新闻、仓库与研究，按时间排列。
s1000d-stack 是一个个人开源项目，提供让 LLM 正确读取 S1000D 技术文档并按项目业务规则（BREX）校验与创建的 MCP 服务器、共享库和技能。已完成两个阶段：s1000d-core 0.3.0、brex-mcp / verify-mcp / reader-mcp 0.2.0 及 experiential-manual-model 0.1.0 已发布在 npm，writer-mcp 为规划中。该项目与 ASD 无关联，S1000D 规范文件需自行从 s1000d.org 获取。
Flash-Fusion 将数据问题转换为受限的类型化计划，经 schema 验证后用确定性 pandas 算子执行，结果附带路由、计划、验证、缓存和执行证据。该端到端边云设计（arXiv:2511.11885，preprint 审稿中）在大学校车队评估中相比原始遥测喂给 LLM 的基线，实现 73.5% 数据缩减、95% 延迟降低、98% token 用量与成本下降。仓库含 Python 3.12+ 本地安装、Vercel 托管聊天界面（使用 openrouter/auto），支持 bus、WISDM IMU 和 MIT-BIH ECG 数据集。
Agents in the Wild 在 GitHub 发布开源数据集，收录 315 个真实、第一手的 AI agent 用例，涵盖 Claude、ChatGPT、Codex、OpenClaw 等智能体，每条附原文链接与可复用提示词，每周更新，最新版本为 2026-10-26。其中 308 条为人工核对的 Spotted 案例，7 条为经公开证据确认的 Verified 案例；数据以 cases.json 和 cases.csv 提供，采用 CC BY 4.0 许可。按主题划分，工程类 104 个最多，使用最多的 agent 是 Claude（90 个）和 Claude Code（73 个）。
lambdasec 在 GitHub 开源 Frame，一个结合可靠静态分析与 LLM 推理的安全 Agent，用污点分析加分离逻辑与 Z3 证明漏洞可达，可选 LLM 层补充检测、验证并生成补丁。支持 Python、JavaScript/TypeScript、Java、C# 和 C/C++ 五种语言的跨文件污点追踪，内置 70+ 框架 pack，检测 80+ 漏洞类别。基准显示在 Endor Labs 语料上 recall 0.67、precision 0.51（Semgrep 为 0.52 / 0.40），LLM 层可运行本地 mlx-community/Qwen3.6-35B-A3B-OptiQ-4bit 或托管 GLM-5.2，并提供 --changed 与 baseline 工作流用于 CI 门禁。
推荐理由：把污点分析、分离逻辑证明与可选 LLM 层组合成一个安全 Agent，基准数据里也标出了输给对手的案例，可作选型参考。
开源项目 Talvio 让用户用语音操控电脑，支持在任意应用中按住快捷键听写，语音转文字默认在本地运行，内置 transcribe.cpp 引擎和 Parakeet 0.6B、Nemotron 3.5、Canary 180M Flash、Cohere Transcribe、Whisper Medium 共 69 个模型可选，云端为可选项。它还提供 AI 清理、语音命令、会议双轨录音转写，手机 App 可当无线麦克风和遥控器，支持 Windows、Linux 与 Android，macOS 版本尚在开发中。
Rx 推出自研编码智能体 rx-agent，并可通过一套 provider 配置启动 Claude Code、Codex、OpenCode、Pi、DeepSeek Harness 和 Kimi Code，其余 harness 运行各自原生 CLI。安装需 Rust、Bun 和 pnpm，模型目录缓存于 ~/.recall/catalogs/，有效期为 1 小时；Kimi Code 的 provider 密钥以 secret-only 权限存入其本地 config.toml。rx-agent 支持 read/write/edit/bash 工具、MCP（stdio 和 Streamable HTTP）、ACP，以及上下文预算临近时自动压缩会话。
GitHub 仓库 pollux0971/llm_learning-card 提供一套桌面学习卡片系统的规格与开发骨架，不含实现代码。系统包含两张常驻桌面卡片：教学卡每次教一个 100 字内的概念，考试卡按 1 / 7 / 30 / 90 / 180 天的固定骨架复习。仓库以 contracts/ 契约、Gherkin 规格即测试、6 个 Claude Code skill 和 standalone.json 为核心组织原则，供配合 Claude Code 开发使用。
开源项目 Harness Mate 提供端到端智能体平台，把跑在本机上的 AI Agent（默认对接 Hermes Agent）变成人人可通过浏览器使用的 Web 产品，无需迁移上云。平台支持实时会话、双向文件传输、流式输出、账号体系和 OpenAPI，技术栈为 Vue 3 + Flask + Go WS 网关，可通过 Docker Compose 一键部署，采用 MIT 许可。
ClinReason 推出 SectorBench Healthcare/Clinics v0.1，一个双语、本地优先的行业 LLM 评测规划包与可运行脚手架，首个领域为医疗/诊所，核心数据模型与评分引擎可扩展到金融与法律。项目已推进至 100+ 案例家族的里程碑，并完成 16-call judge-only 评分探针等验证实验。官方强调所有案例均为合成且未经验证（example_unvalidated/draft），在合格临床专家完成验证与 Gold Set 流程前不得用于临床决策。
GADAR（Generalizing Across Domains via Action Ranking）是一种无需搜索的策略，以域描述为输入，可在训练中未见过的经典规划域上构造落地动作。在八个基准域的 leave-one-domain-out 评测中，单个 GADAR 策略在七个训练域上解决 58.3% 的测试实例，仅比专用单域模型的 59.3% 低一个百分点；零样本时它在全部八个域上平均解决 22.6%，远高于随机选择的 3.3%，并在未见过的 Visitall 上达到 68%。
一项研究检验了保形事实性在 agentic RAG 中的表现，其中语言模型策略会自适应地发起后续检索查询或在生成回答前终止检索。研究在 GPT-6 Luna 和 Llama 3.1 8B 上评估 HotpotQA、Natural Questions 和 TriviaQA 六种配置，每配置 60 个固定问题、100 个种子分区、五个保形目标水平。95% 目标下，非空回答覆盖率介于 17.23% 到 60.17%，完整支持率介于 89.14% 到 95.56%，更高的目标水平伴随更高的完整支持率但更低的回答可用性。
研究者推出 ClinVerse，一个基于真实数据的交互式多智能体环境，用于训练和评估医疗诊断智能体。其底层 ClinPatient 数据集包含来自真实电子健康病历的 150k 诊断案例，支持医生智能体等六种临床角色的协作交互，并通过规则化打分框架量化信息获取、检查开单与诊断准确性，作为训练奖励信号。实验显示，三类共九种自我进化方法均能持续提升智能体的诊断能力。
研究者提出 NumTrace 基准，审计金融分析师 Agent 生成的每个数字声明的来源与财务语义，目前包含 540 道题、覆盖 2,163 份 SEC EDGAR 文件。该基准对每条声明给出 value、binding 和 support 三项判定，可检出“数字对但归属错”（RNWA）错误。在审计 Claude Opus 5.5、GPT-6 Astra 和 DeepSeek-V4.1-Flash 三个 Agent 时，RNWA 错误占各自失败声明的 67.5-81.8%；在 13F 共同申报组问题上约 91% 的声明通过 value 检查，但通过 binding 检查的不到一半。
Qualcomm 团队提出 AIPC（AI Porting & Conversion），一种结合结构化 Skills 与工具链、运行时和 profiling 证据的 Agent 方法，用于在端侧 NPU 上部署 PyTorch 推理项目，覆盖模型适配、构建、执行、精度修复与性能优化全流程。在 Qualcomm QAIRT 的 NPU 路径评测中，Whisper-Small 优化案例 6/7 Skill-arm 达到精度与延迟标准（对照组 0/6），YOLO-Worldv2 端到端加速 2.791x（对照组 1.599x），部分运行实现零人工干预（0-HITL）。团队还考察了 Qwen3.8-27B 作为本地部署的 Agent 驱动模型。
研究者提出 AskGLP1，一个将在线患者叙述转为知识图谱并回答用药体验问题的 LLM 智能体。该系统基于 MedDRA 术语，从近 850 万条 Reddit 帖子中筛选出 163,135 条用药体验，结合 2,506 条 WebMD 评论，构建含 385,790 条药物-副作用与药物-用途关系的三元组。结果显示在线叙述与 FAERS 互为补充，且 tirzepatide 的恶心呕吐报告少于 semaglutide；智能体能提供可验证证据并拒绝医疗建议请求，代码与提示词已开源。
一项 arXiv 研究提出多尺度策略优化方法 MPO，结合多尺度优势估计（MAE）与 turn 级重要性采样，将长程 LLM Agent 的信用分配与策略更新对齐到 assistant turn 尺度。在搜索、工具使用和自动化任务上，4B 与 30B-A3B 模型的实验显示其持续优于强 RL 基线。
arXiv 新论文推出 PatentAgentBench，包含覆盖 8 个任务套件的 510 个实例，涵盖新颖性检索、FTO 检索、无效检索、权利要求对照表、专利撰写、审查意见答复和专利翻译等任务，基于真实专利记录并由专家标注。研究评估了 7 个 LLM 在 4 种 agent harness 下的表现，发现当前系统仍难以识别新颖性、评估风险和理解专利从业者意图。
一项 arXiv 研究诊断 GEPA 反思式提示词优化器中合并算子不稳定的成因：合并平均提升 gpt-4.1-mini 却降低 Qwen3-8B 表现。在五个数据集、两种模型上进行的九种配置扫描显示，配置得当时合并对两个模型均有提升，说明不稳定源于配置敏感性而非算子固有缺陷；提示词级静态特征也无法预测合并接受决策。基于行为探针的概念验证可在高风险任务上弃权以避免大规模合并失败，但未稳定超过 NoMerge，代码以 GEPA-MergeProbe 开源。
GitHub 仓库 charetterat/awesome-agent-motion-skills 收录了七个针对 Claude Code / Codex / Cursor 等编码 Agent 实测过的动效技能，覆盖美术画廊动画、UI 过渡、产品视频、连续镜头、口播解说、迪士尼动画原则和动效打磨。每个条目附 Star 数快照（2026-10-27）、渲染栈、npx 安装命令、适用场景与限制，例如 video-shotcraft 含 152 张运镜配方卡、transitions.dev 提供 43+ 可复制的 UI 过渡配方。仓库声明独立于 Anthropic 和各技能作者，并通过脚本验证链接可达与安装语法、依赖和可复现执行。
开源 Python 包 AutoREC 将等效电路模型（ECM）构建建模为马尔可夫决策过程，训练 DDQN 智能体从 EIS 数据自动生成电路模型。论文显示，该智能体在合成数据集上成功率超过 99.6%，并能泛化到多种电化学系统的未见实验数据。包内含数据准备、优先经验回放、死循环缓解、缓存评估、YAML 配置及 Jupyter 教程，论文已发布在 arXiv。
me217 发布 Home Assistant 集成 One Shot 0.8 早期版本，用自然语言向 Assist 描述一次性任务，由 LLM 生成计划、用户确认后由 HA 自身触发器执行一次并自动删除。支持状态、数值、时间、日出日落等多种触发条件，最多 5 步动作、默认 24 小时最长 14 天过期，确认后 LLM 不再参与，HA 重启后仍可恢复；需 HA 2024.10+ 和支持 tool calling 的 LLM 对话代理，可通过 HACS 安装。
推荐理由：原文详细说明了确认流程、触发类型与安全限制，读者可以据此判断这个一次性自动化方案是否适合自己的 Home Assistant 环境。
EinaasKharsah 在 GitHub 开源了一个完全本地运行的客服 Agent，基于 10 张 Q&A 卡片回答客户问题，用 Ollama 里的 qwen2.5:3b 做决策与回答，bge-small-en-v1.5 做嵌入、bge-reranker-v2-m3 做重排、Qdrant 做向量库。核心设计是
推荐理由：作者用逐步评测数据解释每个设计取舍，比如让 LLM 理解、代码路由把准确率从 80% 提到 88%，方法可迁移到类似的小型客服 Agent 项目。
qte77/gha-issue-triage 是一个 AI 驱动的 issue 分诊 GitHub Action，可检测重复 issue、基于 LLM 评分相关性、分析可行性并自动打标签，还会发布一条重跑时原地编辑的置顶总结评论。v0.4.0 默认模型为 @cf/meta/llama-3.3-70b-instruct-fp8-fast；因 GitHub Models 已于 2026-07-30 退役，需自行配置 api_base 与 llm-api-key 或 ANTHROPIC_API_KEY。项目采用 Apache-2.0 许可证。
kcoaguila-dev 发布 Veraxi，一个实验性混合 GraphRAG 参考架构，将 Neo4j 知识图谱与 Qdrant 向量检索通过 Reciprocal Rank Fusion 融合，为 LLM 提供基于工具的自主访问以减少多跳查询幻觉。后端为 FastAPI，前端为 Flutter，支持通过 MCP 端点暴露 mcp_build_lazy_dossier、mcp_merge_rank 等工具，并采用两阶段 JIT（Lazy）GraphRAG 管线，纯 CPU 下每 500 页书摄入不到 2 分钟。
推荐理由：作者给出了 Neo4j 加 Qdrant 用 RRF 融合的完整实现和评测脚本，还诚实标注了小语料测试的局限，便于读者评估是否复用。
eehrich 发布 ScarabHive，一个完全基于插件、自托管的 LLM Agent 框架，Agent 通过 YAML 定义模型、提示词和工具，可运行在 Web UI、CLI 或 OpenAI 兼容 API 之后。内置约 75 个插件，支持每个 Agent 独立模型配置与回退链、MCP 与 Agent Skills 标准、OpenTelemetry 追踪，可接入 OpenAI、Anthropic、Gemini、DeepSeek、Ollama 及 vLLM、llama.cpp 等 OpenAI 兼容服务；项目处于 beta 阶段，采用 Apache 2.0 许可证。
这是应用 AI 工程师 Alex Castillo González 的简历，主打 Python 检索与智能体系统及评测层，其 GDPR 问答 RAG 项目要求每条陈述标注来源条款并在语料外时拒答，评测工具已发布为 ragcite 库。自 7 月以来在 101 个项目合并 429 个 PR（86% 被采纳，中位 16 小时合并），含 LangChain.rb 31 个、Mirascope 23 个、Haystack 13 个等。
GitHub 上的开源工具 ai-statusline 用 Rust 编写，为 Claude Code CLI 提供实时状态栏，显示模型、token、费用与 git 状态，支持 26 个可定制组件和 11 个内置主题。零运行时依赖，二进制约 1.0 MB，在 Apple M1 上渲染耗时低于 1ms，采用 MIT 许可证开源。
IvanMurzak 发布的 Unity-MCP 插件通过 MCP 将 Claude、Cursor、Windsurf 等 AI 客户端接入 Unity Editor 与运行时，用于自动化工作流、生成代码和调试。它内置 70 多个跨项目资产、场景、脚本、测试等类别的 MCP 工具，支持基于 Unity 版本和项目插件自动生成 Skills，并可用 Roslyn 动态编译执行 C#；区别于同类工具的是它能在编译后的游戏内运行 LLM，实现实时 AI 调试和 NPC 行为驱动。
GitHub 上的开源项目 RouteMesh 是一个基于机器学习的提示词复杂度分类器和动态 LLM 路由器，通过分析问题的认知难度进行路由分配。它将简单任务导向快速、低成本模型，把复杂任务导向前沿推理模型。
GitHub 开源项目 ThoughtTree 是一款面向 LLM 的图结构对话工具，把对话组织成有向无环图（DAG），可分支探索 “what if” 场景、并行比较各分支回复。目前支持 macOS，默认使用 Codex（需安装 @agentclientprotocol/codex-acp 适配器），也可使用 Claude Code，Gemini 已不再提供。应用提供 Tauri 与 Rust GPUI 两种桌面前端，图片单张限 5 MB、最长边 8000 px、每次提示词最多 20 张。
开源 Rust 命令行工具 EngArg 可从一条论断构建扩展的 Toulmin 论证，检查后果性反驳并给出验证前提所需证据，支持 markdown、outline、prose、json 等输出格式。默认接入 OpenAI Responses API，可通过 `--model` 和 `--service-tier` 请求 GPT-6.1 Sol 的 Ultrafast 模式，并支持 `--reasoning-effort` 从 low 到 max 五档推理力度设置。默认混合工作流执行六次调用，`--mode single --max-calls 1` 提供低成本评估基线，所有请求经审计记录保存。
开源项目 findr 是一个每 4 小时自动运行的实习岗位机器人，从 Jobicy、SimplifyJobs、Internshala 抓取约 500 条职位，用 Groq 免费额度托管的 openai/gpt-oss-120b 按 0–10 相关度打分，并通过 Twilio WhatsApp Sandbox 推送每个分类前 5 条。项目用 Python 3.12 编写，由 GitHub Actions cron 免费调度，SQLite + MD5 去重，支持 India/Abroad 分组和城市级优先级，当前仅支持单用户。
一个基于 Python 的多智能体工具，使用 OpenAI LLM 起草并发布 GitHub PR 审查。它通过 llama-index workflows 串联三个智能体（上下文收集、评论撰写、审查发布），并调用 GitHub API 获取 PR 数据和提交审查。配置 OPENAI_API_KEY、GITHUB_TOKEN 等环境变量后运行 python agent.py 即可使用。
作者在自建网关时发现 tool calling 本质仍是提示词里的普通文本。Qwen3 的 chat template 会把工具 JSON 放进 system prompt 的 <tools> 标签之间，模型以普通 token 写出 <tool_call> 块，由 vLLM、llama.cpp 或托管 API 解析成 tool_calls 字段，结果再以 <tool_response> 标签的用户消息回传；闭源模型同理，Anthropic 文档写明 Claude Opus 5.5 会在工具定义前加 286 token 的隐藏 system prompt。
ScaffoldCoT 作者宣布数据集更新：原集更名为 Scaffold Chat，移除全部 276,389 条工具调用样本（因合成生成框架缺陷导致训练失败），现含 3,450,159 条样本、16 个领域、约 13GB。新数据集 Scaffold Agent 包含 19,652 条真实执行的编码 Agent 记录，来自 6,792 个会话、1,005M token，全部工具调用真实执行并经隐藏测试与两轮 LLM 评审筛选。作者正在训练一个 5-10B 范围的编码专用模型，结果待评估后公布。
开源 Elixir 库 Lotus 发布，为 Phoenix 应用提供可直接挂载的 BI 引擎，包含查询编辑器、图表、仪表盘，无需额外部署 Metabase 或 Redash。它通过统一的 Lotus.Source.Adapter 契约支持 PostgreSQL、MySQL、SQLite，以及 ClickHouse 和 Elasticsearch 等数据源，默认只读并支持三级可见性控制。AI 查询生成、解释与优化支持自带 OpenAI、Anthropic 或 Gemini 密钥，另提供可连接 Claude Code 的 MCP server，无需 LLM key。
qbcli 是 Cecilio Books 的 QBD→QBO 迁移 CLI，通过 Intuit SDK 和 API 迁移公司文件，技术栈为 TypeScript 7、Node 24、Biome 2 与 pnpm 12，无构建步骤，以 node bin/qb.ts 运行。项目规定客户端数据不入 git、零第三方运行时依赖，QBD 侧目前只读，QBO 写入仅限带确认 Plan hash 的 Apply 流程。该指南定义了命令规则、按需阅读的文档地图、ADR 决策机制及基于 GitHub Issues 的智能体工作流。
ch1lam 发布开源编码智能体工具 AICE，以单个 Go 二进制文件支持 macOS、Linux 和 Windows，面向长期维护的代码库，聚焦可读性、可测试性与后续改动成本。它支持 OpenAI、Claude、DeepSeek、Kimi 等模型或自定义 OpenAI 兼容端点，可读写文件、运行 shell 命令和测试，并通过 MCP 与 Agent Skills 扩展工作流。项目采用 Apache-2.0 许可证，会话与配置格式在稳定版发布前可能变动。
开源工具 semula 是一个假 LLM 服务器，首次遇到新提示词时由 Claude Code 或 Codex 订阅生成答案，之后重放只需几毫秒，可离线免费使用。它提供 OpenAI Chat Completions API 兼容、record/replay 模式、分层匹配与近失审查队列，replay p95 低于 15 ms，默认用 SQLite，采用 Apache License 2.0。
GitHub 开源的 owl 是基于 Mario Zechner 的 pi（pi-mono，MIT 协议）改造的桌面优先编码 agent，去掉 TUI 终端界面，改为以桌面应用为主入口。其核心包含 JSON/WS 桥服务器、React 聊天前端和 Tauri 壳（Windows 程序），通过 OWL_CODING_AGENT_DIR 环境变量与已安装版 pi 完全隔离。项目不内置权限边界，桌面端权限确认为逐次授权，需更强隔离时可自行容器化。