新闻、仓库与研究，按时间排列。
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。
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。
Witwave AI 开源了 Witself，一个为 AI 智能体提供持久记忆、事实、密封凭证和跨 agent 消息的平台，仓库地址 github.com/witwave-ai/witself，采用 FSL-1.1-ALv2 许可，两年后转 Apache 2.0。一次命令即可为 Codex、Claude Code、Grok Build、Cursor、OpenClaw、Antigravity、GitHub Copilot 七个运行时安装 stdio MCP 服务和记忆路由规则，其中 Codex 和 Claude Code 已通过实时验收，其余为预览态；记忆以 PostgreSQL 为规范存储，向量由客户端自行提供，平台本身不运行后端 AI。
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。
Mica v0.5 是一个 4B 决策模型，可跑在单张消费级 GPU 上，在 RTX 6000 Ada 上 256 tokens 决策耗时 19.8 ms，比其他 4B 评测模型快至多 3.8x，比 API 决策模型快 25 到 340x。它在 JevBench Hard 得 84/111，为已知 4B 模型最佳，JDI 得 58.8，超过所有受测 9B 和 35B 模型。提供 INT8、BF16、Q8_0、IQ4_XS 等格式，8 GB 显存即可运行，采用 Apache-2.0 开源。
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。
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。
GitHub 新仓库 AutoQuant 是一个把已发表的量化研究观点转化为清晰、可证伪回测的研究工作区，首个研究管线为 Quantocracy Lab。该管线用 Python 从 Quantocracy、Cboe Insights 和 arXiv 收集文章与论文，经 LLM 提示词评估可回测性后转为策略规格，再以隔离进程、超时受控的方式批量回测，各阶段独立且可断点续跑。可复用资产包括 Python 管线、LLM 提示词、策略规格模板和示例策略，数据源、价格缓存与生成报告均不进入 Git。
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。
该仓库是软件质量课程 2026.2 学期作业（AV2），围绕 AnythingLLM 开展「Contexto sob Pressão」测试：对比 P1、P2、P3 三版提示词在正确、缺失、无关与冲突上下文下的表现，审计引用来源并给出改进计划。仓库含测试用例、证据与威胁模型文档，支持克隆复现。
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。
GitHub 上的 llm-aftershock-forecast 是一个 benchmark，用于检验通用 LLM 能否给出校准的余震预测：模型获得与 USGS 业务化余震预测（OAF）发布时相同的信息（主震与 ComCat 目录），其分位数计数和大余震概率将与实际结果及官方预测对比打分，且只使用模型训练截止后的序列。目前数据层、as-of 目录、条目构建、提示词渲染及经 USGS Java 代码验证的 legacy-ETAS 基线已完成并测试，尚未引出任何 LLM 预测；设计已在 Oct 21 冻结于 prereg-v1 预注册。
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。
HaakTuah 在 GitHub 发布策略游戏原型 amarna-letters，以青铜时代晚期（约公元前 1360–1330 年）七大列王为背景，无外交规则，条约与背叛全由玩家自定。引擎只执行移动、战斗、生产与支付等物理规则，每条消息经有自身动机的使者转达，形成国王原话、使者在异国宫廷所言与回报国内三个版本。可在浏览器游玩，可让 Claude 扮演全部七王；无 API key 时全部由脚本玩家进行，整局免费。
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。
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。
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。
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。
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。
nash 是一个开源的 Claude Code 插件，用博弈论机制让并行智能体相互竞争而非趋同，提供 /nash:decide、/nash:review、/nash:debug、/nash:test、/nash:loop 五个命令。作者引用 Artificial Hivemind（NeurIPS 2025）等研究说明同模型智能体会聚集到同一 Schelling 焦点，通过禁用常见解法、盲评锦标赛、假设市场、红蓝变异体对抗等机制分配多样性。开发期间的小规模实测显示 /nash:test 将弱测试套件的变异得分从 5/13（38%）提升到 13/13（100%），/nash:decide 让 5 个智能体给出 5 种不同方案，作者注明这些是单次运行的演示数据而非基准。
推荐理由：用博弈论机制打破多智能体趋同，原文给出了各命令的实测对比数据，并明确标注为小规模演示而非基准。
一位开发者针对 DeepSeek 开源推理引擎 DeepInfer（基于 commit 9bd9cf2）构建了交互式逐块代码讲解静态站点，用 Python 脚本从官方仓库抽取代码引用并配上简短说明，内容覆盖 paged KV cache、speculative decoding 和 model workers 在生产环境中的实现，可作为阅读官方仓库的配套学习指南。
GitHub 上线 River Velocimetry 基准仓库，用于评测基于图像的河流表面测速。项目在 Blender FLIP 仿真的河流上（含精确 per-tracer 真值），对比经典粒子跟踪测速（PTV）与预训练及重训练的 PIPs++ 点跟踪器，并提供数据生成、tracker 驱动、统一评分协议和全部图表脚本。
Nithish-kumar-git 在 GitHub 发布 evidence-grounded-rag，一个基于 React + FastAPI + PostgreSQL/pgvector + Gemini 的本地 RAG 演示项目，用于对合成 PDF/TXT 文档提问并检查检索到的证据。API 会校验引用来源与精确引文子串，并在证据不足时拒答。项目需 Python 3.12+ 和 Node.js 22+，默认答案模型为 gemini-3.5-flash-lite，嵌入使用 768 维的 gemini-embedding-001，采用 MIT License，仅限本地演示而非生产使用。
开发者开源了一个概念验证项目 MiniGPT，在清洗后的英文 Wikipedia 子集上端到端训练小型 Transformer 语言模型，覆盖数据清洗、Byte-Level BPE 分词、训练、checkpoint 与文本生成全流程。模型默认配置为 n_embd=128、n_layer=4、nhead=4、block_size=1024，训练采用 AdamW(lr=3e-4) 和 0.1 验证集划分，自研部分包括断点续训、CSV 持久化日志与采样生成。项目还记录了在 NVIDIA Blackwell GPU 早期通过版本对齐解决驱动/CUDA/PyTorch 兼容问题的经验。
AI LeadFlow 是一个面向服务型业务的开源线索管理与智能平台，并以 Nova Dental 牙科诊所作为参考实现。系统由确定性规则引擎权威计算 0-100 线索评分和 COLD/WARM/HOT 温度区间，AI（Google Gemini，gemini-3.5-flash-lite）仅在员工点击“Generate AI Insight”时按需提供咨询分析，输出需通过 Zod 校验且对数据库零写权限。技术栈为 Next.js 16、React 19、TypeScript 5、PostgreSQL 与 Prisma ORM，提示词经 PII 清洗并用 XML 分隔符缓解提示词注入。