开发工具

MCP Stack 是一套基于 Model Context Protocol 的 AI 工具集，帮助开发者无缝连接 LLM 与外部工具和数据源，实现跨平台集成、上下文共享与智能协同，广泛适用于企业、自动化和多 Agent 系统。

Observer AI 是一款开源可本地运行的 AI 观察者 平台，支持屏幕监控、脚本自动化、视觉识别与通知触发，适用于需要隐私保护和自定义 Agent 的开发者与电力自动化爱好者。

Seaweed APT2 是 ByteDance 最新推出的实时交互式视频生成模型，采用 自回归对抗后训练（AAPT） 技术，实现单 GPU 24 fps、长视频流式生成，支持虚拟人物与世界漫游互动。

MAGREF是一款先进的 视频生成框架，通过“Masked Guidance”实现多参考图像与文本提示驱动的视频合成，支持目标一致性、动态遮罩与像素级特征融合，助力研究者和开发者探索高质量、多主体视频生成新路径。

Clacky AI 是革命性的 AI 编程助手，融合 L3 级 云端开发环境(CDE)，支持从 Issue 到 PR 自动化流程、小组协作、时间旅行审计等高级功能，是开发者提升效率的不二之选。

Hunyuan3D‑2.1 是腾讯发布的开源工业级 3D 生成系统，支持高保真 PBR 材质与自动化纹理合成。适合游戏、影视、工业设计等应用场景，为开发者提供模型权重、训练代码与部署方案。

VibeKit 是一款开源 SDK，允许开发者将 OpenAI Codex 或 Claude Code 等 编码代理 安全封装到 安全沙箱中运行。支持实时输出流、异步处理、GitHub 自动化，非常适合内部工具、原型开发与应用集成。

一种高效的 视频生成模型，具备单步或少步推理能力，通过一致性蒸馏和 speculative 抽样策略，实现近 30 FPS 的实时视频生成，为交互式视频与流媒体应用带来新机遇。

一款强大的 AI本地写作工具，支持创意构思、结构设计、自动润色、逻辑检查与全文生成，兼容 Windows 与 macOS 平台，无需登录及时启用，保障数据隐私与创作自由。

火山引擎推出的 企业级AI Agent开发平台，提供从智能体构建、评测、监控到优化的全生命周期管理，支持模型接入、精调、私有部署和安全合规，助力企业高效落地 AI Agent 应用。

火山引擎推出的大模型智能解决方案平台，覆盖Prompt生成、调优、评估与管理全生命周期，通过交互式引导、多模态支持与闭环优化，帮助企业与开发者精准构建高质量大模型解决方案。

一款开源、私有化运行的 AI个人知识管理 工具，支持本地模型推理、自动笔记关联、语义搜索与写作辅助，打造高效、安全的第二大脑。本文从功能介绍、使用指南、技术揭秘、应用场景与常见问题全面剖析，助力 AI 工具使用者实现个性化知识管理升级。

字节跳动火山引擎推出的首款 多模态深度思考大模型，支持256K超长上下文、自适应思考、图形界面操作、低成本区间定价。本文详解功能亮点、使用场景、技术原理、常见问题与优化建议，帮助 AI 工具使用者全面掌握豆包1.6 的潜力与落地策略。

Vui——一款轻量级、轻量级语音对话模型（Lightweight Voice Dialogue Model），具备上下文感知与声纹克隆能力的开源 on‑device 模型。

Magistral —— Mistral AI 发布的首款 推理模型（reasoning model） 系列，支持推理能力更强、支持多语言、可链式思考。

MaskSearch——一款由阿里巴巴发布的 新型通用预训练框架，采用 RAMP 任务强化检索推理能力，支持 SFT 与 RLHF 多阶训练，广泛适用于多跳问答及开放域问答系统。

ContentV——字节跳动开源的 文生视频模型框架, 基于 80 亿参数设计，具备多阶段训练、高效流匹配和人类反馈强化机制，可生成高质量视频。

SmolVLA ——一款革命性的轻量级视觉-语言-行动（VLA）模型，仅 450M 参数，适合常规硬件训练与部署。

由中山大学深圳校区、美团及香港科技大学联合提出的 音频驱动多人人物对话视频生成框架。

一个由学者提出、面向大型语言模型（LLM）的时序推理框架，通过强化学习精炼生成的小模型（≈3 B 参数），具备对“历史时间理解”、“未来事件预测”及“创造性时间想象”的能力，推理性能优于体量大 200 倍以上的模型。

一款由 Ahmed Khaleel 开发的开源工具，可以瞬间把任何 GitHub 仓库转化为交互式结构图，让你快速可视化整个项目架构与模块组织。

MiniCPM 4.0 是一款以“轻量却强劲、速度远超竞品”为特点的端侧 LLM，适合在设备端部署 AI agent、聊天系统、报告生成等任务。

一个面向开发者与 AI Agent 的 API 和 Model Context Protocol（MCP）服务器集中平台。

一款面向开发者和企业的 AI 智能评测平台，通过自动化模拟对话、合规检测与工具调用测试，帮助团队在正式上线前识别潜在问题，提升 AI 代理品质与可靠性。

一款现代化的无代码（No-Code）工作流自动化平台，结合了人工智能（AI）和人工介入（Human-in-the-Loop, HITL）功能，旨在帮助个人和团队高效连接并自动化跨应用程序的重复性任务。

Google 开源的全栈 AI 智能体示例项目，结合了 Gemini 2.5 大模型与 LangGraph 框架，旨在构建具备深度搜索与智能研究能力的对话式 AI 系统。

OCode是一个开源的 AI 编程助手，旨在通过自然语言与代码的交互，提升开发者的编码效率。

Jaaz是一款开源的本地 AI 设计工具，旨在为用户提供免费的图像生成和编辑解决方案。

阿里巴巴通义实验室与中国科学技术大学联合推出的视觉感知驱动的多模态检索增强生成（RAG）推理框架。

DGM 是一种具备自我进化能力的 AI Agent 系统。它通过迭代修改自身代码，提升自身性能，广泛应用于自动编程、代码优化、自动修复等领域。DGM 的核心理念是通过开放式探索和自我改进，实现 AI 系统的持续进化。

一款先进的在线 AI 语音合成与声音克隆平台，支持多语言文本转语音（TTS）和个性化声音定制。

一个基于扩散变换器（Diffusion Transformers）的无掩码视频编辑框架，专注于唇部动作与音频的精准同步。

出门问问（Mobvoi）于 2025 年 5 月 29 日正式发布的一款多模态 AI 服务平台。

灵码 IDE 是阿里云发布的首个 AI 原生开发环境工具，深度适配了最新的千问3大模型，全面集成通义灵码插件能力，具备编程智能体、行间建议预测、行间会话等功能。

阿里巴巴于 2025 年开源的自主搜索 AI 智能体，旨在通过模拟人类在网络上的行为，实现自动化的信息检索与多步骤推理。

一款智能浏览器自动化平台，专为 AI 代理（AI Agents）设计，旨在通过自然语言指令实现对网页的自动化控制。

一款创新型全栈通用 AI Agent，集成了自然语言处理、代码生成、网页浏览、API 调用、系统命令执行及应用操作等多种功能。

由南开大学与伊利诺伊大学厄巴纳-香槟分校（UIUC）联合研发的高效推理框架，旨在提升基于大型语言模型（LLM）的搜索智能体在处理复杂任务时的效率和响应速度。

帮助用户构建、部署和管理数据驱动的 AI 应用程序。

一款开源的多模态检索增强生成（RAG）工具，专为处理复杂、视觉内容丰富的非结构化数据而设计。

一款完全本地化的开源 AI 助手，旨在为用户提供强大的智能代理功能，同时确保数据隐私和安全。

一款开源的多模态 AI 知识库与研究代理工具，专为处理包含复杂图像、图表和技术文档的企业数据而设计。

一款由 AI 驱动的无代码移动应用开发平台，旨在帮助用户通过自然语言描述快速生成跨平台的 iOS 和 Android 应用程序，无需任何编程经验。

通过语音或文字输入快速生成功能齐全的应用和网站，无需编码。

ByteDance开发的多模态文档图像解析模型，处理包含文本、表格、图形和公式等交织元素的复杂文档图像而设计。

DMind 提供了一系列AI工具和模型，包括DMind-1和DMind-1-mini等大型语言模型（LLMs），专为区块链、去中心化金融（DeFi）、智能合约和链上数据分析等任务设计。

Google 推出的一款基于浏览器的集成开发环境（IDE），旨在帮助开发者、研究人员和企业用户快速构建、测试和部署基于 Gemini 多模态大模型的生成式 AI 应用。

Anthropic 于 2025 年 5 月 22 日发布的新一代人工智能模型，包含两个变体：Claude Opus 4 和 Claude Sonnet 4。

一款开源的 Python 网页抓取工具，通过结合大型语言模型（LLMs）和模块化图逻辑，彻底改变了数据提取的方式。