AI Discovery #002：10 个值得关注的 AI 项目
AI 的发展正在从聊天机器人逐渐走向 Agent 和 AI Native 软件。越来越多项目开始探索 AI 如何理解上下文、调用工具、管理知识以及参与复杂任务。本期 AI Discovery 分享 10 个值得关注的项目，它们不一定都是普通用户每天使用的产品，但都代表着未来 AI 应用生态中的重要方向。
最近一年，AI 领域最大的变化并不是模型参数越来越大。
真正明显的变化是：
AI 开始从“回答问题”，变成“参与完成任务”。
以前：
用户打开软件，然后操作软件。
现在：
用户描述目标，AI 理解目标，并调用各种能力完成任务。
这背后需要很多基础能力：
- Agent
- Workflow
- Memory
- Knowledge Base
- Tool Calling
- AI Coding
这一期分享一些我认为值得长期关注的项目。
1. OpenHands：探索真正的软件工程 Agent
👉 GitHub：
现在很多 AI Coding 工具主要解决的是：
“帮我写代码”。
而 OpenHands 尝试解决：
“帮我完成一个软件工程任务”。
它希望 AI 不只是生成代码，而是能够：
- 阅读项目
- 理解需求
- 修改代码
- 执行命令
- 调试问题
这类项目最大的价值，不一定是现在马上替代开发者，而是让大家看到未来软件开发可能是什么样。
以后开发者可能更多是在管理 Agent，而不是逐行编写代码。
2. Claude Code：重新探索 AI 编程交互
👉 官网：
很多 AI 编程产品都选择融入 IDE。
Claude Code 选择了另一种路线：
终端。
对于后端开发者来说，这种方式其实很自然。
真实开发流程大量依赖：
- Git
- Shell
- Build
- Test
- Debug
如果 AI 能直接参与这些流程，它更像一个工程助手，而不是代码补全工具。
它代表了一种趋势：
未来 Coding Agent 可能会越来越接近一个真正的软件工程伙伴。
3. Aider：围绕 Git 工作流设计的 AI Coding 工具
👉 官网：
Aider 是一个比较有代表性的开源 AI 编程工具。
它没有重点打造复杂 UI，而是围绕开发者最熟悉的方式：
代码仓库 + Git。
你可以让它：
- 修改代码
- 重构文件
- 添加功能
- 自动提交变化
这个设计其实解决了 AI 编程里一个很重要的问题：
不是 AI 能不能写代码，而是修改是否可控。
4. Obsidian：AI 时代的个人知识基础设施
👉 官网：
Obsidian 不是 AI 产品。
但我认为它非常符合未来 AI 发展的方向。
它解决的是：
如何保存和组织个人知识。
它采用：
- Markdown
- 本地文件
- 双向链接
- 知识图谱
这和未来 AI Memory 的方向非常接近。
一个真正懂你的 AI 助手，需要的不只是模型能力，还需要长期积累的数据。
未来可能：
Obsidian 负责保存知识。
AI Agent 负责理解和使用知识。
5. Dify：降低 AI 应用开发门槛
👉 官网：
👉 GitHub：
Dify 是目前国内 AI 应用开发生态里比较有代表性的项目。
它把很多 AI 应用需要的能力整合起来：
- 模型接入
- Prompt 管理
- Workflow
- RAG
- Agent
对于开发者来说，它最大的意义：
不是“不需要写代码”。
而是：
让一个想法可以更快验证。
很多 AI 产品早期阶段，其实都需要这种快速试错能力。
6. Coze：探索 Agent 产品化
👉 官网：
Coze 代表的是另一个方向：
如何让 Agent 真正被普通用户使用。
相比单纯聊天机器人，它更关注：
- 工作流
- 插件
- 知识库
- Bot 发布
从产品角度看，它探索的是：
AI 能力如何包装成真正的软件产品。
这也是未来 AI 创业非常重要的一环。
7. LangGraph：复杂 Agent 的流程编排
👉 GitHub：
简单 Agent 很容易实现：
用户输入 → 模型回答。
但真实业务通常复杂：
- 多步骤执行
- 状态管理
- 人工确认
- 异常恢复
LangGraph 解决的是：
如何构建复杂 Agent 工作流。
从架构角度看，它更像：
Agent 世界里的状态机。
如果未来大量业务都会由 Agent 驱动，这类基础设施会越来越重要。
8. AnythingLLM：企业知识库落地方案
👉 官网：
企业使用 AI 最常见的问题：
模型不知道公司的业务。
所以知识库成为非常重要的方向。
AnythingLLM 提供：
- 文档管理
- RAG
- 多模型支持
- 私有部署
它代表了一个趋势：
未来每家公司可能都会拥有自己的 AI 知识系统。
9. n8n：连接 AI 和真实业务系统
👉 官网：
很多 Agent Demo 看起来很酷。
但真正落地时，需要连接：
- 数据库
- API
- 第三方系统
- 企业流程
n8n 的价值就在这里。
它提供了一套自动化流程能力。
未来很多 Agent 可能不是一个聊天窗口，而是运行在复杂 Workflow 中。
10. Mem0：让 AI 拥有长期记忆
👉 官网：
现在的大模型能力已经很强。
但一个明显问题：
它不知道过去发生过什么。
Mem0 关注：
如何给 Agent 增加长期记忆。
例如：
- 用户习惯
- 历史行为
- 偏好信息
- 业务上下文
未来个人 AI 助手最大的区别，可能不是模型大小，而是谁更了解你。
本期总结
如果关注 AI Coding：
推荐：
- OpenHands
- Claude Code
- Aider
如果关注 Agent：
推荐：
- LangGraph
- Dify
- Coze
如果关注 AI 长期发展：
推荐：
- Obsidian
- Mem0
- AnythingLLM
如果关注企业落地：
推荐：
- n8n
- Dify