新闻、仓库与研究，按时间排列。
开源项目 JARVIS（telegram-ai-bot）在 Telegram 上实现异步 AI 智能体，充当个人数字分身与执行管家。它采用 Telethon MTProto 与 aiogram 3.x 管理面板的双客户端架构，由 Google Gemini 2.5 Flash 驱动对话，并用 SQLite WAL 持久化联系人 CRM 记忆。高风险事项（转账、商务承诺等）会升级给所有者审批，并具备拟人打字延迟、防封限流与自愈 watchdog 守护进程。
独立非官方项目 aixell 发布，这是一个自托管单用户 Web 应用，可从 RSS/Atom、YouTube、GitHub releases、Hacker News、Bluesky、X 等来源生成个性化新闻卡片 Feed，支持 PWA 安装与 Web push。服务端为纯 Node.js（无运行时依赖），要求 Node.js 22.5+，默认端口 8300；可选通过任何 OpenAI 兼容端点配置 LLM，并提供与开源 Hermes Agent 的流式对话。
tyoung06 在 GitHub 发布 super-router，一个 macOS 本地路由工具，用 sr 命令或本地页面把任务分派给已订阅的 Claude、ChatGPT、Grok Bot 和 Cursor，并统一记录日志。核心机制包括：Jev 标注模型为每个任务命名技能并按技能表指定执行与复查 Agent、research-build/collab/versus/redteam/vote 等多 Agent 预设、sr split 拆分最多 4 片的大任务、按会话或项目存取本地记忆。工具不使用按 token 计费的 API key，而是复用用户已有订阅的命令行登录；依赖 Claude（必需）、Git 和 Python 3.14，仅在 macOS 测试，MIT 许可。
ifandelse 发布 just-say-so 插件，把改编自 ASD-STE100 简化技术英语标准的沟通规则注入 Claude Code，针对长会话中模型遗忘沟通方式的注意力衰减问题。插件通过 hooks 在会话开始、每 20 条提示或按 token 增长间隔重注入精简规则，压缩后也会重注入；用 Vale prose linter 检查模型写文件、聊天回复及经 gh 和 MCP 工具发布的文本，支持 warn/block 模式、pre-commit 与 CI 门禁、子代理规则注入和 /rules /remind /restate /allow 四个命令。当前仅提供 Claude Code 适配器，仓库处于实验性变动期，依赖 Node ≥18 与 vale 二进制。
开源项目 Project Lenie 提供 LLM 驱动的数据收集、管理与搜索：可收集管理链接、将网页内容存入 PostgreSQL 并支持私有检索，还能转录 YouTube 视频便于查找片段。当前 Claude Code 通过 /lenie-obsidian-note 等技能经 REST API 读写 Lenie 数据库并直接写入 Obsidian vault；技术栈包括 Flask REST API、React SPA、PostgreSQL with pgvector 及 AWS serverless 部署。
开源项目 AI-PMO-Platform 将 PMO 业务知识编码为可执行模板，通过结合 LLM 调用与团队已有工具实现自动运行，仅靠 CLI 即可工作。全部功能免费，采用 GPL-3.0 许可证，允许商用、修改与再分发（须同样以 GPL-3.0 公开并附源码）；架构目标是带经营者/PM 审批环节的自主 PMO 循环，含 WBS 生成、风险预测、再计划与 Project Digital Twin 等模块。
ProfessorZhi/llmlab 是面向共享 Dell GPU 工作站的单节点、多 Linux 用户 LLM 实验室管理后台，让 Web 与 llmlab CLI 使用同一受信身份与 Gateway 调用事实，覆盖模型登记、共享、调用、计量、评测与审计。2026-10-20 开发基线为 DEV_READY，main 分支 GitHub Actions 已通过，本地测试含 Python 3977 项与 Node 558 项；但真实 PAM、Gateway、三用户端到端与生产部署仍为 NO-GO。正式源码仅此仓库，旧 llm-lab 与 llm-lab-portal 已归档。
Watch2Whoop 是一个自托管脚手架，把手表数据、饮食、训练、化验、日记等结构化存在自己的服务器上，任何 AI（Claude、ChatGPT、Codex、Gemini、DeepSeek 等）都能通过 MCP 读写，数据留在用户手里、AI 可随时更换。项目目前处于 alpha 阶段，先支持 Apple Watch，需 Docker（Compose v2）和 python3 ≥ 3.9，本地可用 60 天合成数据运行；服务器端采用 AGPL-3.0，iOS app 和快捷指令采用 MIT。
GitHub 开源项目 telegram-ai-digest 是一个每天两次从 Telegram 频道和网站收集 AI 新闻的机器人，可将重复消息合并为同一故事，用规则加 LLM 排序后以「新闻」「有用」两个板块发布到用户频道，各期之间不重复。技术栈为 Python 3.12、aiogram、Telethon、SQLite 等，默认用 DeepSeek，也支持任意 OpenAI 兼容 API，通过 Telegram 管理机器人配置源、提示词和发布计划，全部数据本地存储于 SQLite。
开发者 XiaoCheng991 在 GitHub 开源了 LLM-gateway，一个手写 Java（JDK 21+ / Spring Boot 4.x）实现的多 Provider 大模型 API 统一网关，解决多模型管理混乱、切换成本高和调用不可观测的问题。当前支持 Nvidia（deepseek-ai/deepseek-v4-flash）和 OpenRouter（owl-alpha）两个 Provider，非流式调用已可用、SSE 流式开发中，提供 OpenAI 兼容的 /api/chat/completions 端点、工厂模式路由、多轮对话、SQLite 会话持久化及 ReAct Agent 能力，模型映射配置在 yml 白名单中，换模型只改配置不改代码。
GitHub 项目 NoID Privacy Workstation 发布，这是一个基于 Fedora 44 / GNOME 50 的隐私加固工作站 ISO，包含 41 个功能模块，覆盖内核、网络、身份、固件、服务和浏览器等加固基线，无项目遥测。系统为 AI 智能体工作流设计：VSCodium 预置隐私默认设置，Claude、Codex CLI 及 Gemini 全局指令路径按用户选择性安装，模型访问为 opt-in，本地推理支持 RamaLama / Ollama / LM Studio。蓝牙、定位、摄像头、麦克风默认关闭，提供 GPG 签名 ISO 供下载验证。
GitHub 开源项目 content-extraction-pipeline-video-stt-llm 将烹饪视频 URL 自动转为结构化 JSON 食谱。流程分四步：yt-dlp 和 FFmpeg 提取音频，OpenAI Whisper 转写并翻译为英文，Groq 的 Llama 3.3 70B 模型解析出菜名、食材、用量和步骤，FastAPI 通过 REST API 返回结果并生成食材购物搜索链接。项目以 MIT 协议开源，需配置 Groq API key，作者提醒提取结果需人工复核。
GitHub 项目 mylgtab/budget-rag 发布 v1.0.0，实现成本感知的长文档问答检索，简单问题走 BM25 便宜路径，难题才升级混合检索加重排与大模型。在 200 条改写问句评测中，级联策略用 47% 的成本拿到深检索 99.5% 的召回；附录还给出分块粒度、双索引自动选择、两层缓存（LongBench 30 条冷缓存 46.6 秒降到热缓存 4.6 秒）与预算档位对比，完整实验记录与复现脚本见 docs/report.md 和 make check。
推荐理由：作者公开了完整实验数据和复现脚本，还保留了负结果，想比较不同 RAG 检索策略成本与召回的读者可以直接参照。
灵魂体仓库开源了 llm-chat-app-template2，一个由 Cloudflare Workers AI 驱动、可直接部署的 LLM 聊天应用模板。它使用 SSE 实现流式响应，支持自定义模型与系统提示词，可集成 AI Gateway，并内置 Observability 日志。模板基于 TypeScript 和 Cloudflare Workers 构建，提供适配移动端与桌面端的响应式界面，聊天历史保存在客户端。
supercarto 是面向 LLM 的空间中间件，把 GeoJSON 等地理数据编译成 token 预算内的拓扑 YAML 图，供 AI 智能体直接推理。官方示例中 272,993 字节（约 68,000 tokens）的文件在 1024 token 预算下压缩到约 890 tokens，缩小约 99%；所有被裁剪的要素按层记录在 omitted 字段中。工具内置无密钥天气、带诚实降级状态的交通与 GTFS 公交时刻、室内楼层图，通过 npm/pip、CLI、HTTP 和 MCP 提供，附带 supercarto-bench 基准（编译图 38/47、原始 GeoJSON 15/47、无地图 0/47），共 412 项测试通过，Apache-2.0 许可。
推荐理由：README 给出了同一测试文件压缩前后的 token 数字和可复现命令，读者可以直接验证给 Agent 用的地图能省多少 token。
dan-build 开源了 agentstat，一个展示 LLM 智能体实时状态的 React 组件，可显示 token 速率、进度、健康分，并支持可选的卡顿与异常尖峰检测。组件约 17 KB min+gzip，除 React 外无依赖，支持通过 WebSocket、SSE、MCP 等事件流推送数据，并保留最近 5 分钟事件供回放。
论文报道了在北海道大学医院封闭网络内部署的临床支持智能体平台 LLENS，使用 8 块 NVIDIA H200 GPU 与开放权重模型 Kimi K2.6（约 1 万亿参数），自 2026 年 9 月 14 日起在医院网络运行。Kimi K2.6 从 3 个候选中选出，在 2026 年日本医师执照考试模拟中得 480/500 分；在 180 道基于医院文档的问题上，交互式工具访问准确率 97.2%，高于固定检索的 81.3%（差距 15.9 个百分点，95% CI 10.9-21.3）。
推荐理由：在医院封闭网络内部署开源大模型智能体的完整实测，对比了三种检索方式的准确率，方法可迁移到其他内网场景。
一项预注册的受控研究发现，声明式动画规范并非生成 LLM 交互式解释的更廉价方案。测试涵盖三个 Claude 模型（360 个任务）与 Qwen3-14B（240 个任务），规范输出虽短 25-48% token，但推理开启时仅最大 Claude 模型总输出显著下降，且无模型生成显著更快。可靠性方面，自由代码一轮修复后 95-100% 有效，而 Qwen3-14B 的规范仅 33% 有效、17% 通过全部语义测试。
研究提出 silver-evidence demonstrations，用 LLM 生成的目标条件证据摘要替换 ICL 示例中的原始检索段落，以过滤长噪声上下文中的干扰信息。在 EI 2.0、SciFact、合成政策检索和 HICRIC/IMR 四个数据集上，该方法在三个数据集上超过等规模的纯 gold ICL，在所有有标注数据集上提升证据 F1，并在四个数据集上的平均标签准确率均高于 InstructRAG 式 ICL。
一项 arXiv 研究测试了 LLM 在同时收到国家身份与语言身份线索时的文化价值表现。在 World Values Survey 选择题探测中，语言线索对答案的影响约为显式国家线索的三倍，但方向偏离对应国家的分布；在 160 万条开放式回答中，点名国家能弥合 30-44% 与模型自身回答的差距。研究认为国家与语言线索应作为不同信号分别评估，而非可互换的文化代理。
研究者推出 CoWriter，一种主动式智能体写作方案，将认知科学中的人类专家合著方法引入人-LLM 协同写作全流程。探索性用户研究显示，相比标准 LLM 基线，用户的智能体成功互动多 2.2 倍，表达个人观点和文档掌控感更强，外部评审认为成文更具叙事等“人味”特质。
一项对话系统研究用 bandit 策略控制可选观点与用户的距离，并比较标量立场打分与 Perspectivized Stance Vectors（将立场拆分到概念层面）。被试间实验（N=63）显示，概念级立场带来更多样的观点曝光和更广的立场覆盖，但不改变用户论证观点的深度或复述准确度。分析还发现，用户在“某一方未表态”的概念上复述观点最不准确，而非双方分歧的概念上。
研究者提出一种强化学习方法，同时奖励用户模拟器对复杂任务意图的遵循与对话行为的自然性，并以轻量判别器在对抗循环中定义自然度。其发布的 UserLM-2.0 在 46.2% 的对话中同时满足任务忠实与自然双重标准，是此前最强用户模拟器（14.1%）的 3 倍以上。
论文提出用 LLM 智能体作为语料调试器审计多语言数据管线，通过只读、有预算的 API 探索语料并将发现编译成可执行测试，再由母语者验证。在 FineWeb2 的 26.5M 文档斯洛伐克语子集上，三次运行各花费 $2.21-$2.84，共发现四个现象的七项问题，最大的是 1,408,437 篇（5.32%）通过管线过滤的机器生成内容农场；盲测支持 7 项中的 6 项（缺陷率 .53-1.00 对随机对照的 .08）。编译后的测试套件 0.7 秒即可扫全语料无需 GPU，而单次 LLM 分类需 $12k-$90k；最佳静态采样基线以不到一半成本验证了比任何智能体运行更多的选择器。
推荐理由：论文把 LLM 当语料调试器用一次而非逐条分类，并对比静态采样基线的成本与效果，方法对比值得数据质量工作者参考。
一篇 arXiv 论文提出 Conservative Meta-Agent Search（CMAS），将元智能体架构搜索形式化为带切换成本与硬风险约束的序贯现任替换问题，并配套引入 MetaInvest-Bench 模拟器用于评测元层级泛化。在 96 个金融流上，CMAS 将归一化平均 surrogate 动态预言机 regret 从 0.116 降至 0.104，held-out 效用从 0.44 提升至 0.48，每次更新的错误晋升率为 3.4%（名义目标 5%）。其部署推理成本低约 6%，但含搜索的 token 成本为对比方法中最高。
一篇 arXiv 论文提出 Adaptive Skill Granularity 框架，将编码智能体的技能粒度作为基于任务结构、执行状态和宏技能失败的动作抽象策略来控制，系统由基于特征的粒度控制器和有限状态恢复执行器组成。在采用验证器定义成功、总成本及宏采用率、失败恢复、路由匹配等过程指标的确定性编码智能体协议中，运行时路由与显式的宏到微恢复比固定粒度执行更稳健，可恢复固定执行无法解决的受控宏失败。作者据此主张技能库应被视为可控、可验证、可恢复的执行抽象。
arXiv 一项研究显示，经强化学习后训练的 Qwen3-8B 小型开源模型可完成以往依赖 Claude、ChatGPT 等专有模型驱动的工具选择功能，在 ToolBench 上超越 Llama-4-Maverick（402B）。该模型可直接迁移到不同检索器，并能泛化到不同领域的新工具库。
研究者推出 DuoCook，一个基于 Unreal Engine、受 Overcooked 启发的视觉规划与协调评测 benchmark，由单一视觉语言模型通过俯视视觉观察同时控制两名玩家。benchmark 包含 5 类共 20 张地图，评估任务得分、订单完成率、交付精度、动作接受率和 API 花费，并对共享自写笔记记忆做了消融实验。表现最强的模型 gpt-6-astra 平均订单完成率仅为 26.2%；笔记记忆对 Claude 和 Qwen 平均加分，对 GPT 和 Gemini 则为负向。
一篇 arXiv 论文提出“可争议治理”模式：基于 LLM 的专家智能体为有争议的元数据决策生成带评分和引用的论证，steward 可在提交前接受、拒绝、修改或补充论证，治理记录保留证据、干预与结果。工作流包含分级分诊路径、评分与记录模型及已验证决策的先例门控，版本化领域术语表为智能体提供术语与缩写定义。两个 HVAC 用例展示了基于 Brick Schema 的点位分类（附开源参考实现）和关联索赔字段、遥测与服务记录的保修失效模式决策。
研究者提出 Social-HUMINT 框架，将 SOCMINT 与 Cyber-HUMINT 统一为涵盖 38 项能力的分类体系（专家验证 Fleiss' κ = 0.92），并实现为 LLM 增强的多智能体流水线。在真实参与者公开数据上，信息抽取 F1 = 97.3%，推断属性得分 4.73/5，远超基于规则和 NER 的基线。该框架可预测目标对个性化诱导选项的排序以间接评估易感性，帮助防御者在攻击者之前评估自身暴露风险。
研究者提出元强化学习方法 METTA，将快速自适应分解为两个时间尺度：因果神经记忆以线性序列复杂度完成回合内细粒度自适应，紧凑的回合级摘要支持跨回合任务推断。在未见过的 Meta-World ML10/45 测试环境上，METTA 成功率超过 50%，且训练预算低、耗时短；在长上下文稀疏奖励 PointMaze 任务上，其探索行为比基于 transformer 的基线更有结构。
Reddit 用户发布了一款借助 Claude 开发的轻量桌面工具（Python 运行），可将 MediaWiki .xml 导出和 .txt 设定文档一键批量转换为可导入 SillyTavern 的 World Info/Lorebook .json 文件，全程无需 LLM。作者已用小型 fandom wiki 页面和一份更大的文件测试，后者生成了 379 条正典/非正典条目。工具以开源形式发布。
有用户反映 SillyTavern 的引导生成（Guided Generation）功能出现异常：生成时会先强制插入一条用户方"..."消息再产生回复，且该消息因与回复关联无法删除。问题从昨天正常、今天开始复现，更换 AI 模型后依旧存在，作者发帖求助解决方法。
EmpirioLabs 发布远程 MCP 服务器（Registry 名称 ai.empiriolabs/mcp，版本 1.2.0），无需安装即可通过 OAuth 2.1 或 API key 调用 180+ AI 模型、图像/视频/语音生成、网络搜索、批量任务、GPU Cloud 和托管智能体，价格与 API 一致。服务器提供 82 个工具、10 个工具集和多个预设 prompt，支持 Claude、ChatGPT、Cursor、Codex CLI、Gemini 等客户端以自定义 connector 或 URL 配置接入，连接消耗账户预付额度。
Lisa-Harness 推出 lisa-pack-markdown 包，将用户指令结合召回的长期记忆生成为经过结构化校验并持久化到 lisa-storage MCP 服务器的 markdown 文档。提供 markdown_forge_document 与 markdown_consolidate_sources 两个操作，以及基于 markdown-it-py 的只读校验工具 markdown_generate。内置截断续写与大纲契约机制，最多 forge_max_continue_attempts 4 次续写、文档上限 20000 字符。
GitHub 新仓库 AmanShankarDev01/college-project 发布了一个离线优先的多模态 RAG 助手，基于 Spring Boot 3（Spring AI）、React 18 和 Qdrant 向量数据库构建。它可用 Ollama 本地运行 phi3、llama3.1 等模型，也可切换 Anthropic Claude、OpenAI GPT-4o、OpenRouter 或 Groq Cloud。助手能从文档提取文本与插图，克隆解析 GitHub、GitLab、Bitbucket 仓库，并以可交互引用标注为 AI 回答提供证据。
RESPIRE 生态（Harmonia Éducation）发布开源项目 humanome.xyz，通过对抗式分析引擎从日志中逐日追踪 61 项技能（分 7 大领域），合并为可演化的能力图谱，并在分享前由人类审核员把关。平台默认本地运行、数据不离开浏览器，支持公共无账号演示、自带 API key 的学习者空间，以及面向机构的大规模批量制图。代码采用 AGPL-3.0-only 协议，技术栈为 PHP 8.2 + Slim 4 + React 18。
研究者构建了覆盖 11 类人声混音问题、含多种严重程度的教学式课程数据，训练出语言可查询的音频评审模型 MixJudge。该模型能检索混音问题、区分相反问题并对问题严重程度排序。在菜单选择任务中，MixJudge 往往偏好声学上更接近留出专业版本的处理方案，显示显式混音判断可支持比较与下游混音决策。
研究者提出 ReflectPO，一个用于长程任务中自主错误恢复的强化学习框架，包含反思引导采样和树结构信用分配两个核心组件。在两个长程工具使用 benchmark 上，ReflectPO 在多数领域超越现有基线，平均总体性能最佳。分析显示该方法能提升 Agent 识别自身偏差、从错误状态恢复并持续推进任务的能力。
IQuest-Q1 是一款稀疏 MoE 智能体基座模型，总参数 320B，激活 15B，通过预训练、中期训练与多 scaffold 后训练三阶段流程构建。该模型结合 SFT、领域专项 RL 与 MOPD 强化智能体编码能力，并以开源形式发布。