编程与开发 · 第 22 页

将 Claude Code、网页操作界面、无界面浏览器与开发工具整合到容器中的 AI 开发工作站，可在浏览器中连接账户并处理开发任务。

Instrukt 是终端中的 AI 集成环境，可创建模块化智能体，为代码和文档建立问答索引，并按任务给智能体挂载工具或检索索引。

Kode 是终端中的 AI 编程助手，可理解代码库、编辑文件并运行命令，支持模型切换、子智能体任务委派和项目说明文件。

基于 pi 扩展的小模型编程智能体工具，提供需求计划、模型切换与在项目目录中读写代码的工作流。

LLMStack 是搭建生成式 AI 应用、智能体与聊天机器人的无代码平台，可串联多个模型、接入自有文档和工具，并通过 HTTP API、Slack 或 Discord 调用流程。

Loushang 当前以 loushang code 提供软件开发命令行工作台，包含模型路由、持久会话、编码工具、扩展与按方法组织的任务流程。

MLE-Agent 面向机器学习工程与研究工作，可根据需求建立模型基线，通过终端会话协助项目开发，并支持在本地测试模型原型。

用于运行编程智能体的图形工作台，通过项目会话、分屏和独立 Git worktree 组织并行任务，并在应用内编辑和审阅代码。

面向 AI 编程的跨平台工作台，将多项目任务、Claude Code 和 Codex 会话、代码浏览与 Git 工作流集中管理。

Agent Client for Obsidian 把支持 ACP 的智能体接入笔记工作区，可用 @ 引用笔记，让智能体阅读或编辑内容；插件显示修改差异、权限请求，并可将聊天导出为 Markdown 笔记。

Octogent 为多个 Claude Code 会话提供本地编排界面，用独立任务文件夹保存上下文与待办，支持从待办分派子任务、智能体间通信及终端状态管理。

在桌面上处理本地项目的编程智能体应用，可选择账户中的模型，并通过 Git 工作流执行分支、提交和拉取请求相关任务。

把 AI 编程会话、终端、任务和笔记放入同一二维画布的开发工作台，可恢复工作区并按目录或 Git worktree 隔离项目。

运行编程智能体并记录其执行轨迹的工作台，可回放消息、工具调用、文件修改与命令输出，支持团队协作审阅。

开发和运行智能体的框架，可组合模型、工具、上下文和权限控制，并将推理、工具调用等事件呈现给交互界面。

通过可组合组件构建 AI 应用的 Python 框架，利用明确的输入输出结构、系统提示和上下文组织智能体行为。

Auto-PyTorch 将神经网络结构搜索与训练超参数优化结合，用于表格分类、回归和时间序列预测。其流程包含数据校验、基线评估、预算内搜索以及模型集成。

auto-sklearn 是提供 scikit-learn 估计器替代接口的自动机器学习工具包。可通过分类器对象在训练数据上拟合，再对测试特征生成预测。

AutoKeras 是基于 Keras 的自动机器学习系统。其图像分类接口支持以训练图片及标签拟合分类器，并对新的图片数据生成预测。

BlobCity AutoAI 针对数值数据的分类与回归任务自动训练和调参，支持特征选择、预测及代码导出，可把已选模型生成 Python 脚本或 Jupyter Notebook。

基于已知对话集合生成回复的 Python 对话引擎，可使用语料训练，并根据输入语句匹配已有回答。

Claudian 将 AI 编程智能体嵌入 Obsidian 笔记库，可读取、搜索和编辑库内文件、运行命令，并提供带差异预览的笔记内联编辑。

通过本地服务协调多个 AI 编程命令行工具，让监督智能体按并行或顺序分配工作，并在独立终端会话中运行各执行者。

EvalML 是自动构建、优化和评估机器学习流水线的 Python 工具，覆盖数据检查、预处理、特征工程和模型选择，并支持面向具体业务目标的评价函数。

协调多个 AI 编程智能体的工作区管理系统，通过 Git 工作树和结构化任务记录保留工作状态，并由协调者分派任务和跟踪进展。

为 Python AI 应用配置输入和输出校验器的框架，可组合风险检查，并支持语言模型生成结构化数据。

在 Python 中控制语言模型生成过程的工具，可把条件、循环和生成步骤组合起来，并使用正则表达式等约束输出形式。

Hyperopt 是用于超参数搜索的 Python 优化工具，可处理实数、离散和条件搜索空间，支持串行与并行执行。它实现随机搜索、TPE 和 Adaptive TPE 等算法。

LangKit 是用于语言模型监测的文本指标工具包，可提取输入与输出文本的质量、相关性、情绪及风险信号，并结合 whylogs 生成可分析的指标记录。

magentic 将大语言模型调用嵌入 Python 函数，通过提示词装饰器和类型声明返回结构化输出，并可把模型查询、工具调用与普通 Python 逻辑组合成智能体系统。

Mirascope 提供统一的大语言模型调用接口，可用装饰器发起请求、解析结构化返回值，并通过工具函数组合可继续执行的智能体流程。

Mosec 是将机器学习模型接入在线 API 的服务框架，以 Python 定义模型处理逻辑，支持动态批处理、多阶段流水线和服务监测指标。

NannyML 是面向已部署机器学习模型的 Python 监测库，可估计缺少目标标签时的模型表现、检测数据漂移，并用可视化帮助检查表格分类或回归任务的变化。

NeuroLink 通过 TypeScript SDK 和命令行统一接入不同模型提供方及本地运行环境，提供文本生成、流式输出和工具接入能力，方便应用切换模型服务。

Oumi 为基础模型开发提供从数据准备、训练到评估和部署的工具流程，支持模型微调、训练数据合成、标准基准评估及推理服务接入。

按指定输出类型约束语言模型生成的开发工具，可用固定选项、数值类型或 Pydantic 数据结构组织模型结果。