本地 LLM
Vela AI 小說寫作 IDE：本地 LLM 與 RAG 深度整合的開源平台
Vela是一本開源、隱私優先的AI小說寫作IDE，結合本地大語言模型與長文本檢索（RAG），提供從大綱到章節的全流程自動化，讓作者在本機完成創作，降低資料外流風險。同時支援跨平台的Electron框架與TypeScript前端，適合獨立作家與創意寫手直接在桌面上部署AI助手。
RAG
深度分析
「SkillCenter」大型來源基礎技能庫：提升 AI 代理的正確性與安全性
SkillCenter以216,938筆來源基礎技能構成24大領域庫，透過自動化管線從學術、GitHub等來源抽取、驗證與發布，實驗顯示精準匹配的技能能顯著提升AI代理的正確性與安全性，預示未來開發流程將更倚賴可追溯的技能資源。同時結合社群貢獻與自動品質評分，為台灣開發者提供跨領域即取即用的知識庫。
AI Agent
從基礎到 Offer：AgentGuide 整合 AI Agent、LangGraph 與 RAG 的系統化學習指南
GitHub 新發現的 AgentGuide 專案匯集 AI Agent 開發與求職資源，提供系統化學習路徑、實作範例與 RAG 面試題庫，助台灣開發者提升競爭力並加速專案落地。此資源與 LangGraph、Dynamiq 等開源 RAG 生態相輔，適合想轉職大模型或強化 AI Agent 能力的開發者。
深度分析
FastGPT：全端開源 AI 代理平台的可視化工作流與 RAG 技術解析
FastGPT 為新興開源 AI 代理平台，提供即插即用的資料處理、RAG 檢索與可視化工作流編排，支援 Docker 本地部署與雲端使用。相較於 OpenAgent 等同類方案，其 TypeScript 生態與 Flow 編排更貼合前端開發者需求，預計將推動台灣企業加速本地化 AI 服務部署。
WeKnora
WeKnora：結合 RAG 與自動維基的 Go 語言開源 LLM 解決方案
WeKnora 是由騰訊開源的 LLM 知識平台，將原始文件轉換為可檢索的向量庫、自治推理代理與自動維基，使用 Go 語言實作，已獲超過 1.7 萬星標，平台支援向量搜尋、重新排序與多模型嵌入，並提供 API 與多租戶管理介面，適合建置企業內部問答與自動化維基系統。
深度分析
WeKnora：企業級本地部署 LLM 知識框架全面解析
WeKnora為企業級文件理解與語意檢索框架，結合RAG快速問答、ReAct代理與Wiki模式，可自動將文件轉為可互動的Markdown知識庫。支援多來源同步與20+大型語言模型，提升資料主權與開發彈性。此外，框架提供四層角色矩陣的多租戶存取控制與完整審計日誌，確保企業內部的權限管理與安全合規。
深度分析
FastGPT 開源平台：可視化工作流、插件熱更新與企業級部署
FastGPT是開源的AI Agent平台，提供即插即用的資料處理與模型呼叫功能，支援Docker與Sealos快速部署，並以模組化工作流編排複雜應用。平台核心包括多庫知識庫、插件熱更新與完整調試日誌。授權允許後端商用但限制SaaS，商業版則提供額外支援與功能。
深度分析
OpenAgent 開源個人 AI 助理：整合 LLM、RAG 與自主代理循環的多模型平台
OpenAgent以開源個人AI助理為定位，結合大型語言模型、文件檢索與自主代理循環，支援超過30種模型供應商與MCP兼容工具，提供跨平台單檔執行、透明工具呼叫、RAG知識庫與視覺化工作流，預計加速本機AI部署並促進開源生態競爭且支援單檔即插即用與多租戶隔離，降低維護門檻。
Bike4Mind
Bike4Mind：支援 Anthropic、OpenAI、Google Gemini 等多模型與 RAG 的開源 AI 工作平台
Bike4Mind 是一個開源核心的 AI 知識平台，支援多模型筆記本、ReAct 代理與 RAG 知識引擎，允許自行部署或使用多租戶雲端服務。其彈性設計降低模型切換成本，並透過 Quest Master 實現多步任務自動化，預計將推動台灣 AI 開發者在本地化與商業化間取得更佳平衡。
FAISS
「Local_Pdf_Chat_RAG」：結合 FAISS 與 BM25 的 Python 本地化混合檢索增強生成框架
Local_Pdf_Chat_RAG 是一個開源的本地化 RAG 框架，結合 FAISS 向量檢索與 BM25 關鍵字檢索，支援 Ollama、SiliconFlow 等模型，提供混合檢索、重排序與 Gradio UI，讓開發者快速建置高效問答系統，降低硬體與部署成本。
深度分析
CLAP：結合 LoRA/QLoRA 與 GRPO 的閉環訓練與評估流程提升領域代理人效能
在製造業領域，商業資料常雜訊多、格式不一，導致模型適應困難。研究提出 CLAP閉環訓練‑評估‑釋出流程，將原始資料轉為 SFT、GRPO、評估與門檻資產，並以風險診斷與應用鏈回放決定適配器是否上線。實驗顯示平均分數略升但批次回退仍存，證明僅憑離線分數不足以保證上線效果。
深度分析
PRA‑RAG：可證明魯棒的檢索聚合防止文字中毒攻擊
隨著檢索增強生成被廣泛應用，文字中毒攻擊成為安全盲點。研究提出PRA‑RAG演算法，利用多組檢索組合與最小半徑球選擇穩健子集，將攻擊成功率壓至1%，同時保持71%準確度。此外，作者給出語義偏移上限的理論證明，將最大偏移限制在2R以內，為RAG系統提供可量化的安全指標。