新闻、仓库与研究，按时间排列。
codeauditor 是一款 Windows 本地代码审计工具，扫描项目后生成 codeaudit.md 报告，包含 0-100 的总分、按优先级排序的问题列表、修复建议和安全警报。该报告可粘贴给 Claude Code、Cursor、Windsurf、Gemini 等 AI 工具自动修复代码。工具为独立 .exe 程序，仅在本地运行，不向外部服务器发送源码，支持通过 config.json 配置扫描深度。
论文提出 RucTangle，首个在解耦提交的同时保证每次提交后代码可运行的 agentic 方法，并推出首个量化提交历史对 coding agent 修 bug 帮助的评测框架 TangleEval。在 131 个 agent 生成的补丁上，RucTangle 的提交历史全部可运行，而四种基线方法产生 20.6%-37.4% 不可运行历史。用其提交历史增强 agent 上下文，可将两个 coding agent 修复回归的 pass@1 绝对提升 5.2%。
论文对编码 Agent 的 skill 冲突开展首个实证研究，从 20,947 个仓库快照挖掘出 822,109 个候选相似技能对，由 LLM 判定 3,754 个分层样本，并在三个模型上运行 312 个确认对（6,368 次运行、169,294 次工具调用、542 agent 小时）。研究发现近四分之一的已安装技能与做同样工作的技能共存，相似技能会在约五分之一运行中取代原技能但不降低任务完成率，且打开相似技能的运行会损失超过三分之一的独占核心功能；安装位置决定哪个技能运行，冲突在首次读取技能时即已决定，在首次读取处加 pre-tool 钩子可将独占核心功能保真度恢复到先打开原技能运行的水平。论文建议基准应评分独占核心功能，平台应守护首次读取并显示实际运行的技能。
推荐理由：研究给出技能冲突的实证规模和首读修复思路，并指出只看任务完成的基准会漏掉这类失效。
研究者提出 VenusRX-Bench 统一基准，涵盖正向反应预测、单步逆合成和 EC 编号预测，揭示化学模型与酶模型间存在明显的化学-酶促领域鸿沟。为弥合差距，团队开发 T5-style 序列到序列模型 VenusRX，采用两阶段训练，先在数百万条模板扩展反应上预训练，再在真实生化反应上训练，并支持可选 EC 条件化与 Molecule Library-Constrained Decoding。VenusRX 在多数评测设置上达到最佳或具竞争力的表现，且 EC 信息可提升反应预测，呈现反应结构与催化功能间的双向关系。
开源工具 Agentic Rules Synchronizer（ARS）为 AI 编程智能体提供统一的规则治理层，让 GPT-4o、Claude Opus、Copilot、Cursor 等不同智能体遵循同一套行为、风格与安全规则。其“Living Contracts”规则具备版本感知、上下文自适应与冲突自动消解能力，可导出为 .cursorrules、settings.json、.clinerules 等格式，并通过 pip install agentic-rules-synchronizer 安装，当前版本为 rulesync 2.0.0 (2026)。
开源项目 OranguCode 发布，定位为连接人类意图与 AI 执行的代码编排编辑器，支持 OpenAI GPT-4 Turbo、Claude Opus 4 及通过 Ollama 接入的本地模型，可热切换 AI 后端而无需重启。它跨会话持久保存项目记忆，支持 47 种编程语言的语义分析，采用 WebSocket 界面并已在 Raspberry Pi 5 上测试。项目基于 MIT License 开源，需 Python 3.11+ 和 Node.js 20+，API 密钥本地加密存储。
SAIL Model Team 发布开源科研智能体模型 SAIL，总参数 35B、激活 3B，面向文献调研、科学编程和多步科研工作流。其训练采用科学感知改进循环：由前沿模型构建的智能体分析任务失败并生成针对性训练任务，再经监督微调、专家训练、多教师 on-policy 蒸馏和智能体强化学习完成训练。SAIL 在科研任务上以远少于主流开源模型的参数量取得有竞争力的表现。
清华团队等提出 WebLoop，一个在共享策略中联合学习生成、批判与修正的执行驱动框架，为无需执行的 Critic 引入需求级判别力与下游有用性互补信号。基于 Qwen3.5-9B 的 WebLoop 在 WebRise 上达 41.5 Overall，在 WebGen-Bench 上达 38.9% 准确率，分别比基座模型提升 11.3 和 15.4 个点。增益可迁移到首次生成、27B 规模及多模态输入，且受控分析表明仅靠额外一轮修正无法解释该提升。
研究者推出编程助手评测基准 SWE-Journey，用 weak-to-strong 合成流水线自动构建长程编码任务，并基于真实交互数据挖掘四种用户画像、构建用户模拟智能体还原多轮交互。实验显示，模型在软件架构师场景下平均通过超过 75% 的功能测试，非程序员场景下则不足 25%。作者将差距归因于 asking right、finding right 和 fixing right 三项关键能力。
一篇 arXiv 论文提出 Incremental Open-Ended Deep Research（Incremental-OEDR），将研究报告视为可演化的研究状态，通过保留有效知识、修订过时内容并纳入新信息进行增量更新，而非从头生成报告。配套提出的 Structured Harness 将报告表示为大纲、章节和证据的结构化集合，提供结构化检索、持久化证据池与结构化生成。在覆盖十年的 DeepResearch Bench 与 DeepConsult 评测中，该方法相比 OEDR 在 DeepResearch Bench 上最高提升 0.51 的内容级 ROUGE-L F1、0.63 的大纲级 EM F1，并降低 33% token 消耗和 61% 搜索调用次数。
Chronos 是一个测试时框架，将已合并的 pull requests 蒸馏为结构化经验卡片，并通过代码、开发者意图与组织关系的类型化图谱连接，供 LLM 代码智能体检索历史经验。在 SWE-Bench Verified 上，该完整流程将 SWE-Agent 六个 LLM 后端的平均解决率从 69.2% 提升至 72.9%，配合 MiniMax M2.5 达到 79.8%；同后端下在 SWE-Bench Pro 与 FEA-Bench Lite 上分别从 48.3% 升至 51.7%、41.0% 升至 43.5%。100 个任务的人工评测中，基于图谱的检索使平均有用卡片数从 1.24 增至 2.87。
GitHub 开源项目 ai-chat-analyzer 可用于分析聊天对话，提供情感检测、意图分类、质量评分和自动回复生成四大功能。应用支持 Windows 10+、macOS Mojave+ 和 Linux，需 4 GB 内存和 200 MB 磁盘空间。项目采用 MIT 许可证，用户可通过 Releases 页面下载最新版本。
sahasbelbase 发布 project-intelligence，一个本地优先、可移植的 AI 项目编排框架，用 G0–G6 七道生命周期门、JSON Schema 合同、确定性状态机和 Git 感知三层记忆来治理 Claude Code、GitHub Copilot、OpenAI Codex 等编码代理。框架内置 BL-001 至 BL-007 反糊弄基线规则（禁止装饰性 emoji、生产假数据、空占位符等）、五档质量 Profile（70%–90% 测试覆盖率下限）、24 个技能与 18 个代理定义，以及 design/development/product 三个共 37 个角色的议会机制。
GitHub 上的 RealMock 是一个开源 AI 模拟面试应用（MIT 协议）：上传简历可获解析与深度评审，配合 Prep 面试教练练习，再在含语音的实时 Q&A 面试室中实战。前端采用 Next.js + React，后端为 Python FastAPI 模块化单体，涵盖 profile、resume、prep、interview 等七个领域，深度评审并发上限为每进程 3。
agent-shell 是一个基于 ACP（Agent Client Protocol）的原生 Emacs shell，可与 Claude Agent、Codex、Gemini CLI、Goose、Grok Build、Cursor 等多种 ACP 智能体交互。项目目前更新至 0.63 版本，并已上架 MELPA，依赖 acp.el 与智能体通信。周边还形成了包括 emacs-skills、agent-shell-sidebar、meta-agent-shell 多智能体协调等在内的扩展包生态。
开源项目 DHI（MIT 协议）发布，这是一款运行在终端的键盘优先 IDE，让用户与一队 AI 智能体共享工作区，包含看板、频道、编辑器和审查界面。智能体有名字、角色、技能和记忆，每个变更落在独立 git worktree 中，支持跨仓库搜索替换，并自带 Go、Node、git、ripgrep 等固定版本工具链（约 157 MB），安装无需 sudo。它可运行在 Claude Code、Codex、Cursor Agent 等常用编码 CLI 上，目前支持 macOS Apple silicon 和 Linux x86_64。
goruck 在 GitHub 开源 Home Generative Agent（HGA），一个为 Home Assistant 打造的 LangGraph 智能体集成，可用自然语言控制实体、生成并注册自动化 YAML、分析摄像头画面并做人脸识别，支持 OpenAI、Gemini、Anthropic 或经 Ollama 等本地运行。它用 pgvector 保存长期语义记忆，Sentinel 异常引擎以确定性规则负责安全告警，LLM 只建议不直接执行，并内置 Home Assistant 安全审计，可检查未上锁的门锁、新管理员账号、长期 token 等问题。
推荐理由：README完整覆盖功能、架构和安装路径，能看出基于LangGraph的智能家居Agent与传统提示词透传集成的差异。
GitHub 项目 khrystofor-main/aiterm 发布，这是一个 Ubuntu AI 终端：左侧是用户的 bash shell，右侧是 Antigravity CLI（agy，基于用户自己的 Google 订阅运行 Gemini），通过专用 tmux 服务器的两个 pane 让 Agent 看到终端并执行命令。aiterm-left 默认只向 Agent 提供最后一条命令及其输出，需要时扩展到最近 N 条或全部回滚缓冲；aiterm-run 检查提示符为空、仅 bash 在运行才输入命令，否则拒绝（exit code 3），任何带 sudo 的命令前会先 sudo -K 清除缓存凭据，密码必须由用户在自己的 pane 输入。
推荐理由：开源的 Ubuntu AI 终端，让 Agent 直接在用户自己的 shell 里可见地读写命令，代码层面强制 sudo 守卫等安全检查。
VKirill 在 GitHub 发布 claude-lane-stack v1.64.8（MIT 协议），以 Claude Code 作为 AI PM，通过文件与 git 流水线调度 Codex、Qwen、Grok、Kimi、AGY、Cursor、OpenCode 等 CLI 完成编码、文案和 SEO 工作，合并到 main 并在夜间做独立评审。
推荐理由：以任务卡片和验收回执约束多模型流水线，并区分白天交付与夜间独立评审，是一套可参考的 Claude Code 编排实践。
TaskWraith 在 GitHub 发布，是一款免费开源、Apache-2.0 协议的本地优先桌面工作台，用于在自有仓库上运行和审查多家供应商的 AI 编码智能体。它支持将多个智能体席位并入同一会话，包括并行子线程和用于共同审议与审查的 Ensemble 模式，所有操作需经用户审批，可在本地查看活动与 diff。支持 macOS、Windows 和 Linux，兼容各供应商 CLI 账号及本地 Ollama 模型，另有处于 TestFlight 测试阶段的 iPhone/iPad 伴侣应用（非独立 AI 应用）。
推荐理由：这是一个可复用的开源工具，正文说明了多智能体协作的权限审批和本地化设计，对想集中管理编码智能体的开发者有直接参考价值。
curtisvgoss 在 GitHub 开源 job-radar，一个完全运行在 GitHub Actions 上的每日求职发现 Agent。它抓取 Greenhouse、Lever 和 Ashby 公开职位板，先用从 profile.yml 机械推导的确定性规则过滤标题、职级、地点和已读状态，仅对存留的新职位用 Claude 通过强制工具调用打分，每天生成一个按分数排序的 GitHub Issue；凭据失效或临近过期时改为提交命名告警 issue。编译阶段用较大模型（compile_model 默认 claude-sonnet-5-5）一次生成 rubric 和层级权重，日常打分用小模型（claude-haiku-5-5），单次封顶运行成本在 Haiku 级定价下远低于 $1。
推荐理由：原文完整给出了基于 GitHub Actions 的求职情报 Agent 架构、过滤规则与成本控制细节，方法可直接复用到类似日常情报场景。
该仓库发布一个可复现的工业品选型试点基准，比较 4 条 AI 流水线与一个无模型规则引擎，各在 12 个 held-out 案例上运行 3 次，共 180 次评分。最好的引擎（jev-1.13.0 结构化流水线）仅解出 2/12 案例，所有置信区间重叠，准确率上无明显赢家；但它中位延迟 235 ms，比 RAG 快 14.6×、比爬取 agent 快 47.5×。三个引擎（含无模型规则引擎）都误批准了应拒判的 R09 案例，作者提醒结果为小样本试点。
xu-hao 在 GitHub 发布 pytest-probability，一个针对 LLM 函数等非确定性代码的 pytest 插件，将每个用例运行 N 次并报告经验通过率，使 7/10 这类 FLAKY 结果不再藏在绿色通过标记里。插件支持基准驱动的 prompt 开发、参数化 A/B 对比（含配对 bootstrap 区间与显著性检验）、min_rate 通过率门槛、延迟分位数门槛、pass^k 与 pass@k 指标、成本与 token 统计、--prob-stop 提前终止及 JSON 报告，可配合 pytest-xdist 并行运行；仅需 Python 3.11+ 和 pytest 7.4+，通过 pip install pytest-probability 安装。
推荐理由：针对 LLM 输出不确定性的 pytest 插件，把单次断言换成多次采样的通过率门槛，还带成本与 A/B 对比统计，方法可直接迁移到自己的测试流程。
memtomem 是一个面向 AI 编程智能体的 Markdown 优先长期记忆工具，将 .md、JSON、YAML、Python 等文件索引为可搜索知识库，供 Claude Code、Cursor 等通过 MCP 调用。
DiegoLalanda 在 GitHub 开源了 Coderhouse AI Engineer 课程的 Monorepo，包含异步编排、LCEL 链、本地与 Pinecone RAG、ReAct 智能体及多智能体编排等模块。每个单元独立文件夹并附 README 说明，统一使用 Python 3.12 虚拟环境。其中 RAG 项目采用 ChromaDB/Pinecone 加 BM25+向量混合检索，并以 Precision@5 / Recall@5 评估。
hungryboygeorge 在 GitHub 发布 kblam v0.1.0，一个面向 LLM 研究与编码 Agent 的平面文件知识库，用 Claude Code hooks 和 Git hooks 阻止 Agent 写入相互覆盖或重复的事实。每条 finding 为一个 Markdown 文件存单条 claim，写入时经启发式校验、BM25 或 ollama embeddinggemma:300m 相似检索，再由 OpenRouter 上的 TypeSafe AI Jev 模型判断重述或矛盾，30 候选一次写入约 $0.001；无 Jev 时仍可运行确定性规则。
Blackman99 在 GitHub 发布 codsh，一个面向 DeepSeek 及任意 OpenAI 兼容端点的自主终端编码 Agent，直接构建在 DeepSeek Harness（dsh）上而非 fork。旗舰功能 /ship 将一句话需求经 7 阶段工程流水线（预检、目标澄清、设计访谈、Spec、Tickets、并行 worktree TDD 落地、验收合并）转为已验证代码，并提供终端与浏览器中的实时任务流全景。项目还支持自动解决 Git 合并冲突、Ctrl+C 暂停后续跑、多终端分级兼容和第三方网关配置，仓库以 MIT 许可开源。
Mai0313 发布 VibeCodingTracker，一个用 Rust 编写的轻量 CLI 工具，自动扫描本地日志以追踪 Claude Code、Codex、Copilot、Gemini、OpenCode、Cursor、Hermes、Grok 和 DeepSeek Harness 的使用成本。价格从 LiteLLM 每日更新，TUI 仪表盘常驻内存约 60 MB，支持静态表格、JSON 导出，并为 Claude、Codex、Copilot、Cursor、Grok 提供实时配额面板；支持 npm、PyPI、crates.io 安装。
推荐理由：原文给出了这个 Rust 编写的 CLI 对九种 AI 编码工具日志的成本统计原理、配额面板来源和内存占用数据，方法可直接复用。
BigCactusLabs 开源了 dead-letter 工具，把 .eml 邮件导出转换为带 YAML front matter 的干净 Markdown，支持拆分线程、剥离签名、提取附件和解析日历，全程本地运行，无需账号或上传。提供 CLI、本地 Web UI、Python API、MCP server、Claude 插件（含五个斜杠命令）和便携 Agent Skill 多种接入方式。基准测试显示在 11 封邮件的合成语料上，聚合转换结果比原始 .eml 少约 88% 的 token（tokenizer 为 o200k_base），同时保留线程结构、链接和附件元数据。许可证为 PolyForm Noncommercial 1.0.0，商用需另行授权。
开发者 Aliyan Faisal 发布 Invoice-Inspect 展示仓库，这是一款免费、无需注册即可使用的发票校验工具，面向财务团队、应付账款、自由职业者和企业主。它通过原生文本与 Tesseract OCR 双路读取 PDF，用确定性规则引擎逐项核对行合计、小计、总额、税率与重复收费，金额判定不依赖 LLM，AI 仅用于解释和交叉检查；免费档上传文件仅在内存处理、不落盘存储，源代码可邮件索取。
开发者 Trishna Jaiswar 开源了 NeuroScholar AI，一个 Agentic 多文档科研智能平台，支持研究对话、文献综述、论文对比与趋势分析。项目采用 LangGraph 6-Agent 工作流，结合 Hybrid RAG（FAISS + BM25 + Multi-Query）、HuggingFace all-MiniLM-L6-v2 嵌入与 Groq LLM，提供引用溯源验证、SQLite 持久会话和学术报告 PDF 导出，前端为 React，后端为 FastAPI，采用 MIT 许可证。
ddanila 的 llm-lang-lab 仓库是一个探索对 LLM 智能体更友好的编程语言的实验，目前尚未实现新语言。首期对比 C17 与 Go，由 pi 智能体驱动本地 Qwen3.5 9B（Q4_K_M）模型经 Ollama 运行：六次试点中 Go 通过 3/3，C 通过 2/3；v2 全套校准中 C 4/10、Go 6/10。新的 v3 研究包含 800 个新种子试验，预计运行约 17 小时，结果属探索性证据而非稳定排名。
ariel-frischer 在 GitHub 开源了 CLI 工具 profile-mango，用一个 YAML profile 统一设置多个编码智能体的模型、effort 和指令，并写入 Claude Code、Codex、OpenCode、Pi、Oh My Pi、OpenClaw、Hermes 等各自配置。profile 可包含模型路由、子智能体角色、全局指令（如 AGENTS.md、CLAUDE.md）和 skills，支持 extends 继承；安装前先预览变更、备份原配置并可用 mango undo 恢复，模型路由可通过 mango route set 本地切换，凭证和 MCP 等其他配置不做改动，许可证为 MIT。
推荐理由：这份工具文档讲清了统一配置各编码智能体的 profile 结构、可写入内容与各支持范围，方法可直接迁移到多智能体环境管理。
jma49 发布开源代码审查引擎 ocra（Open-CR-Agent），文件选择、规则匹配、锚定与去重等由确定性代码决定，隔离的 LLM 智能体只做判断，所有 finding 需经事实核查与锚定后才发布。它支持本地改动、GitHub PR 和 GitLab MR，可跑在 CI 中并使用自己的模型密钥，智能体只读、无 shell 无网络，面向不可信 PR 设计；附带 SARIF 2.1.0 输出、每次调用的 token 与费用报告、每轮消费上限，以及基于 AACR-Bench（200 个真实 PR、1,505 条专家标注评论）的 ocra-eval。项目处于早期 0.x，质量指标基于小样本，两次相同运行的精确率相差 20 个百分点，提示词在样本足够前保持冻结。
推荐理由：原文讲清了用确定性代码包住 LLM 做代码审查的完整架构，以及面向不可信 PR 的安全设计和实测局限。
Concerto 0.1.0 预发布版发布，这是一个用 Rust 编写的本地优先 AI 编码 agent harness，支持单 agent 循环与受管控的多 agent 编排，代码不出本机。它通过首匹配策略引擎（未匹配默认 deny）、可回滚的 VirtualFs 覆盖层和 append-only 审计日志保障安全，提供 Iced 桌面 GUI 与 ratatui TUI 双前端，支持 WASM 插件、SQLite 项目记忆和 23 个 provider。目前仅支持源码构建，尚未发布到 crates.io。
开源 Django 中间件 django-explain-errors 在调试页直接显示 LLM 生成的报错解释，支持 OpenAI、Claude 及 Ollama 等任意 OpenAI 兼容端点，仅限 DEBUG=True 的本地开发环境。可选 RAG 层通过本地 sqlite-vec 索引检索项目源码，评测 harness 的 43 次盲评对比中 RAG 开启赢 35 次、关闭赢 5 次；在 10 个错误源自应用自身代码的 fixture 上，指向正确文件和函数为 26 比 13，避免编造细节为 26 比 17。该工具还支持 traceback 脱敏、滑动窗口限流、sync/async 视图和多语言解释，MIT 协议开源。
推荐理由：README 附带了 43 次对比评测数据，量化了 RAG 开启后 Django 错误解释指向正确函数的比例变化，可作同类工具选型参考。
terojleinonen 在 GitHub 发布 ai-knowledge-base-template，一个基于 Laravel 13 + React 19 的文档问答模板，答案仅基于用户上传内容生成并带编号引用。后端用 laravel/ai 支持 Claude、OpenAI、Gemini、Mistral、Ollama 等切换，向量以 float32 存在常规数据库，无需额外基础设施；内置 CitationRepairer 在生成后校验引用，README 实测 qwen2.5:3b 修复前 6 个答案引用全部出错，修复后 13 句引用全部指向正确段落，并附 kb:eval 评测、免费部署方案与用量限额配置。
推荐理由：README给出了完整的RAG实现与实测数据，包括引用修复前后对比和本地小模型的延迟，读者可直接评估是否复用这套方案。
mjsvenson 在 GitHub 开源的 denial-triage-helper 是一个命令行学习项目，用 LLM 对合成的保险拒赔记录做分诊分类，计划输出结构化 JSON、检索保单片段并调用工具起草建议。项目基于 Python 和 Anthropic API，目前仅完成项目搭建，尚无可用功能，数据全部为合成数据，采用 MIT 许可证。
asazhin-dev 开源了 prompt-router，一个 Cloudflare Worker，会对每个进入的 LLM 提示词分类后经 AI Gateway Dynamic Routes 路由到不同上游模型：编码类走 Anthropic claude-sonnet-4-5-20250929，其余走 Workers AI 上的 @cf/moonshotai/kimi-k2-instruct，分类器默认用 Llama 4 Scout。
推荐理由：原文提供了从网关配置、部署到分类延迟基准测试的完整步骤，读者可以照着搭起一套按提示词路由模型的方案。
BiztechEG 在 GitHub 发布 llm-budget-guard，通过包装官方 SDK 客户端，按响应实际 token 用量计价，执行按用户、按功能和每日总额的美元限额，并检测短时间重复发送的同一请求。支持流式与异步，限额每日 UTC 零点重置，价格表可通过 pricing. 运行时修改，尚未跟踪 batches、embeddings、images 和 audio，计费总数存于内存，可自实现 Storage 接口跨服务器共享，MIT 许可。
推荐理由：原文给出完整用法、限额行为和未覆盖范围，读者可以直接评估这个成本守护库是否适合自己的部署。