新闻、仓库与研究，按时间排列。
GitHub 仓库 manyaa134/AI-Smart-Sustainable-School-Complete 是一个 Class 12 项目，用模拟学校数据演示资源使用预测，明确数据非真实测量、预测仅为点估计。项目提供 Streamlit 仪表盘，按 65%/15%/20% 划分数据，对比均值基线、Linear Regression、Decision Tree 和 Random Forest，需 Python 3.11 环境，并通过 pytest -q 验证。Orange 工作流需按指南自行构建保存，且不会自动驱动仪表盘。
GitHub 新仓库 TRDP 发布一套研究身体情境与食指动作的可控视觉刺激生成器，将 20 组获批 V7 图像对扩展为 480 个族，共 2,880 张 2048×2048 PNG，另有从同一全身像素衍生的 960 张剪纸手形 PNG。仓库提供基于 SAM-HQ 的手部分割、控制刺激脚本、测试与验证文档；数据集与大体积审阅 PDF 保留在本地，不使用 Git LFS。 退一步说明：正文与来源只给出仓库名 TRDP（emrecandir9/TRDP），未指明公司或模型厂商，标题主体以仓库名 TRDP 兜底，符合规则。
GitHub 开源项目 Signal-Scout 是一个销售拓客概念验证工具：监控潜在客户在 Twitter、LinkedIn、Bluesky 的公开动态，用 LLM 提取意向信号和语气，并基于锚点帖子生成个性化开场白。项目默认使用 Cerebras 的 llama3.1-8b（每天 1M tokens 免费），也兼容 Groq、OpenRouter 等 OpenAI 兼容接口，可通过 GitHub Actions 每天 13:00 UTC 定时运行，结果以静态 HTML 仪表盘展示，无需数据库。
YashJ2303 在 GitHub 开源 AgentShield，一个面向自主 AI Agent 的低延迟安全网关与事件回放引擎，可实时拦截并按声明式策略评估 Agent 工具调用、从遥测流中脱敏凭据与 PII，并提供离线事件回放以在部署新策略或模型前检测回归。评测显示对建模过的破坏性操作拦截率 100.0% [92.1, 100.0]%，对未建模主动攻击为 45.5% [21.3, 72.0]%（对比 blocklist 的 9.1%，置信区间重叠），90 个良性任务误拦截 0.0%，完整插桩工具调用开销中位数 +18.046 ms p50（独立策略检查约 4.6 ms p50）；回放回归检测 recall 25/25、specificity 23/25、precision 25/27。
推荐理由：作者给出了带置信区间的拦截率、误拦截率和延迟开销数据，并披露了模拟代理与未验证部分的局限，便于评估该网关的适用性。
GitHub 上的 llm-finance-assistant 是一个 FastAPI 网关服务，连接 Web UI 与 Finance API，聊天后端可在 Claude Code（默认，headless claude）与 OpenAI API（LangGraph 流水线，默认模型 gpt-4o-mini）之间切换。它提供 SSE 流式聊天端点，并支持账单 CSV/Excel/PDF 批量解析分类、Amazon 订单匹配和网页搜索识别商户等批处理任务。
API Evangelist 在 GitHub 上维护 Gentrace 的第三方 API 档案，内容全部来自公开可访问的网站、文档与 OpenAPI 等公开规范，不运营也不代表该公司。仓库提供独立计算的 Kin Score 与 Agent Readiness 评分，并声明不含任何软件，任何要求下载链接的信息均非官方。
Meeting Desk 是一款自托管开源 Web 应用，可从 Google Meet 的 Notes by Gemini 文档、recap 邮件或粘贴的文本中用 AI 提取行动项、负责人、截止日期、决策与风险，经人工审核后作为行写入现有 Google Sheets，保留布局、公式和下拉选项。它支持 Gemini、Claude、OpenAI、OpenRouter、Amazon Bedrock 及 Ollama 本地模型，可发布摘要到 Slack、Google Chat、Mattermost 或 Discord，并以单个 Docker 镜像附带 Helm chart 部署。
GitHub 上的开源项目 Ampus-Kamp，用于发现校园黑客松活动、寻找队友并上传成果证明，以经验证数据驱动院系排名。项目基于 React、Node 和 MongoDB 构建，并使用 LLM 提取活动信息。
Devpaul-01 发布 agent-broker，一个基于 Redis 的纯权限门控库，已上线 npm，需 Node.js 22+ 和外部 Redis。它不代理实际调用，只在调用前原子地裁决共享预算、委托深度、并发与熔断状态，调用后由调用方回报结果；另附独立的 Python 实现，两者用相同的 Redis 键和 Lua 脚本，可跨语言共享同一状态。
推荐理由：作者本人发布了这个多进程 Agent 协调门控，README 明确划清了与 LLM 网关的边界并给出信任模型与缺陷说明。
MitushiG 发布预注册实验仓库 rag-context-attention，研究 RAG 场景下提示词长度与迭代检索的实际收益。实验在单张 RTX 4090 上用 Qwen2.5-7B-Instruct 完成，发现长度本身影响很小，30K token 无关文本下准确率仍有 83%（仅金标段落为 82%），真正伤害来自相似干扰项（30K 时下降 30 分，金标段落在中间时最差，39% vs 65%）；金标段落上的注意力可预测答对（分层 AUROC 0.77）；真实 top-k RAG 在 k=20 达到峰值 51.5%。
推荐理由：预注册实验把提示词长度、干扰相似度与检索收益拆开测量，并给出可复现的实验代码与统计校正方法。
riccardogiorato 发布 SurfBench 基准，用 50 个真实任务（分 4 个层级）统一评测 parallel、exa、tavily、firecrawl、keenable、linkup 等网页访问 API，检查各服务商能否找到并抓取正确页面。评分按质量 0.50、可靠性 0.35、速度 0.15 加权，使用固定的 MiniMax M3 读取模型和 Kimi K3 + GLM-5.3 评审面板，给出 95% 置信区间与每千个通过任务的成本列，完整结果包、任务检查器与方法论页面随仓库公开，MIT 协议，可自行运行复现。
推荐理由：这是一个可直接复现的网页访问 API 评测基准，方法论、提示词与评分细则全部公开，还给出了置信区间与成本列。
GitHub 开源项目 ai-video-directo 可将一句中文视频想法自动转为 Storyboard 分镜和英文 Final Prompt，流程为 Idea → AI Director Analysis → Storyboard → Final Prompt。生成的 Prompt 适配 Kling、Veo、Sora、Seedance、Runway 等视频模型，技术栈为 React + Fastify，AI 部分使用 DeepSeek API。当前为 DEMO V1，暂未接入真实视频生成 API。
codeonym-oss 在 GitHub 发布 i18n-ai，一个用 LLM 智能体从源 locale 树生成网站多语言文件的 CLI 工具，支持保持 {{name}}、%s、ICU MessageFormat、i18next 复数等占位符完整。工具先用 scan 做预检并请用户确认，再由 LangGraph 并行分类文件并按文件和 locale 分智能体批量翻译，每条译文经规则校验，不合格的带问题说明重试；支持 OpenAI、Anthropic、Google、Mistral、Groq、Ollama、OpenRouter 等供应商，默认保留已通过的既有翻译只补缺失项，经 uv tool install i18n-ai 或 pipx 安装。
GitHub 开源项目 llm-research 是一个本地 Java 21 应用，可向 OpenAI、Claude、Gemini、Grok、DeepSeek、Qwen 等多家模型提供商批量发送 questions.csv 中的问题并保存答案。用户通过 .env 配置 API 密钥、application.yml 选择启用的提供商，每次运行在 output/ 目录生成 xlsx、csv、jsonl、json 四种格式的结果，并记录延迟和输入/输出 token。每次调用消耗 API 额度，项目建议首次只用 1 个提供商、1 次重复和少量问题进行验证。
Jubbio 平台在 GitHub 发布 jubbio-docs-for-llms 仓库，提供从 Jubbio Developer Portal 提取的机器可读技术参考（JUBBIO_DEV_REFERENCE.md、llms.txt、llms-full.txt），弥补预训练 LLM 不了解 Jubbio 端点、payload schema 而误用 Discord/Slack 约定的问题。文档覆盖认证、消息、频道、Slash Commands、Webhook、OAuth2、语音等 10 个模块，支持在 Cursor/Windsurf、Claude Projects、ChatGPT Custom GPTs 中使用，采用 MIT License。
devanshranjan10 发布开源工具 landmines，它读取项目 lockfile 中固定的精确版本，检索针对该版本的开放 GitHub issue 并生成索引，通过 pre-edit hook 或写入 AGENTS.md/CLAUDE.md 的已知 bug 段落让编码 Agent 在编辑前避开这些坑。基准测试中，Claude Sonnet 5.5 无辅助通过 72/84（86%），加入 landmine rules 段落后通过 83/84（99%）；同批对比中 web search 开启为 36/42、Context7 docs MCP 为 35/42，且 84 个会话中 Agent 从未主动调用这两个工具。
推荐理由：作者用 84 个 held-out 任务对比了规则段落、pre-edit hook 与 web search、Context7 的效果，基准局限也写得坦率，方法可参考。
参赛队「广州智行科技」开源千问杯多模态推理大赛最终第3名（获2万元奖金）的完整方案：在 Qwen3.5-0.8B 上先蒸馏 Qwen3.6-27B 的 113K 样本做 SFT（初赛 41.8 分压线晋级），再用 GRPO 30 步小剂量 RL（决赛榜 20.2 分，第 9/20），答辩后终评第 3。仓库公开训练/导出脚本、真实日志与技术报告，权重托管于 Hugging Face；核心发现包括 RL 剂量轴在 30 步达峰、同权重 ZIP CRC 消融证明采样解码白送约 3 分、0.8B 模型 RL 池内学习量与平台分强反相关。
推荐理由：作者用同权重 CRC 消融和剂量轴实验分离出每个增量的因果证据，0.8B 小模型 RL 剂量与遗忘的权衡刻画对类似场景可迁移。
ikpsthakur/oslo-hack 是一个公开仓库，提供用于在奥斯陆寻找小型项目伙伴的手机友好单页网站，并采用适配 Andrej Karpathy LLM Wiki 模式的 AI 维护项目 wiki，无需后台模型或 API key。访客聊天机器人使用 OpenRouter 的 nvidia/nemotron-3.5-lightning:free 模型，网站与 API 托管于 Vercel，知识来自公开访客指南与含 56 条虚构记录的合成知识库，经 allowlist 在构建时编译，免费额度为每天 50 次请求。该迁移于 2026-10-22 获用户批准并在 Vercel Gateway 返回 HTTP 403 后完成，PR #4 已合并部署并验证真实回复。
独立开发者发布了从零打造的独立 2D Live AI 桌面伴侣（Nocturne & Button-Eyed Doll），非 SillyTavern 插件，接入自己的 LLM API key（OpenAI、Claude、DeepSeek 或本地端点）即可使用，支持实时眼神/光标追踪、多骨骼头发与裙子物理效果及 TTS 口型同步。GitHub 提供 Free Trial Lite Edition 免费下载，并有无需安装的浏览器在线 Demo。
LumaBrowser 2.0.4 发布，项目此前已完全开源。本次更新新增 moss-image 生成、并行工具调用、llm tuning、curated chrome store、pseudo site API，并改进文本转语音、语音转文本、语音克隆与 CV computer use。详细变更见发布说明。
作者让指令微调 LLM 在 user_start 特殊 token 后生成用户侧文本，测试约 30 个模型，发现 Mistral Small 3 24B 的拟人表现最好，GPT 6 Astra 在识别人类风格文本上也较强。实验还发现 chat template 反转技巧比 roleplay system prompt 更能模拟人类行为。
NVIDIA 发布开源工具 SkillEvaluator，用于检查 AI Agent 技能并衡量技能对任务结果的影响。它提供三层评估：Tier 1 静态校验（可用 Semgrep、SkillSpector、Gitleaks 做安全扫描）、Tier 2 基于 embeddings 的重复检测、Tier 3 通过 Harbor 沙箱对比有无技能的实际运行效果。示例技能可获得 84.5/100（B）评分，默认通过阈值为 70；工具支持 uv 运行 Python 3.13，可通过 NVIDIA Build API key 调用模型。
天体物理领域新开源项目 ASTRA 上线，定位为受 AGI 思路启发的自主假设生成与验证框架，代码量约 320,000 行、520+ 个 Python 文件。系统集成因果发现、MAML 元学习、群体智能与理论引擎，内置 75 个天体物理领域模块（含星际介质、恒星形成、系外行星、引力波、宇宙学等）。测试显示综合系统测试 18/18、领域能力测试 75/75 全部通过，仓库已发布于 GitHub。
Model-Atelier 是一个个人 AI 图像创作与实验工作台，采用 Vue 3 + TypeScript 前端与 FastAPI 后端，通过独立 ComfyUI 执行生成，SQLite 与图片保存在本机。支持 Checkpoint 文生图/图生图、Canny ControlNet、FLUX.1 [schnell] 元件库、LoRA 局部编辑等功能。Windows 环境需 Python 3.12 与 Node.js，平台占用 8000 端口，暂未提供训练、多租户或官方付费 API。
GitHub 上线的 HUMAN-TCI/PedMotion 静态项目网站，展示 8 个骨架动画 GIF 和 7 个 SMPL 动画 GIF，支持移动端浏览、分类筛选、动作搜索和方法概览。部署无需 npm、Python 或构建流程，直接将文件上传至仓库并通过 Settings → Pages 发布即可。网站暂未包含开源许可证， roadside-pickup 的 SMPL 动画素材缺失，需手动补充。
GizAI 在 GitHub 开源 Gizlang，一门经 LLVM 原生编译为单个可执行文件的 TypeScript 语法语言，内置 GizWeb Web 框架、GizDB 数据库（兼容 PostgreSQL 和 Oracle 协议）、向量搜索、S3 对象存储和 GPU 上的 LLM 与图像视频生成。基准测试中其 Web 应用达 1,739 请求/秒（Next.js 16 为 197），Todo JSON API 达 608k 请求/秒，任务切换 18 ms（Go 为 73 ms）。目前支持 Linux x86-64（Windows 走 WSL 2），版本为 0.y.z，采用 MIT 许可证。
MECLabTUDA 在 GitHub 发布 VoxelSceneGraph 项目，汇集 3D 医学影像 Voxel Scene Graph 相关的数据集、标注工具与训练框架，聚焦颅内出血（ICH）研究。核心数据集 BleedScene3D 提供 574 个标注 volume，已在 Kaggle 开放获取，配套 scene-graph-api、scene-graph-prediction 和联邦学习框架 federated-scene-graph-prediction 等工具库。相关论文已被 MICCAI2024、WACV2025 和 ICPR2024 接收，并提出了新的 VC-IoU loss。
BOAR 2.0.0-rc1 是一款开源 Android 离线研究助手，下载模型与知识包后可在飞行模式下答题，无需账号、服务器或 Google Play Services，答案引用本地 Wikipedia 文章、知识包和用户文档。12 GB 以上手机使用 Qwen3 4B（约 2.5 GB），更低配置用 Qwen3 1.7B（约 1.1 GB），搜索模型为 BGE Small，知识包约 164 MB。应用以 Kotlin 和 Jetpack Compose 编写，推理通过 JNI 调用 llama.cpp，APK 可从 releases 页面下载。
GitHub 用户 abidaziz1 开源了 LLM Infrastructure, Animated，一个包含四个动画课程的交互式网页项目，共 81 个场景，展示一次 AI 回答如何生成。课程覆盖从键盘到 GPU 的完整链路、Claude Code 背后的 Agent while 循环、Prompt Caching 的 KV cache 与缓存分层原理，以及 token 为何耗时 30 ms 的 prefill 与 decode 差异。项目用纯 HTML、CSS、JavaScript 和 SVG 构建，无框架无构建步骤，打开 index.html 即可运行，支持滑块交互、测验、深浅色主题、reduced-motion，并附带基于 Playwright 的 headless Chromium 场景测试。
推荐理由：用纯 HTML/CSS/JS 做的四个动画课程，把一次 AI 请求从按键到 GPU 的完整链路拆成 81 个可交互场景，无需安装即可在浏览器打开。
作者开源 agents-per-gpu 仓库，在单张 48 GB A40 上以 Agent 形态负载实测 vLLM 0.32.0、SGLang 0.5.9 和 TensorRT-LLM 1.2.1 服务 Qwen3-4B 的并发容量。开启 prefix caching 后三个引擎均能承载 6 个并发 Agent 会话，关闭时仅 2 到 3 个，且每任务成本降至原来的三分之一到五分之二；8 秒 step SLO 下 SGLang 以 4 个会话领先。INT4-AWQ 量化的 Qwen3-8B 在工具调用精度持平的情况下比 BF16 的 4B 承载更多 Agent。所有数字可用 apg report 从 results/ 复现，方法与细节见 reports/REPORT.md。
推荐理由：作者在单张 A40 上实测三种推理引擎的 Agent 并发容量，并给出 prefix caching 带来的容量差和每任务成本数据。
GitHub 用户 NeoSilver997 开源了 free-llm-rounter-benchmark 项目，用于对免费 LLM 路由进行基准测试。仓库包含 benchmark、providers、routing、tests 等目录及 telemetry.py 遥测脚本，并附 .env.example 配置示例。
xshell1994 在 GitHub 发布 Toolify，一个中间代理，向不支持函数调用的大语言模型或 OpenAI 接口注入 OpenAI 兼容的 function calling 能力。原理是拦截 chat/completions 请求、注入指导模型用 XML 格式输出函数调用的系统提示词，再从上游响应中解析并转换为标准 tool_calls 格式，支持单次响应多个函数调用、think 标签兼容、流式解析、按模型名路由多个上游服务、客户端鉴权、token 统计及解析失败自动重试（默认最多 3 次，可配 1-10 次），可用 Docker Compose 或 Python 3.8+ 部署，采用 GPL-3.0-or-later 许可。
推荐理由：原文给出中间代理的完整工作原理与配置方式，可按 Docker Compose 或 Python 直接部署给不支持函数调用的模型补上该能力。
开源项目 family-expense-bot 通过 Telegram 记录个人开销：用户输入自由文本后，由 Gemini flash-lite 免费模型提取支出，代码逐字段校验，金额和类别确认无误才保存。项目采用 30/30/20/20 预算规则，Python 与 n8n 两套实现经约 10000 例验证等价，含 400 多个测试，支持 Docker 一键部署。
开发者 mohamedchouiki97 发布了 Helix Support Assistant，一个面向虚构 B2B SaaS 公司客服团队的 RAG 助手项目。系统将 100 份文档（60 Markdown、25 PDF、15 HTML）导入 Chroma 向量库，采用 BM25 + dense 混合检索经 RRF 融合，再用 gpt-5.4-mini 重排并生成带来源和置信度的结构化回答。在 50 条查询测试集上，RAGAS 评测 3 次平均 faithfulness 0.983、context precision 0.981。
开源项目 LLMApiGateway 是一个本地运行的 OpenAI 兼容个人 LLM 网关，支持多供应商模型的容错切换、负载均衡、模型轮换和自定义请求参数，可用于 Cline、RooCode 等代码智能体。网关在主模型出错时自动切换 fallback 模型，对 429 和日配额错误按 90 秒到 86400 秒的阶梯升级 cooldown，并通过 tiktoken 在流中断时本地估算 token 用量，同时按小时、天、周、月统计成本与 token 消耗。
GuiDobelin 发布 citerag，一个可自部署的 RAG 服务，支持上传 PDF、Markdown、文本和 HTML 文件，通过 HTTP 或命令行提问，每个答案标注来源文件、页码和原文引文。它使用 Claude 的 citations API 由模型对检索段落生成引文，嵌入默认用 fastembed 在本地计算，还提供不调用 LLM 的离线抽取模式；内置文件存储可经环境变量切换到 Qdrant，全部约 600 行类型化 Python，MIT 协议开源。
推荐理由：原文给出完整架构、配置项和引用机制说明，可自部署验证答案出处，适合想搭可核查 RAG 服务的读者参考。
he-yufeng 在 GitHub 发布开源 AI Agent 工具 ContractGuard，上传 PDF/DOCX 合同即可在 30 秒内输出红旗条款、警告、保护项和 A+ 到 F 的公平度评分及逐条修改建议。工具通过 Pydantic 模型保证结构化输出，支持 OpenRouter、OpenAI 及 Ollama 本地模型；在 LLM 之外并行运行辖区感知的确定性法条核对清单，覆盖中国劳动法与民法典及加州住宅租赁规则，无法判定时诚实返回 unknown。支持批量扫描、版本对比、JSON 导出和 Gradio Web UI，最长约 30000 token（约 60 页）。
推荐理由：开源合同审查 Agent 除了 LLM 分析还内置辖区感知的法条核对清单，并对缺失条款诚实返回 unknown，思路可直接借鉴。
学术研究项目 ReassureAI 结合多模型与 RAG 提供健康信息服务，涵盖心理危机检测、医学报告通俗化解读，以及融合 OpenBioLLM-8B 与 AyurParam 的生理健康问答。系统包含 SEC1/SEC2 两级安全检查、可选 n8n 监护人警报工作流，前端采用 React 19，检索用 Qdrant 与 BAAI/bge-m3，支持 Docker Compose 部署。项目为概念验证，非医疗设备。
Seed 是一个本地语言模型训练工作室，可用自己的文本从零训练小模型，并观察学习进度与实验输出。界面包含 Training、文本生成、Chat 和 New life 四个部分，默认模型约 3.36 million 参数、在 CPU 上运行，macOS 可选原生加速。前端采用 React、TypeScript 与 Vite，Transformer 引擎（包括 attention、梯度和优化）直接用 TypeScript 实现，不依赖机器学习库或外部推理 API，可本地或通过 Docker 运行并保存 checkpoint。
GitHub 仓库 Cybeaster/LLMSkills 提供一组 Agent 技能，打包为同时兼容 Claude Code 和 Codex 的插件。技能本身是中立的 SKILL.md 目录，无 agent 专属语法，两个 marketplace 清单并存于同一仓库，内置 devflow、orchestrator、ru-style 等插件。可通过 /plugin install、codex plugin 或 npx skills 安装，采用 MIT 许可。