按兴趣浏览，循来源深入。
开源多智能体对冲基金实验作者根据社区反馈重构架构，分享三类失败模式的修复经验：用带极性契约的 Factor Ontology Schema 预判指标方向后，投资委员会的极性幻觉降到 0%；反射记忆从 Embedding API 加向量数据库（200-450ms 往返）换成 SQLite FTS5 BM25（0.35ms），关键词检索在交易复盘场景更可靠；实时风控哨兵用 Rust 的 SoA 内存布局重写，单仓位止损评估 3.63ns，Python 到 Rust 的管道 IPC 往返 2.88μs。代码与基准已在 GitHub（lumina-ai-hedge-fund）开源。
推荐理由：作者实测对比了向量数据库与 SQLite BM25 的检索延迟，并给出 Rust 哨兵的纳秒级基准数据，做法可直接迁移到多智能体系统。
ehartye 发布 wiki-master 插件，让 Claude Code、GitHub Copilot CLI 或 Codex 作为合成引擎，在 Obsidian 中增量编译并维护一个持久、密集互链的 markdown wiki。无 MCP server、无 daemon、无向量数据库，语义搜索基于本地 Ollama 嵌入的 chunk 级索引，约 1,800 页约 5,500 chunks，暴力余弦检索在个位数毫秒内完成。
推荐理由：原文给出了完整的技能清单、vault 结构和检索规模数据，读者可以据此判断这套零向量数据库的 wiki 方案是否适配自己的工作流。
muguang1224 发布了用 Ollama 本地模型驱动的 QQ 聊天机器人项目 qq-ollama-bot，通过 NapCat 收发消息，不需要云端 API，支持 Windows / Linux / macOS。它用 qwen3.5-4b 聊天、qwen2.5vl:3b 看图，加 YOLO 做目标检测，具备情绪系统、长期记忆、人设进化、语音回复（edge-tts / GPT-SoVITS 声音克隆）、主动聊天和 QQ 空间发说说等功能；并用 Prompt 层加代码正则两层拦截，阻止模型编造「刚刷到视频」等假经历。README 附完整安装步骤、风控与账号安全提示，以及图片缩放实测，原图送模型需 46-200 秒，缩到 256px 后降到 4.4 秒。
推荐理由：README 讲清了情绪系统、长期记忆和两层防编造的构造方法，还给出图片缩放和显存的实测数据，做法可迁移。
GitHub 开源项目 j77156057-art/ai-novel-generator 发布，把长篇网文写作拆成可工程化、可验证的流水线，含 FastAPI 后端与 Vue 3 前端。核心机制包括 16 维叙事档案与 21 个可机检文体特征的文风蒸馏三档、层级摘要树保证前情连续覆盖段 1..N、BM25 × 向量 RRF 混合检索、知识图谱 v3 生成前提醒防漂移；助理 agent 有 25 个工具，写操作仅 propose_action / propose_text_edit / propose_text_fix 三种提案，需人批准落库并留版本快照。项目含 1,300 项后端测试（8 项既有失败）和空白机 19 项自检全绿；基于 LLM 的知识图谱抽取等列为未完成边界。
推荐理由：把长篇网文写作拆成可验证的流水线，覆盖不变量、知识图谱防漂移和提案闸门都有可复算做法，方法可迁移到其他长文本生成场景。
tom1030507 在 GitHub 发布 OpenNotebookLM，一个自托管的 Google NotebookLM 替代品，支持导入 PDF、Word、网页和 YouTube 字幕并基于来源给出带引用的回答。文档、嵌入向量与对话存于本地 SQLite，混合检索用 sqlite-vec 加 FTS5/BM25 并以 RRF 融合，支持 CJK 分词；LLM 可接 Claude、OpenAI 兼容 API 或本地 Ollama/llama.cpp/vLLM，未配置 provider 时返回 model_used 为 fallback 的抽取式回答。
推荐理由：README写清了混合检索、嵌入模型内存占用实测和未配LLM时的抽取式回退，读者可据此判断这个自托管 NotebookLM 替代品的实际能力边界。
作者发布 tether-sdk（GitHub igormcsouza/tether），一个默认零工具加载、面向小模型与小上下文窗口的 headless Agent 框架，通过单一 act(cmd, stdin) 命令通道、SQLite WAL 状态存储与 FTS5 BM25 检索、bwrap/unshare 内核沙箱和显式 done 终止门来降低 token 开销。在自主制作 YouTube Short 的基准中，同一 claude-sonnet-5-5 在 Tether 内消耗 5,318 tokens（48.7s），而 Claude Code CLI 消耗 211,355 tokens（97.4s）；本地 8B 模型 gemma4:e4b 仅用 3,073 tokens（53.1s）。
推荐理由：作者用同一 claude-sonnet-5-5 对比 Claude Code，同一模型 token 从 211,355 降到 5,318，且附了本地小模型实测与失败原因。
GitHub 仓库 letspurify-ux/llm_agent 发布了一个企业内部知识问答 LLM Agent，后端用 Rust（axum）实现，基于 MnemoArc 问答模式运行时，支持语义搜索、知识文档读取、Oracle 查询、项目源码检索和 MCP 工具扩展。一个服务器对应一个角色，名称、角色指令和工具在设置页配置；管理库为 MariaDB，查询目标为 Oracle，LLM 兼容 OpenRouter / vLLM / Ollama 等 OpenAI 接口。对话上下文按 bundle 单位管理，超过 high_water（90%）从最旧 bundle 清理至 low_water（50%），查询结果按 step 编号保存，模型仅输出引用由前端填充表格与图表。
推荐理由：仓库 README 详细交代了上下文清理水位、工具结果限额和 Oracle 例程绑定等实现细节，可按需查阅自建知识问答 Agent 的工程做法。
hongxin 在 GitHub 发布 tim-harness v0.4，一个纯浏览器端的大模型编程助手 Harness，打开页面填一次 OpenAI 兼容 API Key（DeepSeek / OpenAI / 本地 Ollama）即可使用，零后端零安装，密钥只存本机 IndexedDB。核心特性包括五层 Token 成本防线（前缀缓存实测省 84-90% 输入费用，DeepSeek 命中价 1/50）、目标驱动自动推进、18 个工具（文件读写、JS 沙箱、子代理派发、技能系统等）、四种可视化视图，以及平台无关 core 架构，已在纯 Node 通过 157 项冒烟断言并验证微信小程序 PoC。
推荐理由：作者给出五层 Token 成本防线和实测省 84-90% 输入费用的数据，浏览器零后端架构对想本地跑编程智能体的人有参考价值。
GitHub 项目 relayline 发布 ccx 工具（v0.4，2026 年 10 月），让 Claude Code 与 Codex 互为主从智能体，支持共享记忆、按难度分工、验收检查和成本记账，仅依赖 Python 标准库，命令为 ccx。Gemini CLI 和 DeepSeek（经 Claude Code、Codex 或 DeepSeek Harness）及 Kimi、GLM、Qwen、OpenRouter 可作子智能体接入。
推荐理由：把省钱的实测数据连同不利结果一起公开，读者可以据此判断多智能体委派在什么条件下才真的划算。
ashwinsingh2007 在 GitHub 开源了受钢铁侠 JARVIS 启发的 Mac 语音助手 J.A.R.V.I.S，MIT 协议。说 wake up 后全程免手操作，大脑可选 Claude Code、Anthropic API、Gemini 或 Ollama 本地模型；长任务交给后台 worker FRIDAY（默认跑 Opus），期间可继续对话并查询进度。语音识别与默认 Kokoro 语音都在本机运行，能操作已登录的 Chrome、Claude Code 会话和 Mac 应用，支持长期记忆、晨报、定时例程和 Telegram 遥控；发送、删除、付款等操作前会复述任务并等待确认。
推荐理由：作者完整公开了架构、安全边界和模型选择方案，想给 Mac 装一个语音 Agent 的人可以直接照着装起来试。
insciqq 在 GitHub 发布 AIQSA，一个自托管 AI 工作区，可在私有工作区中统一使用 GPT、Claude、Gemini、DeepSeek、OpenRouter 或自有模型，使用自己的 API key。每个聊天可配独立 KVM 虚拟机运行代码和处理文件，记忆系统只从用户话语学习并记录事实主体与时间，可经 OAuth 接入 Claude Code 和 Codex；需 64 位 Linux、Docker 25.0+、2 核 8GB 内存和 50GB SSD，采用 AGPLv3 许可。
推荐理由：README 给出了硬件要求、安装命令和记忆机制细节，团队可据此评估自托管多模型工作区的落地成本。
ID-VerNe 开源 IdleJot 项目，把 AI Agent 常驻一个 QQ 群，被 @、引用或叫到名字才回复，其余时间潜水看聊。Agent 读上下文现场写回复而非关键词固定话术，人格来自可热切换的 Markdown 人格卡（自带 little_whale、dragon_girl 模板），群友画像与记忆存本地 SQLite，闲时自动提炼。项目经 MCP 接入 Agent，靠 NapCat（OneBot 11）收发消息，默认 mention_only 触发，支持原生引用、按花名 @ 人、追问窗口和守护保活，目前仅支持 Windows、只发文字。
推荐理由：作者详细公开了常驻栈、群友记忆沉淀和人格卡模板的构造方式，想做群聊 Agent 的人可以照着整套架构自己搭。
meshkore 在 GitHub 发布 Zaelar，一个自托管的语音优先个人 AI Agent，本地 LiveKit 语音链路由 FlashBrain 在一秒内应答，耗时任务交给基于 Claude Code CLI 的 Brain Worker 后台执行。记忆为单个本地 SQLite 文件（向量、FTS5、图与遗忘机制），每轮蒸馏并夜间整合；支持 Google、Telegram、WhatsApp、Spotify 等连接器，默认模型为 DeepSeek、OpenAI、Deepgram、Inworld 等，需 Python 3.11+ 和约 3 GB 磁盘，采用 Sustainable Use License 1.0，个人使用免费但不可商用。
推荐理由：README 完整公开了双脑架构、SQLite 记忆方案、默认模型表和端口布局，想自托管语音 Agent 的读者可以直接照着部署。
Kwintspiracy 发布 nodal-agents，一个本地自托管的多智能体编排平台，两条命令安装，内嵌 Postgres，无需云依赖，每个智能体可配独立模型、技能、记忆和工具，支持 Telegram、Discord、Slack、WhatsApp 和仪表盘对话。所有凭据以 AES-256-GCM 加密存储，自带 token 预算、防失控守卫、智能体间委派、自学习技能和 ROOT 自扩展机制，支持 Anthropic、OpenAI、DeepSeek、MiniMax、Kimi 及 LM Studio、Ollama 本地模型。需 Node 24+ 与 npm 11.6+，目前为 1.0 前版本。
推荐理由：本地自托管的多智能体编排平台，把人格、记忆、技能和模型选择全部落进 Postgres，想自建 Agent 团队的人可以参考它的架构取舍。
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。
qybaihe 发布 mu，一个基于 pi 的编码智能体，把上下文管理、命令安全、完成判断等例行决策交给小型 judge 模型，在 agent 循环的 40 个决策点上作答，主模型专注写代码。默认 judge 为 TypeSafe 托管的 Jev，也可换成本地 Laya（322M 参数）或自家的 mude 1.0（2B 参数，基于 Qwen3.5-2B 微调，MIT 协议，含 MLX 8-bit 版）；测试日志裁剪在最长失败日志上无损压缩 51% 字符，所有判定写入本地 ledger 可审计，支持 shadow 模式对比 judge。提供命令行与桌面应用，作者注明尚无与 pi、Claude Code 或 Codex 的端到端对比。
推荐理由：原文给出了40个决策点的完整清单和测试日志裁剪的实测数据，读者可以据此评估这套judge架构的适用范围与局限。
NikitaCherepov 在 GitHub 开源了多平台 AI Agent 系统 Chatter（AGPL v3.0），Agent 跑在服务器上，通过 Telegram bot 与 Electron 桌面端连接同一账号，可一键分享给朋友或家人。系统包含 backend-api、desktop-app、Telegram bot、admin-panel、chatter-manager、webapp-notes 和可选 voice-service，各组件以 Docker Compose 编排；模型定价自动从 OpenRouter 拉取，内置 Pinecone 向量记忆、语音唤醒与 TTS、智能家居、邮件、网页浏览、多角色聊天和 Runbook 等功能，支持按用户设预算限额。
推荐理由：原文完整给出了组件结构、安装命令与安全机制细节，读者可以直接评估这套自托管 AI Agent 平台是否值得自建。
Bloks 3 正式发布，这是一款运行在本机的个人 AI Agent 桌面应用，以聊天界面呈现，每个 Agent 底层是 Claude Code、Codex、Gemini CLI 等真实引擎会话或你持有密钥的任意 API。3.0 新增多工作区、Bloks Team 成员协作、按引擎和 Agent 的用量统计与月度限额、卡片化回答、多 Agent 房间协作、审批与规则引擎、可读可撤销的 Markdown 记忆、例程与 Watcher 等能力；数据全部以明文文件存于本机，无后端存储，iPhone 应用仅作为桌面端的远程窗口，配套 Apple Watch 审批。应用免费，源码以 FSL-1.1-MIT 许可公开于 https://github.com/hamedgitty/bloks ，Android 版即将推出。
推荐理由：原文完整给出了 Bloks 3 的工作区、权限、花费限额与数据落盘结构，读者可以据此评估这套本地 Agent 方案是否值得自部署。
作者在 GitHub 开源 ContextCraft，一个 AST 感知的仓库打包工具，用 Tree-sitter 解析代码、以 Personalized PageRank 评估文件架构重要性，并通过多选背包问题在 4 个 AST 保真层级（FULL/SKEL/SIGS/TREE）间分配 token 预算。在其自身仓库的基准中，4000 token 预算下公开 API 签名覆盖率达 70.9%，而朴素前缀截断仅 18.4%；支持 CLI、Python SDK 和 Web 界面，可输出 Markdown、Claude XML 或 JSON，采用 MIT 许可证。
推荐理由：作者给出了与朴素截断在相同 token 预算下的公开 API 覆盖率对比数据，读者可以据此评估这种 AST 分级压缩是否值得替换现有打包工具。
作者 AryThakar 发布 Zen-harness，一个通过 llama.cpp 运行 Qwen 3.6 35B-A3B 的本地个人 Agent 框架，可在自有 GPU（约 24 GB 显存）或 Kaggle 免费 T4 x2 上运行。主 Agent 调度网页研究、文档检索和数据分析三个助手，关键事实和数字由代码校验而非模型自证，含 664 项测试、Windows 免安装包，采用 PolyForm Noncommercial 1.0.0 许可，非商业免费。
推荐理由：作者公开了完整架构文档、664 项测试和分阶段实测记录，可据此了解一个本地 Agent 系统如何用代码校验约束模型输出。