关注我，记得标星⭐️不迷路哦～
✨ 1: Open Agent Platform
Open Agent Platform是无代码Agent构建平台，支持RAG集成、Agent监督和多种工具连接，简化Agent管理。
Open Agent Platform (OAP) 是一个无需编写代码的 Agent 构建平台，它提供了一个现代化的 Web 界面，用于创建、管理和与 LangGraph Agents 交互。OAP 旨在降低技术门槛，让非专业人士也能轻松使用，同时为开发者提供高级功能。
核心功能：
- Agent 管理:
通过直观的界面构建、配置和交互 Agents。 - RAG 集成:
对检索增强生成 (RAG) 提供一流的支持，通过 LangConnect 实现。 - MCP 工具:
通过 MCP 服务器将 Agents 连接到外部工具。 - Agent 监督:
协调多个 Agents 通过 Agent Supervisor 协同工作。 - 身份验证:
内置身份验证和访问控制。 - 可配置 Agents:
通过丰富的 UI 轻松定义用户如何配置 Agents。
地址：https://github.com/langchain-ai/open-agent-platform
✨ 2: ArXiv Paper Summarizer
ArXiv Paper Summarizer使用Gemini API，能根据URL、关键词批量提取和总结ArXiv论文，并支持每日自动提取总结。
ArXiv Paper Summarizer 是一个 Python 工具，旨在帮助研究人员、学生和爱好者快速提取 arXiv 论文的关键信息，无需手动阅读冗长的文档。它利用 Google 的免费 Gemini API 来获取高质量的论文摘要。该工具支持多种使用场景，包括：
- 单篇论文摘要：
通过输入单个 arXiv 论文的 URL 来获取其摘要。 - 批量论文摘要（基于URL）：
从文本文件中读取多个 arXiv 论文的 URL，并批量生成摘要。 - 批量论文摘要（基于关键词）：
根据指定的关键词和日期范围，从 arXiv 上抓取并摘要相关论文。 - 每日自动摘要：
可以配置为每天自动提取并摘要 arXiv 上基于关键词的新文章，并将结果添加到 Google 文档中。
地址：https://github.com/Shaier/arxiv_summarizer
✨ 3: Simple subtitling
Simple subtitling利用WhisperX和说话人聚类，从音频文件生成带时间戳和说话人ID的字幕。
Simple Subtitling 是一个用于自动生成影视剧字幕的工具，它能从音频文件中提取语音，生成带有时间戳和说话人 ID 的字幕文件 (SRT)。其工作流程如下：
- 语音转录与时间戳：
使用 WhisperX 将音频转换为带有时间戳的文本。 - 说话人嵌入提取：
在句子级别提取说话人的特征向量 (embedding)。 - 说话人聚类：
通过凝聚层次聚类 (AHC) 将这些特征向量分组，并分配说话人 ID。 - 可选的说话人命名：
如果你提供每个演员的语音样本（音频范例），系统会使用这些样本为说话人分配准确的姓名。
地址：https://github.com/JaesungHuh/simple-subtitling
✨ 4: Muscle Memory
Muscle Memory是一个AI智能体的行为缓存SDK，通过记录和重放工具调用模式，减少LLM的使用，提高效率并降低成本。
Muscle Memory 是一个为AI代理设计的行为缓存工具。它的核心思想是记录AI代理在解决任务时的工具调用模式（trajectory），并在再次遇到相同任务时，直接重放这些已学习的轨迹，避免每次都调用大型语言模型(LLM)，从而提高速度、降低成本并减少输出结果的变异性。如果遇到边缘情况，则会回退到原始的agent模式。它并不是另一个agent框架，而是可以让你将现有的agent集成进去，重点在于缓存验证，通过定义Check来判断在什么情况下可以安全地重用缓存的工具调用序列。
地址：https://github.com/pig-dot-dev/muscle-mem
✨ 5: AutoGenLib
AutoGenLib是一个Python库，能用OpenAI的API动态生成代码，实现按需导入模块和函数。
AutoGenLib 是一个 Python 库，它使用 OpenAI API 动态生成代码。当你尝试导入一个不存在的模块或函数时，它会根据你提供的高级描述自动创建代码。 它的核心理念是“导入智慧，导出代码”，旨在简化开发流程，尤其适用于快速原型设计和探索性编程。
主要特性:
- 动态代码生成:
根据需要实时生成模块和函数。 - 上下文感知:
生成的代码能够感知已存在的代码，保持一致性。 - 渐进式增强:
无缝地向现有模块添加新功能。 - 无默认缓存 (可选):
每次导入都生成新的代码，结果更多样化（但可选择开启缓存）。 - 全代码库上下文:
LLM 可以访问所有先前生成的模块，从而提高一致性。 - 调用者代码分析:
LLM 分析导入模块的代码，更好地理解上下文和需求。 - 自动异常处理:
异常被发送到 LLM 以提供解释和修复建议。
地址：https://github.com/cofob/autogenlib
（文：每日AI新工具）