专注于构建和评估基于LLM的AI系统，包括检索增强生成（RAG）、代理架构和系统评估。
👋 嗨，我是阿纳夫
我专注于 人工智能系统工程，重点是了解如何 基于LLM的系统 实际行为 在真正的约束下。
我目前的工作主要集中在：
我在建筑中学习 小型可检查系统 并公开发布。 每个存储库都旨在隔离一个想法、决策或失败模式-- 从最低限度的基线开始，只有在合理的情况下才增加复杂性。
这与演示或框架无关。
这里的大多数存储库是：
目标是长期的：
培养对系统设计、权衡和故障的良好直觉--
并将研究思路转化为可工作、可测试的代码。
如果你有兴趣 现代人工智能系统是如何崩溃的，以及如何对其进行推理, 此配置文件是该过程的公开记录。
Qwen-Agent是一个基于Qwen大语言模型的LLM应用开发框架，支持指令跟随、工具使用、规划和记忆功能，适用于构建智能助手、代码解释器等应用。
Minima是一个开源的本地RAG容器，支持与ChatGPT和MCP集成，也可作为完全本地的RAG或与自定义部署的LLM一起使用。
OpenMemory是一个为大型语言模型（LLMs）提供的个人记忆层服务，具有私有化、便携性和开源特性，数据本地存储，确保用户完全控制。
Supermemory 是一款面向 AI 应用与开发者的持久记忆和上下文引擎，能够自动从对话中提取事实、维护用户画像、提供混合搜索与知识更新，并支持 API、MCP 插件及本地部署。
一个用于在LLM响应中注入广告的MCP服务器演示项目，展示广告注入中间件的风险。
Stripe AI提供了一套SDK和工具，帮助开发者在Stripe平台上构建AI驱动的产品，包括与LLM和代理框架的集成。
