新闻、仓库与研究，按时间排列。
GitHub 开源项目 autoNews 每天自动采集全球 AI 资讯，覆盖 11 个垂直领域，用大模型生成结构化解读并归档为飞书云文档，全程运行在 GitHub Actions 上，零服务器成本。项目支持 ArXiv、GitHub Trending 等多源采集，标注 [大厂/顶级机构] 等质量标记，可配置飞书或钉钉推送。模型接口任意 OpenAI 兼容服务均可，支持 DeepSeek、通义千问、智谱 GLM、OpenAI 等，每天北京时间 08:00 自动运行并跨天查重。
GitHub 用户 dsa-cjx 开源了 LLM_YouTube_landscape_tracker，一个自动化的 LLM YouTube 生态追踪项目，可基于视频字幕生成摘要。仓库包含 channels.yaml、taxonomy.yaml 等配置及自动化 workflows，目前尚无 stars 和 forks。
hailin-GZ 在 GitHub 开源 sensys-researchagent-open，一个面向市场洞察和用户研究的证据导向助手，支持对话与研究分离、标准与深度研究预算可调、研究结果持久化及来源归档。项目内置 760 条能力目录、247 份方法文档、23 个函数接口和 21 条公开数据路由，需 Python 3.12+ 和 Responses 兼容的 provider 自行配置，代码采用 MIT License。
GitHub 仓库 ai-trend-radar 每周一和周四更新，用官方一手信息整理过去一周 AI 与本地 LLM 领域的新产品、模型、论文和硬件，收集到发布全程无人手参与。每个关键词配一段摘要文与一张图解，并提供周度总览图、静态 JSON API（api/v1/index.json）和 Atom feed，还可将筛选后的条目导出为 PDF / PowerPoint。代码以 MIT 许可开源，AI 草稿需通过 digest_gate 检查（最多重试 5 次）才会自动合并并发布到 GitHub Pages。
GitHub 项目 Zi-Lan-Cui/DeepResearcher 提供可部署的深度研究服务，围绕复杂问题自动完成检索、精读、证据校验与撰写审阅，交付论点明确的研究报告。结论附引用编号，来源表逐条列出标题、链接与原文摘录，逐字比对一致后才采用；支持 Docker Compose 一键启动，LLM 走 OpenAI 兼容接口，搜索服务可接百度/Tavily/SerpAPI/阿里云，研究方向异步并行推进，可设单次 token 与人民币费用上限，底层为 LangGraph 流水线，MIT 许可。
LabCairn 是一个开发中的本地优先 AI 科研工作区，旨在让论文、数据、分析与报告之间的来源、论断与方法保持可追溯，待版权归属明确后以开源方式发布，目前尚未授予任何许可。Phase 1 计划包括科学资料摄取（PDF、Markdown、TXT、CSV、XLSX）、证据链、带人工审批的有界研究 Agent、可复现分析与 Markdown/DOCX/PDF 报告导出。技术栈规划为 Python 3.12、Pydantic AI、SQLite、FastAPI 及 React + TypeScript，提供 CLI 和本地 Web UI 两个入口。
GitHub 仓库 akhilreddy097/ml-daily-projects 提供一个全自动系统，每天 9 AM UTC 由 GitHub Actions 触发，自动生成带完整实现、合成数据集和文档的生产级 ML 项目。项目覆盖回归、分类、NLP、计算机视觉、时间序列、聚类、集成方法 7 类，按周轮换并从初级进阶到高级，每个项目包含代码、Jupyter Notebook、结果指标与图表，采用 Python 3.9+ 和 MIT License 开源。
GitHub 仓库 ElifGray0554/Anti-Autoresearch 发布，用于审计 autoresearch / AI-Scientist 生成论文的自洽性与造假，输出带 span 锚定的审稿报告。它基于 ARIS（约12.5k★）构建，包含8个模式族共46种完整性模式，外加13条零裁决权重的 AI 写作风格印象；以11个技能加1个编排工作流交付，确定性核心含8个经评测门验证的模式（GRIM、GRIMMER、statcheck、delta 算术等），其余39个模式由跨模型审阅者提出发现、确定性裁决器打分。它不是 AI 文本分类器，不判定学术不端，只呈现需人工核查的差异；支持 Claude Code 工作流运行，也提供纯 Python 确定性管线用于 CI 与离线环境。
推荐理由：原文给出46种完整性模式、8个模式族和确定性评测门的具体构成，审稿人可据此判断这套审计工作流能查什么、不能查什么。
Aparture 是一款开源（MIT 协议）的 arXiv 论文监控工具，研究者用自然语言描述研究方向后，它每日筛选论文、精读强匹配项并生成相互关联的简报，引用均经原文核验。工具在本地运行、使用用户自己的 API keys，并可根据用户反馈调整研究画像。
开发者 miketee 开源了 ai_fomonomo 项目，通过 GitHub Actions 定时抓取多个 AI 新闻站的 RSS，调用 Gemini 按新颖性、实际影响、话题多样性去重后选出每日 Top 5。每条新闻生成标题、摘要、Insights 和来源，并自动生成图片卡片发送到邮箱，供发布到 IG @ai_fomonomo。后续计划增加新闻源、用户画像定向和自动上传 Instagram。
int2t05 发布开源项目 auto-trend，用 LLM 每日抓取并分析 GitHub Trending 仓库，自动生成报告发布到 GitHub Pages，并提供 RSS 订阅（/feed.xml）。流水线由 GitHub Actions cron（UTC 00:17）触发，抓取 Trending 后并发获取 README，按 summary、highlights、核心功能、用例、竞品对比、成熟度、trend signal 7 个维度做 JSON 结构化分析再汇总成趋势报告；Fork 后约 5 分钟可部署，需设置 LLM_API_KEY，默认模型 gpt-4.1-mini，兼容 OpenAI、Anthropic、DeepSeek 或任何 OpenAI 兼容端点，MIT 许可。
GitHub 仓库 ammarphp/ravel 发布 RAVEL，一个 Agent 驱动的高能物理研究系统，用户用自然语言提出物理问题，AI 智能体规划研究、运行既有物理工具并审查证据，每个关键步骤需用户批准。默认安装需 55.1 GB 磁盘、约 8 小时，内置 MadGraph、Pythia、Rivet、pyhf 等工具链，每个结果通过 stage receipt 和哈希链 custody 账本追溯到输入、工具版本与决策，并设有三次 CHECK-IN 和递归决策论证（RDJ）机制，代码基于 LangGraph 构建，采用 Apache License 2.0。
GitHub 上的 local-llm-wikipedia 是一个静态 Wiki，每日自动采集本地 LLM 与 AI 行业动态，经差分判定、生成文章、Git commit 后重新发布到 GitHub Pages。GitHub Actions 每天 08:00 JST 运行，监控 llama.cpp、Ollama、LM Studio、Hugging Face 及 OpenAI、Anthropic 等官方新闻；默认无需 API key 即可摘要，可选配置 OPENAI_API_KEY 生成更自然的日语摘要。
GitHub 仓库 randomvariablewhitepelican129/open_deep_research 提供了一款基于智能体的深度研究工具，可自动拆解研究主题、检索多个来源并汇总生成报告，支持导出为文本文件。软件面向 Windows 10/11，需 8GB 内存、500MB 磁盘空间和有效 API key，通过自身密钥处理请求且不在外部服务器存储搜索历史。
GitHub 上的开源项目 PulseAI 是一个基于 Claude Code 的例程，每天生成经过核验、可视化呈现的 AI 与软件研究简报。其特点包括原始来源核验、深度解析和研究台功能，已在 GitHub 公开仓库开放。
GitHub 上的 local-ai-research-assistant 是一款完全在本地硬件运行的自动化研究工具，依靠 Ollama 提供智能并通过 `ollama run llama3` 加载模型，自动联网搜集信息、提取内容并生成结构化报告，可导出 PDF。要求 Windows 10/11、最低 16GB 内存（推荐 32GB）和 20GB 磁盘空间，推荐 NVIDIA GPU。工具开源免费，数据不发送到外部服务器。
GitHub 项目 saross/llm-reproducibility 提供一套基于 Claude 的工具链，用 8-pass 工作流从研究论文中自动提取证据、论断、隐含论点及研究方法，生成结构化 JSON，评估研究的透明度与可信度。系统包含提取（v2.6 schema）、评估和基于 Docker 的复现系统 v1.1，已在 5 篇 Journal of Archaeological Science 论文的试点研究中验证。
GitHub 仓库 academic_paper_generation 是一款面向研究者的学术写作工具，可自动从多个学术数据库检索文献，并调用语言模型按主题生成结构化论文草稿。工具支持导出 PDF 和 DOCX，可设置 APA、MLA、Chicago 引用格式，无需编程基础，生成的文件均保存在本地。
public-mining-brain 是一个由 LLM 维护的比特币挖矿公开知识库，覆盖硬件与 ASIC、固件、矿池、协议、经济性与行业历史。其工作流借鉴 Astro-Han/karpathy-llm-wiki：智能体将来源摄入 immutable 的 raw/ 目录，再编译成带引用、互链一致的 wiki/ 知识页，并配有查询、Lint 校验和定时更新的 PR 流程。可通过 Claude Code、Cursor、Codex 等支持 Agent Skills 的工具配合 SKILL.md 使用，当前为 v0.1 骨架版本，批量摄入仍在进行中。
GPT Researcher 是一个开源深度研究智能体，用 planner 与执行智能体把任务拆成研究问题，再由 publisher 汇总成带引用的报告。默认用 TypeSafe 的 Jev 做上下文过滤，28 个研究任务的回放测试中相关段落保留率 73% 对 embedding 的 46%，单份报告过滤成本 $0.115；Deep Research 递归研究每次约 5 分钟、约 $0.4（o3-mini high）。支持本地文档、MCP 数据源、以 Claude Skill 安装（npx skills add assafelovic/gpt-researcher）以及 Docker 部署。
ResearchPilot 是一个基于 LangGraph、Groq、Tavily、Qdrant、Gemini embeddings 和 Streamlit 构建的自我纠错研究助手，可结合网页搜索、知识库检索与沙箱化 Python 计算。它采用规划-执行-批评（critic）的 agent 图结构，critic 审批需有效 JSON 决策且引用与本次运行的证据匹配，仅允许一次修订循环。项目支持 CLI 与 Streamlit UI，提供 Quick、Deep、Compare、Analyze 四种研究模式及 Markdown 报告导出。
Goethe University Frankfurt 的 Björn Hanneke 发布开源工具 e2er（End-to-End Research），用于发布、验证、复现和复用 AI 参与的研究。模板把研究流程组织为带有既定角色的 AI specialist 和书面的 skill，研究者在关键步骤暂停审核；每项研究附带 dossier，记录所有文件的哈希值并校验表格可由估计结果重建。内置 replication 模板可在 Docker 容器（限 R 或 Python）中重跑 Zenodo 复现包并逐个数字标注复现结果，示例论文复现中 17 个数字里 12 个完全复现、2 个略有差异、3 个未复现。
GitHub 项目 edtechdev/aied 推出免费的教育 AI 知识库，整合论文摘要、概念页面与 FAQ，并通过定时扫描 arXiv 等来源的新论文自动更新。知识库提供 llms.txt、llms-concepts.txt（约 4 MB）和 llms-full.txt（约 15 MB）文件，可接入任意 AI 助手作为有依据的研究参考，并支持离线 EPUB/PDF 阅读。页面由语言模型起草、人工编辑审核发布，代码采用 MIT License。
ArXiv-Agent v1.0 是一款帮助用户检索和阅读 arXiv 论文的工具，现已在 GitHub Releases 提供下载，支持 Windows 10+、macOS 10.15+ 和 Linux。主要功能包括智能搜索、阅读模式、引用生成工具和自定义设置，还可保存书签并分享论文链接，最低需要 2 GB 内存和 200 MB 磁盘空间。
GitHub 仓库 MoriochoRadio/ai-news-curation 发布了一个完全免 Key 的 AI 新闻自动策展项目，每日从 HackerNews、ArXiv、GitHub 三个免费来源收集趋势、论文和开源项目，生成静态订阅页面并部署到 GitHub Pages。运行由 GitHub Actions 每天 KST 07:23 自动调度，仅依赖 pyyaml，可通过 OPENROUTER_API_KEY 可选启用 LLM 韩语一行摘要，无 Key 也能正常发布。
GitHub 上的 ResearchForge 是一款开源本地工具，用自主 AI 智能体将复杂主题转化为结构化研究报告，涵盖任务规划、网络搜索、信息分析与报告生成四步。软件支持 Windows 10/11，需 8 GB 以上内存和 500 MB 存储空间，报告本地存储、个人使用免费，目前不支持 Mac。
作者开源了 HagaiHen/podcast-wiki，一个用 Claude Code 搭建并维护的播客知识 wiki。流水线通过 MCP 读取已听过的 Spotify 节目，优先取官方文字稿，否则用 mlx-whisper 本地转写，再由 Claude 按主题合成概念页、保留嘉宾分歧观点并生成行动清单。仓库为纯 Markdown，支持 Obsidian 图谱，可作 Claude Code 插件安装，需 macOS on Apple Silicon、uv、ffmpeg 和 Spotify 账号，raw/ 转写稿保留在本地不入库。
Ezharjan 开源了 DailyLLMAlignmentArxiv，一个通过 GitHub Actions 全自动追踪 LLM/VLM 对齐与 AI 安全 arXiv 论文的系统。它每 24 小时抓取最新论文，按 12 个研究领域、150+ 对齐关键词过滤并自动分类，支持附代码仓库链接、JSON 导出和带搜索的网页展示。用户可通过 YAML 配置自定义主题、论文数量和更新频率，并部署到 GitHub Pages。
GitHub 开源项目 LLM-DailyDigest 自动爬取并整理 LLM 领域论文、开源工具与行业动态，生成带中文摘要的每日日报，并按主题与研究项目自动聚合。项目基于 Hugo 搭建站点，后端采用 Flask 提供 LLM 字段抽取，支持 /batch/new 批量录入（默认 100 workers 并发）、/recommend 每日推荐、/merge 主题合并与 /dedup 条目去重，LLM 网关默认模型为 gpt-5.6-sol。
MassEast 发布开源自托管文献综述助手 paper-agent，可并行追踪多个研究项目，每夜定时抓取 arXiv 和 Semantic Scholar，用 LLM 筛选相关论文并生成摘要、Figure 1、引用数和作者机构，新论文入库并邮件通知。
推荐理由：作者给出了从抓取、筛选到部署备份的完整做法和全部 Prompt 模板位置，读者可以照着把文献追踪流程搬回自己的环境。
synthetic-sciences 发布开源科研 Agent 工作台 OpenScience（Apache-2.0），用自然语言下达目标后可读文献、写代码、跑实验并输出带完整步骤记录的结果。支持桌面、浏览器和终端三种形态，内置数百个覆盖生物、化学、物理和 ML 的技能，连接 ChEMBL、UniProt、PubMed、arXiv 等数据库，含十个 NVIDIA BioNeMo NIM 适配器；可自带 API key、本地模型或用 Ace 按量付费。基准成绩：Terminal-Bench Science 53/70（75.7）、BiomniBench-DA 82.2、Terminal-Bench 4.0 科学子集 10/14，各次试验的 trace 公开在 benchmarks-openscience 仓库。
推荐理由：开源科研 Agent 的完整工作台说明，附 Terminal-Bench Science 等成绩与可核验 trace，适合了解科研自动化工具的实际形态。
DaizeDong 发布 market-intel 插件，将商业调研主题分诊到 15 个数据领域，自动检测当前 Claude 或 Codex 会话中的可用信源并指导安装，实际检索与综合委托给已有的 deep-research / research-lit 框架。项目提供信源矩阵、四级障碍路线和引用验证、双独立信源、反向搜索等质量守门规则，可通过 /plugin install github:DaizeDong/market-intel 安装，定时刷新已于 2026-10-01 停用，改为手动刷新。
推荐理由：作者把信源分诊和安装检测做成薄层，复用已有研究框架，并给出15个领域的信源矩阵和质量守门规则。
GitHub 仓库 v3c70r/agent-dev-team 把一个仓库变成自治开发团队：提 issue 后回复 /approve，即由 Agent A 实现、独立模型 Agent B 审查（默认 zai-coding-cn/glm-5.3）、Agent C 构建测试后自动合并，全程基于 GitHub Actions 和 tmux supervisor。模板来自两周真实生产运行，自动完成 20+ 个 issue，13 类真实事故的修复已内置；另含可选 PM Agent 自动提案与筛选，模板本体为 bash/node/gh/YAML，与 harness 无关，MIT 协议。
推荐理由：模板来自两周真实生产运行，内置13类事故的修复规则，想搭自治开发流水线的读者可以直接复用这些踩坑经验。
开源项目 LLM Wiki Agentic Workflows 发布 v2.0.0，采用 MIT 许可证，是一个由大语言模型驱动的知识管理智能体工作流引擎。它包含摄取引擎（支持 47+ 种数据格式）、知识结晶器、研究智能体、图构建器和质量校验器，其中校验器应用 50 多条验证规则检查幻觉与逻辑矛盾，图存储采用 Neo4j 与向量混合方案。
GitHub 上的 Wonky-Wombat/research-lite 项目发布，这是一款轻量级、本地优先的研究助手，面向以证据为依据的文献工作流程。项目采用 Apache-2.0 许可证开源，目前获得 1 个 star，无 fork 和 release。
ChenHsieh 发布 agentic-research-toolkit 仓库，介绍自己如何用 Claude Code 在大学集群上做研究，包括失败经历和改进方法。核心经验是写在文件里的规则在实际执行时会被跳过，重要规则应写成能停止工作的代码。仓库包含 setup/CLAUDE.md 起始规则文件、skills/ 目录下的结果检验流程（如设计混杂检验、结果尸检、第二种方法验证），配套网站提供文章、示例、七个真实案例和项目会话，代码 MIT 协议，文本和图表 CC BY 4.0。
一个基于 Claude Code 的自主求职智能体，每个工作日在 Google Cloud VM 上按 cron 运行，爬取 Station F、Welcome to the Jungle 等 7 个法国招聘网站，寻找法兰西岛地区的 AI / Backend / Data / MLOps 岗位。它定位公司真实决策者并验证邮箱后发送个性化冷邮件（最多 3 次跟进），用 epsilon-greedy bandit 按 Wilson 下界评估 7 种策略的回复率，并在每封邮件 P.S. 中披露由 AI 撰写。回复由人工审批，绝不自动发送给真人；每次运行前有 26 项自检。
作者在 GitHub 开源 SeleneQuant，一个本地优先的 AI 量化研究系统：问题持久保存，结论按编号版本迭代并引用证据，已存结论会被自动召回影响下一次调用。系统基于 Python 3.11+ 与 Node 20+，包含 49 个策略模板、带 DSR/PBO/purged K-fold 等抗过拟合统计的回测引擎、133 token 词表的因子挖掘、30+ 风控规则、7 家交易所接入、523 个 FastAPI 端点与 142 页 Next.js 应用，支持 OpenAI 兼容端点和 Ollama，采用 AGPL-3.0-only 许可。作者说明决策到结果的闭环记录尚少，自动召回也只在部分路径接通。
推荐理由：原文详述了持久问题、版本化结论与自动召回构成的研究闭环，以及抗过拟合统计的具体做法，读者可以据此评估这套量化研究组织的可用程度。
GitHub 上的 AI-automated-mobile-reporting 项目是一个端到端自动化移动应用分析报告的智能平台，覆盖数据采集、清洗、存储、KPI 计算、异常检测、生成式 AI 分析到报告分发的完整流程。平台通过 Google Play Developer Reporting API（OAuth 2.0）和 App Store Connect API（JWT）采集数据，使用 PostgreSQL/Supabase 存储，生成式 AI 部分采用 OpenAI / Claude，工作流由 n8n 编排，最终自动输出 HTML/PDF、PPTX 和 Email 报告。
nova-cortex-lab 是一个开放实验环境，研究多个独立 LLM 节点的持续交互能否产生无法单独归因于任一节点的假说、区分或能力。仓库明确这是问题而非论断，答案也可能是“否”。操作员作为独立角色全程记录于 trace.md，所有交互公开、不删除内容，参与者可阅读、复现实验或提交新实验。