https://www.zata.cc/categories/%E6%8A%80%E6%9C%AF%E8%BF%BD%E8%B8%AA/Recent content in 技术追踪 on Zata-砸它Hugo -- gohugo.iozh-cnExample PersonWed, 03 Jun 2026 18:18:42 +0800https://www.zata.cc/p/%E6%8A%80%E6%9C%AF%E7%83%AD%E7%82%B9%E8%BF%BD%E8%B8%AA/Wed, 03 Jun 2026 10:00:00 +0800https://www.zata.cc/p/%E6%8A%80%E6%9C%AF%E7%83%AD%E7%82%B9%E8%BF%BD%E8%B8%AA/<img src="https://www.zata.cc/images/index/index.png" alt="Featured image of post 技术热点追踪" /><blockquote> <p>技术领域持续追踪记录，持续更新&hellip;</p> </blockquote> <h2 id="agent-框架">Agent 框架 </h2><h3 id="langchain">LangChain </h3><ul> <li><strong>GitHub</strong>: <a class="link" href="https://github.com/langchain-ai/langchain" target="_blank" rel="noopener" >langchain-ai/langchain</a></li> <li><strong>Stars</strong>: 138k</li> <li><strong>简介</strong>: Agent 工程平台，提供模块化组件和第三方集成，简化 AI 应用开发。支持 LangGraph 用于构建可控的 Agent 工作流。</li> <li><strong>特点</strong>: 丰富的集成生态、灵活的抽象层、生产级特性</li> </ul> <h3 id="metagpt">MetaGPT </h3><ul> <li><strong>GitHub</strong>: <a class="link" href="https://github.com/FoundationAgents/MetaGPT" target="_blank" rel="noopener" >FoundationAgents/MetaGPT</a></li> <li><strong>Stars</strong>: 68.5k</li> <li><strong>简介</strong>: 多 Agent 框架，模拟软件公司角色协作。输入一行需求，输出完整的需求文档、数据结构、API 设计等。</li> <li><strong>特点</strong>: SOP 流程化、角色扮演（产品经理/架构师/工程师）、Data Interpreter 数据分析能力</li> </ul> <h3 id="crewai">CrewAI </h3><ul> <li><strong>GitHub</strong>: <a class="link" href="https://github.com/crewAIInc/crewAI" target="_blank" rel="noopener" >crewAIInc/crewAI</a></li> <li><strong>Stars</strong>: 52.7k</li> <li><strong>简介</strong>: 完全独立于 LangChain 的多 Agent 编排框架，提供 Crews（自主协作）和 Flows（事件驱动工作流）两种模式。</li> <li><strong>特点</strong>: 高性能、灵活定制、无外部依赖、YAML 配置化</li> </ul> <h3 id="autogen-microsoft">AutoGen (Microsoft) </h3><ul> <li><strong>GitHub</strong>: <a class="link" href="https://github.com/microsoft/autogen" target="_blank" rel="noopener" >microsoft/autogen</a></li> <li><strong>Stars</strong>: 58.6k</li> <li><strong>状态</strong>: 已进入维护模式</li> <li><strong>推荐</strong>: 新项目建议使用 <a class="link" href="https://github.com/microsoft/agent-framework" target="_blank" rel="noopener" >Microsoft Agent Framework</a></li> </ul> <hr> <h2 id="llm-推理">LLM 推理 </h2><h3 id="ollama">Ollama </h3><ul> <li><strong>GitHub</strong>: <a class="link" href="https://github.com/ollama/ollama" target="_blank" rel="noopener" >ollama/ollama</a></li> <li><strong>Stars</strong>: 173k</li> <li><strong>简介</strong>: 本地大模型运行工具，支持 Kimi、GLM、DeepSeek、Qwen、Gemma 等模型。一键运行，本地部署。</li> <li><strong>特点</strong>: <ul> <li>丰富的模型库</li> <li>REST API 支持</li> <li>多平台支持（macOS/Windows/Linux）</li> <li>Docker 部署</li> <li>与 Claude Code、Copilot 等集成</li> </ul> </li> </ul> <h3 id="llamacpp">llama.cpp </h3><ul> <li><strong>GitHub</strong>: <a class="link" href="https://github.com/ggml-org/llama.cpp" target="_blank" rel="noopener" >ggml-org/llama.cpp</a></li> <li><strong>Stars</strong>: 114k</li> <li><strong>简介</strong>: C/C++ 实现的 LLM 推理引擎，高性能、本地化运行。</li> <li><strong>特点</strong>: <ul> <li>纯 C/C++ 实现，无依赖</li> <li>Apple Silicon 原生优化（Metal）</li> <li>CUDA/ROCm/ Vulkan 多后端</li> <li>支持 1.5-8bit 量化</li> <li>多语言 Binding（Python/Go/JS/Rust/C# 等）</li> </ul> </li> </ul> <hr> <h2 id="rag-检索增强生成">RAG 检索增强生成 </h2><h3 id="ragflow">RAGFlow </h3><ul> <li><strong>GitHub</strong>: <a class="link" href="https://github.com/infiniflow/ragflow" target="_blank" rel="noopener" >infiniflow/ragflow</a></li> <li><strong>Stars</strong>: 34.2k</li> <li><strong>简介</strong>: 基于深度文档理解的 RAG 引擎，提供端到端 RAG 工作流。</li> <li><strong>特点</strong>: <ul> <li>深度文档理解</li> <li>模板化分块</li> <li>可溯源的引用</li> <li>支持 GraphRAG</li> <li>多种数据源兼容</li> </ul> </li> </ul> <h3 id="其他-rag-工具">其他 RAG 工具 </h3><table> <thead> <tr> <th>工具</th> <th>Stars</th> <th>特点</th> </tr> </thead> <tbody> <tr> <td><a class="link" href="https://github.com/1Panel-dev/MaxKB" target="_blank" rel="noopener" >MaxKB</a></td> <td>15.2k</td> <td>开箱即用的 RAG 聊天机器人</td> </tr> <tr> <td><a class="link" href="https://github.com/SciPhi-AI/R2R" target="_blank" rel="noopener" >R2R</a></td> <td>-</td> <td>开源 RAG 引擎</td> </tr> </tbody> </table> <hr> <h2 id="文档结构化">文档结构化 </h2><h3 id="mineru">MinerU </h3><ul> <li><strong>GitHub</strong>: <a class="link" href="https://github.com/opendatalab/MinerU" target="_blank" rel="noopener" >opendatalab/MinerU</a></li> <li><strong>Stars</strong>: 66.2k</li> <li><strong>简介</strong>: 高精度文档解析引擎，将 PDF、DOCX、PPTX、XLSX、图片、网页转换为 Markdown/JSON。</li> <li><strong>特点</strong>: <ul> <li>VLM + OCR 双引擎，支持 109 种语言</li> <li>原生 DOCX/PPTX/XLSX 解析</li> <li>公式→LaTeX、表格→HTML</li> <li>表结构重建、跨页表格合并</li> <li>MCP Server 原生集成 LangChain/Dify/FastGPT</li> </ul> </li> </ul> <h3 id="marker">Marker </h3><ul> <li><strong>GitHub</strong>: <a class="link" href="https://github.com/datalab-to/marker" target="_blank" rel="noopener" >datalab-to/marker</a></li> <li><strong>Stars</strong>: 35.7k</li> <li><strong>简介</strong>: 将 PDF、图片、PPTX、DOCX、XLSX、HTML、EPUB 快速转换为 Markdown/JSON/HTML。</li> <li><strong>特点</strong>: <ul> <li>表格、公式、代码块、链接提取</li> <li>支持 LLM 提升准确率（Gemini/Ollama/Claude/OpenAI）</li> <li>支持结构化提取（Schema 定义）</li> <li>GPU/CPU/MPS 多平台支持</li> </ul> </li> </ul> <h2 id="data-agent-数据智能体">Data Agent 数据智能体 </h2><h3 id="data-interpreter-metagpt">Data Interpreter (MetaGPT) </h3><ul> <li><strong>GitHub</strong>: <a class="link" href="https://github.com/DataInterpreter/DataInterpreter" target="_blank" rel="noopener" >DataInterpreter/DataInterpreter</a></li> <li><strong>Stars</strong>: 9.8k</li> <li><strong>简介</strong>: MetaGPT 开源的数据分析智能体，将自然语言查询转换为可执行的数据分析代码。</li> <li><strong>特点</strong>: <ul> <li>动态任务规划与分解</li> <li>代码生成与执行（Python/SQL）</li> <li>图表自动生成</li> <li>多数据源支持（CSV/Excel/Database/API）</li> </ul> </li> </ul> <h3 id="open-data-lab-工具链">Open Data Lab 工具链 </h3><ul> <li><strong>GitHub</strong>: <a class="link" href="https://github.com/opendatalab/OpenDataLab" target="_blank" rel="noopener" >opendatalab/OpenDataLab</a></li> <li><strong>Stars</strong>: 16.8k</li> <li><strong>简介</strong>: 数据智能体全家桶，包含数据采集、标注、处理、分析全链路工具。</li> <li><strong>子项目</strong>: <ul> <li><a class="link" href="https://github.com/opendatalab/LabelLLM" target="_blank" rel="noopener" >LabelLLM</a>: 智能数据标注</li> <li><a class="link" href="https://github.com/opendatalab/MinerU" target="_blank" rel="noopener" >MinerU</a>: 文档解析</li> <li><a class="link" href="https://github.com/opendatalab/PDF-Genie" target="_blank" rel="noopener" >PDF-Genie</a>: PDF 智能理解</li> </ul> </li> </ul> <hr> <h2 id="编程智能体">编程智能体 </h2><h3 id="swe-agent">SWE-Agent </h3><ul> <li><strong>GitHub</strong>: <a class="link" href="https://github.com/SWE-agent/SWE-agent" target="_blank" rel="noopener" >SWE-agent/SWE-agent</a></li> <li><strong>Stars</strong>: 17.5k</li> <li><strong>简介</strong>: 软件工程智能体，可自动修复 GitHub Issues，支持代码搜索、编辑、终端操作。</li> <li><strong>特点</strong>: <ul> <li>VS Code 风格工具调用</li> <li>根因分析能力</li> <li>多轮对话式修复</li> </ul> </li> </ul> <hr> <h2 id="ocr-文字识别">OCR 文字识别 </h2><h3 id="surya">Surya </h3><ul> <li><strong>GitHub</strong>: <a class="link" href="https://github.com/datalab-to/surya" target="_blank" rel="noopener" >datalab-to/surya</a></li> <li><strong>Stars</strong>: 20.5k</li> <li><strong>简介</strong>: 650M 参数的 OCR 模型，支持 90+ 语言。</li> <li><strong>特点</strong>: <ul> <li>高精度（olmOCR-bench 得分 83.3%）</li> <li>高速（RTX 5090 上 5 页/秒）</li> <li>布局分析</li> <li>表格识别</li> <li>vLLM 或 llama.cpp 后端</li> </ul> </li> </ul> <hr> <h2 id="相关工具汇总">相关工具汇总 </h2><table> <thead> <tr> <th>类别</th> <th>工具</th> <th>Stars</th> <th>用途</th> </tr> </thead> <tbody> <tr> <td>Agent</td> <td>LangChain</td> <td>138k</td> <td>Agent 开发框架</td> </tr> <tr> <td>Agent</td> <td>MetaGPT</td> <td>68.5k</td> <td>多 Agent 软件开发</td> </tr> <tr> <td>Agent</td> <td>CrewAI</td> <td>52.7k</td> <td>多 Agent 编排</td> </tr> <tr> <td>Data Agent</td> <td>Data Interpreter</td> <td>9.8k</td> <td>数据分析智能体</td> </tr> <tr> <td>Data Agent</td> <td>Open Data Lab</td> <td>16.8k</td> <td>数据处理全家桶</td> </tr> <tr> <td>编程智能体</td> <td>SWE-Agent</td> <td>17.5k</td> <td>代码修复智能体</td> </tr> <tr> <td>LLM</td> <td>Ollama</td> <td>173k</td> <td>本地模型运行</td> </tr> <tr> <td>LLM</td> <td>llama.cpp</td> <td>114k</td> <td>高性能推理引擎</td> </tr> <tr> <td>LLM</td> <td>vLLM</td> <td>63.2k</td> <td>高吞吐量推理服务</td> </tr> <tr> <td>RAG</td> <td>RAGFlow</td> <td>34.2k</td> <td>文档理解 RAG</td> </tr> <tr> <td>文档</td> <td>MinerU</td> <td>66.2k</td> <td>PDF 解析</td> </tr> <tr> <td>文档</td> <td>Marker</td> <td>35.7k</td> <td>文档转换</td> </tr> <tr> <td>OCR</td> <td>Surya</td> <td>20.5k</td> <td>文字识别</td> </tr> </tbody> </table> <hr> <p><em>持续更新中&hellip;</em></p>