MHG-Mem：面向多模态智能体的溯源保持超图记忆
研究者提出 MHG-Mem，一种多模态超图记忆，联合组织实体身份、状态演化及到视觉证据的溯源，并以超图智能体搜索进行跨层遍历与细粒度验证。在三个 benchmark 上，MHG-Mem 较最强基线提升 8.20-9.98%。
#Agent
新闻、仓库与研究，按时间排列。
arXiv · cs.CLAI 评分4747 arXiv · cs.CLAI 评分4949 P2NPCBench：用对抗性多智能体重写检验 LLM 在配对 P 与 NP 完全问题上的真实推理能力
研究者推出 P2NPCBench 基准，将 12 个问题族中的 NP 完全问题与同表面的 P 问题配对，并用 AgentGAN 对抗性多智能体框架改写题目以消除教科书式提示，生成 2,114 条经人工验证的题目。评测 12 个专有与开源模型发现，模型在 NP 完全题目上的 pass@1 为 35.4%，显著低于 P 题的 63.8%；十倍时间限制仅将 NP 完全准确率从 28.5% 提升至 31.9%，说明失败源于程序错误而非速度，且对抗性加固使复杂度类差距从 24.8 收窄至 14.6 分。
arXiv · cs.AI精选AI 评分5454 PAUSE 提出在编码智能体首次改代码前用单次规划干预引导其走向
论文提出 PAUSE 框架，在编码智能体发出首次源码编辑请求前拦截，由独立 Planner 读取任务和编辑前转录生成一份修复计划，无需学习监控器、检查点搜索或额外模型调用。以 Qwen3-coder 为 Executor、GPT-5.6 Sol 为 Planner，在 SWE-bench Verified 的 OpenHands 上提升 16.8%，在 Multilingual 的 SWE-agent 上提升 14.7%，并优于 LivePlan 3.2% 和 3.7%，Planner 开销约为 SICA 周期性监督的 11-15%；离线模式下从记录前缀恢复可挽回 35.4% 的合格失败任务，比重启少用 33-41% 的 Executor token。
推荐理由：论文给出单次规划干预的无搜索引导框架，用 SWE-bench 实测提升幅度与 Planner 开销对比，方法可参考。
arXiv · cs.AIAI 评分4545 ToM2Vec：用于多智能体协作的连续心智理论 token
研究者提出 ToM2Vec，通过固定预算的连续推理 token 让 LLM 智能体在潜在空间中形成抽象心智理论。在 Overcooked-AI、Hanabi、多方谈判等合作、竞争与混合动机环境中，其表现持续优于基线模型，且能泛化到训练时未见过的模型家族（包括 GPT-5.4）。分析显示潜在 token 编码的是心智理论而非任务特定信息，且以文本表达推理时性能会下降。
arXiv · cs.AIAI 评分3030 FaultGene：LLM 辅助的故障增强测试生成，用于自动驾驶系统硬件在环（HIL）验证
FaultGene 是一个 LLM 辅助框架，可自动生成可执行的故障增强测试，用于自动驾驶系统的硬件在环（HIL）故障韧性验证。它基于给定的 Scenic/CARLA 基线场景和结构化故障规范生成测试用例，并通过语义一致性检查和执行反馈进行离线微调。部署后无需人工构造参考执行或反复迭代即可直接生成测试。
arXiv · cs.AIAI 评分3434 每个告警都有因：绑定 NORIA-O、RFC 8632 与 TMF642 的电信告警风暴开放生成器
研究者发布一个电信告警风暴开放生成器（Apache-2.0），基于 Internet Topology Zoo 真实骨干拓扑，为每条告警记录确切根因与传播路径，所有字段绑定 NORIA-O、RFC 8632、RFC 8345 或 TMF642 术语，并附固定配置、划分、评分器和九个基线。「对最早 critical 告警设备排序」的单行规则 top-1 达 0.650，胜过时间方法 0.575 及 LLM 的 0.600（可查询图时 0.625），在真实运营商告警上也以 0.773 领先；但站点断电时 PoP 无告警，排序类方法得分 0.000，遍历拓扑的方法可达 1.000 和 0.833。
arXiv · cs.AIAI 评分4646 Agent Behavior Maps：无需运行 Agent 即可依其行为定位 LLM 智能体
论文提出 Agent Behavior Maps，通过在共享参考轨迹上计算居中的动作对数似然来表示 LLM-harness 组合，无需为目标 agent 运行新的环境 rollout。在 100 个 LLM 和四个环境上，基于 ALFWorld 的坐标可支持性能预测并识别行为相似性，且在控制成功率和模型规模后这些相似性仍跨模型家族存在。推导的误差 bounds 将坐标距离与轨迹 KL 相关联，八个交叉评分模型的距离排序与实测轨迹 KL 一致；harness 组件位移近似可组合。
arXiv · cs.AIAI 评分3838 Code Comprehensor：面向大型代码库的分层文档与跨模态检索框架
Code Comprehensor 是一个混合检索-推理框架，结合代码依赖调用图、基于代码感知 LLM 生成分层文档的 CodeScribe，以及 CLIP 风格双编码器 CodeContrast，实现文本-代码对齐检索，并经 MCP 编排器回答领域查询。在 OpenCV 和一个 500 万行代码的私有仓库上，CodeScribe 衍生监督显著提升 text-to-code 检索准确率；RAGAS 评测显示输出 faithfulness 超过 90%。该论文已被第 42 届国际软件维护与进化会议（ICSM）接收。
arXiv · cs.AI精选AI 评分5454 arXiv 论文揭示企业文档摄取中格式线索的静默丢失
arXiv 论文（arXiv:2610.30026）指出，主流文档转换器会丢失作者通过排版编码的含义，导致企业 Agent 自信地答错而非明显不完整。基于 76 份真实政策文档的任务上，格式盲摄取使 micro F1 从 0.690 跌至 0.150（docling）和 0.075（纯文本），差距在两个厂商的六个回答模型上复现；span 级 leave-one-out 将损失定位到高亮（+0.302）和颜色（+0.262），6,460 份文档中 32.8% 带有刻意颜色或高亮。结论是可靠性取决于摄取而非推理，修复方式廉价且可测量。
推荐理由：研究用 76 份真实政策文档量化文档摄取层丢失格式线索的程度，并给出低成本可测的修复方向，对 Agent 构建者有直接参考价值。
arXiv · cs.AIAI 评分4343 基于 Behavioral Localization 的工具使用 Agent 软技能稳健适配方法
一项 arXiv 研究提出 Behavioral Localization 方法，通过对比冻结 Agent 有无文本技能时的行为差异，定位对技能效果贡献最大的轨迹位置，再用这些位置监督训练短软提示。在 SpreadsheetBench 上用冻结的 Qwen3.6-35B-A3B 实验显示，轨迹中前 10% 的位置捕获 96.12% 的正向技能增益；共享提示设置下成功率从全轨迹监督的 30.36% 提升至 36.79%，任务特定设置下达到 57.38%，超过完整文本技能和 OPCD 基线。
arXiv · cs.AIAI 评分4242 SWE-DIVE：基于动态用户模拟的多轮编码智能体评测框架
研究者推出 SWE-DIVE，一个用于多轮环境评测编码智能体的动态交互式验证框架，弥补 SWE-bench 等基准只使用一次性、结构化 GitHub issue 输入的不足。框架包含可模拟不同行为模式的用户模拟器和评估其输出是否符合初始需求的对话验证器，整体嵌入 Harbor 环境，负责编排智能体、用户模拟器与验证器并执行测试环境。结果与源代码已在 GitHub 仓库公开。
arXiv · cs.AIAI 评分4646 图表作为认知动作：面向经验驱动的智能体数据分析
一项 arXiv 预印本研究提出将图表作为数据智能体推理循环中的内部认知动作。团队构建了包含 200 个受控任务的 \probe{} 测试集，发现智能体能从自生成图表获得与数值输出同等的得分，但并不会稳定地主动使用图表。其提出的 \method{} 方法从轨迹 rollout 中蒸馏两类经验并经验证门筛选，在三个 held-out 基准、四个 LLM 骨干上提升分析准确率与视觉证据质量，且不改动模型参数。
arXiv · cs.AIAI 评分3838 并行 AI 智能体协作作为图结构分布式块优化问题
一项 arXiv 研究将并行 AI 智能体的协作建模为具有可精确求值目标的离散块优化问题，证明最优分数染色可保留 1/χ_f(G) 比例的已验证局部改进，并给出智能体分配的线性规划与时间成本权衡。代码修复实验显示验证式合并可解决单个有效编辑组合后互相冲突的问题；在路线搜索智能体实验中，分数调度将实测墙钟时间中位数降低 15%。
arXiv · cs.AIAI 评分4848 Quant-Arena：面向量化交易研究的 LLM Agent 基准测试
Quant-Arena 是一个基于真实 A 股数据的端到端量化研究基准与公开排行榜。模型构建特征和股票打分代码，仅在 2022-2023 数据上获得反馈，并将策略冻结后在密封的 2024 年数据上评估，计分以实际超额收益为主，辅以信号质量与特征多样性，评估器还纳入交易约束、成本及基于模拟订单簿估算的市场冲击。在九个前沿模型中 GPT-6 Astra 得分最高，但没有模型在 2024 年跑赢等权市场；该基准开放任何模型或 agent 框架提交。
arXiv · cs.AIAI 评分4343 Environment Duels：一个 LLM 共同进化的微观世界
研究者提出动态智能体基准 Environment Duels，评估九个前沿 LLM 作为环境创建者与解题者的双重能力，发现解题与环境创作是两种不同的技能：最强解题者并非最强创作者，而较小的模型能写出最难的环境和最有用的提示词。在 Qwen3.8-27B 的强化学习研究中，模型在他人环境上的提示词提升能预测这些环境训练对 held-out 推理与智能体基准的改进。代码已开源。
GitHub · 3D 生成新仓库AI 评分1818 基于 LLM 和 RAG 的 AI 文档问答学习助手系统开源项目发布
一个基于 LLM 和 Retrieval-Augmented Generation (RAG) 的文档问答学习助手项目在 GitHub 开源。系统将文档切分并生成 embeddings，用 Pinecone 向量数据库检索，通过 Groq API 调用 LLM 生成答案，前端用 Streamlit 构建。项目还计划支持多文档格式、对话历史和答案来源引用。
GitHub · 3D 生成新仓库AI 评分2525 DiagramMagic：AI 图表生成开源仓库（Alexi5000/diagrammagic）
DiagramMagic 是一个基于 React + Vite 的开源 AI 图表生成工具，通过 Supabase Edge Function 调用 OpenAI API，把英文自然语言提示词转成 Mermaid 图表，支持流程图、时序图、ER 图、甘特图等 9 种类型，内置 12 个模板，可实时预览并导出 SVG。登录用户可借助 Supabase 保存图表到个人库，项目在线体验地址为 diagrammagic.lovable.app。
GitHub · 3D 生成新仓库AI 评分2323 Apex-Knowledge-Solutions：基于 RAG 的企业知识助手开源仓库
开源项目 Apex Global 是一个基于 RAG 的企业知识助手，使用 Python、Streamlit、LangChain、OpenAI API（gpt-4o-mini 与 text-embedding-3-small）和 FAISS 构建。它支持从本地 .txt 和 .xlsx 文档检索公司信息，严格限定回答依据检索内容，证据不足时返回 "I don't know."。系统提供带来源引用卡片的管理界面，支持 10MB 文件上限校验、SHA-256 去重、可配置 Top-K 检索与实时文档管理。
GitHub · 3D 生成新仓库AI 评分3131 
HunterAhlquist 开源小型团队项目管理工具 Solo
开发者 HunterAhlquist 在 GitHub 发布开源项目管理工具 Solo，为小团队提供 Kanban 看板，以 epics/tasks/sub-tasks 作为泳道，支持 SignalR 实时协作编辑、单提供方 OIDC SSO、完整审计日志、主题与扩展。技术栈为 ASP.NET Core Web API、EF Core + PostgreSQL 和 Blazor WASM，一个容器加 Postgres 即可完成部署，服务器发布包内置 MCP 扩展。
arXiv · cs.AIAI 评分3535 CrashGym：用反事实市场崩溃衡量 LLM 智能体实验的决策价值
arXiv 论文提出 CrashGym，一个可重放的限价订单簿模拟器，让 LLM 智能体在冲击触发崩溃前于实验室市场查询干预实验，再在去杠杆干预与流动性 backstop 之间做选择，并以 regret 衡量实验价值。在 24 个新采样世界的前瞻性研究中，实验室访问将 Luna 部署的平均 regret 从 8.878 降至 3.785，配对减少 5.092 效用单位，降幅 57.4%。整个评分通过直接模拟所有可行干预完成，无需人工或模型评审。
arXiv · cs.AIAI 评分4343 SpatialBrain：从经验中生长空间智能
arXiv 论文提出 SpatialBrain，一个在视觉语言主干保持固定的前提下积累空间推理经验的框架。其 3DFusionMemory 将当前场景观测融合为可查询的空间关系，Spatial Skill Library 提供可复用工具流程，Spatial Cognition 关联任务条件与经验；完成的轨迹被抽象为过程记录并在任务块之间整合。在五个空间推理 benchmark 上，SpatialBrain 在四个上优于同主干的直接回答，在第五个上持平。
arXiv · cs.AIAI 评分4343 AgentMonopoly：LLM 智能体的行为模式与人设控制研究
arXiv 论文提出 AgentMonopoly 环境，让 LLM 智能体在大富翁式游戏中沟通、买卖地产并做出影响后续回合的决策。研究对比四个模型家族各两种规模的模型，发现各模型在交易、免租金、现金与资产管理频率上存在差异，更大模型并不必然赢得更多对局。为人设指令虽能改变智能体的用词和部分行动，但不总能在所有决策中匹配角色，因此人设遵循应通过行动与结果而非语言来评估。
arXiv · cs.AIAI 评分1818 RegoMender：用于自动化 Rego 策略修复的多智能体框架
研究者提出 RegoBench——首个包含 1,159 个真实缺陷的 Rego 策略自动化基准，以及反馈引导的多智能体框架 RegoMender。该框架在 RegoBench 上取得 82.9% 的语法修复成功率和 77.9% 的语义修复成功率，超越最强基线 13.4%，并在 132 个真实 CVE 漏洞上达到 86.4% 修复率。
arXiv · cs.AIAI 评分2525 重新思考时间序列预测中的智能体模型编排：FairAMO 受控评估
研究者提出 FairAMO，一种冻结候选预测结果的控制评估协议，用于区分时间序列预测中智能体模型编排（AMO）的真实贡献。在 GIFT-Eval 上的实验显示，AMO 确实提升精度，但增益受候选 TSFM 限制：最佳编排者相对最佳单一 TSFM 的 MASE 仅降低不到 6%，增益主要来自候选模型互补性而非数量，增加成员收益递减，冗余成员甚至可抹去增益，历史证据的价值也很快饱和。该工作已被 NeurIPS 2026 FMTS Workshop 接收。
arXiv · cs.AIAI 评分2323 反身性阈值：多智能体操演性预测的相变研究
一项 NeurIPS 2026 录用的研究提出“反身性矩阵”$\Gamma$，用于刻画多智能体操演性预测中重复再训练的稳定性。当矩阵谱半径小于 1 时，再训练几何收敛到唯一稳定均衡；越过阈值后，局部信息学习者的期望累计超额损失随时间线性增长。该阈值以上下界刻画了相变行为，并将先前单智能体的标量阈值作为特例恢复。
GitHub · 去对齐工具与仓库AI 评分4242 
CourtVision：NBA 比赛分析与复盘开源项目
GitHub 上的 CourtVision 是一个 NBA 比赛分析项目，将球队与球员历史数据、赛前情报、独立预测与市场参考整理成分析报告，赛后对照赛前判断复盘。报告本地生成，公开网站仅静态读取，前端用原生 HTML/CSS/JavaScript，无需数据库或 API Key。2026-10-13 的 V1 评测记录显示：1,231 场历史输入、300 个静态用例、黄金评测集 20 场，生成 15 篇文章中 14/20 条链路合格，DeepEval 128/160 项通过；另有 LightGBM、XGBoost 与 ARIMA 离线预测实验，代码采用 MIT 许可。
GitHub · 去对齐工具与仓库AI 评分2121 
ARIOS：基于 FastAPI 与 LangGraph 的文档智能与 RAG 后端项目
GitHub 上的 ARIOS 是一个基于 FastAPI 的文档智能与 RAG 后端，可从网页、YouTube 字幕、GitHub 仓库、PDF 和图像提取文本，经 LangGraph 工作流做 spaCy NLP 分析、facebook/bart-large-mnli 零样本分类后存入 SQLite。检索侧用 all-MiniLM-L6-v2 生成嵌入并持久化到 ChromaDB，支持带过滤条件的语义搜索和经 Groq 托管 LLM 的问答。项目处于本地开发阶段，认证与部署尚未实现。
GitHub · 去对齐工具与仓库AI 评分5353 MergeWatch 开源 AI 代码审查工具，用多个专项 Agent 审查每个 PR
MergeWatch 发布开源 GitHub App，用 6 个并行专项 Agent（安全、bug、风格、错误处理、测试覆盖、评论准确性）加编排器去重并给出 1-5 合并就绪分，审查每个 PR。支持 Anthropic、LiteLLM、Bedrock 或 Ollama 本地模型，Docker 一键自托管，提供 .mergewatch.yml 按仓库配置、@mergewatch 评论交互、Mermaid 架构图和 Next.js 仪表盘，许可证为 AGPL-3.0。
arXiv · cs.CLAI 评分4747 CATS：面向多智能体系统的对比归因拓扑搜索方法
研究者提出对比归因拓扑搜索方法 CATS，在固定专家智能体超图中通过 LLM 归因器为各智能体分配贡献度，剪除弱边和弱智能体，搜索紧凑团队。使用小开源模型，CATS 在 BigCodeBench 上平均准确率比仅用分数的启发式搜索高 5.3 个百分点，部署 token 减少 54%；在 HotpotQA 提示词投毒测试中三次运行均排除全部被投毒的智能体。
arXiv · cs.CLAI 评分4747 FrameBench-HPS：收益-损失框架效应如何影响 LLM 高风险决策建议
研究者提出 FrameBench-HPS 基准，用覆盖医疗、金融、教育/职业、法律/消费者权益四大领域的 240 个高风险场景构建 2,880 条提示词，测试七个 LLM 在相同概率以收益或损失框架表述时的建议一致性。结果显示 32.4% 的完整组别中推荐类别因框架而改变，且该效应在对话式改写下依然存在。概率规范化处理能大幅降低框架敏感性。
GitHub · 灵魂体仓库AI 评分2020 roshpinacare-sys/execution-fabric：自主任务执行系统仓库
GitHub 仓库 roshpinacare-sys/execution-fabric 是一套自主任务执行系统：任务经 API 派发，后台常驻 worker 每 5 秒 tick 循环执行真实 LLM 调用（不做模拟），每条结果用 sha256 哈希链式签名入账本。系统提供 POST /api/batches 并行批量派发、计数预算 12/小时，任务类型为 CODE/AUDIT/PLAN，Git 侧内置 leak-scan 泄漏扫描并禁止 force-push，推送到账本的代码需所有者批准。
GitHub · 灵魂体仓库精选AI 评分5959 
zhihu-ai-studio 开源：自托管 AI 内容创作与知乎运营工作台
作者开源 zhihu-ai-studio，一个部署在自己服务器上的 AI 内容创作与知乎运营工作台，覆盖选题、写作、独立审稿、图文核验、发布与复盘全流程。项目内置 LLM Wiki 写作参考库，基于本地词法检索提供有来源、可链接的写法笔记，初稿须记录借鉴卡 ID 和迁移方式；支持多模型流式对话、长文分节写作与持久化 Markdown 知识库，默认关闭自动发布。
推荐理由：开源的自托管 AI 写作到知乎发布全流程工程，从选题、LLM Wiki 参考检索到独立审稿和发布核验都有可借鉴的具体做法。
arXiv · cs.CLAI 评分4040 基于 LLM 的外生世界建模用于动态调度（arXiv 论文）
一项 arXiv 研究提出 AWMP（Afterstate World-Model Planning），用预训练 LLM 作为世界模型的外生组件，预测动态调度中的不确定未来任务到达。方法结合 afterstate 分解、信念条件调度策略、短场景 rollout、惊讶触发的 LLM 查询刷新与在线残差自校准。在动态 job-shop 和柔性 job-shop 基准上，相对八种经典优先级调度规则中的最优者，加权延期分别降低 6-21% 和 22-46%。
arXiv · cs.CLAI 评分4848 Signals and Queries：面向 LLM Agent 的省 token 上下文相关性过滤方法
Parlant 4.0 引入轻量级第一阶段的 Signals and Queries（S&Q）相关性过滤器，可在下游评估前剔除至少 30% 候选策略并保持高召回，且每轮无需 LLM 调用。在覆盖 254 个 τ²-bench 对话前缀和 36 条航空公司策略的 9,144 个 LLM-judge 相关性标签上，S&Q 在所有召回水平下的精度均高于 top-K 和余弦阈值检索。该方法为面向客户的 Agent 降低下游评估成本提供了实用的第一级过滤方案。
arXiv · cs.CLAI 评分2828 OACap：面向细节视频描述的“以描述为中心”主动观察方法
研究者提出 OACap（Observation-Adaptive Video Captioner），一个以描述为中心的智能体，将缺失信息转化为定向观察请求，借助时空工具获取证据并迭代校验和修订描述，在通用视频理解基准上使用固定纯文本读取器即可持续提升性能。论文还发布 FSCap-Bench 诊断描述保留的信息，其 CSFS 分数在 93.0-98.3% 的有效描述对上对四种受控扰动响应符合预期，CSRS 分数则通过 video-caption-video-caption 往返度量语义保留度。
arXiv · cs.CLAI 评分3939 LLM 智能体如何达成一致：从个体对话涌现的整体一致性
一项 arXiv 研究分析两个 LLM 在多轮对话中讨论主观议题时如何达成一致。用线性分类器读取单次对话内部激活难以可靠预测外部一致性，但跨对话聚合后发现内部一致性表征通过幂律映射与马尔可夫过程耦合。研究还发现模型改变立场时，外部表达先于内部表征同步变化。
GitHub · 灵魂体仓库精选AI 评分7070 MoonBit 从零实现端侧 LLM 推理引擎 MoonLM，M0 至 M3 阶段完成
soehi 发布 MoonLM，一个用 MoonBit 从零实现的端侧 LLM 推理引擎，同一份源码可编译到 native 与浏览器 js 后端，产物 669 KB / brotli 74.5 KB，推理零网络、零数据外传。已 GGUF 解析、Transformer 前向与采样（M0/M1）、Web Demo（M2）和带沙箱工具的 Agent 运行时（M3）完成；与 llama.cpp 逐位置对拍 288 位置 argmax 一致率 97.22%，浏览器端 SmolLM2-135M Q8_0 流式生成 6.3 tok/s，native 单线程 decode 18.4 tok/s（纯标量、无 SIMD，比 llama.cpp 单线程 57.2 tok/s 慢约 3.7 倍）。
推荐理由：从零实现的端侧推理引擎，对拍数据、性能数字与零网络验证都给了实测细节，可迁移到自建本地推理项目。
arXiv · cs.CLAI 评分3232 Policy Central：检测已部署警用政策中的冲突、冗余与相似性
Policy Central 是一套已部署系统，用于检测警局书面政策条款之间的冲突、冗余、相似或差异关系。它包含两种架构：Retrieve-Judge 作为低成本全库健康信号，Screen-Confirm 用于审计人员所选文档的穷尽式筛查。在来自某部门约 84 份政策文档的 302 对 benchmark 上，Screen-Confirm 判断环节聚合 recall 达 0.795，Conflict 达 0.885；但难点在于找出待比对段落，Retrieve-Judge 组合 recall 仅 0.457，Screen-Confirm 恢复至 0.472（Conflict 0.615），能在数分钟内以低成本扫描近 20,000 个段落并按需重跑。
GitHub · 灵魂体仓库AI 评分5151 The Pipeline Framework 发布 Java 强类型应用流框架，将模型决策与确定性业务逻辑组合在同一模型中
The Pipeline Framework（TPF）是一个 Java 框架，用于构建强类型应用流，把模型决策、授权 SaaS 能力、确定性业务逻辑和长时工作组合在一个应用模型中，自动生成传输、持久化、重试、replay、遥测和部署等命令式外壳。框架将每次模型推理建模为带 schema 校验的普通 Query，模型不会获得环境连接器、凭据或效果权限；Agent 循环由普通 Pipeline 组合实现，支持 MCP、GraphQL、OpenAPI 三类连接器，生产运行时基于 Quarkus，Spring 支持尚未达到生产对等。
GitHub · 灵魂体仓库AI 评分3434 Lulu Vela 结构化白板发布：一种与 AI 可视化协作的新方式
Lulu Vela 推出结构化白板，用统一文本协议实现 AI 智能体与用户在画布上的双向同步协作：智能体写文本，Lulu Vela 绘制图表，双方保持一致。用户通过聊天入口 /board 即可从提示词生成 Mermaid 流程图并直接在画布或 Source 中编辑，已登录用户可通过 Share 分享云端图表，支持在 Cursor 和 Claude Code 中配置 hosted MCP 实现账号级云端图表创建与更新，项目采用 MIT 许可证开源。