新闻、仓库与研究，按时间排列。
alivault 发布 Pico，一个托管 Pi 编码智能体会话的 Web 工作区，通过一个 Node 服务器运行智能体并提供 React 界面。会话存于单个 SQLite 数据库，崩溃或重启后运行可继续，副作用工具不会重复执行，终端由独立的 pico-pty-host 进程托管并可在重启后恢复；支持子会话工具配置限制、Web Push 通知，以及通过 SSH 汇聚多台机器的会话。安装方式为 npm install -g @alivault/pico，许可证为 AGPL-3.0-only，项目无登录机制，作者提醒不要暴露到公网。
推荐理由：README 交代了会话持久化、终端存活与子会话安全限制的具体机制，还给出远程访问的风险提示，适合想自托管编码智能体工作区的读者参考。
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。
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。
NERticleS 是为 BSG Institute「LLM 与 API 基础」课程 Project B 开发的新闻文章自动分析流水线，包含 7 个异步阶段，可执行实体抽取、SEO 摘要生成和情感分类。系统通过 FastAPI webhook（POST /api/v1/webhook/articles）接收至少 50 字的文章内容，返回 202 Accepted，结果写入数据库供查询。项目提供优化 Dockerfile，可部署到 Google Cloud Run，支持通过环境变量配置 GEMINI_MODEL（如 gemini-3.8-flash）和 OLLAMA_URL，生产环境建议用 Google Secret Manager 管理 GEMINI_API_KEY。
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。
开源项目 open-transcribe 提供本地视频和课程转写，基于 Whisper，支持 CUDA GPU、Metal 或 CPU 运行，实时显示转写结果，可选本地 LLM（Qwen2.5）按停顿和内容自动分段。应用可自动检测硬件、在界面内下载和删除模型，输出带 timecodes 的纯文本或 SRT 字幕，提供 Linux AppImage、Windows 和 macOS 安装包，代码采用 MIT 许可证。
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。
作者发布开源 Python 包 mlx-decision，可在 Mac 上用 MLX 本地运行 Clef、pplx-decider、d3、H2O-Lightning、LiquidAI d1 等开放决策模型。输入消息、文档或截图加带类型的问题，一次前向即返回各选项的概率与置信度；与原 PyTorch 代码逐 token 校验，同答案下在 MPS 上通常快 1.4–6 倍，M5 Pro 上 d1-3B 短请求 0.06 秒。附带本地 Web Studio 支持对比模型、跑数据集评测和微调，d1-3B 微调 4 分钟在 TREC 上从 86.6% 提到 96.4%；MIT 协议，需 macOS 14+ 和 Python 3.12+，仓库 https://github.com/armbues/mlx-decision。
推荐理由：作者给出了各模型在 Apple Silicon 上的实测延迟和微调前后准确率对比，本地部署决策模型时可参考这些数字选型。
网友在 RTX 5090、64GB DDR5 和 Lexar 4TB NVMe 的 Windows 10 机器上，用 Strata 以 8K 上下文跑通 DeepSeek V4.1 Flash，速度约 10 tok/s。作者称按此速度用 API 比付电费更划算，但仍对模型能在本地 PC 上运行感到兴奋。
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。
shamanic-technologies 在 GitHub 开源了 content-generation-service，一个使用 Claude Sonnet 4.6 生成个性化内容（邮件、日历事件等）的微服务。该服务支持 BYOK 方式使用 Anthropic API key，用 PostgreSQL 和 Drizzle ORM 存储生成结果，并集成 runs-service 的成本追踪与 Sentry 监控。技术栈为 Node.js 20+、TypeScript、Express.js，提供 /health、/generate、/generations/:runId 等 API 端点，支持 Docker 部署，采用 MIT 许可证。
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 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。
作者发布自研双卡推理引擎 capy-flash v0.7.4，面向两张 RTX 50 系显卡在 Linux 上做张量并行，支持 Qwen3.8-27B 和 Qwen3.8-Flash-Next。在 2× RTX 5070 Ti 上，Flash-Next NVFP4 解码 178 tok/s、64k prefill 4,828 tok/s，对比 Strata 0.1.45 双卡 NVFP4 短提示词约快 1.5 倍、平均约 1.76 倍；27B 双卡 NVFP4 DFlash2 验证解码 379 tok/s。
推荐理由：作者在同一台机器上给出与 Strata 的逐项对比数据，双卡 NVFP4 场景的提速幅度和适用边界都写得很具体。
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。
Chenry-123 开源了跑在本机的 LLM 网关 llm-token-gateway，夹在 Qoder、Claude Code 等客户端与模型厂商之间，提供缓存、模型路由、预算闸门与四段计费记账。实测 35 题×3 轮显示路由省 51.2%、路由加显式缓存省 55.0%，质量经 Wilcoxon 配对检验不显著；缓存仅对 qwen-flash 生效，qwen-plus-latest 不支持缓存。支持 anthropic→openai 协议转换、流式透传、MCP 查账工具与离线成本看板，仓库地址 https://github.com/Chenry-123/llm-token-gateway。
推荐理由：作者用日志实测了缓存、路由与预算闸门的省钱幅度，并附配对统计检验区分质量损失与噪声，方法可直接迁移。
GitHub 上的 wiki-mcp-api 是一个 MCP 服务器，通过 stdio（本地，可读写）或 HTTP（远程，只读）把 LLM Wiki 领域知识库提供给 Claude、OpenCode 等 AI 智能体。它提供 wikiSearch、wikiReadPage、wikiWritePage、wikiGraph、wikiStatus 等 11 个工具，HTTP 模式默认只挂载只读工具，需 MCP_HTTP_TOKEN Bearer 认证，默认端口 3000，采用 MIT 许可证。
m0NSYuke 在 GitHub 发布 PaperLab，一个本地优先的 AI 科研论文阅读工作台，左侧 PDF、右侧带页码和引句出处的中文讲解，报告由 Claude Code 的 /paper 或 Codex 的 $paper 生成并在发布前逐条校验引句。划词翻译完全离线，用 77 万词条 ECDICT 词典加 217 条 AI 术语库，整句翻译由腾讯 Hy-MT2 经 llama.cpp 在本机运行，RTX 4060 上首句约 5 秒、之后每句约 1–2 秒；Study 层提供三遍读法、自测题、新意度×有效性×问题大小的价值打分和想法本。
推荐理由：本地运行的论文阅读工作台，报告由 Claude Code 或 Codex 生成并逐条校验引句页码，理解层含自测题与价值打分。
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。
haze 1.6.0 让空闲流超时窗口按端点类型区分：托管端点保持 5 分钟，LM Studio、Ollama 等本地推理服务器延长至 30 分钟，避免健康模型被误判中止并浪费重试池，并新增 streamIdleTimeoutMs 设置（1s–24h）。1.5.x 还带来终端宽度变化时重放完整转录、Ink 8 格式化流式 Markdown、/reasoning 会话级推理控制与模型固定等改进。
OmniJev 在 PyPI 发布 Flide 0.1.0，一个面向决策模型的服务工具。请求携带状态（如 Agent 轨迹或文档）和带类型的问题，Flide 在一次前向内把状态分叉给所有问题，状态只读一次，每个问题得到与单独提问一致的答案，并以概率形式通过 /v1/systemone API 返回。
推荐理由：原文给出了安装、启动和请求示例，一次前向同时回答多个问题的做法对搭建 Agent 决策管线有直接参考价值。
该仓库是一个关于 LLM、生成式 AI 与机器学习的个人博客，基于 Hugo 和 Hextra 主题构建，支持 LaTeX、Mermaid 图表与语法高亮。草稿在独立分支管理，通过 just 定义任务，合并 PR 后由 GitHub Action 构建多架构容器镜像推送至 ghcr.io，部署在 k3s homelab 上，并集成 giscus 评论与 umami 统计。
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。
Blackfire-AI 在 GitHub 发布 brigada 1.0，一个本地优先的 Go 工具，把 Claude Code、Codex CLI、Kimi CLI、opencode 和 DeepSeek 的 dsh 等官方 CLI 当作 worker，由 foreman 将请求拆成带依赖的任务并分派给在你仓库上有最佳实测记录且仍有配额的 agent。每个任务跑自定义检查、由不同模型家族的 reviewer 只读交叉审查，结果本地记录并可用 brigada stats 查看各 agent 实际表现；批准的任务被 squash 到目标分支并按 push gate 推送。
推荐理由：原文详细说明了多 CLI 编码智能体的调度、交叉审查与本地权限隔离机制，读者可以据此评估是否适合接入自己的仓库。
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。
开发者 vanshulgoyal101 在 GitHub 发布 AdBrain，一个面向本地商家的营销工作区，支持保存 Brand Brain、审核 AI 生成的图文素材、准备 Meta 线索广告并跟踪咨询与效果。广告活动创建后默认处于暂停状态，激活需单独确认才会产生花费。技术栈采用 Next.js 16、React 19、Supabase 与 Meta Marketing API，当前 checkout 仅为测试模式。
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。
GitHub 仓库 DunchikVlad/zond 的 docs/ 目录规范，将文档作为开发管理工具：blueprint.md 为唯一事实来源，architecture.md 描述实现模型，冲突时以 blueprint.md 为准。docs/ 分为 progress、validation、decisions、security、runbooks 五类，要求文档与代码同步更新，并规定了 Coordinator、Implementation、Reviewer/QA 三类 agent 的文档职责及 kebab-case 加 YYYY-MM-DD 的命名规则。
getappz 发布 Rust 编写的 agentflare Beta 版，一个单二进制工具，用于降低 AI 编码 Agent 的 token 成本并协调多个 Agent，支持 Claude Code、Codex、Cursor、Windsurf、VS Code、Cline 和 Continue。优化层含 lean-ctx（会话内工具 I/O 压缩最高约 99%）、内置跨会话记忆（SQLite+FTS5）、输出压缩（已发表基准约 65%）与代码极简化（约 54% 更少代码、约 20% 更便宜）；协作层提供工作项认领、无人值守自主工作、带引用校验的 review、artifacts、handoff、daemon 与只读 dashboard 等 MCP 工具。
WhitesilkCola 发布 AstrBot 插件 astrbot_plugin_nai_draw，让 LLM 在聊天中自行判断何时出图并生成 prompt，经 NovelAI 格式中转站生成后直接发出，无需命令或关键词。插件不注入任何前缀，构图全由 prompt 决定，附 915 条配方库、16,007 条本地 tag 索引、多 key 轮换与 NSFW 开关，要求 AstrBot >= 4.26 且 < 5。
推荐理由：原文给出插件的功能清单、接口约定和踩坑写法，读者可以照着判断是否适配自己的 AstrBot 生图场景。
easylopster 是一个托管在 Telegram 的 AI 助手服务，仓库已在 GitHub 开源，beta 期免费、自带 LLM API key 即可使用。机器人在首次接触时访谈用户并自行生成 IDENTITY/SOUL/USER/MEMORY.md 人格与记忆文件，支持每日笔记、关键词加嵌入向量混合检索、夜间 dreaming 固化长期记忆，并可添加 MCP 服务器、定时自动化和把本地电脑作为节点接入，灵感来自 OpenClaw。
推荐理由：项目开源了 Telegram AI 助手的完整实现，首次接触时由机器人自己访谈用户并生成人格与记忆文件，做法可直接参考。
GitHub 开源项目 LLM Developer 发布 v1.0.0，可在本地 CPU 上训练、微调和测试小型 GPT 语言模型，无需 GPU，建议至少 4GB 内存。项目基于 NanoGPT 从零实现，使用 Streamlit 界面与 PyTorch，支持自定义字符级 tokenizer、实时 loss 图表、预置模型（Cedar、Talkative Dumbo）加载及 Hugging Face transformers 集成。
GitHub 上的 BeSmart-Social-AI-Automation 是一个全自主社交媒体 Agent，通过 GitHub Actions cron 每天按孟加拉国标准时间 07:00/12:00/16:00/20:00 四次向 Facebook Page 定时发布孟加拉语帖子，零服务器成本、全云端托管。它采用多级视觉引擎（NASA 4K、Wikipedia、Pollinations AI 等四级图片源），并借助 post_history.json 与 Jaccard 相似度过滤防止内容重复。项目使用 Gemini API、Facebook Page ID 和长期 Page Access Token，支持 GitHub Actions 网页一键手动发布及本地 CLI 的 --dry-run 预览。