LiteLLM
LiteLLM：以 OpenAI 相容 API 統一百餘模型的開源 AI Gateway
近期開源生態出現多款AI代理與網關專案，LiteLLM提出一套PythonSDK與代理伺服器，能以OpenAI格式呼叫超過百種大型語言模型，並內建成本追蹤、流量平衡與日誌防護，此設計有助企業整合多家供應者、提升部署彈性與審計可見性，促進生態互通與風險管理。
GitHub 探索
AionUi
AionUi：開源多代理人 Cowork 平台，支援 Gemini CLI 與跨平台自動化
AionUi 是一個以本地化與多代理人協作為主軸的開源 Cowork 應用，強調零設定、支援任意 API key、遠端存取與 24/7 自動化。專案主張跨平台運作，並整合多種大型語言模型與命令列工具（包括 Gemini CLI、Claude Code、Codex 等）。
langfuse
Langfuse：以 OpenTelemetry 與 LangChain 整合的開源 LLM 觀測與提示管理平台
Langfuse 是一個聚焦於大型語言模型(LLM)工程的開源平台，提供觀測（observability）、指標、評估、提示管理、測試沙盒與資料集管理等功能。專案同時整合 OpenTelemetry、LangChain、OpenAI SDK、LiteLLM 等工具，支援雲端服務與自架部署路徑。
RAGFlow
RAGFlow：將檢索增強生成（RAG）與代理人流程整合的開源工程實作
在 GitHub 值得關注的開源專案 RAGFlow 中，作者把檢索增強生成與代理人能力結合，建構一層供大型語言模型使用的上下文引擎。專案採 Python 生態與 Apache 授權，並提供線上示範與文件；此方向有助企業模組化多步查詢與工具協調，降低整合成本並提升可觀察性。
AutoGPT
AutoGPT：以 Python 與 LLM 建構開源代理人平台的部署與治理指南
AutoGPT是開源專案，旨在讓使用者建立並部署持續運行的AI代理人。專案以Python為主，整合大型語言模型與代理人框架，提供自架與雲端選項，並列出硬體與軟體需求。此工具有助加速代理人化工作流程的原型開發與部署。社群有大量星標與分叉，顯示活躍貢獻與廣泛實驗。
nano-banana-pro
Nano Banana Pro 提示庫：為 Gemini 圖像模型提供 10,000+ 圖像提示並整合 Claude、OpenClaw
GitHub Explorer 發現一個專注 AI 圖像提示的開源專案，收錄逾一萬則 Nano Banana Pro 提示。該技能讓 Claude 與 OpenClaw 等代理人以語意搜尋回傳三項最佳提示並附範例圖，且支援內容改寫與多語回應，能加速創作者測試與產出。
Claude Code
claude-mem：為 Claude Code 提供的持久記憶壓縮與向量化上下文注入系統
claude-mem 是一個針對 Claude Code 的開源記憶壓縮系統，能自動擷取開發會話內容、以模型壓縮並持久化儲存，於未來工作階段回填相關上下文。專案以 TypeScript 開發、支援多種記憶後端與嵌入向量，README 顯示多語系說明與相容性資訊，並在社群獲得高度關注。
page-agent
前端自然語言代理實作：page-agent 的架構、應用與風險評估
本報導聚焦page-agent，一款在網頁內以JavaScript執行的GUI代理工具。它可用自然語言直接操控DOM，無需外掛或無頭瀏覽器，並支援接入使用者自選的語言模型與多頁面擴充。此做法能把繁瑣表單與流程簡化為一句話指令，對SaaS部署與無障礙應用具實務價值。
gemini-cli
Gemini CLI：將 Google Gemini 與 MCP 整合至命令列的 TypeScript 開源工具
Gemini CLI 是 Google 社群維護的開源工具，目標把 Gemini 模型能力直接帶進命令列工作流程。它整合模型呼叫、網路搜尋、檔案操作、shell 指令與 MCP 擴充能力，並提供多平台安裝與免費使用配額，適合偏好終端操作的開發者把模型能力串進日常自動化流程。
MarkItDown
MarkItDown：微軟維護的 Python 工具，將多格式文件轉為結構化 Markdown 以供 LLM 使用
MarkItDown 是 Microsoft 開源的輕量 Python 工具，目標把各類文件轉成 Markdown，以便與大型語言模型（LLM）和文本分析流程整合。專案強調保留文件結構（例如標題、列表、表格與連結）而非追求印刷級還原，
gpt-researcher
gpt-researcher：以多代理併行與檢索輔助生成（RAG）擴展深度研究流程
GPT Researcher 是一個開源的深度研究代理人，設計目標是在網路與本地資料上自動化長篇研究。專案以 Python 開發、採 Apache‑2.0 授權，主打多代理併行工作、外部檢索整合（RAG 類似思路）與可客製化設置，並強調引用來源與事實性以降低模型幻覺。
AI 代理
awesome-llm-apps 彙整：超過 100 個可執行的 AI 代理與 RAG 範本
該GitHub倉庫彙整可執行的100多個AI代理與RAG範本，原始檔案以Python為主，列出代理、語音代理與檢索增強流程的樣板，並標示可配合的多家大型語言模型；對開發者而言，資源能降低上手門檻並加速原型驗證與部署。