新闻、仓库与研究，按时间排列。
该仓库开展受控实验，检验在可分数交易且无摩擦条件下，名义股价是否会影响大语言模型生成的投资组合配置。实验包含 300 个金融状态、8 个名义价格条件和 5 个模型族（GPT-5.6-luna、DeepSeek-V4-Flash、GLM-5.3-Flash、Qwen3.5-397B-A17B、Llama-4-Maverick），每个模型做 2,400 次独立决策，共 12,000 次。实验设计与代码已在完整推理运行前冻结，预注册假设与分析计划见 docs/preregistration.md，全程预算上限 $1.35。
GitHub 上的开源项目 machine-manual-assistant 是一个 RAG 问答机器人，用自然语言提问即可获得基于机器手册的回答，并附上手册名称和页码引用，手册中没有答案时会明确拒绝而非猜测。技术栈为 PyMuPDF 做 PDF 解析、all-MiniLM-L6-v2 生成嵌入向量、ChromaDB 持久化存储，检索 top-5 相关片段（1000 字符、200 重叠），支持 Ollama、Gemini、OpenAI 等任意 OpenAI 兼容 LLM，后端 FastAPI，可 Docker 部署。已知局限包括不支持表格和扫描页、无对话记忆。
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。
E2B 开源了 E2B Runtime，即驱动 E2B Cloud 的完整后端，包含控制面 API、Firecracker 编排器、VM 内 agent、边缘路由和模板构建器，以 Go 编写、Apache-2.0 许可。沙箱以快照恢复而非启动内核的方式创建，通过 userfaultfd 惰性加载内存页，支持暂停恢复、单次最多百个的运行中沙箱 fork、每沙箱 nftables 出口防火墙，并提供 E2B Cloud、单机 Embed 包和企业专属部署三种运行方式。
推荐理由：官方开源了支撑 E2B Cloud 的完整后端，讲清了快照恢复、控制面与数据面分离等可借鉴的架构设计。
WFGY 5.0 Polaris Protocol 改为分批发布，首个公开可移植协议组件 Polaris Goal Compiler 已上线，用于在 AI 助手和 Agent 工作流中编译用户目标、区分事实工作与表达工作、防止过早声明完成。此前调整期发布的 Cite First Verification 为彩蛋，同时公开包含原始输出、审计记录和 SHA256 完整性记录的 Polaris Experiments 证据包。
LvcoBI 是一个全栈 BI SaaS 平台，可将自然语言转换为数据可视化，核心包括自定义多智能体编排引擎、指标语义层和画布式拖拽可视化工作区。其评测结果为 Agent E2E 通过率 90.8%（14/20 全通过）、SQL 安全 AST 防护 21/21、输出效率从基线 48% 提升至 96%。技术栈采用 Python 3.12、FastAPI、DuckDB、Redis、React 18 与 ECharts 5，支持 Docker 部署。
Antseed 是一个点对点 AI 服务网络，提供方通过插件接入 Anthropic、OpenAI 兼容 API 或本地 Ollama 等上游，在 BitTorrent DHT 上广播容量，购买方经本地 HTTP 端点以 ANTHROPIC_BASE_URL 或 OPENAI_BASE_URL 替换方式路由请求，并按价格、延迟和声誉评分。网络使用端到端加密 TCP 与 WebRTC，支付采用 Base/Arbitrum 上的 USDC；项目明确禁止转售个人订阅凭证（如 Claude Pro/Team），要求提供方以领域技能、Agent 工作流、TEE 或微调模型等方式增值。
GitHub 仓库 cheeezis/job_finder 开源了一个德国初级 IT 岗位求职助手，从招聘板、开放 feed 和公司招聘页抓取职位，用规则预过滤后由基于 LangGraph 和 LangChain 的 agent 调用 Azure OpenAI gpt-5-mini 生成结构化事实清单。项目内置基于 PostgreSQL 账本的分层成本控制（每份清单约半美分）、Entra ID 无密钥访问、Terraform 基础设施即代码、供应链扫描和恢复演练（22 分钟恢复，目标 60 分钟）；评测中 agent 在 24 条合成职位广告上得到 44/48 正确判定，基线为 42/48，界面与文档为德语。
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。
slng-ai 在 GitHub 发布开源工具 Unmute，这是一个语音智能体命令行编译器，MIT 协议，用户用 YAML 和 Markdown 编写智能体包，声明模型、工具、状态和步骤后编译为完整的 Python 项目。它支持 LiveKit、Pipecat、SLNG 托管和 Twilio 电话四个目标，生成物带固定依赖、Dockerfile 和运行手册且运行时不依赖 Unmute；unmute validate 可离线在通话前指出配置错误。
推荐理由：用 YAML 和 Markdown 描述语音智能体再编译成可托管的 Python 项目，运行时不依赖编译器，方法思路可直接迁移到自己的智能体工程。
Crewship（crewship-ai/crewship）开源发布，为每个智能体团队提供真实 Linux 容器沙箱，可选用 Claude Code、OpenCode 或经 Ollama 运行本地模型作为引擎，并配 RBAC、审批、审计日志、Keeper 行为监控和加密备份等控制面。项目处于 open beta，目前仅支持单主机，各团队容器共享一个 Docker 网络尚无网络隔离，API 跨小版本可能变更，生产使用需固定 tag。
推荐理由：项目自述里明确标出每块功能的稳定与未完成状态，连安全边界和已知缺口也写清楚，可据此判断是否适合自用。
开源阅读应用 ReadAny 发布 v2.0，新增 iOS 和 Android 移动端，支持 RAG 聊天、语义搜索（向量检索 + BM25）、TTS、WebDAV 同步和 5 种格式笔记导出。它采用本地嵌入和本地向量库，可完全离线使用，并可接入 OpenAI、Claude、Gemini、Ollama 或 DeepSeek。桌面端基于 Tauri 2 + React 19，支持 EPUB、PDF、MOBI 等 10+ 格式，可通过 Homebrew 或官网下载。
TeamSpeakClaw 是一个基于 LLM 的开源 TeamSpeak 智能助手，通过无头客户端连接服务器，用户可用自然语言播放音乐、管理成员、查询信息和回放 120 秒内的语音。它提供细粒度权限控制和灵活的技能系统，支持 TS3AudioBot、TSMusicBot、NeteaseTSBot 三种音乐机器人后端及 NapCat(QQ) 跨平台交互，兼容 OpenAI 接口格式以接入 DeepSeek、Xiaomi Mimo 等大模型。项目自 v0.5.0 起配置文件不再兼容旧版本，采用 GNU Affero General Public License v3.0 only 开源。
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。
GitHub 项目 YUI 开源，把 VRM 角色以透明悬浮形式常驻桌面，会跟随鼠标、眨眼、在窗口间移动并主动搭话。它不内置模型，可接 OpenAI、Ollama、LM Studio、Groq 等 Chat Completions 后端或 Hermes Agent，情绪、动作和语音通过 generate_express 结构化线索返回，支持 Irodori、OpenAI、Fish Audio 的 TTS 与多种 STT，提供 macOS (Apple Silicon) .dmg 和实验性 Windows x64 安装包，源码采用 PolyForm Noncommercial License 1.0.0。
推荐理由：桌面常驻 AI 伴侣开源项目，把大模型接到有身体、语音和情绪表现的 VRM 角色上，后端可自选，本地部署路径写得具体。
BambooTe97 在 GitHub 开源 GJ-LLM，一个基于 RAG 的企业级 LLM 智能知识库与对话平台。系统支持多知识库智能路由、ES 混合检索（BM25 + KNN + RRF）、BGE-Reranker Cross-Encoder 精排、引用溯源与 SSE 流式对话，并内置 RBAC 权限和 MCP Server/Client 工具扩展。后端采用 Spring Boot 4.1 + Spring AI 2.0 + Java 25，前端为 Vue 3.5，通过 Ollama 运行 gemma2:2b 对话模型与 BGE-M3 嵌入模型，可切换 DeepSeek-R1 等。
GitHub 开源项目 hybrid-rag-docs-assistant 是一个混合 RAG 技术文档助手，结合语义搜索、BM25 关键词搜索与 RRF 排序融合，并使用本地 Ollama LLM 生成带引用来源的准确回答。
shipiit 在 GitHub 开源了 SHIPIT Agent，一个用于构建工具调用型 AI Agent 的 Python 运行时，提供跨 OpenAI、Anthropic、Bedrock、Vertex、Gemini、Groq、Together、Ollama 及 LiteLLM 100+ 模型的统一接口。内置 40+ 工具、17 个 SaaS 连接器、MCP 支持、RAG、多 Agent 编排、基于规则的权限层和提示词缓存；唯一硬依赖是 pydantic，Python 3.11+，MIT 协议，附 3500+ 测试。
推荐理由：README 详列了工具调用、权限层、MCP 熔断和延迟加载工具的具体实现，读者可以据此评估这套 Python Agent 运行时是否适合复用。
GitHub 上的 ai-scientist 项目是一个 AI 智能体，为给定靶点提出候选蛋白结合剂并输出带引用的排序报告，串联文献检索（Europe PMC）、RFdiffusion 骨架设计、ProteinMPNN 序列生成与 Boltz-2 共折叠打分等 NVIDIA BioNeMo 模型。默认内置模拟器，无需 GPU、API key 或网络即可离线端到端运行测试；通过 `--real-bio` 等参数可切换到托管或自托管的 BioNeMo NIM。复合评分为 0.5×复合置信度 + 0.3×亲和概率 + 0.2×逆 MPNN 分数的透明启发式排序，项目定位为研究原型，候选结果供湿实验验证。
TUFF 8.0 发布，这是一套在 Apple Silicon 上本地运行大模型的推理引擎，含原生 Mac 聊天应用、模型下载器、Swift 和 Metal 推理引擎、CLI 与本地 OpenAI 兼容服务器。它将共享权重保持在文件映射、按需读取 routed experts 到有界缓存，使 GPT-OSS 120B（65.29 GB）、MiniMax M2.7（128.71 GB）、Qwen3.8 Flash Next（110.90 GB）等超过内存的 MoE 模型能在 16 GB M2 MacBook Air 上通过冒烟检查。
推荐理由：原文详述了 MoE 专家流式加载的内存机制和 16 GB M2 实测记录，是了解 Apple Silicon 本地推理取舍的具体参考。
antonyrag 在 GitHub 开源 RagLeap Core，一个 MIT 许可、自托管的文档驱动 RAG 聊天引擎，通过 Docker Compose 部署，使用自有 API key 运行。核心功能包括基于 pgvector 的向量检索加混合搜索、带引用的回答、Neo4j 知识图谱增强检索、WhatsApp/Telegram/Discord/语音渠道适配器，以及 46 个默认角色型 AI Employee（9 个通用角色加 37 个垂直角色），并支持 n8n 工作流触发、19 家 LLM 提供商 BYOK、语言检测和 MySQL/Salesforce 等外部数据源集成。
vtuber-plan 开源了 Olah，一个自托管的轻量 Hugging Face 镜像服务，在用户下载时按文件块缓存资源，而非整站反向代理，支持 models、datasets、Spaces 镜像。后续下载直接读缓存以提速省带宽，管理员可通过 configs.toml 配置仓库的代理与缓存权限、缓存上限和 LRU/FIFO/LARGE_FIRST 清理策略，提供 pip、源码和 Docker（多架构镜像 xiahan2019/olah）三种安装方式，客户端设置 HF_ENDPOINT 即可使用，项目采用 MIT 许可证。
推荐理由：这是一个可自托管的 Hugging Face 镜像缓存工具，按文件块缓存与缓存策略配置的思路可迁移到团队内网加速下载。
PyAutoLabs 的 PyAutoMemory 是 PyAutoScientist 的长期记忆，将已学知识整理为交叉链接的 LLM wiki，含文献摘要、科学概念及用于验证的引用元数据。当前收录 166 页、69 页已起草、651 个论文章节中 40% 已具备规范引用键、229 篇论文排队待读。子 wiki 覆盖强引力透镜、超大质量黑洞、CTI、贝叶斯方法与星系演化；配套 Dashboard 与 GitHub Actions 工作流（queue_actions.yml、queue_filing.yml、queue_sweep.yml）管理阅读队列，Claude 生成的归档 PR 须经人工合并。
lemonade-dashboard 是一个 VS Code 扩展，提供图形界面管理 Lemonade Server 的模型、后端和系统设置，无需命令行。它支持查看和加载/卸载模型，切换 CPU、GPU、NPU 后端，并可调整内存限制、超时等设置和查看系统日志。工具支持 Windows 10 及以上系统，需至少 4 GB RAM 和 100 MB 磁盘空间，可通过 GitHub 发布页下载安装。
首尔国立大学盆唐医院 Sang-Min Park 教授发布 Obsidian 插件 Refwright（原名 Academic Paper Citation Manager，仓库 grotyx/rag-obsidian），把 Markdown 笔记作为文献库，支持检索 PubMed、按 DOI/PMID/arXiv 添加文献、导入 BibTeX/RIS/CSL-JSON 或 Zotero 7 库，并用 LLM 生成分节摘要和 MeSH 自动标签。检索采用 BM25 加向量混合方案，在 96 题临床基准、16578 篇文献上 nDCG@10 从 0.53 升至 0.81（英文）、0.18 升至 0.83（韩文）。
VulnSeeker 在 GitHub 开源了 Onyx，一个通过搜索网络自主习得技能并构建知识库的自学习 AI Agent，无需预置知识或手动配置技能即可端到端完成任务。它支持任务驱动、指定技能和模型训练三种模式，可自动学习缺失技能、在沙箱中执行代码并引用所用技能，提供 CLI、FastAPI REST API 和 Streamlit 界面，采用 MIT 许可证，需配置 OPENAI_API_KEY。
Kimss Forge（kimss-forge 0.1.1+）发布，这是一个轻量级 MCP 原生 Python Agent 框架，可连接任意 OpenAI 兼容端点，本地运行无需账号，应用代码量减少约 80%。生产环境只需添加 gateway="kimss" 参数即可接入 Kimss 控制面：免费层提供身份、审计日志和 mid-hop Kill Switch，付费层提供 Authority Boundary、SSO/SCIM 等。项目以 MIT 许可开源。
GitHub 上的 summaryxtract 是一款 LLM 驱动的文本摘要工具，可对文化主题文章或讨论提示生成简洁、结构化的可靠摘要，面向教育者和研究人员等非技术用户。它支持自定义摘要详细程度，结果可复制、保存或打印，支持 Windows 10+、macOS 10.13+ 及主流 Linux，最低 4 GB 内存和 100 MB 存储空间，采用 MIT 许可证开源，通过 Releases 页面下载安装。
mjcarnaje 在 GitHub 开源 CATSight，一个针对扫描版大学记录（MSU-IIT 特别命令与董事会决议）的 RAG 问答系统，用视觉模型逐页转写无文字层的扫描件并自动编目。检索采用 bge-m3 语义搜索与 Postgres 全文搜索经 RRF 融合再重排，LangGraph 智能体仅基于检索内容作答并内联标注可跳转原文页面的引用；支持 OpenRouter 的 Gemini 3.1 Flash-Lite 或经 Ollama 完全本地运行，48 个文档样本库（约 180 页）的摄取成本约 $0.30，每次提问约 $0.001。
推荐理由：原文给出了完整的检索、引用与部署实现细节，包括混合检索、流式引用和本地模型方案，可迁移到类似文档问答项目。
kingfs/go-llm-specs 是一个面向 Go 应用的 LLM 模型元数据注册表，把模型 ID、供应商、上下文长度、模态、工具调用、JSON mode 等信息编译进程序，内置数百个模型，运行时只做内存查询、不访问网络。它支持别名解析（如 gpt4t、claude sonnet、qwen3-32b）、能力过滤、模糊搜索和中英文描述，适合用于模型网关、Agent 平台和 SaaS 控制台。数据以 models/**/*.yaml 人工目录为准自动生成，并可导出 Codex 第三方模型目录 third-party-models.json 以消除 Codex 的 metadata warning。
GitHub 仓库 xlunaxmoonxstarsx/ai-open-resources-guide 收录了一批 100% 免费的工具、平台、框架和服务，覆盖 AI、LLM、RAG、Deep Learning、Computer Vision 和 NLP 开发。仓库列出 TensorFlow、PyTorch、JAX、Keras、Scikit-Learn、XGBoost、LightGBM、CatBoost 等框架及下载链接，用户可从 Releases 页面获取资源，所有工具均可免费商用，具体以各工具许可为准。
该仓库完整记录了在两台 AMD Strix Halo 主机间用 USB4v2 链路做双卡张量并行（TP2）推理的搭建与运行经验，含自定义内核级流传输模块、gufo 侧 TP2 集成与运维脚本。实测 tbstream 传输 p50 延迟 22–23 µs 接近 RDMA 基线，Qwen3.8-Flash-Next Q4 双机 TP2 在约 62k 深度下 prefill 提升 34%，零拷贝无 NIC 路径；Q8 262144 上下文以 TP2 分片约 36 秒加载，单台 122 GB 主机装不下。流拆除时对端 mid-flight 导致的控制面失联（wedge）已定位并修复，自愈单元可在约 8 秒内自动恢复，最终 58% wedge 率压测中 7/7 自愈、零重启。
推荐理由：原文给出了完整的传输延迟、TP2 吞吐对比数据和复现指南，读者可以据此评估 USB4 双机张量并行方案的实际可行性。
CoWork OS 是一款免费开源的桌面 AI 工作台，可在同一工作区内完成编码、浏览器操作、文档与自动化任务，支持接入 provider 账号、API key、网关、云凭证或本地模型。其 cowork CLI 提供交互式终端 UI 与一次性任务运行，本地使用无需 Control Plane token；工作区状态与加密凭证保存在本地，云模型提示词需离开设备。
GitHub 开源仓库 brupj-zz/llm-adaptive-learning 实现了被 ICML 2025 接收的论文《Adaptive Learning Strategies for Large Language Models in Dynamic Environments》，让 LLM 在动态环境中实时自适应、持续学习且避免灾难性遗忘。实验显示该方法在多类动态环境中较基线 LLM 提升约 16.8%-19.1%，如 Temporal Changes 场景从 69.8% 提至 88.9%。项目采用轻量级更新机制、无需完整重训练，以 Apache 2.0 协议开源。
StockQAbyLLM 是一个从配置文件批量处理问题并生成答案的股票问答系统，当前为架构重构版本，具备分层架构、类型安全、日志和完善的错误处理，含 37 个测试且全部通过。核心功能（网络搜索和 LLM 集成）仍是占位符实现，将在后续版本完成；项目采用 Python 3.8+、MIT 许可证。
作者 jameswniu 开源了一套自主广告生产流水线仓库，包含 LangGraph 图、门禁、探针和标注样本，广告在自身检查通过前不许花一分钱。评测对像素和音频而非文本打分，10 个命名门禁阈值全部由标注的通过/拒绝样本对推导，无需账号、密钥或 GPU 即可复现。质量评测基于 Prolific 上 90 名评审的 450 次盲投，四引擎路由的 picks 平均胜率 52%，低于总是选 Seedance 2.0 的 59%，十支真实产品 spec 广告在 Omni Flash 上约每场景六十美分。
推荐理由：作者把评测同时用作路由和花钱前的门禁，并公开了阈值推导方法，读者可以复现这套无人值守投放的可检验做法。
GitHub 上的 VT-Transformer 项目包含 vt-lang（用于描述和验证 LLM 计算的 DSL）和 vt-harness（AI 生成的推理框架）。它采用 1x1x1 架构——为特定模型、特定硬件、特定部署计划生成优化代码，以区别于 vLLM/SGLang 的 MxNxK 通用框架，模型可用 HuggingFace 的 safetensors 验证。项目处于早期阶段，vt-lang 运行时和 Qwen3.5-0.8B、Qwen3.8-27B 等模型描述已就绪，AI 生成流水线仍在开发中。
argus-redact 是一个本地运行的 PII 脱敏 Python 库，用每次调用独立的密钥做可逆假名替换，PII 不出本机，支持 redact 到 LLM 再 guarded_restore 的往返流程。工具采用 Rust 正则、NER、本地 LLM 三层检测，覆盖 78 种 PII 类型、8 种语言，中文支持最深；fast 模式 p50 约 0.22ms，检测精度在 v0.7.16 实测中 fast 模式 F1 为 45.8%，ner 模式 54.5%。项目同时在 PRvL 参考套件上对 GPT-5、Claude-Opus-4.5、Gemini-2.5-Pro、GLM-4.6 四个模型做了泄漏测试，默认配置全部无泄漏。
GitHub 仓库 genji970/pretraining_llm_from_scratch 记录从零实现 LLM 预训练的进展，项目仍在进行中。内容涵盖 Chinchilla 缩放律、FineWeb 数据处理管线（CommonCrawl 抽取、过滤、MinHash 去重）、DataTrove、NeMo Curator、Distilbibel 合成数据及 GPU 显存优化，未来计划包括模型并行、deepspeed、flashattention 和 MoE。
GitHub 开源项目 PolyglotMind（NLP-LLM-Fine-Tuning-Studio）是一个大语言模型微调工作台，提供模块化训练编排、数据集精炼与开箱支持 40 多种自然语言的评估器。它内置 LoRA 适配器融合、bf16 到 int8 再到 4-bit 的量化阶梯、ZeRO 式分片与 CPU offload 的省显存训练核心，以及记录 seed、库版本、硬件指纹和数据集哈希的可复现性账本，并可完全离线运行。