跳到正文
#编码
10月7日周三
  1. GitHub · 去对齐工具与仓库19

    AI-Indexing：将源代码转换为结构化仓库地图的开源工具

    GitHub 上的 AI-Indexing 是一款将源代码转换为结构化仓库地图的工具，生成的地图针对 AI 搜索工具的理解和语义检索做了优化。工具支持 Windows 10+、macOS Mojave+、Ubuntu 18.04+，可从 GitHub Releases 下载安装，提供多格式导出和简洁的图形界面。用户通过导入代码、点击"Start Analysis"即可生成并导出结构化地图。

  2. GitHub · 灵魂体仓库41

    ragent：终端 AI 编程智能体（Rust 实现）发布 v1.0.129

    ragent 是一个用 Rust 编写的终端 AI 编程智能体，灵感来自 RooCode、Claude Code、Copilot CLI 和 OpenCode，提供多 provider LLM 编排、内置工具系统、TUI 和 client/server 架构，编译为单一静态链接二进制文件，零运行时依赖。当前版本 v1.0.129 的工具系统含 23 个类别的 152 个工具，核心架构、TUI、HTTP server、memory、teams/swarm 协调、skills、插件系统和多层安全机制均可正常工作并持续开发中。项目为作者的 Rust 学习练习，需要 Rust 1.85+（edition 2024），配置兼容 OpenCode 的 opencode.json 格式。

  3. GitHub · 灵魂体仓库64

    ContextTrail 0.1.0a6 发布：将 Codex 与 Claude Code 会话记录重建为可溯源的项目历史图谱

    kisbi3 在 GitHub 开源 ContextTrail（开发版 0.1.0a6），把本机已有的 Codex、Claude Code 和 opencode 会话记录加 Git 历史重建为事件流图谱，标注尝试、失败、决策与已验证结果，每条引文在存储前都由代码对照原始记录核验。工具只读运行，模型调用在 bubblewrap 或 sandbox-exec 沙箱内进行，支持终端 TUI、浏览器视图、find/show/status 命令和两个 agent skill；实测包括 Codex 12 次真实调用、Claude 42 次 eval 运行，作者明确说明分析质量仅在小样本上测过，重建结果应视为待核对的草稿。

    推荐理由：该项目把 Codex 和 Claude Code 的本地会话记录转成带引文核验的事件图谱，作者同时公布了实测数据和明确的局限。

  4. GitHub · 灵魂体仓库63

    llm-nexus 仓库发布 Codex 智能体编排配置与基准实测结果

    r-siddiq 发布 llm-nexus 仓库，提供面向编码智能体的版本化编排协议与 Codex 配置，开发过程覆盖 GPT-5.6、GPT-6 和 GPT-6.1 的 100 多次基准测试。q10 对比中 v7/config v1 达到 11/30 通过、覆盖 7/10 任务族，v7/config v2（GPT-6.1 Sol、CLI 0.159.3）通过 12/30 但耗时 10 小时；v8 增加验收措辞后覆盖和耗时反而变差。维护者推荐的两文件 setup 未做基准测试，并指出 CLI 与桌面端的 developer_instructions 生效差异（对应 Codex issue #11004）等问题。

    推荐理由：仓库给出了六个协议配置组合在同一基准下的实测对比和复现指南，读者可以据此评估配置调优对编码智能体工作流的实际作用。

  5. GitHub · 灵魂体仓库36

    conductor-core：Conductor 应用的 prompt-to-MIDI 引擎在 GitHub 发布

    GitHub 开源项目 conductor-core 是 Conductor 应用背后的可复用 prompt-to-MIDI 引擎，当前处于 pre-release 阶段。它提供独立于具体厂商的统一生成 API，支持 OpenAI、Anthropic、Google 和 Ollama 的路由与响应解析，并包含四小节音乐模型校验、loop 与 MIDI 双向转换、生成历史存储及可选 MIDI 转音频渲染。项目采用 MIT License，文档基于 MkDocs 构建。

  6. GitHub · 灵魂体仓库43

    DefinitelyScott 开源 nl2sql-analyst：自然语言转 SQL 分析助手

    GitHub 用户 DefinitelyScott 发布 nl2sql-analyst，一个基于 SQLite 的自然语言转 SQL 分析助手，支持离线模式（无需 API key）和可选的 LLM 后端。项目核心是评估工具：将生成 SQL 与 gold 查询的结果集对比而非比较 SQL 字符串。结果导出受 --max-rows 安全上限约束（默认 1000），并提供只读的 explain 干跑功能。

  7. GitHub · 灵魂体仓库28

    用 LangChain 和 LangGraph 构建客服工单分类助手，支持结构化输出与 LangSmith 追踪

    开发者 shridharch 基于 LangChain 和 LangGraph 构建了客服邮件工单分类助手，可将邮件分类为 billing、bug、feature_request 或 other，并给出低/中/高紧急度和摘要。项目使用 Pydantic 输出经验证的结构化结果，用 Groq 上的 gpt-oss-120b 模型并以 LangSmith 追踪每次调用。目前结构化输出链已完成，tool calling 进行中，LangGraph 工作流处于规划阶段，notebook 可在 Google Colab 中运行。

  8. GitHub · 灵魂体仓库58

    MvgeOS v0.6.8：用 Python 写的 AI 智能体编码平台开源

    开发者 IAmNo1Special 开源了 MvgeOS，一个 Python 编写的 AI 编码智能体平台，支持通过 OpenRouter 等 provider 使用已有 API key，无需账号且无遥测。README 给出 23 秒完成任务的完整命令序列，内置 bash、edit、grep 等 9 个 Spell，会话以 JSONL Tome 持久化，可通过 Rune 扩展并挂载 MCP 服务器。当前版本 v0.6.8 尚未发布到 PyPI，Rune 无进程隔离需审查依赖，默认免费模型在 8 次干净机器运行中有 4 次因上游过载报错。

    推荐理由：README 给出四条命令的完整实测流程与已知缺陷清单，自托管编码智能体平台的实际能力边界比较清楚。

  9. GitHub · 去对齐工具与仓库55

    HarrisonCN 开源终端 AI 编码智能体 aicli

    HarrisonCN 在 GitHub 开源了终端 AI 编码智能体 aicli，受 Gemini CLI 和 Claude Code 启发，通过 ReAct 循环自主读写文件、执行命令、正则搜索代码库并修复 bug，支持任何兼容 OpenAI API 的模型（含 Ollama 本地模型）。项目提供会话保存与恢复、上下文压缩、AICLI.md 项目指令、写操作审批和工作区沙箱等机制，尚未发布到 npm，需从源码安装，采用 Apache 2.0 许可证。

    推荐理由：开源终端 AI 编码智能体，兼容任意 OpenAI 端点并内置审批、沙箱和上下文压缩等安全机制，适合想自托管替代 Claude Code 的开发者。

  10. GitHub · 去对齐工具与仓库47

    Sortie-dogs v0.13.9 发布：面向 OpenCode 的目标保持型自适应执行框架

    Sortie-dogs 发布 v0.13.9，为 OpenCode 提供目标保持、自适应执行框架，按任务风险调节 agent 数量与模型选择，并新增实验性 Codex host adapter。其固定 harness v0.12.24 在 SWE-bench Lite 一次 pass@1 中解决 170/300（56.67%），Worker 用 openai/gpt-6-luna-fast#max，确认推理开销 $162.99。当前版本仍处 Beta，1.0 前行为可能变化。

  11. GitHub · 去对齐工具与仓库53

    开源项目 vibey 发布 AI 编码智能体编排器

    the-vibey-project 在 GitHub 发布开源编排器 vibey，用于调度多个 AI 编码智能体完成从需求访谈到部署的全流程。它以 PostgreSQL 只增账本加 SHA-256 哈希链保存每步记录，工作进程崩溃或引擎额度耗尽时任务经租约回收无损接续；默认通过 Ollama 本地运行 GPT-OSS 20B，付费引擎仅在本地方案不可用时启用，需 Python 3.12+ 与 PostgreSQL 14+，支持 macOS 和 Linux，MIT 协议。

  12. GitHub · 去对齐工具与仓库63

    开源终端编码 Agent ternly 发布，按任务难度自动路由到最便宜的可用模型

    rajasatyajit 在 GitHub 发布终端编码 Agent ternly（Apache-2.0），支持付费 API、免费额度和本地服务器（Ollama、LM Studio、llama.cpp、vLLM 等）自动发现，用零 token 难度分类器把任务路由到能胜任的最便宜模型，验证失败两次后才升级到更强模型。

    推荐理由：原文详细给出了按任务难度分级路由到最便宜可用模型的机制、成本控制手段和验证流程，读者可以据此评估这个多模型终端编码 Agent 的实际做法。

  13. GitHub · 灵魂体仓库51

    fox-agent 开源：自带 ctx_edit 上下文自编辑的轻量编码 Agent 框架

    QQSHI13 在 GitHub 发布 fox-agent 0.5.0-beta.1，一个 agent 原生编辑自身上下文窗口（ctx_edit）的轻量编码 harness，全机器控制、零权限提示。提供步骤上限、重试退避、并行工具执行、上下文自动压缩、SQLite 事件溯源会话、ACP 双向支持和插件系统；README 附带与 Claude Code、codex-cli、opencode、aider 等 15 款工具的启动首字节、安装体积与空闲内存对比基准（fox-agent TUI 89.3 MB、首字节 9 ms），基准由 workflow 定期自动生成，支持 bun run bench 本地复现。项目以 Apache-2.0 协议开源，README 明确说明其为无沙箱的受信工作区工具，提示注入是主要风险。

  14. GitHub · 灵魂体仓库40

    terrylica/cc-skills：Claude Code Skills 插件市场，收录 39 个插件

    GitHub 仓库 terrylica/cc-skills 提供 Claude Code Skills 插件市场，包含元技能、基础工具和工作流 hooks，由 .claude-plugin/marketplace.json 作为唯一事实源生成，可通过 `claude plugin marketplace add terrylica/cc-skills` 一键安装全部 39 个插件。插件覆盖生产力、开发、devops、research、trading 等类别，如 agent-reach（搜索阅读 Twitter/X、Reddit、YouTube、GitHub 等 15+ 平台）、crucible（来自 376 轮会话蒸馏出的 18 条 LLM 研究方法原则）及 gh-tools、doc-tools 等。

  15. GitHub · 去对齐工具与仓库58

    uchmk 开源 tsumugi：为并行运行多个 Claude Code 等 AI CLI 会话打造的终端

    uchmk 在 GitHub 发布 tsumugi，一个用 Rust + egui 编写、Windows 优先的终端，用于并排运行多个 Claude Code 和其他 AI CLI 会话。会话由后台服务器承载，关窗不中断；侧栏用颜色与图标标记等待、错误、完成等状态，支持 Claude Code hooks 自动上报、多行输入框、git worktree 并行启动、tokens 用量与费用估算，以及 tsumugi ls/send/wait 等 CLI 供脚本驱动。项目目前处于早期，仅有带单个 shell 的窗口，MIT 或 Apache-2.0 双许可。

    推荐理由：原文详述了一个同时跑多个 Claude Code 等 AI CLI 会话的终端的状态提示、会话恢复与 CLI 驱动机制，可迁移到自己的多智能体工作流。

  16. GitHub · 去对齐工具与仓库59

    synthmerge 发布：用多模型 AI 共识自动解决 Git 冲突的命令行工具

    aagit 开源了 synthmerge，一个基于 Patchpal 研究的命令行工具，利用 AI 自动解决 cherry-pick、merge、rebase 等操作产生的 Git 冲突，要求 git config merge.conflictStyle diff3。工具支持并行查询多个 AI 端点（Patchpal-backend、llama.cpp/vLLM 自托管模型、OpenAI、Gemini、Claude），按共识对结果排序，AI 生成的代码仍需在编辑器中人工审查后才能提交。内置 benchmark 在 1129 个 C 语言冲突上评测，单个模型最高为 Gemini 3.8 Flash（准确率 72.19%），全部模型加全部变体和 beam 聚合后准确率达 84.85%。

    推荐理由：仓库附带完整的跨模型冲突消解基准数据，读者可以直接对比各模型和多端点聚合方案的实际准确率。

  17. GitHub · 去对齐工具与仓库49

    Meridian：一个预测市场量化研究与交易平台

    GitHub 上的 Meridian 是一个预测市场量化研究与交易平台，捕获 Polymarket US 的 WebSocket 逐笔更新数据，覆盖体育与加密市场，并接入 Kalshi 与联盟官方数据源。系统包含针对价差阶梯无套利违规的双腿套利引擎和基于模型的 15 分钟与每小时 Bitcoin 市场自主交易框架，所有交易想法须通过预注册的聚类稳健推断检验。项目由一人指挥 AI 编码智能体团队在两个月内完成，约 142,000 行 Python、3,000+ 测试和 180+ 文档。

  18. GitHub · 去对齐工具与仓库66

    PI Desktop 开源：pi coding agent 的桌面工作台

    xiaoliu10 在 GitHub 开源 PI Desktop（Apache 2.0），这是一个围绕 pi coding agent 的 Electron 桌面工作台，通过 pi 的 RPC 模式驱动本地 pi CLI。核心功能包括：实时展示智能体完整过程（思考流、工具调用、subagent、计划清单、上下文压缩）、逐操作的工具确认（allow/deny/cancel，可按任务切换自动模式）、基于 Git HEAD 的行级 Review 面板、多标签后台终端、计划模式、MCP 支持、插件与技能市场，以及扫码在局域网用手机远程查看会话、审批工具调用。

    推荐理由：为 pi CLI 提供可视化桌面工作台，完整展示思考、工具调用与子智能体过程，并支持手机远程审批操作。

  20. GitHub · 灵魂体仓库67

    okfgen 发布：把仓库、数据库、文档站转成 Open Knowledge Format 知识图谱

    bushans 在 GitHub 开源 okfgen，这是 Open Knowledge Format（OKF v0.2）的确定性参考实现，可将 git 仓库、本地目录、数据库 schema、BigQuery、Firebase、文档站、CKAN/Socrata 开放数据门户生成为 markdown + YAML frontmatter 的便携知识图谱 bundle，无需 LLM 和 API key，可离线运行。

    推荐理由：工具默认确定性抽取、无 LLM 无 API key 也能生成知识图谱，对比表列出了与数据目录和 LLM 文档工具的差异，便于评估是否适用。

  21. GitHub · 灵魂体仓库58

    product-on-purpose/critique-skills v0.1.6 发布：带引用标准和实测成绩的 Claude Code 评审技能库

    product-on-purpose 发布 critique-skills v0.1.6，一套六个 Claude Code 评审技能，每条发现都引用外部标准的永久 criterion ID（如 WCAG 2.2 AA、Toulmin、Diataxis、Nielsen 启发式），支持 Cursor、Copilot、Cline 等通过 skills CLI 安装。

    推荐理由：作者公开了每个技能的召回率与精确率并优先列出失败数据，读者可以借此评估带引用标准的评估类 Claude Code 技能是否可靠。

  22. GitHub · 灵魂体仓库62

    lightspeed-review 发布：智能体与人在浏览器中轮流完成语义化 diff 审阅

    JakobKrummeich 发布了 lightspeed-review，一个让智能体与人类轮流进行语义化 diff 审阅的开源工具：智能体发起分支审阅，人类在浏览器中阅读分组后的 diff、选中具体行并评论，智能体回复或修改代码，交替进行直到审阅完成。工具支持 pi、Claude Code、Codex、opencode、VS Code 五种智能体，通过 .lightspeed.conf. 指定分组所用模型（如 anthropic/claude-haiku-4-5），模型失败时退化为单个 All Changes 组；测试文件始终归入末尾单独一组，机械性改动沉入 sweep 层一键批准。每轮评论与代码会写入本地反馈账本（默认 ~/.lightspeed/feedback/），供后续智能体挖掘审阅模式。

    推荐理由：README把人机轮流审阅、diff分组、配置和失败恢复都讲清了，读者可以直接照三条命令跑起来并理解各环节的取舍。

  23. GitHub · 去对齐工具与仓库66

    Rigour 开源发布：在 agent 写码过程中自动把关代码质量

    Rigour Labs 在 GitHub 开源了 Rigour，一个让 AI 编码 agent 在写码过程中自我检查的工具，支持 Claude Code、Cursor、Codex、Cline 和 Windsurf。它在每次编辑、agent 声称完成前、git push 前三个时点运行检查，覆盖密钥泄露、无效引用、死代码、merge conflict 等，多数问题在 pull request 出现前就被 agent 修复。工具免费开源、本地运行，复用 agent 自身登录无需 API key，PR 审查项会被记忆并在推送前复核，检查项均先在真实合并的 PR 上验证过才允许拦截，团队版支持 PostgreSQL 共享经验与 Profiles 隔离多雇主数据。

    推荐理由：这个开源工具把审查嵌入 agent 编辑、完成和推送三个时点，原文还给出了检查项与拦截规则的具体说明，方法可借鉴。

  24. GitHub · 去对齐工具与仓库39

    Meridian 无框架核心 meridian-core：多供应商 AI 桌面客户端的核心 crate 工作区

    Meridian 的无框架核心 meridian-core 是一个多供应商 AI 桌面客户端的核心工作区，不依赖 Tauri、窗口或 WebView，桌面应用只是其薄壳。核心 crate 提供 agent 回合循环、OpenAI 兼容与 Anthropic 等 provider、工具集、MCP 客户端、沙箱命令执行、SQLite 持久化、离线语音转文字与 TTS，另含 meridiand 守护进程用于轮询供应商余额与支出并推送 webhook。项目以 Apache-2.0 许可开源，部分沙箱代码移植自 OpenAI Codex。

  25. GitHub · 灵魂体仓库26

    aianitro/b8：一个自托管的个人理财应用（Plaid 同步 + Anthropic 智能体助手）

    开发者开源了自用的个人理财应用 b8，支持通过 Plaid 同步银行账户、合成现金/投资/房产的净资产报表、信封式分类预算，并提供基于 Anthropic SDK 的只读工具智能体回答消费问题。技术栈为 Next.js 16、React 19、无 ORM 的 Postgres 手写 SQL，附带单用户自托管与 Docker 运行方式。

  26. GitHub · 灵魂体仓库54

    claudehop 发布：在一台机器上切换多个 Claude Code 账号

    开源工具 claudehop（https://github.com/psychofict/claudehop）让用户在一台机器上管理和切换多个 Claude Code 账号：hop 一键把所有终端移到另一账号，hop run 则给单个终端独立账号，无需浏览器、无依赖、无后台进程，单文件仅 97 KB，需 Python 3.9+，支持 Linux 和 macOS。工具支持 Bedrock、Vertex 或网关按账号切换，hop usage 按需读取各账号的 5 小时和 7 天用量，hop doctor 会算出最早的重新登录日期以应对 30 天刷新令牌过期窗口；README 附有与 claude-swap、clauth 的对比表，并声明与 Anthropic 无关联，采用 MIT 许可。

  27. GitHub · 灵魂体仓库60

    JordanCoin 开源 codemap：为 Claude Code 和 Codex 等编码智能体提供依赖图与影响分析

    JordanCoin 在 GitHub 发布 codemap，一个为编码智能体提供代码结构真实依据的工具，可解析文件依赖、计算改动影响面（blast radius），并对每个依赖答案报告 complete、partial 或 unavailable 的覆盖率状态，区分"没有依赖"和"无法判断"。支持 brew、scoop、go install 安装，codemap setup 可为 Claude Code 和 Codex 配置 hooks 与 MCP（19 个工具），依赖解析基于 go.mod、cargo metadata、package. exports 等各生态真实规则而非字符串匹配，内置 21 种语言的 ast-grep 规则，还可分析远程 GitHub/GitLab 仓库。

    推荐理由：工具用各生态真实规则解析依赖并给每个答案标注覆盖率，让智能体能区分没依赖和查不出来，方法有可迁移性。

  28. GitHub · 灵魂体仓库47

    docsxai：将 Web 应用自动转换为带截图的分步用户指南的开源工具

    GitHub 开源工具 docsxai 能把真实 Web 应用转为带注释截图、编号标注的分步用户指南，并可持续保持文档与 UI 同步。它分两个阶段：一次性的 AI 辅助校准（可由 Claude Code、Codex 等通过 MCP 驱动），以及用 Playwright 无头重放流程的确定性执行——核心引擎不调用模型 API，可在每次 commit 的 CI 中低成本复现文档。它支持登录会话捕获（11 种策略）、PII 脱敏、`docsxai diff --fail-on` 文档漂移检测、Confluence Cloud 幂等发布及 Astro Starlight 站点输出，需 Node 26+。

  30. GitHub · 去对齐工具与仓库33

    OpenBrep v0.12.0 发布：面向 ArchiCAD 与 GDL 开发者的 AI 工作台

    OpenBrep v0.12.0 正式发布，将 GDL 代码的编写、编译与调试压缩为自然语言描述加一键编译，生成 .gsm 可直接拖入 ArchiCAD。新版修复任务反馈与连续对话，Agent 超时可独立配置，支持导入已有 .gsm（AC29）让 AI debug 与重构。桌面安装包支持 macOS（Apple Silicon 需 macOS 13.5+，Intel 需 15.0+）与 Windows，支持 Claude、GLM、GPT、DeepSeek、Gemini 及 Ollama 本地模型。

  31. GitHub · 灵魂体仓库71

    Syscribe 开源：让 AI 智能体通过 MCP 安全编辑 Markdown 项目模型

    sjames 在 GitHub 发布 Syscribe，把需求、架构、测试、决策等结构化项目状态存为带 YAML frontmatter 的 Markdown 文件，并通过 MCP server 供 LLM 智能体读写。写入默认 dry run 并返回校验增量，悬空引用（EREF）和用户自定义链接类型违规则拒绝提交；内含 200+ 校验规则、BLAKE3 suspect 链接检测与内容哈希 release baseline，附 ISO 26262 ASIL D、IEC 61508 SIL 4 等四个演示模型及 chat-to-code 示例。

    推荐理由：作者用真实 MCP 会话演示了悬空引用如何被 dry run 与提交门禁拦截，方法对管理 AI 智能体的结构化项目编辑有直接参考价值。

  32. arXiv · cs.CL40

    让 COMET 跨文字系统可比：诊断并修正分词器导致的印度语系 MT 评测文字偏差

    研究发现 COMET 翻译评测分数受目标语言书写系统影响：在 IndicMT Eval 上，文字身份解释了母语文字分数方差的 22.9%，与标注者的一致性在全部五种语言中均下降。COMET-QN 可将各 (language, script) 组合映射到统一参考分布，使混合一致率从 0.300 升至 0.399，且保证语言内排序不变；基于 parity 特征的回归器再恢复 17.1% 的灵敏度，剩余偏差属编码器，无法通过后处理修复。论文被 WMT 2026 接收。

  33. arXiv · cs.CL34

    Symphony for Text Generation：临床笔记生成的基准评测（MedConv 数据集 + ACI-BENCH 对比 Corti 与通用 AI 语音记录工具）

    研究者发布 MedConv 多语言数据集（含英、丹、德三语共 300 例临床就诊记录），并结合 ACI-BENCH 基准，将临床 AI 平台 Corti 与两款基于通用 AI 的主流环境式语音记录软件进行对比。评测框架结合蕴含指标与 LLM 判 pairwise 比较，覆盖 PDSQI-9 的八个维度。结果显示 Corti 的 API 文本生成能力与商业语音记录工具相当或更优，且其可配置 API 可针对具体文档场景微调质量维度，数据集已开源以支持可复现比较。

  34. GitHub · 去对齐工具与仓库69

    DrSeedon 开源 Orchestra AI 智能体编排平台

    DrSeedon 开源了 Orchestra，一个 AI 智能体编排平台，由一个编排器拆解目标、生成 worker、用不同厂商模型交叉审查并合并代码，每个 worker 运行在独立 git worktree 中。README 以代码行号锚点逐项标明已实现、部分实现和刻意不做的能力，附与 Orca、Claude Code sub-agents 的对比表及自建数据库运行数据（431 个已完成 worker 会话，p90 存活 130.6 小时）。安装方式为 git clone 加 uv sync，支持离线部署，协议 AGPL-3.0。

    推荐理由：README用三档状态逐项标明每项能力有代码锚点还是没做到，并与Orca逐行对比，可作多Agent编排系统的参考样本。

  35. GitHub · 去对齐工具与仓库68

    AgentField 发布开源编码 harness CodeAF，DeepSWE 榜单第一

    AgentField 团队发布面向开源模型的编码 harness CodeAF，Apache 2.0 协议，Go 编写的单个二进制文件仅 53 MB。在 DeepSWE 用 DeepSeek V4 Flash 对十个 harness 的对比中，其 /senior-dev 子 harness 解决 issue 最多且单题成本最低，超过 Claude Code、Codex、OpenCode、Kilo 和 DeepSeek 自家 harness。产品以单窗口管理多项目任务，按任务自动分配 worker、planner、checker 六个模型席位，支持 headless 运行、远程 devbox 驱动和手机 ssh 接入，目前为 early preview。

    推荐理由：官方给出了在 DeepSWE 上与 Claude Code、Codex 等十个 harness 的同模型对比数据，可据此评估其解题数与单题成本。

  36. arXiv · cs.AI23

    E4：用“受限创造力”实现互联网规模服务的智能体根因分析（RCA）

    研究者提出面向互联网规模服务故障排查的智能体系统 E4，采用"受限创造力"范式，让 LLM 智能体通过受限 DSL 生成无环数据流程序，而非任意代码，从而保证输出准确、可验证且可解释。在合成与真实工作负载混合测试中，E4 准确率最高提升 62%，成本最多降低 12x，同时提供更可解释的响应。

  37. arXiv · cs.AI40

    ParanoiaEval：首个评测编码智能体不必要防御性工作的 benchmark

    研究者推出 ParanoiaEval，首个统一评估编码智能体风险处理能力的 benchmark，基于 Avoidance-Transfer-Mitigation-Acceptance 框架构建 200 组证据受控的仓库级任务对。对 8 个代表性模型的实验显示，即便有明确证据，11.2%-58.7% 的运行仍出现不必要风险处理；更强的任务能力并不带来更恰当的风险处理，风险处理是独立的能力维度。

  38. arXiv · cs.AI49

    WorldSolver：LLM 智能体能通过生成求解器模拟物理动力学吗？

    WorldSolver 是一个评测 LLM 智能体物理模拟求解器生成能力的 benchmark，包含源自 61 篇经典图形学论文、覆盖 7 个物理领域的 168 个模拟任务，从 Execution Checks、Visual Fidelity、Physical Plausibility 三个维度评测。结果显示，GPT-5.6-Sol 与 Claude-Opus-5 表现相对更好，但总分仅分别为 48.7% 和 46.7%，生成可执行求解器本身已很困难，视觉与物理正确性更难满足。

  40. GitHub · 灵魂体仓库71

    nightmux 开源：用 Telegram 驱动 tmux 里的 Claude Code 等 agent 并自动恢复用量限制

    mmr710 发布开源工具 nightmux，通过 Telegram group 与 tmux 会话绑定，让用户在手机上运行 Claude Code、Codex、Gemini、aider 等编码 agent。它读取 Claude Code 的真实用量限制窗口，把触限的 turn 和排队 prompt 保存并在窗口重开后自动重放，支持定时任务、!consult 多 agent 互询、git 快照与 !undo 回滚、本地 webhook 与 dashboard。项目仅依赖 Python stdlib，四个文件约 5400 行，MIT 许可，支持 macOS 和 Linux，不支持 Windows。

    推荐理由：把用量限制窗口、队列恢复和多 agent 调度做进一个无依赖单文件工具，思路和实现细节都写得很实。