关注我，记得标星⭐️不迷路哦～
✨ 1: Scira
Scira 是一款简约的人工智能搜索引擎，帮助用户快速获取互联网信息。
Scira 是一个简约的人工智能驱动搜索引擎，旨在帮助用户更高效地在互联网上找到所需的信息。其功能强大，整合了多种AI技术和API，用户可以通过它获得精准的搜索结果和信息。
日常信息查询：用户可以使用Scira快速找到各类信息，比如天气、新闻、学术文章等。
特定网址搜索：用户可以针对特定的URL搜索信息，提高了获取精确答案的效率。
编程和代码运行：支持在多种编程语言中运行代码片段，帮助开发者快速测试和获取代码效果。
视频和学术搜索：可在YouTube和学术数据库中搜索视频和论文，获取相关资料和摘要。
旅行和航班查询：提供航班追踪和地点信息查询，方便用户计划出行。
娱乐信息：获取最新的电影和电视剧信息，包括评分和推荐，帮助用户选择观看内容。
Scira 满足了用户在信息获取、学术研究、编程测试和日常生活中的多种需求。
地址：https://github.com/zaidmukaddam/scira
✨ 2: DeepSearcher
DeepSearcher结合强大的大型语言模型和向量数据库，可基于私有数据实现高效搜索与智能问答。
DeepSearcher 是一个结合了强大大语言模型（如 DeepSeek 和 OpenAI）与向量数据库（如 Milvus）的搜索、评估和推理平台，旨在基于私有数据提供高度准确的答案和全面的报告。该项目特别适用于企业知识管理、智能问答系统和信息检索场景。
地址：https://github.com/zilliztech/deep-searcher
✨ 3: 本地RAG问答系统
一个基于本地大语言模型的智能文档问答系统，它支持PDF文档解析和自然语言问答，并新增了联网搜索增强功能。系统的主要特点包括私有数据安全、实时响应、领域适配、离线/在线双模式和成本可控。文章详细描述了系统的功能特性、安装步骤、使用方法、配置说明、技术架构和RAG优化技巧。此外，还提供了常见问题解答、API接口使用说明，以及如何通过Ollama服务来运行本地大语言模型。总的来说，这是一个全面的指南，旨在帮助用户快速搭建和优化一个本地RAG问答系统，实现文档智能化处理和高效信息检索。
地址：https://github.com/weiwill88/Local_Pdf_Chat_RAG
✨ 4: LangGraph Multi-Agent Supervisor
LangGraph Multi-Agent Supervisor是一个Python库，用于创建层次化的多智能体系统，通过超级智能体协调多个专业智能体的任务与沟通。
LangGraph Multi-Agent Supervisor 是一个用于创建层次多代理系统的 Python 库，基于 LangGraph 框架。该库允许用户创建一个中央监督者代理，该代理协调多个专业化代理的工作，控制通信流和任务委派，并根据当前上下文和任务需求决定调用哪个代理。
-
🤖 创建监督者代理，来调度多个专业化代理。 -
🛠️ 基于工具的代理交接机制，实现代理间的沟通。 -
📝 灵活的消息历史管理，用于控制对话。
地址：https://github.com/langchain-ai/langgraph-supervisor
✨ 5: Stock Data Insights Application
该应用利用大型语言模型和数据检索技术，从新闻和财务数据中提取股票市场洞察。
Stock Data Insights Application（股票数据洞察应用）是一个利用代理检索增强生成（RAG）工作流，从与特定公司和整体股票市场相关的新闻及金融数据中提取洞察的项目。该应用运用了大型语言模型（LLMs）、ChromaDB作为向量数据库、LangChain及LangChain表达语言（LCEL）和LangGraph，提供全面的分析。
地址：https://github.com/vinay-gatech/stocks-insights-ai-agent
（文：每日AI新工具）