tools.md

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
• 必读论文清单
• 优质博客与教程
• 开源项目推荐