新闻、仓库与研究，按时间排列。
开源项目 section9 发布 0.9.1，把 Claude Code 的每条提示词记录为本地 markdown 文档（vault/），通过状态机、本地仪表盘（http://127.0.0.1:9909）与 git 同步，让多个人、多台机器、多个会话续写同一份工作记录，并在会话开始时重新注入进行中的任务。支持 open→in-progress→review→done/blocked 状态流转、GitHub 仓库连接与团队邀请，含 29 种角色 agent 与 13 个 skill；验证环境为 2026-09-14、0.9.1、Linux(WSL2)、python 3，macOS 实测进行中。
推荐理由：原文给出请求状态机、会话启动注入与 git 多机同步的完整设计，可作为 Claude Code 外部记忆方案的自建参考。
Ztyss/dsh-llm-provider 发布 v0.2.6，作为 dsh（DeepSeek Harness）插件接管官方 pi-ai 适配器、DeepSeek 适配器、模型选择器与 Models 设置页，提供自维护的 pi-ai 桥接、额度查询与供应商管理界面。插件可从 npm 拉取 @earendil-works/pi-ai 最新版顶替 DSH 自带版本，体检不过自动回退；安装走 main 分支，npm test 含 18 步离线测试链。模型清单支持勾选编辑、就地修改供应商卡片，/model 命令按供应商分组展示候选与额度。
DavidTimar1 发布开源工具 GPUGate（AGPLv3），在 RunPod 和 Verda 上列出可租 GPU 机器与实时价格，一键租用后用 vLLM（RunPod 上 GGUF 模型用 llama.cpp）启动模型服务，并通过固定本地地址 http://<host>:8719/p/<project>/v1 转发 OpenAI 和 Anthropic API 请求，工具看不到机器和密钥。支持空闲或故障时自动销毁机器、在允许范围内自动迁移到更便宜的机器，并统计 token 与费用。作者声明这是业余项目，无维护承诺，租用会产生真实费用，使用前应先读代码。
GitHub 用户 william1010121 开源了 ClaudeCodeBot，一个 macOS 应用，为本地 Claude Code 智能体提供 Grok 风格的前台界面。主机器人负责接待，按项目记忆文件回答进展、分派任务并组建临时团队；各机器人空闲 50 分钟后把要点写入 memory.md 再休眠，支持群聊、crontab 式例程、VS Code 风格插件系统和内置 Maintainer 自动维护插件库。安装需 macOS 14 以上并已登录 Claude Code，数据存于 ~/.claudecodebot，MIT 许可。
GitHub 项目 agent-on-a-budget 构建了一个客服 AI Agent，用 LLM 标注 1,080 条消息训练小 ML 模型，并按置信度把消息路由到最便宜的助手：ML 模型答简单问题、本地 Ollama 上的 3B 模型答政策问题、云端 LLM 处理退款等工具调用、高额退款转人工。基于 OpenAI gpt-5.4-mini 的 60 条消息实测显示，分层路由比只用云端专家便宜 1.9 倍、快 1.6 倍，55% 消息零成本处理，标注全部消息仅花 $0.07。项目支持 Mac、Windows 和 Linux，内置离线测试、答案缓存重放机制，并提供逐章 Notebook 和 Streamlit 演示应用。
推荐理由：给出实测的成本、延迟和准确率分层路由数据，读者可以参考这套便宜模型处理简单消息、云端大模型兜底的省成本思路。
GitHub 仓库 alexyyyander/prompt-injection-defense 提供一个无依赖的提示词注入筛查工具包，包含一份 SKILL.md 咨询性策略、保守的 Python 预检脚本、detect_injection 等 CLI 工具和测试套件，可被 Claude Code 作为项目本地策略自动发现。项目覆盖指令覆盖、角色劫持、权威冒充、间接注入、Base64 载荷走私等 12 类攻击信号，并通过 GitHub Actions 每日同步社区攻击报告。作者明确声明它不是完整安全边界，生产系统仍需指令/数据分离、最小权限工具、沙箱和高危操作的人工审批。
DeepSeek 开源高性能大规模推理框架 DeepInfer，采用 Apache-2.0 许可，仓库地址 https://github.com/deepseek-ai/DeepInfer。框架支持优化 kernel、模型与 sampler 运行时，包含 Attention DP、平衡 CP、MoE EP + EPLB 等并行方案，以及零开销异步批量调度、batch-invariant 推理、确定性采样和结构化输出。
推荐理由：原文列出了该推理框架的核心并行方案与调度特性，读者可以据此评估它在本地部署和大批量推理场景中的适用性。
GitHub 新开源的 enterprise-rag-engine 是一个企业级、隐私优先的 RAG 平台，可将非结构化业务文档转为可查询的智能知识库。系统采用 PostgreSQL 的 pgvector 扩展实现向量语义搜索，集成 Spring AI 与 Spring Boot 架构，并配备 JWT 安全和 Next.js App Router 前端。项目支持 Docker 容器化，可部署在 AWS EC2 或 Oracle Cloud VPS。
GitHub 用户 Harshita271105 开源了 DocuQuery，一个使用检索增强生成（RAG）的 AI 驱动 PDF 问答应用。仓库目前为初始状态，0 stars、0 forks，暂无 Releases 和 Contributors。
GitHub 开源仓库 IntelligentNetworkingLAB/evolvable-dl-platform 提供一个可在分布式边缘节点上用联邦学习构建领域模型的演进式深度学习平台。后端基于 PyTorch 运行 LoRA 适配器的 FedAvg 联邦学习（含分层量化与剪枝，CPU 即可运行），内置内容缓存、推理卸载和信道估计三个应用，训练中可触发数据分布偏移、节点加入、级联过载等事件，采用 Apache-2.0 许可证。
GitHub 新仓库 Divi5-ToolKit 发布，是首个面向 Divi 5 开发的 Claude Code 插件，基于 Claude 而非 GPT-3.5。它提供 10 条命令，可检测 Divi 版本、生成 Divi 5 兼容 CSS、搭建页面区块、审计 CSS 健康度、检查 WCAG 2.1 AA 无障碍性，并支持 9 种真实设备尺寸的响应式验证。插件适用于 Divi 5.13+，内置覆盖 20+ D5 原生模块的知识库，可通过 /divi5-toolkit:research 从上游 Divi 来源按需更新。
GitHub 新仓库 Java-RAG 用纯 Java 实现从 Document 到 Answer + Evidence 的完整 RAG 数据流，面向学习 RAG 内部机制或嵌入现有 Java 系统的开发者，无需 Spring Boot 等强制框架。仓库内置 React 三栏可视化 playground，默认模式完全本地运行、无需 API key 或模型下载，可通过 Ollama profile 换用本地大语言模型，兼容 Java 8，并包含 Redis、Elasticsearch、MinIO、MySQL 等基础组件。
GitHub 仓库 Schaefer42740/llama-terminal-completion 发布 LlamaTerm，一个用 Go 编写的终端 AI 助手，单二进制启动小于 100ms，可用 lt ask 提问、lt cmd 生成 shell 命令。支持 Ollama、LM Studio、llama.cpp、OpenAI、Azure OpenAI，内置多步工具循环的 lt agent、RAG 索引、命名角色与会话、MCP 服务器接入、结构化 JSON 输出和视觉输入，工具调用带确认、危险命令检测与审计日志。
RanchoTao 发布 MathForge，一个以“先验证、后宣布”为原则的研究型数学探索框架，支持人类研究者、语言模型与形式化证明助手协作，区分生成假设与已确立结果。目前该仓库为私有预发布状态，截至 2026-10-20 仅包含品牌资产、文档、经审阅的合成 CORE 源码及 CI 工作流（PR #1），未来 Core 计划采用 Apache-2.0 许可开源，但版权清理仍在进行中。
开发者 Vivek492005 在 GitHub 发布开源项目 STUDY-BUDDY，这是一个基于 Flask 的学生求职与科研一站式平台，集成 Google Gemini 并支持自动回退到 Groq 和 OpenRouter，结合 TF-IDF/BM25 检索与精选内容库。平台涵盖简历 ATS 评分、面试题库、DSA 练习、PDF 问答与文献综述生成等功能，核心特性免费且可完全关闭游戏化机制。
GitHub 新仓库 wtdrhy/Multi-Agent-Market-Research-Agent 发布，是一个基于 LangGraph 的 Supervisor（主管-工人）架构多智能体市场调研系统，输入行业主题即可自动完成任务拆解、多工人并行调研、质检补派并生成结构化 Markdown 报告。系统用 asyncio 并行执行，实测耗时约为串行的 1/3，质检补派最多 2 轮，可调用 Tavily 搜索、未配置 Key 时自动降级。技术栈为 DeepSeek（OpenAI 兼容接口）+ Python 3.10+，支持 Docker 部署与无密钥 CI 测试。
开源项目 Study-Assistant 是一个面向学习的 RAG 应用，可上传 PDF、TXT、MD 文件（最大 10 MB）或粘贴笔记，提问、生成测验或总结，答案只来自用户文档并附可点击引用和 PDF 页码。技术栈采用 FastAPI、SQLite、ChromaDB、all-MiniLM-L6-v2 嵌入和 Groq LLM（默认 openai/gpt-oss-20b），支持 JWT 认证，可通过 Docker 部署。
imlizhuowei 在 GitHub 发布 realgain，一个仅依赖 numpy 的轻量工具包，通过读取评估日志逐项分解自我改进 AI 系统保留改动的收益来源，区分任务噪声、运气、对选择任务的过拟合、LLM 评分偏差和 grader 访问，并输出 REAL、SCORE ONLY、LUCK、GRADER ACCESS 等判定。实测示例中 AFlow 公开日志的 30 个接受改动仅 8 个超出任务噪声且因无 held-out 任务不可核查，DGM 在 SWE-bench 的 89 个归档步骤仅 3 个超出噪声；模拟测试中误判 REAL 的比例不超过 2.2%，30 个 held-out 任务仅能发现 8% 的真实增益，100 个可达 71%。
推荐理由：原文给出真实日志上的判定示例和工具自身的误报率校准数据，读者可以据此检验自我改进系统的收益是否经得起独立核查。
BayesChat 是一款 iOS 17+ 私密 AI 聊天应用，支持 iPhone 和 iPad、22 种语言，数据全部留在本地。它通过 BYOK 接入 OpenAI、Anthropic、Google Gemini、OpenRouter 及任意 OpenAI 兼容端点和 Ollama、LM Studio、llama.cpp 等本地运行时，密钥存于 Keychain；支持经 Streamable HTTP 连接远程 MCP 服务器并逐个开关工具，预设可保存提示词、模型、参数、记忆与工具一键切换，长任务在后台经 iOS 26 continued-processing API 继续运行并显示在 Dynamic Island。
Nuclia frontend 仓库文档说明如何用 NVM、Node、Yarn 安装环境并通过 `yarn missdev` 安装 Pastanaga-angular 依赖。项目使用 nx 迁移工具更新依赖，并配置 npm harness 防供应链攻击，新包设两周最小年龄门槛，可用 `NX_SKIP_PROVENANCE_CHECK=true` 跳过 provenance 检查。文档还涵盖 Angular 模板诊断（NG8102/NG8107）、dashboard 本地运行（`nx serve dashboard`）及 search-widget 构建流程。
SabiRoute 是一个开源、自托管、本地优先的 AI 网关（版本 0.1.0，MIT 协议，alpha 阶段），为应用提供跨多个模型供应商的单一 OpenAI 兼容端点。它基于 LiteLLM 作为执行引擎，实现按请求类型（如 inline_completion、coding_agent）筛选候选、健康感知回退与冷却恢复、虚拟路由策略（ultimate、coding、research 等），并计划加入 API-key 生命周期、限流与预算治理。ML 辅助路由是未来规划，尚未实现。
hcd233 开源 Aris，一个面向个人大模型使用的 MaaS 聚合网关、数据治理与 Agent 调用链分析平台，采用 Go + Next.js，Apache 2.0 协议。它统一接入多平台模型与 API 协议，提供 OpenAI/Anthropic 兼容入口与跨协议翻译、模型别名、订阅账号 OAuth（Claude Code/Codex）、会话持久化与 ShareGPT JSONL 导出、调用审计与熔断限流，并通过 aris CLI 采集 Codex/Claude Code hook 事件重建可读调用链。
推荐理由：作者给出与 new-api、LiteLLM 等四个主流网关的逐项对比表，会话持久化与 SFT 导出等结构性差异可直接用于选型参考。
Apache APISIX 原创作者团队发布开源 AI 网关 AISIX OSS，以单个 OpenAI 兼容 API 统一代理 OpenAI、Anthropic、Bedrock、Vertex、Azure 等模型流量。网关为 Rust 单静态二进制，支持 SIGHUP 热重载、SSE 流式、六种路由与故障转移策略、语义路由、限流、护栏、缓存、MCP 与 A2A 网关、OIDC/JWT 认证及 Prometheus/OTLP 可观测性，Apache-2.0 协议，由 183 个端到端场景文件（496 用例）覆盖。
GitHub 上的 Awesome-AI-GitHub 榜单收录 20 个电商方向 AI Agent 与 Skills 开源项目。榜首 Graphify-Labs/graphify 获 129,397 星，可将代码库、文档、SQL schema 转为可查询知识图谱，并提供 Claude Code、Cursor、Codex 与 Gemini CLI 可用的 /graphify skill；apify-mcp-server 以 12,134 星居次，支持 AI 智能体通过数千个现成爬虫抓取社交、搜索与电商网站数据。
Novum Labs 是一家聚焦 AI 研究与开源软件的技术组织，方向涵盖 LLM 训练与评估、RAG 知识系统、智能体和全栈开发。其研究项目包括 Doubgate、LLM Research 以及探索语言模型用于量子力学、弦论和量子引力的 QuantumGPT，并强调可复现实验与开放协作。
GitHub 上的 hello-llm 项目是一份面向无开发基础用户的 LLM 使用指南，帮助把 ChatGPT、Claude 从简单问答用到专业水平。第 1 阶段通用指南已公开 1-7 章，Claude/ChatGPT、Claude Code/Codex、AI-SDLC 等阶段仍在准备中，后续还将提供带引导提示的实练环境。
D-sorganization 开源的 Bitnet_Launcher 是一个基于 PyQt6 的桌面 GUI，通过封装 llama-cli 在本地运行 BitNet 大语言模型。它提供模型发现、推理参数设置、逐 token 流式输出的内嵌聊天、Windows Terminal 启动、HuggingFace 目录中全部 16 个 BitNet 兼容模型的下载器，以及从 git clone、pip install 到 cmake 构建的引导式安装管理。
ArcfluxResearch 发布 Rust 编写的编码智能体监督工具 Dudes，当前为 pre-alpha 早期预览版。后台守护进程雇佣 Claude Code、Codex 或 Pi 等 CLI 智能体并分配角色，目标仅在守护进程自身运行的完成检查通过后才标记 Done，浏览器中的 3D 办公室 Floor 可查看各智能体状态；提供 macOS 与 Linux x86_64/arm64 预编译包，Windows 需自行构建。
Percolation Labs 在 GitHub 开源了 percolate，一套构建在 Postgres 之上的 AI 工作流引擎与 Agent 记忆系统，Agent、工作流、运行、文档及其图结构都以行的形式存储，运行轨迹可直接用 SQL 查询。
推荐理由：原文说明了把 Agent、工作流和运行轨迹全部落成 Postgres 行的设计，可直接查询运行轨迹，并给出安装与构建路径。
GitHub 开源工具 intent-galaxy 将一个模糊目标展开为 1 个中心论点、4 个对抗专家象限和 12 个思考节点，先发散暴露盲点，再通过键盘在约 1 分钟内收敛。零 LLM 纯函数编译器（约 1ms）生成确定性 LOCKED INTENT AST 并注入 Claude Code 或聊天框，支持 CLI、MCP 和浏览器扩展，可用 Claude Code、Codex、Gemini CLI 等 12 种 API，锁定文件 .intent.lock.json 采用 RFC 8785 JCS + SHA-256，并带 14 天 kill-gate 复盘门。
面向软件代理商和小型软件公司的开源项目管理工具 Lalabase 发布首个公开版本 2026.10.0，采用 AGPL-3.0 许可，可自托管或使用其德国云服务。它集成工单、时间跟踪、文档、会议记录和 AI 助手，AI 助手可基于项目数据并附带来源回答问题，还通过 MCP server 和 REST API 向其他工具开放数据。项目自 2024 年 10 月开发至今，已有超过 2,300 次提交和约 970 个 pull requests，自 2025 年 9 月起投入生产使用。
RevAI 是一个面向 REMnux 的 LLM 辅助恶意软件逆向工程流水线，采用确定性优先设计：Ghidra、capa、YARA、FLOSS 等工具产出证据包，OpenAI 兼容的 LLM 仅负责解读并生成报告，所有结论须可溯源到工具输出。它支持脚本化、LangGraph ReAct 智能体和 Web Console 三种运行模式，并提供可选的 WinRE 动态引爆做佐证。
开发者 Chacharin Lertyosbordin 发布 mcp-thai-proofread，一个让支持 MCP 的 AI agent（如 Hermes）直接校对并修正 Markdown 文件或文本中泰语拼写错误的 MCP server。它以 Docker 容器运行于 streamable HTTP 模式，通过 OpenAI-compatible endpoint（如 OpenRouter、vLLM 或 Ollama）调用 LLM，逐段送检并逐行核验结果，拒绝改动数字、URL、英文词和 Markdown 结构，写回前自动备份原文件并记录修改行；提供 proofread_thai（含 dry_run 模式）与 proofread_text 两个工具。
EUROPA Alignment 是一个可检查的开源评测框架，用相同的 16 个安全场景在 OpenEuroLLM 优先的 36 种语言上共生成 576 个测试项，支持 hosted API、Ollama 和 Hugging Face Transformers 推理。它采用确定性评分加独立命名 LLM judge（0–4 分），关键安全失败会封顶该项得分，并覆盖拒绝校准、隐私、公平性、prompt injection 和 Agentic 控制等维度。v0.1 为翻译审查试点，35 个语言包仍待母语者审核，不构成安全认证。
M0xoo 发布开源工具 wisp，可在后台运行 Claude Code、Codex、opencode、Cursor、Antigravity、Grok 等编码 Agent，完成后返回含 diff、测试结果和提交的动画式汇报而非完整会话记录。支持任务队列、ask_user 实时提问、每任务独立 git worktree、一键开 PR、子 Agent 团队、检查点回滚，以及自动按历史结果挑选 harness 和模型的 Auto 模式；通过 npx wisp-agents 或 npm install -g wisp-agents 安装，仅要求 Node.js 20+ 和至少一个已登录的 harness，采用 MIT 许可。
推荐理由：把多个编码 Agent 的冗长会话记录换成一份简短可视化汇报，并给出队列、worktree 和跨 harness 调度的完整做法，便于借鉴其工作流设计。
GitHub 开源项目 Beginner-Friendly-Ai-Vtuber 面向新手和非程序员，提供易搭建的 AI VTuber 方案。其使用 Whisper（base.en）做英文语音识别、Ollama（llama3.2）生成回复、Chatterbox Turbo TTS 实现零样本声音克隆，并集成 VTube Studio 控制、Twitch 聊天互动和 OBS 实时字幕。项目基于 Python 3.10.11，主要支持 CPU 用户，无需 AMD 或 NVIDIA GPU 也可运行。
GitHub 上的 progen 项目发布了一种供智能体思考与输出的英语方言，采用日语式“主题—述题”语法搭配英文词汇，目标是降低 token 成本。仓库提供语言规范、即用型提示词模板和离线验证工具，包含 progen parse、lint、syntax、prompt、check、db 等命令行工具，需 Python 3.10+ 且仅依赖标准库，采用 AGPL-3.0-or-later 许可证。
laffy-999 发布 Open Grammar 插件，在 Obsidian 1.14.4 和 Logseq 0.10.15 内用本地 Ollama 模型提供英语和德语拼写语法建议，不依赖云模型和外部检查服务，仅接受 loopback 地址并拒绝云端模型。默认模型为 qwen3.5:4b，在 63 段合成基准中修复 32/39 处错误且保留全部 24 个对照段落，约需 3 GiB GPU 显存或可回退 CPU 运行；正文还给出十余个候选模型的对比数据和保护链接、代码等笔记语法不被改动的实现细节。
推荐理由：README 附带 12 个候选模型在 63 段合成样本上的实测对比和筛选逻辑，读者可以照着按内存与语言需求选型复现。
GitHub 上的 football-career-sim 是一个以虚拟教练 Alex-Lamar Stone 为中心的循证式 NFL 主教练生涯模拟项目，从 2014 赛季早期休赛期按日历顺序推进。仓库分为 foundation、state、career、library、runtime 等目录，运行时游戏内核版本为 KERNEL_VERSION 2014.6，用户控制 Stone 的关键决策，模拟器按既定权威、时间线和"无后见之明"规则处理独立的足球世界。仓库验证用 `python scripts/validate_repository.py`，游戏就绪检查需在所有校准、规则和运行时要求解决后才可通过。
GitHub 开源项目 jaychang99/active-recall 是一个键盘优先的主动回忆学习工作站，支持导入 LLM 生成的题目批次（8 种核心题型+18 种扩展题型），用 ts-fsrs 实现间隔重复复习，并提供考试、逐轮笔记与统计功能。技术栈为 Next.js 16 + React 19 前端、NestJS 12 + Prisma 7 + MySQL 8 后端，使用 Auth.js 支持 Google 登录，可通过 Vercel Hobby + AWS Lambda + TiDB Cloud Starter 以约 $0/月 托管。