新闻、仓库与研究，按时间排列。
samyfodil 在 GitHub 发布 jitllm，一个面向大语言模型推理的引擎，所有内核在加载时按 CPU（AVX2、SSE、NEON）或 GPU（CUDA、Vulkan、Metal）JIT 生成。磁盘、RAM 和 VRAM 组成统一内存系统，权重、MoE 专家和 KV 状态按需分页，可在 CPU 与 GPU 之间移动且不丢对话历史。提供 OpenAI 和 Anthropic 兼容 API 的单二进制 jitllmd，支持 Linux、macOS、Windows 的 x86-64 和 arm64，也可作为 Go 库嵌入，附桌面和终端应用。
推荐理由：开源推理引擎 jitllm 的发布说明，读者可从中了解 JIT 内核生成、跨 CPU 与 GPU 的内存分页和单二进制部署思路。
Neuron 是一个 PHP 框架，用于开发 agentic 应用，统一处理 LLM 接口、记忆管理、多智能体编排与调试监控。它通过 AIProviderInterface 提供对 Anthropic、OpenAI、Ollama、Gemini、Mistral 等提供商的通用支持，组件可按需替换。安装方式为 `composer require neuron-core/neuron-ai`，内置可随 Composer 更新保持同步的 agent skills，并针对 Laravel、Symfony 和纯 PHP 项目提供对应的集成技能。
GitHub 上的 C.O.D.E.（conflict-oriented-discovery-engine）是一个从文献中发现相互冲突证据、归因实验上下文并生成可证伪假设的研究型科学软件系统，当前包版本为 4.0.0a0，要求 Python >=3.10。系统采用确定性规则优先、LLM 仅做受约束 Draft 抽取的架构，保留从结论候选到原文证据的可追溯链。项目仍处于研究和 canary/replay 驱动的成熟阶段，支持离线安装与测试，系统输出不等于已证明的科学结论。
E-JIWON 在 GitHub 开源 jinsang-defense，一个多人网页游戏：AI 扮演刁难顾客，玩家轮流用语音文字在 2 分钟内安抚并获 0~20 分评分，无需登录、链接加昵称即可加入。技术上跑在 Cloudflare Workers 免费套餐加 Gemini API 免费额度，每间房用 Durable Object 管理状态、WebSocket 和计时器，主模型失败时可回落到本机 Ollama；内置提示词注入防御、IP 与每日调用限流、SHA-256 身份令牌，并附 Vitest 与 e2e 测试。
推荐理由：开源的 AI 多人游戏完整实现，从 Durable Object 状态管理到提示词注入防御和免费额度限流都有可借鉴的工程做法。
WyrdWerk 发布开源工具 TokenWatch，比较各推理提供商的按量付费 LLM 价格，并可根据用例推荐开源权重模型及运行它的提供商。/choose/ 页面覆盖 agentic coding、长上下文 RAG、创意写作等九类用例，给出最佳质量、最佳性价比和最便宜的够用选项三类推荐及带置信标签的提供商排名；数据来自 Artificial Analysis、LiveBench、LMArena、OpenRouter 遥测等，价格每 2 小时刷新，提供 API、WebMCP 工具与嵌入组件，MIT 许可，线上地址 https://tokenwatch.wyrdwerk.com。
推荐理由：项目把模型选择拆成九类用例并公开假设的 token 组合与质量阈值方法，读者可以借鉴这套比价与推荐的工程做法。
GitHub 仓库 AlexExpertek/LLM-assistant 提供了一套基于 Docker Compose 在 Ubuntu 上部署 LLM 招标助手平台的教程。流程包括 SSH 连接虚拟机、安装 Docker、用 Alembic 初始化 PostgreSQL 数据库表、配置 TELEGRAM_BOT_TOKEN、TELEGRAM_CHAT_ID、YANDEX_API_KEY、YANDEX_FOLDER_ID 等环境变量，并通过 docker compose 启动 API（端口 8000）、Flower（端口 5555）和 celery_worker。用户可通过 celery_beat 服务启停自动招标扫描功能。
bradeGithub 发布 DSH-Plugins-Marketplace，为 DeepSeek Harness（DSH）提供插件市场，自动索引 GitHub dsh-plugin topic 下的插件，收录 9500+ 插件与 20000+ 通用 Skills。支持 Web GUI 卡片式一键安装、版本检测与自动更新，CI 每 2 小时增量扫描，浏览侧通过静态索引多级降级分发实现 0 次 GitHub API 调用。桌面端与 CLI 提供不同安装方式，市场本体自更新仅采纳 SSH 签名的 release tag。
作者发布了 Qwen/Qwen3.8-Flash-Next 的 mlx-serve 4-bit 混合量化包（4-bit experts、8-bit 其余），该模型为 Qwen4 preview 架构（model_type: qwen4_exp），全量 checkpoint 为 125B trunk + 51B n-gram + 4B MTP，共 180B（bf16 360 GB）。实测在 M4 Max 128 GB 上常驻约 67-69 GB，decode 29-34 tok/s，25k token prompt prefill 约 400 tok/s。n-gram 表以单独 4-bit 文件 mmap 方式按需反量化，不占常驻显存；MTP 头可加载但当前比串行 decode 慢，默认关闭。
推荐理由：作者在 M4 Max 上给出了显存占用、decode 与 prefill 速度等实测数据，读者可以据此评估这个 180B 模型能否在自己机器上跑。
Jessica 在 GitHub 开源 TRACE（Explainable Multi-Agent Research Discovery System），一个结合 Multi-Agent AI、RAG 与 LLM 的全栈学术研究发现应用。系统由研究、文档分析、摘要、知识关系四个智能体协作，支持自然语言检索、自动摘要、来源可解释的回答和研究主题关系识别，前端采用 React.js，后端为 Python FastAPI/Flask。
Synapse 是一个在 .NET 10 环境下用 C# 和 Rust 在本机运行大语言模型的开源推理引擎，不需要 Python、服务器或网络。它借鉴果蝇脑连接组的按需激活思路，只加载 token 所需的区域，冷区域留在磁盘按需读取。
推荐理由：项目用问答基准给出与 llama.cpp、MLX 的速度和内存逐项对比，读者可以据此判断这个 C# 推理引擎目前适用的场景。
cccp-education 的 workspace-bom 0.0.1 已发布至 Maven Central，通过 BOM 统一管理 Kotlin、Jackson、LangChain4j、koog-agents 1.0.0、Testcontainers 等共享依赖版本，并附带 agent-contracts、codebase-contracts、llm-pool-contracts 三组 N0 契约。自 0.0.29 起同时发布 workspace-catalog 版本目录， borough 只需一行 pin 即可同步插件版本；要求 Java 24+ 与 Gradle 9.5.1+，runAllTests 覆盖 13 个 public boroughs，采用 Apache 2.0 许可。
GitHub 开源项目 youth-policy-llm-recommender 公开演示，从情境卡片、资格条件确认到咨询摘要与文档生成的青年政策推荐服务，公开演示为虚拟政策体验、无需登录，本地 FastAPI 则读取真实政策 SQLite。项目已完成 G1 Foundation 阶段，沿用 v0.1-mvp 的 SQLite、FAISS 检索、LLM 说明与 Streamlit 基础，后续 G2 起计划于 2026 年 10-12 月扩充 20-30 个初始政策、改进检索（核心信息依据一致率 95% 以上）并部署 Web/PWA 真实政策 API。数据主要来自韩国青年政策 API，最终资格仍需以官方公告为准。
fightheyyy 在 GitHub 开源 xiaobaOS，一个 IM-native AI 同事 Runtime，Base 负责沟通派工，八个默认 Role（EngineerCat、BrowserCat、GuiCat、SecretaryCat、UserCat、InspectorCat、ReviewerCat、EvolutionCat）接管执行并交付文件、消息和证据。
推荐理由：原文详细给出了角色分工、Trace 证据链和受控进化的验收流程，读者可以了解一个可审计的 AI 同事系统怎么搭。
etemiz 发布 Ostrich-27B-261008-Qwen3.8-Abliterated，基于 Qwen 3.8 27B 做 abliterated 处理移除拒绝行为。自评显示总体对齐分从原版 Qwen 3.8 的 37%（几何平均）提升到 82%，消融测试拒绝率很低。相比 260903 版本新增 Agentic RAG 训练、-100..100 真值打分适配器、9 项自动化拟人测试（总分 0.928），并开始提供 EXL3 量化（3.0 至 6.0 bpw）与 GGUF 下载，可在约 18 GB 显存的消费级 GPU 上 4-bit 运行。
同一新闻，精选展示《etemiz 发布 Ostrich-27B-261008-Qwen3.8-Abliterated EXL3 量化版》
zxf-work 在 GitHub 发布 TGMS，一个为 LLM Agent 设计的双时态属性图数据库，用 Planner–Executor–Verifier 循环让答案逐条对照 trace 审计，算术和标识符由算子而非模型完成。与 XTDB 在 400 个探针点状态一致，修正密集写入快 3.9–4.7×、磁盘占用为其 1/23–1/27； freshness 检查在 M4/M5 两轮注入测试共 6,978 次试验中 0 次 false-fresh。Agent 层评测中 Qwen2.5-14B 池化答题准确率 0.41（vector-RAG 0.09）；引擎层面在时序可达性等查询上快于 Memgraph/Neo4j 数量级，但整窗聚合仍落后 ClickHouse 2.2×。
推荐理由：作者给出与 XTDB、ClickHouse、PostgreSQL 等系统的实测对比和诚实披露的短板，读者可据此评估这个面向 LLM Agent 的时序图数据库的适用边界。
开发者 Douglas Vulcano 发布开源插件 Snip，通过 hook Claude Code 的 session.compact，用确定性剪枝替代 /compact 的模型摘要，删除过期和超长工具输出、逐字保留对话与决策。作者在 64 次真实运行（8 试次 × 4 组 × live/resume）中测得事实召回率从内置摘要的 48% 提升至 75%，压缩耗时从 14.2 秒降至 0.16 秒、成本为零，但长工具结果中段事实召回为 0%，剪枝保留度不如摘要。支持配置项与多种预设，9 个真实会话中位删除约 40–49% 字符，要求 Claude Code 2.1.293 支持 function hooks。
推荐理由：作者用 64 次真实运行对比了确定性剪枝与内置摘要的事实保留差异，数据和方法都公开，可自行复现验证。
个人开源项目 Snotra Agent（原名 Snotra AI）发布，这是一个围绕单一文件夹工作的桌面 Agent，支持 OpenAI、Anthropic、Google、Ollama 及任意 OpenAI 兼容 API，无需账号、无遥测。默认 Smart 模式下读取不需询问，但改文件、碰敏感文件、执行命令都先弹审批卡，命令执行默认关闭，macOS 与 Linux 提供沙箱，Windows 尚无沙箱；Auto 模式需用户手动开启。应用支持 SKILL.md 技能、MCP 服务器、Python 与 shell 工具、网页搜索与抓取，README 中与 Goose、LM Studio、AnythingLLM 等同类工具逐项对比，并给出从源码构建与 Linux 安装细节。
推荐理由：这个开源桌面 Agent 把命令执行默认关闭并逐条审批，作者还与 Goose、Claude Desktop 等同类逐项对比，可作选型参考。
inixiative 发布 agent-session 库，用统一接口把编码智能体 CLI 驱动为持久、流式、事件捕获的会话，支持 Claude Code（CLI 或 Agent SDK）与 Codex（MCP 或 app-server），Gemini 和 Grok 在计划中。该库保持单个长驻进程实现多轮对话，将返回事件归一化为 text、thinking、tool_use、tool_result 等类型，适用于评测框架、智能体对比与多智能体编排；支持订阅池确定性路由、fork/resume/interrupt 与预热决策会话，实测 warm Codex 决策中位耗时 2.45 秒，比 codex exec 快且输入 token 少 34%。项目以 MIT 许可开源，零依赖，仅需 Bun 和对应智能体 CLI。
推荐理由：README给出了持久会话、事件分类和各传输能力的完整矩阵，还附了warm会话的实测耗时数据，方便评估是否适用于评测或多智能体编排场景。
HuggingFace 的 transformers 是支持文本、视觉、音频、视频及多模态模型的 SOTA 预训练模型定义框架，兼容 Axolotl、vLLM、SGLang、llama.cpp 等训练与推理生态。库支持 Python 3.10+ 和 PyTorch 2.5+，通过 Pipeline API 提供文本生成、语音识别、图像分类等任务的高层推理接口，Hub 上已有超过 1M+ 预训练 checkpoint 可用。
sass-maker 的 free-ai 是一个 OpenAI 兼容 API 网关，部署在 Cloudflare Workers 上，按模型健康状况在 Groq、Gemini、OpenRouter、Cerebras 等免费 LLM 供应商间路由请求。它使用 D1 做匿名聚合分析、Durable Objects 做限流与模型健康追踪、KV 缓存健康快照，Workers AI 作为每日上限 9,500 neurons 的兜底。请求需携带 Bearer token 和 project_id，支持 tool calling、JSON mode、视觉等能力过滤，公共健康与模型列表端点免认证。
DiffToJson 是一个 CLI 工具，可将本地 Git 仓库的提交 diff 和提交信息序列化为 .JSONL 文件，用于准备训练 AI/ML 模型的数据。其 --format training（默认）输出每条记录含 3 条 ChatML messages、provenance 和 legal 字段的 Training Example，内置基于 Regex 的 PII 检测器可按 --redaction 档位脱敏邮箱但不做保证，需人工审查输出。工具需 .NET 10 SDK，支持 Ollama、openai、anthropic 等 provider 做 license 检测，可通过 dotnet tool install -g DiffToJson 从 NuGet 安装。
GitHub 项目 S.A.M.U.E.L.（全称 Sicheres Autonomes Mehrschichtiges Ueberwachungs- und Entwicklungs-Logiksystem）以 Apache-2.0 许可发布，是一个将 GitHub/Gitea Issue 自动转化为经检查的 Pull Request 的模块化 Agent 系统。最新 Alpha 版 a27 于 2026-10-06 发布，其独立 OCI 首次安装验证为 PASS。
GitHub 项目 study-agent 把学习过程收敛为可恢复、可验证、可追溯的学习状态，进度唯一入口是 docs/PROJECT_STATUS.md。技术栈为 React + FastAPI + SQLite durable entities，含 EvidenceRuntime、LearningSessionRuntime 与 ExtensionRuntime 三个运行时。Windows 下通过 tools/start-study-agent.bat 一键启动，P2-D 源码学习验证与 P2-E 自动化验收已合入 main，实体手机等人工验收仍待完成。
GitHub 用户 anieqh 开源了 awesome-llm-chip-design-security 仓库，聚焦 LLM 驱动的芯片设计自动化与硬件安全，内容涵盖智能 EDA、硬件木马、RAG、多智能体与 Verilog 验证等主题的精选资源。仓库同时在 anieqh.github.io 提供配套页面，目前仍处早期阶段，Star 数为 0。
GitHub 用户 Oblivichrash 开源了 pu-cli，一个 C++23 编写的极简 CLI 编排器，支持单会话自动持久化、动态切换 Ollama 或 OpenAI 兼容后端。工具提供 ask/chat/serve 三个子命令，内置 execute_bash 与 write_file 工具、MCP 服务器接入、沙箱与 forbidden_patterns 安全策略，并通过 pu serve 提供无鉴权 Web UI（默认绑定 127.0.0.1:8080）与 WebSocket 流式对话。仓库附 docs/ARCHITECTURE.md 说明内部分层，采用 GPL-3.0 许可证。
KENIC-1 在 Hugging Face 发布 Qwen3.8-Flash-Next GSQ-RCO 的 abliterated GGUF 版本，采用字节级张量移植，将全部 48 层中的 144 个 write-to-residual-stream 投影张量替换为 orcarouter 消融权重，不重算任何 GSQ 学到的量化值。四个量化档位（IQ3_S / IQ3_XXS / IQ2_XS / Q2_0）保持上游逐张量类型分配不变，体积仅比上游多 0.25–0.44 GB；1223 个张量经逐张量 blake2b 核验，144 个目标全部改变、1079 个非目标逐字节一致，行为抽查显示上游拒答的提示词此版可详尽回答。
推荐理由：原文给出了逐张量的移植方法与blake2b核验数据，读者可以确切看到哪些张量被改、代价多大。
Giant Swarm 开源的 klaus-gateway 是其智能体平台的 Slack 前端网关，将每个 Slack 线程绑定到一个 agent 和一个 kagent Session，以 A2A v1 over gRPC 调用 kagent 控制器，数据平面为 agentgateway。每次调用都以用户本人的 Dex id_token 身份执行，支持 Slack Events API webhook 或 Socket Mode 接入，线程状态存储可选 memory、valkey 或 bolt。项目采用 Apache 2.0 许可证，提供 Helm chart 部署。
开源终端 AI coding agent Darce 发布 0.11.0，改进 /model 模型选择，支持通过 OpenRouter 使用 Claude、GPT、Gemini、DeepSeek、Qwen 等 300+ 工具型模型并可中途切换。安装包约 70 kB，提供免 API key 的免费层，MIT 开源。0.7.0 引入 Model Derby 让最多三个模型在各自 git worktree 同任务竞赛，0.8.0 支持 SKILL.md 技能加载并兼容现有 Claude Code skills。
singhand-labs 在 GitHub 发布 AegisCrawler，一个生产级浏览器数据采集平台，核心思路是把页面录制变成可执行规则、再把规则变成定时任务。其 PageResearch Agent 扩展记录点击、输入、滚动、拖拽等操作并生成 YAML/JSON DSL 规则，ScriptCat worker 在真实浏览器标签页中执行规则；服务端为单二进制 Go 程序，内置 SQLite（WAL）、Admin UI、租约任务调度、重试与死信队列，可选通过 OpenAI/Anthropic 兼容 API 增强 DSL 规则，且每次增强需经安全扫描和人工 diff 审批后应用。项目采用 GPL-3.0-or-later 许可。
推荐理由：原文详细给出了从录制操作生成 DSL 规则再到定时任务的完整流程和架构，读者可以评估这套无代码采集方案是否适合自己的部署场景。
GitHub 开源项目 ragkit 是一个无第三方依赖的 Python RAG 工具包，仅用标准库实现分块、BM25 检索、向量检索与 RRF（k=60）混合检索，RAG 管线返回带来源引用的答案。项目要求 Python 3.9+，内置 HashingEmbedder、TfIdfEmbedder 和离线 EchoLLM，学习、测试和演示无需 API key，通过单方法协议即可接入自己的 embedder 或 LLM，含 51 个 unittest 测试，采用 MIT 许可证。
GitHub 项目 s3ntin3l8/runway-ai-usage-tracker 发布 Runway，一个本地优先监控工具，可将 Claude、Gemini、GitHub Copilot、OpenRouter、DeepSeek、MiniMax、Ollama、xAI (Grok)、Kimi 等 15 个供应商的剩余配额与重置计时器汇总到一个仪表盘。它采用 API 到网页抓取再到本地文件的三层回退采集，基于 Theil-Sen 回归预测配额耗尽，SQLite 存储事件化历史，支持 Docker 部署、多主机 sidecar 采集、Discord/Slack webhook 告警和 PWA，采用 AGPL-3.0 协议。
开源工具 emendrix 发布 v0.1.0，通过订阅欧盟官方出版物 feed，检测受关注法规的修订，计算条款级结构差异并生成英文解释，输出可 git 提交的 changelog。要求 Python ≥ 3.12 并用 uv 管理；diff、watch 等命令不调用模型，仅 explain、run、backfill 会请求模型服务商。工具声明输出为工程辅助而非法律意见，不保证准确性。
ReasonForge 2.6.2 是一个 MIT 许可的开源框架，通过环境合成、奖励塑造和策略优化三阶段循环，让大语言模型在自适应推理环境中训练复杂问题解决能力。相比传统 RLHF 的二元反馈，它提供部分得分、多目标评分等细粒度奖励，并内置生成式场景树、跨领域迁移、40+ 语言推理支持与失败模式沙盒。安装需 Python 3.10+ 与 CUDA GPU 或 Apple Silicon。
GitHub 开源项目 AEGIS-DocIntel 定位为 Pre-LLM 结构与数学编译器，在文档上下文送入 LLM 前进行数学与结构化过滤。核心能力包括带 (1 − 1/e) ≈ 0.632 近似保证的次模背包上下文优化、基于 Kahn 拓扑排序的空间阅读顺序 DAG、确定性 PII 脱敏，支持 PDF/DOCX/XLSX 等多模态解析。项目支持 Python 3.12/3.13，提供 core、full（含 embeddings）与锁定文件三种安装方式；作者声明早期 README 中的伪造安全审计与 benchmark 文档已移入 _unverified_archive/。
gysosin 在 GitHub 发布了开源自托管求职助手 apply-desk，每天从 Greenhouse、Ashby、Lever 等职位来源筛选并打分，为匹配职位起草 LaTeX 简历、求职信和 Why this role 答案。工具基于 Claude Agent SDK 构建，默认 triage 用 Haiku、评分和 Gmail 用 Sonnet、起草用 Opus，均可在设置中更换；它只准备材料不代投，通过只读 IMAP 跟踪 Gmail 回复更新申请状态，TeX 编译在 bubblewrap 沙箱中进行，职位和邮件内容按不可信数据对待。项目 MIT 许可，基于 Mads Lorentzen 的 AI Job Search 框架，与 Anthropic 无关。
开源项目 ZenLab 上线，这是一个 100% 在浏览器运行的计算机科学与 AI 教学平台，无需后端、零遥测，并原生支持希伯来语 RTL。它包含四个交互微实验室：二进制像素编码、算法机器人调试、k-NN 机器学习分类器（k 可在 1、3、5 间调节）和 LLM 下一 token 预测器（Temperature 0.0–1.5 可调）。项目采用 MIT License，支持 Cloudflare Pages 一键部署，需 Node.js >= 18.0.0。
lodsb 在 GitHub 开源 prax，一个管理论文、网页、手册和笔记的个人知识库，提供关键词加向量混合检索、带证据的图谱和带引用的问答，可从浏览器、shell、MCP 或 agent 调用，全部可在本地机器上用自己的模型运行。作者的真实实例含 13,000 份文档、1,486,000 个段落和 216,000 条关系，62 个真实查询上组合检索 MRR 0.90、hit@1 0.87；图谱保留被否决关系的历史，数据库拒绝删除或改写链接。项目用 Claude Code 构建数周，MIT 许可（浏览器扩展为 AGPL-3.0）。
推荐理由：一个可自托管的知识库工具，原文给出了实际运行规模和检索指标，并与其他图谱系统逐项对比，可作选型参考。
GitHub 上的开源技能 discord-history-export 可将经授权的 Discord 聊天记录导出为带校验的 HTML 和 JSON 存档，并写入私有 Git 仓库。它依赖 DiscordChatExporter CLI（当前版本 2.47）完成导出，凭据仅存于本地环境，每个产物附带 channel ID、字节数和 checksum，需 Python 3.10+ 和 Git。该工具为一次性存档助手，不支持持续监控，个人账号数据需改用 Discord 官方 Request my Data 功能。
开源项目 ai-deals-aggregator 发布 v3.0，将聚合国内外 AI 大模型真实优惠的零构建静态站点升级为涵盖优惠、套餐、API 计费、模型与厂商的结构化资料库。数据每日自动采集两次，经 scripts/validate.js 校验后发布到 GitHub Pages，当前收录 deals 134 条、plans 23 条、API 计费 13 条/67 个计价条目、models 44 个，dist 共 173 个 HTML 页/sitemap 170 条/290 个文件。
avivsinai 在 GitHub 发布 Yoetz，一个用 Rust 编写的开源 CLI，用于在终端和编码智能体工作流中把代码与媒体任务路由到合适的 LLM 通道：可用时走直接 API 调用（OpenRouter、OpenAI、Gemini、Cursor CLI、LiteLLM 兼容后端），需要多方意见时并行运行多模型 council，对 ChatGPT Pro 和 Claude（限 Fable 5 与 Effort Max）等 web-only 模型使用 fail-closed 的浏览器 recipe。
推荐理由：原文给出完整的 CLI 安装配置和工作流示例，涵盖多模型路由、 councils 与浏览器通道，读者可据此在终端里直接复用。