[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-xpander-ai--xpander.ai":3,"tool-xpander-ai--xpander.ai":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",142651,2,"2026-04-06T23:34:12",[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。",107888,"2026-04-06T11:32:50",[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":64,"owner_avatar_url":73,"owner_bio":74,"owner_company":75,"owner_location":75,"owner_email":76,"owner_twitter":75,"owner_website":77,"owner_url":78,"languages":79,"stars":96,"forks":97,"last_commit_at":98,"license":99,"difficulty_score":32,"env_os":100,"env_gpu":101,"env_ram":102,"env_deps":103,"category_tags":113,"github_topics":114,"view_count":32,"oss_zip_url":75,"oss_zip_packed_at":75,"status":17,"created_at":122,"updated_at":123,"faqs":124,"releases":125},4903,"xpander-ai\u002Fxpander.ai","xpander.ai","xpander.ai is the runtime and control plane to build, run, and ship reliable AI agents fast and anywhere","xpander.ai 是一个专为构建、运行和部署可靠 AI 智能体（Agents）而设计的运行时与控制平台。它旨在解决开发者在将 AI 智能体从原型转化为生产级应用时面临的复杂挑战，如环境配置、状态管理、任务调度及持续集成等繁琐流程。\n\n无论是希望快速验证想法的独立开发者，还是需要大规模部署企业级应用的技术团队，xpander.ai 都能提供灵活的支持。其核心优势在于“框架无关性”，兼容任何主流开发框架，并支持两种部署模式：无需运维的 Serverless 托管模式，以及可部署在用户自有 VPC 或 Kubernetes 集群中的容器化模式，充分满足数据隐私与定制化需求。\n\n平台内置了功能丰富的 Workbench 工作台，允许用户通过可视化界面添加超过 2000 种工具（支持 MCP 协议）、连接器或自定义代码。每个智能体自动配备有状态数据库、日志监控和 CI\u002FCD 流水线，且开放全部源代码供二次开发。此外，统一的 Chat 入口能自动发现并协调所有已部署的智能体协同工作。通过 xpander.ai，用户可以专注于智能体逻辑本身，以更低的成本实现高效、稳定的 AI 应用落地。","\u003Ch3 align=\"center\">\n  \u003Ca name=\"readme-top\">\u003C\u002Fa>\n  \u003Cpicture>\n    \u003Csource media=\"(prefers-color-scheme: dark)\" srcset=\"images\u002FPurple%20Logo%20White%20text.png\">\n    \u003Cimg\n      src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fxpander-ai_xpander.ai_readme_39037973db62.png\"\n      style=\"max-width: 100%; height: auto; width: auto; max-height: 170px;\"\n      alt=\"xpander.ai Logo\"\n    >\n  \u003C\u002Fpicture>\n\u003C\u002Fh3>\n\n\u003Cdiv align=\"center\">\n  \u003Ch3>\n    \u003Cfont size=\"7\">⚡️ Build, run, and ship agents — any framework, anywhere\u003C\u002Ffont>\n  \u003C\u002Fh3>\n  \u003Cp>\n    💬 Chat • 🧪 Workbench • 🏗️ AgentOS • 🗄️ DB • 🚦 CI\u002FCD • 🔐 Self-Hosted • 🧑‍💻 Full code access\n  \u003C\u002Fp>\n\u003C\u002Fdiv>\n\n\u003Cdiv align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fpepy.tech\u002Fprojects\u002Fxpander-sdk\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fxpander-ai_xpander.ai_readme_be7080a22054.png\" alt=\"xpander-sdk downloads\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fxpander-ai\u002Fxpander.ai\u002Fblob\u002Fmain\u002FLICENSE\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fxpander-ai\u002Fxpander.ai\" alt=\"License\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fpypi.org\u002Fproject\u002Fxpander-sdk\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fxpander-sdk\" alt=\"PyPI Version\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fnpmjs.com\u002Fpackage\u002Fxpander-sdk\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fnpm\u002Fv\u002Fxpander-sdk\" alt=\"NPM Version\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fapp.xpander.ai\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fplatform-login-30a46c\" alt=\"Platform Login\">\u003C\u002Fa>\n\u003C\u002Fdiv>\n\n---\n\n\u003Cdiv align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fchat.xpander.ai\">Chat\u003C\u002Fa>\n  • \u003Ca href=\"https:\u002F\u002Fdocs.xpander.ai\">Docs\u003C\u002Fa>\n  • \u003Ca href=\"https:\u002F\u002Fdocs.xpander.ai\u002FExamples\">Examples\u003C\u002Fa>\n  • \u003Ca href=\"https:\u002F\u002Fxpander.ai\">Website\u003C\u002Fa>\n\u003C\u002Fdiv>\n\n---\n\nxpander.ai is the runtime and control plane to build, run, and ship reliable AI agents fast. Start in Chat to use your agents immediately. Deploy Managed Agents (serverless) or Embedded Agents (containers). Add tools in Workbench. Run in xpander cloud or your own VPC\u002FKubernetes. Every agent gets a stateful DB, CI\u002FCD, and logs — with full code access. Works with any framework.\n\n## 🧰 The xpander.ai Platform (at a glance)\n\n💬 Chat (chat.xpander.ai) — Generalist AI agent that auto‑discovers your agents and can schedule tasks. It’s the front door for everyone to use your agents and tools (supports your own domain and self‑hosting).\n\n🧪 Workbench (app.xpander.ai) — Your control plane for any agent framework. Start with the Starter Kit template, then add tools from the menu: MCP servers, connectors, built‑in actions, or custom actions.\n\n🏗️ AgentOS — Deploy agents of any framework on a production runtime in your VPC\u002FKubernetes or in xpander cloud; includes a reliable task scheduler and orchestration for long‑running jobs, plus stateful DB, logs, secrets, observability, and CI\u002FCD.\n\n🔌 Connector Hub — Generate and run MCP servers from OpenAPI specs or use the built‑in library of 2,000+ tools. Supports OAuth and API keys, and integrates natively with Claude, ChatGPT, and other MCP clients.\n\n🛠️ AI Tools — OCR, browser automation, code interpreter, serverless code runner, PDF\u002FCSV utilities, and more.\n\n## 🚀 Getting Started\n\nSign up and log in at https:\u002F\u002Fapp.xpander.ai\n\nYour account includes a preconfigured \"Starter Kit\" agent with a few tools and stateful storage to preserve sessions and showcase what’s possible. In Workbench, you can customize the system prompt, switch the model, or download the full agent code to modify and deploy.\n\nWorkbench screenshot\n![work-bench](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fxpander-ai_xpander.ai_readme_a21bd81efd55.png)\n\nThen open Chat at https:\u002F\u002Fchat.xpander.ai → pick the \"Starter Kit\" agent, add MCP tools, or ask it to run tasks.\n\nThis unified Chat is a rich generalist agent that can schedule tasks across all your deployed agents. Anything you add in Workbench shows up here automatically.\n\nExample:\n![generalist-agent](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fxpander-ai_xpander.ai_readme_f7bd80041f17.png)\n\n## 🛳️ Build More Agents & Ship to Production\n\n🛠️ Managed Agents (serverless, ~2 min)\n\n- app.xpander.ai → New Agent → Starter Kit (or pick a framework)\n- Add tools from the menu: MCP servers, connectors, built‑in actions, or custom actions\n- Click Deploy → you get a stateful DB, logs, and CI\u002FCD out of the box\n\n\u003Cp align=\"center\" width=\"100%\">\n\u003Cvideo src=\"https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F649c5b24-a90e-4dae-9860-c2cf2a5333f6\"\n       width=\"80%\" controls>\n\u003C\u002Fvideo>\n\u003C\u002Fp>\n\n🔧 Embedded Agents (container, ~3 min)\n\n```bash\nnpm install -g xpander-cli && xpander login\nmkdir hello-world && cd hello-world\nxpander agent new --name \"hello-world\" --framework agno --folder .\npython3 -m venv .venv && source .venv\u002Fbin\u002Factivate && pip install -r requirements.txt\nxpander dev   # local run\nxpander deploy && xpander logs\n```\n\nSwitch anytime\n\n- Start Managed. Convert to Embedded by downloading code and redeploying:\n\n```bash\nxpander agent init \u003Cagent-id>\nxpander agent deploy\n```\n\nWhere it runs\n\n- xpander cloud or your VPC\u002FKubernetes (AgentOS) — for both Managed and Embedded\n\nManaged vs Embedded (quick compare)\n\n- Managed: serverless, no infrastructure, auto‑scales; fastest path for internal tools and quick production\n- Embedded: your container and dependencies; full framework\u002Fruntime control; ideal for advanced policies, private packages, and GPUs\n\nYou can also build new MCP servers with xpander.ai — build once, use everywhere\n\n- Generate from OpenAPI or bring your own\n- Host in xpander cloud or your VPC\u002FKubernetes\n- Use from agents and any MCP client (e.g., Claude Desktop)\n\n🧩 Works with any framework: Agno, LangChain, PydanticAI, CrewAI — or your own runtime.\n\n## 🔗 How to Use Your Agents\n\nAll agents—Managed or Embedded—are instantly available via Chat, Webhook, REST API, SDK, A2A, and MCP.\n\n1) 💬 Chat — `chat.\u003Cyourdomain>` (or https:\u002F\u002Fchat.xpander.ai)\n\n2) 🌐 Webhook — per‑agent HTTPS endpoint\n\n```bash\ncurl --location \"https:\u002F\u002Fwebhook.xpander.ai?agent_id=$XPANDER_AGENT_ID\" \\\n  --header 'X-api-key: $XPANDER_API_KEY' \\\n  --header 'Content-Type: application\u002Fjson' \\\n  --data '{\"prompt\":\"Summarize Q3 pipeline risks\"}'\n```\n\n3) 🔌 REST API — unified HTTP access to all agents (Agno, LangChain, PydanticAI, CrewAI, custom frameworks)\n\nUniversal control plane at `https:\u002F\u002Fapi.xpander.ai` — one API for any framework, any language.\n\n```bash\ncurl --location \"https:\u002F\u002Fapi.xpander.ai\u002Fv1\u002Ftasks\u002Finvoke\" \\\n  --header 'x-api-key: $XPANDER_API_KEY' \\\n  --header 'Content-Type: application\u002Fjson' \\\n  --data '{\"agent_id\":\"$XPANDER_AGENT_ID\",\"prompt\":\"Summarize Q3 pipeline risks\"}'\n```\n\nManage agents, invoke tasks (sync\u002Fasync\u002Fstreaming), handle knowledge bases, and access toolkits — all through standard HTTP.\n\nFull API documentation: https:\u002F\u002Fdocs.xpander.ai\u002Fapi-reference\u002Frest-api\n\n4) 🧪 SDK\n\n```bash\npip install \"xpander-sdk[agno]\"\n```\n\n```env\n# .env\nXPANDER_API_KEY=your_xpander_api_key\nXPANDER_ORGANIZATION_ID=your_org_id\nXPANDER_AGENT_ID=your_agent_id\n```\n\n```python\nfrom xpander_sdk import Backend\nfrom agno.agent import Agent\n\nbackend = Backend()  # reads XPANDER_* from .env\nagent = Agent(**backend.get_args())  # DB, MCP tools, system prompt\n\nagent.print_response(\"What can you help me with?\")\n```\n\n5) 🤝 A2A — agent‑to‑agent calls from Chat or the SDK. Schedule tasks across agents with one command.\n\n6) 🧩 MCP — connect all your agents to Claude Desktop, Cursor, and any MCP client\n\nUse your xpander agents directly in your IDE via the Model Context Protocol:\n\n```json\n{\n  \"mcpServers\": {\n    \"xpander.ai\": {\n      \"command\": \"npx\",\n      \"args\": [\n        \"-y\",\n        \"mcp-remote@latest\",\n        \"https:\u002F\u002Fapi.xpander.ai\u002Fmcp\u002F\",\n        \"--header\",\n        \"x-api-key:YOUR_API_KEY\"\n      ]\n    }\n  }\n}\n```\n\n**Available MCP Tools:**\n- List agents — discover all agents in your organization\n- Invoke agent — execute any agent task\n- Create task — queue tasks for agents\n- Get task — retrieve task status and results\n- Get agent threads — access conversation history\n- Get thread messages — retrieve specific thread messages\n\n**MCP Endpoints:**\n- Standard: `https:\u002F\u002Fapi.xpander.ai\u002Fmcp\u002F`\n- Server-Sent Events (SSE): `https:\u002F\u002Fapi.xpander.ai\u002Fmcp\u002Fsse`\n\nPlus: governed connectors and MCP servers (2,000+ tools) hosted in xpander cloud or your VPC\u002FKubernetes.\n\n## 🧑‍💻 Customize the Agent Code (optional)\n\nContainerized agents include real code you control. A handler listens for tasks from the control plane and provides a `Task` object so you can choose the framework, tools, and runtime behavior. Not needed for serverless or no‑code agents.\n\nSimply run `xpander agent new` and follow the wizard. It creates an `xpander_handler.py` file and a `Dockerfile`.\n\nHere’s an example of `xpander_handler.py` already configured with Agno.\n\n```python\nfrom xpander_sdk import Task, on_task, Backend\nfrom agno.agent import Agent\n\n@on_task\nasync def handler(task: Task):\n    backend = Backend(configuration=task.configuration)\n    agent = Agent(**backend.get_args(task=task))\n    return await agent.arun(message=task.to_message())\n```\n\n## 📚 Examples\n\n- Local template: `02-agents\u002Flocal-agent\u002F` — run the agent locally and use Ollama for a private LLM\n- DevOps agent: `02-agents\u002Fdevops\u002F` — run the agent in the cloud with EKS permissions to troubleshoot logs\n- Travel agent: `02-agents\u002Ftravel-agent\u002F` — a simple agent that helps with travel\n- Data agent: `02-agents\u002Fdata-agent\u002F` — demo of building your own front‑end (instead of the xpander.ai Chat UI) with Streamlit\n\n# Docs & Community\n\n- Documentation: https:\u002F\u002Fdocs.xpander.ai\n- API Reference: https:\u002F\u002Fdocs.xpander.ai\u002Fapi-reference\u002F07-sdk\n- Join our Slack: https:\u002F\u002Fxpander.ai\u002Fslack-community\n\n# License\n\n- Open‑source SDK runtime: Apache 2.0\n- Hosted platform: Commercial (free tier available)\n\n\u003Cp align=\"right\">\n  \u003Ca href=\"#readme-top\">↑ Back to Top ↑\u003C\u002Fa>\n\u003C\u002Fp>\n","\u003Ch3 align=\"center\">\n  \u003Ca name=\"readme-top\">\u003C\u002Fa>\n  \u003Cpicture>\n    \u003Csource media=\"(prefers-color-scheme: dark)\" srcset=\"images\u002FPurple%20Logo%20White%20text.png\">\n    \u003Cimg\n      src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fxpander-ai_xpander.ai_readme_39037973db62.png\"\n      style=\"max-width: 100%; height: auto; width: auto; max-height: 170px;\"\n      alt=\"xpander.ai Logo\"\n    >\n  \u003C\u002Fpicture>\n\u003C\u002Fh3>\n\n\u003Cdiv align=\"center\">\n  \u003Ch3>\n    \u003Cfont size=\"7\">⚡️ 构建、运行并部署智能体——无论框架、无论地点\u003C\u002Ffont>\n  \u003C\u002Fh3>\n  \u003Cp>\n    💬 聊天 • 🧪 工作台 • 🏗️ AgentOS • 🗄️ 数据库 • 🚦 CI\u002FCD • 🔐 自托管 • 🧑‍💻 完全代码访问\n  \u003C\u002Fp>\n\u003C\u002Fdiv>\n\n\u003Cdiv align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fpepy.tech\u002Fprojects\u002Fxpander-sdk\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fxpander-ai_xpander.ai_readme_be7080a22054.png\" alt=\"xpander-sdk 下载量\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fxpander-ai\u002Fxpander.ai\u002Fblob\u002Fmain\u002FLICENSE\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fxpander-ai\u002Fxpander.ai\" alt=\"许可证\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fpypi.org\u002Fproject\u002Fxpander-sdk\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fxpander-sdk\" alt=\"PyPI 版本\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fnpmjs.com\u002Fpackage\u002Fxpander-sdk\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fnpm\u002Fv\u002Fxpander-sdk\" alt=\"NPM 版本\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fapp.xpander.ai\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fplatform-login-30a46c\" alt=\"平台登录\">\u003C\u002Fa>\n\u003C\u002Fdiv>\n\n---\n\n\u003Cdiv align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fchat.xpander.ai\">聊天\u003C\u002Fa>\n  • \u003Ca href=\"https:\u002F\u002Fdocs.xpander.ai\">文档\u003C\u002Fa>\n  • \u003Ca href=\"https:\u002F\u002Fdocs.xpander.ai\u002FExamples\">示例\u003C\u002Fa>\n  • \u003Ca href=\"https:\u002F\u002Fxpander.ai\">官网\u003C\u002Fa>\n\u003C\u002Fdiv>\n\n---\n\nxpander.ai 是一个用于快速构建、运行和部署可靠 AI 智能体的运行时与控制平面。您可以通过 Chat 立即使用您的智能体。您可以部署托管型智能体（无服务器）或嵌入式智能体（容器）。在 Workbench 中添加工具，然后在 xpander 云或您自己的 VPC\u002FKubernetes 集群中运行。每个智能体都配备有状态数据库、CI\u002FCD 和日志记录功能，并提供完全的代码访问权限。它支持任何框架。\n\n## 🧰 xpander.ai 平台概览\n\n💬 Chat (chat.xpander.ai) — 通用型 AI 智能体，能够自动发现您的智能体并安排任务。它是所有人使用您的智能体和工具的入口门户（支持自定义域名和自托管）。\n\n🧪 Workbench (app.xpander.ai) — 您用于管理任何智能体框架的控制平面。从 Starter Kit 模板开始，然后从菜单中添加工具：MCP 服务器、连接器、内置操作或自定义操作。\n\n🏗️ AgentOS — 将任何框架的智能体部署到您自己的 VPC\u002FKubernetes 集群或 xpander 云中的生产运行时；包含可靠的作业调度器和长期运行任务的编排功能，以及状态数据库、日志、机密信息、可观性监控和 CI\u002FCD。\n\n🔌 连接器中心 — 可以根据 OpenAPI 规范生成并运行 MCP 服务器，也可以使用内置的 2,000 多种工具库。支持 OAuth 和 API 密钥，并可与 Claude、ChatGPT 等其他 MCP 客户端原生集成。\n\n🛠️ AI 工具 — OCR、浏览器自动化、代码解释器、无服务器代码执行器、PDF\u002FCSV 工具等。\n\n## 🚀 开始使用\n\n请在 https:\u002F\u002Fapp.xpander.ai 注册并登录。\n\n您的账户包含一个预配置的“Starter Kit”智能体，配有少量工具和状态存储，用于保存会话并展示其功能。在 Workbench 中，您可以自定义系统提示、切换模型，或者下载完整的智能体代码进行修改和部署。\n\nWorkbench 截图\n![work-bench](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fxpander-ai_xpander.ai_readme_a21bd81efd55.png)\n\n然后打开 Chat，网址为 https:\u002F\u002Fchat.xpander.ai → 选择“Starter Kit”智能体，添加 MCP 工具，或让它执行任务。\n\n这个统一的 Chat 是一个功能丰富的通用型智能体，可以在您部署的所有智能体之间安排任务。您在 Workbench 中添加的任何内容都会在这里自动显示。\n\n示例：\n![generalist-agent](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fxpander-ai_xpander.ai_readme_f7bd80041f17.png)\n\n## 🛳️ 构建更多智能体并部署到生产环境\n\n🛠️ 托管型智能体（无服务器，约 2 分钟）\n\n- app.xpander.ai → 新建智能体 → Starter Kit（或选择其他框架）\n- 从菜单中添加工具：MCP 服务器、连接器、内置操作或自定义操作\n- 点击“部署”→ 您将获得开箱即用的状态数据库、日志和 CI\u002FCD 功能\n\n\u003Cp align=\"center\" width=\"100%\">\n\u003Cvideo src=\"https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F649c5b24-a90e-4dae-9860-c2cf2a5333f6\"\n       width=\"80%\" controls>\n\u003C\u002Fvideo>\n\u003C\u002Fp>\n\n🔧 嵌入式智能体（容器，约 3 分钟）\n\n```bash\nnpm install -g xpander-cli && xpander login\nmkdir hello-world && cd hello-world\nxpander agent new --name \"hello-world\" --framework agno --folder .\npython3 -m venv .venv && source .venv\u002Fbin\u002Factivate && pip install -r requirements.txt\nxpander dev   # 本地运行\nxpander deploy && xpander logs\n```\n\n随时切换\n\n- 先从托管开始。通过下载代码并重新部署，可以转换为嵌入式：\n\n```bash\nxpander agent init \u003Cagent-id>\nxpander agent deploy\n```\n\n运行位置\n\n- 无论是托管还是嵌入式，都可以在 xpander 云或您自己的 VPC\u002FKubernetes 集群中运行。\n\n托管与嵌入式（快速对比）\n\n- 托管：无服务器，无需基础设施，自动扩展；是内部工具和快速投产的最佳途径。\n- 嵌入式：由您自己管理容器和依赖项；完全掌控框架和运行时；非常适合高级策略、私有包和 GPU 场景。\n\n您还可以使用 xpander.ai 构建新的 MCP 服务器——一次构建，随处使用。\n\n- 可以基于 OpenAPI 生成，也可以自行提供定义文件。\n- 可以托管在 xpander 云或您自己的 VPC\u002FKubernetes 集群中。\n- 可供智能体和其他任何 MCP 客户端（例如 Claude Desktop）使用。\n\n🧩 支持任何框架：Agno、LangChain、PydanticAI、CrewAI——或者您自己的运行时。\n\n## 🔗 如何使用您的智能体\n\n所有智能体——无论是托管还是嵌入式——都可以通过 Chat、Webhook、REST API、SDK、A2A 和 MCP 协议立即使用。\n\n1) 💬 Chat — `chat.\u003Cyourdomain>`（或 https:\u002F\u002Fchat.xpander.ai）\n\n2) 🌐 Webhook — 每个智能体都有独立的 HTTPS 端点\n\n```bash\ncurl --location \"https:\u002F\u002Fwebhook.xpander.ai?agent_id=$XPANDER_AGENT_ID\" \\\n  --header 'X-api-key: $XPANDER_API_KEY' \\\n  --header 'Content-Type: application\u002Fjson' \\\n  --data '{\"prompt\":\"总结第三季度管道风险\"}'\n```\n\n3) 🔌 REST API — 统一的 HTTP 接口，可用于所有智能体（Agno、LangChain、PydanticAI、CrewAI、自定义框架）。\n\n统一的控制平面位于 `https:\u002F\u002Fapi.xpander.ai` — 一套 API 适用于任何框架、任何语言。\n\n```bash\ncurl --location \"https:\u002F\u002Fapi.xpander.ai\u002Fv1\u002Ftasks\u002Finvoke\" \\\n  --header 'x-api-key: $XPANDER_API_KEY' \\\n  --header 'Content-Type: application\u002Fjson' \\\n  --data '{\"agent_id\":\"$XPANDER_AGENT_ID\",\"prompt\":\"总结第三季度管道风险\"}'\n```\n\n您可以通过标准 HTTP 管理智能体、调用任务（同步\u002F异步\u002F流式）、处理知识库以及访问工具包——一切尽在掌握。\n\n完整 API 文档：https:\u002F\u002Fdocs.xpander.ai\u002Fapi-reference\u002Frest-api\n\n4) 🧪 SDK\n\n```bash\npip install \"xpander-sdk[agno]\"\n```\n\n```env\n\n# .env\nXPANDER_API_KEY=你的xpander_api_key\nXPANDER_ORGANIZATION_ID=你的org_id\nXPANDER_AGENT_ID=你的agent_id\n```\n\n```python\nfrom xpander_sdk import Backend\nfrom agno.agent import Agent\n\nbackend = Backend()  # 从 .env 中读取 XPANDER_* 变量\nagent = Agent(**backend.get_args())  # 数据库、MCP 工具、系统提示词\n\nagent.print_response(\"你能帮我什么？\")\n```\n\n5) 🤝 A2A — 聊天或 SDK 中的代理间调用。只需一条命令即可跨代理安排任务。\n\n6) 🧩 MCP — 将所有代理连接到 Claude Desktop、Cursor 以及任何 MCP 客户端。\n\n通过模型上下文协议，直接在你的 IDE 中使用 xpander 代理：\n\n```json\n{\n  \"mcpServers\": {\n    \"xpander.ai\": {\n      \"command\": \"npx\",\n      \"args\": [\n        \"-y\",\n        \"mcp-remote@latest\",\n        \"https:\u002F\u002Fapi.xpander.ai\u002Fmcp\u002F\",\n        \"--header\",\n        \"x-api-key:YOUR_API_KEY\"\n      ]\n    }\n  }\n}\n```\n\n**可用的 MCP 工具：**\n- 列出代理 — 发现你组织中的所有代理\n- 调用代理 — 执行任意代理任务\n- 创建任务 — 将任务加入代理队列\n- 获取任务 — 检索任务状态和结果\n- 获取代理线程 — 访问对话历史\n- 获取线程消息 — 检索特定线程的消息\n\n**MCP 端点：**\n- 标准：`https:\u002F\u002Fapi.xpander.ai\u002Fmcp\u002F`\n- 服务器发送事件 (SSE)：`https:\u002F\u002Fapi.xpander.ai\u002Fmcp\u002Fsse`\n\n此外：受治理的连接器和 MCP 服务器（2,000 多种工具）可托管在 xpander 云或你的 VPC\u002FKubernetes 中。\n\n## 🧑‍💻 自定义代理代码（可选）\n\n容器化的代理包含由你控制的实际代码。一个处理器会监听来自控制平面的任务，并提供一个 `Task` 对象，以便你可以选择框架、工具和运行时行为。对于无服务器或无代码代理，则无需此步骤。\n\n只需运行 `xpander agent new` 并按照向导操作即可。它会创建一个 `xpander_handler.py` 文件和一个 `Dockerfile`。\n\n以下是一个已使用 Agno 配置好的 `xpander_handler.py` 示例。\n\n```python\nfrom xpander_sdk import Task、on_task、Backend\nfrom agno.agent import Agent\n\n@on_task\nasync def handler(task: Task):\n    backend = Backend(configuration=task.configuration)\n    agent = Agent(**backend.get_args(task=task))\n    return await agent.arun(message=task.to_message())\n```\n\n## 📚 示例\n\n- 本地模板：`02-agents\u002Flocal-agent\u002F` — 在本地运行代理，并使用 Ollama 提供私有 LLM\n- DevOps 代理：`02-agents\u002Fdevops\u002F` — 在云端运行代理，拥有 EKS 权限以排查日志\n- 旅行代理：`02-agents\u002Ftravel-agent\u002F` — 一个简单的旅行助手代理\n- 数据代理：`02-agents\u002Fdata-agent\u002F` — 使用 Streamlit 构建自定义前端（而非 xpander.ai 的聊天界面）的演示\n\n# 文档与社区\n\n- 文档：https:\u002F\u002Fdocs.xpander.ai\n- API 参考：https:\u002F\u002Fdocs.xpander.ai\u002Fapi-reference\u002F07-sdk\n- 加入我们的 Slack：https:\u002F\u002Fxpander.ai\u002Fslack-community\n\n# 许可证\n\n- 开源 SDK 运行时：Apache 2.0\n- 托管平台：商业版（提供免费层级）\n\n\u003Cp align=\"right\">\n  \u003Ca href=\"#readme-top\">↑ 回到顶部 ↑\u003C\u002Fa>\n\u003C\u002Fp>","# xpander.ai 快速上手指南\n\nxpander.ai 是一个用于构建、运行和部署可靠 AI Agent 的运行时与控制平面。它支持任意框架（如 Agno, LangChain, CrewAI 等），提供无服务器（Managed）和容器化（Embedded）两种部署模式，并内置数据库、CI\u002FCD 和日志监控功能。\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 (WSL2 推荐)\n*   **运行时依赖**:\n    *   Python 3.8+ (用于开发 Embedded Agents)\n    *   Node.js 18+ (用于安装 CLI 工具)\n    *   Docker (仅在使用 Embedded\u002F容器化模式时需要)\n*   **账号**: 需拥有 xpander.ai 账号 ([注册地址](https:\u002F\u002Fapp.xpander.ai))\n\n## 安装步骤\n\n### 1. 安装命令行工具 (CLI)\nxpander 提供了全局 CLI 工具用于管理 Agent 生命周期。\n\n```bash\nnpm install -g xpander-cli\n```\n\n### 2. 登录账号\n安装完成后，通过终端登录您的 xpander 账号：\n\n```bash\nxpander login\n```\n*系统将在浏览器中打开登录页面，授权后自动完成终端登录。*\n\n### 3. 安装 Python SDK (可选)\n如果您计划在本地代码中集成 xpander 功能，请安装 SDK：\n\n```bash\npip install \"xpander-sdk[agno]\"\n```\n\n## 基本使用\n\n您可以选择**零代码快速启动**（Managed Agents）或**代码优先开发**（Embedded Agents）。\n\n### 方案 A：零代码快速启动 (Managed Agents)\n适合快速验证想法或使用内置工具，无需编写代码。\n\n1.  **访问工作台**: 登录 [app.xpander.ai](https:\u002F\u002Fapp.xpander.ai)。\n2.  **创建 Agent**: 点击 **New Agent**，选择 **Starter Kit** 模板（或指定框架）。\n3.  **配置工具**: 在菜单中添加工具（支持 MCP 服务器、连接器、内置动作或自定义动作）。\n4.  **部署**: 点击 **Deploy**。系统将自动为您分配状态数据库、日志系统和 CI\u002FCD 流水线。\n5.  **使用**: 访问 [chat.xpander.ai](https:\u002F\u002Fchat.xpander.ai)，选择刚创建的 Agent 即可开始对话或调度任务。\n\n### 方案 B：代码优先开发 (Embedded Agents)\n适合需要完全控制运行时、依赖项或使用私有 GPU 的场景。\n\n#### 1. 初始化项目\n使用 CLI 创建一个名为 \"hello-world\" 的新 Agent 项目（以 `agno` 框架为例）：\n\n```bash\nmkdir hello-world && cd hello-world\nxpander agent new --name \"hello-world\" --framework agno --folder .\n```\n\n#### 2. 配置本地环境\n创建虚拟环境并安装依赖：\n\n```bash\npython3 -m venv .venv\n# Linux\u002FmacOS\nsource .venv\u002Fbin\u002Factivate\n# Windows\n# .venv\\Scripts\\activate\n\npip install -r requirements.txt\n```\n\n#### 3. 本地运行与调试\n在本地启动 Agent 进行开发测试：\n\n```bash\nxpander dev\n```\n\n#### 4. 部署到生产环境\n将容器化 Agent 部署到 xpander 云或您自己的 VPC\u002FKubernetes：\n\n```bash\nxpander deploy\n```\n\n查看实时日志：\n\n```bash\nxpander logs\n```\n\n### 如何在代码中调用 Agent\n\n部署完成后，您可以通过多种方式调用 Agent。以下是使用 Python SDK 调用的示例：\n\n1.  **配置环境变量** (在项目根目录创建 `.env` 文件)：\n\n```env\nXPANDER_API_KEY=your_xpander_api_key\nXPANDER_ORGANIZATION_ID=your_org_id\nXPANDER_AGENT_ID=your_agent_id\n```\n\n2.  **编写调用代码**：\n\n```python\nfrom xpander_sdk import Backend\nfrom agno.agent import Agent\n\n# 自动读取 .env 中的配置\nbackend = Backend()\n\n# 初始化 Agent，自动注入数据库、MCP 工具和系统提示词\nagent = Agent(**backend.get_args())\n\n# 执行任务\nagent.print_response(\"What can you help me with?\")\n```\n\n### 进阶：通过 MCP 在 IDE 中使用\n您可以将 xpander Agent 连接到 Claude Desktop、Cursor 等支持 MCP 的客户端。在客户端配置文件中添加：\n\n```json\n{\n  \"mcpServers\": {\n    \"xpander.ai\": {\n      \"command\": \"npx\",\n      \"args\": [\n        \"-y\",\n        \"mcp-remote@latest\",\n        \"https:\u002F\u002Fapi.xpander.ai\u002Fmcp\u002F\",\n        \"--header\",\n        \"x-api-key:YOUR_API_KEY\"\n      ]\n    }\n  }\n}\n```\n\n现在，您可以在 IDE 中直接调用所有已部署的 xpander Agent 及其工具。","某电商公司的后端团队需要快速构建一个能自动处理用户退货请求、查询库存并更新数据库的智能代理，以应对大促期间激增的客服压力。\n\n### 没有 xpander.ai 时\n- **开发周期漫长**：工程师需手动搭建服务器环境、配置数据库连接及编写复杂的任务调度代码，单个代理上线耗时数周。\n- **状态管理困难**：在处理多步骤退货流程时，难以持久化保存会话状态，一旦服务重启或超时，用户上下文丢失导致流程中断。\n- **工具集成繁琐**：每对接一个新的内部 API（如库存系统或物流追踪），都需要重新编写适配层和认证逻辑，重复劳动严重。\n- **运维监控缺失**：缺乏统一的日志记录和 CI\u002FCD 流水线，代理出错后难以定位原因，更无法实现自动化测试与平滑升级。\n\n### 使用 xpander.ai 后\n- **极速部署上线**：利用 Workbench 中的 Starter Kit 模板，团队在 2 分钟内即可创建代理，通过菜单直接添加内置的数据库和 HTTP 请求工具，无需从零搭建基础设施。\n- **原生状态持久化**：xpander.ai 为每个代理自动提供有状态数据库，确保长周期的退货审批流程即使跨越多次交互也能完整保留上下文，不再丢单。\n- **一键连接生态**：通过 Connector Hub 直接生成 MCP 服务器连接现有内部 API，或利用 2000+ 预置工具库，将原本几天的接口对接工作缩短至几分钟。\n- **全链路可观测性**：平台自带完整的日志系统、密钥管理及 CI\u002FCD 流水线，开发人员可实时监控代理运行状况，并像传统微服务一样轻松迭代版本。\n\nxpander.ai 将原本需要全栈团队数周完成的复杂工程，转化为开发者只需关注业务逻辑的分钟级交付体验，真正实现了 AI 代理的工业化生产。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fxpander-ai_xpander.ai_a21bd81e.png","xpander-ai","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fxpander-ai_52e9daa0.png","Build Better AI Agents",null,"opensource@xpander.ai","https:\u002F\u002Fxpander.ai","https:\u002F\u002Fgithub.com\u002Fxpander-ai",[80,84,88,92],{"name":81,"color":82,"percentage":83},"Jupyter Notebook","#DA5B0B",62.3,{"name":85,"color":86,"percentage":87},"Python","#3572A5",32.3,{"name":89,"color":90,"percentage":91},"Dockerfile","#384d54",4.9,{"name":93,"color":94,"percentage":95},"Makefile","#427819",0.5,862,127,"2026-04-04T16:56:18","MIT","Linux, macOS, Windows","非必需。仅在需要高级策略或特定 GPU 加速的嵌入式（容器化）部署中可能需要，具体型号和版本未说明。","未说明",{"notes":104,"python":105,"dependencies":106},"该工具主要是一个云原生平台和 CLI 工具。核心功能（托管代理）在 xpander 云端运行，无需本地高性能资源。本地开发需安装 Node.js (用于 npx\u002Fmcp-remote) 和 Python。支持将代理部署到自有 VPC 或 Kubernetes 集群。嵌入式代理模式允许完全控制运行时环境和依赖项。","3.x (通过 python3 -m venv 推断，具体小版本未说明)",[107,108,109,110,111,112],"xpander-sdk","xpander-cli","agno (示例框架)","langchain (支持框架)","pydanticai (支持框架)","crewai (支持框架)",[35,13,14,15],[115,116,117,118,119,120,121],"agentic","agentic-ai","agents","ai","ai-agents","aiagents","llm","2026-03-27T02:49:30.150509","2026-04-07T14:37:59.889810",[],[]]