整理了 AI Agent 生态的开源项目，也推一下自己的
最近在做 AI Agent 相关的产品，整理了一下技术栈中用到的开源项目，分享给有类似需求的朋友。
沙箱 / 代码执行
Agent 要执行代码、装包、操作文件，隔离是刚需。
● https://github.com/boxlite-labs/boxlite — 可嵌入的轻量 VM 运行时，硬件级隔离，无 daemon ，直接用 OCI 镜像。适合需要完整 Linux 环境但又不想管 VM 基础设施的场景。
● https://github.com/firecracker-microvm/firecracker — AWS 开源的 microVM ，Lambda 和 Fargate 背后的技术，功能强大但上手门槛较高。
● https://github.com/google/gvisor — Google 的用户态内核，拦截系统调用实现隔离，比纯容器安全但有兼容性问题。
Agent 框架
● https://github.com/langchain-ai/langchain — 生态最全，工具链丰富，但抽象层多，调试有时候头疼。
● https://github.com/langchain-ai/langgraph — LangChain 团队做的，适合复杂多步骤 workflow 。
● https://github.com/crewAIInc/crewAI — 多 Agent 协作，上手简单。
● https://github.com/microsoft/autogen — 微软出品，多 Agent 对话模式。
向量数据库 / RAG
● https://github.com/chroma-core/chroma — 轻量嵌入式，本地开发首选。
● https://github.com/milvus-io/milvus — 生产级，支持分布式，适合大规模。
● https://github.com/qdrant/qdrant — Rust 写的，性能不错，API 设计干净。
● https://github.com/run-llama/llama_index — RAG 全家桶，数据连接器多。
模型推理
● https://github.com/vllm-project/vllm — 高吞吐推理，PagedAttention ，生产部署常用。
● https://github.com/ollama/ollama — 本地跑模型最省心的方案。
● https://github.com/ggerganov/llama.cpp — CPU 推理之王，量化模型必备。
可观测性
● https://smith.langchain.com/ — LangChain 配套，trace 调试方便（非开源但有免费额度）。
● https://github.com/Arize-ai/phoenix — 开源的 LLM 可观测性工具。
----------------------
https://www.v2ex.com/t/1182038 #AI
最近在做 AI Agent 相关的产品，整理了一下技术栈中用到的开源项目，分享给有类似需求的朋友。
沙箱 / 代码执行
Agent 要执行代码、装包、操作文件，隔离是刚需。
● https://github.com/boxlite-labs/boxlite — 可嵌入的轻量 VM 运行时，硬件级隔离，无 daemon ，直接用 OCI 镜像。适合需要完整 Linux 环境但又不想管 VM 基础设施的场景。
● https://github.com/firecracker-microvm/firecracker — AWS 开源的 microVM ，Lambda 和 Fargate 背后的技术，功能强大但上手门槛较高。
● https://github.com/google/gvisor — Google 的用户态内核，拦截系统调用实现隔离，比纯容器安全但有兼容性问题。
Agent 框架
● https://github.com/langchain-ai/langchain — 生态最全，工具链丰富，但抽象层多，调试有时候头疼。
● https://github.com/langchain-ai/langgraph — LangChain 团队做的，适合复杂多步骤 workflow 。
● https://github.com/crewAIInc/crewAI — 多 Agent 协作，上手简单。
● https://github.com/microsoft/autogen — 微软出品，多 Agent 对话模式。
向量数据库 / RAG
● https://github.com/chroma-core/chroma — 轻量嵌入式，本地开发首选。
● https://github.com/milvus-io/milvus — 生产级，支持分布式，适合大规模。
● https://github.com/qdrant/qdrant — Rust 写的，性能不错，API 设计干净。
● https://github.com/run-llama/llama_index — RAG 全家桶，数据连接器多。
模型推理
● https://github.com/vllm-project/vllm — 高吞吐推理，PagedAttention ，生产部署常用。
● https://github.com/ollama/ollama — 本地跑模型最省心的方案。
● https://github.com/ggerganov/llama.cpp — CPU 推理之王，量化模型必备。
可观测性
● https://smith.langchain.com/ — LangChain 配套，trace 调试方便（非开源但有免费额度）。
● https://github.com/Arize-ai/phoenix — 开源的 LLM 可观测性工具。
----------------------
https://www.v2ex.com/t/1182038 #AI
GitHub
GitHub - boxlite-ai/boxlite: Local-first sandbox for AI agents.
Local-first sandbox for AI agents. Contribute to boxlite-ai/boxlite development by creating an account on GitHub.
