开源低代码引擎
| 项目名称 | Star 数（k） | 类型 | 优势对比 |
|---|---|---|---|
| Alibaba LowCodeEngine | 15.2 | 微内核 + 插件式企业级引擎 | 全链路架构、代码输出、协议生态强 |
| Baidu AMIS | 16.6k | JSON 驱动页面生成 | 快速展示配置，但出码能力弱 |
| Node-RED | 19.1k | 流程编排用于 IoT | 专注流程，不适用于 UI 页面搭建 |
| ToolJet / Appsmith | 28–32k | 全链路低代码平台 | 更适合 Dashboard；无出码功能，定制较弱 |
| NocoBase/Amplication | 11–15k | 后端/全栈生成平台 | 后端出码强，UI 体验较弱 |
开源图表 MCP
蚂蚁开源MCP黑科技！Cursor免费秒生成20+图表
微软开源神器Data Formulator：用DeepSeek V3一键生成专业图表，数据分析从未如此简单！
猫抓 CatCatch
GitHub - xifangczy/cat-catch: 猫抓 浏览器资源嗅探扩展 / cat-catch Browser Resource Sniffing Extension
无敌的资源嗅探工具，m3u8 必备。
一般 m3u8 有两种格式，
一种是 .m3u8 或者 .index
一种是 .ts, 然后有多个。
往往需要 key 来解析资源
有些网站加密方式比较严谨，不那么容易获取到key
首先安装插件，然后点击深度搜索 （必须用深度搜索来搜索 key）
这时，插件就开始分析页面的链接
点击下载后， 会跳出另一个页面
这里一般情况下，密钥都是下载失败的，需要点击 寻找真实密钥 。一般密钥都会放到前端页面上用来解析， 只不过不好找。这边深度搜索会找到像密钥的，然后尝试解密。
然后点击合并下载即可。
free-for-dev
免费开发者工具清单， 出海就靠你啦。
视觉优先代码编辑器 Onlook
| 项目名称 | 开源 | 可视化编辑 | AI 集成 | 实时协作 | 部署支持 | 备注 |
|---|---|---|---|---|---|---|
| Onlook | ✅ | ✅ | ✅ | ✅ | ✅ | 集成设计与开发的全能工具 |
| Webflow | ❌ | ✅ | ❌ | ✅ | ✅ | 商业化平台，功能强大但闭源 |
| Replit Agent | ✅ | ❌ | ✅ | ✅ | ✅ | 以代码编辑为主，缺乏可视化界面 |
| Figma Make | ❌ | ✅ | ❌ | ✅ | ❌ | 设计工具，缺乏开发支持 |
| V0 | ❌ | ✅ | ✅ | ❌ | ❌ | 生成式设计工具，功能有限 |
开源 AI 工作流
Langflow
Langflow最让人震撼的地方在于它的 可视化工作流构建器 。你可以像搭积木一样，把聊天机器人、文档分析、内容生成这些复杂的AI功能组装起来。
拖拽一个OpenAI的GPT模块，连接一个向量数据库，再加上几个处理节点——一个完整的RAG应用就出来了。整个过程不需要写一行代码，就像在玩乐高积木。
更绝的是，每个组件都能实时调试。 你可以看到数据在不同节点之间流转的全过程 ，哪里出了问题一目了然。这种透明度是传统黑盒开发根本做不到的。
Dify vs N8N
Dify 的双模式工作流：
• Chatflow ：专为对话场景设计，支持用户意图识别、上下文记忆
• Workflow ⚙️：适用于自动化批处理任务，支持条件逻辑、循环等
n8n 的节点式工作流：
• 以触发器（定时、webhook、事件）为起点
• 节点间通过数据流连接，每个节点代表一个操作
• 支持复杂的分支、条件和错误处理逻辑
Dify 最适合的场景
- 智能客服对话系统：构建多轮对话流程，结合 RAG 接入企业知识库
- 企业知识库问答应用：基于内部文档构建智能问答系统
- AI 创意快速验证：将创意快速转化为 MVP 或概念验证
- 智能内容生成工作流：自动化内容创作和处理流程
- 企业 LLM 基础设施：作为公司内部的 AI 网关和治理中心
n8n 最适合的场景 - 跨系统数据同步与集成：连接 CRM、ERP、营销平台等系统
- 业务流程自动化：自动化审批、通知、报表生成等流程
- 数据采集与处理管道：从多源收集数据并处理
- IT 运维自动化：简化服务器监控和运维任务
- AI 增强的业务流程：在现有业务流程中嵌入 AI 能力
关键差异：Dify 提供一站式解决方案，设置更快捷；n8n 需要手动组装各个组件，但灵活性更高。
开源系统提示词
Cursor Devin Manus V0 Trea 7000行提示词
Langfuse：免费开源AI监控神器
Tracing
LLM applications use increasingly complex abstractions, such as chains, agents with tools, and advanced prompts. Nested traces in Langfuse help to understand what is happening and identify the root cause of problems.
LLM 应用程序使用越来越复杂的抽象，例如链、带有工具的代理和高级提示。Langfuse 中的 嵌套跟踪 有助于了解发生的情况并确定问题的根本原因。
Prompt Management
Use Langfuse to effectively manage and version your prompts. Langfuse prompt management is a Prompt CMS (Content Management System).
使用 Langfuse 可以有效地 管理 提示并 对其进行版本控制 。Langfuse 提示管理是一个 提示 CMS （内容管理系统）。
Evaluation
Evaluation is a critical aspect of developing and deploying LLM applications. Usually, teams use a multitude of different evaluation methods to score the performance of their AI application depending on the use case and the stage of the development process.
评估是开发和部署 LLM 应用程序的一个关键方面。通常，团队会根据用例和开发过程的阶段，使用多种不同的评估方法来对其 AI 应用程序的性能进行评分。
Graphiti 动态知识图谱的内存层
Graphiti builds dynamic, temporally-aware knowledge graphs that represent complex, evolving relationships between entities over time. It ingests both unstructured and structured data, and the resulting graph may be queried using a fusion of time, full-text, semantic, and graph algorithm approaches.
Graphiti 构建动态的、时间感知的知识图谱，这些知识图谱表示实体之间随时间推移而演变的复杂关系。它提取非结构化和结构化数据，并且可以使用时间、全文、语义和图形算法方法的融合来查询生成的图形。
With Graphiti, you can build LLM applications such as:
使用 Graphiti，您可以构建 LLM 应用程序，例如：
- Assistants that learn from user interactions, fusing personal knowledge with dynamic data from business systems like CRMs and billing platforms.
从用户交互中学习的助手，将个人知识与来自 CRM 和计费平台等业务系统的动态数据融合在一起。 - Agents that autonomously execute complex tasks, reasoning with state changes from multiple dynamic sources.
自主执行复杂任务的代理，根据来自多个动态源的状态变化进行推理。
Graphiti supports a wide range of applications in sales, customer service, health, finance, and more, enabling long-term recall and state-based reasoning for both assistants and agents.
Graphiti 支持销售、客户服务、健康、财务等领域的广泛应用，为助理和座席提供长期召回和基于状态的推理。
GitHub - getzep/graphiti: Build Real-Time Knowledge Graphs for AI Agents
Mayfly 一站式的运维与管理解决方案
- linux： ssh终端(终端操作记录回放)，文件查看（可根据常见后缀名高亮显示关键词等）、修改、上传、下载、删除等，脚本管理执行，计划任务、进程操作，运行状态查看等（可当做堡垒机使用）。
- dbms(目前支持 mysql postgres oracle sqlserver sqlite 高斯 达梦 kingbase vastbase。 )： 可视化数据增删改查，sql语句提示，表信息、索引信息、建表语句查看，建表等（类似mini版navicat）。
- dbms-数据同步： 支持异构数据库之间数据同步
- dbms-数据库迁移： 支持异构数据库迁移（迁移至异构数据库文件等）
- redis(单机、哨兵、集群)： 增删改查redis数据，redis基本信息查看，如版本，内存，cpu等使用情况、集群信息节点查看。
- mongo： 增删改查mongo文档数据，数据库、集合状态查看，新建删除集合等。
- 支持ssh tunnel访问： linux机器、数据库、redis、mongo都支持ssh隧道访问操作。
- 支持工单流程审批： Dbms、Redis等写入类相关危险操作支持工单流程审批执行。
- 系统管理： 同时拥有完善的账号、角色、资源权限控制、系统配置（oauth2、ldap登录、登录验证码、双因素校验、水印等），也可基于该项目进行二次开发作为后台管理系统。
Logan 美团的大前端日志系统
Logan/README-zh.md at master · Meituan-Dianping/Logan · GitHub
不同业务团队各自记录自己的日志，分析问题时再分别收集不同业务团队的日志进行整合，不同团队日志实现方式不同，获取日志的时间周期也不同，使得问题排查效率缓慢。Logan的思路是所有端上日志集中处理，按照不同的type进行区分，分析问题时可以随意聚合，有效提高日志分析效率。
Logan核心体系由四大模块构成：
- 日志输入
- 日志存储
- 后端系统
- 前端系统
提供了五个组件，包括端上日志收集存储 、iOS SDK、Android SDK、Web SDK，后端日志存储分析 Server，日志分析平台 LoganSite。并且提供了一个 Flutter 插件Flutter 插件
平替 Google Analytics 的自部署服务 - Rybbit
🐸 Rybbit - open-source and privacy-friendly alternative to Google Analytics that is 10x more intuitive.
🐸 Rybbit - Google Analytics 的开源且隐私友好型替代品，直观性提高了 10 倍
- 网站数据分析工具
基于节点的工作流引擎前端库 FlowGram
FlowGram 是一套基于节点编辑的流程搭建引擎，帮助开发者快速创建固定布局或自由连线布局模式的流程，并提供一套交互的最佳实践, 很适合有明确输入和输出的可视化工作流。
FlowGram = Flow + Program，寓意流程如程序一样，拥有 Condition、Loop 甚至 TryCatch 节点。
不使用 Docker 的情况下，获取镜像 skopeo
docker
skopeo 是一个命令行工具，可对容器镜像和容器存储进行操作。 在没有dockerd的环境下，使用 skopeo 操作镜像是非常方便的。
证书管理工具
certimate
allinssl
参考了 certimate 工作流部分设计参考，以及使用了其京东云DNS的代码实现