关键词 "自动化" 的搜索结果， 共 24 条, 只显示前 480 条
Tavily是一个为大型语言模型（LLMs）和检索增强生成（RAG）优化的搜索引擎，旨在提供高效、快速且持久的搜索结果。该产品由Tavily团队开发，目标用户是AI开发者、研究人员以及需要实时、准确、有根据的信息的企业。Tavily Search API通过连接LLMs和AI应用程序到可信赖的实时知识，减少了幻觉和整体偏见，帮助AI做出更好的决策。 Tavily的主要功能和特点 Tavily Search API的核心功能包括： 深度研究：通过单一的API调用，简化数据收集，提供来自可信来源的聚合和精选结果。 智能查询建议和答案：装备AI以自动化的方式深化知识，通过细微的答案和后续查询。 多源优化：与Bing、Google和SerpAPI等其他API相比，Tavily Search API会审查多个来源，从每个来源中找到最相关的内容，以优化LLM上下文。 灵活性和成本效益：Tavily Search API提供更灵活的定价计划和更实惠的成本。 如何使用Tavily 要使用Tavily Search API，开发者可以通过Python SDK轻松与API交互，直接在Python程序中利用搜索功能。开发者还可以自定义字段，如上下文等，以优化搜索结果。Tavily的搜索结果基于来源的可信度和内容质量进行索引和排名，并且能够自主地构建后续查询，深入主题以提供细微的答案和全面的分析。 Tavily的适用人群 Tavily Search API适用于AI开发者、研究人员、企业数据分析师以及任何需要集成高效搜索功能的AI应用程序的开发者。特别是那些使用LLMs和RAG技术的用户，将能从Tavily提供的精确和实时的信息检索中受益。 Tavily的价格 Tavily提供不同的定价计划，以满足不同用户的需求： Researcher计划：免费，每月1,000次API调用。 Project计划：$30/月，每月4,000次API调用。 Bootstrap计划：$100/月，每月15,000次API调用。 Startup计划：$220/月，每月38,000次API调用。 Growth计划：$500/月，每月100,000次API调用。 Add-On计划：$100一次性购买，额外8,000次API调用。 Enterprise计划：提供定制API调用、生产就绪的速率限制、定制的主题和来源以及企业级的安全和隐私。 Tavily产品总结 Tavily Search API是一个专门为AI设计的搜索引擎，它通过提供实时、准确和有根据的信息检索，帮助AI应用程序做出更好的决策。其深度研究、智能查询建议和答案以及多源优化等特点，使其在同类产品中脱颖而出。适用于各种规模的开发者和企业，Tavily的灵活定价计划确保了用户可以根据自己的需求选择合适的方案。
Respell AI 帮助企业创建 AI 工作流程，以实现准确性和可控性。团队无需雇佣更多人员，即可构建自定义 AI 代理。这些名为“Spells”的代理可以自动执行研究和沟通等任务。它们还可以处理数据分析和软件集成。 Respell 可与 Gmail、Slack 和 Salesforce 等热门商业工具连接，并使用 OpenAI 和 Anthropic 等知名提供商的 AI 模型。企业可以按计划自动运行自动化流程。如有需要，还可以让人工参与监督。 使用结构化、可控的 AI 工作流程自动执行任务。 构建用于研究、沟通和分析的无代码 AI 智能体。 可与 Gmail、Slack 和 Salesforce 等常用商业工具连接。 提供企业级安全功能，确保数据安全。
免费的小红书AI创作工具。
HireQuotient is a platform for non-tech hiring that automates the entire recruitment process. HireQuotient 是一个非技术招聘平台，可实现整个招聘流程的自动化。
n8n帮助你将任何具有API的应用程序与任何其他应用程序连接起来，并在很少或没有代码的情况下操作其数据，完成工作流自动化。
SparkAI 正在解锁下一代自动化应用的发布和规模化。我们致力于为任何注重正常运行时间、准确性或安全性的 AI 用例弥合商业化差距。
Aignostics公司发布了目前最大规模的腹部CT数据集AbdomenAtlas。该数据集涵盖了广泛的人群特征及多种设备类型，共收录了来自112家医疗机构的20,460例三维CT影像。研究团队由10名放射科医生组成，采用人工智能辅助标注方法，完成了67.3万个高质量解剖结构掩码的标注工作。他们首先对5,246例影像中的22种解剖结构进行人工标注，随后利用半自动化流程，由放射科医生优化模型预测的标注结果。
Browser Use 是一个AI驱动浏览器自动化开源框架，让我们可以通过自然语言操作浏览器。Browser-use 是一个强大的浏览器自动化框架,它结合了大语言模型(LLM)的能力与浏览器操作,使AI 能够像人类一样浏览网页、填写表单、点击按钮等。目前在 GitHub 上已经获得了惊人的 49.9k star
FastGPT是一个基于LLM（Large Language Model）大语言模型的知识库问答系统，提供了开箱即用的数据处理和模型调用能力。它支持多种数据导入方式，包括手动输入、直接分段和LLM自动处理等，能够自动完成文本预处理、向量化和QA分割，节省手动训练时间，提高效率
流程编排：内置工作流引擎支持 RAG 流程自动化，结合 LangChain 实现企业级任务分解。 架构模式：企业知识管理导向，基于 Python/Django 后端，支持 PostgreSQL + pgvector 混合检索，模块化设计便于集成。 部署：支持私有化部署与 API 开放对接，适配企业级权限管理。
UI-TARS-1.5 是一款基于强大的视觉语言模型构建的开源多模态代理，能够在虚拟世界中高效地执行各种任务。 UI-TARS-1.5 这是一款基于视觉-语言模型构建的开源多模态智能体，能够在虚拟世界中高效执行各类任务。 UI-TARS-1.5 基于字节此前提出的原生智能体方案 UI-TARS，通过强化学习进一步增强了模型的高阶推理能力，使模型能够在“行动”前先进行“思考”。 该版本的模型中，团队还展示了一个新的愿景：以游戏为载体来增强基础模型的推理能力。与数学、编程等领域相比，游戏更多依赖直观的、常识性的推理，并较少依赖专业知识，因此，游戏通常是评估和提升未来模型通用能力的理想测试场景。 据介绍，UI-TARS 是一个原生 GUI 智能体，具备真实操作电脑和手机系统的能力，同时，还可操控浏览器、完成复杂交互任务。UI-TARS-1.5 能够实现精准 GUI 操作，基于团队在四个维度的技术探索： 视觉感知增强：依托大规模界面截图数据，模型可理解元素的语义与上下文，形成精准描述。 System 2 推理机制：在动作前生成“思维（thought）”，支持复杂任务的多步规划与决策。 统一动作建模：构建跨平台标准动作空间，通过真实轨迹学习提升动作可控性与执行精度。 可自我演化的训练范式：通过自动化的交互轨迹采集与反思式训练，模型持续从错误中改进，适应复杂环境变化。
Apifox MCP Server，可以将 Apifox 的接口文档提供给 Cursor 等支持 AI 编程的 IDE，或其他支持 MCP 的 AI 工具。 它集 API 设计、API 开发、API 调试、API 管理、 API 文档、API Mock 和自动化测试等功能于一体，为你的 API 项目提供一站式的解决方案。 有了 Apifox MCP Server，开发者就可以通过 AI 助手完成以下工作：根据接口文档生成或修改代码、搜索接口文档内容等等，至于通过这个接口文档数据能让 AI 干什么更多更强大的活，请发挥你和你们团队的想象力。
mcp-link是一个开源项目，旨在将任何OpenAPI V3 API自动转换为MCP（Machine Control Protocol）服务器。它通过自动化和标准化解决了现有生态系统中的一些关键问题，如大部分MCP服务器仅是Web API的简单封装，功能接口可能不完整，手动创建MCP接口既耗时又容易出错，以及缺乏标准化的转换流程。 项目技术分析 mcp-link的核心是基于OpenAPI Schema自动生成完整的MCP服务器。其架构清晰，易于集成，并且保证了所有API端点和特性的正确映射。项目使用Go语言开发，支持通过命令行参数进行灵活配置，包括指定端口号、API规范文件URL、目标API基础URL、认证头格式以及路径过滤表达式等。 项目及技术应用场景 mcp-link适用于多种场景，特别是那些需要将现有RESTful API快速集成到AI-driven应用生态系统的开发者。以下是几个应用实例： 自动化测试：通过将现有API转换为MCP服务器，开发者可以轻松地在自动化测试环境中使用这些API。 智能代理集成：AI Agent可以方便地通过MCP协议与转换后的API进行交互，从而实现更智能的决策支持和流程自动化。 第三方服务集成：对于需要连接多个服务以构建复合应用的场景，mcp-link可以极大地简化集成过程。 项目特点 自动转换：基于OpenAPI Schema自动生成MCP服务器，无需手动干预。 无缝集成：现有RESTful API可以立即与AI Agent调用标准兼容。 功能完整：确保所有API端点和特性正确映射。 零代码修改：无需修改原始API实现即可获得MCP兼容性。 开放标准：遵循MCP规范，确保与各种AI Agent框架的兼容性。
斯坦福大学在AI辅助学术研究领域取得了重大进展，他们的开源工具STORM进化后新增了协作对话机制Co-STORM。这一先进功能使得AI实体能够参与圆桌讨论，模拟人类般的互动。Co-STORM通过整合多个AI专家和一个主持人，在几分钟内生成关于特定主题的深入、经过充分研究的文章，同时具备跟踪和参与对话的能力，通过动态思维导图展示。该工具生成具有多元视角的详细报告，并且可在线免费获取，对研究人员和学生来说是一项值得关注的发展。 Co-STORM框架及其对学术研究的影响已被EMNLP 2024主要会议认可，突显了其对学术写作和信息发现未来的潜在影响。- 斯坦福大学推出了一款名为STORM的工具，利用大语言模型（LLM）辅助编写类维基百科文章。 - STORM可以将输入的主题转换为长篇文章或研究论文，并以PDF格式下载。 - STORM通过检索、多角度提问和模拟专家对话等方式生成写作大纲和内容报告。 - STORM擅长需要大量研究和引用的写作任务。 - STORM的GitHub上的Star量已经超过了24k。 - STORM团队推出了全新功能Co-STORM，引入了协作对话机制和轮次管理策略。 - Co-STORM包括Co-STORM LLM专家、主持人和人类用户。 - Co-STORM模拟用户、观点引导专家和主持人之间的协作对话。 - Co-STORM的评估结果表明其在报告质量和对话质量方面优于基线模型。 - Co-STORM的主持人角色可以根据未使用信息提出问题，帮助用户发现更多信息。 - Co-STORM可以帮助用户找到与目标相关的更广泛、更深层次的信息。 STORM 认为研究过程自动化的核心是自动提出好的问题。直接提示语言模型提出问题效果并不好。为了提高问题的深度和广度，STORM 采用了两种策略： 观点引导提问：给定输入主题，STORM 通过调查类似主题的现有文章来发现不同的观点，并使用它们来控制提问过程。 模拟对话：STORM 模拟维基百科作者和基于互联网资源的主题专家之间的对话，使语言模型能够更新其对主题的理解并提出后续问题。 斯坦福又推出了STORM的升级版 ——Co-STORM，引入了协作对话机制，并采用轮次管理策略，实现了AI 智能体间的圆桌讨论和流畅的协作式 AI 学术研究。
AutoGen是微软发布的一个工具，旨在帮助开发者创建基于大语言模型的复杂应用程序。 AutoGen是一个开源编程框架，旨在帮助开发者构建基于多智能体的应用程序，特别是那些涉及复杂工作流和对话模式的场景。AutoGen由微软推出，支持多种编程语言和跨语言开发，包括Python和.NET。其主要特点包括： 多智能体支持：AutoGen允许开发者创建多个智能体，这些智能体可以相互对话、协作完成任务。每个智能体可以扮演不同的角色，如用户智能体和助手智能体，分别负责提出需求和执行任务 对话模式：AutoGen支持多种对话模式，包括单智能体和多智能体对话。它提供了丰富的API和工具，使得开发者可以自定义智能体的行为和交互方式 工作流编排：AutoGen简化了复杂工作流的编排、自动化和优化。它能够处理大语言模型（LLM）的弱点，最大化LLM的性能 跨领域应用：AutoGen适用于多个领域，包括代码生成、自动翻译、自动摘要等。它支持多种LLM集成，使得开发者可以轻松构建复杂的应用程序
DeepWiki ：基于 GitHub Repo 源代码生成最新版可对话式文档，由 Devin驱动。 开源项目免费使用，无需注册。 私有项目中使用需在 http://devin.ai 注册账号。 直接访问 https://deepwiki.com，或将 GitHub 链接中的 github 替换为 deepwiki。 即：GitHub 仓库链接中的 github 替换为 deepwiki，即可直接访问对应的 DeepWiki 页面。如：https://deepwiki.com/<user>/<repo> Devin AI 是由 Cognition Labs开发的自主人工智能助手工具，标榜为 “AI 软件开发者”。曾号称全球首个全自动 AI 程序员，因执行成本高导致订阅价格也极高，后来就淡出人们视野了。目前更主流的开发形式是 IDE + MCP（如 Cursor、VSCode、Windsurf 等），半自动化的工具链调用让控制更精准，结果也变得更加可靠。 Devin 这次带来的 DeepWiki 确实是阅读 GitHub 项目的好帮手，在正式开始介绍 DeepWiki 前，我们先来了解一下目前阅读开源项目的痛点： GitHub 主流开源项目介绍以英文 README.md 为主，支持多语言介绍的并不多，对于非母语的人来说，存在一定阅读障碍。 很多仓库可能连比较像样的 README 介绍都没，更别提专门的文档网站或 Blog 了。于开发者而言是灾难性的，需要自行查看源代码或在 issues 中搜寻一些描述。 如果仓库文件超多，上百个文件，或大几十万行代码，想要通过阅读源码来建立项目宏观认知会变得特别难。 阅读一个仓库的源代码或许不难，但面对 GitHub 这种世界级的开发者聚集地，每天都会诞生大量开源项目，纯靠人力阅读总结会被累死（面对海量代码，人会变得麻木）。 在项目文档中不会有功能与源码之间的映射关系说明，但这又是借鉴参考项目时的一个重点需求。 在源码阅读方面，其实 GitHub 本身就做了许多改进，如树状目录，函数依赖图谱等。 随着 GitHub Copilot 的升级，也被集成进 GitHub，通过交互式对话来进一步辅助源码阅读。点击具体代码行号或顶部固定按钮唤醒 AI 对话，可提问项目相关的任何问题。 但以上这些 GitHub 提供的能力远远不够，并不能帮助我们快速建立项目宏观层面的认知（系统架构图、依赖图等）。 DeepWiki 简介 关于 DeepWiki 的详细信息是由以下推文揭露的，我对其进行了梳理。 Cognition Labs 打造了 DeepWiki，一个免费、可对话的 GitHub 仓库百科全书，致力于让每一个开发者都能轻松访问最新、结构化的项目文档。DeepWiki 由 Devin 技术驱动，专为开源项目免费开放，无需注册即可使用。只需将任何 GitHub 仓库链接中的 github 替换为 deepwiki，即可直接访问对应的 DeepWiki 页面。如：https://deepwiki.com/<user>/<repo> 据 Cognition Labs 成员介绍，DeepWiki 在构建过程中，让大语言模型（LLM）全面扫描了完整的代码库。到目前为止，它已经索引了超过 30,000 个热门 GitHub 仓库，处理了超过 40 亿行代码，处理总量超过 1000 亿 tokens，仅索引过程的计算开销就超过了 30 万美元。索引一个仓库的平均成本大约为 12 美元，但团队还是决定让所有开源项目免费使用，无需任何注册门槛。 从系统设计来看，模型在局部理解代码（如函数、模块）方面表现非常出色，但真正的挑战在于理解整个代码库的全局结构。DeepWiki 针对这一难题，采用了分层方法：先将代码库划分为一套套高层次系统（high-level systems），再为每一个系统生成对应的 Wiki 页面，帮助用户在整体上把握项目架构。 它还利用了一个非常有趣的信号——提交历史（commit history）。通过分析哪些文件经常被一起修改，可以构建出文件之间的关联图（graph），从而揭示项目内部许多潜在且重要的结构模式。这一方法进一步增强了 DeepWiki 对代码库内部逻辑关系的理解与呈现。 如果找不到你需要的仓库，团队也很乐意帮你索引任何公开 GitHub 仓库。对于私有仓库，只需注册 Devin 账号即可使用相同功能。此外，DeepWiki 支持分享 Wiki 页面和智能解答链接，方便团队成员始终保持信息同步。
Suna 是一款完全开源的 AI 助手，可帮助您轻松完成实际任务。通过自然对话，Suna 将成为您进行研究、数据分析和应对日常挑战的数字伙伴——它结合了强大的功能和直观的界面，能够理解您的需求并为您提供帮助。 Suna 强大的工具包包括：无缝的浏览器自动化功能（用于网页导航和数据提取）、文件管理功能（用于文档创建和编辑）、网页爬取和扩展搜索功能、命令行执行系统任务、网站部署以及与各种 API 和服务的集成。这些功能协同工作，使 Suna 能够通过简单的对话解决您的复杂问题并实现工作流程自动化！
Supervity AI 提供一套旨在提升业务效率的智能体。该平台作为公司知识的中心枢纽，根据内部文档提供精准的答案。智能体可以连接上千种不同的软件应用程序，管理涉及多个步骤的工作流程，从而实现现有业务系统的自动化。 用户无需编写代码即可构建自动化流程。名为“协同浏览 AI”的功能可实时指导员工使用软件，同时另一位智能体可以安全自然地处理客户对话。Vision AI 智能代理通过查看图像和视频来获取洞察，财务部门则利用它们来加快发票处理速度。 集中公司知识，快速获得参考答案。 管理跨多个软件平台的复杂任务。 提供数字化工具采用的实时指导。 分析可视化数据以发现模式或问题。
CortexON AI 是一款开源 AI 智能体。它旨在思考并自动化常见任务，与许多商业方案不同，其代码公开可用。这种方法强调数据的透明度和用户控制。用户可以查看代理的工作原理并进行修改。 CortexON 专注于执行自主决策。它可以满足不同领域的不同自动化需求。其重点在于确保每个人都能轻松访问并适应，同时企业保留对其信息的完全所有权。 提供对其代码库的完全访问权限，以实现透明度。 能够独立决策和任务自动化。 确保用户掌控自己的数据隐私。 公开构建，欢迎社区提出想法和贡献。
Globus AI 专注于劳动力管理自动化。其 AI 代理有助于人才参与和职位安排。代理会自动读取并排序空缺职位，从而减少招聘经理的手动数据处理。Globus AI 能够快速将候选人与合适的职位匹配。 它采用自由文本分析，而非复杂的关键词系统。Globus AI 可以简化面试安排和职位安排的流程。人才可以通过简单的浏览器界面访问和接受职位。每次互动都有助于 AI 改进未来的匹配效果，最终目标是提高职位安排效率和员工满意度。 自动读取、排序空缺职位并确定其优先级。 使用文本分析快速将候选人与职位匹配。 简化经理和人才的排班和协调工作。 利用互动数据优化未来的推荐。
Sema4 AI 致力于实现复杂、高价值的企业自动化任务。其平台支持企业构建和管理 AI智能体。这些代理专为需要推理能力的任务而设计，并能够协同处理复杂问题。Sema4 AI 致力于解决工作流程分散等问题。 它还有助于捕获未记录的公司知识。该平台支持在整个组织内部署大量智能体。它专注于适用于大型企业的安全性。其目标是显著提高效率并节省成本。它改变了复杂工作流程的处理方式。 提供了一个构建、运行和扩展企业 AI智能体的平台。 智能体可以处理需要推理和协作的复杂任务。 可与现有业务应用程序连接以实现自动化。 内置企业级安全功能，保护数据安全。
AgentLed AI 使用协作代理实现无需编码的工作流自动化。它具有“执行智能体”功能，用于监督业务运营。这些代理会分析数据，为决策提供依据并提出改进建议。用户可以使用简单的英语命令构建自动化序列。 代理一旦设置完成即可自主运行，设定月度目标并执行相关任务。该系统包含持续学习功能，可随着时间的推移不断完善策略。AgentLed AI 致力于提高整体业务效率和增长，帮助企业从 AI 试验走向更广泛的应用。 使用简单的英语指令构建 AI 驱动的工作流。 具有执行智能体功能，用于运营监督和分析。 智能体可以自主设定目标、执行任务并进行学习。 创建集成到业务流程中的多步骤工作流。
Thinkeo 提供了一个可定制的 AI 平台，利用多个 AI 智能体协同工作来创建复杂的文档。这些智能体通过从各种来源收集信息来管理整个文档创建过程。然后，它们生成结构化的报告或文档。 Thinkeo 适用于市场分析或技术摘要等任务。它还能处理复杂的行政和监管文书工作。该系统能够理解特定的合规规则和框架，确保资金申请等文件符合要求。Thinkeo 致力于确保输出结果的一致性和准确性。 它使用多个 AI智能体协作创建文档。 自动化从数据收集到最终输出的整个工作流程。 处理来自不同来源的数据以生成全面的报告。 处理需要合规性的复杂行政文件。
Retell AI 正在利用快速、智能且适应性强的 AI 语音助手，重新定义企业与客户互动的方式。与其他公司不同，我们的尖端技术可帮助企业实现自动化通话，同时又不失人性化。 我们的目标正在改变企业与客户的沟通方式。我们预见未来，AI 助手对话将打破壁垒，使支持更便捷、互动更顺畅、企业响应速度比以往任何时候都更快。 在 Retell AI，我们不仅致力于实现通话自动化，更致力于构建一个让每个人的声音都能被倾听的世界。
只显示前20页数据，更多请搜索
Showing 1 to 24 of 25 results
