一种新的网络代理评估协议，以解决开放式网络代理任务的自动评估挑战，利用GPT-4V的强大多模态理解能力。我们从15个广泛使用的网站收集了真实世界任务，用于评估我们的代理。我们展示了WebVoyager实现了55.7%的任务成功率，明显超过了GPT-4（所有工具）和WebVoyager（仅文本）设置的性能，突显了WebVoyager在实际应用中的卓越能力。我们发现我们提出的自动评估与人类判断达成了85.3%的一致性，为在真实世界环境中进一步发展网络代理铺平了道路。

免费开源AI代码编辑器，支持跨系统多代理开发

Visual Studio Code是一款免费且开源的AI代码编辑器，由微软开发。它支持在Linux、macOS和Windows等多种环境下进行多代理工作流管理。借助AI代理，能实现代码规划、编写和调试，大大提高开发效率。其开源特性使得全球开发者能共同参与优化，拥有强大的扩展性和丰富的插件生态。价格方面完全免费，定位为广大开发者提供高效、便捷的开发工具。

DeepSeek AI开源代理框架，一切皆为插件，可灵活组合功能

DeepSeek Harness (dsh) 是DeepSeek AI开发的开源代理框架，基于Cordis内核。它将模型与工具等功能以插件形式组合，让开发者能灵活定制代理功能。主要优点在于高度可扩展性，通过添加或替换插件就能扩展或更改功能。产品还处于开发者预览阶段，采用MIT许可，当前最新npm版本是0.1.0-rc.6。价格免费，目标定位是给需要灵活定制代理运行时的团队和开发者使用。

实时AI代理，将音频视频直接集成至视频会议。

Recall.ai Output Media是一个创新的AI技术，它允许用户将任何基于Web的AI应用实时集成到视频会议中。这项技术通过渲染超低延迟的音频和视频，并通过机器人将其流式传输到视频会议中，极大地扩展了AI在会议场景中的应用。Recall.ai的这项技术不仅提高了会议的互动性，还为各种行业提供了构建实时、互动AI代理的可能性，如销售代理、教练、招聘人员、项目经理等。

AI数字人智能交互平台

DUIX是一个开源的AI数字人智能交互平台，由硅基智能打造。它允许开发者接入多种大模型和语音能力，实现数字人实时交互，并支持在Android和iOS多终端一键部署。DUIX适用于多种场景，包括地铁、银行、政务等，具有低成本快速部署、小网络依赖和功能多样化的特点。

实时语音交互数字人，支持端到端语音方案

VideoChat是一个实时语音交互数字人项目，支持端到端语音方案（GLM-4-Voice - THG）和级联方案（ASR-LLM-TTS-THG）。用户可以自定义数字人的形象和音色，支持音色克隆，无需训练，首包延迟低至3秒。该项目利用了最新的人工智能技术，包括自动语音识别（ASR）、大型语言模型（LLM）、端到端多模态大型语言模型（MLLM）、文本到语音（TTS）和说话头生成（THG），为用户提供了一个高度定制化和低延迟的交互体验。