新闻、仓库与研究，按时间排列。
karnati-praveen 发布开源工具 LineageLens（MIT 协议），为 AI 生成代码做溯源记录，捕获提示词、所用模型、文件位置及编辑是否被采纳，数据存放在用户自托管的基础设施中。它提供 VS Code / Cursor / Windsurf 扩展和通用 LLM 代理两条捕获路径，支持 Claude Code、Codex CLI、Gemini CLI 等工具，后端为 FastAPI 加 SQLite 或 PostgreSQL（可选 Neo4j），按 Base/Lite/Plus/Max 分档，含五信号置信度评分、风险评分、防篡改哈希链和可签名的 AI-BOM 导出；Cursor 与 Copilot 的 agent 流量走专有后端，仅能做编辑器级捕获。
API Evangelist 维护了第三方档案仓库，剖析 Voyant.io 这一品牌上下文平台的公开 API，该平台可将企业定位、产品与定价等转化为 AI 工具和智能体可读取的结构化上下文。档案收录了逐字保存的 OpenAPI 3.1.0 规范（783 个操作、79 个标签、266 个 schema）、托管的 voyant-mcp 1.1.0 服务器（15 个工具）、3 个经验证的 agent skills，以及针对 787 个已分类操作推荐的 x-agentic-access 契约。仓库不提供任何软件下载，评分与下架请求均免费处理。
API Evangelist 在 GitHub 上维护了一份 Voyage AI 公开 API 的第三方档案。Voyage AI 为 RAG 和语义搜索提供 embedding 与 reranker 模型，在 api.voyageai.com/v1 暴露 OpenAI 风格的 REST API，涵盖 voyage-3.x / voyage-4.x 文本嵌入、voyage-code-3、voyage-finance-2、voyage-law-2、voyage-multimodal-3 和 voyage-rerank-2，支持 256–2048 输出维度、每请求最多 1000 条输入，并提供 Python 和 TypeScript SDK。
GitHub 上新开源的 Mediscript AI 是一个基于语音交互的医疗处方实时生成系统，可通过语音输入医学信息并生成结构化处方草稿。系统支持英语、印地语、马拉地语、德语 4 种语言，并提供物理按钮和语音命令两种录音控制方式。处方最终由医护人员审核、修正并批准后生效。
开源项目 NVLearn 基于 Python Flask 构建，是一个帮助学生把笔记转化为主动学习材料的学习伴侣应用。它支持笔记增删改查、Tesseract OCR 文档导入、Draw.io 图表编辑、AI 生成 Mermaid 图表、flashcard 和 quiz 生成，并通过 ChromaDB 提供向量语义搜索。技术栈还包括 SQLAlchemy、SQLite、Google Gemini API 和 Cloudflare Workers AI。
DigiSavvy 在 GitHub 开源 oxen-ai，一个用于 Oxen AI 图像与视频生成的轻量 Web 工作室，支持 Text → Image、Image → Image、Text → Video、Image → Video、Video → Video 五种模式，任务经 Oxen 异步队列生成并保存结果。每位登录用户保存自己的 Oxen API key，由服务器加密存储，浏览器不再接触密钥。应用基于 Node 22+ 和 Cloudflare（D1、R2）构建，登录仅限 GitHub 账号，采用 MIT 许可证。
新开源项目 LégiRoute 基于 RAG 架构为法国《公路法规》提供自然语言问答，从 Légifrance 检索现行有效条款并生成带编号引用和官方链接的答案。系统采用 Gemini Flash 做意图分类、追问改写与生成，用 Pinecone 存储 3072 维嵌入，共索引 1163 篇现行条款，数据库每日通过 Légifrance PISTE API 自动更新。在 61 题、18 类别的评测中，由 LLM 评分的 Faithfulness 达 0.935、Context Precision 达 0.940。
GitHub 项目 nom（"the monk"）不使用 LLM、嵌入或摘要，仅调用 en.wikipedia.org 与 export.arxiv.org 两个 API，比较页面最后修订时间与最新 arXiv 论文发表时间，输出 NEW/OLD 引用并写入 append-only 的 ledger.jsonl。--audit 命令可对每行重新校验两主机访问、时间比较与 schema；GitHub 上 read.yml 每 6 小时读一篇文章并审计账本，仅在发现新引用时提交。
GitHub 上的 dibdin/maternal-llm 仓库提供了母婴对话相关大语言模型评测的代码与数据工具，涵盖数据集加载、推理（inference）、对话分类、主题分析、BERTScore 回填与图表生成等脚本。仓库还包含 lmic 子集创建与 LMIC 相关评测（helm）流程，用于多模型性能分析与数据集构成分析。
losseeer 在 GitHub 发布 codebase-teaching-agent，给定本地仓库路径后用静态分析生成符号级依赖图、逐文件摘要及控制流图、函数内数据流、类型关系、注册与配置索引四类产物，写入仓库的 .tutor/。问答、结构图与教学由同一 agent 通过检索完成，模块节点可溯源到文件或符号；支持 .tutorignore 排除无关文件、自定义 skill 与 MCP 服务，可本地运行，不配模型也能启动，月预算触顶即拦截请求，License 为 MIT。
GitHub 上的 video-llm-evaluation-harness 项目是一个视频大语言模型评测框架，涵盖数据集集成、评测指标与训练模块，为评估视频类 LLM 提供完整工具链。
GitHub 上的 MECH 是一个机制可解释性工作台，加载真实 GPT-2 small（124M）权重，运行激活修补、层消融、激活引导和 IOI 电路发现等因果干预，并以 logit 差值报告结果。每个数值都带 live、seeded、reference 或 unavailable 的来源标签，验证与发布被限定在 provenance 为 live 的结果上；README 同时列出尚未实现的部分，如 tuned lens 仍为实验性、非 GPT-2 模型路径未实测，并给出 IOI 头消融、logit lens 负结果和 5 种子下 circuit faithfulness 0.7513 等实测数据。项目地址 https://github.com/KUNDURUHIMANEESHREDDY/MECH。
kolezka 发布 Claude Code 插件 self-improvement-loop，会话 hooks 记录事件，后台 worker 对会话做反思，同一模式出现 3 次即触发 curriculum 在分支上起草技能、hooks、规则或 agent，经人工接受后注入后续会话并按使用评分。支持 Claude Code、Codex 和 OpenClaw 三种宿主，模型调用仅走本地配置的 OpenAI 兼容端点、claude CLI 或 system-one API，温度固定为 0，MIT 协议开源。
doctorspider42 在 GitHub 发布 retopo-director，可将 5 万三角面雕塑转为 1 千三角面、256² 调色板化、三角条带化的 PS2 资产，顶点、UV 和纹素全部由确定性 C++ 代码处理，语言模型只负责命名部件、分配预算和评审渲染结果。支持 claude CLI、codex CLI 或 OpenAI 兼容 API 作为 director 后端，区域切分可选几何算法或 SAM；基准测试显示多数资产轮廓偏移在 2 像素内，无 director 模式数秒完成，带 director 需数分钟。工具以 Apache-2.0 协议开源，提供 Windows 安装包和 headless 命令行模式。
推荐理由：原文给出各资产的轮廓偏移实测数据和确定性代码与 LLM 分工设计，读者可据此评估这套 PS2 资产重拓扑管线的实际精度。
GitHub 开源项目 Medfarl 发布 v0.2.0-alpha 预览版，是基于 Ollama 的终端本地诊断助手，默认模型为 tripolskypetr/qwen3.5-uncensored-aggressive:9b，所有分析在本机完成、无云端依赖。它支持硬件、进程、日志与服务的检查，维护操作需经确认；交互式 coder 模式可读写文件并运行测试，最多 20 步，写入需显示 diff 并确认。
开发者 Waleed Khokhar 在 GitHub 开源 python-ai-engineering-journey 仓库，记录其从 Python 基础到机器学习、深度学习、生成式 AI 与 AI 工程的学习过程，内容含学习笔记、代码与实战项目。仓库按 Python、数据科学、ML、DL、生成式 AI（LLMs、RAG、LangChain、AI Agents）分模块，已收录房价预测、乳腺癌分类、AI Doc Intelligence 等多个实战项目，目标是构建可上生产的 AI 系统。
LovableWind 在 GitHub 发布开源讲义伴读工具旁批（Text-Tutor），选中讲义文字后只基于已学进度讲解，超出进度的内容标⏭引申并注明讲次页码，讲义外内容标➕补充。支持 PDF 取词、截图识别残缺公式、整学期 PPTX/PPT/PDF 按讲次排序，习题可分层给提示而不直接给答案；Windows 10/11 解压即用，默认接 DeepSeek API，也可换智谱、硅基流动或本地 Ollama，仅后端用 Python 标准库实现，含 48 项端到端测试，MIT 协议。
推荐理由：这个讲义伴读工具的核心约束是只引用已学过的内容，越界引用会触发自动重写，适合关心 AI 讲解不剧透后续课程的人。
GitHub 开源项目 SR2 发布 2.0.0-alpha 版本，定位为介于 agent harness 与 LLM provider 之间的上下文运行时，管理上下文窗口的完整生命周期，包括分层组装、压缩、摘要、记忆、token 预算、KV-cache 对齐与优雅降级。SR2 通过注入 LiteLLMCallable 与 tool_executor 驱动多轮工具调用循环，支持嵌入式和 HTTP 网关（sr2-relay）两种交付模式，可对接 Claude Code、Cursor 等外部 harness。
TTDiang2 发布开源项目 TT_Sniffer，一个自托管情报台，监测中文市场传闻的公开二级传播层，让用户在分钟级而非数天内获知传闻。项目聚合财联社、新浪7x24、Bloomberg、WSJ RSS、股吧、韭研公社、Telegram 公共频道、Polymarket 等 20+ 来源，用规则引擎加可选 LLM 做分类、打分、SimHash 聚类与辟谣对撞，支持外语文自动翻译、自动锐评与当日情报 AI 问答。整个系统以 FastAPI + SQLite 单进程运行，内置 React 前端，推送企业微信/钉钉/飞书告警，通过 337 个测试，MIT 许可证，并明确不监控私聊、不绕过付费墙等合规边界。
FormalizedFormalLogic 组织的 AlphaCentauri 项目尝试让 AI 智能体自主形式化一阶算术的元数学，基于 Lean 4 数学逻辑库 Foundation 构建。人类通过 GitHub issue 决定形式化目标，素材取自 [HP98] 与 [Lin97]，AI 智能体负责编写、审查和维护 Lean 代码，并提供 just cache、just axiom-audit、算术理论 Zoo 图等工具。项目采用 Apache-2.0 许可证。
dogaozden/degree-diameter 项目用以 Claude Haiku 5.5 为变异算子的进化程序搜索，为二部 degree–diameter 问题刷新 8 项纪录（如 (7,4) 从 346 提升到 359，(11,4) 从 1734 到 1774），并提出覆盖三个纪录的 +2 定理。所有纪录图与定理均在 Lean 4 中通过内核校验，搜索最多同时运行 48 个云端 island（384 个 Haiku 智能体并发写作，共约 32500 个程序），纪录与证明代码在 GitHub 开放，尚未提交 Combinatorics Wiki 表格。
推荐理由：原文完整给出八项记录、定理内容、Lean 证明与可复现脚本，读者可以自行验证并用同样方法跑自己的搜索。
开发者 thossullivan 发布 model-eol，一个扫描代码中 AI 模型 ID、标记已退役或即将退役模型的工具，提供 CLI、GitHub Action 和自动开迁移 PR 的机器人三种形态。动机是 2026 年 7 月 23 日 OpenAI 关停一批模型快照导致其研究工作流报 model-not-found 错误，而退役日期此前只散落在供应商文档和邮件里。
推荐理由：作者从一次模型下线导致工作流中断的亲身经历出发，给出了模型退役日期的开源 feed 格式与 CLI、GitHub Action 和自动开迁移 PR 的机器人三件套。
该仓库发布了一个面向 RAG 等有据生成的句子级幻觉检测器，输入来源材料与答案，逐句评分来源是否支持。模型为微调 ModernBERT-base（150M 参数），在 RAGTruth 测试集（18,965 句）F1 0.652、AUROC 0.916，远超 zero-shot NLI 基线（F1 0.197）；域外 LLM-AggreFact 上 BAcc 66.1。经 Platt 校准后 ECE 从 0.043 降至 0.016，Docker API 在 CPU 上约 1.2 秒每句，摘要类任务是弱项（F1 0.446）。
GitHub 上的 DraftLoop 是一款 alpha 阶段的本地优先简历工具，将求职者自有素材转化为针对具体职位的 CV，主张独立 AI 评审加最终人工控制。其默认跨厂商组合以 Anthropic 为作者、OpenAI 为评审，v0.8 alpha 桌面包提供 Windows x64 等 ZIP 下载并附 SHA256SUMS 校验，尚未签名的 CLI 仅提供源码。项目还在同一仓库内开发托管版客户端-服务器架构（ADR 0011），并支持可选的本地嵌入模型（默认 311m 档约 313 MB）。
GitHub 上的 llm-training-toolkit 仓库，是用于理解和实验大语言模型训练与微调的学习项目，覆盖不同架构。仓库包含 .gitignore 与 README 等基础文件。
作者开源 AIIA（AI Information Architecture）v0.6.0，一个本地优先的双向记忆中间层，把你的决策、模式、故事和会话历史送进 Claude Code、Cursor 等工具的上下文，并通过 MCP 把工具的观察、决策和调试经验写回你的记录。底座包含 9 类带质量评分和衰减机制的类型化记忆、三级本地 LLM 栈（本地模型优先，Anthropic / Google 兜底）、后台任务、MCP server 和 aiia CLI，还有 Brain API（localhost:8100）与 Command Center（localhost:8200）两个界面及带人工审核的 Agent Studio。
推荐理由：开源的记忆中间层，双向同步你的决策与 AI 工具的观察，给出的架构细节可直接用于搭建本地持久记忆。
GitHub 新仓库 aegis-code 是一个用 Rust 编写的 Agentic 代码维护平台，AI Agent 可摄取 Jira/CI/SonarQube 问题、定位根因、生成补丁并通过 Docker 沙箱验证后提交 PR 供人工审核。系统按 Light→Core→Expert 分层调用 Haiku 5.5、Sonnet 5.5 和 Opus 5.5，采用 4 断点提示词缓存实现 ≥70% 缓存命中率，成本超 $4 或 20 次调用即触发熔断。平台坚持 Human-in-the-loop 原则，Agent 永不自主合并，目标验收率 ≥40%、零回归。
GitHub 上的 Role Model 是一个用 Go 和 Postgres 构建的职业知识库工具，由 Claude 推理，可将结构化的职业记录生成针对目标职位定制的简历。系统采用两阶段 LLM pipeline：Stage 1 从 JD 提取结构化信号，Stage 2 分两次调用生成简历，每条 bullet 都通过 contribution_ids 字段记录来源，中间还设有纯 Go 实现的确定性 fit gate 评分。该工具默认单用户、可自托管，只需 Docker 和 Anthropic API key 即可运行。
开源工具 Model Depot 0.6.6 发布，提供 Windows 安装包，采用 GNU GPL 3.0 协议，支持中英文界面。它扫描本机的 Checkpoints、扩散模型、LoRA、VAE 等文件，通过 SHA-256 指纹在 civitai 识别模型并下载更新，为每个模型保存推荐设置卡片，ComfyUI 等程序可通过本地 HTTP API（/api/v1/）读取模型列表。所有数据存储在本地，要求 Windows 10/11、NVIDIA RTX 20 系列及以上显卡，约 9 GB 空间。
gianlucamazza 发布 emotional-memory，一个给 LLM 智能体提供情感感知情景记忆的 Python 库，基于 5 层 Affective Field Theory（AFT），按语义加效价、唤醒、情绪动量与心境进行检索排序，而非仅用余弦相似度。
GitHub 上的开源仓库 planetabhi/riseofmachine，包含 ai-tool-radar 插件、.claude-plugin 配置、skills-lock.json 及基于 Astro 的 src 源码目录，附带 CONTRIBUTING.md 与 LICENSE.txt，采用 bun 管理依赖并以 vitest 做测试。仓库结构已公开，可按 LICENSE 条款使用与贡献。
JavisBot-Service 发布 javis-transparency 仓库，基于已发表研究持续审计 javis.bot 中转是否真的提供所宣传的 Claude / GPT 模型，防止量化、降级或掉包。审计代码在 GitHub 机器上运行，每 6 小时执行一次，结果由 github-actions[bot] 提交，页面由 GitHub Pages 生成；用户可用 temperature=0 的 curl 探针自行复现。该审计属概率性一致性检测，不能提供密码学级证明。
GitHub 上的 MCP-Universe-Research 仓库提供一个评测框架，用于评估 LLM 使用 MCP 这一新技术的表现。仓库目前处于早期阶段，尚无 star、fork 或 release。
Geidorf 开源了 TokenLedger，一款基于 Tauri 2 + React + Rust 的桌面应用，扫描 Claude、Codex、Grok CLI、Gemini CLI 等 20 余种本地 AI 工具的日志，将 Token 用量与预估费用汇总到本地 SQLite 看板。支持 Supabase 可选云同步与多设备聚合、Android 看板、缓存字段分列与自动价格发现，覆盖 macOS arm64、Windows x64 与 Android API 26+，以 MIT 许可证发布。
GitHub 开源项目 llm-structured-output（LLM Output Helper）发布，提供不依赖任何框架的 structured_output() 函数，用定位、修复、校验三层兜底清洗 LLM 输出的 JSON，处理全角标点、聊天前缀和截断等脏数据，支持 ensure_keys 校验、max_retries 重试。v0.2.0 增加可选 Pydantic v2 完整约束校验。定位与修复模块改编自 Agently，按 Apache-2.0 发布，其余代码为 MIT。
针对 Kallstenius 等人原研究的 Matters Arising 评论发现，三名临床心理学家盲评了 Kaggle 心理健康语料的 103 条帖子，GPT-4o-mini 与专家共识的一致率为 61%，与原始自述标签仅 42%；SVM 复现结果相反（46% 和 57%）。这说明原研究中 TF-IDF+SVM（95%）优于 LLM（65%）的结论可能受标签质量影响。
ojas1542 在 GitHub 开源 MyInferenceLayerFoundation，一套完全跑在单台 Mac 上的个人 AI 技术栈，用 llama.cpp 本地服务 Qwen3.5 9B（128K 上下文）和 Qwen3 Embedding 0.6B，前置一个 Go 推理层。
开发者 hjongc 发布开源工具 openrouter-endpoint-watch（命令 oewatch），每小时检查 OpenRouter 端点元数据，仅在量化翻转、提供方消失、参数被移除等变化发生时保存快照并逐项报告变化。工具按 profile 输出 ok、degraded 或 blocked 三种路由决策，blocked 时以退出码 7 在花费 token 前拦截运行；仅依赖 Python 3.11+ 标准库，无需 API key。作者因两次事故（2026-09-28 Reka 量化变 unknown、2026-10-08 Parasail 转 fp4 且 NextBit 消失）而开发此工具，仓库每小时自检 z-ai/glm-5.3-flash 并将变更记录到 HISTORY.md。
推荐理由：作者用两次真实的提供方变更事件说明工具价值，读者可以借此理解 OpenRouter 端点元数据波动对依赖固定量化配置的流水线有何影响。
开发者在 8GB VRAM GPU 上从零训练 mini-AGI（动态持续学习模型）一个月，并公布基准测试结果。测试对比了 frozen 与 best effort 两种模式，后者允许模型在评测数据集上随任务特化，展示了一般 LLM 不具备的持续学习能力。项目完整代码和权重已在 repo 公开。
GitHub 新仓库 jw-talk-coach 是一套基于 MkDocs Material 的公众演讲辅导系统，支持 5min/10min/30min 三类演讲及 field ministry 脚本，可让 Claude 根据大纲生成 summary.md 和带时序的完整脚本。项目通过 GitHub Actions 自动部署到 GitHub Pages，并提供 push-to-notion.py 将脚本推送到 Notion。