--- type: 资源清单 status: 已发布 level: 通用 topic: - Agent - 框架工具 --- # AI Agent 开发者工具箱 > **工欲善其事，必先利其器！精选 Agent 开发必备工具** --- ## 🤖 AI 工具配置（核心） ### 💻 代码开发 - **Cursor** ⭐⭐⭐⭐⭐ 最推荐 - 链接：https://cursor.sh/ - 用途：AI 辅助编程，写 Agent 代码必备 - 特点：Claude 集成，代码补全，AI 问答 - **Claude Code** - 链接：https://claude.ai/ - 用途：复杂代码逻辑设计，架构咨询 - 特点：长上下文，代码理解能力强 ### 📚 论文阅读 - **腾讯元宝** ⭐⭐⭐⭐⭐ 最推荐 - 用途：读论文、总结论文、理解算法原理 - 特点：中文友好，免费 - **豆包** - 用途：快速理解论文核心思想 - 特点：响应快，免费 - **论文翻译工具** - 链接：https://hjfy.top/ - 用途：整篇论文翻译，保留格式 ### 📖 开源项目阅读 - **DeepWiki** ⭐⭐⭐⭐⭐ - 链接：https://opendeep.wiki/ - 用途：理解复杂开源项目（如 LangChain 源码） - 特点：AI 辅助代码理解 - **ZRead.ai** - 链接：https://zread.ai/ - 用途：快速理解 GitHub 项目 ### 💡 Idea 生成与验证 - **GPT-4** / **GPT-o3-mini** - 用途：头脑风暴，技术方案设计 - 配合高质量 Prompt 使用 ### 🎨 可视化工具 - **Excalidraw** ⭐⭐⭐⭐⭐ - 链接：https://excalidraw.com/ - 用途：绘制系统架构图、Agent 工作流图 - 特点：免费，简洁，适合技术图 - **Draw.io** - 链接：https://draw.io/ - 用途：复杂系统架构图 ### ✍️ 文档润色 - **Grok** (X.AI) - 用途：论文润色、降重 - 特点：生成质量高 - **Claude 4.5** - 用途：Paper Review，技术文档审查 - 特点：逻辑严谨 --- ## 📊 数据资源 ### 🔍 找数据集 - **GitHub**：搜索 `awesome-{topic}` 或 `{topic}-dataset` - **Hugging Face Datasets**：https://huggingface.co/datasets - **ModelScope**：https://modelscope.cn/datasets - **OpenLabData**：开放科研数据 - **OpenKG**：中文知识图谱数据 ### 📄 找论文 - **Hugging Face Papers（趋势榜）**：https://huggingface.co/papers/trending - **ArXiv**：https://arxiv.org/ - **OpenReview**：https://openreview.net/ ### 📖 找综述 - **GitHub搜索技巧**：`Awesome + 关键词` - 示例：`Awesome RAG`, `Awesome Agent`, `Awesome LLM` ### 🌍 找行业趋势 - **国外AI趋势**：https://www.theaivalley.com/ - **Bing搜索技巧**：关键词 + `pdf` 找研究报告 --- ## 🛠️ Agent 开发技术栈 ### 基础框架 - **Transformers**：https://github.com/huggingface/transformers - **vLLM**：https://github.com/vllm-project/vllm - **TGI (Text Generation Inference)**：https://github.com/huggingface/text-generation-inference - **LMDeploy**：https://github.com/InternLM/lmdeploy - **SGLang**：https://github.com/sgl-project/sglang ### 训练框架 - **DeepSpeed**：https://github.com/microsoft/DeepSpeed - **FairScale**：https://github.com/facebookresearch/fairscale - **Megatron-LM**：https://github.com/NVIDIA/Megatron-LM - **ColossalAI**：https://github.com/hpcaitech/ColossalAI ### 微调工具 - **Llama-Factory** ⭐⭐⭐⭐⭐：https://github.com/hiyouga/LLaMA-Factory - **Swift**：https://github.com/modelscope/swift - **Axolotl**：https://github.com/OpenAccess-AI-Collective/axolotl - **Unsloth**：https://github.com/unslothai/unsloth - **PEFT**：https://github.com/huggingface/peft ### RAG 技术栈 **RAG 框架**： - **LangChain** ⭐：https://github.com/langchain-ai/langchain - **LlamaIndex** ⭐：https://github.com/run-llama/llama_index - **Haystack**：https://github.com/deepset-ai/haystack - **RAGFlow**：https://github.com/infiniflow/ragflow - **Dify**：https://github.com/langgenius/dify **向量数据库**： - **Milvus** ⭐：https://github.com/milvus-io/milvus - **Weaviate**：https://github.com/weaviate/weaviate - **Pinecone**：https://www.pinecone.io/ - **Chroma**：https://github.com/chroma-core/chroma - **Qdrant**：https://github.com/qdrant/qdrant - **FAISS**：https://github.com/facebookresearch/faiss **Embedding 模型**： - **BGE** ⭐：https://github.com/FlagOpen/FlagEmbedding - **E5**：https://github.com/microsoft/unilm/tree/master/e5 - **Sentence-Transformers**：https://github.com/UKPLab/sentence-transformers - **Instructor**：https://github.com/xlang-ai/instructor-embedding **文档解析**： - **MinerU** ⭐：https://github.com/opendatalab/MinerU - **Unstructured**：https://github.com/Unstructured-IO/unstructured - **LlamaParse**：https://github.com/run-llama/llama_parse - **Docling**：https://github.com/DS4SD/docling - **PyPDF2**：https://github.com/py-pdf/pypdf2 ### Agent 技术栈 **Agent 框架**： - **AutoGPT**：https://github.com/Significant-Gravitas/AutoGPT - **LangGraph** ⭐：https://github.com/langchain-ai/langgraph - **CrewAI**：https://github.com/joaomdmoura/crewAI - **MetaGPT**：https://github.com/geekan/MetaGPT - **AutoGen** ⭐：https://github.com/microsoft/autogen - **Swarm**：https://github.com/openai/swarm **工具调用**： - **ToolBench**：https://github.com/OpenBMB/ToolBench - **Gorilla**：https://github.com/ShishirPatil/gorilla - **ToolLLM**：https://github.com/OpenBMB/ToolLLM **记忆模块**： - **Mem0** ⭐：https://github.com/mem0ai/mem0 - **MemGPT**：https://github.com/cpacker/MemGPT - **LangChain Memory**：内置在 LangChain 中 - **Zep**：https://github.com/getzep/zep **GUI Agent**： - **AppAgent**：https://github.com/mnotgod96/AppAgent - **SeeAct**：https://github.com/OSU-NLP-Group/SeeAct - **WebShop**：https://github.com/princeton-nlp/WebShop - **Mind2Web**：https://github.com/OSU-NLP-Group/Mind2Web ### 多模态技术 **视觉理解**： - **CLIP**：https://github.com/openai/CLIP - **BLIP**：https://github.com/salesforce/BLIP - **LLaVA**：https://github.com/haotian-liu/LLaVA - **Qwen-VL**：https://github.com/QwenLM/Qwen-VL - **InternVL**：https://github.com/OpenGVLab/InternVL **OCR 技术**： - **PaddleOCR** ⭐：https://github.com/PaddlePaddle/PaddleOCR - **EasyOCR**：https://github.com/JaidedAI/EasyOCR - **TrOCR**：https://github.com/microsoft/unilm/tree/master/trocr - **GOT-OCR**：https://github.com/Ucas-HaoranWei/GOT-OCR2.0 - **Rapid_OCR**：https://github.com/RapidAI/RapidOCR ### 部署与监控 **模型服务**： - **FastAPI** ⭐：https://github.com/tiangolo/fastapi - **Gradio**：https://github.com/gradio-app/gradio - **Streamlit**：https://github.com/streamlit/streamlit - **BentoML**：https://github.com/bentoml/BentoML **监控工具**： - **LangSmith** ⭐：https://smith.langchain.com/ - **Weights & Biases**：https://wandb.ai/ - **MLflow**：https://github.com/mlflow/mlflow - **TensorBoard**：https://github.com/tensorflow/tensorboard --- ## 📚 学习资源 ### 🎓 入门教程 - **阿东的大模型实验室**：https://ccn7vpu5l5y8.feishu.cn/wiki/Nh8NwmGpsi0cAykX6OWcHmS3nyc - Agent 学习资料汇总 - 实战项目案例 - 面试题库 - **WayToAGI 小白入门**：https://waytoagi.feishu.cn/wiki/QPe5w5g7UisbEkkow8XcDmOpn8e - 零基础AI入门 - 系统化学习路径 - **吴恩达 LLM 课程（中文版）**：https://github.com/datawhalechina/llm-cookbook - 大模型基础入门 - Datawhale 出品 ### 🎨 宝藏资源库 - **宝藏AI产品知识库**：https://zw73xyquvv.feishu.cn/wiki/V7JxwkK1ti8hjwkqxwAcf0cEngR - **AI开源产品解决方案库**：https://d.aigclink.ai/ ### 📰 技术公众号推荐 - 腾讯技术工程 - 阿里云开发者 - 阿里技术 - 大淘宝技术 --- ## 💡 高效学习工作流 ### 📖 学习 Agent 的最佳实践 ``` Step 1: 读论文理解原理 工具：腾讯元宝 / 豆包 目标：理解 ReAct、Reflexion 等架构 Step 2: 阅读开源项目源码 工具：DeepWiki / ZRead.ai 目标：理解 LangChain、AutoGen 的实现 Step 3: 动手实现项目 工具：Cursor + Claude Code 目标：完成 3 个简历级项目 Step 4: 绘制架构图 工具：Excalidraw / Draw.io 目标：能清晰讲解系统设计 Step 5: 准备面试 工具：AgentGuide 面试题库 目标：掌握高频面试题 ``` --- ## 🎯 不同场景的工具组合 ### 场景1：开发 RAG Agent ``` 数据准备：MinerU（文档解析） 向量化：BGE-Embedding 存储：Milvus 框架：LangChain 监控：LangSmith 部署：FastAPI ``` ### 场景2：开发 Multi-Agent 系统 ``` 框架：AutoGen / CrewAI 编排：LangGraph 记忆：Mem0 工具：各类API 监控：LangSmith 部署：FastAPI + Redis ``` ### 场景3：学习与研究 ``` 读论文：腾讯元宝 读源码：DeepWiki 写代码：Cursor 画图：Excalidraw 做笔记：Feishu / Notion ``` --- ## 📝 数据获取技巧 ### GitHub 搜索技巧 1. **找数据集**：`{topic} dataset` 2. **找综述**：`Awesome {topic}` 3. **找实现**：`{论文名} implementation` 4. **找教程**：`{topic} tutorial Chinese` ### Hugging Face 技巧 1. **找热门论文**：https://huggingface.co/papers/trending 2. **找数据集**：https://huggingface.co/datasets 3. **找模型**：https://huggingface.co/models --- ## 🚀 效率提升建议 ### 养成的好习惯 1. ✅ **做笔记**：每学一个知识点，立即记录 2. ✅ **写博客**：学完就写，加深理解 3. ✅ **写代码**：理论学完立即实践 4. ✅ **问AI**：遇到问题先问元宝/ChatGPT ### 知识平权时代的三大能力 1. **搜索能力**：快速找到高质量资源 2. **动手能力**：快速实现和验证想法 3. **思考能力**：不盲从，有自己的判断 > **核心理念**：选择大于努力！选对工具，效率翻倍！ --- ## 🔗 相关资源 - [Agent 开发框架推荐](./agent/frameworks.md) - [必读论文清单](./31篇LLM的经典论文速读版清单.md) - [优质博客与教程](./learning-resources.md) - [开源项目推荐](../projects/README.md)