一個自主的研究系統，將可執行、可量化的專案轉化為持續、以證據為導向的研究執行，透過平行代理探索尋找最佳解。

一個用於 AI 代理的長期記憶執行時環境，以 Markdown 檔案作為真實來源，並使用本地索引進行排序檢索，實現會話間的持久化。

一個設計驅動的框架，用於生成專業且可編輯的 PowerPoint 簡報，透過 PPTX 至 PNG 的視覺驗證迴圈確保高品質交付。

一個用於 AI/ML 研究的開源代理工作流，可自動化構思與實驗執行，產出可直接用於論文的證據。

JiuwenSwarm 是一個多智能體協作系統，能夠透過自然語言意圖編排專門的智能體集群，從而實現複雜任務的自動化。

一個用於 Claude Code 和 OpenAI Codex 的自動模型路由器，根據逐輪分析將簡單任務導向快速模型，將複雜任務導向強大模型。

一個用於 Codex 的瀏覽器自動化技能，使用 Jev 模型處理快速、低成本的導航和點擊，而 Codex 負責高層級推理和驗證。

一個持續學習的位元組級語言模型，可透過從磁碟分頁權重，在單一 8 GB VRAM GPU 上從零開始訓練。

一個利用嚴謹認識論循環，為研究建構可信、基於證據知識圖譜的本體發現與探索平台。

一種非自回歸決策模型，在 25ms 內提供校準的、決定性的分類與路由，取代高速操作任務中的慢速生成式 LLM。

一系列專門的決策技能與工作流程，供編碼代理使用，使其能透過 Jev 系統進行分類、評分與選擇行動。

一組技能與外掛程式，將模型路由與結果過濾等常規代理決策任務卸載至低成本決策模型，以降低延遲與令牌消耗。

透過利用Astra進行高階規劃與審查，同時將高吞吐量實作任務委派給DeepSeek V4.1 Flash以降低成本，此Codex技能優化了AI軟體開發流程。

一個為 Hydra DB 設計的 AI 工作區，讓使用者能透過帶引用的答案與深度研究功能查詢個人檔案、記憶與連接的應用程式。

Wan2.2 是一套大規模視頻生成模型，利用 Mixture-of-Experts 架構，從文字、影像或語音生成高解析度電影級視頻。

一個為 LLM 與多模態模型設計的高效率訓練框架，支援前沿規模的分散式訓練，同時完全相容 Hugging Face 模型。

一個用於深度學習中統計顯著性檢驗的 Python 套件，提供 Almost Stochastic Order (ASO)、自助法、置換檢驗和多重比較校正等現代測試方法，以嚴謹地比較模型表現。

一種用於AI驅動軟體開發的方法論與結構化指導框架，聚焦於機器可強制約束與基於證據的驗證，以防止架構漂移。

一種面向 AI 代理的本地優先 PDF 證據引擎，提供結構化文字、表格與 OCR，並附帶精確的頁面級引用，以防止幻覺。

一個用於 AI 編碼代理的工作區管理器，提供隔離的 git worktree 環境，以及適用於任何 CLI 型代理的統一終端介面。

一款基於 Android 的 AI 對話協作者，可即時分析多種聊天應用中的傳入訊息，並根據本地知識庫提供排序後的回覆建議。

一款開源、高效率的 API 與 AI 網關，用於安全治理 REST、GraphQL、gRPC 與 Model Context Protocol (MCP) 服務的流量。