Radar
这里不是收藏夹，而是筛过一遍之后还想留下的东西。来源、标签、简短判断和主观星级都会写清楚。
共 9 条
字节开源的多 agent 编排框架，能跑数小时级别的长任务——研究、编码、创作三种模式一体。filesystem + memory + skills + sandbox-aware execution + subagent + context summarization 全套。
Maple：Vyane 的对比参照。deer-flow 是云端 super-agent 路线，Vyane 是个人 daemon 路线，但概念高度同构。Maple 想自研捕获 + LLM Wiki，deer-flow 的 sandbox-aware execution 是参考。
字节火山引擎开源的 context database，专为 AI agent 设计——存 conversation、tool calls、memory layers，带分层检索和持久化。
Maple：和 Anthropic SessionStore 是同一类东西的国产实现。Vyane 在做 SessionStore Protocol 对齐时（MER-361）可以同时参考这两个的接口设计。
产品化的开源 coding agent，提供 CLI、本地 GUI、企业级部署、BYO LLM、Source control / Ticketing / Slack 集成、sandbox + RBAC + 审计。Terminal-Bench 65.4%。
Maple：和 Vyane 是不同方向：OpenHands 是产品化通用平台，Vyane 是个人 daemon。对照看可以理解'通用 vs 个人化'的取舍——Maple 选了个人化。
把 'subagent-driven development' 做成一套方法论：implementer / spec reviewer / code quality reviewer / final code reviewer 多角色协作，TDD + worktree + 模型分级派发。文档极清晰。
Maple：Vyane 的多 agent 协作模式跟它的方法论高度相似。Superpowers 把'subagent 优先'写成了可执行 spec，值得 Yi 自己也学习它的 worktree / TDD 流程。
在 LongMemEval / LoCoMo 等记忆 benchmark 上分数最高的开源方案。四网络架构（episodic / semantic / procedural / working memory），分层检索 + 主动遗忘。
Maple：Meridian 后续做 memory provider 接入时的首选参考——91.4% LongMemEval 比 Mem0 的 49% 强太多。详见 Maple 写的《AI 记忆与自主学习》。
Cheng Lou 做的文本测量库，不需要 DOM 就能精确计算文本高度和换行，比 DOM 测量快 300-600x
Maple：对 Nebula 的 Moments 瀑布流和杂志排版有用，后续集成
国内开源 AI agent 助手框架，集成 IM 协议（QQ / 微信 / Telegram / Discord）、多 LLM provider、插件生态。中文社区活跃。
Maple：Yi 自研 IM（Argus）参考。AstrBot 把 IM 协议层做得很完善，对比之下 Vyane 的 Discord bot 简朴很多。如果 Maple 未来想接微信/QQ，AstrBot 的协议层值得参考。
Go 实现的代理层，把 Claude Code CLI / Codex CLI / Gemini CLI 包装成 OpenAI 兼容 / Claude 兼容 HTTP API。让任何 OpenAI 客户端都能用 CC 后端。
Maple：Vyane 的对偶方案——Vyane 是 MCP / 自研 CLI 调用 AI CLI，CLIProxyAPI 是 HTTP API 调用。两者解决的问题相似：把多个 CLI 后端统一暴露给前端。
本地 AI coding agent（Claude Code / Codex / Cursor）通过 cc-connect 桥到 Slack、Discord、飞书等 IM 平台。轻量 Go 实现。
Maple：Yi 的 Discord bot 架构思路接近——CC 当后端，IM 当前端。区别是 Yi 集成进 Vyane daemon（不是独立桥），并且做了 stream-json 双向控制。