关注我，记得标星⭐️不迷路哦～
✨ 1: Gemini Fullstack LangGraph Quickstart
Gemini LangGraph全栈研究助手快速启动项目
Gemini LangGraph是一个使用 React 前端和 LangGraph 后端代理的完整堆栈应用程序示例。主要功能、核心要点和关键特性如下：
- 完整堆栈应用
: 使用 React 前端和 LangGraph 后端。 - LangGraph 驱动
: 使用 LangGraph 代理进行高级研究和会话式 AI。 - 动态搜索查询
: 使用 Google Gemini 模型动态生成搜索查询。 - 集成网络研究
: 通过 Google Search API 集成网络研究。 - 反思推理
: 进行反思推理以识别知识差距并优化搜索。 - 引用生成答案
: 生成包含所收集来源引用的答案。 - 热重载
: 开发期间前端和后端开发均支持热重载。 - 生产部署
: LangGraph 需要 Redis 实例和 Postgres 数据库才能进行生产部署，Redis 用于 pub-sub 代理，以支持来自后台运行的流式实时输出，Postgres 用于存储助手、线程、运行、持久化线程状态和长期内存，以及管理具有“完全一次”语义的后台任务队列的状态。
地址：https://github.com/google-gemini/gemini-fullstack-langgraph-quickstart
✨ 2: Firesearch
AI驱动的深度网络研究工具
- AI 驱动的深度研究工具：
Firesearch 是一款基于 Firecrawl 和 LangGraph 的 AI 驱动工具，旨在提供全面的网络研究能力。 - 多源内容提取：
利用 Firecrawl 进行多源网络内容提取。 - 搜索规划和后续生成：
使用 OpenAI GPT-4o 进行搜索规划和生成后续问题。 - 智能搜索：
将复杂的查询分解为多个聚焦的搜索。 - 答案验证：
验证来源是否包含实际答案，置信度阈值默认为0.7。 - 自动重试：
对未回答的问题尝试替代搜索词。 - 实时进度：
在搜索完成时提供实时更新。 - 完整引用：
每个事实都链接到其来源。 - 上下文记忆：
后续问题保持对话上下文。 - 可配置性：
通过修改 lib/config.ts文件可以自定义搜索行为，例如最大搜索查询数量、每个搜索的最大来源数等。 - Firecrawl API 集成：
利用 Firecrawl 的 /search端点，通过一次调用找到相关 URL 并提取 Markdown 内容。 - 搜索策略：
当初始结果不足时，系统会自动尝试多种搜索策略，包括拓宽关键词、缩小焦点、使用同义词、重述、分解、学术和实践等策略。 - 技术栈：
使用 Firecrawl 进行网络内容提取，OpenAI GPT-4o 用于搜索规划和后续生成，Next.js 15 构建现代 React 框架。
地址：https://github.com/mendableai/firesearch
✨ 3: Agent Flow
可视化AI工作流编排平台
Agent Flow 是一个模块化、可扩展的智能体平台，它主要功能是帮助开发者快速构建、定制和扩展AI驱动的工作流程。该平台利用可视化的节点界面和强大的API，集成了Composio和LanggraphJS，核心在于提供灵活的开发体验和第三方工具的无缝集成。主要功能包括：
- 可视化工作流构建器
: 提供一个使用ReactFlow的拖放界面，用于创建智能体图（节点和边）。 - 核心节点类型
: 包含数据入口的输入节点、结果输出的输出节点、使用大型语言模型进行决策的LLM节点、执行外部操作的工具节点，以及组合LLM和工具节点以进行复杂编排的智能体节点。 - API优先
: 每个工作流都表示为一个JSON图，可以通过单个API路由执行。 - Composio集成
: 使用一个SDK即可访问数百个预构建工具，并自动处理身份验证。 - 智能体模式
: 支持提示链、并行化、路由、评估器-优化器循环和利用工具调用增强LLM等多种智能体模式。
地址：https://github.com/ComposioHQ/agent-flow
✨ 4: DecipherIt
AI驱动的智能研究助手DecipherIt
DecipherIt 是一个 AI 驱动的研究助手，旨在通过整合多种来源的信息，并利用 AI 提供多种形式的分析和呈现，从而革新研究过程。它通过 Bright Data 的 MCP 服务器提供不受限制的全球网络访问，并结合先进的 AI 代理来理解、综合和以多种格式呈现信息，例如 AI 生成的摘要、互动问答、音频概述、可视化思维导图和自动生成的常见问题解答。它主要解决了传统研究中信息过载、地理限制、机器人检测、综合挑战和可访问性等问题，为研究人员、学生和专业人士提供强大的研究工具。
地址：https://github.com/mtwn105/decipher-research-agent
✨ 5: MCP Feedback Enhanced
AI辅助开发的交互式反馈MCP服务器
该项目是一个实现了AI辅助开发工具中**人机循环（human-in-the-loop）**工作流程的MCP (Model Context Protocol) 服务器。通过引导AI与用户确认，而非进行推测性操作，它能够将多达25个工具调用整合为一个面向反馈的请求，从而大幅降低平台成本。该项目支持Cursor, Cline 和 Windsurf 等平台，并提供双界面系统 (Qt GUI 和 Web UI)，自动检测环境并选择最佳界面。该项目支持多种图片格式上传，并进行智能压缩，以及支持包括英文、简体中文和繁体中文在内的多语言。
地址：https://github.com/Minidoracat/mcp-feedback-enhanced
（文：每日AI新工具）