Top AI Repos — open-source AI, indexed and scored
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
🤖基于.NET搭建的企业级中台AI知识库智能体开源架构：Skills技能管理、AI-Qdrant知识库、知识库重排模型、AI联网搜索、多智能体协同、聊天记录压缩策略、智能体权限管控、AgentFramework、RAG检索增强、本地Ollama AI模型调用、智能体技能可控加载、领域事件、一库多租户、Log4、Jwt、CAP、SignalR、Mcp、Ioc、Hangfire、RabbitMQ、Xunit、前端（Vue + Ant Design）
| Date | Stars |
|---|---|
| 2026-07-31 | 497 |
| 2026-08-01 | 497 |
| 2026-08-02 | 497 |
| 2026-08-04 | 499 |
| 2026-08-05 | 502 |
| 2026-08-06 | 502 |
Today
— stars today
This week
— stars this week
This month
— stars this month
Momentum
15.0
growth rate 0.00%/day
# NetCoreKevin
> 是基于 .NET 9 构建的企业级 AI中台智能体 SaaS 前后端分离架构，集成了 AI 知识库智能体、多智能体协同、聊天记录压缩策略、Skill技能管理、本地离线AI模型调用、智能体技能可控加载、AI联网搜索、智能体权限管控、一库多租户、分布式系统、微服务架构等核心能力。
---
## 📷 功能效果图
### AI 智能体技能工具管理
| 动态管理 | 智能体配置 | 对话交互 |
|---------|----------|---------|
|  |  |  |
### 多智能体协同和聊天记录压缩策略
| 多智能体动态配置管理 | 压缩策略配置 | 对话交互 |
|---------|----------|---------|
|  |  |  |
### Skill动态管理
| 界面管理 | 在线编辑 | 动态配置 |
|---------|----------|---------|
|  |  |  |
### AI 知识库系统
| 知识库管理 | 文档上传 | 智能问答 |
|-----------|---------|---------|
|  |  |  |
### AI 智能体技能
| 技能列表 | 技能配置 | 技能执行 |
|---------|---------|---------|
|  |  |  |
### AI 智能体自动任务调度
| 任务列表 | 任务配置 | 执行记录 |
|---------|---------|---------|
|  |  |  |
### 后台管理系统 (Vue3 + AntDesign)
| 用户管理 | 角色管理 | 权限管理 | 系统配置 |
|---------|---------|---------|---------|
|  |  |  |  |
---
## ✨ 技术亮点
| 技术点 | 说明 |
|--------|------|
| **.NET 9** | 最新 LTS 版本，性能更优，支持更多新特性 |
| **DDD 架构** | 领域驱动设计，模块化结构，便于维护扩展 |
| **微服务架构** | 基于 Consul、CAP、Hangfire 实现服务解耦 |
| **AI 集成** | AgentFramework 1.9、Skill 动态管理、Ollama 本地模型支持 |
| **RAG 检索增强** | Qdrant 向量数据库实现知识库问答 |
| **多租户支持** | 一库多租户架构，数据隔离 |
| **分布式缓存** | Redis 缓存层，支持多种缓存策略 |
| **日志系统** | log4net 日志框架，支持多级别日志 |
---
## 🚀 快速开始
### 环境要求
- .NET SDK 9.0+
- MySQL 8.0+
- Redis 7.0+
- Qdrant 1.7+（AI 功能）
### 配置步骤
**1. 配置数据库连接**
编辑 `App/WebApi/appsettings.json`：
```json
{
"ConnectionStrings": {
"dbConnection": "server=127.0.0.1;port=3306;database=kevin_app;user id=root;password=admin123",
"redisConnection": "127.0.0.1:6379,DefaultDatabase=0,password=123456"
}
}
```
**2. 初始化数据库**
在 **程序包管理控制台** 执行：
```powershell
# 选择 Kevin.EntityFrameworkCore 项目
Add-Migration "初始化数据库"
Update-Database
```
**3. 启动应用**
```bash
cd App/WebApi
dotnet run --environment Development
```
**4. 访问地址**
| 服务 | 地址 |
|------|------|
| API | http://localhost:9901 |
| Swagger | http://localhost:9901/swagger |
| Hangfire | http://localhost:9901/pchangfire|
### 默认账户
| 用户名 | 密码 | 租户 |
|--------|------|------|
| admin | 123456 | 1000 |
---
## 🧠 AI 智能体配置
### AI智能体教程
- 第一步
- `请先完成上手教程在进行AI智能体教程`
- 第二步
- `下载安装Qdrant--官网有教程 安装后配置json文件QdrantClientSetting 默认是localhost不需要动的`
- 第三步
- `注册AI账户 教程以智谱AI为例 去[官网](https://open.bigmodel.cn)注册登录后获取APIKey`
- 第四步
- `配置向量模型和对话模型默认如下`
|||
|--|--|
- 第五步
- `新建知识库选择向量模型(如果不选择请在json配置中配置)2048（默认）：最高精度，适合对准确性要求极高的场景===》配置智能体==》新建对话就OK了`
|||
|--|--|
### 🧰基于Ollama部署本地模型
- Ollama 支持多种操作系统，包括 macOS、Windows、Linux 以及通过 Docker 容器运行。
- Ollama 对硬件要求不高，旨在让用户能够轻松地在本地运行、管理和与大型语言模型进行交互。
- CPU：多核处理器（推荐 4 核或以上）。
- GPU：如果你计划运行大型模型或进行微调，推荐使用具有较高计算能力的 GPU（如 NVIDIA 的 CUDA 支持）。
- 内存：至少 8GB RAM，运行较大模型时推荐 16GB 或更高。
- 存储：需要足够的硬盘空间来存储预训练模型，通常需要 10GB 至数百 GB 的空间，具体取决于模型的大小。
- Ollama 官方下载地址：[https://ollama.com/download](https://ollama.com/download)
- 1.安装后运行模型 可根据电脑配置自由选择模型 可以使用qwen3:4b来进行测试
- ollama run qwen3:4b
- 系统配置如下
- 
### 自动任务配置（Hangfire）
默认基于redis方式注册Hangfire可在Kevin.Hangfire.ServiceCollectionExtensions自行添加或调整注入方式
1.继承IModuleConfigTasks类实现ConfigTasks会在项目启动时自动注册任务，并且自动任务可以基于接口类直接调用应用服务
```
/// <summary>
/// AIKmssTasks配置任务设置
/// </summary>
Excerpt of 6,972 characters
Read on GitHub
680
1
Would you bet a product on this? Bounded 0–100 and slow moving.
matched fp:bac33ecea42fb8a9, llm:Repository description: enterprise-grade .NET AI knowledge base agent architecture with Skills management, AI-Qdrant knowledge base, knowledge re-ranking model, AI networked search, multi-agent collaboration, RAG retrieval augmentation, local Ollama model invocation, AgentFramework, etc.
matched fp:bac33ecea42fb8a9, llm:Repository description: enterprise-grade .NET AI knowledge base agent architecture with Skills management, AI-Qdrant knowledge base, knowledge re-ranking model, AI networked search, multi-agent collaboration, RAG retrieval augmentation, local Ollama model invocation, AgentFramework, etc.
matched fp:bac33ecea42fb8a9, llm:Repository description: enterprise-grade .NET AI knowledge base agent architecture with Skills management, AI-Qdrant knowledge base, knowledge re-ranking model, AI networked search, multi-agent collaboration, RAG retrieval augmentation, local Ollama model invocation, AgentFramework, etc.
matched fp:bac33ecea42fb8a9, llm:Repository description: enterprise-grade .NET AI knowledge base agent architecture with Skills management, AI-Qdrant knowledge base, knowledge re-ranking model, AI networked search, multi-agent collaboration, RAG retrieval augmentation, local Ollama model invocation, AgentFramework, etc.