MiroFlow是由MiroMind AI团队推出的一款开源高性能研究智能体框架，专注于多步互联网调研，尤其擅长未来事件预测等复杂任务。它集成了四大核心组件：MiroFlow框架本身、支持工具辅助推理的开源基础模型MiroThinker、拥有14.7万条优质训练数据的MiroVerse，以及保障训练稳定高效的MiroTrain/MiroRL训练基础设施。| #框架

这一框架以模块化设计和多层次子代理协同著称，支持包括GPT、Claude、Gemini、Qwen等多种模型和丰富工具（如语音转写、Python执行、文件读取、Google搜索等），实现复杂任务的高效执行。MiroFlow在多个权威基准测试中均名列前茅：如FutureX（未来事件预测）提升了GPT-5预测准确率11%，并在GAIA、HLE、BrowserComp及xBench-DeepSearch等测试中夺冠，彰显其领先的智能推理能力和稳定的并发处理性能。

值得一提的是，MiroFlow采用完全免费开源的技术栈，仅需一块RTX 4090显卡即可部署高效的研究智能体服务，极大降低了使用门槛和运营成本。同时，项目配备详细文档和快速入门指南，支持社区贡献，推动开放生态建设。

MiroFlow不仅是技术创新的典范，也为未来智能体的发展提供了可复制、可扩展的实践范式，展示了开放源代码在AI研究领域的巨大潜力和价值。

数据科学工作流程复杂，涉及规划、执行、验证和反思多个环节，单靠传统工具难以高效协作和持续优化。

Agentic Data Scientist 是一个基于多智能体架构的开源框架，利用 Google Agent Development Kit 和 Claude Agent SDK，实现了从智能规划到分阶段执行再到持续校验的闭环工作流。| #框架

它能自动拆解任务，迭代优化方案，结合先进的科学技能库和模型上下文协议工具接口，帮助数据科学家高效完成复杂分析任务。

主要功能包括：
- 自适应多智能体协同工作，迭代规划与执行保障质量；
- 任务分阶段管理，实时跟踪成功标准与进度；
- 集成 Claude 科学技能库，支持多种科学计算和数据处理；
- 文件管理与网络检索工具，方便数据导入与外部信息获取；
- 灵活部署，支持命令行快速启动，满足多场景需求。

适合需要系统化、多步骤数据分析的科研人员与工程师

从规划到总结，Agentic Data Scientist 用智能化分工和不断的自我校正，助力数据科学项目更高效、更可靠地推进。

大型多语言代码库的文档生成一直是个难题，如何自动产出结构化、体系化的仓库级文档，涵盖跨文件、跨模块乃至系统层面的架构关系？

CodeWiki 是一个开源框架，专注于自动化生成大规模代码库的全局文档。它支持 Python、Java、JavaScript、TypeScript、C、C++、C# 七种主流语言，结合层级分解、递归多智能体处理和多模态合成技术，不仅生成文字说明，还能产出架构图和数据流图，帮助开发者全面理解复杂项目。| #框架

主要特点：

- 层级分解策略，保持架构上下文，适配超大代码库；
- 递归多智能体系统，动态任务分配，保证文档质量和扩展性；
- 多模态合成，集成文本与视觉化架构图、数据流图等多种表达；
- 支持主流编程语言，覆盖广泛开发场景；
- 提供命令行工具，方便快速生成和部署文档；
- 支持生成 GitHub Pages 网页文档，方便浏览和分享。

适合需要对大型、多语言项目进行系统化文档管理的开发团队和开源社区。

OpenZL 是 Meta 开源的高性能数据压缩框架，兼具极高压缩率和超快速度，专门针对特定格式的数据打造专属压缩器，远超通用压缩工具的表现。| #框架

它由核心库和生成专用压缩器的工具组成，支持单一通用解压器，特别适合需要处理海量专业数据（如 AI 训练数据）的工程师们。

主要特点：

- 针对数据格式定制压缩方案，压缩率和速度双优；
- 提供通用解压器，兼容所有生成的压缩数据；
- 支持多线程构建，适配多平台（Web、Windows、macOS等）；
- 活跃开发中，Meta 已在生产环境广泛使用；
- 提供丰富文档和快速入门教程，方便快速上手。

一个全新端到端框架，支持整首歌曲结构解析与歌词转录，精准时间戳标注，无需额外声源分离。

• 7B 参数模型，基于百万首歌曲数据集训练，支持中文和英文双语识别。
• 结构解析采用Diarization Error Rate（DER）评估，歌词转录用Word Error Rate（WER）衡量，表现优于多款主流ASR系统（WER 23.9%，DER 18.0%）。
• 集成预处理与推理脚本，一键pip安装依赖，兼容Python 3.8+及CUDA 11.8+环境，使用简便。
• 权重文件需自行下载后放置项目根目录，运行python3 run.py即可快速完成音频推断。
• 开源协议保障自由使用，适合自动化音乐分析、智能歌词生成及多语言音频标注等场景。
• 相较于传统多步骤方案，SongPrep融合全流程，显著提升效率与准确度，推动音乐信息检索技术革新。

SongPrep | #框架

Agent Tools：打造可与多系统和API交互的AI agent工具框架，助力实现复杂任务自动化。| #框架

• 基于Python，支持Deepseek Reasoner的Chain of Thought推理，自动管理工具调用与错误处理，极大简化多工具协作流程。
• 统一接口规范：工具需实现标准输入输出schema，返回结构化结果，确保兼容性和扩展性。
• 深度集成：所有工具无缝兼容Deepseek，无需额外适配，自动转换调用格式，支持多样化操作场景。
• 丰富测试体系：涵盖单元、集成、LLM交互及真实环境测试，保障工具稳定可靠。
• 开发友好：开箱即用的示例、环境配置及完整文档，快速上手并便于定制扩展。
• 未来规划：支持动态LLM驱动网络搜索、数据采集，及具备自主构建和注册工具能力的持久记忆agent，助力构建更高级AI系统。
• 开源MIT协议，社区活跃，欢迎贡献代码与功能需求。

用更系统化的方式管理agent工具调用链，提升AI应用的可靠性与灵活度，适合长期项目和跨领域集成。

AgentScope：面向大模型应用的开发框架，突破传统封装，打开可视化与可控性新局面。| #框架

• 透明可控：所有流程（Prompt、API、Agent构建、工作流编排）一览无遗，无隐式魔法，便于调试和优化。
• 实时中断与定制处理，支持对对话和任务执行的动态干预，保障交互连贯且灵活。
• 模块化乐高搭建：组件独立、自由组合，支持异步执行、多工具并行调用和多智能体协同。
• 多智能体架构：显式消息传递，工作流清晰，适合复杂协作场景，无深度封装导致的黑箱风险。
• 模型无关：一次编程，多模型运行，兼容多种大模型，极大提升开发效率与适应性。
• 长期记忆与工具管控：支持智能体级工具管理与长期记忆，增强任务持续性和上下文理解。
• 丰富支持：OpenTelemetry追踪、多渠道高精度控制、分布式评测及可视化调试工具（AgentScope Studio）全覆盖。
• 开源且活跃：Apache-2.0许可，10.6k ⭐️，已发布1.0版本，支持Python 3.10+，社区资源丰富，教程完善。

近期重磅更新：AgentScope Runtime和Studio已开源，助力生产级部署和直观开发体验。
适用领域涵盖多智能体对话、复杂工具调用、异步任务编排等前沿AI应用场景。

Xorq：面向多引擎计算的声明式表达式管理框架，助力构建可复用、跨 Python 与 SQL 的机器学习流水线。| #框架

• 统一 pandas 风格和 Ibis 语法，支持 DuckDB、Snowflake、DataFusion 等多引擎无缝切换。
• 以 YAML 格式定义表达式，实现计算流程可版本化、可复现、易共享。
• 支持可移植的 UDF/UDAF，自动序列化，避免引擎锁定。
• 内置基于表达式哈希的缓存机制，最大限度减少重复计算，提升效率。
• 提供列级血缘追踪与可视化，便于调试与审计。
• 编译时校验数据模式和关系完整性，降低运行时错误风险。
• 输出完整表达式图、元数据及 SQL 文件，方便持续集成与审查。
• 基于 Apache Arrow 零拷贝数据传输，底层集成 Ibis 与 DataFusion，保障高性能。

Xorq 正处于快速迭代的 beta 阶段，适合追求流水线一致性与跨平台灵活性的团队提前布局。

Youtu-agent：是一个腾讯出品的灵活、高性能的框架，用于构建、运行和评估自主智能体。除了在基准测试中名列前茅，该框架还提供了强大的智能体能力，例如数据分析、文件处理和深度研究。| #框架

• 验证表现领先：基于DeepSeek-V3系列模型，WebWalkerQA准确率达71.47%，GAIA文本子集通过率72.8%，完全摆脱闭源模型依赖，打造强大开源起点。
• 低成本高效部署：优化兼容多样模型API（DeepSeek、gpt-oss等），支持异步执行，极大提升运算效率与资源利用。
• 自动化配置生成：通过交互式“元代理”自动识别需求，基于YAML快速生成任务专属agent配置，省去繁琐编码或复杂prompt设计。
• 丰富实用场景：开箱即用支持CSV数据分析、文献综述、个人文件管理，未来还将支持播客与视频生成，覆盖深度与广度研究需求。
• 模块化设计：构建于openai-agents基础，具备流式响应、轨迹追踪和agent循环能力，支持灵活定制环境、工具包和上下文管理。
• 便捷上手：提供完整示例、自动评测脚本和详实文档，助力研究者、开发者和AI爱好者快速构建、测试和优化智能代理。

Elysia 是由 Weaviate 团队打造的开源 agentic RAG 框架，彻底重塑了 AI 与数据交互的方式。它不仅是简单的“文本输入-文本输出”系统，而是一个基于决策树的智能代理平台，具备以下核心优势 | #框架

• 透明的决策树智能体：Elysia 通过可视化展示每一步决策过程，解释为何选择特定工具或路径，支持复杂错误处理、自我修复和避免无限循环，且允许自定义工具与分支，打造复杂且上下文感知的工作流。

• 数据感知能力：系统在执行查询前，先对数据集做全面分析，理解数据结构和内容，解决传统RAG盲目搜索导致的失效问题，实现更精准复杂的查询构建。

• 动态数据展示：根据查询结果的特点和上下文，智能选择最合适的展示形式，包括表格、图表、电商产品卡、GitHub工单等，配合强大的数据浏览器支持搜索、排序和筛选。

• 个性化反馈机制：利用用户正面评价的查询作为 few-shot 示例，持续训练并提升响应质量，实现小模型高效运转，降低成本且不牺牲体验。

• 按需分块（Chunk-On-Demand）：文档分块延迟到查询时刻，仅对相关文档动态分块并存储，提升存储效率和检索质量。

技术栈基于 Weaviate 提供的矢量数据库功能，包括命名向量、多种搜索模式、过滤器、交叉引用和量化，LLM 交互层则用 DSPy，整体通过 FastAPI 提供后端服务，NextJS 前端以静态 HTML 形式部署，支持一键安装运行：

pip install elysia-ai
elysia start

支持连接 Weaviate 云集群，用户通过配置界面添加 API Key 和模型，即可立即启用智能检索和数据交互。也可作为 Python 库灵活调用，轻松集成自定义工具与工作流。

目前 Elysia 正处于 Beta 阶段，社区活跃，欢迎开源贡献。