新闻、仓库与研究，按时间排列。
GitHub 开源项目 Cwentor/DataAgent 构建企业级 Data Agent，链路为自然语言→受控 DSL→确定性 SQL→DuckDB，LLM 只产出契约内 JSON、绝不生成裸 SQL，以实现零幻觉、零注入。系统含意图五分类路由、LangGraph 六节点编排、GuardrailAgent 执行前 sqlglot AST 审计、表/列/行级 RLS，并支持 MySQL 8.0（>=8.0.18）双后端与 OpenAI、Anthropic、Gemini 等多供应商接入。
Runtime 在 GitHub 公开其 AI Agent 沙箱的 SDK、CLI 与 MCP server：每个沙箱是带独立 Linux 内核的 Firecracker microVM，一次调用即可启动。提供 TypeScript 和 Python SDK（npm/PyPI 包名 withruntime），以及 Go、Java、Ruby SDK 和 OpenAI Agents SDK、Pydantic AI、Google ADK、smolagents、LangChain 等集成，并覆盖 Claude Code、Codex、Cursor、Gemini CLI、VS Code、Windsurf 的编码 Agent 配置。新账户可免卡免费试用，项目采用 Apache-2.0 许可证。
GitHub 上的 FHIR-Fence 项目通过基于图的提示词构建，实现对健康记录的隐私保护 LLM 访问。项目采用 AGPL-3.0 许可证，仅限研究与可复现性用途，商业使用需另行联系授权。
minillm 是一个用 C++20 编写的 LLM 推理引擎，目标模型为 HuggingFaceTB/SmolLM2-135M（Llama 架构，safetensors 权重），全程 fp32 计算，强调正确性优先于速度。每个内核都有与 PyTorch 核验的朴素标量参考实现和与之核验的优化版本。项目依赖极少（doctest 与 nlohmann/json 由 CMake 获取），checkpoint 约 270 MB，基准测试输出 prefill/decode 吞吐（tokens/s）与峰值 RSS，CI 在 Linux 和 macOS 上以单条命令运行完整流水线。
GitHub 上的 solve-ai-ctf 是一个 AI 驱动的 CTF 解题工作台，覆盖分诊、假设、有界执行、验证、提交、复盘全流程留痕。项目用纯 Python 标准库实现、零 pip 依赖，内置本地 Web 工作台、Docker 沙箱执行、Flag 自动识别与抢一血式自动提交，支持 misc/crypto/pwn/web/reverse/forensics/ai 七类题型，附 24 份知识库参考文档，仅限授权的 CTF 比赛与安全研究使用。
开源项目 NightOwl 是一个 AI 研究助手，按官方来源、媒体等四级可信度分层检索俄英双语来源，交叉验证事实并给出带引用的答案。其可信度百分比由确定性代码而非 LLM 计算，公式综合来源权重、一致性、新鲜度与多样性。项目基于 C# / .NET 10 和 Gemini（经 OpenAI 兼容端点）、Tavily Search API 构建，提供 Web 应用、REST + SSE API 与 CLI，API 限制每 IP 每分钟 5 个问题。
Umicom Foundation 在 GitHub 开源 Umicom LLM 项目，涵盖训练、评估与微调。仓库采用 src/、include/、docs/、scripts/ 等标准目录结构，包含 C/C++ 源码、公共头文件、文档与 CI 工作流，项目由 Sammy Hegab 编写，采用 MIT 许可证，代码直接提交 main 分支并要求详尽注释。
saya-ch 在 GitHub 开源 keyless-llm，把 4 个免鉴权来源共 29 个免费模型聚合成一个本地网关，改一个 base_url 就能让 OpenAI / Anthropic / Responses 兼容客户端使用。网关提供 auto 伪模型做跨来源失败转移与评分调度，提供按来源隔离的冷却状态机，实测 8 次连续 auto 请求全部成功。来源清单维护跑在 GitHub Actions 上，agent 只负责搜索候选，是否免鉴权由无鉴权头实测脚本判定，429 记为 limited 收录、401/403 拒绝。
推荐理由：把免鉴权免费模型聚合成一个本地网关，还把来源清单维护拆成 agent 发现加脚本实测两层，方法可直接迁移。
开源项目 llm-style 是一个本地优先的个人穿搭应用：通过 Ollama 运行的小模型（dolphin-mistral:7b）担任造型师，先由确定性引擎从 SQLite 衣橱中按天气和场合筛出约 20 个候选，再由 LLM 做最终选择；gemm3:4b 视觉模型可通过照片分类衣物。衣橱数据和推理全部保留在本机，支持多人衣橱、情侣搭配模式，并可作为 PWA 安装到手机。
AccessCast 是为 AMD Developer Hackathon ACT III 打造的无障碍视频项目，用 Gemma 4 31B 为盲人、听障、阅读困难及印地语、意大利语、西班牙语、法语、葡萄牙语用户生成八种版本。系统处理 28 个视频、3,825 次请求共 3.6 million tokens，114 条 easy-read 字幕全部保留否定词，8 例攻击中到达观众 0 例，模型成本约 $0.0053 每分钟。
作者 DJtx001 发布 ai-coding-playbook 仓库，主打让 AI 编码产出可以被验证的完整方法论，不绑定模型或编辑器。内容包括 6 章 HTML 主教程、一页纸速查手册，以及来自 obra/superpowers 的 14 个 skill 完整副本和离线安装脚本，可复制到 ~/.claude/skills/ 使用。核心主张包括 TDD 闸门、要求出示命令加输出加退出码的验收方式、按爆炸半径路由任务复杂度、会话卫生和用子代理独立核对 SPEC。
推荐理由：给出完整的可验证工作流方法论，含两道验收闸门和 14 个 skill 的安装与出处，任何模型和编辑器可直接套用。
tsuiraku9 发布 maitu-photo-studio 插件，为 MaiBot 提供可配置的照片生成、参考图库与异步投递能力，图片由使用者自行配置的 OpenAI 兼容服务生成，插件不提供模型或额度。支持人物写真与无人物环境照两类工具，参考图分人物、服装、场景三类管理并支持 VLM 自动打标、待审核与自动补库；任务通过 SQLite 后台队列异步执行，可用 task_id 查询。运行要求 MaiBot >=1.3.6、Python >=3.12，通过 /maitu 管理命令和 WebUI 配置。
推荐理由：README 完整说明了参考图库、异步任务和提示词配置的构造方式，想给 MaiBot 加照片能力的部署者可以直接对照实施。
just-agent 仓库提交至 Agent Memory Leaderboard 文本记忆开源/学术方法赛道，实现同步 Add 和按 user_id 隔离的 Search，仅返回排序后的来源证据而不生成答案。当前版本 v1.4 在确定性核心上加入无时间戳消息的 temporal fallback、按查询类型区分的 recency 权重等守卫式改动，基于 SQLite FTS5 无需第三方依赖；本地评测显示 v1.3 在 locomo10 上 MRR 由 0.6203 升至 0.6324，但尚未获得官方评分。
推荐理由：仓库给出了各版本在合成数据与 locomo10 上的消融指标，读者可以对照复现这套确定性记忆检索的取舍。
Goal 是一个发布自动化 CLI，可自动运行测试、生成 conventional commits、更新 changelog、升级版本号并发布软件包，支持 Python、Node.js、Rust、Go、Java 等 9 种语言环境，可通过 goal 交互运行或 goal --all 在 CI 中无人值守执行。v2.2.3 引入自治发布完成与 goal.yaml 冻结保护，v2.2.2 新增 goal all 命令，可一条命令清理文件夹下所有有未提交更改的 git 仓库。
一个基于 Next.js 16 的 Fomi 图像与视频生成工作区项目，包含按 mockup 实现的响应式 Workspace 和重新设计的 Studio 两部分。Studio 将生成过程做成版本控制：每个结果都是有父版本和可见 diff 的版本，支持 Vary、Refine、Remix 三种分支方式、并排或滑块对比，以及 J/K、V/R/X、C 等键盘快捷键。Workspace 支持最多 3 个生成并行、复用历史提示词、无限滚动 feed，并适配明暗主题与移动端，项目部署在 Vercel 上。
GitHub 用户 JeetDas5 开源了一款实时协作 AI 笔记应用 notes-app，基于 Next.js 16.2.6、React 19.2.4、Socket.io、Drizzle ORM 和 Neon PostgreSQL 构建。应用支持多用户实时协作（live cursor tracking、Editor/Viewer 角色权限），并集成 OpenAI API 实现文本摘要、标题建议和行动项提取，认证采用 Argon2 哈希与 JWT 无状态会话。
Tong-bit-art 在 GitHub 开源了 Regression Firewall，一个面向 AI 编程智能体的行为回归安全层，在智能体改代码前后捕获 HTTP 状态、CLI 输出、退出码和公共 API 等可观测行为，对照声明的意图做结构化 diff，输出 EXPECTED/UNEXPECTED/UNCERTAIN 分类、0-100 风险分和 PASS/REVIEW/BLOCK 判定，全程无 LLM 参与、结果确定性可复现。工具要求 Python 3.9+，尚未上架 PyPI，需克隆仓库安装，唯一运行时依赖是 PyYAML。
推荐理由：工具在 AI 编程智能体改代码前后捕获可观测行为并给出确定性判定，附真实仓库与留出集评测数据，可评估其检出能力。
开源项目 TLV Apartment Hunter 自动抓取特拉维夫公开 Facebook 小组中的租房帖，每帖经一次 OpenAI 模型结构化提取价格、房间、楼层、面积、入住日期等字段，并按用户档案个性化排序。系统支持同一房源去重合并、Telegram 新房源提醒、卡片颜色分级和用户纠错报告，仅面向受邀的私有用户群，数据保留 25 天归档、40 天删除。
abordage/awesome-ai 是一份 GitHub 上 AI 与机器学习项目的榜单，通过 GitHub API 每日自动更新，每天合并社区 PR、扫描仓库、过滤过时项目、重新计分并重建列表。榜单涵盖 AI Coding Agents、Claude Code、Gemini CLI、PR 与 Review 等分类，收录 gpt4all（☆ 77,359）、aider（☆ 49,730）、gemini-cli（☆ 108,108）等项目，并链接到面向 Model Context Protocol 服务器的 Awesome MCP 榜单。
GitHub 仓库 letspurify-ux/llm_agent 发布了一个企业内部知识问答 LLM Agent，后端用 Rust（axum）实现，基于 MnemoArc 问答模式运行时，支持语义搜索、知识文档读取、Oracle 查询、项目源码检索和 MCP 工具扩展。一个服务器对应一个角色，名称、角色指令和工具在设置页配置；管理库为 MariaDB，查询目标为 Oracle，LLM 兼容 OpenRouter / vLLM / Ollama 等 OpenAI 接口。对话上下文按 bundle 单位管理，超过 high_water（90%）从最旧 bundle 清理至 low_water（50%），查询结果按 step 编号保存，模型仅输出引用由前端填充表格与图表。
推荐理由：仓库 README 详细交代了上下文清理水位、工具结果限额和 Oracle 例程绑定等实现细节，可按需查阅自建知识问答 Agent 的工程做法。
GitHub 用户 zhangtianze813-svg 公开了一个名为 ExplorationofLLM 的仓库，包含 lab2 至 lab6 等多个实验文件夹。仓库目前无简介、无主题标签，暂无 star、watch 和 fork，也没有 Releases、Packages 或贡献者信息。
开发者 turion 在 GitHub 发布 arc-seedling 仓库，收录其文章《How to keep enjoying programming in a world of LLMs》所述工作流的完整配置。用户可将 LLM agent 指向该仓库并让其协助完成设置。该工作流强调人处于工作中心，用 LLM 减负而非添负担，保持编程乐趣。
uotavern 发布 anima3，一个驱动 anima-client 的轻量 System One 大脑：把 Observation 转成文本场景（可访问性树），用代码枚举当前合法动词的闭式菜单，由本地模型按选项字母的 log-probabilities 选择一个，从不生成文本，无需解析且不会答到菜单之外，低置信度时回退到规则自己的首个动词。默认后端为本地 Qwen3-4B（logprob 模式），实测在 M5 上每次决策约 96–150 ms 且 $0；文中给出离线与 ServUO 实机数据，包括 77 个测试、战斗/经济/多人村庄/决斗等场景、置信度门控实测（ECE 0.585）以及实验 3 中 Qwen 自主决策显著差于规则（p < 0.001）的结果。
推荐理由：作者先跑测试再定架构，用闭式动词菜单加 logprob 选择避免文本生成，还给出多场景实测延迟与置信度校准数据，方法可迁移。
Lavie-purple 发布 llm-radar 开源项目，将 LMArena、Artificial Analysis、llm-stats、LiveBench 四个评测源按 6 大类 17 子类并排呈现，不合成总分，只展示源内名次与跨源分歧度。页面零依赖、双击 index.html 即可打开，数据管道仅用 Python 标准库；当前快照收录 195 个模型、矩阵 124×17 共 2108 格，填充率 18.1%。项目还内置 selftest.js（236 条断言）、visual_check.js（148 项）、falsify.py（17 条证伪用例）与 check_deploy.js 四层守卫，并记录了 LiveBench 2.0 改版适配、抓取体检、行尾差异等实测踩坑。
推荐理由：作者解释了为何不合成跨源总分、分歧度如何计算，以及四层自检守卫的实测踩坑，方法可直接迁移到类似数据管道。
开源项目 fold（pre-alpha 状态）为隔离编码 agent 提供控制平面：将任务派发到持久化的 incus 实例，工作经由 Forgejo PR 审查流转， reviewer agent bellwether 以新上下文 LLM 给出 approve / request changes / escalate 结论。系统由 incus、git、ntfy 和数百行无依赖 Python 构建，人类通过 board 看板保持监督；安全上采用能力限界，token 用量按任务统计展示在面板上。
作者 Harland 发布开源工具 Penpal，在 Mac 上本地采集窗口切换、剪贴板、键盘文字片段和浏览器地址，通过 MCP 交给 Claude Code、Codex、Cursor 查询，每条结果可打开原始出处，数据只存在本机 ~/.penpal/。作者用 50 题评测集测得三轮平均召回准确率 93%（46.7 题），越权返回 0 次；工具支持按分类授权、入库前脱敏、审计查询记录，目前仅支持 macOS，键盘片段尚不能可靠覆盖中文输入法，许可证为 Apache 2.0。
推荐理由：作者给出50题本机评测集的93%召回准确率和隐私边界设计细节，读者可以对照它相对 AI 加 bash 的实际收益。
Eric-Souza 在 GitHub 开源 gemini-rag-doc-processing，一个基于 Google Gemini、LangChain/LangGraph、Postgres + pgvector 的全栈 RAG 文档处理项目，支持文档上传、混合检索（向量 + 全文检索，RRF 融合、本地 cross-encoder 重排）、SSE 流式输出和 Langfuse 追踪。在 22 个案例的 golden set 上，混合检索加重排把 hit@1 从纯向量的 73% 提到 91%；7 案例 CI 子集上 RAGAS 评出 faithfulness 1.00、answer relevancy 0.90。
推荐理由：给出了完整可部署的 RAG 技术栈和实测检索指标，其中混合检索加 rerank 将 hit@1 从 73% 提升到 91%，也保留了 reranker 变差的分析。
GitHub 开源项目 route-gen-ai 可用自然语言描述生成 Garmin 可导入的骑行路线 GPX。默认用 claude-haiku-4-5 解析意图（约 $0.002/request），几何搜索与评分由确定性代码完成，支持 BRouter 自托管路由和直接 CLI 调用。项目含 62 条评测请求（三分之一留出）和 39 个阶段的开发日志，Web 应用按浏览器隔离会话并支持速率限制。
hurui200320 在 GitHub 公开的 llm-ops 仓库用于管理 NAS 上的本地 LLM 部署，模型按模型族与变体目录存放 GGUF 文件和 sha256 校验文件。维护脚本以公共容器镜像 ghcr.io/hurui200320/llm-ops-toolbox:latest 发布，内置 check_updates、verify_checksums 和 download_hf 命令。另有 fetch-templates.sh 脚本可单独同步聊天模板，避免为更新模板重新下载 30GB 模型；访问 gated 仓库需设置 HF_TOKEN。
GitHub 上的 axisvela/praxo-core 是 AxisVela 生态的 MIT 许可开源智能体框架，提供模型、工具、记忆、事件、策略、沙箱、checkpoint 和 agent loop 等可复用原语，是其上 AGPL 产品 PRAXOVELA 的框架层。Go 为参考实现，Python 和 TypeScript SDK 通过全部十一组一致性测试并含流式与 OpenAI 兼容适配器。项目另提供 MCP、OpenTelemetry、Anthropic、Gemini、A2A 等可选适配器，模块路径为 github.com/axisvela/praxo-core/v2。
fora 是一个用于运行自有 Agent 组织的工具，其 fora-web 支持 non-loopback 监听直接接受域名访问，例如 `fora-web --host 0.0.0.0 --port 2461`。通过反向代理转发 HTTPS 时，可用 `--public-host` 或环境变量 FORA_PUBLIC_HOSTS 配置公开域名，前导点表示允许该域名及其全部子域名；代理需转发 HTTP 与 WebSocket 请求，loopback 监听则仍拒绝未列入的域名。
开源项目 Upkeep 自动找出阻塞每个开放 PR 的原因，在策略允许范围内修复，并用编译和测试验证每个修复，无法处理的则退回诊断和回执。它由单个 Go 二进制实现，运行在 Nebius Token Factory 托管的 NVIDIA Nemotron 模型上，按 Ultra、Super、Nano 三个角色分工处理诊断、修复和摘要，并支持 record/replay 模式以零 token 复放调用。策略规定 Upkeep 永不 force-push、永不合并人开的 PR、也不允许修复改动或跳过测试，构建和测试在无网络的 Docker 容器中运行。项目为 MIT 协议，代码不含注释。
开源项目 llm-gateway 是一个位于客户端应用与 Google Gemini 之间的 FastAPI 网关，负责客户端认证、请求校验、按 key 限流、缓存与 SQLite 用量记录。客户端 API key 以 SHA-256 哈希存储，缓存 TTL 为 5 分钟，Gemini 请求设置 15 秒超时，对 408、429、500、502、503、504 等临时失败最多重试一次。项目还提供 Streamlit 仪表盘和 Docker 支持，作者定位为单机测试原型。
wangwenrui-mm 在 GitHub 开源 memory-receipts，一个跑在本机的长期对话智能体，核心是记忆可溯源、错了能改，支持控制台、网页、QQ 和科研版四种接入。核验设计上排除智能体自指证据后，300 轮实测准确率 88.3%、误报率从 13.3% 降到 6.7%；被判无依据的陈述只附加否定标记不删改原文。出厂自检 27 项与加压 16 项全部通过，向量检索与语音合成本地运行，生成上下文会发给所配模型 API（默认 DeepSeek）。
推荐理由：README 附上自指证据排除的前后对照实验和压测数据，读者可以据此评估这套带凭证核验的记忆方案实际可靠到什么程度。
GitHub 上开源了 Vitae 的官方网站，Vitae 是一款基于手册知识库的 AI 医疗助手，采用 RAG、本地 LLM、向量数据库与语义检索，支持离线知识库、语音交互、AI 化身及医生、教授、助理三种 AI 人格。网站部署在 GitHub Pages，提供医生问诊、教授辅导和患者模拟三种界面，应用与后端另行维护。
GitHub 上的 Stephan5/podcasts 仓库已归档并将被删除，目前仅保留是为了让订阅旧 raw.githubusercontent.com feed 地址的播客应用通过各 feed.xml 转向新的 feed URL。原工具以 podcastinator 名义继续维护。
GitHub 仓库 Gumekn/qingyan-editable-pptx-skill 发布 Codex Skill「轻研（qingyan-ppt-design）」，通过对话将论文与研究材料生成约 8 页规模的学术 PPT。它学习真实模板的图文组织、字体、配色与版式，经四个阶段分步确认后交付整页 PNG 视觉稿和可编辑 PPTX，文本、表格与形状均可继续修改，通过 $qingyan-ppt-design 调用。
Vk-Media IncuBrix Video B-Roll Engine 是一个确定性视频生成平台，可将剧本、话题和配音转化为带同步 B-roll、内嵌字幕和帧级精确剪辑点的 1080p MP4 视频。它采用 Edge-TTS 神经配音、基于 TF-IDF 余弦相似度的语义素材匹配（支持 Pixabay、Pexels），并提供 16:9、9:16 和 1:1 多比例渲染。项目通过 FastAPI 后端与分屏 Web Studio 操作，支持 Docker 部署，输出前经 FFprobe 质量门校验。
开源项目 Nexus AI Studio 基于 Python 3 和 Streamlit 构建，集成 LLM 对话助手、基于 RAG 的文档问答以及由 Flux 引擎驱动的无水印高清图像生成。项目通过 Google Gemini API 接入模型服务，支持 PDF 与 TXT 解析、TTS 语音播报、JSON 会话持久化，生成图片可经瀑布流画廊直接高清下载。
GitHub 新仓库 RSmfOffice/Agent-Skill-for-evidence-gated-AI-video-production 发布视频制作导演 Agent Skill v0.2.0，用于增强 DeepSeek 接入 Codex 环境下的视频生成能力。该 Skill 以质量优先，跨调用维护创作方向、素材连续性、镜头契约、候选证据与审核等生产记忆，采用 intake 到 delivery manifest 的完整工作流，并要求原生分辨率镜头证据和实际全文件技术检查后才能发布。项目提供 init_project.py、preflight.py、approve_gate.py、inspect_media.py 等脚本，需 Python 3.10+ 和 ffmpeg/ffprobe。