新闻、仓库与研究，按时间排列。
nadeem4 在 GitHub 开源了 NL2SQL Engine，用户用自然语言问数据库，模型只输出类型化查询计划（Pydantic PlanModel），计划先对照真实 schema、外键和调用者角色（RBAC）校验，被拒的计划不会变成 SQL，通过后才由 sqlglot 确定性地生成 SQL。内置三个只读示例数据库和浏览器 playground，五个用模型的步骤可各自配置 provider（如 planner 用 Claude、其余用 OpenAI）；基准显示 gpt-5.4 在 Chinook 43 题金标集上严格准确率 79.1%、忠实度 86.8%，检索的表召回 98.5%。托管 demo 不存任何 API key，按访客限流，引擎目前为 0.1.x，MIT 许可，尚不支持跨库查询和多轮追问。
ReQurv 发布 ReQurv Bridge 桌面应用，可将 OpenCode、Codex、Claude Code、Hermes 等编码智能体预配置后接入其 AI Hive 网关。应用支持自动检测已安装的智能体（含 nvm、Volta、Homebrew 等安装方式）、列出网关模型并设默认项、一键启动，并自动写入或备份各智能体的配置文件。提供 macOS .dmg（签名并公证）、Linux .AppImage/.deb 和 Windows .msi 安装包，需粘贴 AI Hive API key（本地验证存储）。
该项目基于 XED 情感数据集（英语 + 罗马尼亚语）比较 Qwen2.5-1.5B-Instruct 上的 plain prompting 与 LoRA/QLoRA 微调两种方案，LoRA 配置为 r=16、alpha=32、dropout 0.05，训练采用 lr 2e-4、batch 16、3 epochs。项目另用 EuroLLM-1.7B-Instruct 做纯 prompting 对比，包含 70/20/10 数据划分、zero/majority/random 基线和阈值 0.15 解码，全部实验可在 A100 上约 2 小时复现。
Beurre v1.0.0 是一个运行在 Bun 上的轻量级 agentic 编码 CLI 工具，冷启动低于 15ms，交互设计灵感来自 Claude Code 与 Codex。它支持执行中途的交互式转向、实时推理内容展示和 tok/s 速度遥测，并通过 Model Aggregator 的 Cloudflare Relay Gateway 自动发现 50+ 旗舰模型（5 分钟缓存 TTL）。工具采用轻量 OMP agent core，可经一行脚本安装或通过 bunx 直接运行。
reliable-era 发布 karpathy-jev，一个 Claude Code 技能，在首次编辑和声明完成前的固定检查点收集 diff、命令与真实 exit code，交由独立的 TypeSafe Jev 判定 proceed 或 revise。SWE-bench Verified 20 任务上，Claude Code + Sonnet 5 下该方案解决 20/20，虚假完成声明 0 次（原生 2 次），最后一次编辑后真正跑测试的比例 13/20（原生 1/20）；解决数差异在 n=20 下不显著，单任务中位耗时 +8%。实验还发现 Sonnet 在 112 次运行中从未主动打开自愿式技能，强制 hooks 是行为改变的关键。
推荐理由：原文同时给出方法和实测数据，读者可以对照三种方案看到强制钩子与提示词自评在行为上的真实差别。
GitHub 项目 llm-file-assistant 通过 OpenRouter Python SDK 调用任意支持工具调用的模型，借助 read_file、list_files、write_file、search_in_file 四个文件系统工具回答简历文件相关问题。默认模型为 openai/gpt-4o-mini，可切换 anthropic/claude-sonnet-4.5 或 google/gemini-2.5-flash，路径限制在 --base-dir 沙箱内，并附带离线 pytest 测试套件。Windows 下双击 setup.bat 即可完成一键安装。
GitHub 上的开源项目 Noema 是一个神经符号系统：由 LLM 提出方案，用 Z3 对形式化契约进行验证（不可用即 fail-closed 拒绝），再经 Docker 沙箱执行，全程留下可审计的推理记录。其 Phase 1（Architect）已生产就绪，Phase 2 自主自愈和 Phase 3 多节点 grid 联邦仍在开发中，支持 Python 3.11+，12 个演示无需 API key。
CodingFleet Desktop 是一款在本地真实代码上工作的 AI 编程智能体，每条命令和文件改动都默认等待用户确认，并提供一键撤销、运行中纠偏和云端沙箱选项。支持 Windows 10/11、macOS（Apple silicon/Intel）和 Linux，内置 13 个 MCP 连接器（GitHub、Stripe、Sentry 等），Send 按钮旁显示费用预估。项目基于 Node.js 22+ 开源，可自行构建。
开源工具 codebone 在 macOS 菜单栏监听文件保存，通过 MCP 以约 2k token 将实时架构快照注入 Claude、Cursor、Codex 或 Gemini。它结合确定性静态扫描（支持 TypeScript、Python、Go、Rust、Java 等 9 种语言）与 Apple Silicon 本地模型合成，构建零幻觉的语义系统图。56 文件项目上单次查询仅 170–370 token，完整概览约 1,500 token，体积约 750 MB，要求 macOS 13+ 及 Apple Silicon。
jonah-ux 在 GitHub 开源 Sourcemark v0.5.1，将引用锚定到引文、文件行或数据库值，在文件重命名、行号位移、文本编辑或数据变更后重新解析，并核查 AI Agent 的回答是否真的读过所引用的内容。工具支持 Claude Code Stop hook 与 Codex rollout 检查，Python 3.11+、零运行时依赖、MIT 协议、仅本地运行。基准测试显示约2900个 Claude Code 会话中0.00%的正确引用被误报、99.9%注入的近似错误被查出，Codex 约3000个 rollout 的47000条真实引用同样0.00%误报，单次 resolve 中位数0.6ms。
推荐理由：开源工具给出引用锚定与 Agent 引用核查两类基准数字，包括约2900个 Claude Code 会话上0.00%误报、99.9%查出的实测结果，方法可直接复用。
eroslifestyle 在 GitHub 发布 ai-router-switch，一个自托管路由代理，通过 http://127.0.0.1:8787 让 Claude Code 及任何 Anthropic API 格式客户端在 Anthropic、MiniMax、GLM/z.ai、Qwen 和本地模型之间切换后端而无需重启应用，MIT 许可。项目提供 THINK/ACT 分工的多种模式、每模式固定端口、ai-mode 与 !
推荐理由：原文详细说明了各模式的后端分工、固定端口和部署安全规则，读者可以照着快速搭建自己的 Claude Code 多后端路由。
QTestBench 是一个用独立 benchmark checker 评测 LLM 生成量子代码测试套件的框架，不把测试本身当真值。它在 8 个 PennyLane QHack 挑战和 10 个 Qiskit HumanEval 任务上评测了 5 个 LLM，最佳生成器测试质量仅达 QHack 0.71、Qiskit HumanEval 0.34，说明可执行性高不代表判别力强。对于缺乏自然错误解的任务（10 个 Qiskit 任务中有 3 个），oracle 验证的合成 mutants 可稳定 bug 检测估计。
TheColliery 在 .github 仓库集中管理组织配置、统一安装脚本 install.mjs 与共享规范，旗下工具包括 CoalMine、CoalTipple、CoalBoard、CoalHearth、CoalFace、CoalWash 及 beta 的 CoalLedger 和 CoalGob，面向 AI 编码智能体的质量检测、路由、会话恢复、记忆清理等场景。页面不复制数字，只链接各工具的 RESULTS.md 作为基准唯一来源，其中 CoalWash 声称 448 结构化 token 零丢失，CoalLedger 尚未评测。
开发者 itsaayush77 发布开源工具 prompt-regress，用 YAML 定义测试用例跑模型并对比两次运行，找出提示词改动导致的输出退化。工具记录每条用例的通过率、成本与延迟，支持 OpenAI 兼容接口和本地 Ollama，CI 检测到回归时以 exit 1 拦截，无 API key 时可用 mock 模式离线运行。作者自述定位比 promptfoo 小，单一代码库，LLM-as-judge 等局限在文档中已列明。
推荐理由：原文完整给出了用例写法、CI 门禁和 mock 离线跑法，读者可以照着把提示词改动纳入回归测试。
arXiv 论文提出角色感知 Transformer 架构 REFLECT，将情感、情绪、礼貌度和正式度（SEPF）四个维度映射到基于语义角色标注（SRL）的配置，并融入自注意力机制。在四个 benchmark 数据集上，该框架较 BERT 基线在情绪、礼貌度和正式度上取得统计显著的提升，情感维度提升不显著。在真实心理健康数据上，该框架同时提升了预测性能和模型可追溯性。
Reddit 用户实测 JetBrains 的 Mellum2.1-12B-A2.5B（Q8）搭配 Pi 和 llama-server，五个 one-shot 测试结果参差：Flappy Bird 能完成但画面简陋，Browser OS、Minecraft 等表现不佳。模型工具调用和 agentic 行为出色，能发现并修复自己的编辑错误，还成功完成修改现有项目代码等任务。在 8GB VRAM + 32GB RAM 笔记本上以 131K 上下文跑出约 40 t/s。
研究者提出 DualQuant，一种双尺度、免校准的后训练量化框架，通过最小化权重重建 MSE 得到逐通道激活 rescaling，无需校准数据即可完成 W4A4 量化，并首次正式支持 MX 与 NV block 格式。在 Llama 和 Qwen 模型的 WikiText-2、C4 及零样本任务上，其精度达到或超过基于校准的 SmoothQuant。Llama-3.1-8B 在 RTX 4090 上的实测推理相比 BF16 最高实现 2.61x 内存节省和 2.46x 吞吐加速。
NUML 伊斯兰堡的毕业项目 InvestIQ 在 GitHub 开源，是一个面向巴基斯坦股市（PSX）散户的 AI 投资顾问平台，仅提供建议、不代客交易或托管资金。平台结合 LSTM/BiLSTM 价格预测、FinBERT 情绪分析和支持英语/乌尔都语双语的 Claude API 聊天机器人，提供风险画像、含经纪费与资本利得税等明细的个性化组合，并可基于 3+ 年 PSX 历史数据回测。技术栈包括 React.js、React Native (Expo)、FastAPI、PyTorch、PostgreSQL 与 Redis。
OMK 是一个面向 agent 用户和 AI 应用开发者的知识构建工具，用于从人机真实协作中发现、保存和复用知识，提供 CLI、Studio、eval-runtime 和 DSH 插件四种使用方式。工作流覆盖观察、测量、知识沉淀三个环节，可对比 prompt、RAG、skills、agent 等知识产物，跨 agent 的完整管理与复用尚未实现。安装需 Node.js >=22，通过 npm i -g oh-my-knowledge@next 获取；版本 1.0 仍处 Beta，API 和存储契约可能变更。
henryzhangpku 开源 mft-engine，一个用 Rust 编写的确定性中频研究与模拟交易引擎，回测与实盘模拟共用同一事件循环。引擎整合 Hyperliquid 价格、Kalshi 预测市场阶梯、Jev 推理分类器对 HN 帖子的打分及 Hyperliquid 排行榜前 100 钱包仓位，决策约 2 微秒（p99 47），实盘数据帧到决策约 0.4 ms。预先注册的策略在 3.5 天数据上扣费后均亏损；v4 资金费率套利策略在密封样本外测试中被淘汰，36 天亏损 $478.69（Sharpe -1.91），仓库不含任何下单代码，仅支持 paper trading。
研究者提出 Orthros attention，通过相位感知解耦实现线性复杂度 prefilling 与全注意力解码，相比标准 Transformer 获得最高 21.9× prefilling 加速。该模块支持数据高效的 Transformer-to-Orthros 转换，转换后性能甚至超过原 Transformer。128K needle-in-a-haystack 测试接近满分，保持长上下文能力。
Veronica（VACA）1.0.0 是一款 Electron 桌面应用，用英文描述需求即可构建应用，支持 Linux x64 和 Windows x64，自带 Node 后端。它固定使用 Qwen2.5 14B 模型（约 9 GB）通过 OpenAI 兼容 API 由 Ollama 托管，另有基于 Qwen2.5-Coder-14B-Instruct-Uncensored 加 LoRA 合并、量化为 Q4_K_M 的微调版本托管在 Hugging Face。当前为限时演示版，2026-12-09 后停止启动，仅比对本地时钟，无联网校验、无遥测、过期不删数据。
该仓库在 Text2CAD-Bench 的 30% 公开预览（151 个提示词）上，通过 Anthropic Message Batches API 用 claude-opus-5-5 生成 CadQuery（Python）代码，并用运行验证器与尺寸验证器逐一判定。结果显示，一轮修复把运行失败从 7（pro）和 11（geo）降到各 1，有公认尺寸的 119 个部件尺寸不匹配为 0。整个评测分 7 个 batch，约 0.30 M 输入、0.45 M 输出 token，按 Batch API 价格约 $5。
GitHub 上的 vibe-coding-cn 是一套中文 Vibe Coding 教程知识库，目标是把想法稳定变成可运行产品，涵盖 Prompt、Skill、Context、Quality Gate 和 Git 五层工程主线。仓库提出六条核心命题，包括把 Vibe Coding 理解为固定目标、可变策略、分层反馈的可验证收敛系统，以及隔离审查与能力编排等方法。新手可从零开始走通网络环境、Codex CLI 配置、第一个项目和 Git 闭环。
CRANE-LLM 是一个 JupyterLab 扩展，在 ML notebook 单元格运行前预测其是否会崩溃并给出诊断。它结合两类机制：从内核实时状态确定判断崩溃的内置检查，以及基于已执行单元格和运行时状态摘要的 LLM 预测；开启预检查后必崩的单元格不会执行。扩展可通过 pip 安装，Kaggle 和 Colab 上改用 %%crane_llm cell magic；SCAM 2026 论文的复现工件在 paper_scam26 分支。
santosardr 在 GitHub 开源 RIS-Kernel，一个模型无关的稀疏注意力推理引擎，可在无加速的普通 CPU（16–128 GB RAM）上运行 64k+ token 的长上下文推理，无需修改模型权重。在 Qwen2-1.5B-Instruct 上 32,768 token 受控评测中，1% 密度、70 seeds 的 RIS-Stochastic 达到 75.00% 准确率，超过原生稠密注意力的 71.88%；65,536 token 时稠密注意力会显存溢出，RIS 相对零上下文基线（51.56%）最多提升 14.06 个百分点。GPU 环境下 40k token 峰值显存从 36.2 GB 降至约 9.4 GB。
推荐理由：仓库给出了在无加速 CPU 上跑 64k+ 上下文的实测精度与内存数据，读者可以据此评估稀疏注意力方案的可用性。
arXiv 论文 zip2zip++ 提出仅改进压缩层与 LZW codec、不动底层预训练模型，来缩小 LZW 动态词表压缩带来的质量差距。方法包括解耦输入/输出动态 embedding 层、size-aware RoPE 定位以及支持选择性合并和多视角分段的改进 LZW codec。在四个模型上，该方案在所有评估语料上降低了 perplexity 并提升数学推理准确率，在相近压缩比下弥合约一半与未压缩基线之间的质量差距。
Vleickzs 在 GitHub 发布 claude-conf，一个帮助用户降低 Claude Code 配置门槛的工具包，提供更整洁的工作流、更快的常用任务入口和更规范的终端设置。项目面向 Windows 用户，包含 config、scripts、hooks、docs、bin 等目录，通过下载最新 release 并运行主文件即可使用，支持保存偏好、切换任务模式和减少重复配置步骤。
GitHub 上的 ai-engineering-from-scratch 课程提供 523 节课、20 个阶段、约 342 小时内容，覆盖 Python、TypeScript、Rust、Julia，免费开源并采用 MIT 协议。每节课产出可复用工件（提示词、技能、智能体或 MCP server），支持通过 Codex、Claude Code 等编程智能体加载 AI 导师、MCP 与 Agent Skills 学习路径，近 30 天页面浏览量达 181,995。
GitHub 仓库 ppt-agent 发布了一套多智能体 PPT 幻灯片生成工作流，由 LLM 生成、Gemini 审查，输出 1280×720 SVG Bento Grid 布局幻灯片。工作流分七阶段，含 research-core、content-core、slide-core、review-core 四个智能体，设置三处用户确认的 Hard Stop；内置 17 个风格预设，支持品牌色自定义与断点续跑。已在 OpenCode（GPT-5.4、MiniMax M2.5、MiMo V2 Pro）和 Claude Code（Claude Opus）验证，Gemini 不可用时降级为技术校验模式；长期方向包括 MCP Server 化、核心解耦与 Headless 模式。项目采用 MIT 许可证。
推荐理由：仓库给出了七阶段工作流、四个智能体分工和已验证的跨平台模型组合，方便读者评估如何复用这套 PPT 生成方案。
arXiv 论文提出多智能体框架 MENTOR，针对 RLVR 训练中的“零奖励坍缩”问题，实时诊断失败根因并动态生成针对性教学提示词，引导学习智能体的下一次尝试。它作为即插即用模块可无缝集成到 GRPO 等策略优化管线，无需改动训练基础设施。数学与代码生成实验显示其优于 SOTA 基线，Llama-3.2-3B-Instruct 相对基座模型平均相对提升最高达 78.3%。
LLM2SQLSTRUCTUREDSEARCH 是一个开源的 text-to-SQL 管线，结合 LLM 草图生成、schema 感知的两阶段检索和基于验证的最小编辑修正，提升 SQL 生成的可控性与准确性。项目是面向 MiniDev 和 Spider 类数据集的研究型概念验证，采用 MIT License，支持 Windows、macOS 和 Linux，生成 SQL 无需连接数据库，执行则需兼容数据库。
GitHub 开源项目 expense-summary-project 用 Spring Boot(JPA) 管理支出 CRUD，通过 RestClient 调用 FastAPI 服务，后者用 LangChain 组装提示词请求 gemini-3.1-flash-lite 生成月度消费摘要（分类合计、最高支出类别、消费模式）。后端采用 Java 17、Spring Boot 4.1.1、Oracle Database 21c XE (Docker)，FastAPI 服务在 8000 端口运行，Spring Boot 在 8080 端口运行，并对 FastAPI 不可用等外部调用失败做了兜底提示。项目仅在本地验证，未部署。
该 GitHub 仓库记录从 LLM、幻觉、Prompt 工程到 Ollama 本地模型的学习路线，并包含多个实战项目。项目包括 Job Application AI Copilot、AI Bug Triage、Flaky Test Analyzer、AI Resume Tailor、API Code Generator Agent 和 AI Locator Generator，多基于 React + Vite + TypeScript 前端，并集成 Langflow 工作流，可生成 Playwright、Selenium、Cypress 等测试与自动化代码。
Truffle AI 在 GitHub 开源 Dexto，一个把 LLM 编排为可靠、有状态智能体的 agent harness，内置开箱即用的编码智能体，可通过 CLI 或 Web UI 直接使用。它支持 YAML 配置定义智能体、50+ 模型会话中即时切换、30+ MCP 工具集成、持久会话与记忆、多智能体协作，并可经 REST API、Discord、Telegram 或作为 MCP 服务器接入 Claude Code 与 Cursor。
推荐理由：这份官方文档完整展示了 agent harness 的配置方式与多模型切换、持久记忆等能力，读者可以对照评估是否适合接入自己的应用。
GitHub 项目 FrxshSpamzL2/csharp_Repomap_for_Agent 通过为 C# 代码库创建智能代码地图，提升 AI Agent 的工作效率并减少上下文丢失。项目以 README 形式发布在 GitHub 上，目前处于早期阶段，暂无 stars、forks 或 releases。
Yaning Fan 在 GitHub 发布 ChemHazard-LLM 的仅代码可复现包，涵盖五个开源大模型的 zero-shot 与 LoRA 筛选、种子 123/777/2025 的三成员集成、Bemis-Murcko 骨架评估及 NITE Japan-GHS 外部测试集流程。数据目录、模型权重和 LoRA 适配器不随包分发，完整复现历史分数需按 DATA_REQUIREMENTS.md 自行获取输入。代码采用 MIT License，计划通过 GitHub-Zenodo 集成归档发布。
一项 arXiv 实证研究将 SWE-bench 与 SWE-bench-Live 验证集的 FAIL_TO_PASS 测试用于评估补丁运行时性能，测试 Claude Opus 5、GPT 5.6、DeepSeek V4 Pro 与 Qwen 3.8 Max 配合 SWE-agent 生成的 262 个含多种正确解的案例。借助 Welch ANOVA 判据，该方法在近半数实例中发现显著性能差异，且补丁运行性能与模型 issue 解决率无关，模型排名几乎相反。研究还发现部分补丁存在正确性评测未察觉的架构性能回退，表明解决率不足以刻画 LLM 的仓库级修复能力。
GitHub 开源仓库 rag-masterclass 提供越南语 LLM 与 RAG 课程，约 8–9 小时学习量，含 14 个理论模块和 5 个实战 lab，围绕 Zendesk 客服 AI 场景展开。内容覆盖 Embedding、chunking、检索、reranking、Agentic RAG、微调、评估到生产部署，并以构建 Zendesk AI 客服系统作为 Capstone。仓库基于 MkDocs Material 搭建，推送到 main 后自动部署至 GitHub Pages。
WritingTools 的定制分支 AI Shortcuts 上架 GitHub，支持在 macOS、Windows 和 Linux 任意应用中用一个快捷键（默认 ⌥ Space）完成校对、改写、总结等操作。该分支在原版基础上新增图片与文本文件附件、多行输入、命令拖拽排序与 JSON 导入导出配置等功能，UI 支持 7 种语言。项目聚焦原生 Swift/SwiftUI 的 macOS 版本，Windows 和 Linux 继承自原项目。