serviette 是一个免写代码的 RAG 服务：把一个文档文件夹、一个向量数据库和一个 embedder 写进一份 YAML 配置，就能得到带来源引用的文档问答聊天界面和 REST API，底层基于 Pathway Live Data Framework。它和常见 RAG 方案最大的区别是「实时」——文档被编辑、新增或删除后，几秒内答案就会跟着更新，不需要任何人手动重新上传或重建索引，适合文档频繁变动的场景。支持 Chroma、Milvus、pgvector、Pinecone、Qdrant、Weaviate 等 8 种向量数据库，默认本地 embedder 可让文档和索引不出本机，只有回答生成时的少量片段会发给模型 API。目前一次只回答一个问题，没有多轮对话记忆和用户账号。值得看的是需要给团队或客户搭内部文档问答、知识库检索的后端和算法工程师，尤其是那些苦于「索引一建就过期」的人；如果你只是想了解 RAG 概念或做一次性问答，它未必比现成方案更省事。

这是一个本机运行的 AI 学习工作台，可以理解为「带 RAG 检索的苏格拉底式辅导老师」：你上传课程讲义或习题资料，它先用 BGE 向量化建索引，再结合检索到的原文内容，通过多轮对话逐步给你提示而不是直接甩答案。它能针对你的作答给出错因反馈、分步讲解和变式练习，还能把每道题的提问、作答、反馈保存下来，下次接着学。技术栈是 Next.js 加 FastAPI，向量索引和记录都存在本地，只有教学回复和判分会调用你配置的聊天模型 API。适合想做 AI 辅导类应用、教育 Agent 或 RAG 检索实践的开发者参考其架构；单纯想找个刷题工具的普通学习者也能用，但需要自己准备模型 API 和课程资料。

jevcrawl 是一个面向 AI Agent 的网页抓取工具，提供 MCP server 和 CLI 两种形态，可接入 Claude Code、Claude Desktop、Cursor 等环境。它解决的是 Agent 浏览网页时的老难题：要么把抓到的页面全塞给 LLM 读，token 烧得快还容易被导航和广告淹没；要么让 LLM 逐个挑链接，又慢又贵。jevcrawl 用一个轻量决策模型代替 LLM 来判断该点哪个链接、该保留哪段文字，LLM 只读最终筛出的相关段落，每次抓取成本约一美分。官方在 WebWalkerQA 基准上测试，找到答案页的比例是 54%，约为 Crawl4AI 的两倍，单次任务成本比让 Claude 自己爬低约 8 倍，且返回内容带 URL 和字符偏移，可溯源、不会被页面文字注入指令。适合在做 RAG、Agent 网页检索、需要从多层嵌套网站里挖答案的工程师关注；如果你的工作不涉及让模型上网找信息，这个项目和你关系不大。

这是一个本地运行的 MCP 服务，让 Claude Desktop、Cursor 等 AI Agent 能直接检索你的微信和钉钉聊天记录。它在本地解密客户端的 SQLite 数据库，用 FTS5 建全文索引，全程只读、数据不出本机，毫秒级响应。它能干的事很具体：按关键词搜「群里谁发过关于某需求的讨论」、按时间范围拉取上周某群的对话、汇总某天所有沟通生成日报、查群成员和联系人、找回群里发过的 Excel 或截图，还能做群活跃度统计、成员画像和沟通风格分析。对微信支持 4.x/3.x，对钉钉支持 7.x 的 V2/V3 版本。值得看的是需要频繁翻聊天记录找信息的人——比如用 AI 做知识管理、日报周报、项目复盘的从业者，或者想让 Agent 读取工作沟通上下文的 AI 工程师；如果你平时很少回头查聊天记录，这项目和你关系不大。

Yahont 是一个可私有部署的企业知识层平台，基于开源项目 Onyx 改造，主打俄语环境适配。它把公司散落在各处的文档、网站、知识库统一接入并建立混合索引，让团队和 AI Agent 通过一个入口检索全部资料，回答附带原文引用链接，方便核验。除了文档问答，它还提供 Deep Research 多步研究报告、带独立知识与指令的定制 Agent、网页搜索、代码沙箱执行、图片生成、语音模式，以及通过 MCP 把自身知识库接入 Claude Desktop 等外部 Agent。模型侧兼容 OpenRouter、OpenAI、Anthropic 及 Ollama、vLLM 等本地部署方案。适合需要搭建内部知识库、客服或销售助手、员工 onboarding 问答系统的技术团队，尤其是对数据合规和私有化有要求的场景；普通个人开发者或纯前端、后端岗位关联不大。

Leviathan 是一个用 Rust 写的单文件工具，把 JSONL、CSV、SQLite 等任意表格或日志数据建成带排序的全文索引，让 Agent 用自然语言提问就能拿到几条带引用的精简结果卡。它解决的核心问题是：面对百万级记录，Agent 直接 grep 或读原始历史会烧掉大量 token，而 Leviathan 把每次回答稳定压到约 450 token，官方基准显示在 100 万条记录上中位数 436 token、命中率 99%，延迟 33 毫秒。除了检索，它还提供可选的长期记忆能力，Agent 每次只写入一条带 key 的事实，会话开始时自动注入简短 briefing，避免 MEMORY.md 越滚越大导致的过期和 token 浪费。它通过 CLI、MCP 或 HTTP 服务接入 Claude Code、Cursor、Codex 等 24 种 Agent 环境。适合需要让 Agent 长期查阅工单、日志、业务表等结构化数据的 AI 应用工程师和 Agent 平台开发者；如果你的工作不涉及 Agent 检索大规模记录，和你关系不大。

从 PDF 抽出来的中文经常藏着「长得一样、码点不同」的假汉字：比如 Kangxi 部首「⻆」渲染出来就是「角」，但字符串比较、关键词搜索、去重全都会悄悄失败，向量检索还可能把无关短文档排到前面。cjkfold 就是专门修这个问题的纯 Python 工具，把这些部首字形折叠回真正的统一汉字，让抽取出的文本重新可比对。它比常见的 NFKC 归一化更彻底——NFKC 能修 Kangxi 部首区的 214 个字，却对 CJK 部首补充区的 115 个字只修了 2 个，cjkfold 借助 Unicode 15.1 的 EquivalentUnifiedIdeograph 属性补上了 114 个。它还带扫描能力，能区分「可安全折叠」「NFKC 可处理」「零宽空格可删除」「ZWJ 等不可乱删」以及乱码占位符等几类问题，并给出处理建议。如果你在做 PDF 文本抽取、中文 RAG 检索、语料去重或搜索相关性排查，这个工具值得一看；纯做前端或业务后端的人关系不大。

Frankensurf 是一个自托管的网页抓取工具，可以看作 Firecrawl 的免费替代品：一个容器、同一套 API，让 AI agent 用一次调用就能读取网页。它背后串起了 41 种抓取手段，从普通 HTTP 请求、Jina Reader、浏览器到隐身浏览器逐级升级，只有被网站拦截时才动用更贵的付费 API。和多数抓取器不同，它会验证拿到的是否为真实页面——遇到验证码、登录墙或空壳页面会明确报错并说明原因，而不是让 agent 拿着垃圾内容继续作答。在 150 个随机站点的测试中，它的读取成功率达 96%，高于 Firecrawl 云服务的 85%。它支持 MCP server、Python 库、命令行，也能直接替换任何配置了 Firecrawl URL 的工具，如 LangChain、Dify、n8n 等。适合需要给 agent 接入实时网页数据的 AI 应用开发者、做 RAG 或深度研究产品的团队，以及被 Firecrawl 付费方案困扰的自托管用户；如果你不涉及网页抓取，和你关系不大。

这是一个校园知识服务问答平台，可以理解为把学校官网散落的通知、竞赛、学籍和办事指南做成一个能溯源的智能问答系统。它用 FastAPI 搭建，本地跑 Qwen3 模型，先采集归档官网页面和附件，解析 PDF、Word、表格甚至扫描件，再按年份、学期和文档版本做检索，回答时必须附上原文证据窗口和来源链接，避免模型凭空编造或混用往年政策。多轮追问会继承事项和年份条件，教师还能在后台核对字段、审核发布或撤回，防止候选信息被当成正式政策。如果你在做 RAG 应用、知识库或 Agent 工作流，尤其是关心证据溯源、时间范围限定和人工审核环节，这个项目的工程实践很有参考价值；只想找现成校园问答服务的普通用户则关系不大。

这是一个给 DeepSeek Harness（cordis 插件体系）用的本地记忆层，让 AI 助手跨会话记住「你是谁、上次聊到哪」。它不用向量和图，靠 FTS5 倒排加 2-gram 捞候选、IDF 加权算相关度，再叠情绪桶（感受、原话、偏好、教训各有不同权重）、同日上下文和指数衰减，数据全存在本机 SQLite 文件里，不联网。会话开场它会吐一段两百多字的「认人」提示：你正在和谁说话、今天见过面吗、上次卡在哪个话题、你上次想问什么；会话结束只写三行交接。它还支持工作记忆的 supersedes 覆盖关系，新决定自动沉掉旧方案，避免向量检索分不清「哪个是现在的」。作者实测过图检索纯属噪音（1 跳把噪音率从 33% 推到 64%），直接砍掉了，README 里坦白了不少以前吹过但没实现的功能。适合在本地跑 AI 助手、想给长期对话角色做持久人设的开发者，以及对 RAG 记忆方案「太机械、没人情味」不满的人；普通只调 API 的从业者关系不大。

DuduLove Memory 是一个可自托管的 AI 长期记忆服务，核心思路是把「记忆身份」（Resident）当作长期主体，而不是把聊天记录挂在某次会话或某个前端上。同一个身份可以从网页、MCP、HTTP 客户端或不同模型入口接入，继续使用同一份历史与授权；多个身份可以共享 world 里的公共事实，同时各自保留 private 的私人经历。它把召回拆成身份、联想、证据、工作记忆几种职责，配合会话级的 Recall Ledger 减少同一条记忆反复出现，写入则经过统一的 Memory Admission 处理归属、来源、重复和拒绝记录，让「记错能改掉」和「记住」同样重要。基础的身份管理、关键词搜索、上下文组装不依赖外部模型，语义检索可选接入 OpenAI 兼容服务。适合在做个人 Agent、多 Agent 记忆层或需要跨模型保持人设连续性的开发者，以及想给自家 AI 产品加可控长期记忆的团队；只做一次性对话应用的人关系不大。

这是把《东南大学大学生手册（2025）》整理成可装进本地 Agent 的 Skill，让你直接问「这事按规定怎么办」，回答附带条款出处。它覆盖 48 个校级规章全文、教育部令第 41 号、部门电话网址清单，以及 9 张高频数值速查表（绩点、评奖、竞赛加分、研学分等），还做了口语词到规范术语的对照，方便检索。典型用法是查规定（旷课多少学时会处分）、算分值（5 人 SRTP 省级良好加几分）、判资格（绩点 3.0 能否评三好）、办事情（休学找谁带什么表）；手册没写的信息会引导到官方渠道而非编造。作者是学生自发整理，非官方发布，内容截至 2025 年 8 月版，并计划扩充各学院推免、转专业等官网不公开的细则。对东南大学本科生、尤其需要查规章算综测分的人很实用；其他学校学生或从业者基本无关。

CampusAsk 是一个针对 IIIT Delhi 校园规则的问答机器人，可以理解为「学校规章制度的带引用版搜索」：学生问「连续两个 F 会怎样」「违规停车罚多少」「大一有哪些课」这类问题，它只从官方 PDF 里找答案，并给出文档、版本、章节和页码链接，方便逐条核对；查不到就直说没找到，不编造。它还能处理口语化提问、拼写错误和 Hinglish，理解追问，甚至把学生自己的学分、CGPA 代入规则做测算——但算术由 Python 完成而非模型生成，且不承诺结果，只建议去教务确认。检索用 BM25 加同义词和纠错，课程表这类 PDF 解析会乱的表格则用 Gemini 从页面图像转录。对多数互联网和 AI 从业者来说，它更像一个做得比较扎实的 RAG 参考实现：如果你在做「带引用、可验证、能拒答」的企业知识库或文档问答，它的引用面板、相关性门槛、模型降级和反馈转测试集的闭环设计值得翻翻；只是想查 IIIT Delhi 规则的留学生也可以直接用。