notebooklm-mcp-cli
notebooklm-mcp-cli 是一个开源项目,为 Google NotebookLM 提供了命令行界面(CLI)和模型上下文协议(MCP)服务器的支持。它让用户不再局限于网页端手动操作,可以直接在终端通过脚本管理笔记、添加来源、生成音频播客甚至分享链接。这有效解决了 NotebookLM 缺乏本地 API 接口、难以融入自动化流程的痛点。
notebooklm-mcp-cli 特别适合开发者、AI 研究者以及热衷于构建个性化工作流的技术爱好者。其独特之处在于统一了 CLI 和 MCP 功能,一次安装即可同时获得两种使用方式。用户可以轻松配置它与 Claude、Cursor、Gemini 等主流 AI 客户端对接,直接用自然语言指令调用 NotebookLM 的能力,例如“创建一个关于量子计算的笔记本并生成播客”。对于希望提升 AI 协作效率、将知识库与智能助手深度整合的用户来说,notebooklm-mcp-cli 是一个实用且高效的扩展选择。
使用场景
一位数据分析师需要每周处理数十篇行业研报,将其整合进知识库并生成语音摘要供团队快速浏览。
没有 notebooklm-mcp-cli 时
- 需反复切换浏览器登录 Google NotebookLM 网页端,操作中断频繁且容易疲劳。
- 手动复制每个 PDF 或网页链接添加到源列表,极易遗漏或出现格式错误。
- 生成播客功能依赖鼠标点击,无法在后台静默运行或配合定时任务执行。
- 分享链接权限管理分散,难以与内部协作平台如 Slack 或邮件系统自动对接。
使用 notebooklm-mcp-cli 后
- 通过
nlm notebook create命令一键初始化项目结构,无需打开浏览器即可管理笔记本。 - 脚本自动遍历文档库并调用
source add批量导入资料,杜绝人为疏漏。 - 命令行触发
audio create自动生成并下载播客文件,支持后台静默运行。 - 直接通过 API 配置公开分享链接,轻松集成到团队通知系统实现自动化分发。
将碎片化的手动操作封装为标准化命令行流程,大幅提升知识复用的效率与准确性。
运行环境要求
- 未说明
未说明
未说明

快速开始
NotebookLM CLI & MCP 服务器

🎉 2026 年 1 月 — 重大更新! 本项目已完全重构,将 NotebookLM-MCP 和 NotebookLM-CLI 统一为一个强大的软件包。一次安装即可同时获得命令行界面(CLI,
nlm)和 MCP 服务器(notebooklm-mcp)。请参阅 CLI 指南 和 MCP 指南 获取完整文档。
通过命令行界面(CLI)或模型上下文协议(MCP)服务器访问 Google NotebookLM 的编程接口。
注意: 已针对专业版/免费版账户进行测试。可能适用于 NotebookLM 企业版账户,但尚未测试。
📺 观看演示视频
最新演示
| Codex 设置 + 电影级视频与幻灯片 |
|---|
![]() |
MCP 演示
| 总体概述 | Claude Desktop | Perplexity Desktop | MCP 超级助手 |
|---|---|---|---|
![]() |
![]() |
![]() |
![]() |
CLI 演示
| CLI 概述 | CLI、MCP 与技能 | 设置、诊断与 mcpb | 信息图支持 |
|---|---|---|---|
![]() |
![]() |
![]() |
![]() |
两种使用方式
🖥️ 命令行界面(CLI)
在终端中直接使用 nlm 进行脚本编写、自动化操作或交互式使用:
nlm notebook list # 列出所有笔记本
nlm notebook create "Research Project" # 创建笔记本
nlm source add <notebook> --url "https://..." # 添加源
nlm audio create <notebook> --confirm # 生成播客
nlm download audio <notebook> <artifact-id> # 下载音频文件
nlm share public <notebook> # 启用公开链接
运行 nlm --ai 以获取全面的 AI 助手文档。
🤖 MCP 服务器(用于 AI 智能体)
将 AI 助手(Claude、Gemini、Cursor 等)连接到 NotebookLM:
# 自动设置 — 为每个工具选择正确的配置
nlm setup add claude-code
nlm setup add gemini
nlm setup add cursor
nlm setup add cline
nlm setup add antigravity
# 为任何其他工具生成 JSON 配置
nlm setup add json
然后使用自然语言指令:"创建一个关于量子计算的笔记本并生成播客"
功能特性
| 功能 | CLI 命令 | MCP 工具 |
|---|---|---|
| 列出笔记本 | nlm notebook list |
notebook_list |
| 创建笔记本 | nlm notebook create |
notebook_create |
| 添加源(URL、文本、Drive、文件) | nlm source add |
source_add |
| 查询笔记本(持久化到 Web UI) | nlm notebook query |
notebook_query |
| 创建工作室内容(音频、视频等) | nlm studio create |
studio_create |
| 修订幻灯片演示文稿 | nlm slides revise |
studio_revise |
| 下载制品 | nlm download <type> |
download_artifact |
| Web/Drive 研究 | nlm research start |
research_start |
| 分享笔记本 | nlm share public/invite |
notebook_share_* |
| 同步 Drive 源 | nlm source sync |
source_sync_drive |
| 批量操作 | nlm batch query/create/delete |
batch |
| 跨笔记本查询 | nlm cross query |
cross_notebook_query |
| 管道(多步骤工作流) | nlm pipeline run/list |
pipeline |
| 标签与智能选择 | nlm tag add/list/select |
tag |
| 配置 AI 工具 | nlm setup add/remove/list |
— |
| 安装 AI 技能 | nlm skill install/update |
— |
| 诊断问题 | nlm doctor |
— |
📚 更多文档:
重要免责声明
此 MCP 和 CLI 使用的是内部 API(应用程序编程接口),这些 API:
- 未公开文档且可能在无通知的情况下更改
- 需要从浏览器中提取 Cookie(我有工具可以完成此操作!)
请自行承担风险,仅用于个人/实验目的。
安装
🆕 Claude Desktop 用户: 下载扩展(
.mcpb文件)→ 双击 → 完成!一键安装,无需配置。
从 Python 包索引(PyPI)安装。此单个软件包包含 CLI 和 MCP 服务器:
使用 uv(推荐)
uv tool install notebooklm-mcp-cli
使用 uvx(运行而不安装)
uvx --from notebooklm-mcp-cli nlm --help
uvx --from notebooklm-mcp-cli notebooklm-mcp
使用 pip
pip install notebooklm-mcp-cli
使用 pipx
pipx install notebooklm-mcp-cli
安装后,您将拥有:
nlm— 命令行界面notebooklm-mcp— 供 AI 助手使用的 MCP 服务器
备选方案:从源代码安装
# 克隆仓库
git clone https://github.com/jacob-bd/notebooklm-mcp-cli.git
cd notebooklm-mcp
# 使用 uv 安装
uv tool install .
升级
# 使用 uv
uv tool upgrade notebooklm-mcp-cli
# 使用 pip
pip install --upgrade notebooklm-mcp-cli
# 使用 pipx
pipx upgrade notebooklm-mcp-cli
升级后,重启您的 AI 工具以重新连接到更新的 MCP 服务器:
- Claude Code: 重启应用程序,或使用
/mcp重新连接 - Cursor: 重启应用程序
- Gemini CLI: 重启 CLI 会话
从旧版本升级
如果您之前安装了独立的 CLI(命令行界面)和 MCP(模型上下文协议)包,您需要迁移到统一包。
步骤 1:检查已安装的内容
uv tool list | grep notebooklm
需要移除的旧版包:
| 包名 | 原用途 |
|---|---|
notebooklm-cli |
仅 CLI 的旧包 |
notebooklm-mcp-server |
仅 MCP 的旧包 |
步骤 2:卸载旧版包
# 移除旧的 CLI 包(如果已安装)
uv tool uninstall notebooklm-cli
# 移除旧的 MCP 包(如果已安装)
uv tool uninstall notebooklm-mcp-server
步骤 3:重新安装统一包
移除旧版包后,重新安装以修复符号链接 (symlinks):
uv tool install --force notebooklm-mcp-cli
为什么使用
--force? 当多个包提供相同的可执行文件时,uv在卸载后可能会留下损坏的符号链接。--force标志确保生成干净的符号链接。
步骤 4:验证安装
uv tool list | grep notebooklm
您应该只看到:
notebooklm-mcp-cli v0.2.0
- nlm
- notebooklm-mcp
步骤 5:重新认证
您现有的 Cookie 应该仍然有效,但如果遇到认证 (auth) 问题:
nlm login
注意: MCP 服务器配置(在 Claude Code、Cursor 等中)无需更改——可执行文件名
notebooklm-mcp保持不变。
卸载
要完全移除 MCP:
# 使用 uv
uv tool uninstall notebooklm-mcp-cli
# 使用 pip
pip uninstall notebooklm-mcp-cli
# 使用 pipx
pipx uninstall notebooklm-mcp-cli
# 移除缓存的认证令牌和数据(可选)
rm -rf ~/.notebooklm-mcp-cli
同时从您的 AI 工具中移除:
nlm setup remove claude-code
nlm setup remove cursor
# ... 或任何配置的工具
认证
在使用 CLI 或 MCP 之前,您需要与 NotebookLM 进行认证:
CLI 认证(推荐)
# 自动模式:启动您的浏览器,登录后自动提取 Cookie
nlm login
# 检查是否已认证
nlm login --check
# 使用命名配置文件(用于多个 Google 账户)
nlm login --profile work
nlm login --profile personal
# 手动模式:从文件导入 Cookie
nlm login --manual --file cookies.txt
# 外部 CDP(Chrome 开发者工具协议)提供商(例如 OpenClaw 管理的浏览器)
nlm login --provider openclaw --cdp-url http://127.0.0.1:18800
配置文件管理:
nlm login --check # 显示当前认证状态
nlm login switch <profile> # 切换默认配置文件
nlm login profile list # 列出所有带有电子邮件地址的配置文件
nlm login profile delete <profile> # 删除配置文件
nlm login profile rename <old> <new> # 重命名配置文件
每个配置文件都会获得独立的浏览器会话,因此您可以同时登录多个 Google 账户。
独立认证工具
如果您只需要 MCP 服务器(不需要 CLI):
nlm login # 自动模式(启动浏览器)
nlm login --manual # 手动文件模式
工作原理: 自动模式启动专用浏览器配置文件(支持 Chrome、Arc、Brave、Edge、Chromium 等),您登录 Google,Cookie 会自动提取。您的登录状态将在未来的认证刷新中保持持久化。
偏好特定浏览器吗? 使用 nlm config set auth.browser brave 设置(或 arc, edge, chromium 等)。如果未找到首选浏览器,则回退到自动检测。
有关详细说明和故障排除,请参阅 docs/AUTHENTICATION.md。
MCP 配置
⚠️ 上下文窗口 (Context Window) 警告: 此 MCP 提供 35 个工具。不使用 NotebookLM 时请禁用它以保留上下文。在 Claude Code 中:使用
@notebooklm-mcp切换。
自动设置(推荐)
使用 nlm setup 自动为您的 AI 工具配置 MCP 服务器——无需手动编辑 JSON:
# 添加到任何支持的工具
nlm setup add claude-code
nlm setup add claude-desktop
nlm setup add gemini
nlm setup add cursor
nlm setup add windsurf
# 为任何其他工具生成 JSON 配置
nlm setup add json
# 检查哪些工具已配置
nlm setup list
# 诊断安装及认证问题
nlm doctor
安装 AI 技能(可选)
为您的 AI 助手安装 NotebookLM 专家指南,以帮助其有效使用这些工具。支持 Cline、Antigravity、OpenClaw、Codex、OpenCode、Claude Code 和 Gemini CLI。
# 安装技能文件
nlm skill install cline
nlm skill install openclaw
nlm skill install codex
nlm skill install antigravity
# 更新技能
nlm skill update
从工具中移除
nlm setup remove claude-code
使用 uvx(无需安装)
如果您不想安装包,可以使用 uvx 即时运行:
# 直接运行 CLI 命令
uvx --from notebooklm-mcp-cli nlm setup add cursor
uvx --from notebooklm-mcp-cli nlm login
对于使用 JSON 配置的工具,指向 uvx:
{
"mcpServers": {
"notebooklm-mcp": {
"command": "uvx",
"args": ["--from", "notebooklm-mcp-cli", "notebooklm-mcp"]
}
}
}
手动设置(如果您偏好)
提示: 运行
nlm setup add json获取交互式向导,为您的工具生成正确的 JSON 片段。
Claude Code / Gemini CLI 支持通过各自的 CLI 添加 MCP 服务器:
claude mcp add --scope user notebooklm-mcp notebooklm-mcp
gemini mcp add --scope user notebooklm-mcp notebooklm-mcp
Cursor / Windsurf 从您的 PATH(环境变量路径)解析命令,因此只需命令名称即可:
{
"mcpServers": {
"notebooklm-mcp": {
"command": "notebooklm-mcp"
}
}
}
| 工具 | 配置位置 |
|---|---|
| Cursor | ~/.cursor/mcp.json |
| Windsurf | ~/.codeium/windsurf/mcp_config.json |
Claude Desktop / VS Code 可能无法解析 PATH——请使用二进制文件 (binary) 的完整路径:
{
"mcpServers": {
"notebooklm-mcp": {
"command": "/full/path/to/notebooklm-mcp"
}
}
}
使用以下命令查找您的路径:which notebooklm-mcp
| 工具 | 配置位置 |
|---|---|
| Claude Desktop | ~/Library/Application Support/Claude/claude_desktop_config.json |
| VS Code | ~/.vscode/mcp.json |
📚 完整配置详情: MCP 指南 —— 服务器选项、环境变量、HTTP 传输、多用户设置和上下文窗口管理。
您可以做什么
只需使用自然语言与您的 AI 工具(Claude Code、Cursor、Gemini CLI)聊天。以下是一些示例:
研究与发现
- “列出我所有的 NotebookLM 笔记本”
- “创建一个名为 'AI 战略研究’ 的新笔记本”
- “开始关于 '企业 AI 投资回报率指标’ 的网页研究,并显示它找到了哪些来源”
- “深入研究 '云市场趋势’ 并导入前 10 个来源”
- “在我的 Google Drive 中搜索关于 '产品路线图’ 的文档并创建笔记本”
添加内容
- “将此 URL 添加到我的笔记本:https://example.com/article"
- “将此关于 Kubernetes 的 YouTube 视频添加到笔记本”
- “将我的会议笔记作为文本源添加到此笔记本”
- “将此 Google Doc 导入我的研究笔记本”
AI 驱动的分析
- “这个笔记本中的关键发现是什么?”
- “总结所有这些来源的主要论点”
- “这个来源关于安全最佳实践说了什么?”
- “获取关于此笔记本内容的 AI 摘要”
- “配置聊天以使用学习指南风格并生成较长的回复”
(所有通过 CLI(命令行界面)或 MCP(模型上下文协议)发送的查询都会自动保存在您的 NotebookLM Web UI 聊天历史中!)
内容生成
- “以此笔记本为基础创建一个深度挖掘格式的音频播客概述”
- “生成一个具有经典视觉风格的视频解释器”
- “基于这些来源制作一份简报文档”
- “为学习制作中等难度的抽认卡”
- “生成一张具有专业风格的横向信息图”
- “根据我的研究来源构建思维导图”
- “从此笔记本创建一个幻灯片演示文稿”
智能管理
- “检查哪些 Google Drive 来源已过时并同步它们”
- “显示此笔记本中的所有来源及其新鲜度状态”
- “从此笔记本删除此来源”
- “检查我的音频概述生成的状态”
小贴士: 在创建工作室内容(音频、视频、报告等)后,轮询状态以在生成完成时获取下载链接。
身份验证生命周期
| 组件 | 持续时间 | 刷新方式 |
|---|---|---|
| Cookies | ~2-4 周 | 通过无头浏览器自动刷新(如果已保存配置文件) |
| CSRF Token | ~几分钟 | 每次请求失败时自动刷新 |
| Session ID | 每个 MCP 会话 | MCP 启动时自动提取 |
v0.1.9+:服务器现在自动处理令牌过期:
- 当令牌过期时立即刷新 CSRF 令牌
- 如果外部更新了 Cookie,则从磁盘重新加载
- 如果配置文件已保存登录信息,则运行无头浏览器认证
您也可以调用 refresh_auth() 来显式重新加载令牌。
如果自动刷新失败(Google 登录完全过期),请再次运行 nlm login。
故障排除
uv tool upgrade 未安装最新版本
表现:
- 运行
uv tool upgrade notebooklm-mcp-cli安装了旧版本(例如 0.1.5 而不是 0.1.9) uv cache clean无法解决问题
原因: uv tool upgrade 尊重您原始安装时的版本约束。如果您最初安装了旧版本或带有约束的版本,upgrade 在设计上会保持在那些范围内。
修复 —— 强制重新安装:
uv tool install --force notebooklm-mcp-cli
这将绕过任何缓存约束并从 PyPI(Python 包索引)安装绝对最新版本。
验证:
uv tool list | grep notebooklm
# 应显示:notebooklm-mcp-cli v0.1.9(或最新版本)
限制
- 速率限制:免费版每天约 50 次查询
- 无官方支持:API 可能会在不另行通知的情况下更改
- Cookie 过期:需要每隔几周重新提取 Cookie
贡献
有关详细的 API 文档和如何添加新功能,请参阅 CLAUDE.md。
氛围编码提示
完全透明地说:这个项目是由一名非开发人员使用 AI 编程助手构建的。如果您是一位经验丰富的 Python 开发人员,看到这段代码库可能会皱眉。没关系。
这里的目标是解决一个痛点——对 NotebookLM 进行程序化访问——并在过程中学习。代码是可以工作的,但它可能缺少只有多年经验才能提供的模式、优化或优雅性。
这就是您需要参与的地方。 如果您看到让您皱眉的内容,请考虑贡献而不是仅仅关闭标签页。这之所以是开源的,正是因为人类专业知识是不可替代的。无论是重构、更好的错误处理、类型提示还是架构指导——欢迎提交 PR(拉取请求)和 Issues(问题)。
将其视为通过代码审查指导 AI 辅助开发者的机会。当经验丰富的开发人员分享他们的知识时,我们所有人都会受益。
致谢
特别感谢:
- Le Anh Tuan (@latuannetnam) 贡献了 HTTP(超文本传输协议)传输层、调试日志系统和性能优化。
- David Szabo-Pele (@davidszp) 贡献了
source_get_content工具和 Linux 认证修复。 - saitrogen (@saitrogen) 贡献了研究轮询查询回退修复。
- devnull03 (@devnull03) 贡献了多浏览器 CDP(Chrome 开发工具协议)认证支持(Arc, Brave, Edge, Chromium, Vivaldi, Opera)。
- VooDisss (@VooDisss) 贡献了多浏览器认证改进。
- codepiano (@codepiano) 贡献了用于认证 CLI 的可配置 DevTools(开发者工具)超时。
- Tony Hansmann (@997unix) 贡献了
nlm setup和nlm doctor命令以及 CLI 指南文档。 - Fabiana Furtado (@fabianafurtadoff) 贡献了批量操作、跨笔记本查询、管道和智能选择/标记(PR #90)。
星标历史
许可证
版本历史
v0.5.62026/03/25v0.5.52026/03/23v0.5.42026/03/22v0.5.32026/03/22v0.5.22026/03/19v0.5.12026/03/19v0.5.02026/03/18v0.4.92026/03/16v0.4.82026/03/14v0.4.72026/03/13v0.5.162026/04/04v0.5.152026/04/02v0.5.142026/04/01v0.5.132026/04/01v0.5.122026/03/30v0.5.112026/03/27v0.5.102026/03/26v0.5.92026/03/25v0.5.82026/03/25v0.4.62026/03/13常见问题
相似工具推荐
stable-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。 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。
everything-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。 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。 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
ComfyUI
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。 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。 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。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。
OpenHands
OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。










