新闻、仓库与研究，按时间排列。
CourseForge 是一个开源项目，用户上传一次大学教学大纲，即可按学年学期组织科目并生成含 Markdown 课程、模块测验和进度跟踪的结构化课程，支持通过自有 AI 提供商或外部 AI 生成的 JSON 导入两条生成路径。项目基于 Next.js 15、TypeScript、Tailwind CSS 4、PostgreSQL（Drizzle ORM）和 Auth.js v5，里程碑 1–7 已完成并验证，包括 PDF 上传提取、服务端权威评分测验（Anthropic API 真实调用）与跨用户数据隔离；课程管理、搜索和分享功能尚未实现。
GitHub 新仓库 tigress-thread-gallery 提供同一图库的两个版本：外部 GitHub Pages 版仅含图库、不含密钥和 MiniMax 指南，本地版则显示 Wan 密钥、MiniMax 指南及完整 manifest.json（外部版用 manifest-public.json）。仓库通过 publish-add.py 脚本添加图片，支持 sheet、scene、identity、bunny、video、story 分类，story 分类经 story.html 阅读器单独展示，标注 18+ only、noindex。
GitHub 上的 rag-document-qa 项目实现了一个研究论文问答应用，用 RAG 流水线结合检索与语言模型生成答案。检索层提供 Dense、BM25 及 Reciprocal Rank Fusion 融合的混合检索，并实验了 cross-encoder 重排；在 15 个问题的评测集上，混合检索 Success@3 为 86.67%、Success@5 为 93.33%，优于单一方法。项目嵌入采用 sentence-transformers/all-MiniLM-L6-v2，界面用 Streamlit，本地推理用 Ollama，并计划接入 Groq API 部署。
开源项目 Rollmon 是一款完全在浏览器运行的宝可梦草稿自走对战游戏：玩家通过「世代×属性」老虎机抽选六只宝可梦并配置配招，再由 AI 操作队伍挑战十个 Boss 队伍并上传排行榜。战斗 AI 采用 poke-engine（Rust 编译为 WebAssembly），由 @pkmn/sim（Pokémon Showdown 模拟器）裁定，均在本地 Web Worker 运行，无战斗服务器。游戏内置超过 1,100 套约 650 种宝可梦的配招，支持手机与中英日文，桌面端每 100 ms 可跑约 220k 次搜索迭代，iPhone 16 Pro 达其约 85%。
GitHub 新仓库 Local-RAG-Assistant（DocuMind）开源，用户可上传 PDF 并用自然语言提问，通过 ChromaDB 向量检索与本地 Ollama 模型生成基于文档内容的答案。项目前端用 React、后端用 FastAPI，配合 PyMuPDF 和 Sentence Transformers 实现文本提取与嵌入，默认模型为 dolphin-mistral，全程无需云端 LLM API，并返回来源文件名与 chunk 索引。
GitHub 开源项目 AI-Wireless Copilot 旨在将自然语言无线通信需求转化为可执行仿真与验证结果，结合 RAG、自动代码执行与约束优化。规划能力包括 AWGN、Rayleigh、Rician 信道仿真、BER-SNR 分析与星座图可视化，可选 QLoRA 微调。技术栈为 Python、FastAPI、Streamlit 及 open-weight LLM，目前处于 Phase 0 架构搭建阶段。
Thecimal 在 GitHub 发布开源的 quantified-self-mcp，一个本地优先的 MCP 服务器，让 AI 智能体通过 MCP 访问本地 SQLite 中的个人健康数据，支持趋势、基线、异常、相关性等纵向分析。每个分析结果附带 claim 证据结构，标注数据覆盖率与可声明的强度等级（如 suggestive），避免把低覆盖数据当成确定结论；支持 CSV、Apple Health、WHOOP API 等导入，共暴露 20 个工具，MIT 协议开源。
推荐理由：原文给出了证据分级机制的具体设计，分析结果附带可机器校验的claim强度与数据覆盖缺口，而非只报数字。
GitHub 上的 xdog 是一套本地优先的模型与 Agent SDK、终端应用、类型化工作流和 JSON 观察工具，不依赖托管控制面或外部数据库，持久化使用本地 JSON、JSONL、Markdown 和 SQLite。项目含九个 xdog.* 命名空间的包，其中八个发布到 PyPI，涵盖 xdog-coding 编码助手、xdog-claw 持久多渠道助手（支持 TUI 与 Weixin）、xdog-flow 类型化工作流和 xdog-eyes 观察守护进程。真实模型调用需自行配置 provider 与凭据，支持 Copilot 和 Antigravity 等认证路由。
GitHub 上的 Petus19/hospital-delivery-robot-sim 是一个医院配送机器人仿真项目，仓库包含 src/hospital_sim 源码、maps 地图与 scenarios 场景目录、tests 测试及 GitHub Actions workflows，并附 LICENSE 与 pyproject.toml 配置文件。
Compute Screener 在 GitHub 开源每日 GPU 租赁与 AI token 价格指数，覆盖 H100、H200、A100、B200、B300、RTX PRO 6000 的美元/GPU·小时报价，数据来自 20 个来源，每 2 到 3 小时更新。token 指数按每 1M tokens（3 输入：1 输出）统计 Anthropic、OpenAI、Google、xAI、Meta、Moonshot AI、Alibaba、DeepSeek、Z.ai、Xiaomi 的定价。数据以每日 CSV 和 JSON 提供，采用 CC BY 4.0 许可，连接器已列入 Claude 连接器目录与官方 MCP Registry。
GitHub 项目 rapotekhin/dnd_llm 发布 v0.5.4，完成从 pygame 原型到 Godot 客户端加 Python 后端的迁移。游戏按 D&D 5e 规则建角色（9种族、12职业），LLM 只担任叙事主持人，骰点、DC、物品和经验由确定性游戏引擎裁定以免世界设定漂移；需 Godot 4.7、uv 和 OpenRouter key，MIT 许可，路线图包含完整5e规则、战斗与变化世界。
推荐理由：项目把判定、数值和状态交给确定性引擎，LLM 只做叙事和NPC，这种分工设计对做LLM游戏的人有直接参考价值。
WeeLLM 开源了针对大型扩散模型的分层流式推理工具，通过把文本编码器和 transformer 层按显存预算动态流式加载到 GPU，在不量化的 bfloat16 精度下让 4GB 显存运行 FLUX.1-dev、SDXL、Qwen-Image 等模型，并给出 RTX 3050 上的显存峰值与生成耗时基准表。现已提供 ComfyUI 官方扩展，支持文生图、图生图和文生视频，但作者说明自回归文生图模型因需上千次前向传播而流式耗时数小时，不实用。
davdittrich 发布 Claude Code 插件 review-code，基于 Matt Pocock 的双轴（Standards 与 Spec）审查技能并新增证据门控，findings 携带 file:line 证据。它支持 Defects、Standards、Spec、SOTA 四条 lane、quick/standard/deep 三档及 --lean 清理档，可用 --comment 向 GitHub PR 或 GitLab MR 发评论、--fix 逐项应用已确认的修复，测试失败或超时的修复会被回滚。插件要求 Claude Code 2.1.292 及以上（本地测试于 2.1.304）、git、python3 3.9+，目前为早期版本，默认档位未经验证，作者提醒勿依赖其审查结果。
mitrev-g 在 GitHub 开源 AI-Engineer-Journey 仓库，记录其成为 AI 工程师的学习路线图与项目计划。路线图覆盖 Python、数学与数据分析、机器学习、深度学习、NLP 与生成式 AI（含 RAG、LLM 评估、tool calling 与 AI agents）、软件工程与系统设计六大阶段。仓库列出 10 个规划中的项目，如房价预测、从零实现神经网络、RAG 文档问答和生产级 AI 服务，当前均处于 Planned 状态，当前重点为 Python、统计、数据分析与数据结构算法。
作者发布开源工具 Lookout，一个自托管的资讯瞭望塔，接入 RSS/Atom、GitHub releases 等信源后由任意 OpenAI 兼容的 LLM 总结、分类并按 P0 到 P3 排优先级，可从本地免费的 Ollama 起步。优先级先由确定性规则决定、模型其次，每项附带理由，并根据用户的已读、星标和忽略行为调整排序；数据存于单个 SQLite 文件，MIT 协议，目前处于 v0.x 早期阶段。
wellmanifest 发布 nl-dsl-llm 标准，为开发者与 Agent 工具提供自然语言、领域特定语言（DSL）与 LLM 翻译回退的三层确定性架构。该标准支持波兰语与英语的本地确定性意图匹配、严格类型的可执行 DSL，并通过 CLI、REST API 与 MCP（stdio/SSE）提供统一接口，附带 JSON schemas、Python 参考实现与一致性测试套件，采用 policy-as-code 治理。
prathamkashyap 在 GitHub 开源 fact-knowledge-layer，一个完全离线、确定性的跨文档事实提取与认识论推理引擎，原为 VIT 2026 实习作业开发。流水线用 PyMuPDF 解析多页 PDF，提取带逐字证据（文档 ID、页码、原句）的结构化事实，归一化后由规则推理器将事实对分类为 CORROBORATES、RECONCILABLE、CONTRADICTS 等 5 种关系。项目通过 FastAPI 提供零构建的 Fact Explorer UI，回归测试当前 444 个通过，并提供可接入外部模型的 LLMProvider 抽象接口。
faithdroid 是一个 GitHub 仓库，包含一篇硕士论文，提出用本地 LLM 做成本感知的 Android 恶意软件检测。模型生成的解释会被自动检查忠实性（faithfulness），数据集与实验涉及 KronoDroid 和概念漂移（concept drift）处理。
ds-ml-bench 是一个用于评测大语言模型在数据科学与机器学习任务上表现的 benchmark 测试框架。每个任务是 tasks/ 下的独立 Python 模块，通过适配器层接入模型，由 Claude 作为 judge 按评分标准打分，覆盖数据清洗、EDA、特征工程、建模、统计、排序推荐（如 MovieLens 和 Recall@k）及 ML 系统设计等类别。用户复制 config.example.yaml 并通过环境变量配置 MOONSHOT_API_KEY 与 ANTHROPROPIC_API_KEY 即可运行。
一个个人专用的 AI 要闻日报仓库：GitHub Actions 每 3 小时抓取 OpenAI Blog、Anthropic News、Google DeepMind 等 ≥5 个 RSS/Atom 源，用 LLM 生成单条 ≤3 句的中文摘要，发布到 GitHub Pages 并经 ntfy.sh 主题向手机和电脑推送。LLM 通道按智谱（默认 glm-4-flash）、OpenAI（默认 gpt-4o-mini）、GitHub Models 免费推理依次降级，密钥全部走 GitHub Secrets，每日条目默认上限 12、推送取前 5 条。
GitHub 开源项目 CONTINUUM 0.1.2 已发布至 PyPI（pip install continuum-agent），为长任务 AI Agent 提供可验证的语义恢复。其核心包括语义检查点、拒绝重复副作用的幂等 action ledger、防篡改的 hash-chained 事件日志，并以默认拒绝的 MCP server 形式暴露。项目支持 Python 3.11+、框架无关，可集成 Claude Code、Gemini CLI 和 Codex，核心库仅依赖 pydantic>=2.7。
protocol/perun 发布，这是一套以文本文件形式分发的技能包，让 Claude Code、Cursor 等 AI 编码助手按固定流程完成从审查到交付的工作，核心是带证据的深度代码审查，另含 token 成本优化、门控智能体交付等技能。作者用统一测试环境实测 39 个真实 bug 修复案例，Perun 在 claude-sonnet-5-5 上比普通提示词多抓 bug 但区间下界为 0，相比 Claude Code 内置 /code-review 抓到的 bug 数量相当而误报大幅更少，与三个流行的审查技能对比均为平局；在更强的 claude-opus-5-5 上与普通提示词打平。大改动场景下多次独立审查比任何单一方法更有效，项目同时附上成本核算和诚实的局限性说明。
推荐理由：项目附上统一测试环境和多组对照基准数据，连不利的平局结果也如实列出，读者可自行判断这套 review 技能包的真实增益。
CrossWordFalcon 是一个可从网页生成完整填字游戏的工具，支持法语、英语、德语、西班牙语、意大利语和葡萄牙语，网格尺寸从 5×5 到 50×50，提供三档难度。它由本地小模型自动生成基于真实词典定义的线索，也可选用 Mistral、Claude 等云端模型并自动回退本地。程序 100% 本地运行，支持 CPU 或 GPU（含 Apple Silicon），推荐配置为 8 核、16 GB 内存和 12 GB 显存的 NVIDIA 显卡。
开源 SaaS 项目 ai-resume-builder（ResuMaker.AI）可按职位、经验与技能用 AI 生成简历，并针对 ATS 筛选系统优化结构。项目通过 OpenRouter API 调用 DeepSeek R1 与 Gemini 2.0 Flash 模型，支持阿拉伯语、英语和法语，可一键导出白底 PDF 或复制文本。前端采用 HTML5 与 Tailwind CSS，后端为 Node.js / Vercel Serverless Functions，部署于 Vercel。
GitHub 仓库 Suno-Archive-Automator 是一套用纯 Python 3 编写的自动化归档系统，用于编目、归档和分析 virtualluser 用 Suno 创作歌曲中的音乐主题。系统生成兼容 Obsidian 的知识库，含曲目与主题 markdown 笔记、Canvas 关联图，并通过 GitHub Actions 自动将交互式网页面板发布到 GitHub Pages，面板带 Suno CDN 音频播放器、搜索过滤和 HTML5 Canvas 2D 关系图。当前 10 首曲目均为占位数据，其 Suno ID 返回 404，CDN 播放需签名链接，实际播放会报 MissingKey 错误。
GitHub 上线新仓库 Maxlechampion/docforge，定位为 AI 辅助文档生成平台。该仓库已在 GitHub 开放，供用户查看。
GitHub 开源项目 bone-fracture-pseudo-mask-generation 提供一套可复现的弱监督骨折分割研究流水线，涵盖图像级骨折分类、Grad-CAM/LayerCAM 定位、伪掩码生成及可选 U-Net 训练，支持 ResNet-50 和 DenseNet-121 分类器，需 Python 3.10+。项目仅为研究原型，非临床诊断工具；因缺少 FracAtlas 专家掩码，无法报告分割指标，测试集仅在验证集选好阈值后评估一次。
GitHub 仓库 ivy343/takelab-comfyui 发布 v0.2，一个本地应用，输入一张图和场景描述后最多按 3 种相机条件生成视频，并在同时间点对比、挑选要保留的 take。v0.2 实际运行 Wan 2.1 Fun Camera 1.3B，由扩散模型生成画外区域、遮挡和视角变化，不再使用 v0.1 的数字平移缩放渲染器。默认输出 512×336、49 帧、16fps、20 步；验证环境为 Windows/ComfyUI 0.39.0/RTX 4060 Ti 16GB，单次预检生成约 81 秒。需 ComfyUI 及约 11.5GB 的 4 个模型文件，支持失败 take 重跑并保留历史，应用代码以 MIT 协议开源，不含模型权重。
GitHub 新仓库 InsightLense 是一个多模态 RAG 聊天机器人，能理解 PDF 文档中的文本、表格与图表，借助 Computer Vision“看懂”图形与示意图。它用 Gemini 2.5 Flash 解析图像、LlamaParse（Markdown 模式）保留表格结构，并采用 FAISS 语义搜索与 BM25 关键词搜索的混合检索，LLM 使用通过 Groq 调用的 Llama-3 / GPT-OSS，后端为 FastAPI，编排基于 LangChain。用户上传 PDF 后即可针对图表内容提问。
开发者 T S Sharan 在 GitHub 开源 AI Dependency Detector，一个基于 Python Flask 和 Scikit-Learn 的 Web 应用，可分析文本并估算 AI 生成内容的依赖百分比，区分人写、AI 生成或两者混合。项目部署在 Vercel，采用 MIT 许可证，支持即时分析，未来计划加入 PDF/DOCX 处理与 REST API。
ari-ai 是为 HackATL 构建并计划发展为真实产品的自主软件工程与网络安全平台，核心是代码智能审查修复、七智能体安全团队和持续监控与 RL 防御三大支柱，共享一个版本感知的 Unified Intelligence Layer。后端 FastAPI、七安全智能体（Scout、Probe、Trace、Diagnose、Patch、Fortify、Verify）、代码智能与前端控制台已实现并通过测试，默认模型为 claude-haiku-5-5；基础设施部署尚未配置，RL 防御建议不会自动应用。
GitHub 开源项目 NoLLM 是一个不依赖大语言模型的本地优先研究引擎，可搜索来源、检索证据、排序并生成带引用的确定性答案，仅需 Python 3.10+ 即可在纯 CPU 低资源设备运行。核心引擎零第三方依赖、无需 API key 和 GPU，支持 --url 网页摄取、--file 本地文件离线检索、BM25 句子检索与证据充分性评分，采用 MIT 许可证。
GitHub 上的 Probe 项目定位为 AI 原生情报终端，搜索返回数据面板而非链接，每个数字可点回原文，无来源不显示、缺失留空。榜单按热度分排序、同一话题按 URL 去重、缓存 10 分钟，卡片热度分如 0.88、热度 53、r7 1.55；拖拽布局快照存 localStorage，键为 probe:layout:*。性能优化后流式最长帧中位 262ms 降至 229ms（−13%），滚动稳定在 8.3–8.5ms，ECharts 动画从 1000ms 缩到 240ms。
GitHub 用户 javabbgit 开源 llm-gateway-governance 仓库，提供基于 LiteLLM 的 LLM 网关治理方案。仓库包含 litellm、models、bench、docs、scripts 等目录，附带 docker-compose.yml 部署配置及 AGENTS.md、CLAUDE.md 文件，代码在 GitHub 公开可用。
DeChuks-hub 发布纯 Python 工具 LLMShift，覆盖从扫描代码中的模型调用、把真实流量转成测试集、对比新旧模型差异，到自动开升级 PR 和线上漂移监控的完整流程。内置覆盖 OpenAI、Anthropic、Google 等 617 个模型的退役数据，支持 MCP 供 Claude Code、Cursor 调用，可经 pip install llmshift 安装。
javier-cabezas 在 GitHub 发布 achainsaw，一个编译 AI Agent 所写代码的编译器：Agent 用扁平 SSA 语言 AIR 编程，校验错误以带 ERR_* 错误码和源码位置的 JSON 返回，经 Cranelift 在 1 毫秒内编译为 x86-64 和 AArch64 原生代码。通过 MCP 供 Claude Code 等客户端调用，沙箱内检查每次内存访问、限制循环燃料和递归深度；LLVM 后端支持 AVX-512、SVE、AMX 等向量与矩阵指令。
推荐理由：作者给出了与 llama.cpp 同机同文件的 prefill 和 decode 对比数据，以及沙箱与错误码设计细节，可据此评估这套面向 Agent 的编译方案。
CoworkLab/agent-mobile-x 是一个通用自主安卓手机控制智能体，手机 App 充当本体，云端 LLM（Gemini，BYOK）负责推理和选工具，无硬编码命令解析。仅用 AccessibilityService 和公开 intent，无需 PC、ADB、root 或 Shizuku；银行/FLAG_SECURE 屏幕被禁止操作，锁屏无法打开，密码和验证码不存储，每步推理耗时数秒并消耗配额。支持模型配额耗尽后自动轮换（429 时按冷却阶梯重试），技术栈为 Kotlin 2.4、Compose、Room 等，minSdk 26 / targetSdk 36。
GitHub 上的 llm-poker-collusion 是一个在研研究框架，用于研究模型在通信条件对等下的联盟形成，架构结合 OpenSpiel（kuhn_poker）、自研 Python 会话引擎与 Inspect 模型执行。当前已实现游戏协议、会话引擎、JSONL 审计、离线标注与对比分析层：2026-10-15 有 994 项离线测试通过；2026-10-17 指定的 OpenAI 候选模型通过在线兼容性测试，3 场会话 9 手牌共 64 次调用、73,701 tokens、成本 $0.06272325；2026-10-18 标注验证达 1,040 项测试。模型能力与协调控制仍未验证。
GitHub 开源项目 FlowForge（flowforge-agent-orchestrator）发布，为已使用 AI 的应用提供 LLM、MCP 和 API 调用关系地图及 DAG 调度器。Planner 读取仓库并以测试模式运行应用，绘制带 file:line 证据的调用流程图，用 Kahn 拓扑排序安排步骤、用最长路径 DP 找瓶颈链，并以 HLFET 临界路径调度并发执行独立步骤。默认免费、本地优先，单进程 + SQLite，无云端账户，可作 MCP server 供 Claude Code、Codex 等 Agent 只读调用，支持 Python 3.12+。
GitHub 上的 AgentLoom 是一个确定性 LLM 工作流编排框架，将熔断器、限流、成本跟踪和 OpenTelemetry 追踪作为核心设计，而非插件。它支持 YAML 和 Python DSL 定义工作流，内置 OpenAI、Anthropic、Google、Ollama 四种 provider 自动回退，并提供 checkpoint 断点续跑与确定性重放功能。相比 LangGraph、CrewAI、AutoGen 等框架，AgentLoom 依赖极简，可通过 `pip install agentloom` 安装。