可复现与二开的 Agent 应用项目

面向希望通过复现、二开积累项目经历的开发者，收集七个有具体业务用途、用户输入和交付物的开源应用。选型重点是能否体验完整任务、核对结果，并完成可归属于自己的修改。

项目功能依据官方仓库 README 整理，核对日期为 2026-11-07；本清单未逐一部署验证。版本、依赖、数据服务和商业版边界可能变化，开始前应固定所选版本并阅读对应文档。下文的二开方向是练习建议，不代表上游尚未实现这些功能。

项目总览

前四个适合研究多步决策、工具使用和反馈；后三个偏 AI 工作流应用，仍有完整的产品流程与可验证产物。

项目	业务用途	输入与交付	实现形态
Data Formulator	数据探索与经营分析	表格、数据库和分析问题 → 数据处理、图表、报告	交互式数据分析 Agent 应用
BettaFish／微舆	舆情与口碑分析	品牌、事件或话题 → 多来源分析与 HTML 报告	多 Agent 分析应用
DeepTutor	个性化学习与练习	教材、笔记、问题 → 讲解、练习和学习记录	学习 Agent 应用
Dexter	公司与财务研究	财务问题 → 数据获取、核对与研究回答	财务研究 Agent 应用
Resume Matcher	简历定制与求职材料整理	简历和 JD → 定制内容、求职信、PDF	AI 文档工作流应用
VideoLingo	视频翻译与字幕制作	视频 → 字幕、翻译及可选配音视频	AI 音视频工作流应用
Meetily	会议记录与摘要	会议音频或录音 → 转写与会议摘要	AI 会议助手应用

1. Data Formulator：数据分析与可视化

官方仓库：microsoft/data-formulator。微软研究院的数据探索应用，将自然语言和界面操作结合，用于接入数据、分析、生成可编辑图表并组织报告。

用户任务

上传一份销售数据，按月份比较各地区销售额，找出变化明显的地区，再分析其中一个地区的产品构成。

用户从文件或数据库开始，在 Data Thread 中追问、调整分析方向或创建分支，最终整理图表和分析结果。

复现与二开方向

适合学习数据接入、转换与执行、Agent 工具调用、图表交互，以及分析过程的保存。

可以限定为“电商运营分析助手”：

• 为明确的数据表定义销售额、转化率等指标的计算口径。
• 展示用于分析的字段、时间范围和筛选条件。
• 对缺失列、异常值或模糊指标请求补充信息。
• 将分析结果整理成固定结构的运营报告。

验收与限制

用同一份公开或自行准备的数据，独立编写 SQL 或 Python 计算参考结果，核对聚合值、比例、时间范围和图表数据。报告中的解释应区分观察到的变化与未经验证的原因。

这类项目的数据容易准备，产物直观，适合作为第一个二开项目。模型、执行环境及数据连接器仍需按所选版本配置。

2. BettaFish／微舆：舆情与产品口碑分析

官方仓库：666ghj/BettaFish。围绕品牌、事件或话题组织信息搜索、媒体内容分析、私有数据分析和多 Agent 协作，并生成 HTML 报告。

用户任务

整理某款产品被讨论的主要问题，区分不同观点，列出支持这些判断的评论或报道来源。

系统从问题出发获取信息，由不同分析组件处理与交流，再汇总成报告。适合观察信息获取、观点归纳、证据和最终展示之间的关系。

复现与二开方向

可以收窄为“产品评价分析助手”，先导入一批已获得的评论：

• 对评论去重、分类，并保留来源和时间。
• 汇总主要问题、不同观点和代表性评论。
• 对比两个产品的评价，明确样本和时间范围。
• 将每项报告结论关联到支持材料。

验收与限制

人工标注一批评论，对比问题分类、重复处理和报告引用。检查结论是否有证据、是否把少量评论扩大为总体判断，以及是否遗漏相反意见。

检索与社交平台数据接入会影响复现难度，模型调用量也需要记录。第一轮可固定输入数据，先验证分析流程，再决定接入哪些在线数据源。报告生成成功不等于分析可靠。

3. DeepTutor：个性化学习与练习

官方仓库：HKUDS/DeepTutor。以学习工作区连接资料阅读、讲解、解题、练习和学习记录；对话可以按需要调用检索与其他工具，并向用户澄清问题。

用户任务

根据这份课程资料检查我对某个知识点的理解。先出题，再根据回答决定继续追问还是补讲，并指出资料出处。

项目包含学习资料、对话、练习和学习状态之间的联动，适合研究多轮交互如何推动一项学习任务。

复现与二开方向

可以限定为“SQL 查询训练助手”：

• 从明确的表结构和知识点生成练习。
• 执行用户查询，结合结果给出反馈。
• 根据已观察到的问题选择下一道练习或补充讲解。
• 记录题目、尝试、反馈和知识点覆盖，供后续练习使用。

验收与限制

准备含正确答案和典型错误的固定练习，用执行结果与确定性检查验证 SQL 的行为，不能只让模型自评。检查练习是否超出资料范围、反馈是否有依据、用户之间的学习记录是否隔离。

项目功能较多，适合先选一门课程或一种技能，完成一条学习流程，再考虑扩展。生成了学习计划不等于学习效果已经得到验证。

4. Dexter：财务研究

官方仓库：virattt/dexter。面向财务研究，能够将问题拆成研究步骤，调用金融数据工具、核对中间结果并形成回答。README 提供评估和执行记录的入口。

用户任务

比较两家公司过去三年的收入与现金流变化，列出对应数据、时间范围和主要差异。

适合观察领域工具如何支持任务规划、数据获取与结果核对，以及运行记录如何帮助排查错误。

复现与二开方向

• 限定一类财报对比任务，明确财年、币种和单位。
• 加入缺失数据、不同报告期和重述数据的处理。
• 让结果中的关键数字对应到来源与计算过程。
• 使用固定财务问题比较工具选择、结果正确性、耗时和成本。

验收与限制

使用已知的财报或数据快照核对数值、单位、报告期和计算。确认所需金融数据 API 的密钥、覆盖范围与使用成本。

项目定位为研究与学习，不能以真实交易收益作为工程能力已经得到验证的依据。对金融数据没有兴趣时，可优先选择数据更熟悉的项目。

5. Resume Matcher：简历定制与求职材料

官方仓库：srbhr/Resume-Matcher。上传主简历、粘贴 JD 后，用户可以审阅定制内容、调整布局、导出 PDF，也包含求职信和面试准备功能。

用户任务

根据这份 JD，从已有经历中挑选相关内容，生成一版便于审阅和修改的简历，并导出 PDF。

这是围绕文档输入、内容生成、人工审阅和文件交付的完整应用，适合研究产品流程和事实约束。

复现与二开方向

• 改进中文简历的解析、布局和导出。
• 展示每条修改对应的 JD 要求和原始经历。
• 核查技能、公司、时间与数字是否得到原简历支持。
• 整理不同岗位的材料与版本，方便用户对比。

验收与限制

用同一批简历和 JD 检查解析、事实保留、修改依据及导出后的文本顺序。缺少证据的经历应被标记，不应自动补写。

项目的匹配分属于自身评分规则，不能当作招聘系统的真实录取概率，也不能仅凭分数提高证明求职效果。该项目更偏 AI 文档工作流，不必为名称强行增加自主 Agent。

6. VideoLingo：视频翻译与字幕制作

官方仓库：Huanshere/VideoLingo。提供转写、翻译、字幕切分与对齐，并可生成配音和处理后的视频，使用 Streamlit 界面组织流程。

用户任务

将一段技术课程视频翻译成中文，生成术语一致、时间轴可用的字幕，并按需要生成配音。

它是由多个 AI 能力组成的音视频处理流水线，输入和产物明确，适合对音视频感兴趣的开发者。

复现与二开方向

• 为技术课程维护术语表，检查跨字幕的翻译一致性。
• 提供字幕校对与重新生成某个片段的交互。
• 检查字幕长度、时间轴、遗漏内容和配音时长。
• 改进特定批量任务的提交、进度和结果整理体验。

验收与限制

选定短视频和人工校对字幕，核查术语、语义、遗漏、时间戳和最终视频。记录不同阶段的耗时与费用。

识别和配音效果受音频、语言、模型与设备影响；本地模型的硬件需求和云服务费用应按所选后端确认。完整流程中已有暂停、恢复和停止等能力，二开前先体验现有行为。

7. Meetily：会议转写与摘要

官方仓库：Zackriya-Solutions/meetily。原 meeting-minutes 仓库地址会重定向到这里。应用支持本机会议采集、音频转写和摘要，提供 Windows、macOS 客户端；摘要可选择本地或云模型。

用户任务

将会议音频转为可阅读的记录和摘要，便于会后核对与回顾。

适合研究音频采集、转写、摘要、桌面交互和记录存储组成的完整产品流程。

复现与二开方向

• 为一种明确的会议设计纪要结构。
• 将摘要中的结论关联到原始转写位置。
• 从讨论中提取待办候选项，让用户确认负责人和截止时间。
• 在确认后对接一个任务系统，记录执行结果。

验收与限制

使用固定录音与人工记录，对比关键结论、待办、负责人和日期；材料没有明确的信息应保留为待确认。对接任务系统时，核对实际创建结果与重复操作行为。

社区版与 Pro 的能力不同；当前 README 将部分集成、导出和定制能力列入 Pro，不能据此假定开源代码全部具备。本地转写和云端摘要的数据路径也应分别确认。

如何选择起点

默认推荐 Data Formulator：数据容易准备，计算和图表能够独立核对，业务产物也便于展示。

• 想做运营分析、数据产品：选 Data Formulator。
• 想做中文内容分析和报告交付：选 BettaFish。
• 想结合已有学习材料持续使用：选 DeepTutor。
• 对财务研究有兴趣并能获得数据：选 Dexter。
• 想做文档生成与编辑体验：选 Resume Matcher。
• 对音视频或桌面应用有兴趣：分别选 VideoLingo、Meetily。

先选一个主仓库，跑通固定任务并观察失败。确认个人贡献后，再决定是否扩大范围。

从复现走到自己的项目

1. 固定基线。 记录上游版本、依赖、数据、模型配置和任务输入，保存原始运行结果。
2. 理解核心路径。 找到数据如何进入系统、模型与工具何时执行、状态如何保存、最终产物如何生成。
3. 选择一项实质修改。 从实际使用暴露的问题入手，明确修改范围与验收方式，先确认上游已有能力。
4. 同口径验证。 在相同任务与配置下比较前后结果，保存失败案例、耗时和费用；对有随机性的输出重复运行。
5. 整理个人贡献。 保留运行说明、演示、关键设计和验证结果。写清上游与自己修改的部分，按所选版本的许可证保留来源与声明。

简历中的项目规模、正确率、耗时和成本必须来自自己的运行记录。复现经历可以如实描述，不能改写成企业生产经历。

相关笔记：收成能交付的项目。