新闻、仓库与研究，按时间排列。
GitHub 上的 krxi/asm-adlandirma 项目用小型语言模型为去符号二进制中的汇编函数生成有意义的名称和描述，替代逆向工程中手动分析 FUN_00401a30 类函数的首步工作。项目从 zlib 等 C 项目在 -O0/-O2 下编译提取汇编数据，真名从源码免费获得；初步测试 60 个函数中，表现最好的 mimo-v2.6-pro（思考模式）平均 F1 在 -O0 下仅 0.39，完整命中率 16/60。后续计划用该数据集对小模型做 LoRA 训练并开源，代码 MIT 许可。
magicsih 在 GitHub 发布 chda，一个带 git worktree 侧栏和实时状态板的终端，支持跟踪 Claude Code、Codex、Gemini CLI、GitHub Copilot CLI 和 OpenCode 的运行状态。终端核心基于 libghostty-vt，用 Rust 和 GPUI 编写，可从 worktree 面板完成创建、启动 agent、合并和清理，通过 hook 只转发会话 id、工作目录等元数据，不存储提示词和对话记录。当前支持 macOS 14 及以上（Apple silicon 和 Intel），内置 MCP 服务器供 agent 调用，MIT 协议开源。
推荐理由：README 详述了 worktree 侧栏和五种 coding agent 状态跟踪的实现方式，包括各 agent 的 hook 接入细节，可作终端管理多 agent 的参考。
changkun/agent-budget 是一个 GitHub 实验项目，测试编码 Agent 如何在固定的每周预算下划分维护与实现工作。两组在相同代码库上完成同样的 40 项 backlog、共 8 周：nomaint 组把预算全部用于实现，maint 组按阈值触发维护 Agent。项目分纯本地的仿真阶段和用 Claude Code（claude -p）的真实运行阶段，仅依赖 Python 3.11+ 标准库，最终报告将写入 REPORT.md。
koraytaylan/fsm 发布了一个确定性、可审计的状态图引擎，让大语言模型把意图翻译成状态机，由引擎保证一次事件至多一次转移等语义，并提供防篡改的哈希链日志。项目包含 fsm-core、fsm-store、fsm-execute 和 fsm-cli 四个 crate，支持 fsm execute 无人值守执行、HTTP 传输、MCP 接入（如 claude mcp add fsm -- fsm serve）和实时订阅；作者同时明确列出非目标：单节点单写入者、无 HA/复制、无定时器，截止时间仅在调用者轮询时触发。
推荐理由：这个确定性状态图引擎把 LLM 的意图翻译限制在引擎保证的语义内，为智能体工作流提供可审计的可复用方案。
SmitHunter 在 GitHub 发布 llm-regress，一个面向 CI 流水线的 LLM 提示词与模型回归测试工具，用 YAML 定义测试套件，可在本地或 CI 中运行并对比两次运行以检测提示词、模型或配置变更带来的退化。支持 exact、contains、regex、_schema、semantic_similarity、llm_judge 及 latency/cost 预算等断言类型，内置 OpenAI、Anthropic 和 mock 提供商，支持并发执行、响应缓存、GitHub Actions 集成和 HTML 报告。工具尚未上架 PyPI，目前需从 GitHub 仓库安装，暂不支持流式响应和多轮对话。
作者用 12 小时自动化编程测试对比 Strata 托管的 Qwen3.8-Flash-Next-UD-IQ4_XS 与本地 llama.cpp 运行版本（两者均 Q8_0 KV-cache、推理设为 xhigh）。Strata 大幅提升 prefill 速度，但出现混淆是否已创建报告、幻觉读取工具输出、反复写入损坏文件等可靠性问题，作者已停用，认为其不适合企业级应用开发环境，建议必须配合全自动测试和 QA 流程使用。
开源项目 DAIV 发布，提供可自托管的 SWE Agent，能把 issue 转为 merge/pull request、回复评审意见并修复失败的 CI，所有任务在用户自控的隔离沙箱中执行。项目通过 webhook 集成 GitLab 和 GitHub，支持 MCP 连接 Claude Code、Cursor 或 Codex CLI，底层基于 LangGraph 构建的 Deep Agents 框架，LLM 可选 OpenRouter、Anthropic、OpenAI 或 Google，采用 Apache 2.0 许可证。
PyTRIO Code Assistant Skill v2.0.0 是一个帮助 AI 编程智能体生成 PyTRIO SDK 远程 LLM 训练与推理代码的工具包，可自动处理分布式训练、数据分片、checkpoint 和身份认证。它开箱集成 OpenAI API 和 Claude API，支持 Claude Code、OpenAI Agents 及 LangChain 兼容系统，宣称智能体首次生成正确代码的比例为 93%，可自动管理 1-1000+ 节点并拦截 50+ 常见编码错误。
灵魂体仓库开源的 SLIM-Claude-Plugin v2.0 通过轻量事件驱动中间件扩展 Claude Code，实现实时代码修改、自动重构、多文件协调（单次最多 50 个文件）和 Git 自动化（建分支、生成 commit、开 PR）。插件内置 Token 感知上下文管理以避免上下文窗口错误，并提供跨模型回退机制：在 Claude 不可用时默认切换到 OpenAI GPT-4，官方称关键操作可达 99.9% 可用性。该插件支持 macOS、Windows 11、Ubuntu 22.04+ 等平台，需在配置中启用安全校验如写操作前审批。
ryanportfolio 开源了 STK，一个同时适配 Claude Code 和 Codex 的单一二进制工具，把过大的整文件读取替换为带行号的大纲，让 Agent 按需取用所需行段，小文件和带范围参数的读取直接放行。安装需 Rust 环境，setup 自动检测客户端配置目录并保留其他 hooks，Codex 需通过 /hooks 审核信任；同一构建已通过 Windows 上两个客户端实际 CLI 测试，验证仅覆盖 hook 行为而非净 token 节省，macOS 与 Linux 尚未验证。MIT 协议，与 RTK 互补。
GitHub 开源项目 Hecate 是一个面向 LLM 辅助软件工程的轻量路由框架，用 DistilBERT 级别的编码器路由器判断编码/调试任务由小模型处理还是需升级到大模型。其路由标签基于执行结果：在 300 个 SWE-bench Lite 任务上，用 Qwen 2.5 7B 和 Qwen 2.5 72B 两档模型（经 OpenRouter）各生成一个补丁，共 600 个补丁，经 Docker 运行测试后以能解决问题的最便宜模型档位定标签。仓库目前覆盖补丁生成、执行、标签构建和 v1 路由器训练（ModernBERT）四个阶段，预算目标约 $38、硬上限 $100，采用 MIT 许可证。
GitHub 上的开源项目 LemmaScript 推出面向 TypeScript 的验证工具链（Tech Preview），通过 //@ 规格标注从同一份 TypeScript 源码生成 Dafny 或 Lean 4（配合 Velvet 2）可验证代码。案例包括 React + Supabase 协作任务应用、Hono 安全中间件 4 个 CVE 的形式化覆盖、node-casbin 5 个函数验证（217 个现有测试通过），其中 equality-game 案例达 753 个验证条件、0 错误。
developerz-ai 发布 aitm（ai-task-master），一个自主任务编排工具，输入一句目标即可运行 Planner → Worker → Reviewer 循环，自动拆分 PR 级任务、开分支、处理 review 意见并在 CI 通过后默认自动合并。工具基于 Vercel AI SDK 和 OpenRouter 构建，provider 无关，支持 z.ai GLM 等 OpenAI 兼容端点、MCP client、并发 PR 组、崩溃后 resume，通过 bun/npm/deno 安装，MIT 协议开源。
推荐理由：原文完整给出了 Planner 到 Reviewer 循环的用法、配置项和提供商切换方法，想自动产出 PR 的读者可以直接照着部署上手。
GitHub 开源项目 customer-support-ai-agent 提供一套可本地运行的客服 AI Agent 教程，支持订单查询、政策检索、退货提议与确认、人工转接及会话持久化，基于 Python 3.12 和 SQLite，demo 模式使用规则路由而非 LLM。项目通过 Docker、Redis 和 Celery 实现每 5 秒处理一次的持久化任务队列，并附小型评测套件；所有客户数据为合成数据，退货仅模拟执行。
开源工具 ContextTrace v0.1.8 发布，支持逐轮检查 OpenAI Codex CLI 与 Anthropic Claude Code 的上下文窗口内容、来源和大小演变，定位如 38k-token 垃圾工具结果等问题。工具含 CLI 与 Windows 桌面应用，基于本地 JSONL 会话日志，提供上下文构成分析、压缩 diff、密钥扫描与 NDJSON 导出等功能，安装无需管理员权限。
GitHub 上的 Koschnag/cong-driven-development（CDD）提出“证据门控的软件演化”，用类型化、版本化的 SPOT 单一事实源连接人类意图、候选方案、独立证据与人工 Promotion Gate，并提供 F# 内核、CLI 和只读的 CDD Studio。仓库包含可执行内核、验证、派生测试和有限的 EIDOS-ZT2 沙箱路径；官方明确表示尚无通用优越性、无自动验收、无 24/7 自主性及成本结论，公开产物为只读研究性质。
开发者 Cuma Bozkurt 在 GitHub 开源 Super Orkestra，一个 TypeScript 编排器，用一个无工具的指挥模型把目标拆成 ≤3 个任务的计划，分派给自选的 Claude Code、Codex、Gemini CLI、opencode 或 OpenRouter 工作模型，在各自 git worktree 中隔离执行。通过 test/lint 门禁决定合并或回传修复，跟踪 5 小时/周订阅限额并在限重置后从同一 CLI 会话和 worktree 自动恢复，内置 markdown 加 SQLite FTS5 项目记忆和 tree-sitter 加 PageRank 的仓库地图。
推荐理由：开源多模型编排器，用一个指挥模型调度多个订阅 CLI 写代码，靠限额跟踪和持久队列省 token 和订阅额度。
KanishkNoir 开源的 CogniKernel 发布 v0.1.3，为 Claude Code 和 Codex 提供跨会话项目记忆，用两个约 130 MB 的微调 ONNX 编码器模型在本地做决策提取与新旧替代，不额外调用 LLM、无需 API key。工具通过 hook 在会话结束时捕获决策、约束和废弃方案，下次会话注入紧凑记忆块，支持 SQLite 事件溯源存储和混合检索；基准显示定向阅读量在 4 个项目上全部下降，但总 token 成本仅在部分项目占优，且 v0.1.3 因 mcp 2.x 兼容问题要求 mcp<2，更新目前已暂停。
推荐理由：项目给出三臂对比基准和失败场景的坦率说明，读者可以据此判断这类 Agent 记忆工具在什么条件下划算。
LotML 是一门为让 LLM 编写、人审阅而设计的静态类型语言，语法沿用 Python 但语义不同处有可见差异，文件后缀为 .lot 或 .lotml。编译器以 Rust 构建，提供 LSP 与 MCP 服务器、test 块、错误即值、值语义引用计数，可经 LLVM 编译为原生可执行文件或 Python 模块，支持 Linux、Windows 与 macOS；项目处于研究阶段，Phase 3 的 C 目标进行中，设计依据 83 篇论文共 1,047 条逐字核验引文。
GitHub 上的 Market Signals 是面向单个交易者的市场信号台原型，市场异动时发出提醒，由 Agent 读取上下文给出建议，交易者自行决策，所有交易使用模拟资金。系统分四层架构：引擎（Node/SQLite）、控制平面与 worker（Go/Postgres）、仅规则驱动的仓位监控（止损、目标、移动止损、时间止损和 kill switch）以及 Next.js 控制台。当前版本 0.1.0 属咨询型原型，下一版为 v0.2.0。
LedgerQL 是一个 text-to-SQL 管线，用本地开源权重模型（如 7B 经 Ollama、30B 级经 vLLM）对 SEC 财报写 SQL 回答自然语言财务问题，不调用任何托管 LLM API。每个问题只以三种状态结束：给出数据中的答案、说明假设的答案，或说明原因的拒答；答案中的每个数字、年份和财报标识都必须能在查询结果中找到，否则被扣留。开发集含 103 个案例，最终指标来自预注册的 80 题冻结 held-out 集，目前尚未运行，所有头条数字标记为 pending。
为 ET AI Hackathon 2026 打造的 regcompliance-agent，可将银行 KYC 政策与 RBI 监管条例逐条对齐并引用原文证据；监管修订后仅重查受影响条目，RBI 2025 年 12 月 29 日修订实测只重查 458 条映射中的 3 条，耗时 1 至 22 秒，而人工估计需 5-10 小时。在三个未见过的银行测试中，弱化数字 7/7、隐藏指令 3/3 全部检出，但删除职责的盲区为 0/4。
rikeabade 在 GitHub 开源了 Intreview，一个 100% 本地运行的技术面试模拟器：用户输入公司、Job Description 和 CV，应用先用 Tavily 搜索该公司面试风格生成 Research Dossier，再由本地 LLM 进行自适应提问、逐题反馈并输出最终报告。默认模型为 gemma4:12b，作者在 12 GB Radeon RX 7700 XT 上实测约 56–60 tokens/s，并给出 qwen2.5:14b-instruct、qwen3.5:9b、gemma4:26b 等对比结果；上下文默认 8192，单次调用最长等待 15 分钟。
VitruvianSoftware 在 GitHub 开源了 NexusAgent，这是一款 macOS 菜单栏应用兼 Telegram bot，将 Telegram 消息转发给本地运行的 AI 编码 CLI（如 agy -p 或自定义 provider），实现远程使用文件编辑、终端命令、MCP 工具等完整编码智能体能力。它采用 long-polling 无需公网暴露端口，通过 --resume 标志和内存 session store 保持会话连续，并以 JSON 格式解析 CLI 响应。安全上依赖 bot token、用户 ID 白名单与本地执行。
GitHub 仓库 conceptual-ravel203/DeepSeek-Reasonix 发布了 DeepSeek-Reasonix，一款运行在终端里的 AI 编程 Agent，由 DeepSeek 模型驱动，支持代码生成、调试、代码解释和终端自动化。它主打 prefix-cache 稳定性，采用 TypeScript 和 Ink UI 构建，需 Windows 10 以上、最低 4 GB 内存和 500 MB 存储空间，首次设置需联网，项目采用 MIT License 开源。
作者开源了一个基于 LLM 的发票结构化数据抽取与评测项目，用 claude-haiku-4-5 在 40 份合成测试发票上跑了三种提示词策略：rules 策略全字段正确率达 87.5%，few_shot 75.0%，zero_shot 60.0%，仅 zero_shot 与 rules 的差异通过配对 McNemar 检验显著（p=0.007）。项目具备固定种子、dev/test 切分和 API 结果磁盘缓存的可复现设计，并用确定性校验层检查数字一致性；事后故障注入测试显示完全自洽的错误数字（协调改价）在 49/49 次试验中都无法被算术校验发现，zero_shot 的校验召回率也只有 50%。数据为合成生成且仅测单一模型，结果未必适用于真实发票。
推荐理由：用合成发票把提示词策略、确定性校验和可复现评测串成完整流程，还用故障注入演示了纯算术校验的盲区，方法可迁移到同类抽取评测。
开源工具 thalamu… 更正：thalamus 是一个智能代理（smart proxy），可让用户用 Cursor 订阅来驱动 Claude Code，提供懒加载工具、自动续跑任务和模型故障回退三类功能，并兼容 OpenAI 兼容工具。它仅支持 Windows 10 及以上系统，最低要求 Intel i3、4 GB RAM 和 500 MB 空闲磁盘，用户需持有有效的 Cursor 订阅，可在 GitHub Releases 下载 .exe 或 .msi 安装包使用。
LiteChipCloud 开源 LiteGate CLI（MIT 协议），一条命令 `npx @litechipcloud/litegate init` 即可自动检测本机的 Claude Code、Codex、ZCode、MiniMax Code 等编程工具并写入接入配置，支持备份与一键回滚。LiteGate 是大模型 API 网关，一个 Key 通吃 Claude / GLM / DeepSeek / MiniMax 等 14 款模型，兼容 OpenAI 与 Claude 双协议，全线 1M 上下文，其中 Claude Opus 5.5 每次调用 ¥0.50、Claude Sonnet 5.5 为 ¥0.20，Agnes 系列长期免费。
开发者 gaurav-gandhi-2411 发布开源项目 Review IQ，一个把非结构化客户评论转为结构化 JSON 的 API，输出情感、话题、优缺点、竞品提及和紧急度信号，支持英文和 Hinglish（罗马字印英混写），不支持天城文印地语。所有提示词、评测样本和准确率数字公开版本化，CI 在评测门槛未过时失败；在 70 条未见过的 Flipkart 真实评论上，三评审一致处的准确率为 79.6%（95% CI 76.2-82.8%），并明确披露该数字不含 10.7% 无共识字段对，且语料中 36 条曾被开发过程接触。
一个基于 Claude Code 的自主求职智能体，每个工作日在 Google Cloud VM 上按 cron 运行，爬取 Station F、Welcome to the Jungle 等 7 个法国招聘网站，寻找法兰西岛地区的 AI / Backend / Data / MLOps 岗位。它定位公司真实决策者并验证邮箱后发送个性化冷邮件（最多 3 次跟进），用 epsilon-greedy bandit 按 Wilson 下界评估 7 种策略的回复率，并在每封邮件 P.S. 中披露由 AI 撰写。回复由人工审批，绝不自动发送给真人；每次运行前有 26 项自检。
WSE-research 公开其大语言模型代码翻译论文的在线附录仓库，涵盖代码、数据、可视化与补充分析。实验用 GPT-4o-mini、Claude Sonnet 3.7、Gemini 2.5 pro 和 Code 5.1 max 做单轮翻译与迭代重翻译，基于 HumanEval-X 程序统计编译、测试、运行时和死循环四类错误，CSV 矩阵记录各语言对的成功与失败结果。
slimmii 发布了 llmtsc，一个 TypeScript 编译器前端，它在转译前让 LLM 修复类型错误、拼写和语法问题，使带错误的代码仍能编译，源文件始终不被修改，修复文本仅保留在内存中。工作流程是从 tsconfig. 构建程序，按文件分组错误发给 LLM，只保留能消除至少一个错误且不引入语法错误的 SEARCH/PLACE 修复，默认最多 4 轮，并按文件内容和诊断结果缓存答案以加速重建和 CI。
推荐理由：原文完整给出了这个让 LLM 在内存中修复类型错误再编译的工具原理、配置项和各构建工具接入方式，便于开发者评估是否适用。
HelixML 发布开源平台 Helix，可在自有基础设施上以舰队方式并行运行多个编码 Agent，每个 Agent 拥有带浏览器、终端和 GUI 应用的 GPU 加速隔离桌面，通过 spec 驱动的 Kanban 看板组织任务并以 pull request 作为审查关口。平台兼容 Claude Code、OpenAI Codex、Gemini CLI、Qwen Code 及任何 ACP 兼容 Agent，支持接入自托管模型（如 vLLM 的 OpenAI 兼容端点），可端到端自托管包括 air-gapped 环境，还内置 RAG、可观测性、多租户和计费功能。许可证与 Docker Desktop 类似，个人、教育及年收入低于 1000 万美元且员工少于 250 人的小企业可免费使用。
推荐理由：原文详细给出了在自有基础设施上并行运行编码 Agent 舰队的完整架构与部署方式，包括每个 Agent 的隔离桌面和可复用的看板工作流。
JansenChang 在 GitHub 发布了 Claude Code 终端插件 claude-terminal-translate：中文提问先经 DeepSeek 翻成英文再发给 Claude，Claude 的英文回答下方自动附 DeepSeek 中文翻译，代码、路径、命令和 URL 原样保留。插件通过 /plugin install 安装并填入 DeepSeek API key，支持 /translate on/off 开关、失败自动重试最多 3 次，仅在终端 CLI 中验证；作者称目的之一是规避风险控制，并提示开启后提问和回答全文会发送到 api.deepseek.com，处理敏感内容时可用 /translate off 关闭。
Reflection 发布开放权重模型 Beam 1.0，采用 MoE 架构，总参数 501.3B、激活 23.4B，支持 1M 上下文，以 Apache 2.0 许可提供 BF16、FP8、NVFP4 三种精度。官方称其推理 token 用量约省 3 倍，SWEBench Verified 达 81.6%，AIME 2026 达 97.7%，不禁止蒸馏和微调。
推荐理由：官方模型卡给出完整基准表和三种量化版本数据，读者可以据此对比 Beam 与其他开放权重模型在编码和推理任务上的表现。
InvGen 是一个开源工具，用 LLM 为 C 程序生成循环不变式，再由符号工具验证：LLM 可走 Claude Code CLI（订阅登录，无需 API token）或经 Ollama 跑本地模型如 qwen3:8b，候选不变式由 CBMC 做 BMC 过滤并执行 Houdini 归纳子集筛选，最终由 Frama-C/WP 完成正确性证明。每次失败的检查会转成带具体状态的反例句子追加进提示词，仓库还提供 compare.py 在相同 K/m 参数下对比不同模型，附带 Code2Inv 全集 133 个线性与 7 个非线性程序（其中 9 个断言有错，可被 BMC 查出），代码约 1300 行。
推荐理由：仓库讲清了 LLM 生成与符号工具验证的完整分工和反馈循环，读者可以照着复现这套循环不变式求解流程。
GitHub 用户 a1mohamad 建立了一个基于 Sebastian Raschka《Build a Large Language Model (From Scratch)》的逐章学习仓库，用 PyTorch 从零实现 LLM 核心组件。内容覆盖张量、tokenization、attention、GPT 架构、预训练与微调。目前 PyTorch 附录已完成并注释，其余章节仍为规划状态。
GitHub 上的 LinguaDesk 是一个本地运行的多语言 AI 客服支持助手 MVP，流程为「客户请求 → 分析 → 客户语言草稿 → 俄语摘要 → 人工审核 → 日志 / CRM」。项目默认使用诚实标注的 mock 模式，支持 11 种语言识别，输入上限 4000 字符，基于 Node.js 22.6+、无外部 npm 依赖；Live 模式通过服务端 OpenAI Responses 适配器接入，采用严格 JSON Schema 校验，需自行配置 API key 且不支持自动回退到 mock。
Lom（Language of Machine）是一门用 Rust 构建的 AI 原生编程语言，核心是围绕 LLM 修复循环设计：编译错误带结构化诊断码，`lom fix` 可机械地自动修复。当前版本 v1.8.0（2026-10-08），语言表面自 v1.0（2026-09-02）起冻结：20 个关键字、43 个内置函数，零第三方依赖、零 unsafe，561 个单元测试。128 项评测中 deepseek-v4-pro+thinking 和 glm-5.3 分别取得 98.3% / 98.5% pass@1；自托管子集编译器 self_comp.lom 可将 Lom 编译为 WASM，并已从实验性升级为受支持特性。
jgravelle 发布 jCodeMunch-MCP，一个用 tree-sitter 解析源码、按符号精确检索的 MCP 服务器，官方基准显示比 grep-and-read 方式平均减少 96.5% token（28.3 倍），生产环境累计报告节省 838B+ token、136,000+ 装机。工具支持 70+ 语言、提供 get_blast_radius、find_importers 等 grep 无法回答的结构化查询，附 A/B 测试报告；个人使用免费，商用需购买一次性授权（Builder $79 起）。