跳到正文
只看具身智能#GitHub
  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 · 灵魂体仓库61

    fuba-browser 发布 3.6.0：面向 LLM 智能体的 Docker 浏览器自动化工具

    fuba 在 GitHub 发布 fuba-browser，这是一个运行在 Docker 中的 Chromium 浏览器自动化工具，通过 REST API 和 CLI（fbb）供 Claude Code 等 LLM 智能体控制浏览器，主打解决 Chrome DevTools MCP 的 token 消耗问题。工具提供 Snapshot/Ref 无障碍树元素定位、Web VNC 远程访问、认证状态保存加载、网络检查与下载捕获 API，可选 NVIDIA/AMD GPU 硬件加速，最新镜像为 ghcr.io/fuba/fuba-browser:3.6.0，MIT 许可，API 设计受 vercel-labs/agent-browser 启发。

    推荐理由：面向 LLM 智能体的 Docker 浏览器自动化工具，REST API 配合 Snapshot/Ref 定位，主打降低 Chrome DevTools MCP 的 token 消耗。

  1. 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 · 灵魂体仓库64

    pageqa 发布自然语言驱动的网页测试智能体，支持零模型回放与 CI 接入

    klren0312 发布 pageqa，一个自然语言驱动的网页测试智能体，LLM 解析意图后由 browserskill（bsk）驱动真实浏览器执行，输出文本/JSON 报告和 CI 可用的退出码。通过用例的操作会冻结为回放脚本，可用 --replay 零模型调用复跑，适合在 CI 中做回归。工具提供 TUI 交互模式，可实时查看进度与 token 用量、随时追加场景和切换模型，支持最多 8 并发、每场景独立子进程隔离、pageqa lint 静态检查和运行归档回看，需 Node.js ≥ 22.19，通过 npm install -g pageqa 安装。

    推荐理由：作者详述了用例回放免模型复跑、场景进程隔离和 TUI 的设计取舍，方法细节可直接借鉴到网页测试与 CI 场景。

  1. GitHub · 去对齐工具与仓库58

    Matvel007 开源 Chromium 浏览器侧边栏 Agent browser-agent 1.0.0

    Matvel007 在 GitHub 发布 browser-agent 1.0.0，一个 Chromium 浏览器侧边栏 AI 助手，可读页面、点击、输入、切换标签页，并通过 DevTools Protocol 检查 console 和网络、搜索网页。支持 RouterAI、OpenAI、DeepSeek、Gemini、Anthropic 及 OpenAI 兼容端点等任意提供商，提供 29 个可单独开关的浏览器工具；工具输出有界，大数据存为 IndexedDB artifacts，完整聊天记录不会被压缩删除，/compact 只添加摘要卡片。需 Node.js 22.12+ 或 24/26+，MIT 协议开源。

    推荐理由：开源的浏览器侧边栏 Agent，29 个工具均可单独开关，上下文压缩保留完整聊天记录，适合想本地控制浏览器自动化的用户。

  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 · 灵魂体仓库69

    AiSteve 发布：让 AI 伙伴在 Minecraft 里陪你玩的分层 Agent Forge 模组

    Tawesh 发布 AiSteve 1.1.0，一个面向 Minecraft 1.20.1 Forge 的 AI 伙伴模组，让语言模型驱动的玩家与你一起挖矿、建造、战斗。它采用感知、记忆、目标栈加技能优先于 LLM 的分层架构，常见请求走确定性技能零 token 消耗，含四层记忆、需求与人格系统，支持 DeepSeek 等多家 API；目前尚无熔炼能力且 AI 角色暂时无敌。

    推荐理由：作者完整公开了感知、记忆、目标栈与技能优先于 LLM 的分层设计， token 成本控制思路可直接迁移到其他 Agent 项目。

  3. GitHub · 3D 生成新仓库66

    Cua 开源仓库整合桌面智能体全家桶：Spaces、Driver、Lume、CUA-S1 与 Bench

    Cua 在 GitHub 更新 trycua/cua 仓库，为 AI 智能体提供可操作的计算机环境，包含给智能体完整桌面的 Cua Spaces、跨 macOS/Windows/Linux 桌面自动化的 Cua Driver、基于 Apple Virtualization.Framework 的 Lume 本地 VM、小型 System 1 决策模型系列 CUA-S1（权重在 Hugging Face）以及 computer-use 评测环境 Cua Bench。除 Cua Spaces 为 FSL-1.1-MIT source-available 外，其余组件为 MIT 许可；Spaces 免费供个人使用，Pro 和 Teams 计划即将推出。

    推荐理由：官方仓库把 GUI 智能体所需的全套组件集中到一处，覆盖桌面空间、自动化驱动、本地 VM、小型决策模型和评测基准，便于搭建和验证 computer-use 智能体。

  4. GitHub · 去对齐工具与仓库55

    开源浏览器智能体 Brotto 发布：在你已登录的浏览器会话中执行任务

    Brotto 在 GitHub 开源，是一个 Chrome 扩展加自托管容器的浏览器智能体，用自然语言下达任务后在用户已登录的浏览器标签页中执行，不走云端浏览器。它读取页面无障碍树而非截图，发送邮件、支付、删除等不可逆操作前强制停下询问且无法关闭，每次运行在本地磁盘留下完整审计记录；页面文本离开前先脱敏，模型密钥不落盘，支持 Anthropic、OpenAI、Gemini、DeepSeek 等 8 家提供商自带密钥。目前仅支持 Chrome，无已发布基准，扩展正在 Chrome Web Store 审核中，Apache 2.0 开源。

    推荐理由：浏览器智能体选择读无障碍树而非截图，并把不可逆操作前的确认和审计记录设计成不可关闭，安全取舍讲得具体。

  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