前不久,在极客公园创新大会上,我们给 7 款 AI 产品策划了一个特别的「线下发布会」。
这 7 款 AI 产品有一个共同特点,绝对的「新」。在近一个月内,有刚刚发布的 AI 硬件新产品;有进行了大版本更新,上新了 AI 功能的笔记产品;还有在大会上首次对外发布的 GEO 产品。
我们把这几款新产品的创始人聚集在一起,聊了聊他们在 AI 时代想做个什么样的产品,以及对行业内快速变化的一手观察及思考。
这些产品均来自于 Founder Park 的产品市集,自今年 4 月起,Founder Park 的「AI 产品市集」面向行业推荐了超过 150 款 AI 产品,聚集了包括产品人、开发者、创始人、投资人在内的超过 17000 位 AI 行业从业者。
如果你的产品也希望被更多人看到、希望收集到更多反馈,欢迎提交产品:
https://geek.feishu.cn/share/base/form/shrcnVYrbvU6tXjk6MKoag5e0Eg
flomo 从来不做任何 AI 润色、生成内容的功能,且未来也不会做。用户记录在 flomo 中的焦虑、困惑和高兴,这些「上下文」是独属于用户自己的经历和思考。flomo 要做的,是基于这些「上下文」,帮助用户发现不同的视角与理解。
AI 笔记产品 flomo 最近更新了 5.0 版本,将「AI 洞察」功能升级为「多视角洞察」,用户可以通过选择 CBT 疗法、逆向思考等不同洞察视角来解读自己的笔记,来重新认识自己。
在 AI 产品快闪活动现场,flomo 的联合创始人少楠分享了他对于笔记记录、AI 新功能背后的思考。
产品:https://flomoapp.com/
你的经历和思考,才是真正的「上下文」。
如果我们的笔记里充斥了大量生成、润色、摘录的东西,那 AI 洞察出来的是什么?
想象一下,今天我记了一条「我的老板又怎么我了」,然后被润色成了「今天我跟老板讨论完,产生了争执」;某天深夜,你觉得「这班我不想上了,太难受了」,被润色之后说「某一夜我的情绪有所波动,在思考职业的未来」。
用户记录在 flomo 中的焦虑、困惑和高兴,这些是独属于用户自己的经历和思考。而 Flomo要做的,是基于这些「上下文」,帮助用户发现不同的视角与理解。在这个时代,最稀缺的是「个人上下文」。
大多数时候,我们其实不知道自己「不知道什么」。
我们做的一件非常古典的事情:把道理变成工具。我们把这些年对我有启发的思考方式,比如矛盾论、逆向思考、二阶思考,把这些思维方法,甚至把提出这些思维方式的人提前内置在了产品里。

其实大多数时候,我们并不知道自己「不知道什么」。讲一个我自己的案例,我去年有了孩子,一边是照顾孩子的筋疲力尽和家庭矛盾,另一边是 AI 的冲击让我特别焦虑,担心我们这种古典产品经理要被淘汰了。当时的想法是顶住,扛住所有责任。那个时候,我试着在 flomo 里点了一下「逆向思考」。AI 借用芒格的视角告诉我:「想知道怎么失败吗?很简单,把自己往死里卷,等你崩溃了,你的家庭和团队也就都崩溃了。」其实那本书我都不知道翻了多少遍了,但直到那一刻,这句话才真正点醒了我,我所谓的「付出」,其实是一种过度的自我牺牲,我根本没照顾好自己。
所以,面对同样的事实,当你拥有不同的视角来解释时,意义也会呈现出不同的面向。
事实 + 不同的视角 = 更好的解释。我的事实没有变,还是那些情绪化的、不堪的、压力的、思考的东西,加上芒格的视角、认知行为疗法的视角,就得到了一个更好的解释。
flomo 这个洞察功能,看起来也很简单,听起来就是一堆 prompt 加在一起,但这可能是我们对于持续不断记录人的一个答案。
我认为 AI 不仅是一种像引擎一样的效率工具,让我们更快达到目的;更希望 AI 是一种透镜,就像哈勃望远镜那样,去看到不曾经看到的世界。因此,我们也希望 AI 洞察,能帮你看到一个不一样的自己。
这也是我们在做 flomo 这件事的意义,「持续不断记录,意义自然浮现。」
Doka 是一款 AI 相机,通过 AI 实时构图和 AR 引导线等功能,让用户通过简单的引导、调整,随手拍出构图平衡、色彩恰到好处的照片。
Doka 最近登顶了台湾地区摄影分类榜单第一名,在零投放成本的情况下,获取到了数万的用户。目前,APP 已在 iOS 端上线,安卓端正在公测中。
Doka 相机创始人 Finch 分享了 Doka 的产品理念,以及在创业过程中的策略调整的思考。
产品下载:iOS 端搜索「Doka 相机」,安卓端公测小红书搜索「Doka 相机」。
有 93% 的用户对于拍照知识、所谓的参数一点兴趣都没有。市面上,其实缺乏一种能屏蔽这些专业摄影技能,让用户简单跟着拍,就能拍出好照片的产品。
在 Doka 相机之前,我们是最早做「机位灵感跟拍地图」这类产品的公司。当时产品首次上线时,用户转化非常好,但后来我们放弃了这条路线。
它有两个致命性的问题。
首先,是需求低频,用户高频拍照的场景更多是在日常:小区的楼下花开了,下班的时候秋叶很漂亮。这个日常的精彩时刻,用户是没有模板可以参考的。
其次,我们发现接近 80% 的用户对于模仿同款照片其实是非常排斥的。大多数用户虽然想拍出好看的照片,但并不想 1:1 地去模仿别人。
所以,现在 Doka 相机的解决方案是:在相机中内置一个 AI 摄影师,用 AI 帮助用户在任意地点去构图。
只需要打开手机,对着你想要拍的画面点击「扫一扫」,AI 就会帮你分析,同时产出一个 AR 的引导线。你只需要跟随这个 AR 引导线调整你手机的方向角度,当角度合适的时候,它就会自动调整焦段等镜头参数、自动匹配最合适的色彩风格。
Doka 虽然做的是 AI 构图,但 AI 的角色永远只是辅助。
我们有两种技术路线可以选择:第一种就是我们当前的路线,让用户自行选择我要拍的方向和主体;第二种是,拿起相机环视一周,让 AI 告诉我哪个方向更美、更好看。听起来,第二种似乎更 make sense,但因为每个人的审美和 taste 是不一样的,每个人想要拍的点也是不一样的。我们不强迫用户的审美,而是要让大家自行决定想拍什么。
AIGC 再怎么发展,AI 生图再怎么优秀,也永远替代不了摄影的价值,因为摄影的本质是记录真实的美好瞬间。也就是说,修得好、生成得好,不如拍得好。
Doka 的设计理念是:一款简单纯粹的相机产品,而不是拍照社区。
市面上有超过六成的相机类产品,首页都长得像左边这张图一样。而 Doka 在立项之初,设计的原则就是一定要给大家提供一个简约、有质感、纯粹的相机,去保障大家有一个非常畅快的拍照体验,而不是充斥着臃肿的信息流。

Doka 相机希望通过 AI 构图辅助帮助大家放下对拍照技术的顾虑,更加热爱、更加频繁地去拍照,去记录你生活中那些美好的瞬间。
remio 是一款个人办公助手产品,能够通过一键同步本地文档、无感捕获网页浏览等方式,智能的收集上下文,帮助用户快速整理周报、回溯任意话题。
为什么我们更需要一款 Personal ChatGPT?remio 创始人汪源分享了产品的核心理念,以及对于个人化 AI 和上下文工程的思考。
官网:https://www.remio.ai/
今天我们在用 ChatGPT 这些 AI 产品时,很多时候的体验是:我们变成了需要不断地在各个渠道查找找资料然后提供给 AI 的『数据管理员』。到底是 AI 在给我们打工,还是我们在给 AI 打工?
为什么会出现这种情况?核心是,AI 缺少关于你工作的上下文。
所以,remio 要做的是一个 Personal ChatGPT,采用 Auto-Save 的方式来构建完整的数字记忆,让它成为一个非常懂你的业务、懂你的工作内容的 AI Partner。
为什么超级智能搞不定我的周报?
我先分享一个来自我们身边的真实案例。我们的一位同事让 AI 帮助整理一个周工作小结汇报,结果 AI 的回答非常简单:「你这周主要就是将用户的案例汇总成一个表格。」为什么?因为它能「看到」的上下文,仅限于用户在那一周里用它处理过的任务。
同样的任务,又交给了 remio 处理,结果完全不同。remio 能够清晰地梳理出他本周所有的工作细节:访谈了三位用户、整理了案例集、更新了官网内容、分析并优化了投放数据等等。不是因为 remio 使用的 AI 更聪明,因为它最终调用的也还是 GPT、Gemini 或者 DeepSeek 等一系列主流的大模型,是因为我们把「上下文」这件事情做到了极致。
把「上下文」这件事情做到极致
在 AI 时代,程序员这个群体是相对比较幸福的,以我自己为例,95% 以上的代码都是 AI 来帮我写的,我只要管理好它写代码的需求、架构设计这些方面,具体的编码工作已经很少去做了。
在 ChatGPT 刚出现的时候,程序员使用 AI 的方式主要是「搬运」:把代码片段或报错信息,从自己的开发环境(IDE)复制粘贴到 ChatGPT 中,然后再把 AI 的回答粘贴回来。但现在,编程 AI 能做到给它一个任务,花十几分钟就能独立完成一个复杂功能。为什么?AI Agent 获得了访问整个代码仓库的权限。
但是同样的环境,我们在其他的工作场合是没有的。我们没有一个完整的资料库,能够让 AI 随时都可以用。所以 remio 核心就是要做好这样的一个资料库,然后再对接上全世界最优秀的 AI 和 Agent,使得它成为我们真正的一个工作助理。

解决两个核心技术难题
上下文工程是我们智能软件的核心技术。怎么做好?我认为最主要是做好两件事情:一是我们要有能力去全面地获取上下文,而且在这个过程中不需要人付出太多的劳动;二是我们能够面向特定的任务,妥善地组织好上下文,让 AI 能够拿到高质量的上下文。
针对第一件事,remio 推出了一个「全面无感记录」的浏览器插件,能够将我们每天浏览过的成百上千个网页,在线文档、视频等内容,以一种结构化的方式保存下来。
同时,我们还做了非常受用户欢迎的是本地文件的实时解析功能。remio 会实时监测用户本地文件的变化,同时行业最优秀的文档解析工作流,能进行复杂的版面分析和内容识别,将各种格式的文档转化为 AI 可理解的数据。
更重要的是,我们基于现在的 AI,PC 和苹果电脑的 NPU 算力做了深度优化,性能比许多开源的同类技术提高了 10 倍。
仅仅把所有信息收集起来是远远不够的,这会形成一个杂乱无章的「数据垃圾场」。第二件事是,高效地管理好上下文。remio 采用了本地优先的向量库进行检索,能够确保响应速度和数据隐私。同时,面向特定的任务,remio 采取了以「全」为主、兼顾「准」的上下文组织方式。通过很多种不同的召回、扩展、过滤策略,在上下文超过模型窗口时,通过各方面权重来精细化地组织上下文,对信息进行排序和筛选,确保最核心、最关键的信息被优先提交。
这也是 remio 的核心优势。当很多 Agent 风格的产品还在通过反复试错来寻找答案时,remio 总是一次性地就把问题回答对了。
Pallas AI 是一款基于 GEO,帮助企业解决 AI 营销问题的 Agentic 产品。
为什么对 AI 营销这件事,在今天变得这么重要?Pallas AI 联合创始人明皓分享了他们对于 AEO 的理解和解题思路,同时开放了产品体验申请。
申请试用:https://docs.qq.com/form/page/DRkxodERDUnFUU2FP
目前,ChatGPT 每天影响的交易额在 20 亿人民币以上。41.2% 的对话里,AI 会主动提到特定的品牌名称;33.8% 的对话中,会出现一次自发的产品推荐。
因此,重新做一次针对「AI」的营销,让品牌从「等着被搜到」变成「被主动推荐」,这事变得更加重要。

AI 应该是一个关于平权的故事
我们应该重新做一次营销,这次营销不是对人的,而是对 AI 的。
怎么做?其实是一个循环:分析、策略、内容、监测、优化和迭代。步骤很简单,但循环其实很难。因为在北美,这是一个完整的作战单元,你需要掌握一定的 AEO 知识,把收集到的数据变成一个数据库,然后通过专业的 Know-how 把它变成可执行的策略、知识架构和迭代优化的归因等等。
在北美,请一个专家团队的起步价是每月 4000 美金,这还只是起步价。
我们始终觉得,AI 应该是关于平权的故事。Cursor 能为代码平权;Lovart 能为设计平权;Vast 能为 3D 平权。但是回到最重要的、决定企业生死的流量端,反而成了一个大企业的游戏、大预算的游戏。这不合理。
所以,我们推出了 Pallas,一个交互极其简单、能换来真实增长、属于你自己的 AEO 营销专家团队。
Pallas AI 是一个属于每个人的 AEO 专家团队
我们几乎把所有的 Know-how、数据分析、工具和工作流全部压在了 Pallas 上。
更具象地讲,Pallas AI 就像是一个 AEO 专家团队,会对客户和其竞品的全域情况进行追踪。通过简单的对话框交互,Pallas 会帮你分析你是谁,你的对手是谁,你的客户在关心什么?对应的,Agent 会进行 2000 次以上的关键词研究,100 篇文章以上的研究,以及 30 轮次以上的思考。
然后,生成一个「营销地图」。这个地图用一条非常清晰的逻辑链,直观地展示「用户是谁」、「用户在什么场景下会关注你」以及「他们为什么会关注你」,以及我们为什么要执行某个策略、会带来什么样的结果、如何执行。
同时,Pallas AI 推出了一个「东半球最全面」的数据分析与可视化面板,能同时监控所有主流 AI 平台,实时看到品牌在这些平台上的具体表现,包括可见性、排名、权重、用户好感度等等。同时,监控竞品的表现,追溯每个具体问题下的每个 AI 回答,能清楚地知道哪里做得好,以及哪里需要优化。

最后,是一个全内容生产平台。根据所有 AI 平台的规则,批量生成需要优化的内容并对应评分。此外,Pallas AI 还内置了一个独特的「AI 警察局」机制,能主动去验证生成的内容是否存在 AI 幻觉或不实信息。
在这几个环节的紧密配合下,Pallas AI 围绕策略生成、内容生成、优化方案迭代,能够持续学习所有数据监控的归因和归类,形成一个专业的营销团队,为企业带来真实、有效、且强劲的业务增长。
MuleRun 是一个 AI Agent 的 Marketplace,聚合了大量不同类型的专业 AI Agent,让普通人直接调度一支由 AI 专家组成的团队,提高生产力。
MuleRun 平台在上线一个月后,达到了 50 万注册用户数。
MuleRun CTO 束骏亮分享了为什么要做一款 Agent Marketplace 产品,以及在产品构建过程中的实际思考。
产品:https://mulerun.com/
随着 AI 技术的发展,做一个 Agent 这事已经不难了。但怎么能够让你的 Agent 商品化、市场化,交到全世界每一个用户的手上?还是一个很困难的问题。
人类社会最强大的动力就是「搞钱」。所以,我们想到的方案是,要允许开发者把他的知识做成 Agent 后,去实现变现。我们决定在今年下半年,做一个由市场经济驱动的 AI Agent 的市场。
定位:覆盖 AI 领域中的中长尾需求
我们希望 MuleRun 成为一个能够覆盖 AI 领域中长尾需求的市场。不一定要去解决一些特别头部的问题,比如 AI coding,我们大概率也不会推荐在我们的平台上去制作这样的 Agent。当 AI Agent 已经能够发展到解决很多现实问题的时候,它一定有非常多的中长尾需求要去解决,这也是我们对于 MuleRun 平台的定位。
Agent 只有实现商品化以后,才具备价值
接下来,我们思考怎么把这件事情做成?平台创作者的动力来自哪里?还是搞钱。我们需要有一个非常好的 Agent 生态,能够让创作者把自己的知识变现。换句话说,只有一个 Agent 商品化以后,它才具备价值。
所以,我们在做的 MuleRun 是一个串联开发者、用户以及平台的三方平台。平台上的所有 Agent 以金钱为纽带相互联系、流动。
首先,MuleRun 是一个框架和模型中立的平台。你可以用任何一个框架、任何一个工具开发的 Agent,甚至自己开发的网站,导入上架到我们平台上,帮你分发到全世界各地。

其次,MuleRun 会提供一系列开箱即用的底层工具。我们很清楚,我们平台要服务的开发者,他不一定是个技术大牛。他可能是一个某个领域的专家,脑子里有很多绝妙的点子,但就是不太会写代码。所以,我们想给他的,是一种『开箱即用』的体验。

比如,我们把市面上所有主流平台的 API 都聚合好了,用户不用到处去申请,直接购买就行。同时,还提供了像网盘空间、网页托管、云端 Sandbox 这些基础工具。
此外,我们还做了一个非常重要的功能,让用户可以直接用自然语言去构建想要的 Agent,直接看到效果、不断调试。
最后,很高兴跟大家分享一个数据。目前,MuleRun 平台在上线一个月时就已经有了 50 万的注册用户,到现在可能已经远不止 50 万了。在我们的社区里,每天有几千个活跃的开发者在持续地跟我们一起共创。
OdyssLife 是一个专注于健康生活方式的创新品牌,首款产品 Odyss N1 是一个 AI 项链,集图像、音频、动作等多模态感知能力于一体,能够全天候感知和记录用户的饮食与运动行为。
Odyss N1 在「AI 产品快闪」活动现场亮相。创始人潘宇扬分享了产品背后的构想,以及对于可穿戴 AI 硬件产品的理解。
产品官网:https://odyss.life
在所有和健康相关的事情中,吃饭这件最重要的事一直在被我们遗忘。
我们这代人对健康的焦虑是肉眼可见的,大家嘴上都说着要管理健康,现实是我们有各种各样的方法来记录运动、睡眠甚至情绪,但在饮食这件最重要的事情上,我们从来就没有过一次好的用户体验。
市面上有非常多帮助减肥打卡、拍照识别卡路里的 APP,体验都很糟糕。在我们的真实日常中,我们的饮食行为其实很碎片化,下午吃了点零食、和朋友分了一份菜、或者晚饭根本没吃完,这些你怎么记?手动去记,不仅特别麻烦,而且根本就不可能准确。这也是为什么我们这代人的健康计划总是停留在第一天。
我们想做一款产品,能够 24 小时安静地陪着我,观察、理解我周围和健康相关的一切。
Odyss N1 能够地清晰「看见」用户的饮食结构:从进食的先后顺序、速度,到每一口食物的营养成分和热量分布,系统都会进行智能分析,并与运动数据及日常生活事件相结合,给出一个健康生活方案。
以下视频来源于
OdyssLife

为什么是项链?
但 AI 硬件的形态确实很多,哪个是你愿意每天都戴在身上的?如果答案是没有,是不是说明现有的 AI 硬件产品还不够好?
好的产品永远要为人服务。从第一性原理出发,我们设计了「项链」这个形态。它可以每天 24 小时贴身陪伴着你,无需唤醒,观察你的行为,倾听你的想法,感知你的动作,同时毫无存在感。它有和你相同的视角,恰好能看到你做饭时的每一勺,吃饭时的每一口。但它只关心你的健康数据,所有的原始音频、图像,它一概不会记忆。

举个例子,早上起床,你戴上 Odyss N1,你的手机上会收到一条温暖问候:「早餐记得加点蛋白质」、「下午四点的饮料可以换成无糖的」、「晚上七点前要吃完饭」。就像一位私人营养师给你的「今日生活指南」,把专业的营养学知识,转化成简单、可执行的日常小事。
同样,Odyss N1 还可以将运动与饮食关联起来。当你下班后去健身、打球或散步,它能通过姿态和节奏分辨出你的运动状态,然后动态调整你的饮食方案。
重新定义我们与食物的关系
每天结束前,Odyss N1 会默默地把这一天的碎片化行为整理成一份清晰的身体日报,可以看到你的饮食指标、行为等等,同时给出明天的规划、以及健康建议。
到这一步,我们和食物的关系就已经从随机的摄入变成了一种更聪明的「选择」。
如果有一天,每当你拿起食物时,就会一个声音告诉你,这份食物会怎样组成你身体的一部分。从那一刻起,我们和食物、和世界的关系就已经被重新定义了。
模特拍摄贵、版权麻烦、流程慢,是很多商家和内容团队的「老大难」问题。LavieAI 的思路很直接:用 AI 模型取代模特拍摄,更快、更省钱地拿到好看的成片。
LavieAI 是一家成立于 2023 年、专注于服饰垂类行业的 AI 视觉内容生成公司。业务主要包括 AI 模特生成、广告内容制作和虚拟 IP 运营。
产品:https://lavieai.com/
节约成本、时间的同时,兼顾多元化审美
大家可以把 LavieAI 想象成一家新型的广告制作公司。有三个核心业务板块:视觉定制化解决方案,为品牌方提供视觉内容制作和 AI 模特生成;API 服务,为企业用户提供 API 接口;ToC 在线平台 LavieAI.com。
不同于市面上大部分做换脸换装的创业公司,我们没有把月活、留存、DAU 等互联网指标放在首位。我们坚信慢就是快,业务是从 B 端逐渐向 C 端延展,希望把 B 端成熟的能力作为基石,再把这些能力逐渐下放到 C 端。
其中,视觉定制化解决方案相比于传统拍摄,在费用成本上平均可以降低 90%,在时间成本上能降低 90% 的制作周期。
C 端产品 LavieAI 则是通过提供人像合成、背景合成、超分修复、姿态迁移和视频换装等 AI 模特生成功能,帮助品牌方、客户降低费用成本。
自研 Photoshop AI 插件、「无限画布」系统
LavieAI 的技术能力扎实,有自研的人像生成模型。同时,还有一个 5000 多位不同年龄、种族、性别和身材的海量 AI 模特库,版权清晰,可商用。
LavieAI 自研的 Photoshop 图像 AI 插件,实现了 AI 设计功能与设计流程的无缝集成。能够实现非常精准的 AI 局部修改,商业化图像生成服务当中非常具有优势。同时,自研的「无限画布」系统,能让团队在同一个无边界界面上即时对比、选择海量 AI 图片,利用内置的高清放大与质感增强功能快速优化图像细节,来大幅提升工作效率。
AI 让创意的门槛更低,但对审美和想法的要求更高了
LavieAI 的优势是一直坚持的艺术和技术的结合。我们在模型训练过程中加入了美术指导的专家模式,让模型生成的结果能更符合时尚行业的审美。同时,在交付过程中,艺术团队会和技术团队紧密配合,实现 1+1 大于 2 的效果。
比如,来自 ONLY 的案例。细节把控非常精准,包括泡泡袖的廓形、枪驳领的缺口设计,服装的关键细节完美都能够还原。

同时,采用合适的模特来呈现,我们给客户展现了三种不同类型、不同发型的模特,让他们可以快速匹配到最符合品牌调性的面孔。
文章来自于“Founder Park”,作者 “Founder Park”。
【开源免费】字节工作流产品扣子两大核心业务:Coze Studio(扣子开发平台)和 Coze Loop(扣子罗盘)全面开源,而且采用的是 Apache 2.0 许可证,支持商用!
项目地址:https://github.com/coze-dev/coze-studio
【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址:https://github.com/n8n-io/n8n
在线使用:https://n8n.io/(付费)
【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。
项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用:https://vectorvein.ai/(付费)
【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。
项目地址:https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】graphrag是微软推出的RAG项目,与传统的通过 RAG 方法使用向量相似性作为搜索技术不同,GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。
项目地址:https://github.com/microsoft/graphrag
【开源免费】Dify是最早一批实现RAG,Agent,模型管理等一站式AI开发的工具平台,并且项目方一直持续维护。其中在任务编排方面相对领先对手,可以帮助研发实现像字节扣子那样的功能。
项目地址:https://github.com/langgenius/dify
【开源免费】RAGFlow是和Dify类似的开源项目,该项目在大文件解析方面做的更出色,拓展编排方面相对弱一些。
项目地址:https://github.com/infiniflow/ragflow/tree/main
【开源免费】phidata是一个可以实现将数据转化成向量存储,并通过AI实现RAG功能的项目
项目地址:https://github.com/phidatahq/phidata
【开源免费】TaskingAI 是一个提供RAG,Agent,大模型管理等AI项目开发的工具平台,比LangChain更强大的中间件AI平台工具。
项目地址:https://github.com/TaskingAI/TaskingAI
【开源免费】LangGPT 是一个通过结构化和模板化的方法,编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词,进而高质量的帮助用户通过AI解决问题。
项目地址:https://github.com/langgptai/LangGPT/blob/main/README_zh.md
在线使用:https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0