发现正在增长的AI 开源项目。

browser-use 是一个让 AI Agent 像人一样操作浏览器的 Python 库，通过自然语言指令自动完成网页导航、表单填写、数据抓取等任务。适合需要为 LLM Agent 赋予浏览器交互能力，或希望自动化网页流程的开发者。主要门槛是需要提供 LLM API 密钥，且站点反爬与验证码效果仍存在不确定性。

OpenHands 把多种 AI 编码代理统一收纳进一个可自托管的控制台，让用户在本地、Docker、远程主机或云端之间灵活切换，并把定时或 Webhook 触发的自动化接到 Slack、GitHub、Notion 等服务。它适合想用大模型驱动日常研发、又希望把代理跑在自己基础设施上的工程团队。

ComfyUI 是面向视觉创作的开源节点图引擎，通过可视化节点拼接工作流来调用各类扩散模型完成图像、视频、3D、音频生成。它适合需要细粒度控制模型参数、组合多模型或搭建自定义流程的开发者与创作者。主要门槛是依赖本地显卡或官方云服务，需自行管理模型文件与依赖，且节点生态更新频繁可能带来稳定性波动。

Dify 解决从原型到生产部署大模型应用的工程化难题，把可视化工作流、RAG 检索增强、Agent 智能体、模型管理和可观测性整合到同一协作平台。它适合需要快速搭建 AI 应用的中小团队、产品经理与后端工程师，也支持企业自托管。

它解决在不依赖复杂框架与云端的前提下，在个人电脑、服务器乃至移动设备上高效运行大语言模型与视觉语言模型的问题。适合需要在本地或私有环境中部署模型推理的开发者、研究人员和产品团队。主要门槛是需要自行选择量化方案、编译源码或下载对应硬件的二进制，并具备一定的 C/C++ 编译与模型格式基础知识。

Open WebUI 解决本地大模型缺乏易用前端的问题，提供自托管的 Web 界面，统一对接 Ollama 与 OpenAI 兼容 API。适合个人开发者、团队管理员和希望在私有环境部署 AI 平台的用户。

vLLM 解决大语言模型部署时吞吐低、显存占用高的问题，通过 PagedAttention 显存管理、连续批处理、分块预填、多种量化与并行策略提升推理效率。它适合在自有 GPU 或多品牌加速硬件上自建在线推理服务的工程团队与平台方。

它把开源大模型的本地部署门槛降到最低，统一提供模型下载、加载、推理和 REST API 能力，并附带 Python、JavaScript 等多语言 SDK。适合想在本地或私有环境运行 DeepSeek、Qwen、Gemma 等开源模型的开发者与产品团队。

RAGFlow 解决大模型回答缺乏可靠私有知识支撑的问题，为企业与开发者提供从复杂文档解析、切片到检索生成的端到端工作流。它适合需要把内部知识库接入 LLM 的研发团队和企业 IT 部门。

LangChain 解决大语言模型应用开发中组件拼装与第三方集成的碎片化问题，通过统一的模型、嵌入、向量库等接口简化链式调用与智能体编排。适合需要快速搭建 LLM 应用或智能体的 Python 与 TypeScript 开发者。门槛是需要理解 LLM 基本概念，并接受较快的迭代节奏与抽象层变迁。