AnythingLLM：把私有知识库、RAG 与 AI Agent 收进一个可自架工作台
AnythingLLM 是一套以 local-first 为核心的开源 AI 工作台，将文件问答、RAG、AI Agent、多使用者权限与多种模型／向量资料库整合在同一个可自架应用中。本文从架构、资料流程、部署选择与隐私边界，拆解它适合什么团队，以及导入时最容易忽略的工程细节。
最新文章
探索 AI 应用的最新趋势与实用技巧
Node.js 26：把 JavaScript Runtime 当成可观测、可验证的工程底座
从事件回圈、非同步 I/O、Current／LTS 发布线到 checksum 验证，拆解 Node.js 如何成为可观测、可维护的工程底座，并用内建模组做出可执行的小型服务。
MinerU：把 PDF 与 Office 文件转成 LLM 可用的 Markdown／JSON
文件进入 RAG 或 Agent 工作流前，真正棘手的往往不是向量资料库，而是如何保留版面、表格、公式与图片语意。MinerU 将 PDF、图片、DOCX、PPTX、XLSX 解析成 Markdown 与 JSON，并提供 CLI、API、WebUI 与多服务路由，适合作为文件 AI 管线的前处理层。
Goose：把 AI Agent 从程式码建议推进到可执行的工作台
Goose 不只是在编辑器里回答问题的 AI 工具，而是把模型、工具、工作阶段与多个 provider 组成可操作的开源 agent 工作台。本文从 CLI 安装、模型设定、MCP extension 到 session 管理，实际拆解它适合什么工作、有哪些权限与复原限制，以及团队导入前应如何建立验证基线。
Context7：把版本化 API 文档直接送进 AI 上下文，补上 AI Coding 的文档缺口
Context7 通过 CLI 加 skills 或 MCP，将较新、较具体的函式库文档与程式码范例送进 LLM 上下文。本文拆解它如何降低过时 API 与猜测范例的风险，并整理安装、使用、治理与限制。
Unsloth 不只是微调加速器：我如何用一个本地工作台串起模型、Agent 与部署
Unsloth 正从「更省 VRAM 的微调工具」扩展成可在本机执行、训练、汇出与部署模型的工作台。我用官方 README 的实际入口拆解它如何把 Unsloth Studio、Core、OpenAI 相容 API、GGUF 与 Agent 整合在一起，也整理硬体、授权、远端暴露与安全边界。