新闻、仓库与研究，按时间排列。
dragonked2 发布开源 AI 编码智能体 AlphaCode（MIT 协议，Rust 编写），可在终端中读代码库、编辑文件、运行命令与测试、驱动真实 Firefox 浏览器和桌面应用，并自我验证结果。它支持 Swarm 多智能体、持久会话、Skills 与 MCP，可接入 Anthropic、OpenAI、Gemini 等多家模型，内置免费 AI 通道无需 API key 即可启动；官方自测单会话内存占用 27.8 MB，约为 Claude Code（386.6 MB）的 1/14。
推荐理由：README 给出了完整的安装、功能清单和与多款 CLI 工具的内存占用对照数据，读者可据此评估这个 Rust 编码智能体的适用场景。
研究者提出 RESCUE，一个反事实评估框架，用于判断机器人策略运行时监控器的报警是否能支持有效干预。该框架通过在执行检查点恢复模拟器与策略状态，比较不同动作并评估干预是否降低任务完成成本，基于 OpenVLA-OFT 与 π0.5 在 LIBERO-Spatial 和 LIBERO-Plus 上使用 128,340 个反事实分支进行验证。结果显示，在 stop-and-reset 模型下，即使是理想检测器，误报率超过 2.0–3.3% 时不必要的重置成本就会超过提前停止故障的收益。
GitHub 开源项目 dwarf-fortress-agent-skill 为 Dwarf Fortress（adventure mode）提供自动游玩智能体：由 JEV 四个提示词选择动作，DeepSeek（deepseek-v4.1-flash）只负责叙事、PT↔EN 翻译和向人类提问，模型文本不接触游戏。决策按 confidence 分派：auto（≥0.90）自动执行，hitl（0.50–0.89）需人工确认，并配 CoALA 记忆与带 kill-switch 的葡萄牙语 Web UI。
一项 arXiv 研究提出基于笔记本电脑本地 LM 的 agentic AI 框架，用于自适应生成边缘场景，成本低、可控且保障数据隐私。系统采用 think-act-observe-update-continue 循环和轻量 JSON 编码，以系统需求、系统与环境描述作为知识库构建提示词，并由第二个独立 LM 按领域标准批评并改进场景。改进后的场景在仿真中运行并收集评估指标，通过事后聚类与主题分析定位功能缺口及触发条件，为安全论证生成可追溯证据。
一项 arXiv 研究在自动驾驶车（AV）自利通行时间奖励中加入边际成本社会分量，用反事实仿真衡量 AV 对其他道路用户的影响，并基于 MARL 在 Ingolstadt 和 Provins 真实路网验证。Ingolstadt 中 40% AV 渗透率下，自利路由使其他车辆通行时间增加 1.7%，引入社会奖励后降至 1.1%，且 AV 自身与整体系统表现也改善。只对影响最大的 AV 计算边际成本可在大幅降低计算成本的同时取得相近性能。
研究者提出 Web$hell，一个把网页访问统一到单一访问模型的接口：WebCompiler 依据 WebContract 将网页编译为可寻址的信息与操作对象，存于 WebCache 并通过共享操作集处理，为 LLM 智能体提供一致、可操作且持久的网页访问。在网页搜索、网页导航和深度研究 benchmark 上的实验显示，Web$hell 能以更低成本取得较强的任务表现。
GitHub 开源项目 Smrithi-Shetty/computer-use-automation 发布，这是一个 LLM 驱动的计算机操作自动化系统。其核心特性包括能力录制（capability recording）、确定性回放（deterministic replay）和人机协同升级（human-in-the-loop escalation）。仓库包含 app、docs、tests 等目录，目前仍在早期阶段。
GitHub 开源项目 douyin-auto-reply-extension 是一款 Chrome/Edge 浏览器扩展（Manifest V3），可在抖音网页版搜索热门视频，并用 LLM 生成仿真人互动评论，支持半自动和全自动发送模式。它兼容任意 OpenAI 接口（默认模型 mimo-v2.6-flash），配置全部本地存储，还提供热搜 TOP10 展示、评论统计和滑块验证码提醒等功能。
一篇 arXiv 论文提出 AlphaNIST，仅用稀疏二值任务奖励，在仿真中从零训练单一策略完成 NIST Assembly Task Board #1 上全部 20 个装配任务，训练总成功率达 98.2%，无需示教、进度奖励塑形、脚本化原语或逐任务调参。该框架还能在一个回合内以任意顺序完成十对装配。学到的策略涌现出灵巧操作与类规划行为，如为后续装配选择抓取、利用环境几何重定向零件等。
百度智能云百舸团队在 GitHub 开源了训练框架 LoongForge（Apache 2.0，源自 AIAK-Training-LLM），用于加速 LLM、VLM、扩散和具身模型训练，支持预训练、继续预训练、SFT 和 LoRA。框架采用多后端架构，Megatron Stack 服务于 LLM、VLM 与扩散模型，Torch-Native Stack 服务于 VLA 和 WAM 具身模型；TAOT 方法可将 MoE 专家并行负载不均的开销最高降低 74%，具身模型 DreamZero 实测达 4.38 倍基线吞吐。支持 DeepSeek-V4、Qwen3.8、GLM-5.3-flash、Kimi-K3、GR00T-N1.7 等模型，提供 NVIDIA GPU 和昆仑 XPU 双硬件支持。
BrowserKing 是一个开源 GitHub 项目，可接入任意 LLM 供应商自动操作 Chrome，实现点击、输入、滚动、读取页面、截图和重放浏览器工作流。项目支持 Claude、DeepSeek、Gemini、GPT-4、Grok、OpenAI 等多供应商模型，以 Chrome 扩展形式提供浏览器自动化与 AI 智能体能力。
GitHub 项目 abz2much/NOVA 发布了 Nova，一个安装为 Home Assistant 自定义集成的自主 AI 管家，提供语音、视觉和推理核心，通过 HACS 安装且无需单独容器或云账号即可启动。它支持 Groq、Anthropic、OpenAI、Gemini 或本地 Ollama 作为可插拔 LLM 后端，可控制设备、分析门铃与包裹、学习作息并提议自动化，但敏感操作（开锁、开车库门）保留手机确认步骤，且建议的自动化未经明确批准不会安装。断网时本地推理核心仍可处理常规事件；项目为单人维护、处于活跃开发中，版本间可能出现破坏性变更。
推荐理由：这个 Home Assistant 本地管家集成的 README 讲清了安装门槛、安全门控和离线降级设计，读者可以据此判断它是否适合自己动手部署。
作者 xcl1989 在 GitHub 开源 CrabAgent，一个本地优先的 AI 工作平台，含 Chat 与 Work 双模式，智能体可跨终端、浏览器和 macOS 原生应用工作。支持文档实时预览与编辑、专业智能体分工协作、邮件转任务、微信通道接入，并可通过 OAuth Device Code 直接使用 ChatGPT Plus/Pro 订阅额度；安装方式为 pip install crabagent，采用 AGPLv3 许可，商用需另行授权。
推荐理由：作者开源了一个覆盖终端、浏览器和 macOS 原生应用的本地优先智能体平台，功能清单具体，可按需部署试用。
GitHub 开源项目 TF3-capocantiere 通过 Python 中间件调用 Claude API（默认模型 claude-sonnet-5-5），让玩家用意大利语指令在 Transport Fever 3 中自动建造公交线、电车线、铁路与货运网络。v14 草稿版已在 build 40420 完成游戏内测试，支持城际巴士、货运铁路网络、车辆增删等工具，构建与购买类操作需确认后执行。项目仅支持 Windows Steam 版，需 Python 3.10+、anthropic 包和 ANTHROPIC_API_KEY 环境变量。
研究者提出 Action–Future Coupled Effect Learning（AFCE），让 VLA 策略以未来物理效果（Effect）而非动作本身作为主要预测目标。在 DexJoCo 上 AFCE 整体成功率达 50.97%，比 π0.5 和 UVT 分别高 11.82 和 15.21 个百分点，并在全部五个双臂任务中领先，且单臂与双臂任务可共享同一 Effect 模型。
开源项目 Vox Deorum 发布 0.13.6 Beta 版，为《文明5》的 AI 文明接入 GPT、Claude 等大语言模型，使其能用自然语言推理战略、适应玩家行为并可与玩家直接对话。项目基于 Community Patch + Vox Populi 构建，提供安装器、玩家指南、replayer 回放等文档，开发需 Node.js 22.23.3 或更新版本。
arXiv 论文提出 VIGOR，针对 LLM 生成的工业场景程序「可执行但不满足工程约束」的鸿沟，结合监督微调、基于执行的验证与分阶段几何修复。该工作构建了含 1,749 个可构建场景、每场景 94 项最终状态几何检查的数据集。VIGOR 达到 96.86% Complete Feasibility，Overall 得分 91.20，超最强基线 10.42 分。
开源项目 MimiClaw-OrangePi 旨在让运行在 OrangePi（如 OrangePi Zero3）上的 AI Agent 通过 Tools / MCP 控制本地设备、读取传感器并执行任务。架构上云端 LLM（OpenAI-compatible API / Gemini）负责推理规划，边缘节点负责执行，Agent Runtime 采用 Go，代码将随架构稳定陆续发布，项目采用 MIT 许可证。
作者 Nemili Enoch Das 在 GitHub 开源 SentryEye，用 CCTV 视频实时检测交通事故，通过三级级联（YOLOv11 + ByteTrack 检测跟踪、运动异常信号、Gemini 或 Ollama 视觉 LLM 校验）只在约 0.1% 的帧上调用昂贵的视觉 LLM，比逐帧运行大模型减少约 99% 调用量。系统输出 Pydantic 类型化事故报告，含事故类型、严重度、车道是否受阻与建议行动；在 TAD 基准上廉价门控达到 81% 召回、31% 误报，视觉 LLM 校验可剔除误报。作者还诚实记录了学习式门控未能稳定超过手工调优规则的实验结果。
推荐理由：项目用真实事故数据给出了级联调用比例和召回率等实测结果，读者可以借鉴这种廉价过滤加昂贵校验的分层思路。
dcc-mcp 发布 dcc-mcp-blender 插件，在 Blender 内嵌 Streamable HTTP MCP 服务器，任何 MCP 客户端如 Claude Desktop 可直接调用 200+ 类型化工具覆盖场景、网格、UV、绑定、材质、物理、渲染等 25+ 技能包。最低支持 Blender 4.5，通过 DCC_MCP_BLENDER_DISABLE_ARBITRARY_SCRIPT 可关闭任意脚本执行；README 还对比了与社区项目 mcp-for-blender 的定位差异，后者偏向探索性用途，前者面向管线、跨 DCC 与 CI 场景，并支持与 Maya、Houdini、USD、3ds Max 共享网关。
巨天工作室在 GitHub 开源了桌面 AI 工作台巨天agent（jutian-agent），内置 38 个工具直连真实终端与文件系统，支持子代理并行池（并发 3）、集群指挥室、Computer Use 操作循环与手机远程配对。软件基于 Electron，不内置模型服务与密钥，数据全部存于 ~/.lyclaw/ 本地目录，采用 MIT 许可证允许商用。
一个名为 Open Mocap 的免费 AI 动作捕捉 Blender 插件，支持全身与手部捕捉，适用于 Blender 4.2+ / 5.x。安装方式为在 Edit → Preferences → Add-ons 面板中通过 Install from Disk 导入 zip 包，并启用 "Open Mocap" 插件。