按兴趣浏览，循来源深入。
Grillcheese-AI 开源 CubbyLLM，一个八层架构项目，语言模型被刻意做成最小、可替换的一层，每句回答都是 VM 针对事实库执行的程序或带理由的拒绝，用构造而非判断保证诚实。项目同步发布自研 450M 混合模型 base450m（MinGRU + 窗口注意力，bbpe128k 分词器，约 4B token 预训练，经 Vulkan 运行于 grilly2），并给出算术步进（单次通过 5.5% 提升）、qFHRR n-gram 记忆、800 题验证管线 0.718 覆盖且精度 1.000、SimpleQA 与百科 OCR 等大量实测数字，每个数字对应 validation/logs 中的日志。
推荐理由：原文给出可复现的验证实验与指标，把语言模型降为可替换一层、由 VM 仲裁每个回答的架构做法有可迁移的参考价值。
som1ng 在 GitHub 开源 API-QuickCheck，通过 Claude thinking 块服务端签名回传验签、SSE 事件顺序等协议断言检测中转站是否偷换模型。工具支持批量测活（1~50 线程并发）、余额嗅探、24 项四层探针覆盖 9 个旗舰模型，提供 Web 端与 npx 免安装 CLI，Key 仅在本地内存处理，MIT 协议。
推荐理由：原文给出了具体验签和协议断言机制，读者可以照此判断 API 中转站是否偷换模型，工具可 npx 免安装复用。
scaso01 在 GitHub 发布 claude-risk-guardrails，为 Claude Code 提供 25 条护栏，分成六个可独立安装的包，每条在会话内校验智能体的声明、对不可逆动作要求人工签核并留下可审查记录。项目将 SR 26-2（美联储、OCC 与 FDIC，2026 年 4 月 17 日）与 NIST AI RMF 1.0 及 NIST AI 600-1 的原则类比套用，明确声明不构成合规认证；签核通过一次性代码（如 approve G-4821）完成，默认有效期 15 分钟，且模型无法批准自己的动作。作者用 replay.py 统计各护栏的历史触发率来排序，live 运行发现并修复了六个单元测试漏掉的真实绕过，全部 25 条截图见 docs/CONTROLS.md，MIT 许可。
推荐理由：项目借鉴银行模型风险管理框架为 Claude Code 设计 25 条护栏，并用真实会话演示与回归测试给出可用性证据。
askalf 发布 cordon v0.3.0，一个部署在客户端与 OpenAI / Anthropic API 之间的 PII 脱敏代理，在请求离开本地网络前将邮箱、电话、卡号、SSN、API key 等替换为占位符，并在回复中还原。
推荐理由：原文给出了检测机制、三种脱敏模式、失败策略和审计链等实现细节，读者可以据此评估是否适合在自家 API 链路中部署。
作者开源 concierge，一个基于 LangGraph 与 Claude 的客服 Agent，可回答帮助中心问题并处理退款，但退款金额由代码中的书面政策决定，须经人工审批后才会执行，且每笔审批记录审批人、时间与政策理由。
推荐理由：作者开源了一个模型无权打款的客服 Agent，附完整评测数据与设计权衡，可作人机协作 Agent 工程的参考实现。
GitHub 项目 Derailment 发布，这是一个分层测试框架，通过操纵注意力、显著性、效价、唤醒等变量诱导 LLM 出现类似 ADHD、精神病、抑郁、焦虑等 18 种认知扭曲，并用统一探针脚本对诱导管线与健康基线做 A/B 评分。
推荐理由：原文给出真实模型与离线模拟器的对照数据，显示多数认知扭曲诱导难以迁移到真实模型，仅少数效应成立。
ANUBprad 在 GitHub 发布 RedOps，一个面向生产的 LLM 评测与安全平台，集成评测引擎、自适应红队攻击、基于轨迹的 Agent 评估、实验对比与可观测性。
推荐理由：开源的 LLM 评测与红队平台，把评测引擎、自适应攻击、Agent 轨迹评估和 Temporal 持久化执行整合在一套可自部署的架构里。