[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-DataBassGit--AgentForge":3,"tool-DataBassGit--AgentForge":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",146793,2,"2026-04-08T23:32:35",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108111,"2026-04-08T11:23:26",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":73,"owner_company":73,"owner_location":75,"owner_email":73,"owner_twitter":76,"owner_website":73,"owner_url":77,"languages":78,"stars":87,"forks":88,"last_commit_at":89,"license":90,"difficulty_score":32,"env_os":91,"env_gpu":92,"env_ram":91,"env_deps":93,"category_tags":104,"github_topics":105,"view_count":32,"oss_zip_url":73,"oss_zip_packed_at":73,"status":17,"created_at":111,"updated_at":112,"faqs":113,"releases":143},5734,"DataBassGit\u002FAgentForge","AgentForge","Extensible AGI Framework","AgentForge 是一个专为快速构建、测试和迭代 AI 自主智能体及认知架构设计的低代码框架。它旨在解决传统开发中代码冗余、多模型切换困难以及复杂工作流编排繁琐的痛点，让开发者能用极少的代码实现从简单任务代理到高级多智能体协作系统的搭建。\n\n这款工具非常适合希望高效探索 AI 应用的开发者、研究人员以及需要构建原型的技术团队。无论是初学者还是资深工程师，都能通过它轻松驾驭 OpenAI、Gemini、Claude 等主流大模型，甚至本地部署的 Ollama 或 LMStudio 模型，实现“模型无关”的灵活开发。\n\nAgentForge 的核心亮点在于其独特的“声明式 Cogs\"机制，用户只需编写简单的 YAML 文件，即可定义复杂的多智能体工作流、分支逻辑和上下文记忆，无需深入底层代码。此外，它还支持动态提示词模板、实时修改提示词以及基于角色的个性化配置，并内置了集成记忆系统，确保智能体在交互中保持连贯的上下文感知能力。作为一个开源且可扩展的 AGI 框架，AgentForge 为打造智能化、模块化且数据库灵活的自主代理系统提供了坚实基石。","[![GitHub - License](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002FDataBassGit\u002FAgentForge?logo=github&style=plastic&color=green)](https:\u002F\u002Fgithub.com\u002FDataBassGit\u002FAgentForge\u002Fblob\u002Fdev\u002FLICENSE)\n[![PyPI](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fagentforge?logo=pypi&style=plastic&color=blue)](https:\u002F\u002Fpypi.org\u002Fproject\u002Fagentforge\u002F)\n[![Documentation](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDocs-GitHub-blue?logo=github&style=plastic&color=green)](https:\u002F\u002Fgithub.com\u002FDataBassGit\u002FAgentForge\u002Ftree\u002Fdev\u002Fdocs)\n[![Python Version](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FPython-3.11-blue?style=plastic&logo=python)](https:\u002F\u002Fwww.python.org\u002F)\n[![Homepage](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FHomepage-agentforge.net-green?style=plastic&logo=google-chrome)](https:\u002F\u002Fagentforge.net\u002F)\n\n![AgentForge Logo](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDataBassGit_AgentForge_readme_9004637b9090.jpg)\n\n# AgentForge\n\n**AgentForge** is a low-code framework for rapid development, testing, and iteration of AI-powered autonomous agents and cognitive architectures. Its core concepts—flexible **Agents**, declarative **Cogs**, and integrated **Memory**—enable both simple agent implementations and sophisticated multi-agent orchestration with minimal code.\n\nCompatible with a range of LLM models—including OpenAI, Google's Gemini, Anthropic's Claude, and local models via [Ollama](https:\u002F\u002Follama.com) or [LMStudio](https:\u002F\u002Flmstudio.ai)—AgentForge lets you run different models for different agents as needed.\n\nWhether you're new to AI agents or building advanced cognitive systems, **AgentForge** provides the tools to craft intelligent, model-agnostic, and database-flexible autonomous agents.\n\n---\n\n## Table of Contents\n\n1. [Features](#features)\n2. [Documentation](#documentation)\n3. [Contributing](#contributing)\n4. [Contact Us](#contact-us)\n5. [License](#license)\n\n---\n\n## Features\n\nBuild agents and cognitive architectures (multi-agent systems) with:\n\n- **Declarative Cogs**: Orchestrate multi-agent workflows, branching logic, and memory using simple YAML files. Cogs are the primary way to compose agents into complex, reusable workflows.\n- **Customizable Agents**: Define agents using YAML prompt templates and configuration.\n- **Integrated Memory**: Add contextual memory to agents and cogs for coherent, context-aware interactions. Memory nodes are declared in Cogs and made available to agents automatically.\n- **Personas**: Configure agent identity, style, and context using persona YAML files.\n- **Dynamic Prompt Templates**: Use flexible prompt templates that adapt to various contexts and memory.\n- **LLM Agnostic**: Run different agents with different LLMs as needed.\n- **On-The-Fly Prompt Editing**: Modify prompts in real-time without restarting the system.\n- **OpenAI, Google & Anthropic API Support**: Integrate with popular LLM APIs.\n- **Open-Source Model Support**: Leverage local models through [Ollama](https:\u002F\u002Follama.com) and [LMStudio](https:\u002F\u002Flmstudio.ai).\n\n> **Note:** Actions and tools are deprecated as of this release and will be replaced in a future version with a new system based on the MCP standard.\n\n---\n\n## Documentation\n\nComprehensive documentation is available to help you get started and go deeper:\n\n### **Getting Started**\n\n- **[Installation Guide](docs\u002Fguides\u002Finstallation_guide.md)**: Step-by-step instructions to install **AgentForge**.\n- **[Using AgentForge](docs\u002Fguides\u002Fusing_agentforge.md)**: Learn how to run agents, create custom agents, and build cognitive architectures with examples.\n- **[Prerequisites Guide](docs\u002Fguides\u002Fprerequisites_guide.md)**: Details all pre-installation requirements and dependencies.\n- **[Troubleshooting Guide](docs\u002Fguides\u002Ftroubleshooting_guide.md)**: Find solutions to common issues and platform-specific problems.\n\n### **Core Concepts**\n\n- **[Agents](docs\u002Fagents\u002Fagents.md)**: Create and customize individual AI agents for various tasks.\n- **[Cogs](docs\u002Fcogs\u002Fcogs.md)**: Design multi-agent workflows with branching logic and memory using YAML configuration. Cogs are the main way to build and run multi-agent systems in AgentForge.\n- **[Memory](docs\u002Fmemory\u002Fmemory.md)**: Add contextual memory to your agents and cogs for more coherent, context-aware interactions. Memory is managed declaratively in Cogs and accessed in agent prompts.\n- **[API Integration](docs\u002Fapis\u002Fapis.md)**: Understand how **AgentForge** connects with various Large Language Model (LLM) APIs.\n- **[Personas](docs\u002Fpersonas\u002Fpersonas.md)**: Use personas to encapsulate agent identity, style, and reusable knowledge.\n- **[Settings](docs\u002Fsettings\u002Fsettings.md)**: Configure models, storage, and system behavior.\n- **[Storage](docs\u002Fstorage\u002Fchroma_storage.md)**: **AgentForge** uses ChromaDB as its vector store implementation for memory.\n- **[Tools & Actions](docs\u002Ftools_and_actions\u002Foverview.md)**: *Deprecated*—will be replaced by an MCP-based system in a future release.\n- **[Utilities](docs\u002Futils\u002Futils_overview.md)**: Explore utility functions and tools that enhance the system's capabilities.\n\n---\n\n## Contributing\n\nWe welcome issues and pull requests with improvements or bug fixes!\n\n### Special Note\nWe’re looking for a volunteer UI\u002FUX collaborator—ideally someone who’s genuinely passionate about open-source—to help us develop a front-end for **AgentForge**. To be clear, this isn’t a paid position or formal job; we’re just a couple of backend folks looking to team up with someone interested in contributing their front-end skills for the love of the project and learning together. If you’re interested in collaborating, see [Contact Us](#contact-us) below.\n\n---\n\n## Contact Us\n\n- **Email**: contact@agentforge.net\n- **Discord**: Join our [Discord Server](https:\u002F\u002Fdiscord.gg\u002FttpXHUtCW6)\n\n---\n\n## License\n\nThis project is licensed under the **GNU General Public License v3.0**. See [LICENSE](LICENSE) for more details.\n","[![GitHub - 许可证](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002FDataBassGit\u002FAgentForge?logo=github&style=plastic&color=green)](https:\u002F\u002Fgithub.com\u002FDataBassGit\u002FAgentForge\u002Fblob\u002Fdev\u002FLICENSE)\n[![PyPI](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fagentforge?logo=pypi&style=plastic&color=blue)](https:\u002F\u002Fpypi.org\u002Fproject\u002Fagentforge\u002F)\n[![文档](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDocs-GitHub-blue?logo=github&style=plastic&color=green)](https:\u002F\u002Fgithub.com\u002FDataBassGit\u002FAgentForge\u002Ftree\u002Fdev\u002Fdocs)\n[![Python版本](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FPython-3.11-blue?style=plastic&logo=python)](https:\u002F\u002Fwww.python.org\u002F)\n[![主页](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FHomepage-agentforge.net-green?style=plastic&logo=google-chrome)](https:\u002F\u002Fagentforge.net\u002F)\n\n![AgentForge标志](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDataBassGit_AgentForge_readme_9004637b9090.jpg)\n\n# AgentForge\n\n**AgentForge** 是一个低代码框架，用于快速开发、测试和迭代由 AI 驱动的自主智能体及认知架构。其核心概念——灵活的 **智能体**、声明式的 **组件** 和集成的 **记忆**——使得用户能够以最少的代码实现简单的智能体应用，同时也能构建复杂的多智能体协同系统。\n\nAgentForge 兼容多种大语言模型，包括 OpenAI、Google 的 Gemini、Anthropic 的 Claude，以及通过 [Ollama](https:\u002F\u002Follama.com) 或 [LMStudio](https:\u002F\u002Flmstudio.ai) 运行的本地模型。这使您可以根据需要为不同的智能体选择不同的模型。\n\n无论您是 AI 智能体领域的初学者，还是正在构建先进的认知系统，**AgentForge** 都能为您提供工具，帮助您打造智能化、模型无关且数据库兼容性强的自主智能体。\n\n---\n\n## 目录\n\n1. [功能特性](#features)\n2. [文档](#documentation)\n3. [贡献](#contributing)\n4. [联系我们](#contact-us)\n5. [许可证](#license)\n\n---\n\n## 功能特性\n\n使用以下功能构建智能体和认知架构（多智能体系统）：\n\n- **声明式组件**：通过简单的 YAML 文件编排多智能体工作流、分支逻辑和记忆。组件是将智能体组合成复杂、可重用工作流的主要方式。\n- **可定制智能体**：使用 YAML 提示模板和配置定义智能体。\n- **集成记忆**：为智能体和组件添加上下文记忆，实现连贯、具备情境感知能力的交互。记忆节点在组件中声明，并自动提供给智能体使用。\n- **角色设定**：利用角色 YAML 文件配置智能体的身份、风格和背景信息。\n- **动态提示模板**：使用可根据不同情境和记忆内容自适应的灵活提示模板。\n- **模型无关性**：可根据需求为不同智能体选用不同的大语言模型。\n- **实时提示编辑**：无需重启系统即可实时修改提示。\n- **OpenAI、Google 和 Anthropic API 支持**：与主流大语言模型 API 集成。\n- **开源模型支持**：通过 [Ollama](https:\u002F\u002Follama.com) 和 [LMStudio](https:\u002F\u002Flmstudio.ai) 利用本地模型。\n\n> **注意**：从本版本开始，动作和工具已被弃用，未来版本将采用基于 MCP 标准的新系统替代。\n\n---\n\n## 文档\n\n全面的文档可以帮助您快速上手并深入学习：\n\n### **入门指南**\n\n- **[安装指南](docs\u002Fguides\u002Finstallation_guide.md)**：逐步指导您安装 **AgentForge**。\n- **[使用 AgentForge](docs\u002Fguides\u002Fusing_agentforge.md)**：通过示例学习如何运行智能体、创建自定义智能体以及构建认知架构。\n- **[先决条件指南](docs\u002Fguides\u002Fprerequisites_guide.md)**：详细说明所有安装前的要求和依赖项。\n- **[故障排除指南](docs\u002Fguides\u002Ftroubleshooting_guide.md)**：提供常见问题及特定平台问题的解决方案。\n\n### **核心概念**\n\n- **[智能体](docs\u002Fagents\u002Fagents.md)**：创建并定制用于各种任务的单个 AI 智能体。\n- **[组件](docs\u002Fcogs\u002Fcogs.md)**：使用 YAML 配置设计具有分支逻辑和记忆的多智能体工作流。组件是 AgentForge 中构建和运行多智能体系统的主要方式。\n- **[记忆](docs\u002Fmemory\u002Fmemory.md)**：为您的智能体和组件添加上下文记忆，以实现更连贯、更具情境感知能力的交互。记忆以声明式方式在组件中管理，并可在智能体提示中访问。\n- **[API 集成](docs\u002Fapis\u002Fapis.md)**：了解 **AgentForge** 如何与各类大型语言模型 API 连接。\n- **[角色设定](docs\u002Fpersonas\u002Fpersonas.md)**：使用角色设定封装智能体的身份、风格和可重用知识。\n- **[设置](docs\u002Fsettings\u002Fsettings.md)**：配置模型、存储和系统行为。\n- **[存储](docs\u002Fstorage\u002Fchroma_storage.md)**：**AgentForge** 使用 ChromaDB 作为其向量存储实现来管理记忆。\n- **[工具与动作](docs\u002Ftools_and_actions\u002Foverview.md)**：*已弃用*——将在未来版本中被基于 MCP 的系统取代。\n- **[实用工具](docs\u002Futils\u002Futils_overview.md)**：探索增强系统功能的实用函数和工具。\n\n---\n\n## 贡献\n\n我们欢迎包含改进或错误修复的问题和拉取请求！\n\n### 特别说明\n我们正在寻找一位对开源充满热情的 UI\u002FUX 合作者，协助我们为 **AgentForge** 开发前端界面。需要明确的是，这不是一份有偿职位或正式工作；我们只是两位后端开发者，希望与有兴趣贡献前端技能的人合作，共同为项目付出努力并相互学习。如果您有意参与合作，请参阅下方的 [联系我们](#contact-us)。\n\n---\n\n## 联系我们\n\n- **邮箱**：contact@agentforge.net\n- **Discord**：加入我们的 [Discord 服务器](https:\u002F\u002Fdiscord.gg\u002FttpXHUtCW6)\n\n---\n\n## 许可证\n\n本项目采用 **GNU 通用公共许可证 v3.0** 许可。更多详情请参阅 [LICENSE](LICENSE)。","# AgentForge 快速上手指南\n\nAgentForge 是一个低代码框架，旨在快速开发、测试和迭代 AI 驱动的自主代理（Agents）及认知架构。它支持通过 YAML 文件声明式地编排多代理工作流，并兼容 OpenAI、Google Gemini、Anthropic Claude 以及本地模型（Ollama\u002FLMStudio）。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：Linux、macOS 或 Windows\n*   **Python 版本**：必须为 **Python 3.11**\n*   **包管理工具**：pip (通常随 Python 安装)\n*   **API 密钥**：根据您选择的模型提供商（如 OpenAI, Anthropic 等），需提前准备好对应的 API Key。若使用本地模型，请先安装并运行 [Ollama](https:\u002F\u002Follama.com) 或 [LMStudio](https:\u002F\u002Flmstudio.ai)。\n\n> **提示**：国内开发者建议使用国内镜像源加速 Python 包下载，例如清华源或阿里源。\n\n## 安装步骤\n\n### 1. 创建虚拟环境（推荐）\n为避免依赖冲突，建议先创建一个独立的虚拟环境：\n\n```bash\npython3.11 -m venv agentforge-env\nsource agentforge-env\u002Fbin\u002Factivate  # Linux\u002FmacOS\n# agentforge-env\\Scripts\\activate   # Windows\n```\n\n### 2. 安装 AgentForge\n使用 pip 进行安装。国内用户可添加 `-i` 参数指定镜像源以加快下载速度：\n\n```bash\n# 使用默认源\npip install agentforge\n\n# 或使用清华大学镜像源（推荐国内用户）\npip install agentforge -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n### 3. 验证安装\n安装完成后，检查版本以确保安装成功：\n\n```bash\npython -c \"import agentforge; print(agentforge.__version__)\"\n```\n\n## 基本使用\n\nAgentForge 的核心在于通过 YAML 配置文件定义代理（Agents）、角色（Personas）和认知模块（Cogs）。以下是一个最简化的使用流程示例。\n\n### 1. 配置项目结构\n在项目根目录下，通常需要建立以下目录结构来存放配置文件：\n```text\nmy_project\u002F\n├── agents\u002F       # 存放代理配置\n├── personas\u002F     # 存放角色设定\n├── cogs\u002F         # 存放工作流编排\n└── settings.yaml # 全局设置（配置 API Key 和模型）\n```\n\n### 2. 配置全局设置 (`settings.yaml`)\n编辑 `settings.yaml` 文件，配置您的 LLM 提供商和 API 密钥：\n\n```yaml\nllm:\n  default_provider: openai  # 可选：openai, anthropic, google, ollama\n  api_key: \"sk-your-api-key-here\"\n  \n# 如果使用本地 Ollama 模型\n# llm:\n#   default_provider: ollama\n#   model_name: llama3\n```\n\n### 3. 定义一个简单代理 (`agents\u002Fsimple_agent.yaml`)\n创建一个简单的代理配置文件，定义其提示词模板：\n\n```yaml\nname: SimpleAssistant\ndescription: A basic helpful assistant\nprompt_template: |\n  You are a helpful assistant named {{ persona.name }}.\n  Current context: {{ memory.context }}\n  \n  User: {{ input }}\n  Assistant:\n```\n\n### 4. 定义角色 (`personas\u002Fhelper.yaml`)\n为代理赋予特定的身份和风格：\n\n```yaml\nname: HelperBot\nstyle: Friendly and concise\nbackground: An AI assistant designed to help with coding tasks.\n```\n\n### 5. 运行代理\n配置完成后，您可以通过 Python 脚本加载并运行代理。以下是一个基础的运行示例代码：\n\n```python\nfrom agentforge.agents import Agent\nfrom agentforge.personas import Persona\nfrom agentforge.memory import Memory\n\n# 初始化组件\npersona = Persona.load(\"helper\")\nagent = Agent.load(\"simple_agent\", persona=persona)\nmemory = Memory()\n\n# 添加上下文记忆（可选）\nmemory.add_context(\"User is learning Python.\")\n\n# 运行代理\nresponse = agent.run(input=\"How do I start a list in Python?\", memory=memory)\n\nprint(response)\n```\n\n### 6. 进阶：使用 Cogs 编排工作流\n对于多代理协作，您可以使用 `Cogs`（YAML 文件）来定义复杂的分支逻辑和记忆流转，无需编写额外代码。只需在 `cogs\u002F` 目录下定义流程，然后通过框架指令执行即可实现多代理协同任务。\n\n---\n*更多详细的高级用法、自定义记忆节点及多代理编排示例，请参考官方文档中的 [Using AgentForge](docs\u002Fguides\u002Fusing_agentforge.md) 章节。*","某电商初创团队需要快速构建一套能自动处理用户投诉、分析情感并生成个性化回复的多智能体客服系统。\n\n### 没有 AgentForge 时\n- 开发人员需编写大量重复的 Python 代码来串联不同大模型，导致多智能体协作逻辑混乱且难以维护。\n- 每次切换测试不同的 LLM（如从 OpenAI 切到本地 Ollama 模型）都需要修改底层代码，调试成本极高。\n- 缺乏统一的记忆管理机制，智能体无法在长对话中记住用户的历史投诉细节，导致回复上下文断裂。\n- 调整智能体人设或提示词必须重启服务，无法实时验证优化效果，迭代周期长达数天。\n\n### 使用 AgentForge 后\n- 通过声明式 YAML 文件定义\"Cogs\"，无需编写复杂代码即可轻松编排包含情感分析、策略制定和回复生成的多智能体工作流。\n- 利用模型无关特性，在配置文件中一键为不同环节指定最佳模型（如用 Claude 做分析，用本地模型做回复），灵活适配成本与性能需求。\n- 内置集成记忆节点，自动将用户历史交互上下文注入智能体，确保多轮对话中诉求追踪准确无误。\n- 支持提示词热加载，运营人员可直接修改 YAML 中的人设模板并即时生效，将策略迭代时间从几天缩短至几分钟。\n\nAgentForge 通过低代码配置和模块化架构，让团队能以最小开发代价快速落地具备长期记忆和复杂协作能力的生产级智能体系统。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDataBassGit_AgentForge_9004637b.jpg","DataBassGit",null,"https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FDataBassGit_31112db9.jpg","USA","JohnSmith4Reel","https:\u002F\u002Fgithub.com\u002FDataBassGit",[79,83],{"name":80,"color":81,"percentage":82},"Python","#3572A5",96.4,{"name":84,"color":85,"percentage":86},"HTML","#e34c26",3.6,774,153,"2026-04-08T17:14:53","GPL-3.0","未说明","非必需。支持通过 Ollama 或 LMStudio 运行本地模型（隐含需根据所选本地模型配置相应 GPU），也完全支持调用 OpenAI、Google Gemini、Anthropic Claude 等云端 API（无需本地 GPU）。",{"notes":94,"python":95,"dependencies":96},"该工具是一个低代码框架，核心依赖 YAML 配置文件来定义代理（Agents）、齿轮（Cogs）和记忆（Memory）。默认使用 ChromaDB 作为向量数据库存储记忆。支持多种大模型后端，既可通过 API 使用云端模型，也可通过 Ollama 或 LMStudio 连接本地开源模型。注意：当前的 Actions 和 Tools 功能已弃用，未来将替换为基于 MCP 标准的系统。官方文档提供了详细的安装和先决条件指南，建议查阅以获取特定操作系统下的具体依赖细节。","3.11",[97,98,99,100,101,102,103],"Ollama (可选，用于本地模型)","LMStudio (可选，用于本地模型)","ChromaDB (用于向量存储\u002F记忆)","PyYAML (用于配置文件)","OpenAI API 客户端","Google Generative AI 客户端","Anthropic API 客户端",[13,14,15],[106,107,108,109,110],"agent-based","agi","ai","artificial-intelligence","python","2026-03-27T02:49:30.150509","2026-04-09T10:20:59.311900",[114,119,124,129,134,139],{"id":115,"question_zh":116,"answer_zh":117,"source_url":118},26010,"重启程序时遇到 ChromaDB 报错“集合已存在（collection already exists）”怎么办？","这通常是因为程序重启后试图再次创建名为 'tasks' 的集合，而该集合在数据库中已存在。建议检查 ChromaDB 版本是否与 requirements 文件一致。如果问题依旧，可以在代码中添加 try\u002Fexcept 块来捕获异常。此外，确保在任务创建代理尝试保存任务并添加到集合时，目标类型检测逻辑正确（例如检查是否存在嵌入列表）。维护者提到后续版本已进行重大重构，建议更新到最新版本测试。","https:\u002F\u002Fgithub.com\u002FDataBassGit\u002FAgentForge\u002Fissues\u002F9",{"id":120,"question_zh":121,"answer_zh":122,"source_url":123},26011,"Anthropic Python SDK 更新导致代码过时，项目是否支持新的调用方式或替代方案？","该问题已在开发分支（dev branch）中修复，并在下一次推送中部署。关于使用 LiteLLM 等统一库的建议，维护者表示由于隐私优先策略（Privacy First），项目倾向于尽量减少依赖会与大型公司通信的第三方库。如果用户使用本地模型（如 oobabooga）和本地存储（如 Chroma），整个系统可完全本地运行，而引入额外库可能增加不可控的数据交互风险。因此，项目选择直接更新原生 SDK 而非通过中间层库。","https:\u002F\u002Fgithub.com\u002FDataBassGit\u002FAgentForge\u002Fissues\u002F61",{"id":125,"question_zh":126,"answer_zh":127,"source_url":128},26012,"CommandExecutor.execute 是否存在远程代码执行（RCE）安全漏洞？","读写执行（Read Write Execute）功能是 AgentForge 的设计意图，本身不被视为安全漏洞，类似于 Python 的 os 库。风险主要源于开发者未正确理解或滥用该功能。工具和动作默认不对所有代理开放，需开发者手动构建逻辑以部署特定用途的工具。维护者建议：如果在公共网络托管代理，务必将其容器化（containerized），并以适合公共服务的用户权限运行，以防止潜在的非预期危害。","https:\u002F\u002Fgithub.com\u002FDataBassGit\u002FAgentForge\u002Fissues\u002F116",{"id":130,"question_zh":131,"answer_zh":132,"source_url":133},26013,"Oobabooga API 更新后导致部分功能失效，如何适配新版本？","Oobabooga API 曾进行全面重构，导致旧代码不兼容。社区贡献者 Nick 的代码已合并以解决此问题。对于需要对接 Oobabooga 的用户，标准 API 目前可用，但流式传输（streaming）暂不支持。如果参考 AutoGPT 的相关 fork 进行集成，需更新 local_llm.py 中的请求逻辑，包括设置 host、prompt、max_new_tokens、temperature 等参数。建议关注项目最新提交以获取适配代码。","https:\u002F\u002Fgithub.com\u002FDataBassGit\u002FAgentForge\u002Fissues\u002F29",{"id":135,"question_zh":136,"answer_zh":137,"source_url":138},26014,"如何正确配置并连接 Oobabooga API？文档链接失效或不清晰怎么办？","项目已更新配置模板。请在 Model Settings 中将 API 和 Model 设置为：\nModelSettings:\n  API: oobabooga_api\n  Model: oobabooga\n\n操作步骤：\n1. 卸载旧版本：pip uninstall agentforge\n2. 重新安装：pip install agentforge\n3. 在项目根目录运行初始化：agentforge init\n\n此外，项目已支持 OpenAI v1.3.0。如果文档仍有缺失或不清晰之处，欢迎具体指出以便改进，目前工具使用（Tool usage）部分的文档正在完善中。","https:\u002F\u002Fgithub.com\u002FDataBassGit\u002FAgentForge\u002Fissues\u002F82",{"id":140,"question_zh":141,"answer_zh":142,"source_url":133},26015,"项目是否基于 AutoGPT？是否支持流式输出（Streaming）？","项目最初基于 BabyAGI，但目前代码已基本完全重写，不再直接使用 AutoGPT。关于流式输出，维护者明确表示当前开发重点不在实现流式 API。虽然社区有尝试实现流式功能的 PR，但尚未被合并。如果用户自行实现了流式支持，欢迎提交 PR。目前标准 API 调用可正常工作，但不包含流式特性。",[144,149,154,159,164,168,172],{"id":145,"version":146,"summary_zh":147,"released_at":148},163396,"v0.5.1","# 更新日志：v0.5.1\n\n**发布日期：** 2025年2月9日\n\n## 概述\n本次发布包含多项关键更新、错误修复和功能增强，旨在提升系统功能性和文档质量。主要变更包括对自定义 API 的支持、初始化命令的修复以及代理相关文档的更新。\n\n---\n\n## **变更记录**\n\n### **新功能**\n- **自定义 API 支持**  \n  - 新增使用自定义 API 的功能，以提升集成的灵活性。  \n  - 修复了配置文件，确保自定义 API 能够正确配置。\n\n---\n\n### **错误修复**\n- **初始化命令问题**  \n  - 修复了导致意外行为的初始化命令问题。\n\n- **配置文件修复**  \n  - 修正了与自定义 API 功能相关的配置文件问题。\n\n---\n\n### **文档更新**\n在 @anselale 的大力贡献下，所有文档都得到了大幅更新。\n\n---\n\n### **版本更新**\n- 版本号升级至 **v0.5.1**。\n\n---\n\n### 备注\n我们鼓励所有用户升级到 v0.5.1，以享受这些改进！如果您遇到任何问题或有反馈意见，请在 GitHub 上提交 issue。","2025-02-09T20:55:32",{"id":150,"version":151,"summary_zh":152,"released_at":153},163397,"v0.5.0","\r\n\r\n\r\n\r\n\r\n\r\n\r\n\r\n\r\n\r\n# AgentForge 0.5.0 补丁说明\r\n\r\n## 概述\r\n本次发布对 **AgentForge** 进行了重大更新，包括新功能、错误修复、代码重构以及各项增强，旨在提升框架的灵活性、易用性和性能。此次更新重点在于扩展对认知架构的支持、优化存储系统、改进代理自定义能力，并增强 API 集成。\n\n---\r\n\r\n## **新功能**\r\n### 1. **初始化时的代理命名**\r\n- 现在可以在代理初始化时为其指定自定义名称，从而在多代理环境中更好地组织和管理代理。\n\n### 2. **Gemini Vision 集成**\r\n- 新增对 Gemini Vision API 的支持，使代理能够处理视觉输入，以应对更复杂的使用场景。\n\n### 3. **调试模式**\r\n- 引入调试模式，便于开发过程中快速定位和解决问题。\n\n### 4. **代理中的图像处理**\r\n- 代理现在可以处理基于图像的输入，从而在认知任务中实现更广泛的功能。\n\n---\r\n\r\n## **增强功能**\r\n### 1. **重构的认知架构**\r\n- 在认知架构逻辑的重构方面取得了显著进展，提升了模块化程度和可扩展性。\r\n- 开始为更高级的多代理交互奠定基础。\n\n### 2. **Config 类更新**\r\n- `Config` 类现支持指定根路径，从而在文件管理方面提供了更大的灵活性。\n- 重新设计了配置文件（`system.yaml` 和模型设置），以更好地兼容 Python 3.13。\n\n### 3. **Discord 客户端更新**\r\n- 重构了 Discord 客户端逻辑，以提高性能并优化日志记录。\n- 移除了遗留的 Discord 客户端代码，简化了系统结构。\n\n### 4. **改进的日志记录**\r\n- 在多个组件中增强了日志记录功能，包括 Discord 集成和 ChromaDB 操作。\n- 增加了针对存储系统和 API 交互的详细日志，便于调试。\n\n---\r\n\r\n## **错误修复**\r\n### 1. **解析工具**\r\n- 修复了解析工具文档中的拼写错误。\n- 解决了解析处理器在特定操作中引发错误的问题。\n\n### 2. **配置文件问题**\r\n- 修复了一个导致无法正确更新 `system.yaml` 文件的 bug。\n- 纠正了配置文件中与 Unix 时间戳相关的路径问题。\n\n### 3. **动作相关问题**\r\n- 解决了一个影响代理在运行时执行动作的 bug。\n\n---\r\n\r\n## **代码重构与清理**\r\n\r\n### 1. **代码清理**\r\n- 删除了之前重构遗留下来的过时文件和冗余测试脚本。\n- 对认知架构相关的代码库进行了首次清理。\n- 将 ChromaUtils 移至 agentforge.storage.chroma_storage.py，并将其类名改为 ChromaStorage。\n\n---\r\n\r\n## **API 更新**\r\n### 1. **重写的 APIs**\r\n- 更新了 APIs，使其与配置文件的变化保持一致，确保与新配置的兼容性。\n\n### 2. **工具文档更新**\r\n- 优化了工具文档，使其更加清晰易懂，方便用户创建自定义工具或动作。","2025-02-04T16:06:11",{"id":155,"version":156,"summary_zh":157,"released_at":158},163398,"v0.4.0","## AgentForge 0.4.0（2024年10月7日）\n\n### 新特性\n- 实现了提示词处理 2.0（[@anselale]）\n\n### 改进\n- 更新了 Ollama API 的实现（[@DataBassGit]）\n- 重构并移除了已弃用的代码（[@anselale]）\n\n### 文档\n- 更新了提示词处理 2.0 的文档（[@anselale]）\n- 修复了文档中的拼写错误（[@DataBassGit]）\n\n### 维护\n- 更新了依赖项（[@DataBassGit]）\n\n\n\n本次发布带来了提示词处理能力的重大提升、Ollama API 实现的更新以及常规的代码维护工作。同时，我们也确保文档与这些变更保持同步。\n\n\n\n## AgentForge 0.3.0\n\n### 新特性\n- 增加了 Groq 支持\n- 为 Discord 客户端实现了线程支持\n- 添加了 Brave Search API 工具\n- 引入了重排序功能\n- 增加了图像转文本工具（OCR）\n\n### 改进\n- 针对 Dignity 更新了所有工具和提示词\n- 重新设计了 Actions 和 Tools 的数据库结构\n- 为 Discord 客户端增加了分块处理支持\n\n### 重构\n- 将 Actions 中的方法迁移到 ToolUtils\n\n### 文档\n- 更新了文档\n\n### 其他变更\n- 在 OpenRouter 中添加了 AgentForge 标题\n\n### 贡献者\n- [@anselale]\n- [@DataBassGit]\n\n本次发布引入了多项新功能，包括 Groq 支持、Discord 线程支持以及用于搜索和图像处理的新工具。此外，我们还对数据库结构和客户端功能进行了显著改进。文档也已更新，以反映这些变化。\n\n感谢所有为本次发布做出贡献的开发者！","2024-10-08T01:31:27",{"id":160,"version":161,"summary_zh":162,"released_at":163},163399,"v0.2.11","## 变更内容\n* v0.1.36 - @DataBassGit 在 https:\u002F\u002Fgithub.com\u002FDataBassGit\u002FAgentForge\u002Fpull\u002F91 中添加了 Gemini 支持\n* @DataBassGit 在 https:\u002F\u002Fgithub.com\u002FDataBassGit\u002FAgentForge\u002Fpull\u002F93 中实现了重定向功能\n* v0.2.0 - @DataBassGit 在 https:\u002F\u002Fgithub.com\u002FDataBassGit\u002FAgentForge\u002Fpull\u002F94 中发布\n* AgentForge 稳定版 v0.2.9 - @DataBassGit 在 https:\u002F\u002Fgithub.com\u002FDataBassGit\u002FAgentForge\u002Fpull\u002F97 中发布\n* 版本 0.2.11 - @DataBassGit 在 https:\u002F\u002Fgithub.com\u002FDataBassGit\u002FAgentForge\u002Fpull\u002F98 中发布\n\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002FDataBassGit\u002FAgentForge\u002Fcompare\u002Fv0.1.34...v0.2.11","2024-04-02T01:03:13",{"id":165,"version":166,"summary_zh":73,"released_at":167},163400,"v0.1.34","2023-11-16T16:08:31",{"id":169,"version":170,"summary_zh":73,"released_at":171},163401,"v0.1.11","2023-09-18T17:02:50",{"id":173,"version":174,"summary_zh":175,"released_at":176},163402,"alpha","最有价值球员","2023-08-09T19:06:44"]