llmware
企业级 RAG 统一框架，15K+ stars。使用小型专业化模型构建企业级 RAG 流水线的统一框架，适合垂直领域的知识检索
🎯适用场景：LLM 应用快速开发
📥 收录于 2026/5/7
📊 仓库数据
📈 上次抓取以来 ↓-1 ⭐
✅ 优点
- •内置 RAG 检索增强能力
- •原生 Agent 编排与工具调用
- •兼容主流大模型
- •GPU/NPU 硬件加速支持
- •15K+ stars 社区认可
⚠️ 限制
- •需要 Python 运行环境
- •自部署维护成本较高
- •API 变更需跟进版本升级
🔗 相关工具
Semantic Kernel
github.com/microsoft/semantic-kernel
微软 LLM 应用开发框架，快速将大模型能力集成到应用中，支持插件和 Agent 模式
🎯机器人控制、仿真与边缘部署
haystack
github.com/deepset-ai/haystack
开源 AI 编排框架，25K+ stars。用于构建上下文工程和生产级 LLM 应用的框架，支持 RAG、Agent、语义搜索等核心能力
🎯LLM 应用快速开发
JARVIS
github.com/microsoft/jarvis
微软 LLM 与 ML 社区连接系统，用大语言模型调度各类机器学习模型完成任务
🎯机器人控制、仿真与边缘部署
Pydantic Ai
github.com/pydantic/pydantic-ai
Pydantic 风格的 AI Agent 框架，14K+ stars。以 Pydantic 方式构建 AI Agent 的框架，利用 Pydantic 的数据验证能力
🎯LLM 应用快速开发
JSON Repair
github.com/mangiucugna/json_repair
修复 LLM/API/日志中 malformed JSON 的 Python 工具，4.9K+ stars。LLM 输出 JSON 经常格式不正确，此工具能智能修复，是 Agent 工具调用的关键基础设施
🎯LLM JSON 输出修复与数据清洗
magic
github.com/dtyq/magic
开源 AI 研究环境，5.2K+ stars。AI 研究人员的开源研究环境，无缝微调、评估和部署 AI 模型
🎯LLM 应用快速开发