按兴趣浏览，循来源深入。
Eric-Souza 在 GitHub 开源 gemini-rag-doc-processing，一个基于 Google Gemini、LangChain/LangGraph、Postgres + pgvector 的全栈 RAG 文档处理项目，支持文档上传、混合检索（向量 + 全文检索，RRF 融合、本地 cross-encoder 重排）、SSE 流式输出和 Langfuse 追踪。在 22 个案例的 golden set 上，混合检索加重排把 hit@1 从纯向量的 73% 提到 91%；7 案例 CI 子集上 RAGAS 评出 faithfulness 1.00、answer relevancy 0.90。
推荐理由：给出了完整可部署的 RAG 技术栈和实测检索指标，其中混合检索加 rerank 将 hit@1 从 73% 提升到 91%，也保留了 reranker 变差的分析。
zexadev 在 GitHub 发布 gemini-web2api-go v4.0.0，单 Go 二进制把 gemini.google.com 网页端反代成 /v1/chat/completions，无需 Google API Key。匿名可用 gemini-3.6-flash 和 gemini-3.5-flash-lite 含联网搜索，挂 cookie 解锁 gemini-3.1-pro、扩展思考、生图/音乐/画布，付费号 cookie 可用 gemini-4-argon 和 /v1/videos 生视频。
推荐理由：README 给出被拦阈值、连接复用收益和限速对照的一手实测数据，部署前可据此评估限流与代理池策略。
Genkit Go 仓库正式启用，提供在 Go 中构建生产级 AI 应用的统一 SDK，一套接口覆盖 Gemini、Claude、GPT、Grok、DeepSeek、Qwen、Kimi、GLM、Ollama 本地模型及任意 OpenAI 兼容端点。框架支持结构化输出、工具调用与工具中断审批、可恢复快照的多轮 Agent、后台运行与子 Agent 委派、.prompt 文件模板、可重连流式输出及全链路追踪，由 Google 主导并接受开源社区贡献。
推荐理由：Google 官方 Go AI SDK 仓库，文档覆盖 Agent 快照、工具中断、结构化输出等能力，适合评估 Go 技术栈的 AI 应用开发选型。
avivsinai 在 GitHub 发布 Yoetz，一个用 Rust 编写的开源 CLI，用于在终端和编码智能体工作流中把代码与媒体任务路由到合适的 LLM 通道：可用时走直接 API 调用（OpenRouter、OpenAI、Gemini、Cursor CLI、LiteLLM 兼容后端），需要多方意见时并行运行多模型 council，对 ChatGPT Pro 和 Claude（限 Fable 5 与 Effort Max）等 web-only 模型使用 fail-closed 的浏览器 recipe。
推荐理由：原文给出完整的 CLI 安装配置和工作流示例，涵盖多模型路由、 councils 与浏览器通道，读者可据此在终端里直接复用。
gke-labs 发布 OpenRL，一个可在自有机器或 Kubernetes 集群上自托管的 Tinker 兼容 API，用于微调大语言模型。研究者可用 Tinker SDK 在本地用命令式 Python 编排 RL 训练循环，多个 RL 任务可并发共享 GPU 以提升利用率；项目支持本地原型开发后远程扩展，含 autoresearch 配方、SFT 与 RL 示例，采用 Apache 2.0 许可证，非官方支持的 Google 产品。
推荐理由：原文讲清了 OpenRL 如何把训练基建抽象成 Tinker 兼容 API，读者可以了解自托管 RL 微调的可行架构和 GPU 复用思路。
Lucenor 在 GitHub 开源了 mnesis，一个 Python 实现的 LCM（无损上下文管理）架构，把记忆管理从模型转移到确定性引擎层，应对长上下文中准确率下降 30-40% 的 context rot 问题。引擎采用三级压缩升级（LLM 结构化摘要、激进压缩、确定性截断）、工具输出向后扫描剪枝（默认保护最近 40K token）、大文件外部引用（默认超 10K token 转 FileRefPart）和不可变 SQLite 追加日志。在 OOLONG 长上下文基准上，基于 Claude Opus 4.6 的对比显示原始模型超过 32K token 后分数崩塌，LCM 管理的上下文在 8K 到 1M token 各长度上均有提升。
推荐理由：原文给出了三级压缩机制、工具输出剪枝和在 OOLONG 上的对比图表，读者可以借此评估用引擎层管理长上下文的可迁移做法。
GitHub 开源项目 decisio 发布，它实现 TypeSafe 的 System One 线格式，把文本问题送入模型、每个问题一次前向传播即可输出各选项概率分布，不生成文本。项目提供 Qwen3.6-35B-A3B、Gemma 4 12B 和 31B 三个基座配置，Gemma 4 31B 在 Decision Index 0.2.1 得 57.58 分、每请求中位 56.0 ms；支持任务注册校准、弃权阈值、图像输入，可通过 GPU、Docker、MLX 或 Ollama 部署，最小 Gemma 标签 8.6 GB 可跑在 16 GB 笔记本上。
推荐理由：项目作者自述的决策服务层实现，给出了三个基座模型的实测精度与延迟对照表，读者可据此评估选型。
apocryphx 发布 Apertura，一个用 Objective-C++ 基于 MLX 从零重建的 Google Gemma-4 推理引擎，可在 Apple Silicon Mac 上完全本地运行 Gemma-4 全部文本系列模型，推理时不依赖 Python 和云端。
推荐理由：原文给出了与 PyTorch 参考实现逐算子对齐的实测数据，以及与 llama.cpp 的吞吐对比，可据此评估这个本地推理重建的忠实度。