RAG
本地優先 RAG：AI LocalBase 結合 Qdrant、Ollama 與自托管部署
一個本地優先的RAG專案，目標把本地文件接入向量檢索與大模型對話。以Go後端、React前端、Qdrant向量庫，支援Ollama或OpenAI相容API，提供文件上傳、索引、檢索增強與會話持久化，利於本地或Docker部署供個人與小團隊自托管驗證。
GitHub 探索
Abliterix
Abliterix 實作與評測：Optuna TPE、HonestAbliterationBench 與多架構支援
開源專案Abliterix提出自動化的abliteration調校流程，以OptunaTPE同時最小化拒絕率與KL散度，支援LoRA、MoE與多架構。其公開基準旨在提升可複現性，並可能影響模型對齊與審查策略。此工具強調零人工調參與150+預設配置，適合研究與工程驗證。
elizaOS
elizaOS：以 TypeScript 建構的多代理 (multi-agent) 開源框架與 RAG 整合實作
本報導聚焦GitHub專案elizaOS，一個宣稱為多代理自主AI開發的開源框架。它以TypeScript開發、授權採MIT，設計包含外掛機制、檢索增強生成與多模型整合等做法，並提供CLI與文件資源以利部署。該專案旨在降低建置門檻，推動自主代理在開發與生產階段的應用。業界可將其作為對比其他agent平台的開源選項。
AnythingLLM
AnythingLLM：整合本地化 RAG、向量資料庫與 AI 代理的平台
此篇介紹開源專案AnythingLLM，聚焦本地化與隱私優先的AI工作流程。專案結合檢索增強生成、向量資料庫與本地LLM，提供文件聊天、AI代理與多使用者管理。該平台聲稱降低部署門檻，對追求離線推理與資料可控的團隊具實務意義。同時社群活動活躍、文件與測試案例豐富，便於評估與導入。
google-workspace
gws：Rust 與 Node.js 結合、以 Discovery Service 動態建構 Google Workspace 命令列介面
gws是一個開源的Google Workspace命令列工具，能把Drive、Gmail、Calendar、Sheets、Docs、Chat與管理API統一成一個動態命令介面。專案在執行時向Google Discovery Service查詢API規格，依此即時產生命令表與參數，並提供結構化JSON輸出與超過四十項內建的AI代理技能。
LangGraph
LangGraph 編排框架：整合 LangChain 與 RAG 的有狀態代理人工程實作
LangGraph 是一個以 Python 為主的低階編排框架，專注於建置與管理長期有狀態（stateful）的 AI 代理人。專案在 GitHub 上獲得高度關注（包含 Stars 與 Forks），README 指出與 LangChain 整合並被多家公司採用。
llm-wiki
LLM Wiki 實作：SQLite 本機索引、MCP 與 Claude 建構可編輯維基
開源專案llmwiki將本地研究資料夾索引後透過Claude經MCP連線讀取並自動生成帶引註與交叉參照的維基頁面。系統以文本切片與SQLite索引與網頁介面為核心，能讓研究摘要與實體頁面持續累積，降低手動整理成本。對想把大型語言模型導入日常研究流程的工程師具有參考價值。
memex
memex：用 Markdown 與 Zettelkasten 為 AI 代理實現跨會話持久記憶
本報導介紹開源專案memex及其背景，說明其以純Markdown檔案與雙向連結建立原子知識卡，並透過git同步集中儲存。memex不使用向量資料庫或嵌入技術，而是以可讀的卡片在不同代理與編輯器之間共用。其影響在於讓編碼代理跨會話記住學習，減少重複啟始並增進知識延續。
tRPC-Agent-Go
以 Go 為核心的 tRPC-Agent-Go 框架：模組化代理、多代理協作與生產可觀察性
GitHub上冒出一個以Go為基底的代理人框架，目標是簡化構建會思考、記憶與協作的智慧代理。核心採用分層規劃、多代理協作、持久記憶與型別安全的GraphAgent工作流，並支援技能模組、提示快取與評估基準。這使其在企業級自動化與資料分析場景具備實務應用潛力與生產部署取向。
prompt-engineering
Prompt Engineering Guide：提示工程、檢索增強生成（RAG）與 AI 代理人實作彙編
這份由社群維護的PromptEngineeringGuide彙整論文、教學、筆記與工具，聚焦提示工程、檢索增強生成（RAG）與AI代理人實作。專案同時提供網頁版與付費課程、企業訓練與顧問服務，對開發者學習途徑及產業採用有明顯推動效果。並吸引廣泛社群貢獻與翻譯支援。
entroly
Entroly — Rust + WASM 的上下文壓縮與回填策略，優化 AI 代理的 token 使用
GitHub Explorer 發現開源專案 Entroly，定位為一套能把大型代碼庫壓縮成可供 AI 工具高效使用的上下文層。專案以 Rust 與 WASM 為基底，並同時提供 npm 與 PyPI 套件、命令列工具與即時儀表板，README 宣稱可將 token 成本節省到高比例並保持低延遲。
GenericAgent
以技能樹自我演化的 GenericAgent：分層記憶與精簡上下文的本地代理架構
GenericAgent 是一個極簡且自我演化的開源自主代理框架，從約3.3K行程式碼啟動，藉由九個原子工具與一段精簡的 Agent 迴圈，讓大型語言模型取得本地系統控制能力，涵蓋瀏覽器、終端、檔案系統、鍵鼠與螢幕視覺等。其設計不事先灌入技能，而是把每次任務執行的路徑「結晶」為可重用技能，長期使用下會累積成個人化的技能樹。