AIToEarn Archive
Tag: agent-infra
-
adk-python
adk-python trong AIToEarn: Agent Development Kit chính thức của Google, code-first toolkit để xây, đánh giá và triển khai agent đa tác nhân. Tăng sao. Dùng để nhận diện use case, rủi ro triển khai và hướng đóng gói thành cơ hội.
-
crush
crush trong AIToEarn: CLI agentic coding viết bằng Go từ Charmbracelet với TUI đẹp mắt, cập nhật hàng ngày và viral mạnh trong cộng đồng Go/Rust. Dùng để nhận diện use case, rủi ro triển khai và hướng đóng gói thành cơ hội cho.
-
pi_agent_rust
pi_agent_rust trong AIToEarn: Coding agent CLI viết bằng Rust thuần (zero unsafe code), hiệu năng cao – đại diện cho làn sóng coding agent Rust đang bùng. Dùng để nhận diện use case, rủi ro triển khai và hướng đóng gói thành cơ.
-
MCP Servers
MCP Servers trong cụm RAG/Memory: đánh giá retrieval, memory, citation, chất lượng dữ liệu và buildability trước khi biến thành trợ lý tài liệu.
-
9router
9router trong AIToEarn: Router miễn phí kết nối Claude Code, Codex, Cursor, Cline, Copilot, Antigravity tới Claude/GPT/Gemini qua hơn 40 providers,. Dùng để nhận diện use case, rủi ro triển khai và hướng đóng gói thành cơ hội.
-
InsForge
InsForge trong cụm RAG/Memory: đánh giá retrieval, memory, citation, chất lượng dữ liệu và buildability trước khi biến thành trợ lý tài liệu.
-
context7
context7 trong AIToEarn: MCP server đạt 58.9k sao từ Upstash, cung cấp tài liệu code luôn cập nhật cho LLM và AI code editor — giải quyết vấn đề. Dùng để nhận diện use case, rủi ro triển khai và hướng đóng gói thành cơ hội cho.
-
cc-switch
cc-switch trong AIToEarn: Desktop app Rust/Tauri đạt 116k sao, là giao diện All-in-One cho Claude Code, Codex, OpenCode, Gemini CLI và Hermes Agent —. Dùng để nhận diện use case, rủi ro triển khai và hướng đóng gói thành cơ hội.
-
mistral-vibe
mistral-vibe trong AIToEarn: CLI coding agent tối giản chính chủ Mistral — tương tác conversational với codebase, edit nhiều file, không phụ thuộc. Dùng để nhận diện use case, rủi ro triển khai và hướng đóng gói thành cơ hội cho.
-
agno
agno trong cụm RAG/Memory: đánh giá retrieval, memory, citation, chất lượng dữ liệu và buildability trước khi biến thành trợ lý tài liệu.