新闻、仓库与研究，按时间排列。
elephant-memory 是 DeepSeek harness（dsh 0.2.x）的插件，实现 Victor Taelin 的 UniiChat 规格，把同文件夹内每段对话汇成一份持久记忆，每轮以固定大小摘要开头，agent 可用 zoom、recall_search 等工具逐层展开到原话。摘要由会话自身的模型在后台写入，要求上下文窗口至少 65,536 tokens。一次 201 轮实测（deepseek-flash 官方 API）显示每轮输入中位 98.4% 命中缓存，turn 等待中位 5.1 秒，总花费 $2.82，其中写摘要占 74%；7 个逐字回忆问题全部按原文答对。
推荐理由：README 给出了 201 轮实测的缓存命中率和写摘要成本数据，读者可以据此评估这套长记忆方案的真实开销。
Dxrk 是一个 AI 智能体生态配置与编排工具，用一条命令即可为 Claude Code、Cursor、Gemini CLI 等 14 个智能体安装配置持久记忆、技能、MCP 服务器和模型切换器，全程离线无需 API keys 和 Docker。其旗舰组件 DxrkMemory 2.0 仅用 Python 标准库实现（不用 chromadb 和 onnx），基于 sqlite3 FTS5 与 BM25 混合检索，含时序 Graph、Palace locks 和 600–900 token 的 AAAK 唤醒层，支持多租户与 RBAC，要求 Python 3.13+，MIT 许可，从 GitHub 直接安装。
coderback 团队在 Cambridge University x Arcade AI Hackathon 期间发布了开源 AI 工具包 Thespis，首个模块 Thespis Cast 让游戏 NPC 拥有可验证的信念与记忆。事件写入只增账本作为唯一真相，NPC 依据来源与置信度形成可错可撤回的信念，语言模型只负责措辞且每句台词必须引用账本与信念引用，由代码校验后才播报。实测数据显示 91 次模型回复中 0 次通过校验被拦截、10 条规则预测路线全部按预期结束、模型判定 50 条台词中 50 条在角色内，另附同核心的第二款游戏 The Manor Mystery 演示与在线试玩链接。
推荐理由：游戏拥有唯一真相账本，语言模型只能引用经过代码校验的账本事件说话，给可信 NPC 谎言提供一套可迁移的架构做法。
LightWhite520 在 GitHub 开源 OpenEden，一个基于 Kotlin/Ktor 的实验性运行时，在自回归大语言模型外层维护持久的 8 维 BioVector、内稳态原点、Omega 磨损、ShockState 和已历回合计数，使 AI 人格的状态可跨回合演化。模型每回合输出结构化 vector_delta，经确定性校验、边界约束后原子写入 SQLite；检索采用语义与情绪混合的三种模式，VQ-VAE codebook 将连续状态量化为可读定义注入提示词，本地模型缺失时可退化为启发式回退。后台 tick 与心跳调度扩展无用户输入时的状态演化，项目明确声明不主张意识或心理有效性，代码与模型工件采用 AGPL-3.0 许可。
推荐理由：原文完整拆解了用持久状态机、VQ-VAE 语义量化和情绪检索构造行为连续性的可迁移方法。
iamvenuti 在 GitHub 发布 Garrick，一个运行在 Claude Code 或 Codex 之上的 macOS 知识工作 AI 幕僚长，所有记录以纯文件保存在用户自己的 Mac 文件夹中，跨会话可恢复，MIT 许可。它支持两类记忆、按 zone/project/thread 组织工作区，并可声明信息边界，在提交前对支持的文本文件检查是否跨墙泄露特定方信息；作者同时说明该检查有限制，改写后的内容、生成的 Word/PDF 等不在扫描范围内。
推荐理由：这个跑在 Claude Code 或 Codex 上的知识工作管家把信息隔离墙写成规则加提交前检查，原文也坦白说明了检查的局限。
Epicode 是一个面向 AI Agent 的开源记忆服务，检索采用 BM25 + HNSW 混合方式，并提供四面体空间放置、知识图谱、有效期窗口和 MCP 端点用于跨会话召回。项目用 Rust 后端与 SQLite、ONNX Runtime 实现，提供 Docker Compose 本地部署、Python 和 TypeScript SDK、多租户云模式、自托管防御组件 epicode-guard 及 BENCHMARK.md 性能数据，采用 MIT 许可证，需要配置 DEEPSEEK_API_KEY 等环境变量。
推荐理由：README 给出检索、知识图谱、有效期等完整设计与部署方式，读者可以据此评估这套 Agent 记忆服务是否可用。
Osaurus 发布了纯 Swift 编写的 macOS 开源 AI harness，将智能体、记忆、工具和加密身份完全保留在本机，支持完全离线运行，MIT 许可。标准版安装包约 70 MB，另提供捆绑 Raptor 0.6 模型的完整版（约 4 GB），要求 macOS 15.5+ 与 Apple Silicon。
GitHub 上的 ORCA 是一个处于 Beta 阶段的个人认知操作系统（Personal Cognitive Operating System），用于跨上下文、信息和决策进行结构化推理，而非将每次交互视为孤立提示词。系统按"感知→上下文组装→外部证据→推理→合成"流水线运行，具备持久上下文、多轮推理、外部证据整合与决策支持能力。后端采用 Python、FastAPI、PostgreSQL、Redis 和 Docker，实现仓库保持私有，公开仓库仅文档化架构与设计。
chewygumxx 在 GitHub 开源了 dorothy，一个基于 Claude Agent SDK 与自定义 system prompt 的终端对话助手，支持 Anthropic API key 或 Claude Pro/Max 订阅 token，运行需 Bun >=1.4。助手自动为每个会话写笔记和最多五个标签，空闲一分钟即后台复习，可按预算召回旧会话，超过 64000 token 触发闲时上下文压缩并逐簇摘要；数据目录为 git 仓库，每轮对话都是一次 commit，可 --history、--restore、--rollback，并支持加密推送到远端镜像，搜索索引也可作为 MCP 服务器供其他客户端使用。
推荐理由：作者详细给出了聊天记忆、标签、上下文压缩和git化历史的具体实现与配置，做法可迁移到其他本地助手项目。
sleepunit-agents 在 GitHub 发布 loom，一个以 MCP 服务器形式为 Claude Code、Cursor、Codex、Gemini CLI 等 harness 中的智能体提供持久身份与记忆的开源工具。它暴露 31 个 MCP 工具，覆盖身份加载、带语义向量召回的情景记忆、知识库管理、提案审核队列和 boot digest（按显著度分层的会话启动摘要），数据以 markdown 加单个 SQLite 文件存于本地，嵌入用 BGE-small-en-v1.5，仅本地运行。
推荐理由：原文完整给出一个跨 harness 的智能体身份与记忆系统的工具链设计，包括持久身份、语义记忆和部署细节，方法可参考。
Graph-MIND v0.1（Alpha）发布，这是一个本地优先的 AI 编程助手记忆工具，逐字记录与 Claude Code、Codex 和 Claude Desktop 的对话，写入时零模型调用，LongMemEval_S 500 题准确率 88.8%，每题读取 3.4k tokens。同一 40 题对比中，Graph-MIND 85.0%，MemPalace 3.10.0 为 57.5%，开源版 Mem0 2.2.1 为 52.5%（McNemar p=0.002 和 0.003）。搜索在本机用 multilingual MiniLM 嵌入并融合关键词，支持多 PC 共享，无云端无遥测，存储前屏蔽 API 密钥等机密。
推荐理由：作者给出预注册的 LongMemEval 对比数据和写入时零模型调用的做法，读者可以据此判断这个本地记忆方案的成色。
tomcounsell 在 GitHub 开源 Popoto，一套以原语形式编程的 LLM Agent 记忆库，记录随时间衰减、置信度随证据变化、支持关联和按 token 预算的上下文组装，pip install popoto 即装，运行在用户自己的 Redis 或 Valkey 上，共 3 个包约 9.0 MB，无需 API key。在 LongMemEval-S 全部 500 题上 Recall@1 0.892、MRR 0.931，检索 p50 3.0 ms（1,000 记录）；实测显示原始轮次注入的 judged 准确率 0.3636 高于 Claude 系抽取臂（Sonnet 0.1948 等），故 LLM 抽取默认关闭。底层是类 Django 语法的 Redis/Valkey ORM，MIT 协议。
推荐理由：这个开源库把 Agent 记忆做成可编程原语并附带基准数据，还实测了 LLM 抽取反而不如原始轮次注入，方法细节可迁移。
作者开源了参考项目 Hans，一个运行在 Raspberry Pi 5 + Hailo-8L 上的持久化角色系统，能感知环境、记忆经历、形成观点并随时间发展身份，基于 OODA 循环和 Tulving 三类记忆模型构建。项目依赖特定硬件与外部服务（Ollama/OpenWebUI、ComfyUI、Kodi），不可直接克隆即用，定位为架构示范；采用 PolyForm Noncommercial License 1.0.0，旧版本仍按 GPL-3.0 提供。
推荐理由：原文完整拆解了角色系统的认知架构、双注册防幻觉机制和记忆分层设计，读者可以借此了解人格系统如何做到时间连续性。
CodeCora 团队在 GitHub 发布 Rust 单二进制本地记忆工具 Uteke v0.20.0，为 AI 智能体提供完全离线的持久记忆，数据不出本机。在 LongMemEval-S 基准上 recall_any@5 达 98.2%，warm 查询约 45ms，每次查询消耗 0 个 LLM token；通过 MCP server 接入 Claude Code、Cursor、Hermes，支持多智能体共享 Rooms、时间回溯和混合检索（HNSW + FTS5 + RRF），Apache 2.0 开源。
推荐理由：仓库自带完整基准数据和可复现脚本，读者可以据此核对这款本地记忆工具的检索质量与离线性是否属实。
作者发布 AstrBot 插件 astrbot_plugin_kb_manager 0.2.0，让模型在每次正常 LLM 请求中依据注入的 SYSTEM 规则自主判断并维护 AstrBot 原生知识库，无需用户发起维护指令或确认。插件提供 17 个工具用于检索去重、写入、纠错和新建知识库，写操作经后台任务执行并用 request_id 保证幂等；维护规则可经 autonomy_system_prompt 调整，要求 AstrBot 4.28.2 以上、Python 3.12+ 和支持工具调用的聊天模型与嵌入模型，采用 AGPL-3.0-or-later 许可。
推荐理由：原文讲清了插件让模型在正常对话中自主维护知识库的注入机制、工具列表与边界条件，方法可直接复用。
开发者 kolinabir 开源了 recalfy，一个住在 Telegram 里的个人 AI 记忆助手，可托管在 recalfy.com 或用 npx recalfy 自建。项目用 NestJS 加 MongoDB，无 embeddings 和向量索引，而是把全部记忆渲染成 markdown 放入 system prompt；支持事实更新与覆盖、定时提醒、数据备份与导出，默认模型为 glm-4.7，以 AGPL-3.0 许可发布。
推荐理由：README 详述了无向量检索的 Markdown 记忆方案与提示词布局实测调优过程，自建个人记忆助手时可借鉴这些取舍。
开发者 michael2221807 发布开源 AI 叙事引擎 Sonder（原 AutoGameAgent，2026-08 更名），完全在浏览器运行，用户自带 API key，数据不发送到其服务器。引擎采用 4 层渐进记忆加 Engram 知识图谱（cosine + BM25 + RRF + BFS 混合检索）、8 阶段回合流水线、六维人格 NPC 与剧情方向系统，支持多后端图像生成、本地 CosyVoice 语音、SHA-256 校验备份与 GitHub 云同步；捆绑的天命包含 4+4 世界、56 origins、48 traits、77 talents，代码以 AGPL-3.0 许可开源。
推荐理由：原文给出了四层记忆加知识图谱和回合流水线的具体架构，读者可了解一个持久化 AI 叙事引擎的工程做法。
autumn-foundation 发布 autumn-plugin-agent，一个 Provider 无关的 LLM agent harness，通过一个 trait 直接以 HTTP 调用 OpenAI 兼容 chat-completions 接口（兼容 OpenAI、Ollama、vLLM、LM Studio 等）和 Anthropic Messages API 两种 Provider，无需重型 LLM SDK，依赖 autumn-web 0.8。
LonSha 发布了 SillyTavern 第三方扩展 lonsha-memory-plugin v3.296.0，主打可追溯的记忆与账本引擎，写入、回读、判据三层可对账。当前快照为 277 个测试文件、2986 断言、0 失败、审计 59/59；插件按 manifest. 装载，无构建步骤、无外部数据库依赖，采用 MIT 许可证。
推荐理由：原文展示了用审计脚本对账文档读数的工程做法，测试与版本数字均可回源到磁盘，可作记忆插件工程的参考。
GitHub 仓库 birkin-mnemosyne 发布，为个人 Agent 提供本地 Markdown 记忆：核心零运行时依赖、无需模型或 API key，支持多语言 BM25 检索、使用衰减、分区优先级和由确定性执行器约束的整理操作，可选 MCP 服务器接入 Claude Code、Claude Desktop、Codex CLI、Cursor 等客户端。在 160/1000/10000 笔记的六语言合成基准上，可选语义模式多数切片优于词法核心，但在个别中文、西语切片和 code-switched 查询上有回退；韩语在默认核心中未改善。
mausa-ai 在 GitHub 发布 neosian 1.6.0，一个面向 LLM Agent 的状态层，提供持久会话、Agent 自管记忆、技能、共享台账，存储可落在本地目录、Postgres 或自托管状态进程。通过 MCP 和 hooks 可接入 Claude Code、Codex、OpenCode、Cursor 等客户端，一次 setup 后各客户端共享同一存储并互相接续会话；记忆为带版本行的 markdown 文档，支持 revert_memory 回退，Python >= 3.12，Apache-2.0 许可，无账号即可用 Model.FAKE 验证安装。
推荐理由：原文详细说明了给已有 Agent 加持久记忆和技能的存储层设计，包括会话台账、记忆版本回退和多客户端衔接机制。
WeatherCore 在 GitHub 发布 mini OpenClaw，复刻并优化 OpenClaw 核心体验，以本地文件系统为唯一数据源，记忆存于 memory/MEMORY.md、会话存于 sessions/*.，摒弃数据库黑盒。技术栈为 FastAPI + LangChain 1.x create_agent + Next.js 14，技能遵循 Anthropic Agent Skills 范式，Agent 通过 read_file 读 SKILL.md 自学能力；System Prompt 由六文件动态拼接，支持 Monaco 在线编辑即时生效、对话压缩归档、tiktoken Token 统计，最低配置只需一个 DEEPSEEK_API_KEY。
推荐理由：原文完整给出了文件式记忆、技能即插件和六文件 System Prompt 的实现方式，读者可以直接复用这套透明 Agent 架构。
Quo 开源的 CLI 工具 Throughline 按内容类型而非时间拆分会话，把 Claude Code、Codex、Grok、Cursor 会话中的机器生成工具输出退到 SQLite，只保留人类可读文本在上下文中，称可削减约 90% 的上下文占用。工具采用 L1 摘要、L2 逐字正文、L3 工具输入输出三层记忆模型，新会话注入上限约 9,500 字符的近期 L2 内容，旧记忆可通过 recall 与 detail 命令按需取回，并提供自动续接（auto-handoff）与多会话 token 监控功能，项目地址 https://github.com/kitepon/Throughline。
一篇 arXiv 论文以 Personal Fact Memory（PFM）为参考层，直接测量语言智能体记忆在生成前的失效：在受控修订基准上，只服务正确键控槽位的活跃值可消除陈旧暴露，而不做更新解析时 70.3% 的提示词暴露被取代值；参与者感知的 BM25 与参考排序器差距在 0.02 边际内等价。研究还发现四个 LLM 键分配器虽召回率高于规则抽取器却产生更低干净检索率，LongMemEval 上开放域合并召回率不超过 0.062，实体后验无法区分 LoCoMo 中同名发言者；作者主张应在生成前评估智能体记忆。
研究者提出 Ledger，一种基于第一视角视频的持久化 3D 物体记忆，结合物体位置、历史与上下文描述，可在物体离开视野后保留记录并支持空间问答，无需访问原始视频。该方法将 HD-EPIC 准确率从 29.7% 提升至 42.6%，UCS-Bench 从 33.8% 提升至 38.5%，并在 Ego4D 上实现 0.99 m 中位定位误差。
Peter Baile Chen 等在 arXiv 发布 ExperienceIndex，为 AI 智能体引入基于语料（artifact）的经验记忆层，存储单个语料经验与语料对关系两类信息，以轻量中间件形式帮助智能体定位新任务的全部相关语料。在多种语料和搜索框架下，答案质量最多提升 11.0 分、在线成本最多降低 50.5%；并展示了 text-to-SQL 经验向事实问答的跨任务迁移，以及强模型经验帮助弱模型达到相近表现。论文链接 https://arxiv.org/abs/2610.10091v1
Hongru Cai 等人提出 EngramEdit，通过条件记忆架构（如 DeepSeek Engram）实现解耦的 LLM 事实知识更新，保持 Transformer 主干固定。方法先计算使模型在多种表达下都能预测更新事实的目标记忆表示，再联合更新共享 n-gram 嵌入，并对频繁复用的嵌入施加更强惩罚以保护无关知识。实验显示编辑成功率接近完美，更新后的知识可用于未见表达和多跳推理，CoT 提示下准确率接近最强基线的三倍，且无关知识与通用能力在事实更新累积时基本保持不变。论文地址 https://arxiv.org/abs/2610.10533v1
推荐理由：论文给出了一种在固定 Transformer 主干上编辑条件记忆事实知识的方法，CoT 场景准确率约为最强基线的三倍。
作者发布了 mini-nanobot，一个从零复刻 nanobot 的极简 Agent 框架，不依赖 LangChain / LlamaIndex，核心循环、工具系统、会话持久化全部手写。框架支持多轮工具调用、工作区边界检查、插件式工具自动发现、多会话持久化，以及带 /correct 纠正和 /memory-undo 回滚的跨会话长期记忆；README 还详细记录了存档存全文、整轮写盘等设计决策，并在文档中逐条对比了与 nanobot 的差异。
推荐理由：作者手写极简 Agent 核心循环并逐条记录设计取舍理由，读者可以借此理解上下文压缩、会话持久化和记忆系统的实现细节。
factagora 在 GitHub 开源了 FactBlock（factblock），一个时序因果知识图谱工具，把事实、观点、预测等主张连同说出时间、学习时间和因果关系存为带 SUPERSEDES 链接的带日期块，读取时通过 as_of 时刻还原当时可知的信息。每条边带 CAUSES、SUPPORTS 等类型和说话者置信度，被更正的主张不覆盖而是保留区间和判定结果；leak 命令可在 CI 中检测评测泄漏，作者称在 StreamingQA 的 36,378 个带日期问题上，忽略时间的召回有 80% 依赖问题日期之后才学到的块。
推荐理由：工具用 as_of 读取和双时钟设计避免记忆把未来信息泄漏进评测，还给出 StreamingQA 上 80% 问题的泄漏对照数据。
Masaaki Nakatsu 在 arXiv:2610.09772 提出 Decoupling Architecture（AO-DA），在单个 INT4 基座模型上用热插拔 LoRA 将逻辑推理（What）与人设表达（How）分成两条推理路径，逻辑路径只接收核心回合并输出可验证的 Micro-State。
推荐理由：论文用 480 次同模型消融给出分离架构抗上下文污染的量化证据，并诚实地指出 4B 模型上分离同样失效。
MIRROR 是一个自蒸馏框架，通过 reference-revealed on-policy self-distillation 将 LLM 个性化从模仿参考文本转向内化用户偏好，并配套 MIRROR-F 插件对信息量高的 reference token 做选择性监督。在三个个性化生成基准、两种模型规模及基于参考和 LLM 的评测中，MIRROR 与 MIRROR-F 取得领先的个性化表现与文本质量，且在三个未见任务上的灾难性遗忘少于 SFT 基线。
作者开源了 Hestia，一个本地优先的家庭自托管助手，用自有硬件上的 Ollama 跑 qwen3:14b，通过 OpenAI 兼容端点统一手机、终端、厨房麦克风和 Home Assistant 等入口。设计原则是确定性任务交给定时器和数据库记录，大模型只负责对话与判断；brain 提供 11 个工具且刻意不带 shell 工具，记忆由 markdown 软事实加 SQLite 实体事件记录组成，后台记事器提出待审事实而非静默写入。语音链路为 Whisper STT 加 Chatterbox-Turbo TTS，无云服务、无遥测，brain 无内置认证，须保持在 Tailscale 或局域网内，项目采用 AGPL v3 许可。
GitHub 项目 qq-agent-plus 提供面向 Linux 服务器的 QQ 群聊 Agent，通过 OneBot v11 协议端接入，支持分条发言、表情包收发、长期记忆、语音转写与合成、图片生成及内置运维命令。部署提供 deploy-all.sh 全栈安装器与 deploy.sh 单 Agent 两种方式，默认非 root 运行，控制台默认端口 3210；文档还给出按 Asia/Shanghai 计价的用量统计与三档省 Token 设置，称 7 天实测 867 次调用共 1836 万 token，输入占 98.8%。
推荐理由：项目文档详细记录了群聊 Agent 的发送链路、省 Token 实测口径和部署安全边界，适合想自建群聊陪伴 Agent 的人参考具体工程做法。
G-Mini-Agent 是一个开源的 Windows 桌面 AI 智能体，可查看屏幕、控制鼠标键盘和浏览器，具备长期记忆、语音对话和 24/7 后台任务能力。它通过统一路由支持 OpenAI、Anthropic、Gemini、Claude/ChatGPT 订阅及 Ollama 等本地模型共 30 家提供商，技术栈为 Electron 加 Python（FastAPI 和 Socket.IO），并提供 Linux AppImage、无头服务器模式与 MIT 许可。安全方面包含权限分级、代码沙箱和凭据系统存储。
推荐理由：仓库文档完整覆盖视觉操控、记忆、语音与权限沙箱等实现细节，想自建桌面智能体的读者可以直接参考其架构与部署方式。
作者在 GitHub 开源了面向 LLM Agent 的长期记忆系统 llm-long-term-memory，通过两阶段事实抽取、时间状态管理和混合检索实现跨会话记忆，提供 REST API 和 MCP 接口。在 LongMemEval-S 100 道冻结终测题上，LLTM v2 正确率 72%，比 naive RAG 高 7 个百分点（p=0.3368，未达统计显著），比 Full Context 低 14 个百分点；回答加评分 token 用量比 naive RAG 少约 88%，比 Full Context 少约 98.5%。
推荐理由：开源的 Agent 长期记忆系统，附带 LongMemEval-S 上与 naive RAG 和 Full Context 的正确率与 token 用量对比，方法可复用。
cubicecho 在 GitHub 发布 mcp-zeromem，一套基于 MCP 的 Agent 会话记忆方案，按 Zero-Mem 论文（arXiv:2607.29377）以 Rust 干净室重写，写入与召回不经过 LLM，维护记忆零 token 开销，检索只花模型读取返回内容的 token。所有轮次存入单一 SQLite 库，召回融合 lexical、entity、dense、recent 四路视图，Node MCP 服务器暴露六个 MCP 工具加 REST API。项目给出性能与评测数据：50k 轮次冷启动打开 281 ms，recall p50 83 ms；bge-small-en-v1.5 在 large 语料 recall@5 0.98、MRR 1.00。
推荐理由：作者本人实现并给出基准数字与召回评测结果，读者可以据此评估这套零 token 记忆方案的实际开销与检索质量。
NusaByte 在 GitHub 发布 JEBAT v8.3.0，一个可完全离线自托管的企业级 AI 平台与 Agent 工作站，提供本地 LLM 推理、多 Agent 编排、持久记忆、MCP 服务器和 WebUI。支持通过 npx 零安装启动，可路由 17 家 provider，包括 OpenAI、Anthropic、Gemini、本地 Ollama 等；默认推理端点为 https://jebat.online/v1，远程 Ollama 提供 qwen2.5-coder:7b 和 qwen2.5:14b 模型。
Synapse 是一个自托管的 AI 编码智能体长期记忆系统，通过 Stop hook 抓取 Claude Code 和 Cursor 的会话记录，结构化为 episode 加知识图谱，经 MCP 返回排序后的召回结果，解决会话重启后无记忆的问题。在 LongMemEval-S 上用官方 gpt-4o 读取与评分端到端拿到 84.8%（时间推理 82.7%、知识更新 84.6%、单会话召回 95–97%），对照同口径 Zep/Graphiti 71.2%、Mastra 84.2%。默认管线调用 Voyage 和 Anthropic 付费 API，也提供本地推理配置，但检索质量按 Voyage 栈调优，本地会有下降；目前为单用户自托管状态，尚未打包成开箱即用产品。
推荐理由：自托管的编码智能体长期记忆工具，作者给出 LongMemEval-S 84.8% 的实测分数和与 Zep、Mastra 的同口径对照。
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。
chunxiaoxx 开源了 nautilus-compass 3.3.0，一个面向 AI Agent 的全本地记忆与可靠性层，作为插件支持 Claude Code / Desktop、Cursor、Cline、Continue.dev、Zed 及任意 MCP 客户端。在 LongMemEval-S 全量 500 题检索上（自方复现，bge-m3 对 mem0 2.0.19 默认 embedder）取得 P@1 0.890 / P@5 0.978 / MRR 0.929，超过 mem0 的 0.774 / 0.916 / 0.834，复现成本约 $3.50/500 题；LOCOMO-10（n=1986）为 0.644 / 0.890 / 0.740 也超过 mem0。