human-in-the-loop
本站收录 42 个带「human-in-the-loop」标签的 AI 开源项目
humanlayerHumanLayer 是一个面向 AI 编码代理的开源框架，旨在帮助 AI 在复杂代码库中解决难题。它通过提供工具和接口，让 AI 代理能够与人类开发者进行交互★ 11,621
hivehive 是一个面向生产环境的 AI 多智能体编排框架，旨在解决复杂任务中多个 AI 智能体协同工作的难题。它提供了一套完整的工具链，让开发者能够轻松构建、部署★ 11,085
pyspurPySpur 是一个用于智能体工作流的可视化开发平台。它解决了 AI 工程师在构建、调试和迭代多步骤智能体流程时效率低下的问题，传统上需要编写大量胶水代码和反复★ 5,797
argillaArgilla 是一个面向 AI 工程师和领域专家的协作工具，专注于构建高质量数据集。它解决了 LLM 项目中数据标注、反馈收集和数据集管理的痛点，提供直观的 ★ 5,128
dagudagu 是一个本地优先的工作流编排器，专为那些主要工作并非编排的团队设计。它通过声明式 YAML 文件来定义工作流，能够编排脚本、SSH 命令、容器和 AI ★ 4,212
dalle-flowdalle-flow 是一个基于人类反馈循环的工作流工具，用于从文本生成高清图像。它解决了直接使用 DALL·E 模型时生成结果不可控、质量不稳定、需要反复调整★ 2,831
human-reviewhuman-review 是一个可视化工具，用于编辑 HTML 和 Markdown 文件，并像在 Google Docs 中一样留下评论，然后将反馈发送给 A★ 1,320
heymHeym 是一个用于构建和运行智能体系统的开源框架，旨在解决企业级 AI 自动化中可靠性、可观测性和人工控制缺失的问题。它提供智能体编排、业务流程自动化、执行过★ 1,314
free4chatFree4Chat 是一个基于 Cloudflare Workers 构建的临时协作空间，定位为「临时的边界，能力由参与者自带」。它解决的是团队或陌生人在需要快★ 1,203
intelligent-audit-systemAuditPilot 是一个面向企业的可审计 AI 智能体系统，旨在解决 AI 在关键业务流程中缺乏透明度、可控性和合规性的问题。它提供了一套完整的框架，让企业★ 1,171
AgentChatAgentChat 是一个基于大语言模型的智能体交流平台，目标是让多个 Agent 通过多轮对话与任务协作来完成复杂任务。它内置了默认 Agent，同时允许用户★ 907
agent-swarmagent-swarm 是一个基于 TypeScript 构建的企业级智能体操作系统，旨在为企业提供一套完整的智能体运行基础设施。它解决了企业在部署多个 AI ★ 845
Deuz-SDKDeuz-SDK 是一个零依赖的 TypeScript 框架，用于构建生产级 AI 智能体。它解决了开发复杂 AI 应用时面临的持久执行、长期记忆、工具调用和人★ 697
agent-safe-pipelineagent-safe-pipeline 是一个为 AI 智能体提供安全执行边界的参考架构，解决智能体“能提议但不能擅自行动”的权限管控问题。其核心流程包括：不可★ 589
cordumCordum 是一个面向 AI 智能体的“行动防火墙”，旨在为自主代理执行高风险操作前提供策略强制与人工审批机制。它解决的核心问题是：当 AI 代理被赋予调用工★ 510
HyphaHypha 是一个面向生产环境的 LLM Agent 应用开发框架，用 TypeScript 编写。它的核心理念是「Harness-oriented」，即把 A★ 446
smitherssmithers 是一个面向 AI 智能体的工作流编排与可观测性平台，专注于解决复杂多步骤 Agent 任务中难以调试、无法回溯和状态不透明的问题。它提供全流程★ 424
open-research-ANAopen-research-ANA 是一个开源的、AI 智能体原生的研究画布应用，旨在解决深度研究场景中信息检索与人工审核脱节的问题。它通过 CopilotKi★ 411
pneumaticworkflowPneumatic 是一款基于 Python 开发的开源轻量级工作流自动化工具，采用 Apache 2.0 许可证，代码可自由获取和自托管。它主要解决企业内部重★ 320
UniEmployeeUniEmployee 是一个面向企业的数字员工构建与运行平台，目标是把企业里资深员工的经验、标准作业流程和判断规则，沉淀为可随时上岗的 AI 数字员工。它解决★ 313
bosunbosun 是一个自主工程（Autonomous Engineering）领域的开源项目，旨在通过 AI 智能体自动完成软件开发中的工程任务。它解决的是传统开发★ 284
sagentssagents 是一个用 Elixir 编写的 AI Agent 开发框架，构建在 LangChain 之上，目标是让开发者以 OTP 的方式构建可交互、可监督★ 273
SicoSico 是一个开源的数字员工平台，旨在为企业提供可靠的任务执行和持续协同进化能力。它解决了传统自动化工具难以应对复杂、动态业务流程的问题，通过智能体框架实现任★ 272
phantasmphantasm 是一套用于构建“人在回路”审批层的工具包，旨在实时监控和引导 AI 代理的工作流程。它解决了 AI 代理在自动化执行任务时缺乏人工监督和干预的★ 196
e2ae2a 是首个面向 AI 智能体的开源邮件网关，旨在解决智能体无法安全、可靠地收发邮件的问题。它提供 SPF/DKIM 验证的入站邮件接收，确保邮件来源可信；通★ 191
Fintech-CUI-Trust-FrameworkFintech-CUI-Trust-Framework 是一个面向金融科技等高合规领域对话式AI代理的开源工程治理标准。它定义了一套明确的信任边界，解决在银行、★ 177
manor-aimanor-ai 是一个可自托管、源码可得的 AI 智能体工作空间，面向小企业和精简团队。它把多智能体协作、工作流编排、工具调用和人工审批整合到一个可本地部署的★ 161
AgentFigureGalleryAgentFigureGallery 是一个为 Claude Code、Codex、Cursor 等 AI 编程助手设计的科学绘图技能包，旨在让这些智能体直接生★ 157
goal-flowgoal-flow 是一个基于 LangGraph 的生产级智能体编排框架，核心思路是用图（Graph）来编排智能体的工作流和循环。它解决了当前智能体开发中工作★ 139
dxl-commerce-agentdxl-commerce-agent 是一个基于 OpenClaw 与大模型驱动的电商客服自动化系统，目标是把淘宝、拼多多、抖音、快手、小红书、视频号等主流电商★ 126
canvas-pilotcanvas-pilot 是一个本地优先的 Canvas LMS AI 智能体，专为教师和学生设计，用于自动化处理重复性的作业流程。它通过扫描课程中的作业任务，★ 125
dear-hiring-manager这是一个基于 Claude Code 的插件，用于自动化求职申请流程。它从用户个人资料中提取信息，自动填写在线求职申请表，并生成定制化的求职信，但最终提交动作保★ 109
centaurloopCentaur Loop 是一个用于构建 AI 员工的最小工作单元框架，它将复杂岗位拆解为可循环执行的工作流。该框架的核心是“半人马环”概念，即 AI 负责执行★ 109
data-agent-tutorial这是一个从零开始构建 Text2SQL 智能体的实战教程项目，基于 Kotlin 语言实现。它解决的核心问题是：如何将自然语言查询准确转换为 SQL 并安全执行★ 108
FlownessFlowness 是一个以工作为中心（work-centered）的智能体软件工程运行时。它解决的核心问题是：在复杂的智能体工作流中，工作本身（如任务、数据、状★ 105
hr-onboarding-agenthr-onboarding-agent 是一个面向飞书/Lark 的开源 AI 入职助手，目标是把 HR 入职流程从手工催办、表格搬运变成可配置的自动化工作流。★ 101
awakenawaken 是一个用 Rust 编写的 AI 智能体运行时，旨在为构建生产级智能体提供类型安全的状态管理、多协议服务能力和插件扩展机制。它解决了当前 AI 智★ 97
continuumContinuum 是 ShyftLabs 推出的智能体运行时，旨在帮助企业构建、编排和部署 AI 智能体。它解决了多智能体系统中任务分配、状态管理和工具调用的★ 84
vnx-orchestrationvnx-orchestration 是一个面向 AI 编码代理的治理优先编排框架，支持 Claude Code、Codex 和 Gemini CLI。它解决多代★ 61
captaincaptain 是一个为计算机赋予“AI 大脑”的开源项目，核心定位是图像生成与理解。它基于 TypeScript 构建，集成了 LLaVA、LLM、LoRA ★ 61
Cyber-Ming-ProtocolCyber-Ming-Protocol 是一个面向深度工作流的主权智能体治理协议，旨在解决多智能体协作中缺乏统一治理与信任机制的问题。它基于 JavaScrip★ 57
vetresearch-workbench这是一个面向兽医研究的工作台，基于本地RAG（检索增强生成）和受限的LLM代理构建。它解决的核心问题是：兽医在查阅大量文献时，如何获得有证据支撑、可追溯的答案。★ 2