关键词 "Agentic Workflows" 的搜索结果， 共 22 条, 只显示前 480 条
MCP server for connecting agentic systems to search systems via searXNG
This project uses Quarkus and the Model Context Protocol] to implement a simple agentic app using multiple MCP servers and Quarkus + LangChain4j.
Agentic RAG and MCP server for Sydney Grammar School chat
An MCP server providing tools to control web browsers using the Amazon Nova Act SDK. Enables multi-step browser automation workflows via MCP agents.
A security scanner for your LLM agentic workflows
An Agentic MCP server sshclient
AI agent that controls computer with OS-level tools, MCP compatible, works with any model
A lightweight MCP server that integrates with Apple Notes to create a personal memory system for AI. Easily recall and save information from your Mac using simple AppleScript commands. Compatible with
类似 Manus 但基于 Deepseek R1 Agents 的本地模型。 Manus AI 的本地替代品，它是一个具有语音功能的大语言模型秘书，可以 Coding、访问你的电脑文件、浏览网页，并自动修正错误与反省，最重要的是不会向云端传送任何资料。采用 DeepSeek R1 等推理模型构建，完全在本地硬体上运行，进而保证资料的隐私。 Features： 100% 本机运行:
Devstral是Mistral AI和All Hands AI推出的专为软件工程任务设计的编程专用模型。Devstral在解决真实世界软件问题上表现出色，在SWE-Bench Verified基准测试中，得分46.8%大幅领先其他开源模型。Devstral支持处理复杂代码库中的上下文关系、识别组件间联系及发现细微的代码错误。Devstral轻量级，能在单个RTX 4090或32GB内存的Mac上
fellou开源智能体工作流框架，Eko 2.0 在不同复杂程度上始终表现优异： 简单任务：成功率为 95%（其他产品的成功率为 80-90%） 平均成功率：78%（其他产品成功率为 56-61%） 中等复杂度：成功率为 76%（其他产品的成功率为 49-58%） 困难任务：成功率为 70%（其他产品的成功率为 32-43%） 这些数字背后隐藏着不可靠的自动化工具和企业真正可以依
Pocket Flow 是极简的 LLM（大型语言模型）框架，仅用 100 行代码实现。具有轻量级、无依赖、无厂商锁定的特点。Pocket Flow支持多Agents、工作流、检索增强生成（RAG）等强大功能，帮助开发者快速构建基于 LLM 的应用程序。基于Agentic Coding范式，AI Agents协助开发，大幅提升开发效率。Pocket Flow 适合希望用极简方式开发 LLM 应用的
概述 LandingAI Agentic 文档提取API 从视觉复杂的文档（如表格、图片和图表）中提取结构化数据，并返回具有精确元素位置的分层 JSON。 这个 Python 库包装了该 API 以提供： 长文档支持——一次调用即可处理 100 多页 PDF 自动重试/分页——处理并发、超时和速率限制 辅助实用程序——边界框代码片段、可视化调试器等 特征
Clacky AI是面向开发者的云端开发环境（CDE），打造L3级别的Agentic AI编程助手。Clacky AI支持全栈开发（包括Python、Node.js、Golang、Ruby、Java等语言），能帮助开发者快速从创意构建迭代出实际可用的系统。Clacky AI基于结构化任务拆解、多线程协作、自我排查与修复等功能，提升开发效率，降低开发门槛，非常适合团队协作和快速迭代项目。“时光机”功
这个工具不仅可以自动浏览网页、填写表单，还能执行代码、分析文件，关键是整个过程完全透明可控。 主要功能 协同规划：通过对话和计划编辑器，与 AI 一起制定详细的任务执行步骤。 协同任务执行：可以随时中断和引导任务执行，直接通过网页浏览器或对话进行干预。 敏感操作保护：对于关键操作，系统会主动请求用户确认后再执行。 计划学习和检索：从之前的运行中学习经验，改进未来的任务自动化，并保存到
Kiro是一款Agentic IDE——简单来说，它不仅是一个AI编码助手，更是一个帮你从灵感到上线、从混乱到清晰的开发搭档。 它不仅擅长“Vibe Coding”，更强大之处在于：它能将这些原型，推进到真正可上线的系统。而这一切，都依赖于两个核心能力：Specs（Specification）和Hooks（自动化触发器）。 vide coding和spec-driven develo
业界首个开源高完成度轻量化通用多智能体产品(JoyAgent-JDGenie) 解决快速构建多智能体产品的最后一公里问题 简介 当前相关开源agent主要是SDK或者框架，用户还需基于此做进一步的开发，无法直接做到开箱即用。我们开源的JoyAgent-JDGenie是端到端的多Agent产品，对于输入的query或者任务，可以直接回答或者解决。例如用户query"给我做一个最
AIKiss.ai is an AI-powered platform designed to enhance online communication and productivity. It offers intelligent chatbots, virtual assistants, and automation tools to streamline workflows, improve
Qoder是阿里巴巴推出的 AI Agentic 编程工具，深度理解整个代码库架构，记忆并学习你的习惯，支持MCP工具生态扩展，提供上下文感知补全、内联聊天和一键「维基化」代码结构，自动选最佳模型。Qoder不是简单的代码补全工具，试图成为开发者真正的「思维伙伴」。预览阶段全功能免费开放，助力开发者专注解决真实软件难题。如何使用Qoder访问官网：使用电脑浏览器访问Qoder官网（https://
微软研究院的一个研究团队探索了使用主动式强化学习（agentic reinforcement learning）来实现这一目标，也就是说，模型会与专用工具环境中的工具进行交互，并根据收到的反馈调整其推理方式。而他们的探索成果便是 rStar2-Agent，这是一种强大的主动式强化学习方法。使用该方法，这个微软团队训练了一个 14B 的推理模型 rStar2-Agent-14B—— 该模型达到前沿级
MedResearcher-R1是蚂蚁集团开源的一款Agentic AI，旨在解决医疗领域的“稀疏知识”难题。它摒弃“数据投喂”模式，转而主动“设计”高质量训练：• 智能数据：通过KISA框架，从3000万+文献中筛选罕见实体，生成高难度多步推理任务。• 精准学习：配备优先考虑“权威性”的专用工具，并采用“蒙版引导”及复合奖励函数，训练AI掌握可泛化的“思考方法”。• 卓越表现：仅用约2100条“
通义DeepResearch 是阿里巴巴推出的开源深度研究智能体，专为长周期、深度信息检索任务设计。拥有 300 亿参数，每次激活 30 亿参数，支持 ReAct 模式和深度模式（Heavy Mode），后者通过迭代研究范式（IterResearch）提升复杂推理能力。智能体采用全流程合成数据方案，无需人工干预即可生成高质量数据集，突破智能体能力上限。训练流程涵盖智能体持续预训练（Agentic
只显示前20页数据，更多请搜索
Showing 265 to 286 of 286 results
