[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-MiroMindAI--MiroFlow":3,"tool-MiroMindAI--MiroFlow":62},[4,18,26,36,46,54],{"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",160784,2,"2026-04-19T11:32:54",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":42,"last_commit_at":43,"category_tags":44,"status":17},8272,"opencode","anomalyco\u002Fopencode","OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。\n\n这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。\n\n在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信",144296,1,"2026-04-16T14:50:03",[13,45],"插件",{"id":47,"name":48,"github_repo":49,"description_zh":50,"stars":51,"difficulty_score":32,"last_commit_at":52,"category_tags":53,"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。",109154,"2026-04-18T11:18:24",[14,15,13],{"id":55,"name":56,"github_repo":57,"description_zh":58,"stars":59,"difficulty_score":32,"last_commit_at":60,"category_tags":61,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[45,13,15,14],{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":77,"owner_email":78,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":106,"forks":107,"last_commit_at":108,"license":109,"difficulty_score":32,"env_os":110,"env_gpu":111,"env_ram":110,"env_deps":112,"category_tags":120,"github_topics":122,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":134,"updated_at":135,"faqs":136,"releases":167},9677,"MiroMindAI\u002FMiroFlow","MiroFlow","🏆 Top-1 on 5+ benchmarks | Web UI | Supports MiroThinker, Claude, Kimi, OpenAI","MiroFlow 是一款开源的智能体框架，旨在通过优化的执行策略显著提升各类大语言模型的任务处理能力。它解决了不同模型在复杂任务中表现不稳定、难以公平对比以及工作流编排复杂的痛点。无论是 GPT-5、Claude、Kimi 还是 MiroThinker，用户只需简单配置即可接入，让同一套工具和环境发挥出更佳的推理与执行效果。\n\n该工具特别适合 AI 研究人员、开发者及需要评估模型性能的技术团队使用。其核心亮点在于“模型无关”的高性能架构，支持智能回滚、迭代推理和自动化工具编排，确保在 FutureX、GAIA 等九个权威基准测试中取得可复现的顶尖成绩。MiroFlow 提供了基于 FastAPI 和 React 的友好 Web 界面，支持通过 YAML 文件一键切换模型，并允许用户通过定义技能文件（SKILL.md）和构建分层智能体图谱来灵活定制多智能体工作流，无需修改底层代码。凭借标准化的评估体系和自动化多轮测试功能，MiroFlow 让模型能力的验证变得科学、透明且高效。","\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMiroMindAI_MiroFlow_readme_bf2ee95021ba.png\" width=\"45%\" alt=\"MiroMind\" \u002F>\n\n  \u003Ch3>Performance-First Agent Framework That Makes Any Model Better\u003C\u002Fh3>\n\n[![DEMO](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDemo-FFB300?style=for-the-badge&logo=airplayvideo&logoColor=white)](https:\u002F\u002Fdr.miromind.ai\u002F)\n[![MODELS](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FModels-5EDDD2?style=for-the-badge&logo=huggingface&logoColor=ffffff&labelColor)](https:\u002F\u002Fhuggingface.co\u002Fmiromind-ai)\n[![DOCS](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDocs-8CA1AF?style=for-the-badge&logo=readthedocs&logoColor=white)](https:\u002F\u002Fmiromindai.github.io\u002FMiroFlow\u002F)\n[![WEBSITE](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FWebsite-4285F4?style=for-the-badge&logo=google-chrome&logoColor=white)](https:\u002F\u002Fmiromind.ai)\n[![DISCORD](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDiscord-5865F2?style=for-the-badge&logo=discord&logoColor=white)](https:\u002F\u002Fdiscord.com\u002Finvite\u002FGPqEnkzQZd)\n[![RedNote](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FRedNote-FF2442?style=for-the-badge&logo=revoltdotchat&logoColor=white)](https:\u002F\u002Fwww.xiaohongshu.com\u002Fuser\u002Fprofile\u002F663098830000000003033edc)\n\n\u003C\u002Fdiv>\n\n\u003Cdiv align=\"center\">\n\u003Cstrong>MiroFlow\u003C\u002Fstrong> is the open-source agent framework that maximizes any model's agent performance — and proves it across 9+ benchmarks with reproducible results.\u003Cbr>\nPlug in GPT-5, Claude, \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FMiroMindAI\u002Fmirothinker\">MiroThinker\u003C\u002Fa>, Kimi, DeepSeek, \u003Ca href=\"https:\u002F\u002Fplatform.minimax.io\">MiniMax\u003C\u002Fa>, or any OpenAI-compatible model. Same tools. Same environment. Better results.\n\u003C\u002Fdiv>\n\n\u003Cbr>\n\n\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMiroMindAI_MiroFlow_readme_7e83b64fffed.jpg\" width=\"100%\" alt=\"FutureX Benchmark Results\" \u002F>\n\u003C\u002Fdiv>\n\n---\n\n## 📰 News\n\n- **[2026-03]**: **MiroFlow 1.7 + MiroThinker 1.7**: Major release with Web Application interface (FastAPI + React), comprehensive verifier system for benchmark evaluation, and expanded LLM support including Kimi K2.5 and GPT-5.\n\n\u003Cdetails>\n\u003Csummary>\u003Cstrong>Previous Updates\u003C\u002Fstrong>\u003C\u002Fsummary>\n\n- **[2025-09-15]**: **MiroFlow v0.3**: Enhanced codebase architecture and significantly improved benchmark performance, boosting GPT-5's prediction accuracy for future events by 11%. MiroFlow now ranks #1 in the future prediction benchmark. See [FutureX](https:\u002F\u002Ffuturex-ai.github.io\u002F).\n- **[2025-08-27]**: **MiroFlow v0.2**: Achieves state-of-the-art performance across [multiple agentic benchmarks](https:\u002F\u002Fmiromind.ai), including HLE (27.2%), HLE-Text-Only (29.5%), BrowserComp-EN (33.2%), BrowserComp-ZH (47.1%), and xBench-DeepSearch (72.0%).\n- **[2025-08-26]**: Released GAIA Validation Trace (73.94% pass@1) and [Gradio Demo](https:\u002F\u002Fgithub.com\u002FMiroMindAI\u002FMiroThinker\u002Ftree\u002Fmain\u002Fapps\u002Fgradio-demo) for local deployment.\n- **[2025-08-08]**: **MiroFlow v0.1**: Complete open-source release of the research agent framework.\n\n\u003C\u002Fdetails>\n\n---\n\n## Architecture\n\n\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMiroMindAI_MiroFlow_readme_28de44fb392a.png\" width=\"100%\" alt=\"MiroFlow Architecture\" \u002F>\n\u003C\u002Fdiv>\n\n---\n\n## Why MiroFlow\n\n### Make Any Model Better\n- **Model-Agnostic Performance**: Plug in any LLM — GPT-5, Claude, MiroThinker, Kimi K2.5, DeepSeek, MiniMax — and get better agent performance through smart rollback, iterative reasoning, and optimized tool orchestration.\n- **Comprehensive Benchmarking**: Supports 9+ benchmarks including FutureX, GAIA, HLE, xBench-DeepSearch, BrowseComp, and more.\n- **One-Line Model Switching**: Change `provider_class` and `model_name` in YAML. Same tools, same prompts, same environment.\n\n### Prove It\n- **Standardized Evaluation**: Fair model comparison with identical infrastructure. The framework is the constant; the model is the variable.\n- **Automated Multi-Run Evaluation**: Parallel runs with statistical aggregation (mean, std dev, min\u002Fmax). Every result reproducible from config to score.\n\n### Build With It\n- **Skill System**: Define agent skills via `SKILL.md` — no code changes needed.\n- **Agent Graph**: Compose multi-agent workflows with hierarchical graphs.\n- **Web Application**: FastAPI + React interface out of the box.\n- **Plugin Architecture**: `@register` decorator — extend without touching core code.\n- **Zero-Code Prompts**: YAML + Jinja2 templates.\n- **Cost-Effective**: Single RTX 4090 with open-source [MiroThinker](https:\u002F\u002Fgithub.com\u002FMiroMindAI\u002Fmirothinker).\n\n---\n\n## Any Model, Better Results\n\nBenchmark results will be updated after comprehensive testing with v1.7. See the full [Model Comparison](https:\u002F\u002Fmiromindai.github.io\u002Fmiroflow\u002Fmodel_comparison\u002F) for details.\n\nFollow our detailed guides to reproduce any result in our [Benchmarks Documentation](https:\u002F\u002Fmiromindai.github.io\u002Fmiroflow\u002Fevaluation_overview\u002F).\n\n---\n\n## Quick Start\n\n```bash\n# 1. Clone and setup\ngit clone https:\u002F\u002Fgithub.com\u002FMiroMindAI\u002Fmiroflow && cd miroflow\nuv sync\n\n# 2. Configure API keys (only OPENAI_API_KEY is required for this example)\ncp .env.template .env\n# Edit .env and set OPENAI_API_KEY (used by GPT-5 in the default quickstart config)\n\n# 3. Run your first task\nbash scripts\u002Ftest_single_task.sh \\\n  --config config\u002Fagent_quickstart.yaml \\\n  --task-question \"What is the first country listed in the XLSX file that have names starting with Co?\" \\\n  --file-path data\u002FFSI-2023-DOWNLOAD.xlsx\n```\n\nExpected output: `\\boxed{Congo Democratic Republic}`\n\n**Switch models in one line** — same tools, same prompts, different LLM:\n\n```yaml\n# GPT-5\nllm:\n  provider_class: GPT5OpenAIClient\n  model_name: gpt-5\n\n# Claude 3.7 Sonnet\nllm:\n  provider_class: ClaudeAnthropicClient\n  model_name: claude-3-7-sonnet-20250219\n\n# MiroThinker (open-source, self-hosted)\nllm:\n  provider_class: MiroThinkerSGLangClient\n  model_name: mirothinker-v1.5\n\n# MiniMax M2.7\nllm:\n  provider_class: MiniMaxClient\n  model_name: MiniMax-M2.7\n```\n\nSee [full documentation](https:\u002F\u002Fmiromindai.github.io\u002Fmiroflow\u002Fquickstart\u002F) for web app setup, more examples, and configuration options.\n\n---\n\n## References\n\nIf you find our work helpful, please consider citing:\n\n**MiroThinker** (Model & Method)\n```bibtex\n@article{miromind2025mirothinker,\n  title={MiroThinker: Pushing the Performance Boundaries of Open-Source Research Agents via Model, Context, and Interactive Scaling},\n  author={MiroMind Team and Bai, Song and Bing, Lidong and Chen, Carson and Chen, Guanzheng and Chen, Yuntao and Chen, Zhe and Chen, Ziyi and Dong, Xuan and others},\n  journal={arXiv preprint arXiv:2511.11793},\n  year={2025}\n}\n```\n\n**MiroFlow** (Framework)\n```bibtex\n@article{miromind2026miroflow,\n  title={MiroFlow: Towards High-Performance and Robust Open-Source Agent Framework for General Deep Research Tasks},\n  author={Su, Shiqian and Xing, Sen and Dong, Xuan and Zhong, Muyan and Wang, Bin and Zhu, Xizhou and Chen, Yuntao and Wang, Wenhai and Deng, Yue and Zhu, Pengxiang and others},\n  journal={arXiv preprint arXiv:2602.22808},\n  year={2026}\n}\n```\n\n---\n\n\u003Cdiv align=\"center\">\n\n\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FMiroMindAI\u002Fmiroflow\u002Fgraphs\u002Fcontributors\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMiroMindAI_MiroFlow_readme_e333f8889865.png\" \u002F>\n\u003C\u002Fa>\n\n**Contributing**: [Issues](https:\u002F\u002Fgithub.com\u002FMiroMindAI\u002Fmiroflow\u002Fissues) · [Pull Requests](https:\u002F\u002Fgithub.com\u002FMiroMindAI\u002Fmiroflow\u002Fpulls) · [Discord](https:\u002F\u002Fdiscord.com\u002Finvite\u002FGPqEnkzQZd)\n\n**License**: Apache 2.0\n\n\u003C\u002Fdiv>\n","\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMiroMindAI_MiroFlow_readme_bf2ee95021ba.png\" width=\"45%\" alt=\"MiroMind\" \u002F>\n\n  \u003Ch3>以性能为先的智能体框架，让任何模型更出色\u003C\u002Fh3>\n\n[![DEMO](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDemo-FFB300?style=for-the-badge&logo=airplayvideo&logoColor=white)](https:\u002F\u002Fdr.miromind.ai\u002F)\n[![MODELS](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FModels-5EDDD2?style=for-the-badge&logo=huggingface&logoColor=ffffff&labelColor)](https:\u002F\u002Fhuggingface.co\u002Fmiromind-ai)\n[![DOCS](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDocs-8CA1AF?style=for-the-badge&logo=readthedocs&logoColor=white)](https:\u002F\u002Fmiromindai.github.io\u002FMiroFlow\u002F)\n[![WEBSITE](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FWebsite-4285F4?style=for-the-badge&logo=google-chrome&logoColor=white)](https:\u002F\u002Fmiromind.ai)\n[![DISCORD](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDiscord-5865F2?style=for-the-badge&logo=discord&logoColor=white)](https:\u002F\u002Fdiscord.com\u002Finvite\u002FGPqEnkzQZd)\n[![RedNote](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FRedNote-FF2442?style=for-the-badge&logo=revoltdotchat&logoColor=white)](https:\u002F\u002Fwww.xiaohongshu.com\u002Fuser\u002Fprofile\u002F663098830000000003033edc)\n\n\u003C\u002Fdiv>\n\n\u003Cdiv align=\"center\">\n\u003Cstrong>MiroFlow\u003C\u002Fstrong> 是一款开源的智能体框架，能够最大化任何模型的智能体性能，并在9个以上的基准测试中以可复现的结果加以证明。\u003Cbr>\n只需接入 GPT-5、Claude、\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FMiroMindAI\u002Fmirothinker\">MiroThinker\u003C\u002Fa>、Kimi、DeepSeek、\u003Ca href=\"https:\u002F\u002Fplatform.minimax.io\">MiniMax\u003C\u002Fa> 或其他兼容 OpenAI 的模型即可。相同的工具、相同的环境，却能带来更优的结果。\n\u003C\u002Fdiv>\n\n\u003Cbr>\n\n\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMiroMindAI_MiroFlow_readme_7e83b64fffed.jpg\" width=\"100%\" alt=\"FutureX 基准测试结果\" \u002F>\n\u003C\u002Fdiv>\n\n---\n\n## 📰 新闻\n\n- **[2026-03]**: **MiroFlow 1.7 + MiroThinker 1.7**: 重大版本发布，新增 Web 应用程序界面（FastAPI + React）、用于基准评估的全面验证系统，并扩展了对 LLM 的支持，包括 Kimi K2.5 和 GPT-5。\n  \n\u003Cdetails>\n\u003Csummary>\u003Cstrong>往期更新\u003C\u002Fstrong>\u003C\u002Fsummary>\n\n- **[2025-09-15]**: **MiroFlow v0.3**: 优化了代码库架构，显著提升了基准测试表现，使 GPT-5 对未来事件的预测准确率提高了 11%。MiroFlow 现已在未来预测基准测试中位居第一。详情请参阅 [FutureX](https:\u002F\u002Ffuturex-ai.github.io\u002F)。\n- **[2025-08-27]**: **MiroFlow v0.2**: 在多个智能体基准测试中达到最先进水平，包括 HLE（27.2%）、HLE-纯文本（29.5%）、BrowserComp-EN（33.2%）、BrowserComp-ZH（47.1%）以及 xBench-DeepSearch（72.0%）。\n- **[2025-08-26]**: 发布 GAIA 验证轨迹（73.94% pass@1）和用于本地部署的 [Gradio 演示](https:\u002F\u002Fgithub.com\u002FMiroMindAI\u002FMiroThinker\u002Ftree\u002Fmain\u002Fapps\u002Fgradio-demo)。\n- **[2025-08-08]**: **MiroFlow v0.1**: 完整开源发布研究型智能体框架。\n\n\u003C\u002Fdetails>\n\n---\n\n## 架构\n\n\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMiroMindAI_MiroFlow_readme_28de44fb392a.png\" width=\"100%\" alt=\"MiroFlow 架构\" \u002F>\n\u003C\u002Fdiv>\n\n---\n\n## 为什么选择 MiroFlow\n\n### 让任何模型更出色\n- **模型无关的性能**：无论接入 GPT-5、Claude、MiroThinker、Kimi K2.5、DeepSeek、MiniMax 等任何 LLM，都能通过智能回滚、迭代推理和优化的工具编排，获得更优的智能体性能。\n- **全面的基准测试支持**：支持 FutureX、GAIA、HLE、xBench-DeepSearch、BrowseComp 等9个以上的基准测试。\n- **一行代码切换模型**：只需修改 YAML 文件中的 `provider_class` 和 `model_name` 即可。相同的工具、相同的提示、相同的环境。\n\n### 证明其价值\n- **标准化评估**：采用完全一致的基础设施进行公平的模型对比。框架保持不变，变化的只是模型本身。\n- **自动化多轮评估**：并行运行并进行统计汇总（均值、标准差、最小值\u002F最大值）。从配置到评分，所有结果均可复现。\n\n### 使用它构建\n- **技能系统**：通过 `SKILL.md` 定义智能体技能，无需修改代码。\n- **智能体图谱**：利用层次化图谱构建多智能体工作流。\n- **Web 应用程序**：开箱即用的 FastAPI + React 界面。\n- **插件架构**：使用 `@register` 装饰器扩展功能，无需触及核心代码。\n- **零代码提示**：基于 YAML 和 Jinja2 模板。\n- **高性价比**：仅需一张 RTX 4090 显卡，配合开源的 [MiroThinker](https:\u002F\u002Fgithub.com\u002FMiroMindAI\u002Fmirothinker) 即可运行。\n\n---\n\n## 任何模型，更优结果\n\nv1.7 全面测试后的基准测试结果将随后更新。详细信息请参阅完整的 [模型对比](https:\u002F\u002Fmiromindai.github.io\u002Fmiroflow\u002Fmodel_comparison\u002F)。\n\n请按照我们的详细指南，在 [基准测试文档](https:\u002F\u002Fmiromindai.github.io\u002Fmiroflow\u002Fevaluation_overview\u002F) 中复现任意结果。\n\n---\n\n## 快速入门\n\n```bash\n# 1. 克隆并设置\ngit clone https:\u002F\u002Fgithub.com\u002FMiroMindAI\u002Fmiroflow && cd miroflow\nuv sync\n\n# 2. 配置 API 密钥（本示例仅需 OPENAI_API_KEY）\ncp .env.template .env\n# 编辑 .env 并设置 OPENAI_API_KEY（默认快速入门配置中由 GPT-5 使用）\n\n# 3. 运行你的第一个任务\nbash scripts\u002Ftest_single_task.sh \\\n  --config config\u002Fagent_quickstart.yaml \\\n  --task-question \"Excel 文件中第一个名字以 'Co' 开头的国家是哪个？\" \\\n  --file-path data\u002FFSI-2023-DOWNLOAD.xlsx\n```\n\n预期输出：`\\boxed{刚果民主共和国}`\n\n**只需一行代码即可切换模型**——使用相同的工具和提示，更换不同的 LLM：\n\n```yaml\n# GPT-5\nllm:\n  provider_class: GPT5OpenAIClient\n  model_name: gpt-5\n\n# Claude 3.7 Sonnet\nllm:\n  provider_class: ClaudeAnthropicClient\n  model_name: claude-3-7-sonnet-20250219\n\n# MiroThinker（开源，自托管）\nllm:\n  provider_class: MiroThinkerSGLangClient\n  model_name: mirothinker-v1.5\n\n# MiniMax M2.7\nllm:\n  provider_class: MiniMaxClient\n  model_name: MiniMax-M2.7\n```\n\n更多关于 Web 应用程序设置、示例及配置选项，请参阅 [完整文档](https:\u002F\u002Fmiromindai.github.io\u002Fmiroflow\u002Fquickstart\u002F)。\n\n---\n\n## 参考文献\n\n如果您觉得我们的工作有所帮助，请考虑引用以下内容：\n\n**MiroThinker**（模型与方法）\n```bibtex\n@article{miromind2025mirothinker,\n  title={MiroThinker：通过模型、上下文和交互式扩展突破开源研究智能体的性能边界},\n  author={MiroMind团队及白松、 Bing Lidong、陈卡森、陈冠政、陈云涛、陈哲、陈子怡、董轩等},\n  journal={arXiv预印本 arXiv:2511.11793},\n  year={2025}\n}\n```\n\n**MiroFlow**（框架）\n```bibtex\n@article{miromind2026miroflow,\n  title={MiroFlow：面向通用深度研究任务的高性能、鲁棒开源智能体框架},\n  author={苏世谦、邢森、董轩、钟牧言、王斌、朱熙周、陈云涛、王文海、邓悦、朱鹏翔等},\n  journal={arXiv预印本 arXiv:2602.22808},\n  year={2026}\n}\n```\n\n---\n\n\u003Cdiv align=\"center\">\n\n\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FMiroMindAI\u002Fmiroflow\u002Fgraphs\u002Fcontributors\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMiroMindAI_MiroFlow_readme_e333f8889865.png\" \u002F>\n\u003C\u002Fa>\n\n**贡献方式**：[问题](https:\u002F\u002Fgithub.com\u002FMiroMindAI\u002Fmiroflow\u002Fissues) · [拉取请求](https:\u002F\u002Fgithub.com\u002FMiroMindAI\u002Fmiroflow\u002Fpulls) · [Discord](https:\u002F\u002Fdiscord.com\u002Finvite\u002FGPqEnkzQZd)\n\n**许可证**：Apache 2.0\n\n\u003C\u002Fdiv>","# MiroFlow 快速上手指南\n\nMiroFlow 是一个以性能为核心的开源 Agent 框架，旨在通过智能回滚、迭代推理和优化的工具编排，最大化任何大语言模型（如 GPT-5, Claude, Kimi, DeepSeek, MiniMax 等）的代理能力。\n\n## 1. 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 (推荐) 或 macOS。Windows 用户建议使用 WSL2。\n*   **Python 版本**: 建议 Python 3.10 或更高版本。\n*   **包管理器**: 本项目使用 `uv` 进行依赖管理，需预先安装。\n    ```bash\n    curl -LsSf https:\u002F\u002Fastral.sh\u002Fuv\u002Finstall.sh | sh\n    ```\n*   **API Key**: 准备至少一个大模型服务的 API Key（例如 OpenAI, Anthropic, 或本地部署的 MiroThinker）。\n\n> **提示**：国内开发者若访问 GitHub 或 HuggingFace 较慢，建议配置相应的网络加速工具或使用镜像源。\n\n## 2. 安装步骤\n\n克隆项目仓库并安装依赖：\n\n```bash\n# 1. 克隆代码库\ngit clone https:\u002F\u002Fgithub.com\u002FMiroMindAI\u002Fmiroflow && cd miroflow\n\n# 2. 使用 uv 同步安装依赖\nuv sync\n```\n\n## 3. 基本使用\n\n### 第一步：配置 API Key\n\n复制环境变量模板文件并编辑，填入您的 API Key。以下示例以 OpenAI 兼容接口为例（默认配置使用 GPT-5）：\n\n```bash\ncp .env.template .env\n```\n\n编辑 `.env` 文件，设置必要的密钥：\n```bash\nOPENAI_API_KEY=your_api_key_here\n# 如需使用其他模型，请参考文档添加对应 KEY，如 ANTHROPIC_API_KEY 等\n```\n\n### 第二步：运行第一个任务\n\n使用提供的脚本运行一个简单的测试任务。该任务将读取一个 Excel 文件并回答相关问题。\n\n```bash\nbash scripts\u002Ftest_single_task.sh \\\n  --config config\u002Fagent_quickstart.yaml \\\n  --task-question \"What is the first country listed in the XLSX file that have names starting with Co?\" \\\n  --file-path data\u002FFSI-2023-DOWNLOAD.xlsx\n```\n\n**预期输出**：\n```text\n\\boxed{Congo Democratic Republic}\n```\n\n### 第三步：一键切换模型\n\nMiroFlow 支持通过修改 YAML 配置文件轻松切换底层模型，无需更改代码或提示词。编辑 `config\u002Fagent_quickstart.yaml` 中的 `llm` 部分：\n\n**使用 GPT-5:**\n```yaml\nllm:\n  provider_class: GPT5OpenAIClient\n  model_name: gpt-5\n```\n\n**使用 Claude 3.7 Sonnet:**\n```yaml\nllm:\n  provider_class: ClaudeAnthropicClient\n  model_name: claude-3-7-sonnet-20250219\n```\n\n**使用开源自托管模型 (MiroThinker):**\n```yaml\nllm:\n  provider_class: MiroThinkerSGLangClient\n  model_name: mirothinker-v1.5\n```\n\n**使用 MiniMax:**\n```yaml\nllm:\n  provider_class: MiniMaxClient\n  model_name: MiniMax-M2.7\n```\n\n修改保存后，重新运行上述测试命令即可体验不同模型的效果。更多高级用法（如 Web 界面启动、多 Agent 编排）请参阅官方完整文档。","某金融科技团队需要构建一个能自动分析全球新闻、检索财报数据并预测股价走势的智能投研助手，且必须保证结论的可追溯性与高准确率。\n\n### 没有 MiroFlow 时\n- **模型切换成本极高**：每当想测试 Kimi、Claude 或 MiroThinker 哪个更适合金融推理时，都需要重写大量代码来适配不同的 API 接口和工具调用逻辑。\n- **推理过程不可控**：模型在面对复杂数据时容易产生“幻觉”，缺乏智能回滚（Smart Rollback）机制，一旦中间步骤出错，整个分析链条就会崩塌，无法自动修正。\n- **评估结果难以复现**：缺乏统一的基准测试环境，不同模型的表现受提示词微调或随机性影响大，无法通过标准化流程证明哪个模型在“未来预测”任务上真正更优。\n- **技能更新繁琐**：若要增加新的数据源（如接入最新的宏观经济数据库），往往需要修改核心代码，而非简单配置技能文件。\n\n### 使用 MiroFlow 后\n- **一键无缝切换模型**：仅需在 YAML 配置文件中修改 `provider_class` 和 `model_name`，即可在同一套工具链和环境下瞬间切换 GPT-5、Kimi K2.5 或 MiroThinker 进行对比实验。\n- **推理鲁棒性显著提升**：利用 MiroFlow 内置的迭代推理与智能回滚机制，当模型抓取数据失败或逻辑矛盾时，系统能自动重试或调整路径，将预测准确率提升了 11%。\n- **权威基准验证效果**：直接调用框架集成的 FutureX 等 9+ 权威基准测试，通过自动化多轮运行与统计聚合，用可复现的数据证明当前模型组合在金融预测上的 SOTA 性能。\n- **零代码扩展技能**：通过编辑 `SKILL.md` 文件即可定义新的投研技能（如“解析非结构化财报”），无需改动底层架构，大幅缩短了新功能的上线周期。\n\nMiroFlow 通过标准化的代理框架与智能纠错机制，让团队能以最低成本释放任意大模型的最大潜能，将不确定的实验转化为可量化的生产力和可信的决策依据。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMiroMindAI_MiroFlow_7e83b64f.jpg","MiroMindAI","MiroMind","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FMiroMindAI_396c2807.png","",null,"service@miromind.ai","miromind_ai","https:\u002F\u002Fmiromind.ai","https:\u002F\u002Fgithub.com\u002FMiroMindAI",[83,87,91,95,99,103],{"name":84,"color":85,"percentage":86},"Python","#3572A5",89.5,{"name":88,"color":89,"percentage":90},"TypeScript","#3178c6",6.2,{"name":92,"color":93,"percentage":94},"Shell","#89e051",4,{"name":96,"color":97,"percentage":98},"CSS","#663399",0.2,{"name":100,"color":101,"percentage":102},"HTML","#e34c26",0,{"name":104,"color":105,"percentage":102},"JavaScript","#f1e05a",2923,304,"2026-04-17T22:59:07","Apache-2.0","未说明","运行云端模型（如 GPT-5, Claude）时无需本地 GPU；若部署开源模型 MiroThinker，推荐单张 RTX 4090",{"notes":113,"python":114,"dependencies":115},"该框架主要设计为连接云端 API（如 OpenAI, Anthropic, MiniMax），因此大多数情况下无需本地高性能硬件。仅当使用自托管的开源模型 'MiroThinker' 时，才需要本地 GPU（文中示例为 RTX 4090）。项目使用 'uv' 进行依赖同步和管理，配置通过 YAML 文件完成，支持一键切换不同大模型提供商。","未说明 (使用 uv 管理环境)",[116,117,118,119],"FastAPI","React","Jinja2","uv",[121,13,35,14],"其他",[123,124,125,126,127,128,129,130,131,132,133],"agent-framework","agents","claude","deep-research","futurex","gaia","gpt-5","hle","research-agent","xbench","browsecomp","2026-03-27T02:49:30.150509","2026-04-20T04:04:28.390334",[137,142,147,152,157,162],{"id":138,"question_zh":139,"answer_zh":140,"source_url":141},43455,"如何配置 MiroFlow 以使用本地部署的 LLM 或第三方 API（非 Claude）运行基准测试？","MiroFlow v0.2 及以上版本支持配置自定义 LLM。如果您的模型支持 OpenAI API 格式，可以修改 `libs\u002Fmiroflow\u002Fsrc\u002Fmiroflow\u002Fprebuilt\u002Fconfig\u002Fllm` 目录下的配置文件。具体步骤：\n1. 找到对应的 YAML 配置文件（例如 `qwen3-235b-thinking.yaml`）。\n2. 修改 `openrouter_base_url` 为您的 API 地址。\n3. 修改 `openrouter_api_key` 为您的 API Key 或 Token。\n4. 在运行脚本（如 `run_evaluate_multiple_runs_gaia-validation.sh`）中，将 `AGENT_SET` 参数设置为该配置文件的名字（不含后缀）。\n注意：确保您的 API 响应格式与 OpenAI 兼容，否则可能需要调整代码适配。","https:\u002F\u002Fgithub.com\u002FMiroMindAI\u002FMiroFlow\u002Fissues\u002F21",{"id":143,"question_zh":144,"answer_zh":145,"source_url":146},43456,"在哪里可以找到 GAIA 基准测试的执行轨迹（trajectories）数据？","GAIA 的执行轨迹数据可以通过以下两种方式获取：\n1. 官方文档页面查看：https:\u002F\u002Fmiromindai.github.io\u002FMiroFlow\u002Fgaia_validation_claude37sonnet\u002F#execution-traces\n2. GitHub 仓库下载：https:\u002F\u002Fgithub.com\u002FMiroMindAI\u002FMiroFlow\u002Ftree\u002Fmain\u002Fapps\u002Fpublic-trace\u002Fgaia-validation\n如果需要解压密码，请在相关 Issue 中联系维护者获取（部分资源可能受保护）。","https:\u002F\u002Fgithub.com\u002FMiroMindAI\u002FMiroFlow\u002Fissues\u002F19",{"id":148,"question_zh":149,"answer_zh":150,"source_url":151},43457,"https:\u002F\u002Fdr.miromind.ai\u002Fchat 演示网站是基于 MiroFlow 框架实现的吗？有开源代码或 Demo 吗？","是的，该聊天演示是基于 MiroFlow 仓库实现的，但为了更好服务于用户进行了大量修改。目前团队暂无计划直接开源该演示站点的完整代码。不过，团队计划在 3 月份提供一个简化的 Demo 供社区参考和使用，请关注后续更新。","https:\u002F\u002Fgithub.com\u002FMiroMindAI\u002FMiroFlow\u002Fissues\u002F109",{"id":153,"question_zh":154,"answer_zh":155,"source_url":156},43458,"在 Windows 上运行 `prepare-benchmark` 命令时遇到 'gbk' codec UnicodeEncodeError 报错怎么办？","这是一个已知的编码问题，发生在 Windows 系统默认使用 GBK 编码而数据包含特殊字符时。该问题已在最新版本中修复。解决方案：\n1. 升级到 MiroFlow 的最新版本。\n2. 如果无法升级，可以手动修改 `utils\u002Fprepare_benchmark\u002Fmain.py` 第 177 行，在打开文件时显式指定编码为 UTF-8：`with open(ds_file, mode=\"w\", encoding=\"utf-8\") as f:`。","https:\u002F\u002Fgithub.com\u002FMiroMindAI\u002FMiroFlow\u002Fissues\u002F100",{"id":158,"question_zh":159,"answer_zh":160,"source_url":161},43459,"MiroFlow 是否支持在 FinSearchComp 基准测试上进行评估？结果如何？","团队曾在 FinSearchComp 上进行过实验并取得了良好结果。但由于自动评估设置（特别是 T1 子任务的时间敏感数据获取）维护成本较高且耗时，目前暂时不投入精力进行官方持续评估和追踪。社区用户若想评估，建议参考 Kimi K2 Thinking 的做法，仅针对不需要实时联网测试的 T3 子集进行评估，这部分最具挑战性且易于复现。","https:\u002F\u002Fgithub.com\u002FMiroMindAI\u002FMiroFlow\u002Fissues\u002F43",{"id":163,"question_zh":164,"answer_zh":165,"source_url":166},43460,"项目文档较少，如何快速上手了解框架结构和 API 用法？","团队已意识到文档不足的问题，并在近期版本中增加了更多文档。建议采取以下步骤快速上手：\n1. 访问最新版的官方文档网站（通常在 README 或官网链接中）。\n2. 查看 `apps` 目录下的示例代码和测试用例（test cases），这是理解框架运作最直接的方式。\n3. 参考 `libs\u002Fmiroflow\u002Fsrc\u002Fmiroflow\u002Fprebuilt\u002Fconfig` 中的配置文件了解参数含义。\n4. 如果遇到具体问题，欢迎提交 Issue 或查阅已关闭的 Issue 获取社区讨论的解决方案。团队正在持续改进文档以降低入门门槛。","https:\u002F\u002Fgithub.com\u002FMiroMindAI\u002FMiroFlow\u002Fissues\u002F18",[]]