一、为什么要有统一上下文层AI Infra 从“数据流”向“知识流”和“状态流”转变，企业级 Agent 落地确实是混合型的，并且一个能够共享知识和状态的 Context Engineering 基础设施，即“统一上下文层”（Unified Context Layer），是实现复杂 Agent 工作流的刚需。有 3 …
MiroThinker 是 MiroMind AI 推出的「面向深度研究与长时序、工具驱动任务」的开源 agentic 模型系列（含 8B/30B/72B 尺度），并配套开源的 agent 框架（MiroFlow）、训练数据集（MiroVerse）与训练/评估流水线，目标是把连续、多步、工具交互作为性能的第三维（“I…
https://github.com/WyseOS/wyse-browser1. 产品定位Wyse Browser 是一个 专为 AI Agents、自动化系统和可编排任务（flows）打造的浏览器执行层（Browser Runtime Layer）。通过多进程沙箱浏览器、REST API、可复用 Worklets，…
https://github.com/puppygraph/一、产品定位PuppyGraph 是一个 图查询引擎（Graph Query Engine），定位于在企业现有的数据仓库或数据湖之上，快速启用图分析能力，而不必重新部署或迁移数据到图数据库。它的核心主张是：“Zero ETL, instant graph i…
https://github.com/FalkorDB/FalkorDB你用它做什么？FalkorDB 是一个专门给 AI 项目用的图数据库。它由原来 RedisGraph 的团队重新做的，不依赖 Redis。谁在用？数据科学家做知识图谱推荐系统工程师找用户关系AI 产品团队做语义搜索欺诈检测团队挖隐藏联系典型场景：…
一、项目定位：个体上下文引擎LifeContext 是一个开源的 长期上下文（Life Context）采集、存储与推理系统。它的目标是：让 AI 不仅“回答问题”，而是理解并利用用户在生活与工作中积累的长期上下文，主动提供洞察、提醒、与自动化支持。https://github.com/LifeContext/lif…
MiniMind 是一个「从 0 开始用 PyTorch 原生实现、面向教学与复现」的轻量级 LLM 工程，从 GitHub 的内容看，可以在单卡 NVIDIA 3090 上 约 2 小时 从零训练出 ≈26M 参数 的对话型小模型，适合自己租用 GPU 来学习，真是有趣的玩具。一、主要亮点极小模型可快速复现：最小 …
https://github.com/mindsdb/mindsdb一、概览MindsDB 是一个“数据即 API”的联邦引擎，让你用自然语言直接问数据库，AI 自动预测、无需搬数据，适合想快出洞察但不想写 ETL 的团队，但从工程复杂性看，这一类探索性项目，通常负载能力不够，在实际生产环境中，谨慎采用。核心定位维度…
一、项目概述核心理念：本项目提出一种融合DOM语义分析与前端视觉内容识别（OCR + 图像分类）的新一代智能广告屏蔽系统。通过在客户端本地实现多模态内容理解，突破传统基于静态规则库（如Filter List）的广告屏蔽模式，精准识别并过滤动态生成、图像化、语义伪装的广告内容，同时最大限度降低误屏蔽率，为用户提供真正“…
https://github.com/ankur-anand/unisondb一、概况UnisonDB 是一个“日志原生（log-native）”、流式复制 + 可查询存储 的多模态数据库，采用 WAL（Write-Ahead Log）为一等公民，将每次写入视作可订阅的事件流，目标是支持本地优先（local-firs…