新闻、仓库与研究，按时间排列。
GitHub 上的开源项目 DirectiveBench 发布 v0.1，这是一个本地优先的工作台，用于发现、组织、同步和基准测试跨仓库与 coding agent 的 AI agent 技能、指令和规则。它已实现本地 SQLite 注册表、RED/GREEN 基准引擎、job runner、Web UI 和 CLI，可注册本地及公开 GitHub 仓库并解析 SKILL.md、CLAUDE.md、Cursor .mdc 等格式。目前基准仅支持确定性 mock agent，真实 agent 执行、私有仓库同步和模型提供商接入尚在规划中。
GitHub 上的 Open-Hermes-Bot 项目发布了 Hermes Bot 1.0.0，一个 macOS Electron 应用的多智能体聊天界面克隆，包含深色侧边栏、Bloub 智能体头像和浮动输入框。应用本身不运行模型、不存对话记录，所有会话、记忆和工具执行都由通过 SSH 连接的 Hermes host 承担，本机仅在登录 Keychain 中保存 Hermes API key。项目采用 MIT 许可，提供 .dmg/.zip 发行包，支持 electron-updater 自动更新和 GitHub Actions 构建。
GitHub 仓库 joyjeni/arc-agi2-hybrid-solver 发布面向 ARC-Prize-2026 的三层混合 ARC-AGI-2 求解器，目标 LB 35–45%。方案由 Tier-1 的 18 个确定性规则求解器、Tier-2 的 LLM 程序合成（Qwen3-4B 微调模型写 Python，最多重试 3 次）、Tier-3 的 8 提示词多数投票 Chakra Ensemble 组成，模型 qwen3_4b_grids15_sft139 以 4-bit 加载于 Kaggle GPU。与 NVARC 的 test-time training 不同，该流水线不做 LoRA 适配，代码以 MIT 协议开源。
开源 Python 框架 chatflow-agent 可让开发者在几秒内构建用于 WhatsApp、Telegram 和 Webhooks 的自主多智能体系统。核心仅依赖 google-genai、pydantic、httpx 三个运行时依赖，包体积约 72 KB，支持 Google Gemini、Ollama 本地运行的 Gemma、xAI Grok、OpenAI（GPT-4o）和 Anthropic Claude 一键切换，并内置会话并发锁、Webhook 防 500 保护及基于客户意图的智能体间自主转接。通过 pip install chatflow-agent 即可安装。
pipe1os 发布开源 CLI 工具 modelinfo-cli，可离线检查 .safetensors、.gguf、.pt 模型 checkpoint 并计算硬件需求，仅用 Python 标准库读取二进制头文件，本地解析在 100ms 内完成。支持通过 Hugging Face Hub 的字节范围请求在 2 秒内远程读取头部而无需下载 checkpoint，可按上下文长度计算 VRAM、用 --vllm 模拟 PagedAttention 池可服务 token 数，并按 --gpu 与多卡 --topology、--strategy 做硬件适配诊断和并排对比。
推荐理由：工具只用标准库解析模型头文件，本地毫秒级、远程免下载整个 checkpoint 就能算 VRAM，部署前选型可以省大量磁盘和时间。
llm-fw 发布本地 LLM 流量防火墙，通过 HTTPS_PROXY 或 OS 级 sinkhole 部署在工具与 API 之间，实时拦截提示注入和越狱请求，无需修改代码、全程不出本机。采用启发式规则、跨语言嵌入向量、可选本地 LLM judge 三级管线，覆盖 OpenAI、Anthropic、Gemini 等 15+ 服务商和 20+ 语言，另含 DLP 密钥扫描、MCP 工具防火墙、RAG 投毒检测和响应侧外泄过滤；自测 110 条攻击全部召回、良性语料 FPR 13.38%，p50 延迟 36ms。软件并非开源，采用 PolyForm Noncommercial License 1.0.0，非商业用途免费，商业使用需购买许可证。
推荐理由：原文给出了各攻击类别的召回率、误报率和延迟数据，读者可以据此评估这个本地防火墙实际拦截能力，而不仅是功能清单。
nakielski 发布 obsidian-mcp，一个把本地 Obsidian 笔记库经 MCP 暴露给 LLM 客户端（Claude、Cursor、Continue 等）的 server，支持读搜建改删笔记、frontmatter 与标签管理、daily notes、正则替换、Backlink 图谱遍历、孤儿笔记检测和 vault 健康评分（0–100）。共 22 个工具，全部带结构化输出 schema， Whoosh 全文索引支持 Lucene 风格查询（模糊、字段、范围、did-you-mean），可选 Whoosh+Qdrant 混合语义搜索；写策略（write log、raw/ 不可变、agent 锁、wiki index 维护）在文件系统层强制执行，提供受限文件夹隐藏与路径遍历防护。
SvenRogue 在 GitHub 发布 ai-model-ranking，一个零依赖单页面的大模型实时排行榜，基于 OpenRouter 平台全球开发者的 Tokens 用量与 API 请求数统计排名。页面每 5 分钟自动从 OpenRouter 公开接口拉取数据，接口不可达时回退到内置快照 snapshot.js。功能包括金银铜热度三甲卡片、Top 10 条形图与机构份额环形图、搜索筛选及详情抽屉，数据仅反映 OpenRouter 生态内的相对热度。
作者发布 Izwi 0.1.0，这是数月公测后的首个稳定版，Apache-2.0 免费开源，提供桌面应用、Web UI、CLI 和本地服务器。支持本地 ASR→LLM→TTS 实时语音对话、短样本语音克隆、按文本描述设计音色、有声书等长音频 Studio、带说话人分离与强制对齐的转写，并提供 OpenAI 兼容的 /v1 API。已支持 Qwen3-TTS、Kokoro-82M、Fish Audio S2 Pro、VibeVoice、Parakeet TDT v3、Whisper large-v3-turbo、Qwen3-ASR、Qwen3.5/3.6/3.8 等模型，推理用 Rust 在 Candle 上原生运行并自研 Metal 与 CUDA 后端，无需管理 Python 环境。
Dharma AI 在 Hugging Face 博客预览 VocabX 论文结果：按每个 token 的成本而非频率重建词表，在不改基座模型、数据和训练配方的前提下，将基于 Qwen3-4B 的葡萄牙语作文自动批改器实测推理成本降低 77.0%。响应平均从 350 降到 101 个 token，bench 分数从 0.703 升到 0.810，LM head 从约 152,000 行缩到约 65,000 行；在 5 个公开领域和 Qwen3、Llama-3.1、Gemma-3 三个模型族的 15 种组合中，压缩率和估算推理成本均领先 FVT、MWT 和 in-place BPE 三个参照方法。
推荐理由：作者用同一基座、同一训练配方做对照实验，把成本按读写分别计价，方法思路可迁移到其他单一领域的专用模型。
GitHub 开源了 rag-evaluation-testing-platform，一个零运行时依赖的 RAG 管线评测框架，固定数据集跑问答、对检索和生成分別打分，输出可 diff 的 JSON+CSV 报告。它内置 lexical/dense/hybrid 三种检索器、extractive 与 Ollama 生成器、以及经 65 条人工标注验证的 LLM-as-judge（llama3.2:3b 对 gemini-3.8-flash），评审器在 49 条留出项上 κ 达 0.95，词元规则为 0.90；21 个用例基线中 qwen3:1.7b 开启推理模式可将幻觉率从 0.25 降到 0，代价是延迟约 5 倍。
推荐理由：项目不只给代码，还用 65 条人工标注实测了 LLM 评审与词元规则的差异，读者可借此理解 RAG 评测该测什么。
ANTCPU 在 GitHub 开源自动化营销项目 ads，构建由 AI agents 和 antbots 驱动的实时广告生态 The Arena。品牌提交后由 buildPod(ctx) 动态生成 10 个 antbot 组成的投放组，覆盖社交、搜索、视频、邮件、社区和 SEO 渠道，配合 Aria、Scout、Herald、Vault 四个 agent 及 Entry→Top Tier 阶梯体系。平台已上线 8 种语言，Phase 1-2 已发布，Phase 3 因 50+ 活跃广告被触发，Phase 4 变现与 ANTCPU Cloud 仍在规划中，贡献尚未开放。
cs7158080 在 GitHub 开源了一个为语言病理诊所构建的 RAG 病历问答系统，临床医生可用希伯来语自然语言提问，答案严格来自患者本人的 .docx 文件，由 Claude Haiku 4.5 基于检索上下文生成。系统在索引前对数据进行去标识化，结构化元数据存入本地 SQLite，治疗计划内容索引进 Pinecone 做语义检索，真实姓名通过本地映射表仅在最终回答时还原，确保患者数据不以可识别形式离开本地机器。
GitHub 新仓库 rajkumarb5285/AI-Native-Social-Media-Agent-Team 提供一个可构建的多智能体社交媒体运营平台起步项目，包含 FastAPI 后端、响应式仪表盘、持久化 SQLite 运行历史，以及覆盖编排、研究、内容生成、审核、发布、分析等十个专业工作流角色。项目集成 OpenAI 兼容模型 API（可选），无密钥时以明确标注的演示模式运行；已内置 LinkedIn 和 X 的 OAuth 2.0 连接流程与文本发布适配器，发布需开发者凭据和人工审批，且不实现图片/视频发布。项目要求 Python 3.11+，并提供 Dockerfile 和 Docker Compose 部署。
开源项目 ChaosGuard 是一个自托管 AI 安全平台，可扫描任意 GitHub 仓库，提供 RECON、HUNTER、SIEGE、LIVE 四级递进扫描，耗时从约 1 秒到约 35 分钟不等。每项发现均附带自动生成的代码修复、统一 diff 和一键创建 PR。平台通过 Ollama 本地推理、ChromaDB 进行 RAG 代码理解，基于 Kafka 的架构可从单机扩展到 Kubernetes 集群，并提供混沌工程韧性分析与完整可观测性栈。
开源项目 NOVA 是一个本地运行的语音优先 AI 助手 demo，可回答问题、联网检索并附来源链接，以及生成 React/Vite 或 FastAPI 起步应用。前端用 React、TypeScript 和 Vite 构建，后端为 FastAPI，AI 路由支持 Groq 或 Amazon Bedrock，检索用 Tavily 或 DuckDuckGo，并经 MCP server（Python MCP SDK 1.30.0，Streamable HTTP）暴露工具。依赖安装需人工批准，数据存于本地 SQLite；项目面向 Alexa+ hackathon 赛道，需满足 MCP spec 2025-11-25 等要求。
作者 AryThakar 发布 Zen-harness，一个通过 llama.cpp 运行 Qwen 3.6 35B-A3B 的本地个人 Agent 框架，可在自有 GPU（约 24 GB 显存）或 Kaggle 免费 T4 x2 上运行。主 Agent 调度网页研究、文档检索和数据分析三个助手，关键事实和数字由代码校验而非模型自证，含 664 项测试、Windows 免安装包，采用 PolyForm Noncommercial 1.0.0 许可，非商业免费。
推荐理由：作者公开了完整架构文档、664 项测试和分阶段实测记录，可据此了解一个本地 Agent 系统如何用代码校验约束模型输出。
GitHub 仓库 super-duper-octo-sniffle 是一套网络安全求职简历引擎，供 ChatGPT、Claude、Gemini 等 LLM 读取，作为候选人经历、技能与认证的唯一事实来源，生成贴合职位描述的 ATS 优化简历。其 8 步流程含 Truth Guard 事实校验与 1 页 PDF 排版约束，支持应用安全、红队、DevSecOps 等 14 种岗位。
GraphoraX 是一个 AI 驱动的开发者智能平台，从 GitHub 仓库历史构建知识图谱，结合 GraphRAG 与 LLM 生成有证据支撑的工程解释，回答“代码为什么是这样”。系统将仓库、文件、作者、commit 和 PR 连接进 Neo4j AuraDB，主模型为 Google Gemini，可配置 Groq 作为备用，前端采用 React 与 Cytoscape.js 提供交互式图谱可视化，并在证据不足时明确承认缺口而非编造原因。
hbenabdallah 发布 phpgraph，通过静态分析把 PHP 代码库解析成知识图谱，经 MCP 提供给 Sherpa、Claude Code、Codex、Cursor 等客户端，不调用 LLM、不联网、不执行代码。每条关系标注 EXTRACTED、INFERRED 或 AMBIGUOUS 置信级别，支持调用图、DDD 分层检查、消息处理器、路由、依赖注入和微服务契约分析。在约 26,600 个语料文件上零解析失败，Akeneo 8,400 文件全量构建约 22 秒、增量重建约 3 秒；实测接入后影响分析类问题 token 减少 42%、工具调用减少 59%。
推荐理由：作者用固定语料项目给出构建耗时、类型解析率和与同类工具的逐点对比数据，可据此评估这类代码图谱工具的实际效果。
GitHub 开源项目 JobGraph 从 Adzuna API、RSS 和 CSV 多源采集职位，经 SHA-256 精确哈希加 HNSW 余弦相似度（阈值 0.92）两阶段去重，并用 gpt-4o-mini 分类、text-embedding-3-small 生成 1536 维嵌入。系统基于 Supabase PostgreSQL 与 pgvector，通过 BullMQ 队列和 Redis 缓存（TTL=300s）提供 REST 搜索 API，数据直接对接语义职位匹配系统 HireMatch。
Terobyte 开源 tero 仓库（MIT 协议，约 124 个 Python 文件、1.68 万行源码加 2.01 万行测试），把 Muse Code (Spark)、Claude Code、Codex、Gemini、OpenCode、Cursor Headless 等本地 agent CLI 统一到一个 provider 接口，通过实现、审查、评审由不同模型分工的对抗式流水线协作。
NaNIsaac 发布了命令行工具 Codigest（GitHub 仓库 NaNIsaac/codigest，MIT 许可），可将整个项目、指定文件及其本地导入、自基线以来的变更或失败命令及其相关文件打包成一段可粘贴的文本，供 ChatGPT、Claude 等使用。工具支持 cdg scan、digest、diff、semdiff、cap、pack 等命令，默认 30,000 token 预算并报告每个文件的取舍理由，自动排除 .env 等凭据文件并掩码代码中的 token，通过 MCP 供 Claude Code、Cursor 等 Agent 自行请求上下文，全部在本地运行、不发起网络请求。
推荐理由：作者开源的 CLI 把选定的代码、变更和失败命令打包成可粘贴上下文，还给出 token 预算与文件取舍理由，便于按需迁移到自己的工作流。
GitHub 上的开源项目 Asclexis 是一款本地优先的桌面应用，患者可导入化验 PDF、CSV/FHIR R4 导出文件，通过 human-in-the-loop 验证提取结构化数据，查看纵向趋势并获得带引用的本地 RAG 解释。所有数据默认留在本地，静态加密、无需联网，使用 llama.cpp 运行本地 GGUF LLM，可导出医生可读摘要和仅含已验证数据的脱敏 FHIR R4 bundle。项目定位为科研教育用途，不提供医疗建议。
GitHub 上的 llm-evaluation-observability-framework 是一个用 Python 和 FastAPI 构建的 LLM 响应评测框架，提供精确匹配判定、相似度评分（0.0-1.0）、内存中的评测历史记录及 REST API。项目用 pytest 做自动化测试，并通过 GitHub Actions 实现持续集成，当前评测历史不持久化、尚未接入外部 LLM 提供商，后续计划加入基于 embedding 的语义相似度评测与 Docker 部署。
YokosWY 在 GitHub 开源 token-governance，一套面向 LLM 代理的上下文成本治理方案。对一周账单（10,862 次调用、2.585B 上下文 tokens）逐 step 拆解后发现开销主体不是模型调用，而是工具输出（34.6%）、助手输出（27.3%）、工具清单（21.0%）和技能目录（12.2%），其中 42KB 技能目录在 490 步会话里被注入 53 次、累计重发达两亿 token 级别。通过把非必需项移出常驻、压缩长会话等配置层调整，真实日志复算显示每轮成本降 24–46%，会话越长降幅越大。仓库含 7 个技能（仅 tg-router 常驻）、5 个脚本和 6 个自研机制，当前版本 v0.7，MIT 许可。
推荐理由：作者用真实会话日志逐 step 复算成本，给出技能目录重发才是开销主体的归因和 24–46% 的降幅数据，方法可复现。
yago-mendoza 发布 apu-llm 仓库，让 GPU 共享系统内存的 APU 笔记本一条命令完成本地大模型安装、问答与基准测试，并通过内置 MCP 服务器让 Claude Code 把批量文本工作交给本地模型。在 Ryzen AI 7 PRO 450、64GB LPDDR5X 参考机上，Qwen3.6 35B-A3B（MoE，3B 激活）经 Ollama 跑在 iGPU 上写入 11.7 tok/s、读长输入 93 tok/s，加载占 20.6GB；Qwen3.8 27B 稠密模型更聪明但写入仅 2.6 tok/s。
推荐理由：作者在一台 64GB 无独显的 ThinkPad 上实测了 APU 跑 35B 模型的真实速度与智能水平，并给出按内存选型的对照表。
glassflow 推出 Rius TypeScript SDK，为 AI Agent 和 LLM 应用提供 OpenTelemetry 原生追踪，通过 npm 包 @glassflow-ai/rius 安装。SDK 提供 observe 函数包装器、startAsCurrentSpan 作用域 span 和 startAsCurrentGeneration 三类原语，分别覆盖链、工具调用与 LLM 生成，并支持 gen_ai.agent.id、agentVersion 等属性。追踪数据以 OTLP over HTTP 发送，任何兼容 OTLP 的后端均可接收。
Cycls 发布面向 Python 的 deep-stack AI SDK，把 AI 智能体的运行时、界面、智能和状态四层抽象为可组合原语，用 cycls deploy 一条命令即可部署。SDK 提供 Image、Web、LLM、Volume 四个原语和 @function、@app、@agent 三个装饰器，部署后自带聊天界面、登录、按用户的文件与聊天存储、OpenAI 兼容 API 端点和沙箱化工具循环。支持 Anthropic 原生接口及 OpenAI 兼容端点（含 DeepSeek、Kimi、GLM、本地推理服务器），Bash 工具在 bubblewrap 沙箱中运行，可关闭网络以防提示词注入外泄。安装方式 pip install cycls，MIT 许可，文档在 docs.cycls.com。
推荐理由：原文给出了 Cycls Python SDK 的四个原语、三个装饰器和完整 CLI 清单，读者可以据此评估能否用一个文件完成 Agent 的编写与部署。
GitHub 开源项目 RAG Engineering Lab 是一个交互式教学网站，用全屏 3D 动画演示 RAG 系统工作原理，涵盖 RAG 与嵌入向量、缓存与路由、评测与 judge、护栏与权限、工具与上下文五大概念。项目基于 React 19、TypeScript、Three.js 和 TanStack 构建，使用 Bun 1.4.0 本地运行，全部示例来自离线 fixtures，无需 API 密钥或数据库。
kgaidev/kgai 在 GitHub 开源，定位为 AI 编程工作流中的共享决策记忆：AI 在改代码时自动把结构性决策记录为知识图谱，包括变更、原因和被否决的方案，改动前 AI 会先查已有决策。决策是不可变的内容寻址事件，并行写入不产生文本合并冲突，语义冲突以分支形式呈现并保留解决记录；官方称 100 万条决策、30 个写入者分片下查询约 100ms。支持 Claude Code 插件、Codex CLI（需 ≥ 0.150）和 Gemini CLI，团队同步为 opt-in，使用用户自己的 S3 桶（git 远端为实验性），另有 VS Code/Cursor/Windsurf 扩展和实验性 kgai-mod 插件，MIT 许可，本地优先，代码不出本机。
推荐理由：这个共享决策记忆在 100 万条决策、30 个写入者分片下查询仍约 100ms，且团队同步以自家 S3 为 opt-in，可作长期记忆落地方案参考。
SrIruma 在 GitHub 开源 repoctx，扫描仓库并从真实代码中提取构建/测试命令、模块结构和依赖，自动重新生成 AGENTS.md、CLAUDE.md 等上下文文件中的事实部分，同时保留人工撰写内容。工具处于 pre-1.0（0.x）活跃开发阶段，提供 generate、audit（含健康评分与 CI 门控）等命令，支持 npm/pnpm、cargo 等 monorepo 工作区，可通过预编译二进制、Go、npm、Homebrew、winget、scoop 安装。
cszach 在 GitHub 开源 muse-discord，一个把 Muse（AI 伴侣）接入 Discord 服务器的机器人项目。用户向 Muse 发送指定消息即可完成安装，机器人会引导创建 Discord 应用、保存 token、访谈用户生成 persona.md 人格并测试回复；支持读取图片、视频帧和 PDF 附件、等待连续输入后一次回复、与其他 Muse 机器人互聊、通过 /settings 调整设置，以及代表用户执行置顶、开 thread 等操作。
GitHub 上的 OrcAI 是一个可自托管平台，用于基于自选知识构建受管治的 AI 助手，目前仍在积极开发、尚未可用于生产环境。它支持上传并处理 PDF、Office 文件和图片，用 Qdrant 向量检索实现 RAG 问答，并提供课程与邀请式访问控制、S3 兼容对象存储，以及 Umami 和 OpenTelemetry 可观测性。技术栈采用 React 19、TanStack Start、Tailwind CSS 4、Bun、PostgreSQL、Valkey 和 SpiceDB，支持德语和英语本地化。
API Evangelist 在 GitHub 上维护 promptfoo 的公开 API 第三方档案仓库，声明不运营、不托管也不代表该公司。档案信息全部来自公开可访问的网站与文档，包含独立计算的 Kin Score 和 Agent Readiness 评分，并非认证或安全审计。仓库不含任何软件或下载内容，公司可免费申请更正、重新评分或下架。
GitHub 开源项目 hr-rag-agent 是一个完全离线运行的企业级 HR 智能体，基于 LM Studio 本地推理，用 ChromaDB 检索 HR 政策回答请假、WFH、假期额度等问题，并通过 JSON-schema 工具调用在 SQLite 中登记或扣减假期。评测套件 9/9 全部通过，支持 CLI、FastAPI Web UI 与 Docker 部署。
Lucca Pinto 在 GitHub 开源 ai-games 仓库，收录 12 款通过与 AI 对话生成的自包含浏览器游戏，共 63,613 行代码、6.6M 新 token、API 费用合计 US$ 211.06。
推荐理由：仓库把每款游戏的模型、Agent 和 token 开销都记录在案，还单独拆出 cache 读数，读者可以据此比较不同模型的实际编码成本。
GitHub 项目 HarnessProbe 开源，通过同一模型、同一任务、同一评分器下只切换 harness 配置的矩阵实验，输出 delta 和 Harness Sensitivity Index 而非榜单。作者给出一次 66 trials 的实测示例显示，11 个配置中 10 个得分相同，唯一移除 shell（无法运行测试）的 no-shell 配置掉 16.7 分，说明提示词调整是噪声、验证权限才是主要信号。工具含 6 个双向验证的任务、Wilson 置信区间、pass@k/pass^k 与 flakiness 指标、隔离沙箱，支持 Anthropic、OpenAI 兼容端点、DeepSeek 和 Ollama 本地模型，MIT 协议。
推荐理由：它把 harness 当作唯一变量做矩阵实测，并诚实给出置信区间与任务过易的局限，区分模型能力与脚手架贡献。
RA-King 在 GitHub 发布 IntelliJ IDEA 插件 llm-copilot-intellij 0.0.01，为任意 LLM 提供 ghost text 行内补全、编辑器内聊天面板和代码操作，支持包括本地 Ollama 在内的 13 个提供商，MIT 许可。补全具备结构感知与意图推断，后台构建全项目符号表和双向 import 图以提供真实声明签名，并含去重守卫、next edit 建议和错误分析功能；要求 IntelliJ IDEA 2026.1+，默认按 Ollama 本地部署配置。
推荐理由：README 详细写清了补全触发门槛、项目索引和去重逻辑，读者能据此评估这款可接任意 LLM 的 IntelliJ 插件是否值得试。
neoromantic 发布 @goodit/evals，一个把 eval 文件作为 Bun 测试运行的 LLM 功能评测框架，记录 scorer 指标与 token/延迟数据，并支持基线对比报告。该项目已进入维护模式，只做 bug 修复和依赖更新，不再新增功能；要求 Bun >= 1.3.9，peer 依赖 ai >= 6 和 zod，内置 ExactMatch、Contains、LLM judge 等 scorer，支持 Facts() LLM 判分、evalSuite.each 变体对比和 --json 机器可读输出，MIT 协议开源。
推荐理由：作者给出了把 LLM 功能评测跑成 Bun 测试的完整方案，scorer、基线对比与 token 延迟拆分都可直接迁移到自己的项目。