方向
Agent 框架、工具调用与运行循环，以及它们和人格、记忆系统怎么接。
1,880 条精选近 30 天 1,875 条共收录 7,246 条
开发者 Arnaud Stadler 开源了自托管的 AI 骑行训练平台 DomestiqueAI，整合 Garmin Connect 与 Google Health 数据，基于 Ollama 运行智能体教练。系统规定 LLM 不得自行计算任何量化数字，只能解释 21 个类型化工具返回的结果，并用 promptfoo 构建确定性 CI 评测门禁检查数字来源、计划守卫和提示词变更。项目包含过训检测、每日检查与每周重排的自适应计划、六道确定性计划守卫、每运动员独立 SQLite 隔离、强制 TOTP 双因素认证，共 1245 个测试，2026-10-02 的 Strix 灰盒渗透测试未发现高危问题，可 Docker 部署在 Raspberry Pi 5 上。
推荐理由：作者开源了自建的骑行训练 AI 教练，把模型限定为只解释工具算出的数字，防幻觉做法通过 CI 评测门禁落地，可迁移到其他 Agent 项目。
divemorb 开源了 local-llm-harness，一个让本地 LLM（llama.cpp 上跑 Qwen 27B）按计划步骤无人值守编码的工具，每步在全新 podman 沙箱中运行、经独立验证容器跑项目测试，通过后才提交。作者称在一个真实项目中用几周时间让本地模型写了大部分代码，约 80% 的步骤首次尝试即通过，仓库附带经验总结 LESSONS.md；安全模型靠容器隔离实现，沙箱无网络、只读 root、API 密钥不进入沙箱，仅通过 llmproxy.py 的 chat completions 代理通信。
推荐理由：作者把一个真实项目中跑通本地模型无人值守编码的完整工具链开源，隔离沙箱和验证容器设计可直接复用。
jagones84 发布 Longrun，一个自托管 AI Agent harness，提供浏览器 UI、工具会话、任务图、团队编排、HTTP/SSE API 和 CLI，需 Python 3.10+，支持 Windows 与 Linux x86_64/ARM64。核心设计为 Nucleus 受保护核心与 Matrix 可热编辑区分离，Matrix 文件改动无需重启即生效，可通过 promote_to_nucleus 经测试、开关、checkpoint、提交四道门控晋升进核心；支持 OpenRouter、Ollama、llama.cpp、LM Studio 等本地或托管模型，含会话记忆、代码库索引与跨会话 Knowledge Base，AGPL-3.0 许可，验收测试 223/223 通过。
推荐理由：README 详述了 Nucleus/Matrix 双区自扩展机制与四道晋升门控，读者可以据此评估这个自托管 Agent 框架的工程设计。
Andrey Gubanov 发布 standard-tool，提出 StandardToolV0 接口，让 LLM 工具用同一类型对接不同 provider、SDK 和框架，状态为 RFC，V0 形状已冻结。工具通过实现 Standard Schema 的 schema 库（Zod 4.2+、ArkType 2.1.28+、Valibot）获得运行时校验与 JSON Schema 生成，参考实现约 90 行，附 OpenAI、Anthropic、Gemini、MCP、Vercel AI SDK 等的 schema 字段与方言接线表。仓库地址 https://github.com/finom/standard-tool。
推荐理由：作者给出了跨 OpenAI、Anthropic、Gemini、MCP 等不同 schema 字段与方言的接线表，可直接照抄复用。
Harsh251005 开源了 clinic-voice-agent，一个跑在 LiveKit 上的诊所语音智能体，支持 Hindi/English 混说，基于诊所自有数据解答并完成预约、改期、取消。语音链路按语言分管道，Hindi 用 Sarvam，English 用 ElevenLabs + OpenAI；预订确认规则写在 booking.py 的代码里而非提示词，因为实测 4 次中有 3 次模型未等来电者确认就预订；数据库用部分唯一索引防止并发重复预约。配套 Next.js 前台看板和运营方管理面板，含 520+ 后端测试与 44 个 Playwright 测试，docker compose up 即可本地体验。
推荐理由：原文把预订规则写在代码而非提示词里，并给出实测中模型未确认就预订的比例，读者可以借鉴这种用代码兜住模型行为的方法。
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。
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。
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 用户 aaddrick 发布非官方社区技能 building-with-typesafe-jev，教 Claude Code、Codex、Antigravity CLI、Muse 等编码智能体为 TypeSafe 的 System One 模型 Jev 做设计，即用类型化问题获取带校准概率的答案（Choice、Score、Noul 三种原语），单次响应约 100 到 200 ms。技能内置 API 参考、4 种官方模式、18 本 cookbook 的技巧，以及按实现形态分类的 150+ 社区项目库（11 种形态，如控制循环、门控、流过滤），并附各形态代码草图和失败案例。
推荐理由：作者用隔离容器跑了三组对照评测，给出该社区技能、无技能与官方技能的分数和逐项通过率，可据此判断其实际增益。
GitHub 仓库 ElifGray0554/Anti-Autoresearch 发布，用于审计 autoresearch / AI-Scientist 生成论文的自洽性与造假，输出带 span 锚定的审稿报告。它基于 ARIS（约12.5k★）构建，包含8个模式族共46种完整性模式，外加13条零裁决权重的 AI 写作风格印象；以11个技能加1个编排工作流交付，确定性核心含8个经评测门验证的模式（GRIM、GRIMMER、statcheck、delta 算术等），其余39个模式由跨模型审阅者提出发现、确定性裁决器打分。它不是 AI 文本分类器，不判定学术不端，只呈现需人工核查的差异；支持 Claude Code 工作流运行，也提供纯 Python 确定性管线用于 CI 与离线环境。
推荐理由：原文给出46种完整性模式、8个模式族和确定性评测门的具体构成，审稿人可据此判断这套审计工作流能查什么、不能查什么。
OVO v0.0.6 发布，这是一个跑在 Apple Silicon Mac 上的本地 Claude Code 式编码智能体，MLX 原生、兼容 Ollama 与 OpenAI API、无需 API key，数据不出本机。新版加入 PPTX/HWP/HWPX 文档解析与 RAG、LoRA 微调、SLERP/Linear/TIES/DARE 模型合并，Code 模块含 Monaco 编辑器、文件浏览器、Git 面板、PTY 终端和带文件读写搜索执行工具及 MCP 集成的 Agent Chat；另有聊天、diffusers 本地文生图、BM25+语义搜索的 Wiki 持久知识库，自动识别 HuggingFace 与 LM Studio 缓存。
推荐理由：README 详列了硬件适配评分、端口分工和 16GB 内存的降级建议，可据此判断这台地端 Claude Code 替代品是否跑得动自己的 Mac。
jgunduz35 发布 agent-workspace-linux，为 AI 智能体提供独立的隐藏 X11 桌面，通过 MCP 驱动应用、键盘鼠标、截图和浏览器自动化，不触碰用户真实桌面和 Chrome。支持 bubblewrap 网络与挂载隔离、daemon 强制的权限上限、带暂停和只读控制的浮动查看器，约 86 个工具经技能按需加载，仅支持 Linux，MIT 许可。
推荐理由：项目明确了三层权限边界由谁设定和如何强制执行，适合想给 AI 智能体隔离桌面环境的开发者参考部署思路。
Hermes Labs 发布 LintLang，一个本地确定性静态 linter，可在 Agent 运行前检查 MCP 定义、系统提示词、SKILL.md、参数 schema 等 Agent 配置，标记含混工具选择、缺失边界、schema 缺口等问题。扫描不调用模型、无网络访问，结果可复现并支持 JSON/SARIF 输出和 GitHub Actions CI 门禁；其发现已并入 bytedance/deer-flow PR #5656 和 bytebase/dbhub PR #447。项目含 1100 项通过测试，但作者明确表示尚未发布真实项目上的准确率和误报率数据。
推荐理由：一个不调用模型的确定性静态检查工具，能在智能体运行前抓住工具描述含混和 schema 缺陷，还能接入 CI 门禁。
论文研究 Agent harness 跨轮次处理上下文（丢弃、摘要、回放模型推理）何时改变 Agent 成败，而非只看成本。预注册合成实验显示，所需事实可重新查回时截断上下文几乎无损失，事实不可再观察时成功率降至随机水平，两种惩罚相差 92.5 个百分点（90% CI [89.5, 95.5]），第二家供应商一个模型的复现结果一致。在 ARC-AGI-3 上，Standard harness 与 Provider Adapter harness 存在 63 分差距，改摘要而非丢弃旧轮次并保留记笔记提示可恢复 86%，不保留提示恢复 43%，叠加供应商原生推理回放再恢复 57%；这些为单次运行的点估计。
推荐理由：论文用预注册实验拆解 harness 对 Agent 成败的影响，给出可量化的组件归因，对理解上下文管理设计有直接参考。
TokenGate 是一个即插即用的小组件，通过受 MoE 启发的 token-gated attention 实现端到端可学习的 token 剪枝，用于快速、省内存的 prefill。在多类任务上 TTFT 提速 1.4 到 11.3 倍、峰值内存降低 1.5 到 3.4 倍且无精度损失，较此前最优 token 剪枝方法 prefill 最快 6.4 倍、内存低 2 倍，可扩展至 Qwen3 等标准 transformer 和 Qwen3.5 等混合注意力模型，代码已开源。
推荐理由：论文给出可学习的 token 剪枝方法及其提速与峰值内存的量化对比，适合关注长上下文 prefill 效率的读者参考。
论文提出 WildAWM，一条用开源模型合成计算机使用智能体（CUA）可执行环境与任务的流水线，环境同时支持 GUI、MCP 服务和命令行三种交互接口。流水线产出 341 个长程环境任务对，部分需超过 100 步求解，GPT-6-Astra 仅解出 60%；仅在这些合成环境中训练的两个不同规模 Qwen 模型，在 8 个覆盖 web、claw 和 computer-use 的域外基准上均取得明显提升，代码已公开。
推荐理由：论文给出用开源模型合成计算机操作环境的完整流水线和质量门方法，训练效果覆盖 8 个域外基准，方法可迁移到环境合成类工作。
Rui Shi 等发布 arXiv 论文 WeAct，在冻结骨干上训练能力专属 LoRA 适配器，并把适配器选择加入 Agent 动作空间，用原生 tool-calling 接口按需组合能力。在 8 个 deep-research 基准上，Qwen3-32B 加 WeAct 比全量微调平均准确率高 6.2% 且计算更少，比最强静态 LoRA 合并方法高 27.5%，并支持不改动骨干的模块化持续扩展。
推荐理由：把适配器选择纳入 Agent 动作空间来缓解灾难性遗忘，在 8 个 deep-research 基准上给出了与全量微调的对比数字。
Recursive 发布了面向编码智能体的 MoE 语言模型 Flint，总参数 39.8B、每 token 激活约 2.5B，在 Terminal-Bench 2.1 得 54.9%、SWE-bench Pro v2 得 89.7%、SWE-bench Verified 得 74.2%。模型采用 256 路由专家加共享专家、49 层（2 稠密 + 47 MoE）、262,144 token 上下文，以 Apache 2.0 许可发布，附 BF16 检查点、SGLang 服务套件及面向 NVIDIA 和 Apple Silicon 的量化版本，unsloth 提供 GGUF 格式和运行指南。
推荐理由：官方模型卡给出了架构细节、评测设置和基准分数来源标注，读者可以据此了解这款小激活参数编码智能体模型的实际规格。
sugarcraft 发布 CandyCode（原 sugar-crush，2026-10 更名），一个面向 PHP 8.3+ 的终端 AI 编码智能体，基于 SugarCraft 库的 Model–Update–View 渲染循环构建。内置多 LLM 提供商、hook 门控的工具调用、技能注入、子智能体、MCP 客户端与 SQLite 会话历史，启动即带 28 个内置工具；支持 TUI 键鼠交互、检查点回退、上下文压缩与图像视频生成，Linux 为主要支持平台，Windows 不支持。
推荐理由：README 从安装到权限、上下文压缩、子智能体逐节讲清了这套 PHP 终端编码智能体的实际用法，可按需查阅对应章节。
GizClaw 发布开源项目 opencraft，一个基于 flowcraft 图引擎、运行在本机的 AI 工作智能体，可读写文件、经审批执行 shell 命令、协调子智能体并持久化会话。支持 OpenAI、Anthropic、DeepSeek、Kimi、Qwen 等多提供商推理与路由重试，内置本地 execd 沙箱、SQLite 会话存储、32k 结果上限、密钥脱敏和 JSONL 审计日志，提供 macOS/Linux/Windows 桌面应用，MIT 协议开源。
推荐理由：README 完整列出了沙箱、审批策略、审计日志等安全机制的具体实现，读者可据此评估这个本地工作智能体的架构是否可复用。