AI Agent
OpenViking 长篇教程:给 AI Agent 建一个真正可用的上下文数据库
OpenViking 是面向 AI Agent 的 Context Database,用 viking:// 文件系统、L0/L1/L2 分层、MCP 和会话归档统一管理 memory、RAG、skills 与 sessions。
Koog 教程:JetBrains 给 Kotlin/JVM 做的 AI Agent 框架,适合把 Agent 放回主工程栈
Koog 是 JetBrains 开源的 Kotlin/JVM AI Agent Framework,支持多平台、MCP、图工作流、记忆、模型切换、OpenTelemetry、Spring Boot 与 Ktor 集成。
Koog:JVM 团队终于有了更顺手的 AI Agent 框架
JetBrains Koog 面向 Kotlin/JVM、Android、iOS 和多平台应用,适合把 AI Agent 放进 Spring Boot、Ktor 与企业后端主工程栈。
DBX:更适合独立开发者的轻量数据库工作台
DBX 把跨平台数据库客户端、Docker Web 版、AI SQL Assistant、MCP Server 和 CLI 合在一起,适合独立开发者和小团队减少数据库工具切换。
CORE 这类 Personal AI OS,真正要解决的是 Agent 的长期上下文问题
RedPlanetHQ/core 把记忆、任务、连接器和网关放到一个自托管系统里,意义不在聊天,而在持续工作。
Text-to-Lottie:让 Claude Code 先做轻量动效草稿,再自己看帧修正
Text-to-Lottie 把 Lottie 生成、预览、锁帧、自检和修正打包成 skill,让 Claude Code 之类的 agent 也能稳定做轻量动效。
CEO-Bench 真正说明的不是 AI 能不能当 CEO,而是长周期决策有多难
把 14 个顶级模型放进 500 天的订阅软件公司模拟里,最有价值的结论是:长周期、强反馈、持续校准,才是 Agent 的硬门槛。
ByteChef 的重点不是 300 个连接器,而是把 Agent 和工作流放进同一个执行链
ByteChef 把 AI Agent、工作流自动化、RAG、Guardrails、MCP 和自托管审计放进同一平台,反映了企业自动化的新方向。
Hermes MoA:把多个模型组织成一条可复核的 Agent 判断链
MoA 不是聊天花活,而是为高不确定性任务准备的决策层。参考模型先出视角,聚合模型再做裁决。
Hermes MoA 混合 Agent 模式:真正重要的不是替代 GPT-5.6,而是把模型组织成团队
Hermes 的 MoA 模式把多个参考模型和一个聚合模型组织成协同判断链。它的价值不在炫技,而在为复杂 Agent 工作流提供第二意见、风险审查和可复核的决策结构。
本周 GitHub AI 热点的暗线:AI 正在从云端接口回到本地工作台
Unlimited-OCR、Cowart、Agent 框架、代码助手和网页存档工具共同指向一个趋势:开发者想把 AI 的输入、过程和结果留在自己可控的机器上。
GPT-5.6 的真正信号:模型发布开始围绕 Agent 能力重新分层
Sol、Terra、Luna 和 Ultra 模式的讨论,不该只看跑分和价格,更该看见前沿模型正在从聊天接口变成受控的多智能体工作系统。
Claude Tag 不是 Slack 机器人升级,而是 Anthropic 抢企业上下文入口
Claude Tag 把 Claude 放进团队频道、权限、记忆和异步任务里。更关键的不是又一个聊天机器人,而是企业 AI 从个人助手转向组织级执行系统。





