新闻、仓库与研究，按时间排列。
MiniMax 开设了 MiniMax Code 桌面应用的官方社区仓库 MiniMax-Code-MiniApps，任何人可通过 PR 贡献以插件形式打包的 MiniApp。仓库以 Agent OS 为愿景，强调 Human-in-the-Loop，收录了自驾路线规划、CadQuery Viewer、Token 用量看板、Git Commit Tree、心屿等十余个插件，并给出下载、安装到 ~/.minimax/plugins/ 与更新卸载的完整步骤；需要运行 Agent 任务等新能力的应用要求 MiniMax Code 3.1.2 或更高版本。
Agentic Signal 是一个基于 React Flow 的可视化 AI 工作流自动化平台，通过 Ollama 在本地运行大语言模型，无需云端依赖，支持 Tool Calling、结构化 JSON 输出和会话记忆。平台提供天气、搜索、Google 服务、表单填写、网页转 Markdown、股票分析等节点，并支持 Slack、Reddit、SMS 等 PRO 集成，采用 AGPL v3 开源加商业双许可。
BlockRun 推出 Go SDK blockrun-llm-go，覆盖 88 个聊天模型及图像、视频、音乐、语音、网络搜索、DeFi 数据和 40 条链的 JSON-RPC。按请求付费，支持 API key 预付或自持钱包以 USDC 经 x402 在 Solana 或 Base 上结算。含 7 个完全免费模型，如 Nemotron 3 Ultra 550B（550B/55B active MoE）和 Nemotron 3.5 Lightning（1M 上下文）。
GitHub 上的 bunryu 项目是一个面向单人用户的 JLPT N1 备考助手，由 Claude Code 驱动生成词汇、语法与阅读的 LLM-wiki，并实验性地每天生成一篇练习课与 5 道题。内容全部为 Markdown，仓库兼作 Obsidian vault，闪卡采用 FSRS，每日测验邮件已每日运行；LLM 输出先落盘、下游全部为确定性代码，保证可复现与可测试。
GitHub 用户 aaddrick 发布非官方社区技能 building-with-typesafe-jev，教 Claude Code、Codex、Antigravity CLI、Muse 等编码智能体为 TypeSafe 的 System One 模型 Jev 做设计，即用类型化问题获取带校准概率的答案（Choice、Score、Noul 三种原语），单次响应约 100 到 200 ms。技能内置 API 参考、4 种官方模式、18 本 cookbook 的技巧，以及按实现形态分类的 150+ 社区项目库（11 种形态，如控制循环、门控、流过滤），并附各形态代码草图和失败案例。
推荐理由：作者用隔离容器跑了三组对照评测，给出该社区技能、无技能与官方技能的分数和逐项通过率，可据此判断其实际增益。
cli-anything-zotero 基于 HKUDS 的 CLI-Anything，通过 JS Bridge 插件让 Claude Code、Cursor 等 AI 助手直接操作本地 Zotero 文献库，支持搜索、DOI/PMID/BibTeX 导入、BibTeX/CSV 导出、PDF 管理与元数据写入，写操作全部本地执行、无需 API key。v0.9.5 是最后含 zotero-mcp 命令的版本，此后转为 CLI/SDK 优先，MCP 用户需固定安装 0.9.5。动态 DOCX 引用需额外安装 LibreOffice 及插件，可用 zotero-cli docx doctor 检查环境。
GitHub 仓库 ElifGray0554/Anti-Autoresearch 发布，用于审计 autoresearch / AI-Scientist 生成论文的自洽性与造假，输出带 span 锚定的审稿报告。它基于 ARIS（约12.5k★）构建，包含8个模式族共46种完整性模式，外加13条零裁决权重的 AI 写作风格印象；以11个技能加1个编排工作流交付，确定性核心含8个经评测门验证的模式（GRIM、GRIMMER、statcheck、delta 算术等），其余39个模式由跨模型审阅者提出发现、确定性裁决器打分。它不是 AI 文本分类器，不判定学术不端，只呈现需人工核查的差异；支持 Claude Code 工作流运行，也提供纯 Python 确定性管线用于 CI 与离线环境。
推荐理由：原文给出46种完整性模式、8个模式族和确定性评测门的具体构成，审稿人可据此判断这套审计工作流能查什么、不能查什么。
OVO v0.0.6 发布，这是一个跑在 Apple Silicon Mac 上的本地 Claude Code 式编码智能体，MLX 原生、兼容 Ollama 与 OpenAI API、无需 API key，数据不出本机。新版加入 PPTX/HWP/HWPX 文档解析与 RAG、LoRA 微调、SLERP/Linear/TIES/DARE 模型合并，Code 模块含 Monaco 编辑器、文件浏览器、Git 面板、PTY 终端和带文件读写搜索执行工具及 MCP 集成的 Agent Chat；另有聊天、diffusers 本地文生图、BM25+语义搜索的 Wiki 持久知识库，自动识别 HuggingFace 与 LM Studio 缓存。
推荐理由：README 详列了硬件适配评分、端口分工和 16GB 内存的降级建议，可据此判断这台地端 Claude Code 替代品是否跑得动自己的 Mac。
mormot2-ai 为 Free Pascal 和 Delphi 7 至 13 提供 mORMot 原生 AI 扩展，覆盖 MCP、LLM 客户端、agent loop、嵌入、向量搜索与 RAG，并自带纯 Object Pascal 推理引擎，运行时无需 Python、llama.cpp 或外部 .so/.dll。原生引擎以与 lembed 相同的 GGUF 文件运行 BGE-M3 嵌入，在 x86_64 上速度达其 1.6 至 2 倍；Qwen3、Qwen3-MoE（Qwen3-30B-A3B）与 Qwen2.5 经 ILlmClient 接入，RTX 5090 上 CUDA 解码 Qwen3-0.6B 约 400 tokens/s、Qwen3-30B-A3B 约 97 tokens/s。
CoreMind 1.2.0 从 1.0.1 直接升级发布，通过统一 Runtime 提供 CLI/TUI、TypeScript SDK 与 Python SDK，面向没有智能体开发经验的新手工程师。新版本并入 1.1 开发成果，包括标准 SKILL.md、持久 /steer 与 /follow-up 控制、受控 MCP 与显式 OAuth、Config v3 显式 deferred 工具发现和终端证据。该框架支持 43 个可配置 Provider 入口和 ask/assisted/full 三档权限，要求 Node.js ≥ 22.19、Python ≥ 3.10，当前仅支持 Windows 与 Linux 平台。
开源项目 GITVERSE 是一个 AI 逆向工程工具，粘贴代码文件或公开 GitHub URL 后即可生成可直接复制的重建提示词，供 Cursor、Claude Code、Codex 等 AI 编码智能体使用。工具会输出技术栈、API 与业务逻辑分析及 ASCII 架构图，支持 Grok（默认 grok-3）、OpenRouter、Azure OpenAI（默认 gpt-5.4）和 Google AI Studio（默认 gemini-2.5-pro）多个 LLM 提供商，多文件场景输入 GITVERSE_DONE 触发批量分析，代码不会被永久存储。
nerima-lisp 在 GitHub 开源了 aitools，一个用 Common Lisp 编写、面向 AI 智能体的命令行工具，提供内置文件与文本操作和外部程序运行器 aitools run，替代 cat、grep、sed、find、jq、tar 等，每次调用输出一个 JSON 对象。文件读取支持范围窗口与续读，写入由预期文本、哈希或计数守护，支持崩溃恢复和带操作 ID 的撤销；JSON 输出中掩蔽已知密钥格式，错误信息会给出下一步应运行的 aitools 命令。它不含面向人类的功能（无颜色、提示或补全），基于 SBCL，通过 nix build 安装，支持 x86_64-linux 和 aarch64-darwin，MIT 许可，并为支持 skills 的智能体提供 SKILL.md 使用说明。
jgunduz35 发布 agent-workspace-linux，为 AI 智能体提供独立的隐藏 X11 桌面，通过 MCP 驱动应用、键盘鼠标、截图和浏览器自动化，不触碰用户真实桌面和 Chrome。支持 bubblewrap 网络与挂载隔离、daemon 强制的权限上限、带暂停和只读控制的浮动查看器，约 86 个工具经技能按需加载，仅支持 Linux，MIT 许可。
推荐理由：项目明确了三层权限边界由谁设定和如何强制执行，适合想给 AI 智能体隔离桌面环境的开发者参考部署思路。
GitHub 项目 Train in Silence 发布，自称首个面向 LLM 微调的 Task-Aware MCP server，根据用户描述的训练任务估算所需 VRAM/FLOPs，并跨 Vast.ai、RunPod、AWS、Lambda 等十余家云平台聚合实时报价，返回最便宜、最快或均衡的硬件推荐。支持 CLI、REST API、Claude Code 和 Claude Desktop 接入，未提供 API key 时自动回退到 GPUHunt/GPUFinder 等聚合器或样例数据；每条推荐标注数据来源如 live:official 或 sample。项目处于实验阶段，估算模型暂无内置校准。
开发者 TinyBOOOOM 在 GitHub 发布 DSH 插件 dsh-cliproxyapi-pro，可将 CLIProxyAPI（CPA）的模型一键接入 DeepSeek Harness（DSH）模型选择器，自动同步模型的上下文长度、图片输入与推理档位，并按家族路由到最合适的原生协议：Claude 走 Anthropic Messages，GPT/Codex/Grok 走 OpenAI Responses，其余走 OpenAI Chat。插件支持多个 CPA 账号独立启用停用、单模型参数覆盖，API Key 只存于 DSH 凭证服务，零 npm 依赖，已发布到 npm（如 dsh-cliproxyapi-pro@1.6.0），适用于 DSH 0.2.0-rc.1 及以上版本。
awsome-kali-MCPServers 是一个为 Kali Linux 环境设计的 MCP 服务器合集，通过 Docker 镜像在 Claude Desktop、Cline 等 MCP 客户端中调用安全测试工具。项目基于 FastMCP 框架集成 Nmap 扫描、nm 符号分析、objdump 反汇编、strings 字符串提取和 tshark 流量抓取等工具，并提供 Docker 沙箱功能（默认镜像 ubuntu-systemd:22.04，内存默认 2GB、CPU 默认 1 核）。该项目仍处早期阶段，后续计划集成 Ghidra、Radare2 并支持 Agent 功能。
Hermes Labs 发布 LintLang，一个本地确定性静态 linter，可在 Agent 运行前检查 MCP 定义、系统提示词、SKILL.md、参数 schema 等 Agent 配置，标记含混工具选择、缺失边界、schema 缺口等问题。扫描不调用模型、无网络访问，结果可复现并支持 JSON/SARIF 输出和 GitHub Actions CI 门禁；其发现已并入 bytedance/deer-flow PR #5656 和 bytebase/dbhub PR #447。项目含 1100 项通过测试，但作者明确表示尚未发布真实项目上的准确率和误报率数据。
推荐理由：一个不调用模型的确定性静态检查工具，能在智能体运行前抓住工具描述含混和 schema 缺陷，还能接入 CI 门禁。
GitHub 上的 AI Agent Automation 是一个自托管 AI 工作流自动化引擎，集可视化工作流构建器、Agent 配置、文档 RAG、语义记忆、多 Agent 团队、Workflow API 和执行可观测性于一体。每次工作流运行都会生成任务，可查看步骤输入输出、日志并支持回放。平台基于 Next.js、Express、MongoDB、Worker Runtime 与 Socket.IO，支持 OpenAI、Groq、Gemini、Ollama、Hugging Face 等 provider，可通过 Docker Compose 一键部署。
论文提出 BetaMem，一个通过工作、空间、实体、情节、经验、程序六层记忆构建可追溯长期记忆的具身智能体框架，用监督微调与强化学习结合教师验证来训练记忆操作。以 Qwen3.5-9B 生成记忆，在 M3-Bench-robot 得 48.08%、LoCoMo 得 92.08%、OpenEQA EM-EQA 得 72.6%、EgoLifeQA 得 62.4%；训练使写入契约通过率从 50.9% 升至 86.2%，每条存储动作的输出 token 减少 47.3%。
研究者提出 RELIEF 方法，用编码 Agent 修订代码生成模型产出的交互界面，并将改进融入原始生成轨迹作为微调监督数据。评测基于 200 个合成网站、355 段交互记录和 24 名用户的反馈，对两款代码生成模型变体做了微调。结果显示反馈效果随基座模型能力而异，其中从人类交互记录推断的 critique 带来最大的可用性提升。
AllPath 是一个接入真实模拟券商账户的个人 LLM 交易智能体，采用三层验证架构：确定性代码规则引擎执行风险限制和完整性检查、智能体在有迭代上限且无行动工具的前提下夜间自我复盘、人类通过审批界面验证判断。系统先运行两周半的全部自我修订人工把关，再运行五周让反思修订在代码门控下自动生效；期间人类否决了 2 个通过全部代码检查的提案，并删除了智能体自行添加的 19 条规则中的 11 条。
StepBench 基准从 wikiHow 抓取 6,885 条经核验的程序性步骤，覆盖 81 个开放域类别，并派生出 5 项诊断任务。对 12 个模型的 14 种配置测试显示，步骤排序最难：最强模型正确排序率仅 63.0%，步骤数达 9 步及以上时降至 33.1%。研究还发现错误步骤检测可预测生成计划的有效性，可作为更低成本的评估替代方案。
SOMA（System One Metacognitive Awareness）提出用 Jev 这类 S1 决策模型持续监控 S2 推理模型并在需要时干预，含场景、感知、控制三层，无需训练即可跨任务共享同一 S1 模型。在两个推理模型上，SOMA 将过度思考场景的推理 token 削减最多 36% 且平均准确率提升，并把不可回答问题的弃答率从 70.5% 提高到 87.2%。
研究者将 Next Best Action 系统建模为约束马尔可夫决策过程（CMDP），并在其线性规划形式中融合对客户动态估计的离策略因果校正，使策略在最大化长期价值的同时显式执行业务约束，影子价格还可量化公平性等约束的经济权衡。在网约车优惠券定向案例中，以 RFM 阶段定义客户状态，基于离策略评估，优化后的策略比估计行为策略提升客户生命周期价值（LTV）19%，比短视基线提升 8%。该框架与具体动作无关，可扩展至多种干预措施。
ProteinGeoBench 是一套包含 131 项蛋白质结构任务的评测套件，基于 4 个前沿模型的 4,249 次 rollouts 和 26 个模型的 4,486 次额外试验。结果显示前沿智能体擅长结构元数据查询但几何计算较弱：131 项任务中数值任务占 28 项，却在四个模型全部失败的 12 项任务中占一半；三个前沿模型得分在 0.785 至 0.816 之间难以区分，第四个为 0.707。研究还发现评测排名受评测预算影响显著，单次运行时 23.9% 的 bootstrap 复现会得出不同的第一名，建议评测应按任务族报告结果并注明运行次数、harness 和访问条件。
一项基于 USGS 地球化学模拟器 PHREEQC 的研究测量了 LLM 智能体用检索代替上下文读取工具输出时的精度损失。GPT-5.1 和 GPT-5.2 分别下降 11.3 和 7.9 个百分点，Claude Opus 4.6 与 Claude Sonnet 4.6 无明显损失；GPT 模型在检索模式下常跳过报告、改用自身高精度输出文件并错误取整，即“证据替代”失败。指明权威输出可提升 6.3-7.9 个百分点。
研究者提出 Agentic Imagination（Agima）训练框架，让单一 omni 模型先提出动作、生成结果图像，再基于想象未来推理并决定真实执行。用 SFT 统一策略与世界建模后，再用智能体强化学习训练其规划能力；在 Maze2D、Sokoban、Pacman、PushT 四个环境中可泛化到未见过的更难设置，仅用 SFT 在两箱 Sokoban 训练即解出 40% 的四箱谜题（纯动作规划器仅 2%），RL 后还学会按需前瞻并在关键决策点更频繁分支。论文地址 https://arxiv.org/abs/2610.26845v1。
arXiv 论文提出 LLM 路由基准 RouterWorld，统一 371k 单轮响应与 76k 多轮智能体轨迹，采用 LLM-as-a-judge 协议和基于硬件的延迟标注，并设计 Cold-Start 与 Voyager 两种部分可观测路由设定。对 13 个路由基线的评估发现，多数路由器在部分可观测条件下过于重视准确率而忽视延迟。代码与基准数据已公开。
论文研究 Agent harness 跨轮次处理上下文（丢弃、摘要、回放模型推理）何时改变 Agent 成败，而非只看成本。预注册合成实验显示，所需事实可重新查回时截断上下文几乎无损失，事实不可再观察时成功率降至随机水平，两种惩罚相差 92.5 个百分点（90% CI [89.5, 95.5]），第二家供应商一个模型的复现结果一致。在 ARC-AGI-3 上，Standard harness 与 Provider Adapter harness 存在 63 分差距，改摘要而非丢弃旧轮次并保留记笔记提示可恢复 86%，不保留提示恢复 43%，叠加供应商原生推理回放再恢复 57%；这些为单次运行的点估计。
推荐理由：论文用预注册实验拆解 harness 对 Agent 成败的影响，给出可量化的组件归因，对理解上下文管理设计有直接参考。
一项 arXiv 研究提出反事实评估框架，将 LLM 生成的修复动作拆分为目标记录与数值更新两部分逐组合执行。在 114 个交通修复动作中，76 个的联合修正收益超过单独修正收益之和；数据库修复中，仅替换为参考更新使 108 个动作中的 17 个恶化，这些动作均选择了未受影响的记录。在留存观测上，候选方案重组后的目标-更新配对选择可恢复参考动作损失降幅的 61.6%，高于仅在方案间选择的 58.0%。
arXiv 论文提出 Cost-Coupled Gittins（CC-Gittins），一种多目标扩展的 Pareto 推荐方法，利用评估与部署成本耦合为 LLM 智能体工作流中的角色寻找质量与成本兼顾的模型分配。在 2 到 5 个角色、最多 1,681 个候选分配的八个质量-成本矩阵上，CC-Gittins 以约 10% 的穷举评估成本恢复相当比例的真实 Pareto 前沿，到 30% 成本时基本恢复前沿且误报很少，还可将延迟作为第三个目标。初版已被 NeurIPS 2026 资源感知智能体 AI（RAAAI）研讨会接收。
研究者推出 EpiLens，一个轻量级开源 RAG 包，用固定检索模板和输出模式处理文献语料并将输出链接到原文段落。该工具基于 2,297 篇论文构建语料，在 214 篇人工标注论文上评测，无需任务特定训练数据即在四项任务上匹配或超过监督式和零样本基线。结果显示，与再生数相关的论文中被标为模型研究的比例为 54%，高于 fatality risk 的 22%；模型类论文占比还因病原体而异，SARS-CoV-2 为 55%，mpox 仅 6%。
TokenGate 是一个即插即用的小组件，通过受 MoE 启发的 token-gated attention 实现端到端可学习的 token 剪枝，用于快速、省内存的 prefill。在多类任务上 TTFT 提速 1.4 到 11.3 倍、峰值内存降低 1.5 到 3.4 倍且无精度损失，较此前最优 token 剪枝方法 prefill 最快 6.4 倍、内存低 2 倍，可扩展至 Qwen3 等标准 transformer 和 Qwen3.5 等混合注意力模型，代码已开源。
推荐理由：论文给出可学习的 token 剪枝方法及其提速与峰值内存的量化对比，适合关注长上下文 prefill 效率的读者参考。
研究者提出一个博弈论框架，让 LLM 通过上下文经验（无需微调）学习反制电话诈骗的策略。框架将骗子与"baiter"的交互建模为双人博弈，以 Nash equilibrium 作为评估基准。在 300 段模拟对话和三种 LLM 架构上，自适应策略选择比非自适应基线更接近 Nash equilibrium 28.9-79.7%，相关代码及带策略标注的数据集已开源。
论文提出 WildAWM，一条用开源模型合成计算机使用智能体（CUA）可执行环境与任务的流水线，环境同时支持 GUI、MCP 服务和命令行三种交互接口。流水线产出 341 个长程环境任务对，部分需超过 100 步求解，GPT-6-Astra 仅解出 60%；仅在这些合成环境中训练的两个不同规模 Qwen 模型，在 8 个覆盖 web、claw 和 computer-use 的域外基准上均取得明显提升，代码已公开。
推荐理由：论文给出用开源模型合成计算机操作环境的完整流水线和质量门方法，训练效果覆盖 8 个域外基准，方法可迁移到环境合成类工作。
Rui Shi 等发布 arXiv 论文 WeAct，在冻结骨干上训练能力专属 LoRA 适配器，并把适配器选择加入 Agent 动作空间，用原生 tool-calling 接口按需组合能力。在 8 个 deep-research 基准上，Qwen3-32B 加 WeAct 比全量微调平均准确率高 6.2% 且计算更少，比最强静态 LoRA 合并方法高 27.5%，并支持不改动骨干的模块化持续扩展。
推荐理由：把适配器选择纳入 Agent 动作空间来缓解灾难性遗忘，在 8 个 deep-research 基准上给出了与全量微调的对比数字。
针对 LLM 智能体生成的 CAD 装配体往往徒具外观、无法实现物理功能的问题，研究者提出 FunCAD-Harness，将抽象需求转化为针对候选设计的物理测试，并利用仿真反馈迭代修正设计。团队同时发布覆盖 46 个机构族的 FunCADBench 基准。实验显示，该框架能发现视觉检查难以察觉的机械失效，功能成功率显著超过标准仿真增强基线。
Recursive 发布了面向编码智能体的 MoE 语言模型 Flint，总参数 39.8B、每 token 激活约 2.5B，在 Terminal-Bench 2.1 得 54.9%、SWE-bench Pro v2 得 89.7%、SWE-bench Verified 得 74.2%。模型采用 256 路由专家加共享专家、49 层（2 稠密 + 47 MoE）、262,144 token 上下文，以 Apache 2.0 许可发布，附 BF16 检查点、SGLang 服务套件及面向 NVIDIA 和 Apple Silicon 的量化版本，unsloth 提供 GGUF 格式和运行指南。
推荐理由：官方模型卡给出了架构细节、评测设置和基准分数来源标注，读者可以据此了解这款小激活参数编码智能体模型的实际规格。
GitHub 仓库 TGYD-helige/pi 开源了供 Pi Agent 及相关应用使用的 TypeScript 共享包，包含 @amaster.ai/pi-shared、pi-storage 等核心包，以及 pi-memory、pi-video-gen、pi-security 等扩展包。所有包均为 ESM-only，发布在 @amaster.ai npm scope 下，采用 Apache-2.0 许可证，要求 Node.js >=24 和 pnpm 10.18.3。Pi 0.99+ 上 video、teamwork、curated memory、Mem0 和 scheduler 工具可为 codemode 脚本返回有界的结构化结果。
Phylloria 在 GitHub 发布 logisim-toolkit，可在终端、CI 或 AI coding agent 中创建、检查、生成并验证原生 Logisim 2.7.1 项目。工具支持总线检查、时序状态验证、布局检查，内置 8-to-3 优先编码器、4-bit 超前进位加法器、16-bit ALU（433 个基本门）等示例电路，并提供 Codex、Claude Code 与 Cursor 等可选 agent 适配器。RAM、ROM 及 Logisim Evolution 4.x 支持仍为明确边界，可通过 pipx 安装。