ChatDev
ChatDev 2.0：通过 LLM 驱动的多 Agent 协作完成软件开发任务，模拟软件公司角色分工（CEO、CTO、程序员等）自动完成从需求到部署的全流程
🎯适用场景：用多 Agent 协作自动化完成软件开发全流程
📥 收录于 2026/6/11
📊 仓库数据
📈 Stars 变化 ↑18 小时 +3· 统计区间 6/11 19:14 → 6/12 13:10（18 小时）
✅ 优点
- •模拟真实软件公司流程
- •多Agent协作完成复杂任务
- •开源免费
⚠️ 限制
- •需要较强的 LLM 支持
- •复杂项目可能需人工干预
🔗 相关工具
Trigger.dev
github.com/triggerdotdev/trigger.dev
Trigger.dev – build and deploy fully-managed AI agents and workflows — 构建和部署全托管 AI 代理和工作流的开源平台，支持事件驱动的自动化任务编排
🎯构建和部署全托管的 AI 代理和自动化工作流，支持 TypeScript/Node.js
GenAIScript
github.com/microsoft/genaiscript
微软出品的可自动化 GenAI 脚本工具，2900+ stars。支持 TypeScript 编写 AI Agent 脚本流程，集成多种 LLM 模型，适合自动化工作流和批量任务处理
🎯自动化 AI 脚本编写，批量 LLM 调用，工作流集成
CashClaw
github.com/moltlaunch/cashclaw
自主执行任务的 AI Agent，能够接受工作、完成任务、获取报酬，并在过程中不断学习和提升自身能力。
🎯自动化工作任务执行、自主学习和能力提升的 AI Worker 场景
Google Generative AI
github.com/googlecloudplatform/generative-ai
Google Cloud 生成式 AI 示例代码，17K+ stars。Google Cloud 生成式 AI 的示例代码和笔记本合集，包含 Gemini Enterprise Agent Platform 实战
🎯AI 技术学习与研究参考
Claude Autoresearch
github.com/uditgoenka/autoresearch
Claude Code 的自主研究技能，受 Karpathy autoresearch 启发，支持修改→验证→保留或丢弃的自主迭代循环，适用于持续研究场景。
🎯研究人员和开发者使用 Claude Code 进行自主迭代研究，自动验证和改进研究假设
TradingAgents
github.com/TauricResearch/TradingAgents
多 Agent 金融交易框架，51,885+ stars。基于多 Agent 协作的金融交易决策框架，模拟分析师、风控师、交易员等角色协同制定交易策略
🎯多 Agent 金融交易决策、策略回测与量化投资研究