新闻、仓库与研究，按时间排列。
作者发布 AstrBot 插件 astrbot_plugin_reply_visible v0.1.0，捕获群聊插件指令回复并在下一轮 AI 回复时临时注入，解决 AI 看不到 /签到、/购买 等插件回复的问题。已实现文本与图片卡片捕获、OCR 或视觉模型描述、按群隔离、去重、防提示词注入包装和 no_learn 防学习标注，兼容 AstrBot 4.29.x，采用 MIT 协议开源。
推荐理由：作者讲清了插件捕获和注入上下文的具体机制，还给出防学习标注与内存队列等限制，方法可迁移到类似群聊 Agent 项目。
GitHub 开源项目 cinemind 是一个越南语电影/剧集推荐助手，可识别 31,710 部影视名称、提供 11,025 条推荐，支持模糊口语、无音标拼写错误和“Hố đen tử thần→Interstellar”式的译名匹配。系统用 gemini-embedding-001（3072 维）+ PostgreSQL/pgvector 检索，经 SQL 硬过滤和 Jev 复评防止 LLM 编造影片。在 100 个真实风格问题上，95% 推荐被评为“合适”，中位响应 10.7 秒，成本约 2 美分/次提问。
issac-new 在 GitHub 开源 AIStudio 单一完整仓（Apache 2.0），作者称全部代码由 AI 100% 完成，整合产品应用、通信基座 Matrix、运行面 hermes agent、编码引擎 Ycode 和技能层 swarm-yuan 五件套，支持 42 个智能体协同交付软件。仓库采用 vendor 钉版基线加构建期注入的二次开发方案（studio 补丁 401 个），并给出验证数字：全流程推演 22 轮，run22 用时 19.6 小时通过六道质量门；6,346 个测试用例中 6,277 通过。
lingcoder在GitHub发布Crab Code，一个用Rust从零构建的开源Agent式编码CLI，对齐Claude Code的工具集、权限模型和交互模式，支持Anthropic、OpenAI、DeepSeek、Bedrock、Vertex等任意LLM提供商。项目采用MIT协议，含4940个测试、25个crate、约161k行代码，支持分层TOML配置和环境变量覆盖，并与Claude Code、OpenCode、Codex CLI在开源协议、语言、模型支持和MCP/LSP传输等维度做了对比。仓库地址：https://github.com/lingcoder/crab-code
推荐理由：README给出了与Claude Code、OpenCode、Codex CLI的开源协议、语言、模型支持等逐项对比，读者可以快速判断这款Rust编码CLI是否值得试用。
YakshBH 在 GitHub 发布教育性 RAG 问答应用 Rag-docs-assistant，用于对少量公开 PDF 文档提问。该项目用 PyMuPDF 提取文本，配合 sentence-transformers/all-MiniLM-L6-v2 嵌入与 ChromaDB 持久化存储，结合 BM25 式检索与 RRF 融合，默认通过 Ollama（llama3.2:3b）生成带 [文件名, 页码] 引用的答案，也支持 OpenAI 兼容 API 和 Gemini。它提供 Streamlit UI、CLI 和 FastAPI 接口，含 40 条评测用例与 pytest 覆盖，不支持扫描版 PDF。
BlockRunAI 发布 blockrun-llm，一个 Python SDK，可按请求付费访问 90 个大模型（GPT-6、Claude 5.x、Gemini 3.x、DeepSeek、Grok 4.x 等）及图像、视频、音乐生成与搜索服务，无订阅、无最低消费。支持 API key 预充值和 x402 链上 USDC 结算两种支付方式，覆盖 Solana、Base 等链，Solana 由 facilitator 代付 gas。SDK 内含 7 个免费模型（如 1M 上下文的 Nemotron 3.5 Lightning、550B MoE 的 Nemotron 3 Ultra），可用 routing_profile="free" 调用，面向自主运行的 AI Agent 设计。
INVAR-Agri 概念验证比较了 EuroLLM-1.7B-Instruct 在农机操作手册差异检测上的两种训练方案：回译对比与直接对照检查。在 24 种语言、植入数字/单位/否定等错误的测试中，回译方案隐瞒了大量植入错误，而单独训练的 checker 检出大多数错误，但对单位和训练外数字变化较弱；真实芬兰语文本上误报率高，故只能辅助而非替代人工审核。
研究者提出多奖励策略优化方法 GPDPO，从冲突过滤后的 rollout 中恢复成对监督信号，将样本响应间的 Pareto 支配关系转化为辅助偏好信号，与原策略目标联合优化，无需额外采样或奖励评估即可更有效复用 rollout。在 API-Bank 上跨多模型规模与奖励配置的实验显示，GPDPO 持续优于竞争性多奖励优化基线，并降低组相对与成对奖励冲突。代码将开源发布。
研究者推出开源工具 KAPPA，由 Claude Code 驱动的语言模型智能体将 LaTeX 统计学论文中的证明逐条翻译为 Lean 4（配合 Mathlib 库）并逐一核查，给出四种判定结论。对三篇已发表的统计论文进行盲测，该工具均在勘误所指步骤找出了已发表的错误，并发现了经人工确认的其他问题。作为对照，同一模型直接面对论文时在最长一篇上分类正确率更低，而 KAPPA 的所有判定均未超出其 Lean 证据范围。
论文提出 window likelihood（WL）方法，改进全双工语音对话模型在用户打断与附和时的表现。作者发现时序奖励的 GRPO 整段 rollout 存在零梯度陷阱和 credit leakage 两类失败，WL 则在每个窗口闭式积分 stop 决策并最大化正确行为的对数概率。在 HumDial-FDBench 上，WL 在六个开源模型上取得最优 yield/hold F1，超过 Kyutai 发布的 GRPO checkpoint，且不重新打开话轮。
论文提出 EvoRouter，一个通过洞察引导在线蒸馏自我演进的多智能体路由框架，由专家从配置轨迹中提炼可复用路由洞察，特权教师结合执行反馈为路由器的规划轨迹提供密集 token 级监督，并用成本感知强化学习联合优化性能与开销。在 19 个域内数据集和 2 个域外基准上，EvoRouter 平均域内精度 68.69%，超过最强路由基线 7.23 个百分点，推理计算成本降低 50.95%，代码已开源。
研究者提出 MATE（Mission Assistant for Training and Evaluation），一个基于 RAG 的完全离线语言辅助系统，利用条令和战术手册内容回答自然语言问题，辅助空战飞行员训练与战术决策。系统全部由开源组件构建，本地完成文本预处理、嵌入生成、语义搜索与语言生成。三名巴西空军战斗机飞行员用 Llama 3.1 8B、Qwen 2.5 14B 和 Mistral NeMo 12B 评估了 5 个战术问题的回答，平均评分在 4.00 到 4.40 分（满分 5 分）之间，Mistral NeMo 12B 得分最高。
论文提出 Misbehavior-driven RL（MiRL），针对终端智能体在长程任务中反复出现的错误行为做定向强化学习训练，从错误发生处启动 rollout，仅在通过测试且避免错误行为时给奖励。在 Qwen3.5-4B 上，八类错误行为占错误步骤的 52.1%；训练后在未见前缀上错误重复率平均降低 43% 到 57%，Terminal-Bench Lite 得分 51.8% 超过 TMax-4B 的 47.4%，Terminal-Bench 2.1 上 21.3% 对 20.6% 持平，rollout 用量仅为其 35%。
推荐理由：论文给出面向终端智能体的错误定向 RL 方法，附错误占比与基准对比数据，方法思路可迁移到其他长程任务训练。
一项 arXiv 研究比较了三种不预设模型调用方式的简单 LLM 框架（单次调用、SQL agent 和 Codex coding agent）与五个已发表的 RCA agent 及非 LLM 方法，在 RCAtlas 的 90 个验证案例上测试。简单框架最准确，三个中端模型上 PR@1 达 65-77%，超过已发表 agent（16-53%）和非 LLM 方法（6-39%）。更强的模型主要提升可靠性，更高推理 effort 最多改变几个百分点准确率却使耗时最多增至 7 倍。
研究者推出 DECE（Diverse Eurogame Competitive Environments），一个涵盖十款 Eurogame 的 LLM 智能体统一评测竞技场，共享接口与评测协议。主要研究评测了 12 种 model-harness 配置（9 个模型、4 种执行 harness），共进行 480 场三人对局，主研究与补充研究合计 1,032 场对局。结果显示跨游戏排名大体一致但也存在游戏特定优势，同一模型在不同 harness 下表现不同，且性能优势并不总伴随更好的 token 与成本效率。
REVA（REal-time Vulnerability Analysis）将智能体式漏洞检测所需的安全上下文与代码理解压缩为 LLM 的一次前向传播，对每个新函数提供预计算的威胁模型、静态分析结果和调用图信息，并用探针读取 LLM 内部表示。在 PrimeVul 测试集上，REVA 基于 GLM-5.3-Flash 达到 60.0% 准确率，每函数约 1 秒，与 SOTA 智能体检测器 VulTriage（59.2%）持平，速度快 250 多倍、成本不到其十分之一；同一提示下探针比 LLM 直接判断准确率高 14% 至 17%。
Zest 是一款面向本地大模型新手的开源工具，打包 Lemonade server（内含 llama.cpp 后端）与 Pi agent，提供无需命令行的图形界面。它内置 128k 上下文等合理默认值，提供在 10GB 到 26GB VRAM 上实测过的模型推荐，下载 appimage 即可使用，完全开源。
论文提出 Certify，一种让搜索增强模型结构性判断证据是否充分的方法：将问题分解为需求超图，按需求检索并通过实体校验建立关联，再由 Horn 闭包给出最小充分证据证书或指明缺失需求的弃答。在三个含不可答对照的语料上，其决策准确率显著优于搜索智能体、图检索与充分性判断器；在 21M Wikipedia 语段上实体校验带来 4 到 13 个百分点的准确率提升，基于证书的回答正确率为 80%，高于使用全部检索语段的 57%。
研究者提出 TADA-Agent，用查询驱动的两个语义原子 Tagging 与 Categorization，将 LLM 语义处理与 SQL/Python 精确计算结合，处理文本列分析负载。在包含 40 个完整分析请求的 TABench 上，相比语义算子基线，TADA-Agent 行级语义质量相当、完整产物保留估计更高，且语义模型请求数少一个数量级以上。
一项 arXiv 研究系统刻画了全双工语音对话模型在长会话中的性能退化，发现多款公开模型的响应性、语音内容质量和音色一致性随时间下降。研究者提出基于自蒸馏的 LoRA 轻量适配训练框架，并引入双分辨率上下文（TRC）架构，将旧交互历史压缩为 KV 表示。在三个不同架构模型上，LoRA 适配缓解了十分钟会话内的性能退化，加入 TRC 后效果可超出训练会话长度，且 KV-cache 增长减少超过 90%。
研究者提出 CrashDB-QA，一个完全本地部署、以 schema 为基础的智能体工作流，支持对交通事故数据库的自然语言分析，包含只读 SQL 生成、验证与结果解释，另有检查问题-查询-结果一致性的 CrashDB-QA+ 扩展。在 440 万条 Wisconsin 事故记录和 300 个问题、九个开源权重模型的基准上，领域 grounding 显著提升查询准确率，一个 7B 代码专用模型取得最佳准确率-延迟平衡。
一项被 IJCNLP-AACL 2026（Findings）接收的研究探索冷启动电商搜索的合成数据：6 个 LLM 用 9 类 persona 条件提示词在 47 字段英国汽车 schema 上生成 118,098 条合成对，对比 1,214 条人工标注与 15,304 条生产查询。IPIP 人格组合在全部四组对照中提升解析器 F1（Holm 校正 p<.001）；语法条件化最能把生成拉向真实流量，且对齐 sKL 与解析器 F1 相关（ρ=-0.917）。LLM 委员会判定所有解析器漏掉的 927 条查询中 37% 为幻觉，含语法条件的 4 类提示词幻觉占比最高达 38-42%，仅 IPIP 最低为 28%。
开源项目 genzen 上架 GitHub，定位为个人工作区，用于制作、对比和整理 AI 图像与视频。项目依赖 Vercel（托管、数据库、图像）和 FAL（生成），可选接入 Anthropic 提供 AI 功能；运行 pnpm local:up 会自动检测缺失项并提示或生成。仓库面向 AI 智能体协作，提供 docs/OVERVIEW.md、本地开发参考及 CLAUDE.md 等文档。
开源项目 Arclight（luo0629/Arclight，MIT License）面向 AI 漫剧创作，用编剧与导演 Agent 实现「故事 → 剧本 → 分镜」的生成链路，每步均需人工审核。项目基于 LangGraph checkpoint 保存进度、支持中断恢复与失败重试，前后端采用 React + FastAPI + PostgreSQL + Celery，当前提供故事文本创作产品，图片、配音和成片生成仍在开发中，默认 Mock Provider 无需模型密钥即可演示完整流程。
GitHub 新仓库 DubTool 是一个命令行工具，可将英文视频本地转写、用 LLM 翻译为越南语、经 edge-tts 合成语音并对齐原时间轴，最终输出带越南语字幕的配音 MP4。流程分 7 个可断点续跑的阶段，转写用本地 faster-whisper，翻译默认 Gemini（Fast 模式用 gemini-3.5-flash-lite，Accurate 用 gemini-3.8-flash），也支持 Ollama 和 Anthropic。Windows 桌面应用尚在开发中。
NCCong1411 在 GitHub 发布房地产 AI Dashboard Agent 项目，Demo 已部署在 AWS Lightsail，采用 Docker Compose、PostgreSQL 和 HTTPS。应用通过 OpenAI Responses API 调用 gpt-6-luna，用越南语对话创建和编辑房地产数据仪表盘，支持七个 KPI、SQL allowlist 编译器、只读执行器、ECharts 图表和带审批发布流程的 draft 管理。本地栈为 Next.js App Router（端口 3000）加 FastAPI（端口 8000），示例数据为 Faker 生成的 16 表、2,203 行合成数据，采用 CC0 1.0 许可。
GitHub 新仓库 Multi-Agent-Based-Video-Generation-Project 实现了短视频制作多智能体流程的内容规划阶段：校验输入条件、生成 3 场景本地模板 JSON 草稿并支持审批。项目在 Python 3.12 下无需额外包或 API 密钥即可运行，审批记录含时间戳和 SHA-256 哈希，场景时长总和需在目标 ±10% 以内。当前阶段尚未接入 LLM、CrewAI、视频生成、TTS 和 FFmpeg 组装。
jamessfbay 在 GitHub 发布 LLM-MemShare，一个用 Rust 编写的跨 Agent 与模型服务商的权限化记忆与任务交接服务，处于仅 Rust 的多租户 alpha 阶段。PostgreSQL 存储记录并深度执行租户隔离，客户端用租户级凭证认证；支持同租户工作区内两个 Agent 之间的有向、带版本的任务交接，含租约认领与过期回收，并对称支持 OpenAI 风格 function calls 和 Anthropic 风格 tool-use blocks。项目尚未完成生产级租户隔离声明所需的独立审查，本地运行需 Rust 1.89+ 和 PostgreSQL 16+。
Astrix 是一个 local-first 的 DevOps 验证引擎，基于源码级依赖影响（AST blast radius）选择测试，用 AxLang 编写策略并经内嵌 OPA 引擎评估为 Rego v1，还可通过 MCP 暴露分析工具，支持 Claude Code、Cursor 和 VS Code。它提供 astrix CLI、astrixd daemon 和 GitHub Action，astrix verify --fix 最多尝试 3 次修复，并在禁网的 Docker 沙箱中验证改动。项目仍在积极开发中，生产使用前需审查策略与生成的变更。
loosephoto 发布 hermes-freeagent-bind，一个通过 MCP 为 Hermes Agent 添加子 LLM 咨询、出典检索和思考记录的 Python 服务器，含 11 个工具，支持 18 家推理提供方（Nous、OpenRouter、NVIDIA NIM、Hugging Face、Groq 等）与 24 个检索源，默认使用 Free 模型和免费额度。主 LLM 保留最终判断权，检索与思考笔记无需推理后端即可使用，咨询需 Nous 代理或 API key。服务器按提供方设置并发闸门以规避 429，支持 HTTP 模式多客户端共享单进程，面向科学与编程领域，医学与生物除外，要求 Python 3.11 以上且无额外依赖。
LinTzuTang 在 GitHub 发布 Local Agent Lab，一个基于 Ollama、LangChain 1.x / LangGraph、自建模型网关和 PostgreSQL 的 Streamlit 工作台，可对 107 个本地模型做能力标注、一键下载和最多六模型同题对比，并内置九个 LangGraph 多智能体工作流与本地语音助手。近期更新包括级联、轮次、全双工三种语音对话模式，本地神经 TTS（Kokoro-82M、Qwen3-TTS 0.6B 等）与 TTS 基准，前端模型定为 Gemma 4 12B（7.7 GB，十模型七对话测试全对且无编造）。
推荐理由：作者在单台 Mac 上跑通本地 LLM 评测与多智能体演示，并给出各环节在 M5 Pro 上的实测延迟与吞吐数据。
GitHub 开源 Agent Inspector，一个通过 React 前端经 HTTP 逐次调用 llm-agents-from-scratch 中 LLMAgent.SupervisedTaskHandler 的 get_next_step()/run_step() 的开发调试工具，以单个 PyPI wheel 打包 Python (FastAPI) 后端与 TypeScript 前端并提供 agent-inspector CLI。
Rimworld Mod「RimworldVerbalCommands」让玩家用自然语言向智能体下达殖民地指令，如按武器编组、按技能设工作优先级、按小人划分活动区，或完全交给智能体代玩殖民地。目前正用 Anthropic 的 claude-haiku-4-5、claude-sonnet-5、claude-opus-5、claude-opus-5-5、claude-fable-5-1 测试，支持在 router_model.txt 更换路由模型，并可通过 .env 配置 anthropic、openai、ollama、lmstudio、openrouter、gemini 等提供方；附带 Claude Code skill 与 54 天人类游玩参考记录供代玩 agent 使用。
wlee374 发布 sumgrep，用 LLM 为仓库中每个函数生成一段英文摘要并建立向量索引，支持按含义搜索并返回函数名、文件和行号指针，可经 MCP 接入 Claude Code。依赖 Docker 上的 Qdrant、Ollama 的 bge-m3 嵌入和本地摘要模型（默认 qwen3.5:9b，约 9 秒/函数），也可用 Claude Haiku 5.5（约 $1-2/4000 函数）。在约 4600 函数的 Go 代码库上用 55 个标注问题实测，25 个手写问题 MRR@10 为 0.81，30 个 Agent 真实提问仅 0.47；摘要模式在 top 5 命中 93%，优于代码模式的 53%。支持增量索引、.sumgrep 文件迁移和团队共享服务器。
推荐理由：作者用 55 个标注问题实测了摘要检索与原始代码检索的差距，真实 Agent 提问的 MRR@10 只有 0.47，数据可直接参考。
s1000d-stack 是一个个人开源项目，提供让 LLM 正确读取 S1000D 技术文档并按项目业务规则（BREX）校验与创建的 MCP 服务器、共享库和技能。已完成两个阶段：s1000d-core 0.3.0、brex-mcp / verify-mcp / reader-mcp 0.2.0 及 experiential-manual-model 0.1.0 已发布在 npm，writer-mcp 为规划中。该项目与 ASD 无关联，S1000D 规范文件需自行从 s1000d.org 获取。
Flash-Fusion 将数据问题转换为受限的类型化计划，经 schema 验证后用确定性 pandas 算子执行，结果附带路由、计划、验证、缓存和执行证据。该端到端边云设计（arXiv:2511.11885，preprint 审稿中）在大学校车队评估中相比原始遥测喂给 LLM 的基线，实现 73.5% 数据缩减、95% 延迟降低、98% token 用量与成本下降。仓库含 Python 3.12+ 本地安装、Vercel 托管聊天界面（使用 openrouter/auto），支持 bus、WISDM IMU 和 MIT-BIH ECG 数据集。
Agents in the Wild 在 GitHub 发布开源数据集，收录 315 个真实、第一手的 AI agent 用例，涵盖 Claude、ChatGPT、Codex、OpenClaw 等智能体，每条附原文链接与可复用提示词，每周更新，最新版本为 2026-10-26。其中 308 条为人工核对的 Spotted 案例，7 条为经公开证据确认的 Verified 案例；数据以 cases.json 和 cases.csv 提供，采用 CC BY 4.0 许可。按主题划分，工程类 104 个最多，使用最多的 agent 是 Claude（90 个）和 Claude Code（73 个）。
lambdasec 在 GitHub 开源 Frame，一个结合可靠静态分析与 LLM 推理的安全 Agent，用污点分析加分离逻辑与 Z3 证明漏洞可达，可选 LLM 层补充检测、验证并生成补丁。支持 Python、JavaScript/TypeScript、Java、C# 和 C/C++ 五种语言的跨文件污点追踪，内置 70+ 框架 pack，检测 80+ 漏洞类别。基准显示在 Endor Labs 语料上 recall 0.67、precision 0.51（Semgrep 为 0.52 / 0.40），LLM 层可运行本地 mlx-community/Qwen3.6-35B-A3B-OptiQ-4bit 或托管 GLM-5.2，并提供 --changed 与 baseline 工作流用于 CI 门禁。
推荐理由：把污点分析、分离逻辑证明与可选 LLM 层组合成一个安全 Agent，基准数据里也标出了输给对手的案例，可作选型参考。
开源项目 Talvio 让用户用语音操控电脑，支持在任意应用中按住快捷键听写，语音转文字默认在本地运行，内置 transcribe.cpp 引擎和 Parakeet 0.6B、Nemotron 3.5、Canary 180M Flash、Cohere Transcribe、Whisper Medium 共 69 个模型可选，云端为可选项。它还提供 AI 清理、语音命令、会议双轨录音转写，手机 App 可当无线麦克风和遥控器，支持 Windows、Linux 与 Android，macOS 版本尚在开发中。
Rx 推出自研编码智能体 rx-agent，并可通过一套 provider 配置启动 Claude Code、Codex、OpenCode、Pi、DeepSeek Harness 和 Kimi Code，其余 harness 运行各自原生 CLI。安装需 Rust、Bun 和 pnpm，模型目录缓存于 ~/.recall/catalogs/，有效期为 1 小时；Kimi Code 的 provider 密钥以 secret-only 权限存入其本地 config.toml。rx-agent 支持 read/write/edit/bash 工具、MCP（stdio 和 Streamable HTTP）、ACP，以及上下文预算临近时自动压缩会话。