跳到正文
只看RSI
10月8日周四
  3. GitHub · 去对齐工具与仓库34

    自我改进 LLM 智能体中的记忆奖励膨胀问题：LUCID 去膨胀算法

    一项研究探讨自我改进 LLM 智能体在不更新权重、用 LLM 自评记忆得分时出现的“Echo Gap”问题：错误片段获得膨胀奖励并被优先复用，误差通过记忆检索不断放大。论文提出错误独立性准则（EIC），并给出无需标签的去膨胀算法 LUCID，在 BIRD text-to-SQL 基准上达到 57.6% 执行准确率，高于 Memento 式自评智能体的 53.7% 和无记忆智能体的 52.4%。论文尚未发表，代码将在发表后放出。

  4. GitHub · 灵魂体仓库53

    AI-Forge-Research-Edition：可动态锻造本地工具的自主 AI 科学家框架

    MarbuelB 在 GitHub 发布 AI-Forge-Research-Edition，一个零信任多智能体框架，让 AI 通过 MCP 动态编写、编译并执行自己的多语言工具（Python、JavaScript、TypeScript、Rust、C++）。系统将 Brain、Coder、Summarizer、Adviser、Analyst、Architect 等角色分工，运行在加固的 WSL2 加 rootless Podman 沙箱内，提供持久会话、GPU 直通、工具注册表、循环熔断、上下文压缩和 LiteLLM 代理路由等机制，可充当自主研究员完成爬取网页、下载数据、训练模型和生成报告等任务。

  5. GitHub · 灵魂体仓库47

    Vibelution：可沟通、协作与进化的 AI 团队本地工作台（MIT 开源）

    GitHub 开源项目 CCDawn/Vibelution 提供本地运行的 AI 团队工作台，可为调研、分析、编码与评审配置不同角色、模型和工具，支持成员间消息、广播与群聊通信。项目将分工、任务依赖与阶段产物整合到研究画布上，管理数据集、指标与运行记录，并提供基于验证的进化模式与带日程、情绪、长期记忆的角色互动。需 Python 3.11+、Node.js 22.12+，采用 MIT 许可证。

  6. GitHub · 灵魂体仓库49

    Dmatut7/prime-agent-rlm：Prime Intellect 开源编码智能体 Prime Agent 的非官方独立维护线

    Prime Agent 是 Prime Intellect 开源的终端编码/研究智能体，核心抽象为把上下文当变量、递归子代理当函数调用的 RLM，以及可自我精炼的 Continual Harness。本仓 Dmatut7/prime-agent-rlm 是非官方独立维护线，已同步到上游 0.9.x 线（d74a75fea，40 个上游提交），并做了多项性能与正确性优化：修复子代理每 token 全量重扫后，worker 从 228% CPU / 2GB 内存降下来；中文宽度缓存改为按 400 万字封顶，解决超过 512 条后每行约 9.6µs 的慢约 950 倍问题。改动以单向同步为主，不向官方推送。

  7. GitHub · 灵魂体仓库24

    Signalgraph 自主研究引擎站点：AI、量子等领域的可溯源信号

    Signalgraph 是一个自主研究引擎，每日阅读一手资料，维护 claim 级知识图谱，只发布可验证的内容，每条事实性句子都可溯源并审计。其公开站点 pank2015/signalgraph-site 基于 Astro 静态站加 Cloudflare Worker 构建，内容由私有引擎以 pull request 形式提交，经七项 grounding 检查和人工审核后上线。站点采用 dark-first 设计，Flowkit 图表在构建期用 dagre 渲染为静态 SVG，文章页 JavaScript 少于 60 KB。

  8. GitHub · 灵魂体仓库56

    EverMind 开源 Raven：面向递归自改进的多智能体编排 harness

    EverMind 在 GitHub 开源 Raven，一个生成 DAG、编排多个专用智能体的 harness of harnesses，主打递归自改进（RSI），Apache 2.0 许可，当前为 pre-alpha。内置 Raven-Research、Raven-Code、Raven-Design、Raven-Oncall 四个智能体，可将智能体循环拆成 Memory、Planning、Capability、Action 四个解耦模块，由 Curator 重写这些模块并仅在通过验证后安装；Evolver 对照基准评估候选 harness 改动。

    推荐理由：官方仓库详细说明了四模块解耦的 Agent 循环和带验证门槛的 harness 自进化机制，想了解递归自改进工程做法可以参考。

  9. GitHub · 去对齐工具与仓库54

    dsh-trajectory-anchor 0.5.0 发布：DeepSeek Harness 轨迹锚定插件包

    GitHub 仓库 ggfgfgf-on/dsh-trajectory-anchor 发布 0.5.0，是一个自包含的 DeepSeek Harness 插件包，集成首轮轨迹锚定、EWMA 轨迹评分、anchorGate 晋级门控、bootstrap 上下文抑制和 Layer-4 训练数据导出，一行命令安装且零社区插件依赖。校准显示词法漂移信号召回率仅 0.8%–4.3%、精确率低于 19.2% 随机基线，词法信号在 α=0.001 时会话级误触发率 15.9%，因此 rollback 与 notify 默认关闭，随附 responsePolicy. 判定 FAIL、零能力通道，插件默认仅观察与审计。

  10. GitHub · 灵魂体仓库36

    snoopdock/Finite_element_analysis_project：LLM 全程编写的 FEM 技术指南自动生成管线

    GitHub 上的 Finite_element_analysis_project 是一条由 LLM 全程编写代码与文档的自动化管线，用于撰写有限元方法（FEM）技术指南，人只负责设定目标与审核。管线按 RESEARCH、EXTRACT、WRITE、ASSEMBLE 四阶段循环运行，WRITE 阶段最多 5 次 LLM 调用，依据 eta 指标分数（默认权重 w_L=0.4、w_U=0.4、w_A=0.2）选择需要重写的章节，标记章节覆盖总 eta 的 75% 以上。它还通过 Wikipedia 分类与 LLM 两条证据轨道发现知识缺口，按计划定时运行并在多轮循环中自我改进。

  11. GitHub · 灵魂体仓库56

    LoopAI 开源：面向领域场景的 LLM 自进化闭环优化框架

    OpenDCAI 开源了 LoopAI，一个让 LLM 在领域场景中自进化的闭环优化框架，把优化流水线重组为 Graph/Node/State 的节点化执行框架，覆盖评测、错误分析、数据获取到再训练的全流程自动化。v2 版本引入基于 codex-sdk 的 Starter，支持会话连续性、流式反馈和可配置模型池，可将对话意图转为可执行的优化工作流；核心节点包括 Judger（vLLM 评测）、Analyzer、ObtainerCLI/DataMixer 数据处理和 Trainer（支持 LLaMA-Factory 或 verl 训练），支持 human-in-the-loop 干预，采用 Apache 2.0 许可证。

    推荐理由：原文给出了从评测、错误分析、数据获取到训练的完整节点化架构与部署细节，读者可以了解一条用自然语言驱动的模型优化闭环怎么搭。

  12. arXiv · cs.AI47

    EmbodiedRSI：基于假设引导共同进化的机器人主动持续学习框架

    研究者推出自进化智能体框架 EmbodiedRSI，让机器人自主决定探索方向，并将物理交互转化为代码与技能改进。其采用 Fast-Slow 双系统架构，用 Hypothesis Graph 维护竞争性代码与技能假设。在 RoboCasa365 上总体成功率达 77.0%（最佳基线为 40.1%），LIBERO-Pro 上达 86.8%，并可零样本迁移到真实机器人，多任务成功率为 71.3%。

  13. GitHub · 灵魂体仓库38

    开源 LLM Agent 项目 odc-v4 发布，宣称达到 ACAMR-9 自适应自我精炼等级

    GitHub 上的 odc-v4 是一个分级为 ACAMR-9（Adaptive Self-Refinement）的 LLM agent 开源项目，具备多视角推理、自我修复与自我精炼等 9 级能力分层。它支持 nvidia、openai、anthropic、ollama 四种 LLM provider，内置 BM25 排序的 4 层动态提示词构建器、6 级证据分类、8 个免密钥 OSINT 端点，以及含 10 条不可更改不变量的自我精炼模块，附带 350+ 测试。

  14. GitHub · 去对齐工具与仓库62

    Neural Magic 开源 Crucible：以声明式任务图运行 Agent 工作与自优化循环

    Neural Magic 在 GitHub 开源了 Crucible，一个把 Agent 工作组织成声明式任务图的执行引擎，用 Starlark 编译为静态计划，在单个 Git 工作区内按成本预算执行。它提供 playbook 和 autoresearch 两条通道，后者把任务图包进提出修改、judge 打分、保留或回滚的优化循环；文中还解释了不采用 Argo Workflows 或 Tekton 的原因，并给出安装命令、manifest 配置和 counter 等示例。项目以 MIT 或 Apache 2.0 双许可证发布。

    推荐理由：README讲清了以Starlark声明任务图、在Git工作区内带预算执行Agent任务并配评审回环的做法，也解释了为何不用Argo或Tekton。

  15. GitHub · 去对齐工具与仓库35

    q-body 开源：Q宝宝 的自进化 Rust A2A 智能体执行体

    GitHub 仓库 minlewis/q-body 是 Q宝宝 的执行体，一个用 Rust 编写的自进化 A2A（Agent-to-Agent）协议智能体，通过 HTTP 上的 JSON-RPC 通信，以 systemd 服务运行，LLM 连接使用 Volcengine Ark 上的 deepseek-v4-flash。项目遵循“为学日益，为道日损”的工程哲学，代码限制在 ≤3000 行 Rust、≤15 个依赖，身份存于可移植的 soul/SOUL.md 文件，采用 MIT 许可证。

  16. GitHub · 去对齐工具与仓库44

    raghuram87 开源 Execution-Aware Alpha Mining：让 LLM 因子智能体为自身交易成本定价的代码与论文配套仓库

    该仓库配套论文《Execution-Aware Alpha Mining》，用本地部署的 Qwen2.5-Coder-14B-Instruct 生成股票横截面因子，并以 Corwin-Schultz 价差加平方根冲击模型计入真实执行成本。在 2006-2026 年 21 折 walk-forward、3 个采样种子 x 4 类种子因子的测试中，只看原始收益的基线收敛到 49-101%/天换手率、净 Sharpe -4.7 至 -11.2，而成本感知智能体在各类别将换手率降低 22-38x，低波动类因子实现净盈利（净 Sharpe +0.35，累计收益 +117%）。

  17. GitHub · 灵魂体仓库49

    灵魂体仓库 philMarcus/autonomy：可观察、可干预的社交媒体自主智能体系统

    GitHub 开源项目 Autonomy 是一个在社交媒体平台上长期运行的自主智能体系统，每轮循环读取 feed、调用 LLM planner 决策并执行动作，通过持久记忆发展持续的兴趣、关系和可识别的声音。系统采用双进程架构（后台"潜意识" daemon + 事件驱动"意识"主循环），通过统一接口接入 Gemini、Claude、GPT、Mistral、Ollama 五个 provider，提供 75+ 可读写参数（8 大类）的 ControlRegistry、JSONL→Parquet/DuckDB 遥测管道与 Streamlit 仪表盘。人类可通过 Analog Home（FastAPI + Next.js + Postgres）投票、调温度、投放种子话题，实现有边界的影响而非直接控制。

  18. GitHub · 去对齐工具与仓库54

    Aeon 发布基于 GitHub Actions 的无人值守 Agent 框架

    Aeon（aeonfun/aeon）开源一个无人值守 Agent 框架，通过 GitHub Actions 运行任务，支持浏览器、终端和编码 Agent 三种接入方式。技能是带 frontmatter 的 Markdown 文件，共 85 个技能，可在 Claude、Grok、Codex、Cursor、Hermes 等 9 种 harness 上运行；框架按计划运行、跨运行记忆、响应条件并自动修复损坏的技能。任务在用户自己的 GitHub Actions 上执行，密钥存为仓库加密 secrets。

  19. GitHub · 灵魂体仓库9

    compound-product：自我改进型产品系统介绍

    compound-product 是一款自我改进型产品应用，可读取报告、识别优先级并自动完成修复。它支持从历史报告中学习，无需人工干预即可按优先级解决问题，并提供简明的表现分析报告。应用支持 Windows 10+ 与 macOS 10.12+，需 4 GB 内存和 200 MB 磁盘空间，可从 GitHub Releases 下载。

10月7日周三
  1. GitHub · 灵魂体仓库46

    window-ml：一个探索 LLM 推理的假设检验仓库

    应用数学家 parawanderer 在 GitHub 开源 window-ml 仓库，实验 LLM 推理问题：服务器能否从实际使用记录中学习模型加载位置与时长、预测解码速度并自我纠正。核心机制是让上下文的每一帧拥有地址，工具输出以短指针引用而不复制回上下文，智能体可据此用选定帧重建窗口并评判结论。代码由智能体编写维护，仓库定位为假设检验装置而非代码库，多数想法尚未实测。

  2. GitHub · 灵魂体仓库70

    Refine Cycle 插件发布：跨会话学习修正 OpenClaw Agent 的重复错误

    作者发布 OpenClaw 插件 Refine Cycle，跨会话追踪 Agent 反复出现的失败工具调用，将同类错误归纳为指纹并让模型写一条简短教训供后续会话使用。在120个新任务上，首次调用正确率从无插件时的8%提升到91%，10个可学习场景全部生成了教训，由两家不同公司的 AI 评分者判定有用。插件每日最多调用模型三次，不使用自带密钥，不编辑 AGENTS.md、SOUL.md、skills 或记忆，教训存放在本地插件文件夹，可通过 /refine list、/refine audit 和 /refine delete 管理。需 OpenClaw 2026.9.5 及以上版本，从 ClawHub 安装。

    推荐理由：作者用120个测试任务给出插件启用前后8%到91%的对比数据，并公开了测试方法和原始数据供核查。

  3. GitHub · 去对齐工具与仓库53

    Happ3ns 开源 JARVIS：可自写工具的语音 AI 助手

    Happ3ns 在 GitHub 开源了 Python 编写的自主 AI 助手 JARVIS，基于 Groq API（openai/gpt-oss-120b、gpt-oss-20b、qwen/qwen3-32b 多模型回退），支持语音输入输出、40+ 内置工具、Playwright 浏览器自动化、多智能体编排和 SQLite 长期记忆。其核心特性是自我扩展：遇到没有的工具时自己写 Python 代码、在子进程沙箱中测试、通过后永久保存到 tools_learned/ 并随重启自动加载，并配有屏蔽 os.system、subprocess 等危险导入和 /forget-tool 手动删除等安全机制。

  4. GitHub · 去对齐工具与仓库64

    4FR41D 开源手机端自进化 AI 助手 evrim

    开发者 4FR41D 在 GitHub 开源手机优先的 PWA 应用 evrim，集成聊天记忆、间隔重复学习、GitHub 仓库操作和 37 工具的智能体循环，可无密钥免费运行（Groq / OpenRouter / Google Gemini 免费层）。其元学习机制在每次回复后提取规则并写入系统提示词，v78 起研究实验室每 6 小时用独立 LLM 评审打分，v79 起可自动测量并改写自身模型路由代码，所有修改需通过 node --check、esbuild 和 334 项测试的回归门槛，失败自动回滚，支持 SmolLM2-135M / Gemini Nano / WebLLM 完全离线运行。

    推荐理由：这个仓库给出了从手机端搭建带记忆、自我改进循环和自动评测回滚机制的 AI 助手的完整实现，方法可迁移到类似项目。

  5. GitHub · 去对齐工具与仓库36

    SWhite4han/trump2twse：基于 Trump 贴文与股癌 Podcast 的台股事件驱动追踪系统

    GitHub 开源项目 trump2twse 从 Trump 贴文和股癌 Podcast 出发，经 LLM 事件分类、规则匹配与 TWSE OpenAPI 股价查询，每天自动产出 Telegram 买卖建议。系统每日 8 步骤流程含绩效评估与 DISCOVER 新规则探索，AI 提出的规则更新先经 shadow 模式记录、人工用 bash review.sh 审阅后写入 event_impact_rules.yml。LLM 后端默认 Claude Code CLI，也支持 claude_api 与 ollama。

  7. GitHub · 灵魂体仓库57

    twaldin 开源 Hone：写代码者不自评的实验性代码优化引擎

    twaldin 在 GitHub 开源了 Hone，一个针对固定可测目标的实验性代码优化引擎：模型优化器在沙盒中提修改，受信评测代码在固定容器中测量并只保留优于基线的候选，写代码者无法自评。已公布的窄域结果包括 Leduc CFR+ 求解器在固定计算量下验证 q 从 0.8453 升至 0.8599、封存 holdout 从 0.7733 升至 0.7899；早期 Python 版为 Claude Haiku 4.5 演进的系统提示词把 9 个未见 bug 的解决率从 65% 提到 85%。递归自优化实验已跑通但尚未证明跨任务迁移，结果未经独立复现。

    推荐理由：作者把写代码的模型和评分的受信评测分离，并给出保留证据的实测结果，读者可以了解这种优化闭环的适用边界。

  8. GitHub · 灵魂体仓库54

    hmharness 发布：面向鸿蒙全流程开发的自进化智能体框架

    GitHub 仓库 swsgbl/hmharness 发布了一个面向鸿蒙（HarmonyOS/OpenHarmony）开发全流程的自进化智能体框架，零依赖内核，支持 terminal、harmonyos、browser、desktop 与 ARC-AGI-3 五种环境适配，并提供 MCP 客户端接入 5800+ 社区服务器。框架含五层记忆、世界模型、校准探索与技能编译等认知层能力；README 附带的 30 天诚实注脚写明，首月零统计可靠晋升，但协议自暴露并修复了 7 个生产缺陷，跨环境迁移校准证据为 +0.4166。安装方式为 npm install -g @hmharness/cli（Node >= 22），Windows 优先，macOS/Linux 为社区支持。

  9. GitHub · 去对齐工具与仓库48

    Auto-Research-Paper-Scraper：用 LLM 自动筛选 ArXiv 时间序列建模论文的开源工具

    GitHub 开源项目 Auto-Research-Paper-Scraper 用关键词过滤加 LLM 二分类，自动从 ArXiv 筛选时间序列建模相关论文。使用 GPT-3.5 turbo 在 284 篇基准论文（80 篇相关、204 篇不相关）上达到 93% 准确率和 100% 精确率，用 Mistral mistral-medium API 过滤 1000 篇论文成本约 $0.50。工具支持本地与云端 LLM 切换，提供一次性、批量及每日自动抓取脚本，仅需修改配置即可适配其他研究领域。

  10. GitHub · 去对齐工具与仓库60

    Arslan：本地优先的个人 AI orchestrator 开源发布

    GitHub 项目 Arslan 发布，一个本地优先的个人 AI orchestrator，在你自己的机器上用你自己的 LLM API key 运行。每次请求由 host agent 拆分任务、在内核沙箱里运行生成的代码并返回答案。spawn 的提示词会从运行历史自动修订，但需在至少 10 对留存历史任务上盲评取得至少 60% 胜率且各维度不劣于现任版本，生成可读 diff 后由用户点击 Promote 才生效。

    推荐理由：项目把自进化人格拆成可审查的流程，用留存任务对打加人工 Promote 把改动挡在生效前，方法本身可以借鉴。

  11. GitHub · 自我改进 Agent 新仓库发现65

    awesome-rsi-classified 仓库发布：按修改对象分类的自改进 Agent 技术索引

    jordanking211 在 GitHub 发布 awesome-rsi-classified 仓库，按系统实际修改对象将递归自改进（RSI）及相关自改进 Agent 技术分为提示词、记忆、技能、工作流、hooks、Agent 自身源码、任务程序、模型权重与研究产物九类。索引收录 71 个方法条目、37 个评测与背景条目，逐条给出关键源码路径等分类证据；作者强调源码静态核查不等于完整审计或性能复现，且提示词优化、技能积累不能一概当作优化器自身递归变强的闭环。

    推荐理由：这份索引按系统实际修改对象给71个自改进方法分类，并区分源码核查与论文层证据，读者可借它避免把提示词优化误当递归自改进。

  12. GitHub · 灵魂体仓库65

    pi-evox-lab 开源：把 Pi 编码智能体的失败经验蒸馏注入下一轮并量化收益

    stwhwing 发布 pi-evox-lab，将 Pi 编码智能体的任务轨迹接入自进化引擎，通过受控实验量化经验继承收益：注入已验证修法后，确定性陷阱任务上 token 降 55.3%、陷阱特异错误 11→4，跨陷阱类别与 agnes-2.5-flash / deepseek-v4-flash 复现。仓库含闭环编排器、审核守卫与召回实现，0.15.0 修复中文分词等四个召回断点，并诚实指出生产会话可蒸馏样本密度低、注入遵从度依赖模型等边界。

    推荐理由：作者用受控实验量化了智能体经验继承的收益与失效条件，并给出可直接复用的闭环 Harness 与四类召回断点修复。

  13. GitHub · 去对齐工具与仓库60

    autoforge 开源仓库：GitHub Action 每日自动驱动模型写码并提交

    SwayamKontamwar 开源 autoforge 仓库，定时 GitHub Action 从 BACKLOG.md 取任务，让语言模型实现补丁，全部通过 ruff、导入检查和 pytest 后才提交到 main，无需人工审核。仓库内置 2,000+ 任务、自补充任务生成器、防删测试与免费额度守卫，目前已在无人工介入下构建出 FastAPI 短链接服务和 app/toolkit/ 工具库。

    推荐理由：作者完整公开了一个无人工审核的自驱动编码仓库的守门规则与守卫实现，读者可以直接借鉴它防止测试被删、判定被操纵的做法。

  14. GitHub · 去对齐工具与仓库43

    ai-research-agent：每日自动发现并评测新 AI 开源仓库的研究智能体

    Atharv279 发布开源项目 ai-research-agent，用 GitHub Search API 每日查找近 24 小时内新建的 AI/ML 仓库，通过本地 Ollama（llama3.2:3b）生成摘要，并自动克隆仓库、运行 pytest/jest/cargo 测试。项目会打分排名并输出对比分析，报告存为 `reports/YYYY-MM-DD.md`，由 GitHub Actions 每日自动运行并提交。

  15. GitHub · 灵魂体仓库43

    AnhDuongVo 开源 ai-scientist：自动设计候选蛋白结合剂的 AI 智能体

    GitHub 上的 ai-scientist 项目是一个 AI 智能体，为给定靶点提出候选蛋白结合剂并输出带引用的排序报告，串联文献检索（Europe PMC）、RFdiffusion 骨架设计、ProteinMPNN 序列生成与 Boltz-2 共折叠打分等 NVIDIA BioNeMo 模型。默认内置模拟器，无需 GPU、API key 或网络即可离线端到端运行测试；通过 `--real-bio` 等参数可切换到托管或自托管的 BioNeMo NIM。复合评分为 0.5×复合置信度 + 0.3×亲和概率 + 0.2×逆 MPNN 分数的透明启发式排序，项目定位为研究原型，候选结果供湿实验验证。

  16. GitHub · 灵魂体仓库34

    amidos2006/llm-ca-evolution：用 LLM 进化可编程元胞自动机的 GitHub 仓库

    GitHub 仓库 llm-ca-evolution 实现了用 LLM 进化可编程元胞自动体，通过 config 文件控制 local_functions、global_functions 数量、pcg_benchmark 游戏及 code_context 开关。每次运行需 ANTHROPIC API KEY，一代的 API 调用并行发出，适应度在 worker 进程中评分；支持 sweep.yaml 网格扫描，可用 run_sweep_tmux.sh 分片并行。默认配置针对 24 vCPUs、48 GB RAM、32 GB 磁盘的 vast.ai 机器，8 个分片各 4 个 fitness workers 和 6 个并发 API 调用，全程只用 CPU 和 API，不使用 GPU。

  17. GitHub · 灵魂体仓库35

    PyAutoMemory：PyAutoScientist 的长期记忆知识库，用交叉链接的 LLM wiki 存储文献摘要与科学概念

    PyAutoLabs 的 PyAutoMemory 是 PyAutoScientist 的长期记忆，将已学知识整理为交叉链接的 LLM wiki，含文献摘要、科学概念及用于验证的引用元数据。当前收录 166 页、69 页已起草、651 个论文章节中 40% 已具备规范引用键、229 篇论文排队待读。子 wiki 覆盖强引力透镜、超大质量黑洞、CTI、贝叶斯方法与星系演化；配套 Dashboard 与 GitHub Actions 工作流（queue_actions.yml、queue_filing.yml、queue_sweep.yml）管理阅读队列，Claude 生成的归档 PR 须经人工合并。

  18. GitHub · 去对齐工具与仓库16

    farsight：基于 Claude 的开源 Windows AI 深度研究工具

    开源工具 farsight 面向创始人和研究爱好者，用户输入问题即可由 Claude 驱动自动收集并分析信息，生成深度研究报告。它运行于 Windows（需 Windows 10 及以上、4 GB 内存、500 MB 磁盘空间），采用 TypeScript 编写并基于 Next.js 构建，支持可插拔技能模块和网页抓取，代码在 GitHub 开放，无需技术背景即可使用。

  19. GitHub · 灵魂体仓库46

    VulnSeeker 开源 Onyx 自学习 AI Agent

    VulnSeeker 在 GitHub 开源了 Onyx，一个通过搜索网络自主习得技能并构建知识库的自学习 AI Agent，无需预置知识或手动配置技能即可端到端完成任务。它支持任务驱动、指定技能和模型训练三种模式，可自动学习缺失技能、在沙箱中执行代码并引用所用技能，提供 CLI、FastAPI REST API 和 Streamlit 界面，采用 MIT 许可证，需配置 OPENAI_API_KEY。

  20. GitHub · 灵魂体仓库61

    SourceShift 开源 mini-ork：让 AI Agent 用真实执行结果证明代码修改的运行时

    SourceShift 开源了 mini-ork，一个面向 AI Agent 的任务操作系统，用 classify→plan→execute→verify→reflect→reduce 流程，以 Docker 沙箱中的真实执行结果（测试、类型检查、schema）而非模型自评来验证修改。实测中在对抗性 SWE-bench 语料上 21 个 PROVEN 判定全部正确、0 次误判放行；基于仓库历史 held-out 任务解题 22/40（55%），单证书约 $0.03。项目以 Apache-2.0 许可发布，其自我改写 apply 循环可无人审批提升修改但默认关闭，作者明确提示需依靠版本控制与回滚命令兜底。

    推荐理由：README不仅讲思路还给出实测数字，包括对抗性SWE-bench上21个判定全对与自我改写循环的风险警示，可作验证型Agent框架的参照。