模型上下文协议（Model Context Protocol，MCP）是由Anthropic（产品是Claude）推出的开放协议，它规范了应用程序如何向LLM提供上下文。MCP可帮助你在LLM之上构建代理和复杂的工作流。从官网上看核心的功能点主要有Server、Resources、Tools、Prompts、Images。Server的主要功能是通过MCP协议实现服务连接管理、协议合规性验证、消息

LangExtract是一个Python库，利用大型语言模型（LLM）根据用户定义的指令从非结构化文本文档中提取结构化信息。它能处理临床记录或报告等材料，识别并组织关键细节，同时确保提取的数据与原文内容一致。

拖拽式构建智能体的开源框架比较多，例如：偏向工作流：coze、sim、n8n等；偏向RAG的有：Dify、RagFlow、MaxKB等；支持使用国产coze，学习成本低，相对好用和成熟。sim智能体框架，Sim是一款AI应用的可视化工作流构建工具，支持通过拖拽方块即可构建AI代理工作流。通过在画布上连接模块，即可创建强大AI代理、自动化流程及数据处理管道——无需编写代码。使用github上的doc

前端PPT制作有很多优秀的工具包，例如：Slidev、revealjs、PPTist等，Slidev对Markdown格式支持较好，适合与大模型结合使用，选哟二次封装；revealjs适合做数据切换，例如常规的走马灯和单页PPT等，PPTist可直接使用和二次封装。PPTist效果不错。项目地址。

FalkorDB 是一个通过稀疏矩阵和线性代数实现高性能查询的图数据库，专注于为LLM和企业级GraphRAG应用提供超低延迟的知识图谱服务。对中文的支持不太好。Neo4j 是一个图数据库管理系统，专为存储、查询和处理高度关联的数据而设计，性能相对较差，但是比较成熟、文文档齐全。中文支持很好。

"""自定义虚拟基类大模型"""# 调用超类# 模型基本信息# 构建客户端# 调用超类生成sql# 用 "_" 替换 "\_"return sql# 继承虚拟基类# 注意会使用向量，模型默认是 all-MiniLM-L6-v2# 构建自定义Vanna})# 1 连接MySQL数据库# 2 训练数据"""# 此注释的内容可以不要# 获取数据的属性信息# 把信息模式分解为LLM可以引用的小块"""#

Agno是一个用于构建多智能体的Python框架，具有高性能和灵活性，支持从基础工具调用到复杂工作流的五个智能体级别。文章介绍了Agno的主要功能，包括Tools、Agentic RAG、Teams和WorkFlows，并提供了代码示例展示其简单工具调用和知识库构建方法（支持ChromaDB和LanceDB）。同时对比了其他开源智能体框架（如OpenManus、MetaGPT）和常用数据检索工具（

OCRmyPDF是基于Tesseract OCR实现的，用于将PDF扫描件或图片转化为可编辑和查询的PDF文件。olmOCR是由Ai2开发的一款将PDF及其他图像类文档格式转换为清晰易读的纯文本格式的工具集。安装方式和版本更新较多，便于维护。

目前，开源PPT项目比较多，例如：presenton、presentation-ai、AiPPT和PPTist等，上面的项目都开源不太久，都不太成熟。Presenton是一款开源应用，可利用AI生成演示文稿——所有操作均在您设备本地运行。使用OpenAI、Gemini等模型时，您可掌控数据与隐私；亦可通过Ollama使用自有托管模型。# Github地址# 官网地址# 官网文档一款开源的AI驱动演

openGauss支持行列混合存储。行、列存储模型各有优劣，一般情况下，如果表的字段比较多（大宽表），查询中涉及到的列不多的情况下，适合列存储。如果表的字段个数比较少，查询大部分字段，那么选择行存储比较好。通常openGauss用于TP场景的数据库，默认使用行存储，仅对执行复杂查询且数据量大的AP场景时，才使用列存储。