新闻、仓库与研究，按时间排列。
PMZPZM0 在 GitHub 发布 codex-harness-desktop，一个对 OpenAI Codex CLI 的独立桌面封装，无需命令行即可使用，当前版本 v0.0.29。核心包括多会话并行与排队、可视化 diff 审阅、桌面/浏览器自动化（Playwright 随包预装）、技能/插件/MCP 三个市场（SkillHub 280+ 技能、Gitee 镜像 48 个插件）、55 个专家包与 16 套人格、本机离线语音通话（sherpa-onnx，零联网）、微信/Telegram/飞书/钉钉/QQ Bot 远程接入，以及 ChatGPT 设备码登录与任意 OpenAI 兼容端点接入。
GitHub 开源教程 SparkyDaBear/Highthroughput_LLM_calls_tutorial 讲解如何用 OpenAI Python 模块高吞吐调用 LLM，支持 OpenAI 与 OpenRouter 两种 API。教程面向生物物理学生，用 GPT-4 mini（约 $0.15/1M tokens）和 OpenRouter 的 Gemma（约 $0.10/1M tokens）分析论文，提取动机、假设、实验与结果，并涵盖环境变量管理 API key 及提示词工程技巧。
Raj Shukla 发布的官方配套仓库包含《Building AI Agents with .NET — Part 1》第 1–10 章的完整可运行源码，基于 .NET 8 SDK、C#、Microsoft Agent Framework 和 Azure OpenAI。内容从第一个智能体逐步演进到结构化输出、会话持久化、工具、记忆、上下文、可靠工具执行与 Agent Workflows，第 10 章还包含一个 Blazor 客户端。后续 Part 2 涵盖 Human-in-the-loop、MCP、多智能体编排、持久化工作流、OpenTelemetry 可观测性与 A2A 通信。
开源项目 Math_Tutor_RAG 提供了一个基于视觉大模型与 RAG 检索的智能错题本，支持拍照录题、AI 结构化解析、SymPy 数学验证、ChromaDB 向量归档与 SM-2 间隔重复复习。项目统一对接 SiliconFlow / 通义千问 / 智谱 GLM / DeepSeek / OpenAI / Ollama 等 Provider，Gemini 独立接入，并提供 MCP Server 供 Claude Desktop / Cursor 调用，无 Key 时可跑演示模式。工程上包含 464 个 pytest 用例、覆盖率 CI 门禁 78%、Docker Compose 一键部署与 FastAPI JWT 网关。
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。
AnhDuongVo 发布 consult-to-note 开源工具，把医患对话转写生成 SOAP 病历笔记，每句话引用其来源转写行，数字、否定和左右侧由代码确定性校验，其余交给 LLM judge，不支持的句子修复一次后需临床医生批准才导出为 FHIR R4 文档。流水线基于开放模型经 OpenAI 兼容端点服务（默认 NVIDIA NIM 与 Nemotron），支持实时模式在问诊进行中以一秒延迟预算更新笔记，内置 Parakeet ASR、PHI 掩码、ACI-Bench 评测和 NIM/Dynamo 自托管基准，代码为 Apache-2.0 协议的研究原型，不是医疗器械。
推荐理由：原文详细说明了每句引用转写行的生成时 grounding 设计和代码先行校验的做法，读者可以借鉴这套可验证医疗笔记流水线方法。
GitHub 上的开源项目 AI Profile Manager v2.4.1（MIT 协议）通过 YAML/JSON 配置文件为 Claude Code、OpenAI API 及 LangChain 等自定义 Agent 注入技术栈上下文。它支持 100+ 配置的热切换、版本锁定、配置继承与跨栈上下文隔离，并内置 50+ 预置模板，覆盖 macOS、Linux、Windows（WSL2）等平台。
DroidBridge 在安卓手机内运行 MCP 服务器，让 AI 智能体无需 PC 和 ADB 即可观察屏幕、点击输入、管理文件、执行命令和创建定时自动化。它提供普通版与 root 版两种形态，ChatGPT 通过 OpenAI Secure MCP Tunnel 连接，本地智能体经 127.0.0.1:8765/mcp（root 版 8766）用 bearer token 连接；无自有服务器、无遥测，需要 Android 13 至 17 的 arm64-v8a 设备，采用 Apache License 2.0。
推荐理由：给出了在安卓本机跑 MCP 服务器让 AI 智能体操作手机的完整权限模型与两种连接方式，可按需复用部署。
GitHub 仓库 Rami2212/PSSN-LLM-Reasoning 提出了用于提升 LLM 推理效率的 Predictive Semantic State Navigation（PSSN）项目，基于未量化 Qwen/Qwen3-4B 模型，在 Hugging Face GSM8K 数据集与 Google Colab 上搭建。项目包含 CoT 基线、答案抽取与准确率评估，默认生成长度 1,024 tokens，使用 BF16（不支持时 FP16），初始实验在固定 seed=42 的 75 题 GSM8K 开发子集上运行，结果以 JSONL 记录 token 数、延迟和 CUDA 峰值内存。
GitHub 仓库 Sanjay127/langchain-openai-chatbot 提供了一个基于 LangChain、OpenAI GPT-3.5-turbo 和 Gradio 构建的对话式 LLM 聊天机器人，支持对话记忆功能。仓库目前为 0 stars、0 forks，主要包含 README 文档。
cliproxy-rs 发布，它是 CLIProxyAPI 的 Rust 重写版，通过一个本地端点让 Codex CLI、Claude Code 等工具使用自有账号或 API key，并可在 OpenAI、Anthropic 和 Gemini API 之间转换。安装脚本或 Homebrew 均可部署，仪表盘地址 http://127.0.0.1:8317/management.html。与 Go 版兼容性测试共 1,687 项，835 项已覆盖、707 项部分覆盖、145 项缺失。基准测试中其流式吞吐为 793 streams/s，高于 Go 的 564，但非流式吞吐和 256 慢流下的 p99 延迟逊于 Go 版；支持多账户轮询路由和 429 自动切换凭据。
推荐理由：原文同时给出与 Go 版的兼容性差距、内存与吞吐基准数据和多账户配置方法，读者可以据此判断是否迁移。
ledger-rocket 发布开源 CLI 工具 rr（rocket-review），把 plan、diff、commit 或 PR 发给 Codex CLI、Claude Code 或 opencode 等 agentic 审查者，在只读沙箱中探索项目后给出 prose 或结构化 JSON 评审，支持 -- --fail-on high 接入 CI 门禁、--backend codex,claude 双模型对照、--docs 对接 llms.txt/AGENTS.md 等项目规范文档。工具刻意不做 PR bot，在 push 前完成审查；支持 --backend opencode:ollama/qwen3 实现全本地审查（实验性）。
推荐理由：原文详细说明了跨厂商双模型审查的工作方式、后端配置和本地运行边界，方法可以直接复用到自己的 CI 流程。
一个 GitHub 实验仓库演示如何用 ChatGPT 辅助 Tier-1 SOC 分析师开展安全调查，围绕一次模拟身份认证事件展开九个步骤，覆盖告警分诊、证据关联、KQL/SPL 查询生成、MITRE ATT&CK 映射、幻觉检测与事件文档等技能。工作流为"场景/证据 → 提示词 → LLM 输出 → 分析师验证"，LLM 仅作调查助手而非最终决策者。示例中 LLM 识别出 j.smith 账户在约 2 分 9 秒内来自 198.51.100.74 的 8 次失败登录后 1 次成功登录，可能符合暴力破解模式但未确认为恶意行为。
开源项目 Pips 为 Go 开发者提供 AI 开发工具包，包含键盘驱动的终端编程 CLI 和纯 Go 的 AI 核心库（ai/agent/workflow）。它内置 Plan Mode 隔离式方案审批、OS 级沙箱（macOS Seatbelt、Linux Bubblewrap）与操作确认机制，并通过原生 HTTP/SSE 适配器直连 OpenAI、Anthropic 和 Gemini 接口，无需第三方 SDK。项目当前处于 v0 阶段（安装版本 v0.1.5），API 仍在快速演进，生产使用需固定依赖版本，构建需 Go 1.26.6 或更高。
liliang-cn 在 GitHub 发布 agent-go v3，一个用于运行 Agent 循环的 Go 库，涵盖 tools、memory、MCP、skills、sessions、checkpoints 与 long runs，无 CLI 和 UI，需将 pkg/agent 嵌入自有程序，要求 Go 1.25+。支持 svc.Ask、Chat、Stream、Run、RunSegments、Steer 等 API，兼容任意 OpenAI 兼容端点（OpenAI、DeepSeek、Ollama、vLLM、DashScope/Qwen 等）并提供 provider 池负载均衡，内存存储可选 file、mem0、qdrant、weaviate 等多种后端，License 为 MIT。
推荐理由：README 覆盖了工具、记忆、MCP、长任务和 provider 池等完整能力清单，Go 开发者可据此评估是否嵌入自己的 Agent 程序。
作者用 Bedrock API 对 Gemma 3 27B、Qwen3 32B 与 Opus 5、GPT-5.6 Sol 做金融判断实验，发现小模型一致性明显更差：排序与打分给出相同次序的比例 Opus 为 75%、GPT 为 65%，Gemma 仅 25%、Qwen 仅 15%；调换公司列表顺序会改变 Qwen 10 组中 6 组的榜首。附看空分析师报告使 Qwen 81%、Gemma 71% 的评级下调，而要求模型先识别观点再独立推理可让 Gemma 85%、Qwen 68% 的案例恢复原评级；用 10-Q 摘要替代全文时前沿模型 84% 案例评级不变。作者补充测试了 Gemma 4 31B，各项略好于 Gemma 3 但问题依旧。
作者发布 InferBench 基准，用 20 个场景、2.8k 段对话测试 12 个 LLM 从指令中推断用户优先级的能力。优先级明确时模型选对率 89%，部分未说明时降到 60%；GPT-6 Astra 76%、MiMo V2.6 Pro 75%、Gemini 3.1 Pro 69%。Astra 在偏好未说明时总会追问澄清，Grok 4.6 在 64 段对话中仅 18 次追问；288 个错误决策中 105 个以 >90% 置信度提交。完整报告：https://laugh.so/research/inferbench/
推荐理由：作者自建 InferBench 评测并给出 12 个模型的推断准确率与置信度数据，开源与闭源模型的差距有具体数字可查。
开源项目 Hormuz 发布 v1.7，这是一个 CLI 优先的自托管网关，为 Codex 和 Claude Code 提供组织级 AI 政策、用量归因、密钥外泄防护和仅元数据的证据记录，凭证保留在服务端，提示词与响应不被写入用量数据库。1.7 保留 1.0 的稳定 CLI 与政策/证据契约，集成 Rust relay 的 Mac 启动路径并修复一次性优化器设置，支持 Aider 与 adapter SDK；Windows 仍为未签名预览，公证的 Mac 下载版本仍为 v1.3.0。
replygirl 发布了 Kuru，一个 Rust 编写的终端聊天框架，原生架构是由具有私有记忆、可互相寻址的持久部分（parts）组成的对等池，并支持 IFS、多迷走神经、弗洛伊德和荣格等框架模式。各部分可结成二至四人的临时关系并成为用户可见身份，会话保存在本地版本化 Dolt 数据库中；安装提供 mise、脚本安装和源码构建三种方式，支持 macOS、Linux 与 Windows，MIT 许可，默认禁用写入和 shell 执行。
推荐理由：作者用心理学框架组织持久对等人格池并给出完整安装与架构说明，读者可以了解一种把 IFS 等框架当作计算隐喻的实现路径。
ellmos 发布 BACH v3.14.0，一个基于 Python/SQLite 的本地优先文本操作系统，让 LLM 智能体自主运行、学习与自组织，支持任务与知识管理、调度自动化及 MCP 服务器集成。项目含 113+ Handlers、550+ Tools、1870+ Skills 和 4400+ Tests，使用 OpenAI Codex 作为运行时后端，自 2026 年 7 月 21 日起三项 Codex 自动化均配置为 GPT-5.6（gpt-5.6-terra）。
demetrius-edelin 在 GitHub 发布 Tutor v0.1.0，一个运行在本地的个人导师工具：为某学科添加 EPUB 或带标签的 PDF 书籍后，它用 Anthropic、OpenAI 或 OpenRouter 的 LLM 提取概念、生成概念图，逐个教学、出题并记录掌握状态。需要 Node.js 22 和 API key，通过 npm run ingest 添加书籍、npm start 在浏览器学习；作者称测试中 OpenAI 的 GPT-6 Luna 在 reasoning high 下效果最好且最便宜。项目用 TypeScript、Fastify、React 19 和 SQLite 构建，代码由 Claude Code 编写，MIT 许可。
GitHub 上的 ChatGPT-Persona-Voice 是一款本地工具，可实时把 ChatGPT 和 Codex 的回复语音转换成自定义角色声音，底层采用 Seed-VC 语音转换技术。所有音频与对话数据都在本机处理、不经过云端。它支持音调、语速、音量调节和多语音配置切换，需 Windows 10/11 64 位、4 GB 内存（推荐 8 GB）和 500 MB 空间。
OpenAI 的 Swarm 是一个实验性、面向教学的多智能体编排框架，通过 Agent 和 handoffs 两个原语展示智能体间的交接与协作模式，不用于生产环境，也不接受 PR 和 issue。框架完全基于 Chat Completions API，调用间不保存状态，几乎全部在客户端运行；Agent 封装指令与函数，函数返回另一个 Agent 即可完成交接，也可通过 Result 对象更新 context_variables。README 还给出函数自动转 JSON Schema、流式事件、airline 与 triage_agent 等示例，以及 client.run 的参数与返回字段说明。
gakonst 在 GitHub 发布 Nanocodex，一个以库为核心的无头编码 Agent SDK，封装完整的 OpenAI Responses 循环，包括会话保留、类型化历史、工具、Code Mode、分支、重试与清理，支持 Rust、JavaScript 和 Python 绑定。它不是 provider 抽象层，调用方保留自己的界面、数据与基础设施；核心 agent 生命周期由 Rust 拥有，浏览器端通过 WASM 运行同一 agent，并附带 CLI/TUI、macOS 桌面应用、VM、语音、子代理与评测等消费者示例。支持 OpenAI gpt-6.1-sol、gpt-6-luna、gpt-6-astra，也提供 Claude Messages 原生 harness。
Reddit 用户推测 OpenAI 的 GPT-6 系列采用循环 transformer 架构：Azure Foundry 泄露显示 GPT-6-Sol 每 token 需 3 次推理，6.1-Sol 降为 2 次。实测速度上 GPT-6-Sol 约 100 tok/s，6.1-Sol 与 6-Astra 均约 60 tok/s，且 6.0-Luna 从 5.6 的 126-137 tok/s 降至 110-115，作者据此猜测 Astra、Sol、Luna 共享同一权重，用嵌套架构大幅节省推理成本。
GitHub 上的 llm-trading-lab 让 6 个前沿大模型在完全无人工干预下进行实时股票交易对比，每个模型管理 10 万美元模拟组合，每 30 分钟决策一次，覆盖 79 只资产，并与 SPY 被动基准比较收益与风险调整表现。
微软在公开网页上证实 OpenAI 在 GPT-6 系列中使用了 Looped Transformers，印证了 The Information 此前的报道。GPT-6.1 Sol 使用 2 次 inference passes，并顺带提到"而不是三次"。
推荐理由：作者指出微软页面一度证实 GPT-6 系列采用 Looped Transformers，并澄清 6 与 6.1 是同一底座的不同后训练版本，页面随后被修改。
aitradingcompetition.com 的 Bot Analysis Arena 数据集每日同步至 GitHub 仓库，记录 ChatGPT、Claude、Grok、Gemini 四个大语言模型各以 $100,000 模拟账户在真实美股价格上交易的结果。
该研究在七项政治科学复现任务中对比商业模型 JEV 与 GPT-6 Luna、开源 Qwen3.8-27B 及人工编码员。JEV 的准确率接近两款 LLM，单次提问时概率校准优于 GPT-6 Luna 的 token 概率，但不稳定优于 Qwen3.8-27B；在 OpenAI batch 价格下 JEV 无成本优势，主要优点是解析选择概率更方便。
arXiv 论文提出测量优先的审计框架，将基准污染声明分为训练期暴露、评估期检索和管线泄漏三类证据通道，在 Holistic Agent Leaderboard 的 9 个配置中 27 项通道评估无一被判定为 closed，但 4 个配置确认了污染事件。
推荐理由：论文提出按证据类型区分污染声明的审计框架，并给出 HAL 上 27 项通道评估与 SWE-bench Verified 匹配对照复测的具体结果。
OpenAI 宣布将对模型输出的文本和图像添加水印，以符合欧盟识别 AI 生成内容的法规；Anthropic 此前也宣布了同样做法且面向全球。水印通过在生成文本中强制“统计信号”实现，即不总选最合适的下一个 token 而选足够接近的替代，引入 KLD>0 的分布偏移，在多轮任务中可能因累积效应导致质量下降。
一个基于 Python 与 FastAPI 的事故自动化服务，调用 OpenAI API 分析应用或基础设施事故日志，用 LLM 分类严重级别，并将结构化 JSON 结果存入 SQLite。支持上传 .txt 和 .log 文件、检索事故历史，并按 Critical 级别触发自动化告警。
alanbulan 开源了 OAIprism，一个把 prism.openai.com 私有协议（start + 轮询、turn_state 续令牌、浏览器指纹。
推荐理由：作者实测同一会话灌到 1546 万 tokens 仍逐字答对最早内容，并给出上游私有协议的完整还原方式，便于评估接入成本。
alexvervloet 发布 multimodal-deep-dive 仓库，通过 11 个分节示例从零讲解多模态 LLM 的实际工作方式，涵盖图像输入的 content-block 结构、截图转结构化 JSON、多图对比、语音转文字与文字转语音、图像生成、多模态 RAG 和原生 PDF 输入。
推荐理由：仓库用可运行的分节示例拆解多模态请求的 content-block 结构与图像 token 成本，并给出 OpenAI 与 Claude 的能力差异对照。
PewDiePie 在自己电脑上微调本地模型 Ajax，因用 OpenAI API 生成数据集被判定违反条款封号，申诉解封后再次拉取数据又遭二次封禁。他随后改用开源工具去除模型内置拒答、清理冗余内容，开始构建完全本地的 9B 智能体。
GitHub 上的 kobescak-kristian/ai-reliability-engine 是一个置于 AI 分类器与运营系统之间的验证与回退层，调用 OpenAI gpt-4o-mini，每条 AI 输出经输入清洗、Pydantic 验证、回退与路由后才进入下游。
一位用户想为公司搭建类似 RPA 的智能体系统，但不愿使用 Codex 的 Computer Use MCP（由小型创业公司 Sky 构建），原因是企业版问题。他认为现有开源 MCP 都不及 Codex，考虑从零自研一套。
OpenAI Agents SDK 是一个轻量级多智能体工作流框架，provider-agnostic，支持 OpenAI Responses 与 Chat Completions API 及 100+ 其他 LLM。
Hugging Face 上发布 gpt-oss-120b-Uncensored 的 MXFP4 量化版本，基于 openai/gpt-oss-120b 用 LoRA 微调，移除默认安全过滤与拒绝行为，支持生成成人内容。
一项将临床大语言模型的决策从二元 DECIDE/ABSTAIN 扩展为 DECIDE/ASK/DEFER 三动作框架的研究，在基于 DDXPlus 构建的 200 个匹配临床证据状态上评估 Qwen、Gemini 和 GPT，其中 137 个状态出现动作选择分歧。针对 Qwen 的匹配分析显示，所选信息对后续自主决策可能性的影响比诊断正确性更明显；与 DECIDE/ABSTAIN 基线相比，三动作策略既能纠正部分错误自主决策，也会取消部分正确决策，暴露了安全性与自主性的权衡。该研究已获 NeurIPS 2026 GenAI4Health Workshop 主赛道接收。