新闻、仓库与研究，按时间排列。
karatelabs 发布 karate-agent-examples 示例套件，作为 AI 生成代码的治理层，把需求、测试、业务规则、覆盖率和运行证据连成 git 中的一张追溯图，由 LLM 驱动、人工审计。需求以 markdown 形式存为代码，基于真实运行证据生成 RTM 矩阵，报告从证据而非 AI 观点判断是否可安全发布。套件包括 traceability-demo（CI 报告发布到 GitHub Pages）、policy-api（REST+gRPC+Kafka 三协议覆盖）、kiro-demo（任务全勾通过却判定 NOT READY）等，并提供 JavaScript API、curl、MCP 和控制台多种接口。
JavierFrauca 发布 SharpGraph，一个 MCP 服务器，用 Roslyn AST 将 C# (.NET) 项目索引为依赖图并暴露给 LLM，支持 MediatR/CQRS、DI 和 ASP.NET Core 路由的导航，避免读取整个文件。提供 trace_to_endpoints、find_callers、impact、flow、understand、Mermaid 图等工具，兼容 Claude Code、Cursor、Cline 等客户端。
推荐理由：原文给出可复现的 token 计数与性能对比数据，读者能据此判断这类代码图 MCP 工具在 .NET 项目里的实际省 token 幅度。
UrbanChange-AI 是一个 AI 驱动的地理空间智能平台，用于检测、分类、解释并重建城市及环境敏感区域的变化。平台整合 Sentinel-2 卫星影像获取、Siamese Attention U-Net 变化检测、UTM 投影面积与敏感区叠合分析，生成证据图与解释，并配备基于 MiniLM 的问答助手。当前 ML 服务以 mock 适配器模式运行（ML_ADAPTER=mock），通过严格 JSON schema 契约设计，可零代码改动替换为真实生产服务。
yeyo11 发布开源工具 Agentry，将 Claude Code CLI 封装进单个容器，提供 REST API、Web UI 和多智能体编排。它通过 CLI 的官方接口（如 stream- 和 --permission-prompt-tool stdio）驱动 Claude，支持并行 DAG 任务与 git worktree 隔离、用量上限到达后在不同 provider 间切换续跑、Docker 与 Linux 桌面（AppImage/.deb）部署，项目地址为 https://github.com/yeyo11/agentry。
推荐理由：原文详细列出了它驱动的 Claude Code CLI 接口、权限路由和多账号轮换等具体做法，读者可以据此评估这套自托管方案的实现方式。
arman-jalili 在 GitHub 开源 Rigorix（MIT/Apache-2.0），一个位于 LLM 之下的智能体执行治理层：自然语言任务先编译成可审查的 DAG 计划，再在策略、权限和预算边界内执行，每步记录为 HMAC 签名的带时间戳审计信封。越权步骤会被标记 requires_approval = true 并强制暂停而非告警；rigorix-mcp 网关以标准 MCP server 接入 Claude Code、Cursor、Aider，暴露 14 个内置工具，支持 Rust、TypeScript 和 Python 代码库，其中 TypeScript 集成最成熟。仓库含 113 步本地 CI 验证脚本，代码覆盖率门槛 ≥60%。
iterate 在 GitHub 开源了 middlewright，一个为 Playwright locator 动作提供可组合中间件的插件系统，核心是用 spinnerWaiter 等六个插件让测试在有加载状态时多等、无加载状态时快速失败，支持以 1 秒 actionTimeout 保持快速失败。插件包括 hydrationWaiter、uiErrorReporter、screenshot、videoMode（用 ffmpeg 渲染带注释视频）和 llmRecover（动作失败时让 Claude 生成恢复代码并标记 soft-fail）。
开源油猴脚本 YouTube-to-LLM 在 YouTube 页面添加按钮，可将视频通过预填摘要提示词的新标签页发送给 ChatGPT、Claude 或 Grok。脚本支持视频标题下方的按钮栏和缩略图悬停按钮，提示词始终复制到剪贴板作为兜底，并可设置自动发送、后台打开标签页。内置英语和德语，通过 ⚙ 设置面板可修改提示词与语言，也支持在 LLMS 对象中添加新的 LLM。
作者开源了 Kvad，一个用 Rust 从零手写的 LLM 推理引擎，目标是可读性和速度双达标，以 vLLM 和 SGLang 为基准。项目分五个 crate：nervus 从零实现反向传播并在 MNIST 上训练，kvad 从零做 Transformer 推理并支持四种架构和 HuggingFace 权重，kvad-gpu 用 candle 跑 Metal/CUDA，另有 kvad-tui 终端应用和 kvad-serve HTTP 服务与 web UI。
推荐理由：一个从零手写的 Rust 推理引擎，把每处算术和常数理由摆在代码旁，速度对标 vLLM 与 SGLang 的差距也如实写明。
Valwardon 在 GitHub 开源了 grounding-coder v0.2.0，一个系统中完全不含语言模型的确定性编码 agent：文本由内置词法解析器转为意图，编辑、验证与修正全部由确定性引擎依据编译器、测试等 oracle 完成，无法证明时以 BLOCKED 拒绝并保持文件字节不变。项目支持 Rust、Python、C、Kotlin、JS、HTML 等语言及 .grounding.toml 自定义语言，包含 376 个全绿测试，提供 Android APK 构建（约 7.0 MB，arm64-v8a），发布页为 https://github.com/Valwardon/grounding-coder/releases/tag/v0.2.0。
推荐理由：这是一个不依赖任何语言模型的确定性编码 agent，读者可以了解用编译器和测试做验证的另一种工程思路。
TypeSafeAI 社区仓库 jev-harness 实现了一个研究阶段的提案审查契约：LLM 提出一个动作，Jev（模型常量 jev-1.13.0）回答四个固定问题，由代码生成证据供 host 参考，但不打补丁、不执行代码、不授权。项目采用 MIT 协议，需 Node 22+ 和 pnpm，仅提供源码、未发布，也非官方 SDK。`pnpm bench:review` 可离线跑 25 个合成 fixture，脚本化 mock 值显示 bad 捕获从 base 的 7/25 提升到 +Jev 的 25/25，固定阈值为 0.8。
KbWen 在 GitHub 开源 agent-virtual-office，用 React 19 与纯 SVG 把 Claude Code、Codex、Gemini CLI 或 CI 的实时会话渲染成像素办公室，8 个角色分别实时呈现 working、blocked、shipping 等状态。状态只由真实 hook 信号驱动、不伪造活动，无后端无遥测，npx github:KbWen/agent-virtual-office 即可运行，需 Node.js ≥ 22，支持 ?lang=zh-TW 繁体中文，采用 MIT 许可。
推荐理由：这个像素办公室的状态全部由 Claude Code 等真实会话信号驱动，不伪造活动，读者可以照 README 直接接线复用。
开源项目 Wormtamer 是一个自托管的 GitLab AI 代码审查工具，使用 Gemini 审查 merge request 并发布一条包含优先级、可操作发现的简洁总结。它以单个 Go 进程运行，状态存于 SQLite，无需外部数据库或队列，支持 GitLab 17 及以上版本，采用 GNU GPL v3.0 许可证。
GitHub 开源工具 harness-engineering 通过一条 `harness-engineering bootstrap` 命令即可自动配置 CLAUDE.md 模板和推荐规则，简化 coding agent 环境搭建。该 Windows 工具要求 Windows 10 及以上、4 GB 内存和 200 MB 磁盘空间，内置收录 20 多条经过实测的最佳实践的 field guide，并支持 Git hooks 自动化与 TDD（测试驱动开发）。
goashem 在 GitHub 开源了 LLMCommit，一个替代 git commit 的工具，读取暂存改动后交给 LLM 生成提交信息。默认先试本地 Ollama（qwen3:8b），失败后按 OpenAI、Claude、Gemini 顺序回退；支持多语言、conventional commits、--review 审阅和 .llmcommit. 配置，发送前会对私钥和 API key 等常见密钥模式做脱敏，项目代码主要由 AI 编程助手编写。
推荐理由：这个单文件提交工具默认优先本地 Ollama 并对密钥做脱敏，想给 git commit 接上大模型的读者可以参考它的多后端回退设计。
bjcoombs 在 GitHub 发布 ai-native-toolkit，一套 Claude Code 插件及可独立上传 claude.ai、Claude Desktop、Cowork 的技能 ZIP，包含 /assess、/huddle、/deslop、/skill-forge、/semantic-compress 五个技能。
推荐理由：作者用同一套引擎实测 ktor、llama.cpp、candle 三个公开仓库得出三个分数，读者可以借此判断这套 AI 就绪度评分是否真能区分工程化程度。
TalkToBI 是一款通过聊天界面进行数据分析的桌面应用，支持自然语言提问、Text-to-SQL 转换、多智能体分析和生成 PDF 报告。它支持 Windows 10+/macOS Mojave+/Linux，最低 4 GB 内存，从 Releases 页面下载安装；查询在线数据源时需联网，暂不支持移动设备。
GitHub 开源项目 Buildly.io 是一个实验性 AI 网站构建器，用 Next.js 15 直接连接 LLM 和后台智能体，探索不依赖 Python 框架的 AI agent 工作流。项目通过 Inngest 编排智能体、调用 OpenAI 生成前端代码、用 E2B Sandbox 安全执行生成代码，并支持“提示词→生成→预览”的迭代流程和实时预览。项目定位为学习实验，不与 Lovable、V0 等生产级工具竞争，需配置 OpenAI、E2B、Inngest 等 API 密钥，采用 Clerk 认证并可部署到 Vercel/VPS。
artkoenig 在 GitHub 发布 resector，一个为本地模型设计的编码 Agent 上下文管理工具。它把上下文显示为带 token 数和前缀缓存状态的块列表，在每次请求前经 Review Gate 暂停供手动裁剪，也可用 TypeScript 编写的 Context Policy 自动执行 remove、edit、move、compact 等操作。内置 lean-compact 策略在 5 个合成会话对比中比全量压缩减少 95% 提示 token、93% 压缩时间，事实保留率 98%。支持 llama.cpp、Ollama、LM Studio、oMLX 后端，提供 darwin 和 linux 二进制下载，遵循 MIT 许可。
推荐理由：面向本地模型上下文窗口小的痛点，给出了手动与策略两种裁剪方案和缓存感知设计，可迁移到本地 Agent 工作流。
parv-the-coder 在 GitHub 开源了技术面试练习平台 Crucible-Interview-Prep，候选人可在限时监考环境中答题，代码在加固容器中针对隐藏测试用例运行，并由 LLM 基于评分标准给出反馈和追问。后端为 Python 3.12 + FastAPI + PostgreSQL 16，前端为 React 18 + Vite + Monaco，支持 Python、JavaScript、C++、Java 和 Go 的沙箱执行（无网络、只读根文件系统、pid 限制、内存上限），采用基于 Postgres 队列的异步评分，并通过 Elo 评级实现自适应难度，还提供基于 WebSocket 的共享编辑器面试房间，含 161 个测试和完整工程文档。
ClosedLoop 将其团队开发智能体以开源 Claude Code 插件形式发布，覆盖 bootstrap、code、code-review、judges、platform、self-learning 等能力，官方称开箱性能超越 Opus 4.6 和 Sonnet 4.5，成本仅为一半，并使团队速度提升 400%。插件采用多智能体编排工作流，支持多仓库、自适应自学习与基于工件（artifact）的阶段式工作流门控，可通过一行脚本或 claude /plugin marketplace install closedloop 安装，支持 Codex 跨工具安装，采用 Apache License 2.0 许可证。
开发者YHLYYE在GitHub开源MiniCode，一个以约4850行纯Python实现、零LangChain依赖的AI编码Agent，参考Claude Code逆向架构，配备220个单元测试。项目包含while-true Agent循环与4条恢复路径、Skill渐进式路由、三层记忆系统、三层上下文压缩（实测端到端token成本降低63.7%）、多Agent协作、4层安全机制和并发工具执行，支持经litellm接入100多家模型供应商，基准数字可通过仓库内脚本一键本地复核。
推荐理由：项目用可本地复现的基准脚本核对压缩率与 token 成本等关键数字，读者可以照着验证这套 Agent 架构的真实收益。
kgorle1111 发布开源工具 AntStreet，用户给出想法和预算后由它起草 pytest 检查，经人批准再由 headless Claude Code 智能体在预算封顶的小块中构建，沙箱门控判定结果并写入哈希链签名账本。项目自做的盲测显示在 35 个任务上 AntStreet 团队通过 64/105（61%），单 agent 通过 62/105（59%），团队成本约 2.4 倍，作者因此声明不主张多智能体建得更好，其价值在验证与控制。工程上含 5000+ 测试、96% 覆盖率 CI 门槛、macOS seatbelt 与 Linux bwrap 沙箱，Apache 2.0 协议，尚未发布 PyPI。
推荐理由：项目自带盲测数据，显示多智能体团队通过率与单 agent 相当但成本约 2.4 倍，作者如实公布了对自家工具不利的结论。
Anuj Sharma 发布了一个 NLP 毕业项目 AI Resume Analyzer，通过 OpenRouter 的 OpenAI 兼容 API 调用 LLM，将简历与职位描述比对，返回 0–100 匹配分数、匹配/缺失技能、改进建议等结构化 JSON 反馈。项目使用 Streamlit 构建界面，采用角色化 system prompt、few-shot 示例与 0.3 temperature 保证 JSON 输出可靠，并支持多模型自动 fallback、503 限流重试及离线单元测试。
Zanwen Fu 发布 Taste v0.2.0，一个把 Agent 运行时类比操作系统的框架：planner 拆分契约、worker 各自独立进程执行、monitor 只读监督并认证产出，所有计划、模型调用、命令与回滚都以 commit 记录在 git 仓库中。未获认证的工作不会进入集成分支，模型调用按最坏价格预算准入，超时命令会被终止。项目为早期研究软件，已展示单进程内核的 Claude 真实运行（43 秒花费 $0.10）与回滚演示，多进程运行时约 3,000 个测试，但尚未展示完整基准跑分、共享容器的多 worker 及任务环境回滚。代码采用 Apache-2.0 许可，配套论文 Beyond the Harness 发布于 2026 年 3 月 28 日。
anyact-ai 在 GitHub 发布 world-use，让 AI 智能体通过 JSON 计划、wu 命令、MCP 或 Python 操作 Seeed reBot 机械臂。工具在模拟孪生上预演校验每个计划，越限即拒绝并给出通过数值，以 100 Hz 执行并在异常接触时停止。实测直接逐步驱动时机械臂仅 11% 供电时间在运动，分阶段规划后提升到最多 41%。软件早期阶段，已在模拟和一台物理 reBot 上测试，采用 Apache-2.0 许可证。
推荐理由：README给出了带模拟预演校验的机械臂Agent控制方案，并用11%对比41%的运动占比数据说明了分阶段规划的收益。
Ellithium 是一个统一测试自动化框架，覆盖 Web、移动端、API 及 SQL/NoSQL 数据库测试，基于 TestNG、Cucumber、Rest Assured 构建，支持 BDD、并行执行、跨浏览器与 headless 测试，并提供 Allure 报告。其 AI 能力包括三层级联的 AI Self-Healing 定位器修复、Codegen Recorder 录制生成代码、自然语言 Live In-Session Test Extension，以及手动用例转自动化脚本。
这是一个 AI 工具辅助构建的 Amazon VOC 证据工作台，面向跨境电商选品，每条结论都能回溯到评论原文。内置 Evidence Ledger 将洞察标记为 fact、inference 或 unknown，并列展示支持与反向证据，证据不足时强制标记 unknown 并停止确定性建议。新版于 2026-10-06 发布，内置 30 条合成评论和 4 个商品，Mock 模式无需 API Key，可选 BYOK 调用 OpenAI-compatible 模型提取，截至 2026-10-07 本地 287 项测试全部通过。
该项目为 VCMI 版《英雄无敌3》开发 LLM 战略对手，支持 macOS Apple Silicon 和 Windows 11 x64，当前实现通过 ChatGPT 订阅调用 Codex CLI 的 gpt-6.1-sol（low reasoning）决策建造、征兵、雇用英雄、探索和攻击。测试中一次 200% 难度对局 Codex 在第 11 天击败 Nullkiller2，后续启用记忆的版本曾在第 4 天获胜，但也有多次败局，延迟仍是主要限制。项目方称这些是不同构建的训练结果而非胜率估计，完整 MVP 验收仍在进行。
作者在 GitHub 发布开源项目 Sharpen（Apache 2.0），用 Claude Code 或 Codex 等编程智能体把自然语言描述的策略想法变成预注册 spec、信号、测试和可部署系统。内置七层验证漏斗与回测证伪工具箱，结果按尝试次数做通缩校正，禁止前瞻泄露和跨集归一化；Crucible 平台让 LLM 提出假设但结构上看不到评分，配合分布式深度 RL（SAC、IQN、BDQ、PPO）和六个券商适配器做模拟盘部署。项目记录了 77 个策略的负结果，跨资产时序动量在免费 ETF 数据上达到 net Sharpe 0.60，并含约 3300 个测试。仓库链接：https://github.com/bigcan/sharpen
推荐理由：作者给出了七层验证漏斗和反过拟合工具链的具体设计，还附上负结果记录，读者可以看到智能体驱动量化研究的完整门控流程。
cyberkaida 发布 Ghidra 扩展 ReVa，通过 MCP 协议让大语言模型调用 Ghidra 的逆向工程能力，仅支持 Ghidra 12.0 及以上。它以工具驱动方式为 LLM 提供小型工具、附带 schema 与引导输出以减少幻觉和上下文占用，可处理大型二进制和固件镜像，支持 assistant 与 headless 两种模式，推荐客户端为 Claude Code，也可配合 VSCode、PyGhidra 使用，并附 Claude Code 技能市场。
推荐理由：README 详细说明了为 LLM 设计小工具以降低幻觉和 context rot 的做法，做 MCP 工具开发的人可以借鉴这套思路。
Tinybird 发布了开源工具 llm-benchmark，用于评测各 LLM 依据自然语言问题生成分析型 SQL 的正确性，结果发布在 https://llm-benchmark.tinybird.live/。评测基于 2 亿行 GitHub archive 数据，每个模型需回答 50 个问题，支持通过 OpenRouter 测试 Grok-4、Claude Sonnet 4、DeepSeek Chat v3、Gemini 2.5 Pro、O3 等模型，测量的指标包括 SQL 正确性、执行成功率、首 token 时间、总耗时和 token 用量，生成的 SQL 无效时会将报错回传给模型自动重试最多三次。
作者 mattn（Yasuhiro Matsumoto）发布纯 Go 机器学习框架 tensai，实现前向、反向传播与优化，默认构建零依赖，支持 AVX2/NEON SIMD 加速、int8/int4 量化与实验性 WebGPU 后端。
推荐理由：纯 Go 实现的机器学习框架，从 SIMD 训练到 WebGPU 推理和 GGUF 加载的完整工程细节都可参考。
adops-tool 在 GitHub 发布 AdTech-LeadGen-Skills 仓库，包含六个面向广告技术的 Agent Skills，覆盖广告可见性诊断、广告技术栈识别、ads.txt 与 app-ads.txt 合规审计、AdOps 机器人意图路由和 GDPR/CCPA 合规评估。每个 skill 由 SKILL.md 系统提示词、JSON Schema draft-07 输入输出合同、共 20 个用例 56 条断言的评测套件和 meta-prompt.md 生成提示词组成，零运行时依赖，可运行于 Claude Code、ChatGPT 或任何 chat completions API，输出为纯 JSON，采用 Apache License 2.0。
GitHub 仓库 ruthlennonatu/Adder 提供一份教程式提示词，指导用 ChatGPT 生成一个极简 Java Web 加法应用，技术栈为 Java 21、Spring Boot、Maven 和 Thymeleaf，仅通过标准 HTML form POST 提交，不使用 JavaScript、AJAX 或 CSS。应用复用已有 Adder.add() 方法完成加法，并包含 mvn test 单元测试、git 初始化与推送到 GitHub 的步骤。
GitHub 仓库 Mamied-Lda/quantum-ide-agent 推出 iQuantum Studio，一款开源核心（open-core）AI 编程智能体，可同时生成多个代码变体供用户通过可视化 diff 选择。它集成 OpenAI API 与 Claude API（支持 GPT-4o、Claude 3.5 及自托管模型），提供 15+ 人类语言支持、上下文感知调试、插件生态和企业版 SSO 等功能，支持 Windows、macOS、主流 Linux 等平台。
GitHub 开源项目 claude-shogi 提供在 Claude Code 上让 Claude 下将棋的环境，核心是 /shogi-brain「Claude 思考模式」：只用自研的詰み探索、候选手验证、读筋模拟器等局面解析工具下棋，不使用将棋引擎，规则判定交给 cshogi；/shogi-csa 模式则可通过 CSA 协议对弈。与ぴよ将棋实测 9 局中，Sonnet 5 曾胜 R30、R450 但负于 R1220、R630，Fable 5 改良后胜 R450、R630 并在与 R780 对局中保持后手优势中断，所有棋谱以 KIF 文件附带。项目仅在 Linux(Ubuntu) 验证，需 Python 3.12 以上和 uv，/shogi-brain 需自建やねうら王(NNUE)。
tordrt 在 GitHub 开源了 LLMSchema，可将 PostgreSQL、MySQL 和 SQLite 的数据库模式提取为简洁的 Markdown 文档，供 AI 编码 Agent 准确理解数据模型，避免从代码和迁移历史重建模式浪费上下文窗口。工具支持单文件或每表一个文件两种输出，可按表过滤或排除，通过 go install、curl 脚本安装，也可作为 Go 库使用；可集成到 Makefile 或迁移脚本保持文档更新，并可在 AGENTS.md、CLAUDE.md 中指明文档位置。作者注明该工具面向开发数据库，不应用于生产关键文档。
GitHub 上的 STORY-ENGINE 项目包含两个产品：面向创作者的 Story Engine，可自动审计角色设定、因果时间线与记忆线，支持百万字长篇一致性，并提供 SPL 四阶段叙事编辑流水线；面向企业的 Document Review Engine 则是零依赖、可离线运行的文档合规审查引擎，支持合同、法规、公文等四类文档的条款级扫描与文档级审计，输出 HTML/JSON/Markdown 三种格式的可追溯报告。
作者发布 ElevenPowers，一个为编码 Agent 提供证据与验证层的运行时，读取 Agent 已运行的命令输出生成证据记录，并用文件指纹判定 VERIFIED、UNVERIFIED、STALE、CONTRADICTED 四种状态，支持 Claude Code、Codex、Gemini CLI、Cursor Agent 和 GitHub Copilot CLI 五种宿主。项目先从源码通读了十四个 agent 系统，指出其中完成判定普遍依赖模型自述；作者的实测显示门控曾出现 75% 误阻断，修复后活体阻断率降至 8%，但对照实验尚未测得编码结果改进，安装宿主接受度验证为 0/10，仓库以 Apache-2.0 协议开源。
推荐理由：作者从源码通读十四个 agent 系统找出完成判定的共同盲区，并给出基于证据指纹的验证层设计与详尽自测数据。
oxi 是一个本地优先的编程智能体，单个 Rust 二进制、无 Electron，空闲内存约 110 MB。它可从 HuggingFace 下载 GGUF 并自动安装运行 llama-server，支持 SSH 远程 GPU、LM Studio、Ollama，也可通过 ACP 使用 Claude Code、Cursor、Codex 订阅或各类托管 API，内置文件管理器、编辑器、Git 面板、终端、本地 Whisper 语音输入和 DuckDuckGo/Bing/SearXNG 网页搜索。支持 macOS（Apple Silicon）、Linux（x86_64）和 Windows（x86_64），数据与 API 密钥均留在本机并写入系统密钥链。
推荐理由：原文完整列出安装方式、模型接入和本地数据存放做法，想找一个不依赖 Electron 的本地编程智能体时可以据此评估是否上手。