原文: https://mp.weixin.qq.com/s/OtSaSn29ytfgz09JfDPbWA
AI Agent Workflows神器来袭！Sim.ai轻松构建、多方式部署，解锁无限可能
[sim] 是一个用于构建和部署AI代理工作流的开源平台。简单讲，它是一个能让你轻松创建并运行AI自动化任务的工具，比如让多个AI协作完成复杂流程。适用人群：AI开发者、技术团队、自动化工具爱好者。
项目地址：https://github.com/simstudioai/sim
主要语言：TypeScript
stars: 22.7k
项目简介
Sim是一个可以让用户在几分钟内构建和部署AI代理工作流的平台。它提供了直观的可视化界面，支持使用Copilot提升效率，还能集成向量数据库，满足用户对AI工作流的多样化需求。
核心功能
- 轻松构建工作流：可以在画布上直观地设计代理工作流，连接代理、工具和模块，然后立即运行。
- Copilot助力：借助Copilot功能，通过自然语言生成节点、修复错误以及迭代工作流。
- 集成向量数据库：将文档上传到向量存储中，让代理基于特定内容回答问题。
快速启动方式
- 云托管：直接访问 sim.ai 使用。
- 自托管
- NPM包：使用
npx simstudio命令启动，需确保Docker已安装并运行。 - Docker Compose：克隆仓库后，使用
docker compose -f docker-compose.prod.yml up -d命令启动。还支持使用Ollama和vLLM等不同方式运行。 - Dev容器：在VS Code中使用Remote - Containers扩展，按步骤操作后运行
bun run dev:full启动。 - 手动设置：需要安装Bun、Node.js v20+、PostgreSQL 12+ 并配置pgvector扩展，按照克隆、安装依赖、设置数据库等步骤完成部署。
- NPM包：使用
环境变量
自托管部署时，需要设置一些关键环境变量，如 DATABASE_URL、BETTER_AUTH_SECRET、BETTER_AUTH_URL 等，具体可参考 apps/sim/.env.example 文件。
故障排除
- Ollama模型下拉列表不显示：如果Ollama在主机上运行，Sim在Docker中运行，将
OLLAMA_URL从localhost改为host.docker.internal。 - 数据库连接问题：确保PostgreSQL安装了pgvector扩展，使用Docker时，等待数据库健康后再运行迁移。
- 端口冲突：若端口3000、3002或5432被占用，可配置替代端口。
技术栈
- 框架：Next.js（App Router）
- 运行时：Bun
- 数据库：PostgreSQL + Drizzle ORM
- 认证：Better Auth
- UI：Shadcn、Tailwind CSS
- 状态管理：Zustand
- 流程编辑器：ReactFlow
- 文档：Fumadocs
- 单仓库管理：Turborepo
- 实时通信：Socket.io
- 后台任务：Trigger.dev
- 远程代码执行：E2B
开源多智能体框架 Agent-Kernel，还有超全大语言模型教材，科研神器快收藏！
Foundations-of-LLMs 是一个系统讲解大语言模型基础理论的开源书籍项目。简单讲，它是一本帮助初学者理解大语言模型底层原理的学习指南。适用人群：对大语言模型感兴趣的科研人员、学生和开发者。
项目地址：https://github.com/ZJU-LLMs/Foundations-of-LLMs
主要语言：
stars: 14.4k
核心项目信息
- 项目名称：《大模型基础》
- 版本：1.0.0
- Github 地址：https://github.com/ZJU-LLMs/Foundations-of-LLMs
- 更新频率：月度更新
项目优势
- 系统全面：为对大语言模型感兴趣的读者系统讲解相关基础知识，介绍前沿技术。
- 持续更新：作者团队认真听取开源社区和专家学者建议，进行月度更新，跟踪技术最新进展。
- 易读性强：每章以一种动物为背景举例说明技术，以六种动物作为封面，增加易读性。
- 资料丰富：针对每章内容配备相关的 Paper List，还提供完整 PDF 版本、分章节内容 PDF 以及相关论文文件夹。
核心功能与内容
本书第一版包含六章内容，涵盖传统语言模型到检索增强生成等多个方面：
- 第 1 章：语言模型基础
- 基于统计方法、RNN、Transformer 的语言模型
- 语言模型的采样方法和评测
- 第 2 章：大语言模型
- 大数据与大模型结合带来新智能
- 大语言模型架构概览，包括 Encoder-only、Encoder-Decoder、Decoder-only 架构以及非 Transformer 架构
- 第 3 章：Prompt 工程
- Prompt 工程简介、上下文学习、思维链
- Prompt 技巧及相关应用
- 第 4 章：参数高效微调
- 参数高效微调简介，包括参数附加、选择、低秩适配方法
- 实践与应用
- 第 5 章：模型编辑
- 模型编辑简介、经典方法
- 附加参数法（T - Patcher）、定位编辑法（ROME）及应用
- 第 6 章：检索增强生成
- 检索增强生成简介、架构
- 知识检索、生成增强及实践应用
应用场景
- 科研：为科研人员提供大语言模型的系统知识和最新进展，助力科研工作。
- 毕设：适合作为毕业设计的参考资料，帮助学生深入了解大语言模型相关技术。
- 大创、SRTP：为大学生创新创业项目和大学生研究训练计划提供理论支持和技术指导。