[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-neurocult--agency":3,"tool-neurocult--agency":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",140436,2,"2026-04-05T23:32:43",[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。",107662,"2026-04-03T11:11:01",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,52],"视频",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[14,35],{"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":75,"owner_company":76,"owner_location":76,"owner_email":76,"owner_twitter":76,"owner_website":76,"owner_url":77,"languages":78,"stars":83,"forks":84,"last_commit_at":85,"license":86,"difficulty_score":32,"env_os":87,"env_gpu":88,"env_ram":88,"env_deps":89,"category_tags":95,"github_topics":96,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":117,"updated_at":118,"faqs":119,"releases":130},4241,"neurocult\u002Fagency","agency","🕵️‍♂️ Library designed for developers eager to explore the potential of Large Language Models (LLMs) and other generative AI through a clean, effective, and Go-idiomatic approach.","Agency 是一款专为 Go 语言开发者打造的开源库，旨在以简洁、高效且符合 Go 语言习惯的方式，探索大语言模型（LLM）及其他生成式 AI 的潜力。它解决了当前 Go 生态中缺乏原生 AI 开发工具的痛点，避免了直接移植 Python 库（如 LangChain）时可能出现的风格水土不服和代码冗余问题。\n\n无论是构建基础聊天机器人，还是开发涉及 RAG（检索增强生成）、多模态处理及自主智能体协同的复杂系统，Agency 都能提供灵活支持。其核心优势在于坚持“纯 Go\"实现，利用静态类型保障代码安全与性能；倡导整洁架构，将业务逻辑与具体实现解耦；并支持通过拦截器观察执行流程，轻松组合自定义操作。\n\n如果你是一名熟悉 Go 语言的工程师或技术研究员，希望在不依赖 Python 或 JavaScript 环境下快速落地生成式 AI 应用，Agency 将是你理想的开发伙伴。它用轻量级的核心设计和直观的 API，让构建高性能、可维护的 AI 系统变得简单而优雅。","# Agency: The Go Way to AI\n\nLibrary designed for developers eager to explore the potential of Large Language Models (LLMs) and other generative AI through a clean, effective, and Go-idiomatic approach.\n\n**Welcome to the agency!** 🕵️‍♂️\n\n![Dracula-agent, mascot of the \"agency\" library.](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fneurocult_agency_readme_ec020f2f8eae.png)\n\n## 💻 Quick Start\n\nInstall package:\n\n```bash\ngo get github.com\u002Fneurocult\u002Fagency\n```\n\nChat example:\n\n```go\npackage main\n\nimport (\n\t\"bufio\"\n\t\"context\"\n\t\"fmt\"\n\t\"os\"\n\n\t_ \"github.com\u002Fjoho\u002Fgodotenv\u002Fautoload\"\n\n\t\"github.com\u002Fneurocult\u002Fagency\"\n\t\"github.com\u002Fneurocult\u002Fagency\u002Fproviders\u002Fopenai\"\n)\n\nfunc main() {\n\tassistant := openai.\n\t\tNew(openai.Params{Key: os.Getenv(\"OPENAI_API_KEY\")}).\n\t\tTextToText(openai.TextToTextParams{Model: \"gpt-4o-mini\"}).\n\t\tSetPrompt(\"You are helpful assistant.\")\n\n\tmessages := []agency.Message{}\n\treader := bufio.NewReader(os.Stdin)\n\tctx := context.Background()\n\n\tfor {\n\t\tfmt.Print(\"User: \")\n\n\t\ttext, err := reader.ReadString('\\n')\n\t\tif err != nil {\n\t\t\tpanic(err)\n\t\t}\n\n\t\tinput := agency.NewTextMessage(agency.UserRole, text)\n\t\tanswer, err := assistant.SetMessages(messages).Execute(ctx, input)\n\t\tif err != nil {\n\t\t\tpanic(err)\n\t\t}\n\n\t\tfmt.Println(\"Assistant:\", string(answer.Content()))\n\n\t\tmessages = append(messages, input, answer)\n\t}\n}\n```\n\nThat's it!\n\nSee [examples](.\u002Fexamples\u002F) to find out more complex usecases including RAGs and multimodal operations.\n\n## 🚀 Features\n\n✨ **Pure Go**: fast and lightweight, statically typed, no need to mess with Python or JavaScript\n\n✨ Write **clean code** and follow **clean architecture** by separating business logic from concrete implementations\n\n✨ Easily create **custom operations** by implementing simple interface\n\n✨ **Compose operations** together into **processes** with the ability to observe each step via **interceptors**\n\n✨ **OpenAI API bindings** (can be used for any openai-compatable API: text to text (completion), text to image, text to speech, speech to text\n\n\u003C!-- TODO v0.1.0\n- [ ] Name the organization\n- [ ] Reorganize folders and packages -->\n\n## 🤔 Why need Agency?\n\nAt the heart of Agency is the ambition to empower users to build autonomous agents. While **perfect for all range of generative AI applications**, from chat interfaces to complex data analysis, our library's ultimate goal is to simplify the creation of autonomous AI systems. Whether you're building individual assistant or coordinating agent swarms, Agency provides the tools and flexibility needed to bring these advanced concepts to life with ease and efficiency.\n\nIn the generative AI landscape, Go-based libraries are rare. The most notable is [LangChainGo](https:\u002F\u002Fgithub.com\u002Ftmc\u002Flangchaingo), a Go port of the Python LangChain. However, translating Python to Go can be clunky and may not fit well with Go's idiomatic style. Plus, some question LangChain's design, even in Python. This situation reveals a clear need for an idiomatic Go alternative.\n\nOur goal is to fill this gap with a Go-centric library that emphasizes clean, simple code and avoids unnecessary complexities. Agency is designed with a small, robust core, easy to extend and perfectly suited to Go's strengths in static typing and performance. It's our answer to the lack of Go-native solutions in generative AI.\n\n## Tutorial\n\n- [Part 1](https:\u002F\u002Fdev.to\u002Femil14\u002Fagency-the-go-way-to-ai-part-1-1lhe) ([Russian translation](https:\u002F\u002Fhabr.com\u002Fru\u002Fsandbox\u002F204508\u002F))\n\n## 🛣 Roadmap\n\nIn the next versions:\n\n- [x] Support for external function calls\n- [ ] Metadata (tokens used, audio duration, etc)\n- [ ] More provider-adapters, not only openai\n- [x] Image to text operations\n- [ ] Powerful API for autonomous agents\n- [ ] Tagging and JSON output parser\n","# Agency：通往 AI 的 Go 之路\n\n这是一个专为开发者设计的库，旨在通过简洁、高效且符合 Go 语言习惯的方式，探索大型语言模型（LLMs）及其他生成式 AI 的潜力。\n\n**欢迎来到 Agency！** 🕵️‍♂️\n\n![Agency 库的吉祥物德古拉特工。](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fneurocult_agency_readme_ec020f2f8eae.png)\n\n## 💻 快速入门\n\n安装包：\n\n```bash\ngo get github.com\u002Fneurocult\u002Fagency\n```\n\n聊天示例：\n\n```go\npackage main\n\nimport (\n\t\"bufio\"\n\t\"context\"\n\t\"fmt\"\n\t\"os\"\n\n\t_ \"github.com\u002Fjoho\u002Fgodotenv\u002Fautoload\"\n\n\t\"github.com\u002Fneurocult\u002Fagency\"\n\t\"github.com\u002Fneurocult\u002Fagency\u002Fproviders\u002Fopenai\"\n)\n\nfunc main() {\n\tassistant := openai.\n\t\tNew(openai.Params{Key: os.Getenv(\"OPENAI_API_KEY\")})\n\t\t.TextToText(openai.TextToTextParams{Model: \"gpt-4o-mini\"})\n\t\t.SetPrompt(\"你是一位乐于助人的助手。\")\n\n\tmessages := []agency.Message{}\n\treader := bufio.NewReader(os.Stdin)\n\tctx := context.Background()\n\n\tfor {\n\t\tfmt.Print(\"用户：\")\n\n\t\ttext, err := reader.ReadString('\\n')\n\t\tif err != nil {\n\t\t\tpanic(err)\n\t\t}\n\n\t\tinput := agency.NewTextMessage(agency.UserRole, text)\n\t\tanswer, err := assistant.SetMessages(messages).Execute(ctx, input)\n\t\tif err != nil {\n\t\t\tpanic(err)\n\t\t}\n\n\t\tfmt.Println(\"助手：\", string(answer.Content()))\n\n\t\tmessages = append(messages, input, answer)\n\t}\n}\n```\n\n就是这样！\n\n更多复杂用例，包括 RAG 和多模态操作，请参阅 [examples](.\u002Fexamples\u002F)。\n\n## 🚀 特性\n\n✨ **纯 Go 实现**：速度快、轻量级、静态类型，无需纠结于 Python 或 JavaScript。\n\n✨ 通过将业务逻辑与具体实现分离，编写 **整洁代码** 并遵循 **整洁架构**。\n\n✨ 通过实现简单接口，轻松创建 **自定义操作**。\n\n✨ 将操作 **组合成流程**，并通过 **拦截器** 观察每一步。\n\n✨ **OpenAI API 绑定**（可用于任何兼容 OpenAI 的 API：文本到文本（完成）、文本到图像、文本到语音、语音到文本）。\n\n\u003C!-- TODO v0.1.0\n- [ ] 确定组织名称\n- [ ] 重新组织文件夹和包结构 -->\n\n## 🤔 为什么需要 Agency？\n\nAgency 的核心愿景是赋能用户构建自主智能体。尽管它 **适用于各种生成式 AI 应用场景**，从聊天界面到复杂的数据分析，但我们的库最终目标是简化自主 AI 系统的开发。无论您是在构建单个助手，还是协调智能体群，Agency 都能提供所需的工具和灵活性，让您轻松高效地实现这些先进概念。\n\n在生成式 AI 领域，基于 Go 的库并不多见。最著名的当属 [LangChainGo](https:\u002F\u002Fgithub.com\u002Ftmc\u002Flangchaingo)，它是 Python LangChain 的 Go 版本。然而，将 Python 代码直接移植到 Go 中往往显得笨拙，且难以契合 Go 的语言习惯。此外，即使在 Python 生态中，LangChain 的设计也备受质疑。这一现状凸显了对符合 Go 语言风格的替代方案的迫切需求。\n\n我们的目标正是填补这一空白，打造一个以 Go 为中心、强调简洁代码、避免不必要复杂性的库。Agency 拥有一个小巧而强大的核心，易于扩展，完美契合 Go 在静态类型和性能方面的优势。这是我们对生成式 AI 领域缺乏原生 Go 解决方案的回应。\n\n## 教程\n\n- [第 1 部分](https:\u002F\u002Fdev.to\u002Femil14\u002Fagency-the-go-way-to-ai-part-1-1lhe) ([俄语翻译](https:\u002F\u002Fhabr.com\u002Fru\u002Fsandbox\u002F204508\u002F))\n\n## 🛣 路线图\n\n在接下来的版本中：\n\n- [x] 支持外部函数调用\n- [ ] 元数据（使用的 token 数量、音频时长等）\n- [ ] 更多提供商适配器，而不仅仅是 OpenAI\n- [x] 图像到文本操作\n- [ ] 强大的自主智能体 API\n- [ ] 标签和 JSON 输出解析器","# Agency 快速上手指南\n\nAgency 是一个专为 Go 开发者设计的 AI 库，旨在通过符合 Go 语言习惯（Idiomatic Go）的方式，轻松探索大语言模型（LLM）和生成式 AI 的潜力。它强调纯 Go 实现、类型安全以及清晰的架构设计。\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*   **Go 版本**：建议安装 Go 1.21 或更高版本\n*   **API Key**：您需要一个有效的 OpenAI API Key（或兼容 OpenAI 接口的其他服务商 Key）\n*   **环境变量**：建议在项目根目录创建 `.env` 文件存储密钥，或在终端直接导出环境变量\n\n```bash\nexport OPENAI_API_KEY=\"your-api-key-here\"\n```\n\n## 安装步骤\n\n使用 Go 模块命令安装 Agency 及其依赖：\n\n```bash\ngo get github.com\u002Fneurocult\u002Fagency\n```\n\n如果您的项目中尚未初始化 Go 模块，请先运行 `go mod init \u003Cmodule-name>`。\n\n## 基本使用\n\n以下是一个最简单的对话机器人示例。该程序初始化一个 OpenAI 助手，并在命令行中与您进行多轮对话。\n\n1.  创建文件 `main.go`\n2.  粘贴以下代码\n3.  运行 `go run main.go`\n\n```go\npackage main\n\nimport (\n\t\"bufio\"\n\t\"context\"\n\t\"fmt\"\n\t\"os\"\n\n\t_ \"github.com\u002Fjoho\u002Fgodotenv\u002Fautoload\"\n\n\t\"github.com\u002Fneurocult\u002Fagency\"\n\t\"github.com\u002Fneurocult\u002Fagency\u002Fproviders\u002Fopenai\"\n)\n\nfunc main() {\n\t\u002F\u002F 初始化 OpenAI 提供者并配置模型\n\tassistant := openai.\n\t\tNew(openai.Params{Key: os.Getenv(\"OPENAI_API_KEY\")}).\n\t\tTextToText(openai.TextToTextParams{Model: \"gpt-4o-mini\"}).\n\t\tSetPrompt(\"You are helpful assistant.\")\n\n\tmessages := []agency.Message{}\n\treader := bufio.NewReader(os.Stdin)\n\tctx := context.Background()\n\n\tfor {\n\t\tfmt.Print(\"User: \")\n\n\t\ttext, err := reader.ReadString('\\n')\n\t\tif err != nil {\n\t\t\tpanic(err)\n\t\t}\n\n\t\t\u002F\u002F 创建用户消息\n\t\tinput := agency.NewTextMessage(agency.UserRole, text)\n\t\t\n\t\t\u002F\u002F 执行请求并获取回答\n\t\tanswer, err := assistant.SetMessages(messages).Execute(ctx, input)\n\t\tif err != nil {\n\t\t\tpanic(err)\n\t\t}\n\n\t\tfmt.Println(\"Assistant:\", string(answer.Content()))\n\n\t\t\u002F\u002F 将对话历史加入上下文\n\t\tmessages = append(messages, input, answer)\n\t}\n}\n```\n\n**说明：**\n*   代码使用了 `godotenv` 自动加载 `.env` 文件中的 `OPENAI_API_KEY`。\n*   `messages` 切片用于维护对话历史，确保多轮对话的连贯性。\n*   更多复杂用例（如 RAG、多模态操作）可参考官方 [examples](.\u002Fexamples\u002F) 目录。","某后端团队正在为电商系统构建一个能自动处理用户退货请求并生成分析报告的智能客服模块。\n\n### 没有 agency 时\n- 开发人员被迫在 Go 项目中嵌入 Python 脚本或调用外部微服务来对接大模型，导致架构臃肿且维护困难。\n- 缺乏原生的类型安全支持，API 响应数据需要大量手动解析和断言，运行时错误频发。\n- 难以将“识别意图”、“查询订单”、“生成回复”等多个步骤串联成清晰的工作流，代码逻辑耦合严重。\n- 调试复杂的多轮对话过程如同黑盒，无法方便地拦截和观察每一步的输入输出状态。\n\n### 使用 agency 后\n- 直接利用纯 Go 编写的 agency 库集成大模型能力，无需引入异构语言环境，保持了技术栈的统一与轻量。\n- 得益于静态类型设计，消息结构和操作接口编译期即可校验，大幅减少了因字段缺失导致的线上故障。\n- 通过简单的接口实现自定义操作，并能将多个原子操作灵活组合成清晰的自动化流程，业务逻辑一目了然。\n- 利用内置的拦截器（interceptors）机制，轻松监控对话链路的每个环节，快速定位问题并优化代理行为。\n\nagency 让 Go 开发者能以地道、高效的方式构建复杂的自主 AI 代理，彻底告别了在大模型应用中“凑合用”的尴尬局面。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fneurocult_agency_ec020f2f.png","neurocult","NeuroCult","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fneurocult_469cf72d.jpg","",null,"https:\u002F\u002Fgithub.com\u002Fneurocult",[79],{"name":80,"color":81,"percentage":82},"Go","#00ADD8",100,506,35,"2026-04-04T15:12:10","MIT","Linux, macOS, Windows","未说明",{"notes":90,"python":91,"dependencies":92},"这是一个纯 Go (Golang) 编写的库，不依赖 Python 环境。运行时需要安装 Go 语言环境。默认示例使用 OpenAI API，因此需要配置 OPENAI_API_KEY 环境变量并具备网络连接。由于是调用远程 API，本地无需 GPU 或大显存支持，具体资源需求取决于所使用的 LLM 服务提供商。","不需要",[93,94],"github.com\u002Fneurocult\u002Fagency","github.com\u002Fjoho\u002Fgodotenv",[16,35,13,15,14],[97,98,99,100,101,102,103,104,105,106,107,108,109,110,111,112,113,114,115,116],"ai","chatgpt","golang","llm","agents","artificial-general-intelligence","artificial-intelligence","autonomous-agents","generative-ai","go","gpt","language-models","llmops","machine-learning","nlp","openai","rag","vector-database","artificial-neural-networks","neural-network","2026-03-27T02:49:30.150509","2026-04-06T15:04:14.431571",[120,125],{"id":121,"question_zh":122,"answer_zh":123,"source_url":124},19317,"为什么要选择 Go 版本的 Agency 框架而不是 Python 版本？","选择 Agency 的主要原因是它是专为 Go 开发者（Gophers）设计的工具。许多 Go 开发者倾向于避免使用 Python，该库旨在满足这一需求。因此，如果您偏好 Go 语言生态，这就是选择 Agency 的唯一理由。","https:\u002F\u002Fgithub.com\u002Fneurocult\u002Fagency\u002Fissues\u002F7",{"id":126,"question_zh":127,"answer_zh":128,"source_url":129},19318,"该项目是否有许可证？是否允许用于商业目的？","项目已添加许可证。维护者已修复了仓库中缺少许可证的问题，用户可以查看仓库根目录下的许可证文件以确认具体的商业使用条款（通常开源许可证如 MIT 或 Apache 2.0 均允许商业用途，具体以仓库内实际文件为准）。","https:\u002F\u002Fgithub.com\u002Fneurocult\u002Fagency\u002Fissues\u002F2",[131,136,141,146,151],{"id":132,"version":133,"summary_zh":134,"released_at":135},117303,"v0.5.0","## 变更内容\n* 更新了 Weaviate Docker 镜像的 URL（由机器人自动提交 PR），提交者为 @weaviate-git-bot，链接：https:\u002F\u002Fgithub.com\u002Fneurocult\u002Fagency\u002Fpull\u002F8\n* 添加了流式处理功能，提交者为 @mkrou，链接：https:\u002F\u002Fgithub.com\u002Fneurocult\u002Fagency\u002Fpull\u002F11\n\n## 新贡献者\n* @weaviate-git-bot 在 https:\u002F\u002Fgithub.com\u002Fneurocult\u002Fagency\u002Fpull\u002F8 中完成了首次贡献\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002Fneurocult\u002Fagency\u002Fcompare\u002Fv0.4.0...v0.5.0","2024-12-30T21:41:34",{"id":137,"version":138,"summary_zh":139,"released_at":140},117304,"v0.4.0","## 变更内容\n* @nbox363 在 https:\u002F\u002Fgithub.com\u002Fneurocult\u002Fagency\u002Fpull\u002F12 中向 ImageToTextParams 添加了模型字段\n\n## 新贡献者\n* @nbox363 在 https:\u002F\u002Fgithub.com\u002Fneurocult\u002Fagency\u002Fpull\u002F12 中完成了首次贡献\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fneurocult\u002Fagency\u002Fcompare\u002Fv0.3.0...v0.4.0","2024-12-30T13:04:53",{"id":142,"version":143,"summary_zh":144,"released_at":145},117305,"v0.3.0","- 更新图文生成底层模型\n- 增加更多参数（topP、惩罚系数）\n\n**完整更新日志**: https:\u002F\u002Fgithub.com\u002Fneurocult\u002Fagency\u002Fcompare\u002Fv0.2.0...v0.3.0","2024-04-13T12:59:11",{"id":147,"version":148,"summary_zh":149,"released_at":150},117306,"v0.2.0","## 变更内容\n\n- 文本到文本中的函数（工具）调用\n- 流式操作\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fneurocult\u002Fagency\u002Fcompare\u002Fv0.1.0...v0.2.0","2024-04-03T10:44:59",{"id":152,"version":153,"summary_zh":76,"released_at":154},117307,"v0.1.0","2023-11-24T10:08:56"]