别让Claude单打独斗了！这款工具召唤100+AI Agent组队干活，跨机器安全协作还能自己变聪明

ruflo 是一个基于 TypeScript 的前端状态管理工具。简单讲，它帮助开发者更高效地管理和更新网页应用中的数据状态。适用人群：前端开发人员

项目地址：https://github.com/ruvnet/ruflo

主要语言：TypeScript

stars: 38.5k

仓库简介

Ruflo是一个为Claude Code提供多智能体AI编排功能的项目，它能跨机器、团队和信任边界编排100多个专门的AI智能体。Ruflo为Claude Code添加了协调群、自学习记忆、联合通信和企业安全功能，使智能体不仅能运行，还能协作。

核心功能

• 多智能体编排：能管理100多个专门的AI智能体，涵盖编码、测试、安全、文档、架构等多个领域。
• 自学习与记忆：智能体可自组织成群，从每个任务中学习，跨会话记忆信息。采用HNSW索引的AgentDB实现向量内存，搜索速度比暴力搜索快150 - 12500倍。
• 联合通信：实现零信任联合，不同机器或组织的智能体可安全地发现、认证和交换工作。有PII数据保护机制和行为信任评分系统。
• 插件系统：提供32个原生Claude Code插件和21个npm插件，覆盖核心编排、记忆知识、智能学习、代码质量测试、安全合规等多个方面。
• 多模型支持：支持Claude、GPT、Gemini、Cohere、Ollama等多个大语言模型，并具备智能路由功能。
• 可视化界面：提供Web UI（Beta）和Goal Planner UI，前者可进行多模型聊天并调用MCP工具，后者能将高级目标转化为可执行的智能体计划。

优势

• 简化使用：用户只需执行init操作，之后可正常使用Claude Code，钩子系统会自动路由任务、学习成功模式并在后台协调智能体。
• 高效协作：智能体通过群协调机制进行协作，采用分层、网状和自适应拓扑结构以及共识算法。
• 安全可靠：具备AIDefence、输入验证、CVE修复、路径遍历预防等安全措施，确保数据安全和系统稳定。
• 可扩展性：提供丰富的插件和工具，用户可根据需求选择安装，还支持自定义插件开发。

应用场景

• 软件开发：可用于代码编写、测试、文档生成、架构设计等软件开发的各个环节，提高开发效率和质量。
• 数据分析：利用智能体进行市场数据摄入、模式检测等数据分析任务。
• 企业协作：不同团队或组织的智能体可通过联合通信功能安全地协作，如共享欺诈信号等。

安装方式

• Claude Code插件（推荐）：通过插件市场添加并安装所需插件。

# Add the marketplace
/plugin marketplace add ruvnet/ruflo

# Install core + any plugins you need
/plugin install ruflo-core@ruflo
/plugin install ruflo-swarm@ruflo
/plugin install ruflo-autopilot@ruflo
/plugin install ruflo-federation@ruflo

• CLI安装：可通过一键安装脚本、npx或全局安装npm包的方式进行安装。

# One-line install
curl -fsSL https://cdn.jsdelivr.net/gh/ruvnet/ruflo@main/scripts/install.sh | bash

# Or via npx
npx ruflo@latest init --wizard

# Or install globally
npm install -g ruflo@latest

• MCP服务器：在Claude Code中添加Ruflo作为MCP服务器。

# Add Ruflo as an MCP server in Claude Code
claude mcp add ruflo -- npx -y @claude-flow/cli@latest

文档与支持

• 文档：提供Status、User Guide和Verification三份文档，分别用于了解项目状态、日常操作参考和验证安装的字节。
• 支持资源：可通过User Guide获取文档，在GitHub Issues提交问题，企业用户可访问ruv.io，社区交流可加入Agentics Foundation Discord，项目由Cognitum.one提供支持。

GitHub爆火！免费开源多AI交易框架：GPT/Gemini组队当专属交易团队，研报到风控全自动化

TradingAgents 是一个基于Python的量化交易智能体开发框架。简单讲，它用AI技术让程序自动分析市场并执行买卖操作，像有个24小时工作的虚拟交易员。适用人群：量化交易员、金融数据分析师、AI投资爱好者

项目地址：https://github.com/TauricResearch/TradingAgents

主要语言：Python

stars: 64.9k

核心功能

• 多智能体交易框架：模拟现实世界交易公司的动态，部署了由大语言模型（LLM）驱动的专业智能体，包括基本面分析师、情绪专家、技术分析师、交易员和风险管理团队等。这些智能体协作评估市场状况并为交易决策提供信息，还会进行动态讨论以确定最佳策略。
• 专业角色分工：
  • 分析师团队：包含基本面分析师（评估公司财务和绩效指标，识别内在价值和潜在风险）、情绪分析师（分析社交媒体和公众情绪）、新闻分析师（监测全球新闻和宏观经济指标）和技术分析师（利用技术指标检测交易模式和预测价格走势）。
  • 研究员团队：由看涨和看跌的研究员组成，对分析师团队的见解进行批判性评估，通过结构化辩论平衡潜在收益和风险。
  • 交易员智能体：整合分析师和研究员的报告，根据全面的市场见解做出明智的交易决策，确定交易的时机和规模。
  • 风险管理和投资组合经理：持续评估投资组合风险，评估和调整交易策略，投资组合经理批准或拒绝交易提案，若批准则将订单发送到模拟交易所执行。

优势

• 模块化设计：使用LangGraph构建，确保了框架的灵活性和模块化，便于扩展和定制。
• 多LLM提供商支持：支持多种LLM提供商，如OpenAI、Google、Anthropic、xAI、DeepSeek、Qwen、GLM、OpenRouter、Ollama（本地模型）和Azure OpenAI（企业版），用户可以根据需求选择合适的模型。
• 状态持久化和恢复：提供决策日志和检查点恢复功能。决策日志会记录每次运行的决策，并在后续分析中注入之前的经验教训；检查点恢复功能允许在运行中断时从最后一个成功步骤继续，提高了运行效率。
• 多语言支持：框架具备多语言支持，方便不同地区的用户使用。

应用场景

• 金融研究：研究人员可以使用该框架进行金融市场分析和交易策略研究，探索不同LLM模型和参数对交易决策的影响。
• 模拟交易：可以用于模拟交易场景，帮助投资者和交易员测试和优化交易策略，而无需承担实际的市场风险。
• 教学和学习：作为金融和人工智能领域的教学工具，帮助学生理解多智能体系统在金融交易中的应用。

安装和使用

• 安装：可以通过克隆仓库，创建虚拟环境并安装依赖来完成安装，也可以使用Docker进行部署。
• CLI使用：通过命令行界面（CLI）启动交互式界面，用户可以选择所需的股票代码、分析日期、LLM提供商、研究深度等。
• Python使用：可以在代码中导入tradingagents模块，初始化TradingAgentsGraph对象，并调用propagate函数进行交易决策。

更新日志

• 2026 - 04：发布TradingAgents v0.2.4，增加了结构化输出智能体（研究经理、交易员、投资组合经理）、LangGraph检查点恢复、持久决策日志、DeepSeek/Qwen/GLM/Azure提供商支持、Docker支持和Windows UTF - 8编码修复。
• 2026 - 03：发布TradingAgents v0.2.3，增加了多语言支持、GPT - 5.4系列模型、统一模型目录、回测日期保真度和代理支持。
• 2026 - 03：发布TradingAgents v0.2.2，增加了GPT - 5.4/Gemini 3.1/Claude 4.6模型覆盖、五级评级量表、OpenAI响应API、Anthropic努力控制和跨平台稳定性。
• 2026 - 02：发布TradingAgents v0.2.0，增加了多提供商LLM支持（GPT - 5.x、Gemini 3.x、Claude 4.x、Grok 4.x）并改进了系统架构。
• 2026 - 01：发布Trading - R1技术报告，Trading - R1终端预计很快推出。

原文：https://mp.weixin.qq.com/s/9qc2DfnJdN5TIqY41Hbp6A

欢迎关注g*h：AI Tech研习社

关注g*h，后台回复【OpenClaw完全使用手册】，领取OpenClaw完全使用手册.pdf学习资料，更多学习资源敬请期待。