zeptoclaw

GitHub
569 85 中等 1 次阅读 今天Apache-2.0Agent图像开发框架
AI 解读 由 AI 自动生成,仅供参考

ZeptoClaw 是一款超轻量级的个人 AI 助手,专为高效、安全地执行各种任务而设计。它结合了多个知名 AI 工具的优点,去除了它们的缺点,最终打造了一个体积小巧、功能强大且运行迅速的工具。

ZeptoClaw 解决了传统 AI 助手在体积、启动速度、资源占用和安全性方面的诸多问题。相比其他工具,它仅需约 6MB 内存,启动时间不到 50 毫秒,同时支持多种沙箱环境和安全机制,如提示注入检测和电路断路器,有效防止潜在的安全威胁。

ZeptoClaw 适合开发者、研究人员以及需要快速部署 AI 助手的用户使用。它内置了 33 种工具、11 个通道和 16 个服务提供商,能够满足从代码分析到 API 安全审计等多种需求。其独特的技术亮点包括基于 Rust 的高性能架构、多种沙箱运行时支持以及极低的系统资源占用,使其能够在低成本硬件上稳定运行。

使用场景

某初创公司的 DevOps 团队正在为一个即将上线的 Web 应用进行安全审计,他们需要快速识别 API 接口中的潜在漏洞,并生成可追溯的审计报告。

没有 zeptoclaw 时

  • 团队需要手动检查每个 API 端点,耗时且容易遗漏关键问题。
  • 缺乏自动化工具支持,无法高效执行集成测试或检测认证头缺失等常见漏洞。
  • 安全审计结果无法自动保存和分类管理,导致后续追踪困难。
  • 使用传统安全扫描工具时,启动时间长、资源占用高,影响开发效率。
  • 需要依赖多个第三方工具完成不同任务,增加了操作复杂度和维护成本。

使用 zeptoclaw 后

  • 通过命令行一键执行 API 安全分析,自动识别出如认证头缺失、开放重定向等漏洞。
  • 内置的集成测试功能与漏洞检测能力结合,显著提升了审计效率和准确性。
  • 所有发现的安全问题会自动存储到长期记忆中,并按项目分类,便于后续跟踪和修复。
  • 轻量级的二进制文件(仅 6MB)可在任意设备上快速启动,资源占用极低。
  • 提供统一的 AI 助手平台,整合了多种工具和运行时环境,简化了工作流程。

核心价值:zeptoclaw 以轻量、高效、安全的方式,帮助开发团队实现自动化、精准化的 API 安全审计。

运行环境要求

操作系统
  • Linux
  • macOS
GPU

未说明

内存

6MB

依赖
notesZeptoClaw 是一个超轻量级的 AI 助手,基于 Rust 编写,支持多种 LLM 提供商,包含 33 个内置工具和 11 个通信渠道。安装方式包括脚本、Homebrew、Docker 和从源码编译。建议使用 Docker 或直接运行二进制文件进行部署,且支持在 $10 硬件上运行。
python未说明
zeptoclaw hero image

快速开始

Zippy — ZeptoClaw mascot

ZeptoClaw

超轻量级个人AI助手。

文档

CI 发布 许可证


$ zeptoclaw agent --stream -m "分析我们的API是否存在安全问题"

🤖 ZeptoClaw — 流式分析...

  [web_fetch]        获取API文档...
  [shell]            运行集成测试...
  [longterm_memory]  存储发现结果...

→ 发现12个接口,其中3个缺少认证头,1个存在开放重定向
→ 已将发现结果保存至长期记忆库,标签为“api-audit”

✓ 分析在4.2秒内完成

我们研究了市面上最好的AI助手及其权衡取舍。OpenClaw的集成能力虽强,却需要占用100MB内存、包含40万行代码;NanoClaw强调安全性,但依然离不开50MB的TypeScript代码;NemoClaw注重企业级治理,如策略锁定的沙箱、联邦推理路由等,却要以2GB的Docker容器来运行OpenClaw,且几乎没有任何内置工具;PicoClaw则实现了在10美元硬件上运行AI助手的目标,但为了达到这一目标,它不得不大幅精简功能。

ZeptoClaw则吸取了这些经验教训:既保留了强大的集成能力、出色的安全性与完善的治理机制,又严格控制了体积——没有像其他产品那样做出任何妥协。它是一个仅6MB大小的Rust二进制文件,启动时间仅需50毫秒,内存占用仅为6MB,并内置了容器隔离、提示注入检测以及熔断器提供商栈等功能。

约6MB的二进制文件 约50毫秒的启动时间 约6MB的内存占用 超过3900项测试 16个提供商

为什么选择ZeptoClaw

我们深入研究了哪些做法有效、哪些并不奏效。

OpenClaw证明了AI助手可以同时处理12个渠道和100多项技能,但其体积高达100MB、代码量达40万行;NanoClaw表明以安全为先是可行的,但它仍然需要50MB的TypeScript代码;NemoClaw展示了企业级治理的重要性——包括策略锁定的沙箱、联邦推理路由等,然而它却是一个包裹着OpenClaw的2GB Docker容器,且几乎没有内置工具;PicoClaw则证明了AI助手可以在10美元的硬件上运行,但为了实现这一点,它不得不剔除所有不必要的功能。

ZeptoClaw正是从这些经验中汲取了精华:无论是集成能力、安全性、治理机制,还是对体积的严格控制,都做到了兼顾,而无需在其中任何一项上做出妥协。它是一个仅6MB大小的Rust二进制文件,启动时间仅需50毫秒,内存占用仅为6MB,并配备了容器隔离、提示注入检测以及熔断器提供商栈等核心功能。

OpenClaw NemoClaw NanoClaw PicoClaw ZeptoClaw
体积 ~100MB ~2GB(Docker) ~50MB <1MB ~6MB
语言 JS/TS JS/TS/Python TypeScript Go Rust
内置工具 100+技能 0(仅推理) ~20 ~5 33
提供商 5 NVIDIA优先 3 2 16
渠道 12 0(使用OpenClaw) 3 0 11
沙箱 Landlock + seccomp 基础 6种运行时
可在10美元硬件上运行 否(需GPU)

安全性

AI代理会执行代码。大多数框架都默认认为不会出问题。

OpenClaw生态系统曾遭遇CVE-2026-25253漏洞(CVSS评分8.8——跨站WebSocket劫持导致远程代码执行)、ClawHavoc事件(341个恶意技能、超过9000次被入侵的安装),以及4.2万个暴露实例因认证绕过而遭攻击。ZeptoClaw正是基于这样的威胁模型构建的。

功能
6种沙箱运行时 Docker、Apple Container、Landlock、Firejail、Bubblewrap或原生——按需选择
提示注入检测 Aho-Corasick多模式匹配器(17种模式)+4条正则表达式规则
密钥泄露扫描器 22条正则表达式模式可在API密钥、令牌和凭据到达LLM之前将其捕获
策略引擎 7条规则阻止系统文件访问、加密密钥提取、SQL注入、编码后漏洞利用
输入验证器 100KB限制、空字节检测、空白比例分析、重复检测
Shell黑名单 正则表达式模式阻止反向Shell、rm -rf、权限提升
SSRF预防 DNS固定、私有IP屏蔽、IPv6过渡保护、协议验证
链式警报 检测危险的工具调用序列(写入→执行、内存→执行)
工具审批门 执行危险工具前需明确确认

每一层功能均默认启用,无需记住任何标志位、也无需额外配置即可使用。

安装

# 单行命令(macOS / Linux)
curl -fsSL https://raw.githubusercontent.com/qhkm/zeptoclaw/main/install.sh | sh

# Homebrew
brew install qhkm/tap/zeptoclaw

# Docker
docker pull ghcr.io/qhkm/zeptoclaw:latest

# 从源码构建
cargo install zeptoclaw --git https://github.com/qhkm/zeptoclaw

卸载

# 删除ZeptoClaw状态(~/.zeptoclaw)
zeptoclaw uninstall --yes

# 同时删除直接安装的二进制文件,位于~/.local/bin或/usr/local/bin
zeptoclaw uninstall --remove-binary --yes

# 使用包管理器安装的仍需通过相应包管理器卸载
brew uninstall qhkm/tap/zeptoclaw
cargo uninstall zeptoclaw

快速入门

# 交互式设置(引导您完成API密钥、渠道、工作空间的配置)
zeptoclaw onboard

# 与您的代理对话
zeptoclaw agent -m "你好,帮我设置一下工作空间"

# 流式逐token返回响应
zeptoclaw agent --stream -m "解释异步Rust"

# 使用内置模板
zeptoclaw agent --template researcher -m "搜索Rust代理框架"

# 批量处理提示
zeptoclaw batch --input prompts.txt --output results.jsonl

# 作为Telegram/Slack/Discord/Webhook网关启动
zeptoclaw gateway

# 每次请求都采用完全容器隔离
zeptoclaw gateway --containerized

从OpenClaw迁移

已经在运行OpenClaw?ZeptoClaw只需一条命令即可导入您的配置与技能。

# 自动检测OpenClaw安装路径(~/.openclaw、~/.clawdbot、~/.moldbot)
zeptoclaw migrate

# 手动指定路径
zeptoclaw migrate --from /path/to/openclaw

# 预览将被迁移的内容(不写入任何文件)
zeptoclaw migrate --dry-run

# 非交互式(跳过确认提示)
zeptoclaw migrate --yes

迁移命令会:

  • 转换提供商API密钥、模型设置及渠道配置
  • 将技能复制到~/.zeptoclaw/skills/
  • 在覆盖原有ZeptoClaw配置前备份现有配置
  • 验证迁移后的配置并报告任何问题
  • 列出无法自动迁移的功能

支持JSON和JSON5格式的配置文件(包括注释、尾随逗号、未加引号的键)。

部署

部署到 DigitalOcean 部署到 Railway 部署到 Render 部署到 Fly.io

任意 VPS

curl -fsSL https://zeptoclaw.com/setup.sh | bash

安装二进制文件并输出后续步骤。运行 zeptoclaw onboard 来配置提供商和通道。

提供商

ZeptoClaw 支持 16 家 LLM 提供商。所有兼容 OpenAI 的端点开箱即用。

提供商 配置键 设置
Anthropic anthropic api_key
OpenAI openai api_key
OpenRouter openrouter api_key
Google Gemini gemini api_key
Groq groq api_key
DeepSeek deepseek api_key
xAI (Grok) xai api_key
NVIDIA NIM nvidia api_key
Azure OpenAI azure api_key + api_base
AWS Bedrock bedrock api_key
Kimi (Moonshot) kimi api_key
Zhipu (GLM) zhipu api_key
Qianfan (Baidu) qianfan api_key
Novita AI novita api_key
Ollama ollama api_key(任意值)
VLLM vllm api_key(任意值)

~/.zeptoclaw/config.json 中配置,或通过环境变量:

{
  "providers": {
    "openrouter": { "api_key": "sk-or-..." },
    "ollama": { "api_key": "ollama" }
  },
  "agents": { "defaults": { "model": "anthropic/claude-sonnet-4" } }
}
export ZEPTOCLAW_PROVIDERS_GROQ_API_KEY=gsk_...

任何提供商的基础 URL 都可以通过 api_base 覆盖,以用于代理或自托管端点。有关详细信息,请参阅 提供商文档

功能

核心

功能 作用
多提供商 LLM 16 家提供商支持 SSE 流式传输、带退避的重试与预算上限、自动故障转移
33 种工具+插件 Shell、文件系统、grep、find、网络、git、stripe、PDF、转录、Android ADB 等
工具组合 通过自然语言描述创建新工具——可组合的 {{param}} 模板
代理集群 委派给子代理,支持并行扇出、聚合以及成本感知路由
库封装 可嵌入为一个 crate——ZeptoAgent::builder().provider(p).tool(t).build() 用于 Tauri/GUI 应用
批量模式 通过模板支持从文本/JSONL 文件中处理数百个提示
代理模式 观察者、助手、自主——基于类别的工具访问控制

通道与集成

功能 作用
11 通道网关 Telegram、Slack、Discord、WhatsApp Web + 云 API、Lark、电子邮件、Webhook、串口、ACP——统一的消息总线
人格系统 通过 /persona 命令实现每聊天的人格切换,并持久化长期记忆
插件系统 JSON 清单插件会自动从 ~/.zeptoclaw/plugins/ 中发现
钩子 before_toolafter_toolon_error,支持日志、阻止和通知操作
定时任务与心跳 定期调度任务、主动签到、后台启动
内存与历史 工作区内存、长期键值存储、对话历史

安全与运维

功能 作用
6 种沙盒运行时 Docker、Apple Container、Landlock、Firejail、Bubblewrap 或原生
网关启动保护 在发生 N 次崩溃后优雅降级——防止崩溃循环
通道监控器 自动重启失效通道,设置冷却时间和最大重启次数
工具审批门 基于策略的准入控制——危险工具需确认方可使用
SSRF 防护 DNS 固定、私有 IP 阻止、IPv6 过渡保护、方案验证
Shell 阻止列表 正则表达式模式阻止反向 shell、rm -rf、权限提升
令牌预算与成本 每会话预算强制执行,针对 8 种模型进行成本估算
丰富的健康端点 /health 包含版本、运行时间、RSS、使用指标、组件检查
遥测 Prometheus + JSON 指标导出、结构化日志、按租户追踪
自我更新 zeptoclaw update 从 GitHub 下载最新版本
循环保护 SHA256 工具调用重复检测,配合熔断机制停止
上下文修剪 普通/紧急/关键压缩等级(70%/90%/95%),用于上下文窗口管理
会话修复 自动修复孤立工具结果、空/重复消息以及交替问题
配置热加载 网关每 30 秒轮询配置修改时间,并实时应用提供商、通道和安全更新
轻量版 HAND.toml 代理配置文件,附带预设(研究员、程序员、监控员)及 hand CLI
多租户 一台 VPS 上承载数百个租户——隔离的工作空间,每个约 6MB RAM

完整文档zeptoclaw.com/docs 涵盖配置、环境变量、CLI 参考、部署指南等内容。

灵感来源

ZeptoClaw 的灵感来自开源 AI 代理生态中的多个项目——OpenClaw、NemoClaw、NanoClaw 和 PicoClaw——它们各自以不同方式解决同一问题。NemoClaw 的声明式策略模型和经摘要验证的供应链影响了我们的安全理念。而 ZeptoClaw 的贡献在于 Rust 的内存安全、异步性能以及容器隔离技术,适用于生产环境下的多租户部署——所有这些都浓缩在仅 6MB 的二进制文件中,能够在 Docker 容器无法运行的地方运行。

使用方法

# CLI 代理(一次性或流式)
zeptoclaw agent -m "总结这个仓库"
zeptoclaw agent --stream -m "解释 async Rust"
zeptoclaw agent --template coder -m "为 main.rs 添加错误处理"

# 多通道网关
zeptoclaw gateway                    # Telegram、Slack、Discord 等
zeptoclaw gateway --containerized    # 每请求独立隔离容器

# 内存、密钥、个人资料
zeptoclaw memory set project:name "ZeptoClaw" --category project
zeptoclaw secrets encrypt
zeptoclaw hand activate researcher

# 批处理、诊断、自我更新
zeptoclaw batch --input prompts.txt --output results.jsonl  
zeptoclaw doctor                     # 诊断配置/提供商问题  
zeptoclaw update                     # 自我更新至最新版本  

```bash
# 开发
cargo build

# 运行所有测试(共计约3,900个)
cargo nextest run --lib

# 格式化与代码检查(每次提交前必做)
cargo clippy -- -D warnings  
cargo fmt -- --check

请参阅 CLAUDE.md 获取完整的架构说明,AGENTS.md 获取编码指南,以及 docs/ 获取基准测试、多租户部署和性能优化指南。

Zepto 堆栈

ZeptoClaw 是 Zepto 堆栈的一部分——一个用于在生产环境中运行 AI 代理的模块化系统。

ZeptoPM        — 编排、监控、重试、任务生命周期  
    │  
    │  create(spec) + spawn(worker, args, env)  
    ▼  
ZeptoCapsule   — 封装创建、进程隔离、资源限制  
    │  
    │  fork/namespace/microVM + 标准输入输出传输  
    ▼  
ZeptoClaw      — LLM 调用、工具使用、产物生成  
    │  
    └── 通过标准输入/输出进行 JSON 行式 IPC,回传至 ZeptoPM  
层级 仓库 角色
ZeptoPM qhkm/zeptopm 进程管理器 — 配置驱动的守护进程、HTTP API、流水线、编排
ZeptoCapsule qhkm/zeptocapsule 沙箱 — 进程/命名空间/Firecracker 隔离、资源限制、回退链
ZeptoRT qhkm/zeptort 持久化运行时 — 日志化效果、快照恢复、OTP 式监督
ZeptoClaw qhkm/zeptoclaw 代理框架 — 33 种工具、16 种提供商、11 种渠道、容器隔离

贡献

我们欢迎贡献!请阅读 CONTRIBUTING.md 了解:

  • 如何从上游仓库设置您的分支和复刻
  • 问题优先的工作流(先开 issue 再编码)
  • Pull Request 流程与质量门控
  • 添加新工具、渠道和提供商的指南

许可证

Apache 2.0 — 详见 LICENSE

免责声明

ZeptoClaw 是一个纯开源软件项目。它不涉及任何代币、加密货币、区块链组件或任何形式的金融工具。本项目与任何代币或金融产品均无关联。


ZeptoClaw — 因为你的 AI 助手不应该比你的文本编辑器占用更多内存。

Aisar Labs 构建

版本历史

v0.9.12026/03/26
v0.9.02026/03/26
v0.8.22026/03/24
v0.8.12026/03/24
v0.8.02026/03/23
v0.7.62026/03/11
v0.7.52026/03/11
v0.7.42026/03/10
v0.7.32026/03/10
v0.7.22026/03/10
v0.7.12026/03/07
v0.7.02026/03/07
v0.6.22026/03/04
v0.6.12026/02/26
v0.6.02026/02/26
v0.5.92026/02/25
v0.5.82026/02/24
v0.5.52026/02/23
v0.5.42026/02/23
v0.5.32026/02/23

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。

162.1k|★★★☆☆|今天
开发框架图像Agent

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

139k|★★☆☆☆|今天
开发框架Agent语言模型

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。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

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。 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。 NextChat 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。

87.6k|★★☆☆☆|今天
开发框架语言模型

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。

85k|★★☆☆☆|今天
图像数据工具视频

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。

77.1k|★★★☆☆|昨天
Agent图像开发框架