新闻、仓库与研究，按时间排列。
cyberkyd01 在 GitHub 发布 AI-Browser-Automation v1.6.0，一个运行在浏览器侧栏的 AI Agent 扩展，可连接 LM Studio、Ollama 本地模型或 OpenAI、Anthropic、Gemini、OpenRouter 等云 API，对当前页面执行阅读、点击、输入、填表等操作。v1.6 新增 Thinking 与工具开关控制，v1.5 加入跨聊天记忆与进度记录，v1.2 起任务在面板关闭后仍于后台继续运行；支持 Chrome、Chromium 系浏览器和 Firefox，需 Chrome 116+ 或 Firefox 128+，本地模型建议上下文至少 16k、理想 32k token。
开源项目 Ru-Agent 发布 0.1.1-preview.1，这是一个面向 Windows 的编程 agent，提供 WinUI 3 桌面应用和终端 TUI 两种界面，用户自带 API key 并可自选模型提供商，API key 存于 Windows Credential Manager。其编排本地运行但不含本地模型，支持读改文件、运行构建测试、web 搜索/抓取及 SKILL.md 可复用工作流。目前仅提供 Windows x64 Preview 安装包且未签名，尚无 Stable 版本，采用 MIT 许可证。
VBCreators 在 GitHub 开源了 open-enterprise-ai，这是一个企业级 AI harness，用于在团队中管理、安全保护和部署 AI 接入，支持任意 LLM 的 provider 无关配置。框架基于 pydantic-settings 实现集中式配置管理，启动时校验所有设置以快速失败；敏感值使用 pydantic.SecretStr 自动掩码，支持通过 /run/secrets 或 SECRETS_DIR 挂载密钥。生产环境下强制 DEBUG=False、SECRET_KEY 不少于 16 字符，否则启动报错。
maazbin 发布 JobPilot v3.2.0，一个无自带模型的 MCP 工具服务器，让 Grok、Codex、Claude、Gemini 等编码 Agent 作为大脑驱动 Gmail、LinkedIn Easy Apply、ATS 表单和 Connect 四个求职渠道。系统用 data/jobs.db 做跨运行去重，卡住的页面会保存截图和 HTML 并通过 PR 修复模块；Easy Apply 默认每日 50 次上限、到 80% 即停，提交间隔 90–240 秒。项目在 https://github.com/maazbin/jobpilot 开源，MIT 协议，Indeed 无表单人机检查和 Lever 上的 hCaptcha 仍是未解问题。
推荐理由：原文给出完整的架构分工、四渠道投递流程和已知未解问题清单，读者可以据此判断这个 MCP 求职工具的适用范围。
GitHub 仓库 Tensa 发布 v0.1.0 技术文档，这是一个个人 AI 秘书项目，支持桌面与 Android 多节点同步，可结合本地与云端 LLM 处理文档、邮件、日历和 Telegram。项目遵循 Privacy-first 原则，采用本地模型与 Tailscale，内置 ApprovalStore 与应用白名单，当前阶段开源，开发由 GLM 5.3 在架构指导下完成。
GitHub 仓库 Jessie-QingYu/jev-in-the-wild 汇总了 TypeSafe AI 的 System One 模型 Jev 的真实用例、开源项目、基准测试和批评，共 429 条条目，其中 213 条来自 Reddit、Hacker News、YouTube 和博客等 GitHub 之外渠道。仓库包含 255 个开源项目、61 个实测用例、91 条分析批评，并设有专门展示 Jev 失败案例的板块，如 24 小时期货模拟交易亏损 3.15% 的实测记录；数据源为 data/entries.json，每周期更新，声明与 TypeSafe AI 无关联。
推荐理由：这份清单把负面结果和批评单独列出，并强调条目以实测数据为准，读者可借此了解 Jev 生态里哪些用法真正被验证过。
slavabars 在 GitHub 发布开源项目 decision-cascade，一个本地运行的机器原生决策引擎，不生成文本而是让 state 经编码器后由 Noul、Choice、Score 三类决策头返回带置信度的类型化概率结果，无 token 生成、延迟确定。支持 SFT 训练与 RLCD 校准（GRPO 式），内置 ECE/Brier 校准、延迟剖析与级联路由：本地头部先答，低置信度问题按阈值或错误预算升级到外部 SystemOne 兼容服务（如 Cloudflare Clef、Perplexity Decider）。
推荐理由：仓库给出从 SFT 训练、ECE/Brier 校准到延迟剖析的完整闭环和诚实数字，适合想本地化决策引擎的读者参考其评测方法。
Corum Harness 基于 DeepSeek Harness 运行时内核发布开源 Agent 产品发行版，含 dsh 内核、Electron 桌面层、38 个插件与默认配置，当前版本 0.1.0，采用 Apache-2.0 许可。核心能力包括多 Agent 编排、指挥模式、MCP 集成、记忆底座、Ollama 本地模型与文生图，编程工作台为最先落地场景；项目模式已迁出为独立闭源仓，开源仓库只保留任务模式，打包链路目前面向 macOS（Apple Silicon）。
一项 arXiv 研究提出评估框架，检验 LLM 智能体生成的偏好能否作为医疗运营多目标优化的权重。实验显示，显式偏好会随诊所运营条件和角色不同而变化，但智能体间商议可能抹平差异，简单平均则可保留；隐式偏好则高度依赖选项呈现顺序。基于偏好不确定性的鲁棒加权求和优化模型在多数情况下会选出与平均权重不同的排程或配置，表明 LLM 偏好在用作优化权重前需经此类审计。
研究者提出 SIT-Eval，一个可调节的对话智能体评测框架：每轮由 LLM-interlocutor 扮演随机抽取的情境，由情境感知的 LLM-judge 依据适用规则评判回复。对 8 个 LLM、1292 轮对话的评测发现，总体分数相近的模型在各条规则遵循度上差异很大，所有模型在澄清歧义和苏格拉底式提问上表现最差。
论文提出 MARS，一种记忆感知路由框架，通过 Query and Topic Manager（QTM）估计会话状态，统一指导记忆构建策略和在线模型选择。在 RealMem 上，MARS 以 14.5% 的生成 API 成本保留了全上下文 GPT-4o QA 性能的 98.2%，并在对比系统中取得最强的记忆召回和检索分数；在 MultiChallenge 上整体略逊于最强静态系统，但在机制导向子集上以更低成本接近其表现。
推荐理由：论文给出记忆构建与模型路由的统一框架，并报告了在质量与成本间的具体权衡数据，可作为长程助手系统设计的参考。
SkillBrowser 是一个由 Meta-Skill 管理的框架，让 LLM 智能体识别当前能力需求、生成针对性查询并按需选择性加载技能。在 SRA-Bench 六个子集和五个 LLM 上，其总体准确率超过静态检索和 LLM 选择基线，涵盖多步工具使用，并缓解已可解题目的准确率下降。收益仍依赖模型与任务，主要局限是有用技能调用不足和额外延迟。
一篇 arXiv 论文提出推理引导的偏好强化学习（PbRL）框架，从轨迹级反馈中学习人类奖励模型。该框架在偏好标签之外引入解释偏好原因的 reason tags，为学习与人类对齐的奖励提供额外监督，并提升策略可解释性。学习到的人类奖励与环境奖励结合用于策略优化，使智能体在提升任务表现的同时产生更可解释、更符合人类偏好的行为。
研究者发布 EduWild 数据集，包含 217 个教师配置聊天机器人的 1,726 段对话，并建立 29 类失败分类法。分析显示最常见问题是未遵循教师意图：53.8% 的终端用户对话跳过必需流程步骤，37.1% 出现信息过载。基于此设计的提示词修复方案在 200 名大学生的实验中，将目标失败数从 1.406 降至 0.489，相对减少 65.2%。
FouHe0720 发布开源仓库 2d-to-3d-cadgenbench，在 Windows 本机上用原版或改进版 2d-to-3d 插件加自选 Agent，从 PNG 工程图生成 Fusion 模型并打包成可上传 CADGenBenken 官网评分的 ZIP，只运行 49 道 generation 题。提供当前会话模式和 CLI 批跑（默认 Codex CLI + gpt-6.1-sol/high，每题预算 1800 秒），支持断点续跑、换插件和换 Agent，并附 2026-10-16 官网榜单快照：已验证第一名 build123d-mcp 0.3.85 + Claude Opus 5.5 得分 0.8690。
GitHub 开源仓库 dsh-tool-antigravity v0.4.1 发布，为 DeepSeek Harness（DSH）提供 Google OAuth 2.0 PKCE 私有认证、google-antigravity 多模型路由及 Nano Banana 2 会话内图像生成与多轮编辑。新版新增工具调用 ID 恢复、瞬时网络错误最多 3 次指数退避重试（1s/2s/4s）及 thought signature 加固，支持 Gemini 3.8/3.7/3.6 Flash、Gemini 3.1 Pro、Claude Sonnet 4.6、Claude Opus 4.6、GPT-OSS 120B，并内置 Web 设置面板与 5 小时/每周配额可视化。
Lenarys Analytics 发布 Moodle 本地插件 local_la，用于构建、管理和交付报表分析。插件提供报表与应用库、受众控制、定时导出、审计日志、学习时长跟踪，并可通过 Moodle AI 子系统生成报表定义。main 分支支持 Moodle 5.0–5.2，免费许可含 30 天试用，Core、Pro（Edu）和 Max（ORG）为付费计划。
GitHub 新仓库 meridian 开源了一套混合 RAG 管线，文档按结构分块后用 Voyage AI 稠密嵌入和 BM25 稀疏检索双路召回，经 RRF 融合与 MMR（λ=0.7）重排，再由 Claude 生成带引用的答案。作者用评测框架在 290 个查询、359 个 chunk 上做消融：Hybrid + MMR 达 nDCG@10 0.973，top 10 去重后文档数从 7.0 提升到 8.2；而集群路由会降低精度（m=1 损失约 0.035），已默认关闭。
LocalIntent 是一种面向本地部署 LLM 的结果导向提示方法，将请求分流到普通命令分支或持久规则分支，并进行确定性校验。在 2B-9B 参数的 Gemma 和 Qwen 模型上测试，规则生成方面意图理解从 26.4% 提升至 80.6%，规则模式正确率从 49.1% 提升至 98.6%；非持久请求的提升较小，意图理解从 39.6% 升至 53.2%。该方法整体优于 Monolithic 和通用两阶段提示，但澄清/模式正确率仍依赖具体模型。
Reflection 在 Hugging Face 发布开源模型 Beam，采用 MoE 架构，总参数 501.3B、激活 23.4B，支持 1M token 上下文，提供 BF16、FP8 和 NVFP4 三种数值格式。官方称其推理 token 用量约为同类领先开源模型的 1/3，并给出 SWE Bench Pro v1 66.1%、AIME 2026 97.7%、GPQA Diamond 90.6% 等基准成绩，主打 agentic 工具调用、编码与推理能力。
同一新闻，精选展示《Reflection 发布开源 MoE 模型 Beam 501B，Hugging Face 提供推理与训练全流程支持》
Munin是一个开源自托管科研助手框架，可索引研究组文献库和引用图谱，并把任意开放权重模型包装成带阅读、检索和计算工具的智能体。在199组配对文献问题上，框架将基座模型准确率从0.387提升到0.874，而朴素检索式回答在所有测试骨干模型上均低于无辅助模型；移除来源论文后系统在约九成问题上放弃作答，300条伪造引用中未产生虚构的本地引用；断网状态下两个Qwen骨干模型仍超过已发表的PaperQA2准确率，其中gpt-oss-20b可在单张消费级GPU上运行。
QD-Rec 是一种质量-多样性（quality-diversity）推荐方法，将开放式搜索范式引入决策场景：用 contextual bandit 选择物品，由基础模型基于档案中的已有假设生成新的自然语言理由，新的推荐只有在足够新颖或优于最近邻时才进入档案。在并购、客户定向以及论文和图书推荐等任务上，QD-Rec 在多数设置中取得最高平均质量并构建出最大的档案。
Reflection 新实验室的首个模型 Beam 在 Hugging Face 开源，为 501B 参数 MoE（每 token 激活 23B），支持 1M token 上下文，采用 Apache 2.0 许可，主打编码与智能体场景。提供 BF16、FP8、NVFP4 三种检查点，transformers、vLLM、SGLang 均已 day-0 支持，并附 LoRA SFT 与 Miles GRPO 训练配方；Hub 上分享用 Beam 构建的项目可竞争 10,000 美元额度。
推荐理由：官方博客给出架构细节、三档精度的实测跑分和从推理到 SFT、RL 的完整部署与训练配方，便于评估上手成本。
Reflection 首个开放权重模型 Beam 于10月16日发布，Ollama 作为 day-zero 合作伙伴限时免费提供，Beam 端点全程零数据保留（ZDR）。Beam 是 MoE 模型，总参数约501B、每 token 激活23B，上下文窗口100万 token，采用 Apache 2.0 许可，面向软件工程、推理和长程 Agent 任务，可通过 ollama run beam:cloud 或 Claude Code、Codex、OpenCode 调用。
推荐理由：官方公告同时给出与 Kimi K3、GLM 5.3 等模型的 Agent Coding 跑分对照表，读者可直接比较 Beam 在各编码基准上的位置。
FlossWare 的 loom-ai 仓库定义了构建在语言中立 Loom 协议之上的 AI 领域契约与语义，涵盖 Intent、Worker、Arbiter 及模型相关契约，具体 Python 实现归 loom-ai-python 仓库。该仓库保持模型提供方中立，Provider SDK、凭证、模型路由、缓存与评测等能力保持独立，语言实现须可替换且不改变契约含义，并遵循 ADR-0024 的仓库分层规范。
joe064507-source 的 local-llm-speedsup 发布 2.0.0，提供本地大模型推理与多智能体优化的工程流程和参考实现，包含推理服务器、请求队列、资源感知 agent worker 和 Web 应用四部分。新版本加入 exact-head SSD overflow、reasoning replay、24-slot 弹性 worker 调度、按需内存借用与持久化遥测等改进，并附完整技术审查记录、回归测试与被否决实验，提供 Apple Silicon 与 Windows/Linux 可安装 ZIP skill。
ignite-corp 发布 ai-dev-pr-review 仓库，提供可复用 GitHub Actions workflow，由 Claude、Codex、Gemini 三个 LLM 并行或串行评审 pull request，通过内联评论、去重和基于规则的聚合给出统一结论。需要配置 OPENAI_API_KEY、GOOGLE_AI_API_KEY，以及 CLAUDE_CODE_OAUTH_TOKEN 或 ANTHROPIC_API_KEY 之一；仓库默认 @v1 浮动标签供消费者引用。
GhanaOpenAI 发布 gloss-mt，基于 google/gemma-4-E4B-it（4B 参数）做 LoRA 微调，让模型通过 lookup_twi_translation 工具查询 478,822 条离线英→Twi 词典后再推理翻译。训练数据含 15,134 条带工具调用的样本，配套数据集、微调与评测脚本及部署运行时已开源，支持 transformers 与 vLLM，并提供 Hugging Face Spaces 在线演示。
GitHub 开源项目 tau-agent 是一个独立的 LLM 智能体 harness，支持 Hermès、Claude Code 及兼容 runtime，用于验证智能体完整轨迹（LLM → 工具调用 → 结果 → 决策 → 终态）而非仅最终文本。它提供确定性 replay、负向 mutations、mutation matrix 与 compare_agents.py 多智能体对比，并以 mission_gate.py 串联轨迹验证、replay 和 Tau 门三级检查。整个轨迹通过单次 solve 合成，点修订由 Tau 合并可满足的命题并拒绝矛盾命题，实测两次调用的会话修订约 0.2 s。
开源 MCP 服务器 predictive-maintenance-mcp 可将 LLM 变成面向可靠性工程师的振动诊断助手，核心规则是“拒绝猜测”：故障判定必须匹配频谱证据，严重度引用 ISO 20816-3，报告措辞由服务器而非模型生成。它提供 41 个本地 MCP 端点（38 工具 + 3 prompts），支持生成 HTML 诊断报告、从设备手册提取参数、训练异常检测器，并附带 20 个示例信号；另有含 8 个诊断技能的 Claude Code 插件，数据不出本地基础设施。
Briefstamp（原 FlowProof）把客户需求转化为经批准的浏览器检查项和交付证明报告，由 Playwright 观察实际网站并生成带证据的审计记录。CI 测试中健康、损坏、恢复三种场景的通过/失败结果均有记录，集成 Gemma、Mastra、Tinker、Tiger Data、Sentry 等服务并提供验证凭据。项目为 Week 2 参赛作品，已于 10 月 16 日发布并附 AI 辅助披露。
Oatelauser 在 GitHub 发布 crosschat，一支无状态 Node.js CLI，让 Claude Code 与 Codex CLI 会话像同事一样互发消息，消息直注运行中的会话且零轮询。支持同机直连、--via ssh 跨机互聊（win↔linux）以及 tcp 星型 broker 三段寻址 tcp:<星>:<机器>:<会话>；信封自带回复命令，对方 agent 照抄即回，忙时进发件箱由看门狗自动重投。依赖 Node ≥ 22，Windows 稳定、Linux/WSL 为 experimental（1.3.0 起），npm i -g @oatelauser/crosschat 一行安装，灵感与部分模块来自 macOS-only 的 embassy 项目。
推荐理由：README 给出单机、ssh 跨机、tcp 星型三种通信形态的完整命令与实测对话，可直接照抄部署复用。
nevermore 是一个纯 C 实现的终端交互式编码 Agent，支持 Charm Hyper、Ollama（本地与云端）、OpenAI、OpenRouter、OpenCode Go 与 Zen 等模型服务，具备读写与搜索文件、运行命令及通过本地 SearXNG 联网搜索的 agent 循环。项目为 portty 终端的一等公民，支持 kitty 键盘协议与 sixel 图片，目前处于 Pre-alpha 阶段，提供 macOS（Apple Silicon）和 Windows（x86_64）便携 ZIP，Linux 需从源码构建。
avirtual 在 GitHub 发布 Clodex，一个把 Claude Code 和 Codex 会话作为终端运行的编码智能体集群会话管理器，采用 Apache 2.0 许可。它在会话外加了三层：显示每个会话状态、上下文填充和待处理权限对话框的侧边栏，让智能体通过 [agent:dm]、[agent:spawn] 等文本意图互相协调的 IPC 消息总线，以及把其他机器的会话并入同一集群的 peer wire。同一引擎可作为 macOS 桌面应用运行，也可在 Linux 上以 systemd 用户单元无头运行，clodexctl 以 kubectl 风格的命令管理会话和部署节点；wirescope 代理提供每轮 token 与成本遥测，团队模式支持角色工单和自动测试评审门禁。
推荐理由：原文给出了会话状态、IPC 消息总线和跨机 peer 的完整机制说明，读者可以据此判断这套多智能体编码会话管理是否适配自己的工作流。
一项新研究提出免训练的修复层 SchemaShield-Lite，结合 schema 验证、候选集重试和一次性约束修复，提升 LLM 智能体在接口漂移下的函数调用鲁棒性。在 Qwen3.5-9B 上，该方法将 DICE-300 准确率从 0.717 提升至 0.813，BFCL-200 从 0.580 提升至 0.805，分别恢复 19/22 和 33/45 个漂移导致的失败，且未观察到修复副作用。消融实验显示候选集漂移（尤其是干扰工具）是主要损害来源。
研究者提出 AgentOnto，一个本体引导的 LLM 智能体，将数据库、业务文档与既有示例任务中的异构企业知识组织成本体，用于直接引导分析并吸收已确认的反馈，还能通过自生成分析任务迭代优化本体。在两个公开数据源上，AgentOnto 显著优于代表性方法，模块级评估验证了本体构建、分析与更新各环节的有效性，实际企业部署也展示了其实用价值。
开源 AEC 平台 BuildWise v2 发布，将生成式建筑设计（Blueprint Studio）与确定性建筑规范合规审查整合为一体。平台支持自然语言生成可编辑的 2D/3D BIM 草图（Konva 画布与 Three.js），合规判定由纯 Python 几何规则引擎完成，不依赖 LLM 猜测，引用条款记录在 Neo4j 知识图谱中。可导出 IFC、DXF、PDF、SVG 和 GeoJSON 等格式。
开源仓库 ai-commercial-proposal-assistant 从自由文本客户需求中抽取项目参数，用确定性 Python 业务规则计价，并通过 python-docx 生成结构化商业提案，全程保留人工审核环节，不自动发送任何文件。评测显示正则抽取器在干净集上 87.5%、脏数据集上 45.5%，而经 Ollama 的 gpt-oss:120b-cloud 达到 100% 和 95.5%（平均 3.3 秒），LLM 还正确忽略了嵌入的 prompt injection 指令；qwen2.5:3b 在纯 CPU 上单次需 4-5 分钟，被判定不可行。
pyatkoff 开源 max-search-bot，这是一个运行在 MAX 上的跟团游搜索生产机器人，支持 AI 辅助参数收集、按钮流程、Yandex 流量归因、线索捕获、跟进和基于 Tourvisor 路由缓存的推荐。代码以 webhook.php 为薄入口，逻辑拆分为多个 handler 与 service，测试包含 run_regression.php 和 run_conversation_regression.php 两套回归套件，推送 main 后经 GitHub Actions 自动部署到生产并发布诊断快照。
GitHub 开源仓库 dsh-crew 发布 0.1.0-rc.11 版，这是 DeepSeek Harness（DSH）的插件，可把工作分发为 Claude Code、Codex、Antigravity 和 Grok 中的原生子智能体，宿主保留自己的模型与进度 UI。worker 分 flash/pro 两档（对应 DeepSeek V4 Flash 和 V4 Pro），支持失败升级重试、worker 嵌套深度上限 3、工作区占用锁与 jobs 面板；因 DeepSeek 模型仅支持文本，视觉优先调用 deepseek-v4-flash-vision-exp，失败时回退到已配置的 CLI。可通过 npm 的 @zseven-w/dsh-crew 一键安装。