新闻、仓库与研究，按时间排列。
awaku7 发布 llmcapa，一个基于 Python 标准库、默认离线运行的模型能力查询库，内置 OpenAI、Anthropic、Google、Meta、Mistral、Qwen、DeepSeek、xAI 等厂商及 Ollama（1,656 个模型）、HuggingFace（2,904 个热门模型）的能力数据。支持自动解析模型别名、查询上下文窗口与多模态等特性、估算 token 数和 API 成本、检查模型能否安全替换，并提供 CLI；可选按需从 OpenRouter、HuggingFace 或 GitHub 目录刷新数据。项目采用 Apache License 2.0，仓库地址 https://github.com/awaku7/llmcapa。
推荐理由：这个离线查询库内置了数千个模型的上下文窗口、模态和功能支持数据，还提供模型替换检查和成本估算，可直接装进现有工作流。
Optimatech Labs 在 GitHub 发布 feel-smart-llm，用单个 Python 文件加 numpy 从零实现大语言模型的注意力、损失与手写反向传播，无云端、无 API、无 PyTorch，仅依赖 numpy。模型约 10,689 参数，在文件内段落上训练 4000 轮约需 30 秒（Apple M4 Pro），支持 --text 训练自定义文本、保存加载权重、held-out 损失和温度采样，另有 JavaScript 移植版可在浏览器本地运行。2026 年 10 月更新修复了反向传播中 Wo 梯度用错输入、嵌入梯度经 Wo 重复流回两处错误，新增有限差分梯度检查（--check）、按全局范数的梯度裁剪、单元测试，MIT 许可。
推荐理由：作者用单文件 Python 实现完整 LLM 训练，并给出梯度检查发现反向传播错误、修复前后损失对比和过拟合实测数据，可作理解训练原理的动手材料。
youkiti 开源的 sr-data-extraction-plugin 是一款 MIT 许可的 Chrome 扩展，v0.1.0 已于 2026-07-12 在 Chrome 应用商店公开，用于辅助系统性综述（SR）的数据抽取。AI 从 Google Drive 上的论文 PDF 按抽取 schema 提取数据并附 verbatim quote 原文依据，研究者在 PDF.js 查看器中目视核验后判定，最终导出 CSV。该扩展采用无服务器架构，数据仅经用户 Google Drive 与 BYOK 自备密钥的 LLM API（Gemini、Anthropic、OpenRouter、OpenAI 兼容接口，含本地 LLM）流通。
Gogeta70 基于 heretic-gguf 对 ukisai/Swift-1.5-Qwen3.8-27B-GSQ-RCO-GGUF 做 abliteration，发布可去除审查的 LoRA 适配器，适用于基于 Qwen 3.8 27B 的 Swift 1.5 模型。Heretic 报告拒绝率为 16%、KL Divergence 为 0.3059，作者自测未发现拒绝行为。该适配器会移除基座模型内置的安全护栏，使用风险由用户自行承担。
LangChain 是一个用于构建智能体和 LLM 应用的框架，通过可互操作的组件与第三方集成简化 AI 应用开发。其生态包括 Deep Agents、LangGraph、LangSmith 与 LangChain.js，提供模型、嵌入向量、向量存储的统一接口，支持实时数据增强、模型互换和快速原型开发。
Caedos 发布了面向 AI Agent 的常驻运行时预 1.0 版，产品闭源但仓库提供 Windows、macOS 和 Linux 构建的发布与安装脚本。Agent 通过 MCP（如 Claude Code）编写名为 synth 的 30 到 60 行配置，Caedos 按触发器以 LOAD、OBSERVE、FILTER、REASON、ACT、SAVE 六阶段运行，无变化时不调用模型、零成本。
GitHub 上的开源项目 Argumend 将争议话题转化为结构化的论证图谱，展示立场、证据、关键争议点、谬误与置信度，目标是让分歧清晰可推理而非强求一致。项目基于 Next.js 16、React 19 和 React Flow 构建，默认离线运行且无需 API 密钥或数据库，可选启用由 Anthropic、OpenAI、Google SDK 支持的实时 AI 分析、辩论生成与评判功能。
sparkdoc 在 GitHub 发布 Layerwise Function Anchoring（LFA）工具，通过估计各子模块隐状态分布 p(h) 并在微调时惩罚输出偏移，使模型适配新领域的同时不依赖旧数据回放或权重冻结来保留原有能力。工具完全本地运行于单张 CUDA 卡，无需 API key，为 Qwen3-0.6B 和 Qwen3-1.7B 提供预计算 artifact（132 MB / 265 MB，经哈希校验下载），输出可直接用 AutoModelForCausalLM.from_pretrained 加载的 Hugging Face checkpoint。
推荐理由：原文给出完整命令流程和双轴评测数据，还用对照实验区分锚定效果与训练剂量，读者可按需复现到自己的语料。
AI-Shifu 是面向创作者、讲师和企业培训团队的开源一对一教学智能体，由 AI-Shifu 团队与哈尔滨工业大学智能软件工程研究中心开发。用户只需提供一次专业知识与教学意图，系统即可生成个性化学习路径、互动问答、测评与反馈闭环，并支持嵌入网站、课程平台和企业培训门户。项目提供 Docker 自部署方案，需自行配置 LLM provider API key 与 LLM_MODEL_1_ID（无默认值）。
Eugene Plexus 发布 v0.1.0，这是一个自托管的本地 LLM 推理控制面，可安装、更新并监督 llama.cpp、vLLM 和 MLX 推理引擎，管理本地模型库，并暴露 OpenAI 兼容与 Anthropic Messages 端点。该版本以 OpenAPI 3.1 契约定义六个组件（agent、control、gateway、inference-driver、library、ui）间的接口，消费者通过固定 SHA 的 codegen 依赖契约。原文列出了真实硬件上的验证项（副本均衡、故障转移、空闲卸载、工具调用、双机多主机部署等）与已知缺陷，包括登录限流器可被请求头驱动的预认证缺陷、AMD/Intel GPU 的 Windows 机器被误判为无 GPU、一键运行路径的量化适配数值可能偏小等。
推荐理由：原文给出实测硬件验证清单、已知缺陷和未验证项，读者可据此判断这个本地推理控制面当前能做什么、不能做什么。
monaccode 开源了 Astromesh，一个用于构建和运行 AI 智能体的 runtime 平台，定位为“AI 智能体的 Kubernetes”。它以声明式配置提供多模型路由（支持 Ollama、vLLM、HuggingFace TGI 等）、ReAct、Plan & Execute 等编排模式、多层记忆系统、完整 RAG 管线、18 个内置工具与 MCP 支持，并内置零配置可观测性栈和 WhatsApp 消息集成。
0-CYBERDYNE-SYSTEMS-0 发布开源项目 FFT_nano，一个本地优先的农场 Agent，可在 Raspberry Pi、备用机器或自有服务器上运行，通过 Telegram 或 WhatsApp 收发消息，自带持久记忆、设备控制与任务调度，支持 OpenAI、Anthropic、Gemini、OpenRouter、Ollama、LM Studio 等模型提供方。项目无需订阅、不强制云端，日志和记忆保留在本机（MIT 许可），README 给出完整安装脚本、onboarding 流程、TUI/Web 控制台、ACP 接入、心跳任务与安全模型等细节。
推荐理由：README 完整给出了安装流程、多模型接入和持久记忆的配置方式，是想自托管消息 Agent 时的可参考部署样本。
GitHub 开源工具 prompt-drift 通过文件名词干配对提示词与评估文件（如 prompts/summarizer.prompt 对应 evals/test_summarizer.py），检测提示词更新而评估滞后的漂移。工具用 Python 3.10+ 编写，可输出高严重级的 unEval'd_prompt、低级 orphan_eval、中级 orphan_prompt 等四类发现，支持终端与 --json 输出及 CI 退出码。尚未发布到 PyPI，需从仓库直接安装，语义比较和 SARIF 输出仍在路线图中。
nio-labs 在 GitHub 开源了 NioAI，一个用 Rust 编写的终端 AI 编码 Agent，MIT 协议，启动低于 10ms，内存占用约 20MB，零运行时依赖。支持 10 个内置人格预设（BFF、Partner、Ex 等）和自定义名称、性别与行为规则，兼容 OpenRouter、Groq、Claude、Ollama 等 OpenAI 兼容 provider 并自动故障转移，提供原子撤销、消息队列、19 个可选插件（SQLite、DuckDB、PDF OCR 等）与 GitHub 技能扩展，零遥测、凭据与会话全部保留本地。
Kortix 发布开源自托管 AI Operating System，将智能体、技能、公司记忆和连接器全部放在一个可版本化、可 diff 的 git 仓库中，定位为 Claude Cowork 和 ChatGPT Work 的开源替代。每个会话运行在隔离的云端 Linux 沙箱和独立分支上，产出通过人工审批的 change request 合入 main；支持任意模型提供商与自有 API key，可在自有 VPC 或本地网络自托管，也可用 Kortix Cloud（$40/seat/mo + usage）。安装仅需三条命令：curl 安装 CLI、kortix init 脚手架、kortix ship 上线。
推荐理由：原文给出了与 Claude Cowork、ChatGPT Work 的闭源对比表和自托管路径，团队可据此评估私有化智能体平台的选型。
Mas-Inx 在 GitHub 发布开源 AI 视频编辑器 Lumen，定位于 CapCut、Filmora 和 Descript 的开源替代。每次剪辑都是类型化命令，AI 获得 100 多个工具，可查看导出级渲染帧、缩略图和音频响度；Copilot 支持 Claude Code、Codex、各家 API 或本地模型，Lumen 同时是 MCP 服务器，任意 Agent 可驱动。软件本地优先，媒体不上传，Whisper 转写在本地 GPU 运行，无需账号、无水印、无遥测，目前提供 Windows 版本。
推荐理由：开源 AI 视频编辑器把每次剪辑做成类型化命令并开放 100 多个工具，AI 与人共享同一套编辑能力，可作为 Agent 驱动桌面软件的可迁移范式。
GitHub 开源项目 USB-Harness 将 DeepSeek Harness（dsh）的 AI 能力打包进 U 盘，免安装、零宿主机污染、数据随盘。完整包约 137MB，内置便携 Node.js 22.23.2 与 @deepseek-ai/dsh 0.1.1-rc.1，支持 Ollama、阿里云百炼、OpenRouter 等 OpenAI 兼容网关，默认监听 0.0.0.0:3080，并适配中国镜像与离线安装；NTFS/exFAT/FAT32 均可运行。
smol-machines 开源了 smolvm，一个面向 AI Agent 的可分支 microVM 运行时，可将轻量虚拟机嵌入软件、便携开发环境和本地沙箱，支持 macOS、Linux 和 Windows。每个工作负载运行在硬件虚拟化、拥有独立内核的 VM 中，启动不到 200ms，内存经 virtio balloon 弹性分配，默认 4 vCPU 和 8 GiB RAM。支持检查点保存 RAM、CPU 状态和磁盘，可从运行中机器创建 copy-on-write 分支，检查点可在 arm64 Mac 与 arm64 Linux 间迁移；机器可打包为单个 .smolmachine 文件推送到 OCI registry。
推荐理由：原文给出 smolvm 与容器、QEMU、Firecracker 等方案的启动时间和架构对比，可据此评估它是否适合本地沙箱场景。
ScribeDog 发布，一款 MIT 协议开源的所见即所得 Markdown 笔记编辑器，文件以纯 .md 形式存放在用户自选文件夹，无账号、无遥测。可选 AI 默认走本地模型，支持 Ollama、Jan.ai 和 LM Studio 开箱即用，可改写文本、基于笔记知识库回答问题并跨文件提出编辑；语音输入用 whisper.cpp 完全离线运行，也支持 OpenAI、Anthropic、Mistral 等自带 API key 的云端方案。提供桌面版与 Docker 自托管 Server Edition，支持多用户共享 vault 与编辑合并，可导入 Word、PDF、HTML 并导出 PDF、DOCX 等格式。项目地址 https://github.com/snooky234/scribedog。
推荐理由：开源笔记编辑器把本地 AI 写作、知识库问答和自托管方案整合在一起，并说明了隐私与模型配置的具体做法。
开源项目 Daari 发布 v1.4.0，定位为本地优先的执行路由器而非代理，将 Cursor、Claude Code 及任何 OpenAI 兼容客户端路由到本地层级，减少为重复工作支付前沿 API 费用。路由链为 L0 精确缓存、L1 语义缓存、L2 规则、CLI 工具、L3-L5 本地模型（Ollama 或 MLX）、L6 前沿 API，并按置信度升级；支持 on-device 学习（MLX LoRA 微调）、用量账本与节省估算、MCP server，采用 Apache 2.0 许可。安装：pip install daari，服务监听 http://127.0.0.1:11435，仓库 https://github.com/naveenreddyalka/daari。
开源项目 Abject（Fire★ 的继任者）发布，定位为自感知对象运行时与"草计算"平台：对象通过消息总线通信，仅在需要协商、生成对象时调用 LLM，普通消息不经 LLM、快速且确定。它用 Ask Protocol 让 Abject 互问自然语言协议，错误率超 10% 触发自愈代理重生，不可信代码运行在 WASM 沙箱，目标与 TupleSpace 以 CRDT 经加密 WebRTC 跨机同步、无中心服务器。
gmickel 在 GitHub 开源 GNO，一个本地知识引擎，可对 Markdown、代码、PDF、Office 文档及导出的邮件、日历、转录建立统一索引，提供 BM25、向量与混合检索，答案带可溯源引用，通过 CLI、Web UI、REST API、TypeScript SDK 和 MCP 接入 10 个 AI 客户端。其 Context Capsules 在 48 个配对基准任务上减少 48.94% 检索调用、44.12% 模型可见上下文并保持 100% 任务准确率；默认嵌入模型为 Qwen3-Embedding-0.6B-GGUF，MIT 许可、无遥测、无需 GPU 或账号，当前版本 v2.9.1。
NVIDIA Model Optimizer（ModelOpt）是集量化、剪枝、NAS、蒸馏、投机解码与稀疏化于一体的模型优化库，支持 Hugging Face、PyTorch 和 ONNX 输入，可导出至 SGLang、TensorRT-LLM、vLLM 等推理框架。近期 Qwen3.6-35B-A3B 的 NVFP4 W4A4 量化实现最高 1.30x vLLM 吞吐提升和 3.1x 更小的 checkpoint，Nemotron 3 Ultra（550B）量化后推理吞吐较 GLM-5.1 754B FP4 高达 5.9 倍。该库已开源，支持 FP8 与 NVFP4。
llm-d 是一个构建在 vLLM、SGLang 和 Kubernetes 之上的高性能分布式推理服务栈，现为 CNCF 沙箱项目，由 Red Hat、Google Cloud、IBM Research、CoreWeave 和 NVIDIA 创立。
作者用 Claude Opus 5.5 在 Claude Code 中写剧本、规划 124 个镜头并驱动渲染，通过自托管创意工作站 Local AI Studio 在单张 RTX 4080 SUPER 上生成了一部 12 分钟科幻短片，全程无实拍或素材授权。管线包括 MiniMax H3 生成画面与环境音、FLUX.2 Klein 生成关键帧、Breeze TTS 2 旁白、ACE-Step 1.5 配乐、HyperFrames 负责字幕与剪辑，历时约十天、以 30 秒批次制作后重建成连续影片。Local AI Studio 免费开源，提供 runbook 在干净机器上重建整套环境：https://github.com/vinnyclegg-dev/Local-AI-Studio
GitHub 项目 hyeonseo2/open-model-license-index 每日通过 GitHub Actions 更新，从 Hugging Face Hub API 镜像热门开源模型的许可证元数据，目前追踪 57 个模型，涵盖 google、meta-llama、mistralai、Qwen、microsoft、deepseek-ai 等。该项目不分类、评分或解读许可证，仅镜像许可证标识符、名称和链接，支持通过 GitHub Pages 交互式浏览，数据存于 data/models.json，项目本身采用 MIT License。
GitHub 开源项目 agentteams 可根据单个项目描述文件（.json 或 .md）自动生成协作式 AI 智能体团队，包含 1 个 Orchestrator 智能体、11 个治理智能体、3–10 个领域智能体及组件级 Workstream Expert。生成的智能体文件支持 VS Code Copilot、Copilot CLI、Claude、Goose（beta）和跨工具 AGENTS.md 标准（beta），工作流自动自适应并自我修订。该项目仅需 Python 3.11+ 标准库和 jsonschema 一个运行时依赖。
GitHub 上的 jira-lean-mcp 是一个面向 Jira 与 Confluence Cloud 的 MCP 服务器，通过精简、结构化的响应降低智能体的上下文消耗，最多可减少约 98% 的 token 用量。项目已在 GitHub 开源，适合需要控制上下文窗口成本的 agent 场景使用。
seancampbell3161 在 GitHub 发布开源项目 job-aggregator，一个可自托管的求职提醒流水线，用 Docker Compose 与 SQLite 本地运行，无需云账号。它每10分钟轮询 Greenhouse、Lever、Workday 等15类 ATS 及 HN Who Is Hiring、Remotive、RemoteOK 等聚合源，先按标题、级别、地点、薪资等硬条件过滤，再用 LLM 对照 profile.md 对候选职位做0到10相关性评分，通过 ntfy 和 Discord 推送，并支持简历差距分析、自动发现新公司看板、拒绝理由审计追踪和看板式申请追踪。LLM 用本地 Ollama 时成本为0。
EstaxNet 开源了 Inferpal（GPL v3），一个完全由本地大模型（Ollama、LM Studio 或任何 OpenAI 兼容服务器）驱动的 Visual Studio 2026 与 VS Code 智能体编程助手，无需 API key、遥测或云依赖。它内置 28 个工具并支持 MCP 与自定义 shell 工具，所有写入和命令都需审批并受工作区沙箱约束；提供 FIM 行内补全、混合检索的语义代码搜索、调试器驱动的 /tdd 循环（12 例基准上用本地 27B 模型 12/12 修复，无调试器时 10/12）、Roslyn 编译器级符号分析、/branch 会话分支和 Context X-Ray 上下文透明面板。
推荐理由：这是本地模型的 IDE 智能体完整实现，审批门、沙箱和调试器驱动的 TDD 循环等设计可以直接参考迁移。
maxzhuyt 在 GitHub 发布 llm-fiction-writing，一个通过 OpenRouter 调用 LLM 的多阶段小说生成工具，采用 FastAPI 后端加原生 JS 前端。流水线分三步：模板生成器产出故事框架、待办清单生成器细化结构节拍、故事解码器输出全文，各步可通过 stepN_output 变量插值引用前序输出，并可用 LLM 评估面板打分；所有提示词在界面中可见，另附批量故事点子生成脚本与 150+ 种 1970 年前类型定义。
GitHub 仓库 Neural-Linkage 推出 Cerebro Nexus v2.6.1，一个多智能体 AI 编排平台，可将 OpenAI、Anthropic 等多个 AI 端点的模型协同处理同一查询。平台原生支持 47 种语言和方言，采用自适应学习层与非侵入式隐私机制，支持 OpenAI 和 Claude API 集成。系统要求 Python 3.9、最低 4GB RAM 和 500MB 存储，提供 Docker 部署，支持 Windows、macOS、Linux 等平台。
GitHub 开源项目 TextHumanizer 是一个 AI 文本人性化插件生态，可清除 AI 生成文本中的谄媚道歉、同义词堆叠、模糊措辞和破折号滥用，同时保留代码块、URL 和标题等结构。其规则引擎包含 500+ 转换规则，可识别 47 种谄媚模式，支持英、西、法、德、日、韩六种语言，提供 Low/Medium/High 激进程度配置，兼容 Claude Code、Cursor、Codex、Cline、Copilot 等工具。
andrewrduncan 开源了 llm-tools-gateway，一个 OpenAI 兼容代理，位于模型服务器（vLLM、llama.cpp、Ollama、LM Studio、TGI 等）之前，向每个请求注入工具定义并在服务端执行，返回完成后的答案。支持网页搜索、抓取、无头浏览器、基于 pgvector 的记忆与 RAG、图像生成与编辑；每个工具可选且自禁用，仅配置 UPSTREAM_URL 也能获得日期时间和 URL 抓取。记忆按 subject 分区实现多用户隔离，慢工具通过 reasoning_content 流式输出进度。项目以 Apache-2.0 许可发布，仓库地址 https://github.com/andrewrduncan/llm-tools-gateway。
推荐理由：把工具执行从客户端移到网关端，一次配置即可让 Open WebUI、Aider 等所有 OpenAI 兼容客户端共享搜索、记忆和 RAG 能力。
GitHub 用户 wdenejko 发布 aviai 仓库，一个用于应用 LLM 实践的个人学习沙盒，采用 uv workspace 结构，涵盖数据集构建、eval harness、微调与 RAG。其中 avtext 项目构建 METAR/TAF 解码数据集与评测基准，并验证对 Gemma 4 E4B 做 LoRA 微调能否超越基座模型，成果 aviai-e4b 已上线 Hugging Face；dsbench 为 Qwen3.x-35B 微调研究提供执行验证基准，v1 与 v2 均已可用。
GitHub 仓库 c00lpeace/free-llm-tracker 建立了一套面向 Hermes Agent 的免费 LLM API 提供商追踪基线，内容会定期自动更新。仓库页面由 index.html、marked.min.js 和 state.md 等文件构成，目前尚无 star、watcher 或 fork，也没有发布 Release。
wuhy80 开源了 llm-news-tracker，一个零后端、零运行费用的大模型行业情报站，用 GitHub Actions 定时聚合 RSS、Atom、Google News 等公开信息源，结果存为 JSON 并通过 GitHub Pages 展示日、周、月动态，已收录 8,728 篇文章。配置 GEMINI_API_KEY 或 OPENROUTER_API_KEY 免费额度后可启用 AI 精选、分类、评分与中文摘要，AI 审核从相关性、影响力等六个维度打 0–100 分并映射 1–5 级；update-news.yml 每 6 小时运行一次，翻译任务每 5 分钟增量运行并限制每天最多 1,000 次请求。
GitHub 上的开源项目 agentique 是一套 AI 驱动的文章聚合与情报流工具，通过 cron 定时流水线对抓取的文章执行已知/失效 URL 过滤、LLM 评分、内容提取、分类打标和向量嵌入。结果经 FastAPI REST API 与 React 前端提供，存储采用 PostgreSQL + pgvector，嵌入使用 model2vec，数据库以 Docker Compose 部署，生产环境由 Caddy 与 systemd 提供服务。
GitHub 上的 Go LLM Interactive Proxy（LIP）是一个流式优先的 LLM 流量控制平面，位于 AI 客户端与后端之间，使运营者可在代理层调整路由、容灾与可观测性而不改动客户端集成。它提供 OpenAI Responses、Anthropic Messages、Gemini 等多协议前端，内置 141 个 provider profiles，支持有序故障转移、加权路由、TTFT 预算与熔断，并通过 pkg/lipsdk 提供扩展插件机制。
atahanuz 在 GitHub 发布 FedRAG，一个多智能体 RAG 系统，可对 725 份美联储文档（PDF、网页、Word、Excel、CSV 五种格式）问答，并对其中的 978 张表运行 SQL，同时搜索网页和拉取 FRED、ECB、Yahoo Finance 实时市场数据。系统由 planner 路由并拆分并行任务，四个 ReLoop 专家智能体使用 19 个工具，writer 为每个事实加内联引用，fact-checker 校验后返回答案。全部模型为开放权重并自托管在单张 A100 80GB 上，用 vLLM 服务 Qwen3.8-27B（FP8）、Qwen3-Embedding-8B 和 Qwen3-Reranker-4B，混合检索采用 BM25 与稠密检索加倒数排名融合。
推荐理由：作者给出 52 题基准与 naive RAG 基线的对比数据，还记录了测量中发现的问题与修复过程，方法可迁移到类似多格式 RAG 系统。