跳到正文
只看具身智能#开源/仓库
  1. GitHub · 灵魂体仓库68

    OmOWright 发布：给 AI 智能体用的 Playwright 形态浏览器自动化库

    code-yeongyu 发布开源库 OmOWright，为 AI 智能体提供 Playwright 形态的浏览器自动化 API，设计思路来自 Jun 关于 Aside 浏览器智能体登顶 Online-Mind2Web 等榜单的文章。

    推荐理由：README 讲清了为何让模型沿用 Playwright 接口、如何压缩快照与处理滚动采集，方法可迁移到其他 GUI 智能体工程。

  2. GitHub · 灵魂体仓库60

    People of the Iliac Bay 更新：Daggerfall Unity 模组让 NPC 持久生活并接入本地 LLM 对话

    Daggerfall Unity 模组 People of the Iliac Bay 发布 10 月 26 日测试跟进更新，通过持久家庭、日常行程、有限卫兵和可选本地 LLM 对话让 NPC 生动起来。本次更新去除 NPC 物品栏创建时的重复世界拷贝，启动卡顿从 3,097ms 降至 8.92ms，核心测试 2121/2121 通过；对话需单独配置本地模型服务器，默认使用 Gemma + Breeze，项目仍为开发快照，尚无完整安装包。

    推荐理由：开发者给出启动卡顿从 3,097ms 降到 8.92ms 等实测数据和明确的未完成清单，读者可据此判断项目当前的真实完成度。

  1. GitHub · 去对齐工具与仓库69

    anima3 发布：用 logprob 选择替代 LLM 生成 JSON 的 System One 大脑

    uotavern 发布 anima3，一个驱动 anima-client 的轻量 System One 大脑：把 Observation 转成文本场景（可访问性树），用代码枚举当前合法动词的闭式菜单，由本地模型按选项字母的 log-probabilities 选择一个，从不生成文本，无需解析且不会答到菜单之外，低置信度时回退到规则自己的首个动词。默认后端为本地 Qwen3-4B（logprob 模式），实测在 M5 上每次决策约 96–150 ms 且 $0；文中给出离线与 ServUO 实机数据，包括 77 个测试、战斗/经济/多人村庄/决斗等场景、置信度门控实测（ECE 0.585）以及实验 3 中 Qwen 自主决策显著差于规则（p < 0.001）的结果。

    推荐理由：作者先跑测试再定架构，用闭式动词菜单加 logprob 选择避免文本生成，还给出多场景实测延迟与置信度校准数据，方法可迁移。

  1. GitHub · 灵魂体仓库56

    Chetan Sroay 开源 Debutly：用 AI 智能体模拟首批用户实测 Web 应用

    开发者 Chetan Sroay 在 GitHub 发布 Debutly，用 Playwright 和 Chromium 驱动的 AI 智能体在真实浏览器中模拟首批用户，注册、确认邮箱、选套餐、邀请队友并使用产品，输出带复现步骤和截图的缺陷报告。支持无障碍需求模拟、怀疑型买家评估器、GitHub Actions 定时运行和成本上限，AGPL-3.0 开源；附多种模型对比，z-ai/glm-5.3-flash 每步 3.8 秒、每次运行 $0.004，与更贵的 google/gemini-3.8-flash 找到相同的 5 个种子缺陷中的 4 个。

    推荐理由：作者附上了多种模型在同一含种子缺陷测试应用上的对比数据，读者可以据此选驱动模型并控制成本。

  2. GitHub · 灵魂体仓库59

    AI-World 开源：十个智能体在本地 3D 世界里用真实神经网络自主生活与学习

    andrewsavio 在 GitHub 开源 AI-World，一个低多边形 3D 世界中十个有需求、性格和偏好的智能体以量子计算为目标自主学习和生活。每个智能体带两个 PyTorch 网络，技能脑用 mini-batch SGD 训练，决策脑用 REINFORCE 策略梯度强化学习，不含任何语言模型；全部在本地运行，无云端、无 API 密钥、无遥测，附 pytest 测试套件与 GitHub Actions CI。

    推荐理由：十个自主智能体在本地低多边形世界里用真实 PyTorch 网络学习与决策，全程无语言模型，架构与训练方法都写得清楚。

  1. GitHub · Blender AI 插件64

    dsh-blender-plugin v1.0 发布，让 AI 模型通过 TCP 直连实时驱动 Blender

    作者发布开源 DSH Blender 插件 v1.0（BSD-3-Clause），通过 127.0.0.1:9876/9877 的直连 TCP 通道让 AI 模型操作 Blender，无需点击或 MCP server，模型侧能力面固定为 15 个工具。功能包括视口取景（50–100 ms）、内层搜索循环 blender_rt_loop（160 ticks/s）、无头进程渲染、事务回滚、预设库和作业层，计划通道覆盖 28 个家族 183 个 ops；验收标准为 blender_viewport(op=doctor) 返回 kind=ok，支持 WSL/Windows/macOS/Linux，需 Blender 4.x/5.x、Node.js ≥ 20 和单独安装的 DSH Blender Bridge 插件。

    推荐理由：作者以自测延迟数据和完整验收命令呈现了让 AI 通过 TCP 直连驱动 Blender 的方案，部署方法可直接照做。

  2. GitHub · 去对齐工具与仓库60

    BAR AI Sub-Commanders 开源：把 Beyond All Reason 部队交给自主子指挥官

    rusenask 发布开源项目 bar-ai-sub-commanders，让玩家在 Beyond All Reason 中把建造者、工厂或小队划区委托给自主子指挥官，角色涵盖经济、防御、防空、陆军和情报。可选的 LLM 策略师通过 opencode agent 会话和 MCP 工具每 30 秒调整各子指挥官的姿态、角色和区域，支持任何 OpenAI 兼容的工具调用模型；另有毫秒级决策模型负责工厂出兵选择。规则引擎每半秒处理所有单位级操作，不依赖 AI。实测中纯规则子指挥官对 BARbarian medium 多数能存活但未获胜，对 hard 为 6 局 1 胜，单位交换约 1 杀 4 损。项目采用 GPL-2.0 许可。

    推荐理由：原文给出了规则引擎与 LLM 策略师的分工设计和实测战绩，读者可以据此判断这套自主指挥架构的实际强度与局限。

  1. GitHub · 去对齐工具与仓库62

    JEV 开源：基于 TypeSafe Jev 决策模型的本地聊天式浏览器 Agent

    samuelyossef 在 GitHub 开源了 jev-openfast，一个通过聊天驱动的本地浏览器 Agent，调用真实 Chrome 标签页执行 CLICK、TYPE_TEXT 等操作，决策由 TypeSafe 的 typesafe/jev-1.13 结构化模型完成，文字输入使用 inception/mercury-2.5。模型不写选择器或代码，页面转为编号元素表后由模型从表中选操作和目标；发送、支付等外部承诺需人工批准，DONE 后会重新检查页面并给出 confirmed、not met 或 unknown 的验证结果。

    推荐理由：这个本地浏览器智能体在执行前用元素表决策、DONE 后独立复核结果，作者还写明了 guards 与隐私处理的实现思路，可供搭建类似 Agent 参考。

  2. GitHub · 去对齐工具与仓库66

    ai-kong：用慢速推理 LLM 驱动终端 Donkey Kong 的 AI 对手

    作者发布 ai-kong，一个纯 Python 标准库实现的终端 Donkey Kong，Kong 可由 LLM 观察玩家习惯并每约 20 秒重新规划战术，且游戏永不等待网络。LLM 不直接移动物体，而是作为指挥官设定 8 个确定性旋钮，公平守卫用近乎完美的参考玩家模拟并否决会让游戏无解的改动；默认 anthropic/claude-haiku-5.5 每分钟约 $0.005-0.008，最快配置用 openai/gpt-oss-120b @ Cerebras 与 gpt-oss-20b @ Groq，每分钟约 1-1.5 美分，实测数据在 docs/llm-speed/。项目需 OpenRouter API key，其 director/ 库与游戏无关，可用于任意实时游戏中把 LLM 推理置于类型化旋钮之后。

    推荐理由：项目把慢速推理模型拆成三层角色并配公平守卫，给出了实测延迟与成本数据，方法可迁移到其他实时游戏。

  1. GitHub · 灵魂体仓库56

    unreal-mcp-agent 发布：用 MCP 客户端操控 Unreal Engine 5 编辑器的开源服务器

    aliameenrana 开源了 unreal-mcp-agent，一个将 Claude Code、Claude Desktop、Cursor 等 MCP 客户端桥接到运行中的 Unreal Engine 5 编辑器的通用 MCP 服务器，通过 Remote Control API（HTTP，127.0.0.1:30010）在编辑器内执行 Python。MVP 的 23 个工具已在 UE5.8 真实场景（138 个 actor）中端到端验证，涵盖 actor 生成删除、材质、Blueprint 编译、光照预设等，每个工具带风险分级，调用前经安全模块做路径白名单、AST 静态检查和 confirm 确认。

    推荐理由：作者对 23 个工具在真实 UE5.8 场景里逐一实测并记录了静默失败案例，读者可直接复用这套 MCP 桥接和安全分层做法。

已经到底了