新闻、仓库与研究，按时间排列。
hiloopai/piloop 在 GitHub 发布，可对任意 git 仓库运行 autoresearch：多个 coding agent 在各自 git worktree 里并行尝试想法，piloop 对每个 commit 运行用户指定的 evaluate 命令评分，只有超过当前最优且具统计置信度的改动才保留。enwik8 示例中，Claude Code agent 经 10 轮 implementer 运行、用时 1.6 小时，将 Wikipedia 前 10 MB 压缩从 zlib 的 3,688,770 字节降至 2,361,893 字节（-36%）。
推荐理由：piloop 把多个 coding agent 的并行尝试变成按 commit 评分、只保留胜者的自动研究流程，并给出 enwik8 实测压缩数据可作参考。
GitHub 仓库 bostonaholic/grokbot-skills 为 Cursor 和 Grok Bot 智能体提供技能包，每个技能对应一个含 SKILL.md 的文件夹，可通过 install-grok-bot.sh 脚本安装到 ~/agent-data/workflows/ 技能库。内置 auditing-a-bot-at-30-days、composing-agent-prompts、running-unattended-routines-and-triggers 等 12 个技能，覆盖回复精简、深度研究、backlog 整理、定时任务等场景，安装后在 Settings > Plugins > Yours 中可见。
Tyler-Irving 发布 agent-arena，一个手写的多智能体系统，用于在同一批任务上对比本地 Ollama 模型与通过 Anthropic API 调用的 Claude 模型组成的阵容。任务类型以插件形式接入，首个插件是代码赏金板：orchestrator 发布编程题，coder 写 solution.py，Docker 沙箱用 pytest 评分；支持 Solo 模式（最多 3 次尝试）和含 planner、coder、reviewer、orchestrator 四角色的 Team 模式，每题硬性限制 3 次尝试和 20 次模型调用。所有调用、尝试和结果写入 SQLite，可按阵容对比通过率、尝试次数、token、成本和耗时。
推荐理由：作者手写了几百行 async Python 实现多智能体对比系统，不用任何 Agent 框架，便于直接观察多智能体协作的真实行为。
hakula139 在 GitHub 发布 assistant-bench，一个基于 Harbor 运行的 AI 助手系统基准，用盲投成对投票和任务测试对系统输出打分。项目内置 prose-zh 与 prose-en 两个写作家族，各含 30 个用例，记录每次运行的 token 数、成本、延迟与系统配置，并以 Bradley-Terry 分数生成排行榜。项目采用 MIT 许可证开源。
GitHub 开源项目 mage-bench 通过让 LLM 互玩《万智牌》来评测模型，支持 1v1 对决和多人 Commander 模式。项目基于 XMage 规则引擎，覆盖 28,000+ 张卡牌，LLM 通过 MCP 工具调用查看牌局状态并自主完成整局对局，无需人工干预，支持录像与成本追踪。
szzxli 发布开源工具 veripaper（MIT 协议，工作名），核查 AI 生成论文草稿中的每条引用，对照 CrossRef、arXiv、Semantic Scholar 等数据库标记不存在的文献，并给论断打上 [VERIFIED]/[CITED]/[UNVERIFIED] 等诚实标签。与只查引用是否存在的工具不同，它做论断级验证，即被引文献是否真的支撑具体论断，并附审稿人模拟、rebuttal 辅助等流程；验证只做数据库查询不生成内容，全部在浏览器本地运行，附 34 样本的公开引用核查基准，v0.1 可用 pip install -e . 安装。
GitHub 开源项目 agent-orchestra 是一个本地持久化、可审计的多模型编排内核，把一句话需求拆成规划 → 实现 → 独立审查 → 测试 → 汇总五个固定阶段，强制实现端与审查端使用不同厂商的模型互相校验。任务与事件落 SQLite 支持断点恢复，审批绑定操作摘要与 revision，未知成本记为 null 而非 $0。项目基于 Python 3.12+、零运行时依赖、Apache-2.0 许可，仅监听 127.0.0.1:8765 回环地址，当前只带 Mock 适配器，真实适配器待接入。
GitHub 开源项目 Nemesis Analyst 提供 AI 辅助的恶意软件脱壳与分析：在一次性 Windows VM 中用 x64dbg/x32dbg 运行加壳样本，在自解包时捕获真实 payload、恢复勒索软件密钥并可生成解密器。每次运行输出 ANALYSIS.pdf 报告及含 YARA、Sigma、Suricata、STIX、IOC 的检测包，并可经 MCP 从任意 LLM 驱动；文档演示了对 packed Dridex 样本的完整分析。
GitHub 项目 Zi-Lan-Cui/DeepResearcher 提供可部署的深度研究服务，围绕复杂问题自动完成检索、精读、证据校验与撰写审阅，交付论点明确的研究报告。结论附引用编号，来源表逐条列出标题、链接与原文摘录，逐字比对一致后才采用；支持 Docker Compose 一键启动，LLM 走 OpenAI 兼容接口，搜索服务可接百度/Tavily/SerpAPI/阿里云，研究方向异步并行推进，可设单次 token 与人民币费用上限，底层为 LangGraph 流水线，MIT 许可。
Claimidx 发布了一个面向智能体的失败层索引，记录其他智能体已解决的软件故障及其修复方式，通过 ask、apply、claim 三条命令完成查询、应用与共享。可信度来自本地 confirm --replay 复放而非声誉评分，支持 Ed25519 did:key 签名，公共账本仅接受可复放的 eval，匿名写入被拒绝，每个 DID 每小时限 60 次写入。工具支持 Claude Code、Codex、Cursor、Grok 等多个 harness 的 skill 和 MCP 接入，当前版本为 0.7.18，安装命令为 pip install -U "claimidx[server]>=0.7.17"。
Website-Intelligence-Agent 是一个 GitHub 开源项目：用户就自己有权测试的网站提出技术问题，LLM 智能体驱动隔离的 Playwright 浏览器，捕获请求、脚本和 WebSocket 帧数据。它会索引并解析 JavaScript（暴露 source maps 时使用），跨文件追踪引用，最终返回附有逐字、可验证证据的发现。整个调查过程为只读操作。
开源项目 Ariadne 基于 Harbor 评测语言模型智能体解决安全挑战的能力，任务改编自公开 CTF 题目和 CVE。所有任务在经过隔离校验的 Docker 沙箱中运行，由独立 verifier 容器评分，web_search 与 web_fetch 经过主机端 web 过滤器，容器无互联网路由，API 密钥不进入容器。该项目为概念验证，每个实验每任务跑 3 次独立尝试并冻结配置；公开的 Mistral Large 4 和 MiMo v2.6 Pro 两次 pwn-01 探索性尝试均未解题，都在时限前耗尽上下文。
typicaladrian 发布 zero-trust-llm-firewall，一个本地部署网关，在提示词离开内网前将姓名、案卷、金融和健康信息替换为占位符，模型回复再在内存中还原。流水线为正则、哈希客户名单、GLiNER2 NER 和全局一致性扫描，在 CUAD 合同上测得 91.4% 脱敏召回率，CPU 吞吐约每千词 11 秒；提供 OpenAI 兼容 API、审计日志和月度 PDF 报告，是 Elm Tech Solutions Zero-Trust AI Edge Gateway 硬件产品的核心。
推荐理由：开源的本地脱敏网关，给出了基于 CUAD 合同的脱敏召回率实测数据，律所类隐私场景可直接参考复用。
AbstractAssistant 是 AbstractFramework 生态的 gateway-native 桌面助手，提供 macOS 菜单栏 palette、免提交谈语音模式和 CLI，通过 `pip install "abstractassistant[voice]"` 安装，要求 Python 3.10+。工作流发现、持久运行、工具执行与审批等由 AbstractGateway 负责，客户端仅保留本地状态。另有 TestFlight 预览版 Apple Watch 应用，可语音对话、回应审批并运行自动化。
GitHub 开源项目 LLM-Code-Sandbox-Benchmark 提供了一套针对 AI 生成代码的自动化评测框架，在受限 Python 沙箱子进程中执行候选代码，通过 baseline/edge/performance 测试集验证正确性，并基准测试运行时间与内存。工具基于最小二乘法拟合 O(1)…O(n³) 复杂度模型，输出加权 0–100 分的 JSON 报告和 Markdown 评分卡，支持 batch.py 批量排名多个候选及 --fail-under CI 门禁，适用于 HumanEval 式正确性检查与 RLHF 评分等场景。项目仅依赖 Python 3.10+ 标准库，采用 MIT 许可证。
一位 SillyTavern 社区开发者展示了一种不同的 LLM 角色扮演方案：目标是通过逐角色的知识图谱消除上下文窗口、减少 token 数并永不遗忘，同时兼容 character cards、lorebooks 和部分 presets。该工具在浏览器中运行，可连接多种 LLM、NLP 和自编码工具，定位为构建叙事语言应用和游戏引擎的工具集，将 source-available 免费开放，目前已进入 alpha 构建阶段并征集 worldbuilders 和 preset 制作者反馈。
该 GitHub 仓库 sa-1200/test-case-generator 是一个无代码评估项目，基于虚构登录页面的合成需求，探索生成式 AI 辅助编写结构化软件测试用例。项目对比了人工与 AI 辅助两种流程在任务耗时、用例清晰度和需求覆盖率上的表现，结论是 AI 可减少起草工作量，但生成结果仍需人工审查。项目仅做了初步实验，测试用例未在真实应用上执行，也未使用任何真实数据。
一个用 Flutter 3.44 开发的 iOS 健身追踪应用，完全离线运行，内置 1324 个翻译成法语的动作目录，并调用 Gemini API 生成和分析训练计划。它支持按健身房设备替换动作、记录 RPE、检测个人纪录和训练热力图统计。Gemini 调用通过 function calling 查询本地数据库而非注入完整目录，API 密钥存于 iOS Keychain；架构使用 Drift (SQLite)、Riverpod 3 和 go_router。
AceDataCloud 开源 Agent Skills 仓库，为 Suno 音乐、Seedance 与 HappyHorse 视频、GPT Image、Nano Banana 图像等 AI 生成服务提供技能包，兼容 Claude Code、GitHub Copilot、Gemini CLI、OpenAI Codex、Cursor 等 30+ 个智能体（基于 agentskills.io 开放标准）。各 Skill 由 Ace Data Cloud 维护，使用 Ace API key 授权调用，支持 skills.sh 一键安装与 ClawHub/OpenClaw 两种首次运行路径，指南提供中英文文档与排错说明。
AceDataCloud 在 GitHub 发布 SunoMCP，一个基于 Model Context Protocol 的 AI 音乐生成服务器，通过 AceDataCloud API 调用 Suno，可在 Claude、VS Code 等兼容客户端中使用。它提供文本生成歌曲、自定义歌词与风格、歌曲延展、翻唱/Remix、Persona 声线管理、自定义音乐模型及任务跟踪等 30 余个工具，支持 OAuth、API token 或本地 stdio 三种接入方式；生成消耗 Ace 账户余额。
AceDataCloud 开源的 SunoCli 是一款命令行工具，通过 AceDataCloud API 调用 Suno 在终端生成 AI 音乐、歌词并管理音频项目，无需 MCP 客户端。它支持自定义歌词、extend、cover、remaster、人声/伴奏分离、MP4 转换、自定义模型训练，并提供 Rich 表格输出与 --json 机器可读模式。安装方式为 pip 或 uv 安装 suno-cli，使用 ACEDATACLOUD_API_TOKEN 环境变量配置密钥。
AceDataCloud 的 SunoAPI 仓库提供 Suno AI 音乐与歌词生成 REST API 的集成文档。开发者可通过 Ace Data Cloud 统一 API Key 调用 MP3 导出（POST /suno/mp3）、音频生成（POST /suno/audios）、自定义模型（需 6–24 个授权音频文件）及 Studio Projects（Beta）多轨项目管理等接口。文档涵盖鉴权、Idempotency-Key 幂等请求、任务轮询 /suno/tasks 及错误处理方式。
bkramerext 在 GitHub 开源 SIGMA（Strategy Investigation, Generation, Measurement & Assessment），一个面向多路径问题研究的工作空间，可将调查组织为可发展、比较、搁置的策略，并保留研究历史。它支持以 ChatGPT 作为协作者生成策略建议（经人工审核后保存），手动研究无需 AI 账号，项目数据保存在本地。目前支持 macOS 和 Linux，需 Python 3.11+、uv、Node.js 20.19+ 和 npm；自主研究智能体与形式化证明验证仍为未来目标。
GitHub 开源工具 get-llms-txt 可递归扫描项目中的 .md/.mdx 文件，按 llms.txt 规范生成索引文件，并将 MDX 转为纯 Markdown（去除 JSX 组件与元数据）。它支持 CLI 与 API 两种调用方式，可配置内容目录、输出目录、base URL 和项目元数据，默认输出到 ./out 或 ./public，需 Node.js 22+，适用于 Next.js、Gatsby、Astro、Docusaurus 等项目。
nadashaban11 开源的 mini-rag 是一个基于 FastAPI 的 RAG 数据摄取服务，支持按项目上传 .txt 和 .pdf 文件，进行加载、分块并存入带 pgvector 的 Postgres。项目、资源与 chunk 持久化于 Postgres，重复处理会替换旧 chunk，并提供文件删除、项目删除、类型与大小校验及健康检查接口。Embedding、向量检索与答案生成仍在 Roadmap 中。
dsweet99 发布开源工具 kiss，为 LLM 编码智能体提供代码库层面的全局反馈，支持 Python 和 Rust。kiss check 静态检测复杂度、重复等问题并给出位置与修改建议，kiss test 运行单测并强制时间、测试数量和 orphan 门控；kiss stats 与 kiss viz 可查看指标分布和 Mermaid 代码图，规则可写入 AGENTS.md 让智能体迭代至全部通过。详情见 https://github.com/dsweet99/kiss
推荐理由：作者本人发布的代码质量工具，给出可写进 AGENTS.md 的规则用法，并提供复杂度、重复度和 orphan 检测的具体反馈示例。
xuen 是一个 TUI 研究循环工具，只调用外部 agent（如 opencode）完成思考：每轮从词库纯随机抽取灵感词拼入提示词，由 agent 覆盖想法区/产物区。轮次守卫默认启用，每轮快照候选并经测试（pytest/make/npm/go）或用户/AI 评分验证后才晋升最佳，失败即还原；支持 inf 无限循环，prompt.max_state_chars 默认 60000 限制提示词增长。
fboiero 发布开源框架 MIESC，用一条命令编排 Slither、Aderyn、Solhint 等 50 个安全工具和 9 层分析，自动去重发现项并给出置信分，支持检测、修复、验证到 MiCA/DORA/ISO 27001 合规映射的完整流程。在 SmartBugs-curated 143 个合约上，无 LLM 消融显示静态层召回 82.5%，加自有检测器达 93.0%，再加智能引擎达 97.9%，精度 22.2%；对 11 起真实 DeFi 漏洞事件召回 81.8%。EVMBench 上本地 qwen2.5-coder:32b 召回 59.2%，DeepSeek-R1 精度 88.5%、F1 78.7 且约 $0.08/次审计，Claude Sonnet 4.6 召回 82.5%。
virtUOS 与奥斯纳布吕克大学发布开源工具 Keyosk（MIT 协议），为本地 AI 提供自助密钥管理：用户通过 OIDC 登录后可生成、续期和删除 LiteLLM API 密钥。管理员可定义含模型权限、预算和 TPM/RPM 限流的使用配置并分配给用户，支持到期前仪表盘与邮件提醒、用量报表及配置变更后台同步。技术栈为 Go、bun ORM 与 SQLite 单文件存储。
Eta 是一个通用 AI 智能体，可将自然语言指令转化为实际工作，提供桌面应用、自托管 Eta Bot 和移动端三种使用方式，支持持久会话、子智能体、技能、定时任务与审批机制。桌面端支持 macOS（Apple Silicon/Intel）与 Windows，采用 MIT 许可开源，权限系统含 read-only、workspace sandbox（默认）和 full access 三种策略，沙箱后端为 macOS Seatbelt 与 Linux Landlock。
Kevin Peckham 在 GitHub 开源 barkup-bench，一个持续进行的预注册基准系列，比较 barkup（HTML 整树重写）与 JSON 细粒度变更工具等方案在让 LLM 智能体编辑页面布局、文档模板、CMS 内容等类型化树时的可靠性。系列已含 45 项研究、8 个模型上超过 36,000 次评分运行，覆盖接口、树规模、部分上下文、检索、会话记忆、多目标编辑等维度，并保留两次重大修正与若干自我反驳。
推荐理由：预注册协议加可复现语料和回归门禁的做法，为评测 LLM 智能体编辑结构化树提供了可迁移的实验纪律。
Metrum AI Router 是一个面向 Agent 工作负载的模型路由器，按用户定义的模型组合约选择满足质量要求的最便宜目标，证据通过 max_eval_age_days 过期，Learned Routing Policy 在不确定性高时弃权。案例中 Codex on big-coder 在一次确定性任务里消耗了 48,470 Harbor input tokens。示例配置为 Fireworks deepseek-v4p1-flash-1017 与 OpenAI gpt-6-luna 按 70/30 加权，支持 Linux binary、Docker Compose 和 Kubernetes 部署。
该 GitHub 项目测试能否像数据库一样把事实直接写入大语言模型权重，再查询、修改并留痕，无需每次重读全部内容，当前结论草案为 NOT-READY-WITH-CONDITIONS。基于 Qwen2.5-3B 用 MEMIT/AlphaEdit 系列方法编辑，批量写入在 3B 规模消除串扰（100%保持），编辑可经受 Q4_K_M 量化并经 llama.cpp 在 CPU 上以约 8–13 tok/s 服务；主要未解问题是多词新造名称的换措辞问答，目前最好成绩为 72 题中答对 24 题。
推荐理由：原文以预注册实验和可复现证据逐项检验把事实写进模型权重当数据库的可行性，并如实报告失败项。
GitHub 上的开源项目 DirectiveBench 发布 v0.1，这是一个本地优先的工作台，用于发现、组织、同步和基准测试跨仓库与 coding agent 的 AI agent 技能、指令和规则。它已实现本地 SQLite 注册表、RED/GREEN 基准引擎、job runner、Web UI 和 CLI，可注册本地及公开 GitHub 仓库并解析 SKILL.md、CLAUDE.md、Cursor .mdc 等格式。目前基准仅支持确定性 mock agent，真实 agent 执行、私有仓库同步和模型提供商接入尚在规划中。
pipe1os 发布开源 CLI 工具 modelinfo-cli，可离线检查 .safetensors、.gguf、.pt 模型 checkpoint 并计算硬件需求，仅用 Python 标准库读取二进制头文件，本地解析在 100ms 内完成。支持通过 Hugging Face Hub 的字节范围请求在 2 秒内远程读取头部而无需下载 checkpoint，可按上下文长度计算 VRAM、用 --vllm 模拟 PagedAttention 池可服务 token 数，并按 --gpu 与多卡 --topology、--strategy 做硬件适配诊断和并排对比。
推荐理由：工具只用标准库解析模型头文件，本地毫秒级、远程免下载整个 checkpoint 就能算 VRAM，部署前选型可以省大量磁盘和时间。
nakielski 发布 obsidian-mcp，一个把本地 Obsidian 笔记库经 MCP 暴露给 LLM 客户端（Claude、Cursor、Continue 等）的 server，支持读搜建改删笔记、frontmatter 与标签管理、daily notes、正则替换、Backlink 图谱遍历、孤儿笔记检测和 vault 健康评分（0–100）。共 22 个工具，全部带结构化输出 schema， Whoosh 全文索引支持 Lucene 风格查询（模糊、字段、范围、did-you-mean），可选 Whoosh+Qdrant 混合语义搜索；写策略（write log、raw/ 不可变、agent 锁、wiki index 维护）在文件系统层强制执行，提供受限文件夹隐藏与路径遍历防护。
Witwave AI 开源了 Witself，一个为 AI 智能体提供持久记忆、事实、密封凭证和跨 agent 消息的平台，仓库地址 github.com/witwave-ai/witself，采用 FSL-1.1-ALv2 许可，两年后转 Apache 2.0。一次命令即可为 Codex、Claude Code、Grok Build、Cursor、OpenClaw、Antigravity、GitHub Copilot 七个运行时安装 stdio MCP 服务和记忆路由规则，其中 Codex 和 Claude Code 已通过实时验收，其余为预览态；记忆以 PostgreSQL 为规范存储，向量由客户端自行提供，平台本身不运行后端 AI。
SvenRogue 在 GitHub 发布 ai-model-ranking，一个零依赖单页面的大模型实时排行榜，基于 OpenRouter 平台全球开发者的 Tokens 用量与 API 请求数统计排名。页面每 5 分钟自动从 OpenRouter 公开接口拉取数据，接口不可达时回退到内置快照 snapshot.js。功能包括金银铜热度三甲卡片、Top 10 条形图与机构份额环形图、搜索筛选及详情抽屉，数据仅反映 OpenRouter 生态内的相对热度。
GitHub 开源了 rag-evaluation-testing-platform，一个零运行时依赖的 RAG 管线评测框架，固定数据集跑问答、对检索和生成分別打分，输出可 diff 的 JSON+CSV 报告。它内置 lexical/dense/hybrid 三种检索器、extractive 与 Ollama 生成器、以及经 65 条人工标注验证的 LLM-as-judge（llama3.2:3b 对 gemini-3.8-flash），评审器在 49 条留出项上 κ 达 0.95，词元规则为 0.90；21 个用例基线中 qwen3:1.7b 开启推理模式可将幻觉率从 0.25 降到 0，代价是延迟约 5 倍。
推荐理由：项目不只给代码，还用 65 条人工标注实测了 LLM 评审与词元规则的差异，读者可借此理解 RAG 评测该测什么。
ANTCPU 在 GitHub 开源自动化营销项目 ads，构建由 AI agents 和 antbots 驱动的实时广告生态 The Arena。品牌提交后由 buildPod(ctx) 动态生成 10 个 antbot 组成的投放组，覆盖社交、搜索、视频、邮件、社区和 SEO 渠道，配合 Aria、Scout、Herald、Vault 四个 agent 及 Entry→Top Tier 阶梯体系。平台已上线 8 种语言，Phase 1-2 已发布，Phase 3 因 50+ 活跃广告被触发，Phase 4 变现与 ANTCPU Cloud 仍在规划中，贡献尚未开放。