按兴趣浏览，循来源深入。
论文提出 AgentMemRec，把智能体记忆选择形式化为预算化 slate 推荐，从推荐系统借鉴候选生成、排序与 slate 构造，全程零 LLM 调用。在 LongMemEval 多会话问题上比 A-Mem、HippoRAG 2、DynamicRAG、T-Mem 高 10 到 31 个百分点准确率，以 3.2 倍更低的服务成本比肩每查询 64 次 LLM 调用的重排器，并在 LoCoMo 上写入时零 LLM 调用超过 Mem0 和 Zep。
推荐理由：论文把智能体记忆选择形式化为预算化 slate 推荐，给出可复用的分阶段设计框架，并在 LongMemEval 等基准上量化了各组件贡献。
shaneconner 发布 pi-fold，一个 Pi 扩展，将会话最旧部分折叠为简短 brief 移出上下文窗口，原文按字节保留在会话文件中并记录 SHA-256 哈希，可随时展开恢复。机制上通过 mark 延迟改动、在 commit 时一次性重写，使 prefix cache 每次提交只消耗一次。在 curl 仓库 64 阶段基准中，pi-fold 加记忆存储以约一半成本（$100.85 对 $201.70）达到与压缩加存储相同的 14/16 正确率；确定性 brief 为默认形态，agent 自写 brief 表现最差。需 Node 22+ 与 Pi 0.83+，MIT 许可，四篇实验论文已存 Zenodo。
推荐理由：作者用同一 64 阶段任务实测了折叠与压缩两种方案的成本和召回差异，读者可据此判断是否值得替换默认压缩。
GitHub 项目 Axo 开源，定位为「从 BioSNN 长出的第一个心智」的桌面终端，名字取自六角恐龙，内置角色千岁（阿螈）。其核心机制是把长期记忆、人格锚与偏好权重存成本地文件（SQLite + npz + YAML），模型只通过检索注入读取，换模型即换读者、库一字节不变；上下文采用分层装配加硬 token 预算、超预算反向驱逐与滚动摘要，每轮产出可审计的注入账本。支持 Ollama 本机模型或 DeepSeek 等云端 API，随包离线语音识别（vosk）、ZipVoice 本地 TTS、通话模式、记忆浏览器、睡眠巩固、手机加密同步与插件系统，代码 Apache-2.0，随包 ZipVoice 权重按 CC-BY-NC-4.0 仅限非商业再分发。
推荐理由：这个终端侧记忆与人格方案把记忆库放在本地而不是模型里，换模型不丢人格，工程取舍都写得很具体。
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。
CodfishYao 在 GitHub 发布 DeepSeek Harness（DSH）本地知识库插件 dsh-knowledge-base-local，以纯 Markdown 为数据源，支持 agent 工具、CLI 和 Web 面板三种访问方式。功能包括 BM25 加向量混合检索、三种向量模式（本地/LLM/api embedding）、PDF 和 Office 零依赖文本抽取、MCP server（stdio 或 Streamable HTTP，可接入 Claude Desktop、Cursor）、AES-256-GCM 静态加密与多用户 RBAC。零运行时依赖，仅需 Node.js ≥ 22，采用 MIT 协议。
推荐理由：为 DeepSeek Harness 做的本地知识库插件，以纯 Markdown 存储、零运行时依赖，检索、加密、MCP 接入的实现思路可直接借鉴。
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。
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。
Peristyle 在 GitHub 发布了开源项目 harness，一个面向大语言模型的多智能体框架：每个智能体一个 Postgres schema 实现隔离，记忆以行存储并用 pgvector 向量相似度加 trigram 文本检索做混合召回。全部智能体由一个 Flask 进程和端口服务，浏览器聊天界面加 REST API 和移动 PWA，支持多智能体群聊（仅被 @ 提及的智能体回复）、回合中插话、上下文超限时整体丢弃最旧迭代并在系统提示中告知、每晚重读身份文件。智能体身份由 IDENTITY.md、SOUL.md 等 Markdown 文件构成，每回合开始时读取，改动无需重启即生效。安装只需克隆仓库加一个 config.yaml，附 MIT 许可证。
推荐理由：原文把 Postgres schema 隔离、混合检索和截断降级等设计讲得具体，读者可以照着复现这套多智能体记忆架构。
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。
RustColeone 发布 mneme-llm，把 AI 伴侣的记忆和心情保存在一个不依赖特定模型的 SQLite 文件里，更换 DeepSeek、Claude、GPT 或本地模型后仍可复用。召回按证据、新鲜度、重要性和情绪打分并限额注入，笔记以数据而非指令形式交给模型；心情为 0–100 数值加七种情绪，按半衰期衰减。仅依赖 Python 标准库，支持 OpenAI 风格 API、Claude、Gemini 的工具定义及 MCP 服务器，MIT 协议开源。
推荐理由：原文讲清了单文件记忆库的证据评分召回、心情衰减和跨模型便携的构造方式，可迁移到自己的 AI 伴侣项目。
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。
BabyZilla 是一个 OpenCode v2 插件，通过七层机制压缩上下文，宣称可节省 70–99% token。它把会话摘要蒸馏为状态、决策等 JSONL 模块，按请求将消息列表限制在 8%（下限 12K、上限 45K token），压缩旧工具输出与推理文本，每条被省略内容都可用 babyzilla recall 命令恢复原文。支持 Kimi K3 这类 1M 窗口模型和小窗口本地模型，压缩方式保持字节稳定以维持 provider prompt cache 有效；附带可选桌面宠物 CLI 和带硬性限制的自调优循环。项目地址 https://github.com/StibaDu/babyzilla，已在 OpenCode v2.0.29（macOS）测试。
推荐理由：README 给出七层压缩的具体机制和分层实测数据，并解释了缓存噪声与可逆召回设计，适合评估长会话成本问题的人参考。
just-agent 仓库提交至 Agent Memory Leaderboard 文本记忆开源/学术方法赛道，实现同步 Add 和按 user_id 隔离的 Search，仅返回排序后的来源证据而不生成答案。当前版本 v1.4 在确定性核心上加入无时间戳消息的 temporal fallback、按查询类型区分的 recency 权重等守卫式改动，基于 SQLite FTS5 无需第三方依赖；本地评测显示 v1.3 在 locomo10 上 MRR 由 0.6203 升至 0.6324，但尚未获得官方评分。
推荐理由：仓库给出了各版本在合成数据与 locomo10 上的消融指标，读者可以对照复现这套确定性记忆检索的取舍。
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。
作者 Harland 发布开源工具 Penpal，在 Mac 上本地采集窗口切换、剪贴板、键盘文字片段和浏览器地址，通过 MCP 交给 Claude Code、Codex、Cursor 查询，每条结果可打开原始出处，数据只存在本机 ~/.penpal/。作者用 50 题评测集测得三轮平均召回准确率 93%（46.7 题），越权返回 0 次；工具支持按分类授权、入库前脱敏、审计查询记录，目前仅支持 macOS，键盘片段尚不能可靠覆盖中文输入法，许可证为 Apache 2.0。
推荐理由：作者给出50题本机评测集的93%召回准确率和隐私边界设计细节，读者可以对照它相对 AI 加 bash 的实际收益。
wangwenrui-mm 在 GitHub 开源 memory-receipts，一个跑在本机的长期对话智能体，核心是记忆可溯源、错了能改，支持控制台、网页、QQ 和科研版四种接入。核验设计上排除智能体自指证据后，300 轮实测准确率 88.3%、误报率从 13.3% 降到 6.7%；被判无依据的陈述只附加否定标记不删改原文。出厂自检 27 项与加压 16 项全部通过，向量检索与语音合成本地运行，生成上下文会发给所配模型 API（默认 DeepSeek）。
推荐理由：README 附上自指证据排除的前后对照实验和压测数据，读者可以据此评估这套带凭证核验的记忆方案实际可靠到什么程度。
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。