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
wckdboy 在 GitHub 发布 Autobot 1.7，一个隐私优先的 Android/iOS AI Agent，通过 llama.cpp 在设备上运行聊天、Agent 和代码会话，图像走 stable-diffusion.cpp、QNN 或 Core ML，语音用 whisper.cpp。默认离线并带 kill switch 和审计日志，云端请求先做脱敏并附隐私回执；双端共享 Kotlin Multiplatform 核心，支持 Qwen3、Llama 3.2 等本地模型目录、投机解码（M3 Pro 上 Qwen3 4B+0.6B 在代码任务达 1.64x）、MCP 服务器和 .autobot 加密导出。Snapdragon 加速路径针对 8 Elite Gen 5 构建但尚未在真机验证。
推荐理由：README 详细写明了离线默认、审计日志、加密存储等隐私机制和 NPU/GPU 加速路径，读者可据此评估这个双端 AI Agent 的实际可用性。
w0rldx 在 GitHub 开源 XE Local AI Engine，当前版本 1.0.0-rc.2，Apache-2.0 许可。单个 ASP.NET Core 进程提供 React 管理 UI、仅 loopback 的 API 和 SignalR，用 SQLite 加密存储，并监督 llama-server、sd-server、whisper-server 子进程做推理，默认运行时为 llama.cpp，可选用 Ollama、stable-diffusion.cpp、whisper.cpp 或云服务商。支持 Windows Portable.zip 和 Linux AppImage 便携自更新安装，提供外部 Agent 通过 MCP 服务器完成安装与运维的 Agentic Support 流程。
推荐理由：README 把进程架构、运行时选项、安全边界和开发流程都写清了，读者可据此判断这个本地 AI 引擎适不适合自己的部署场景。
WhyCodes 是一个用 Rust 编写、不绑定单一模型供应商的终端编码 Agent，支持 Anthropic、OpenAI、Google、Ollama、OpenRouter 等 OpenAI 兼容端点，提供全屏 TUI 和机器可读的一次性 CLI 两种形态。单个原生二进制无运行时依赖，搜索在进程内完成无需 ripgrep；支持 AGENTS.md 项目指令、MCP 工具、LSP、跨会话记忆（MEMORY.md 与语义召回）、git worktree 并行 worker，以及 bubblewrap 沙箱和权限门控等安全机制。
推荐理由：README 给出了启动耗时、空闲内存和会话占用等实测数据，可据此评估这个 Rust 终端编码 Agent 的轻量程度。
Alessio Ricco 开源了 Certo，一个编码 Agent 验证工具，在 Agent 报告完成且 pytest 通过后，不借助 LLM 独立重跑项目真实的测试、构建、lint 和 typecheck，并返回 verified、retry_exhausted 等六种判定状态，失败状态退出码非零，可用于脚本和 CI。
推荐理由：作者开源了一个在 Agent 声称完成后独立重跑真实测试与构建的验证工具，并给出六种判定状态和退出码，可直接接入脚本与 CI。
roylez 在 GitHub 发布 LLM Gateway，一个用 Elixir 编写的 LLM 供应商代理，接受 OpenAI 或 Anthropic 格式请求并自动完成 API 格式互转。支持 OpenAI、Anthropic、OpenRouter、GitHub Copilot、Ollama 等供应商，提供 5xx、超时或限流时的跨供应商故障转移链、虚拟 API 密钥的按模型访问控制、来自 llmdb 的模型元数据、Anthropic 缓存指标归一化、SSE 流式转换，以及 DeepSeek DSML 标记到结构化工具调用的清理；GitHub Copilot 采用全自动设备码授权，支持 Docker 部署和 Elixir Library Mode 直接调用。
推荐理由：README 详细给出了多供应商路由、故障转移链和 API 格式互转的配置方式，可直接照着部署一套自托管网关。
论文提出把有界 Agent 工作流中的决策当作优化问题，先离散化状态、求解马尔可夫决策过程再复用解，称为 Bellman language model（BLM）。在 τ²-bench telecom 上，无模型控制器解决 79% 任务；Qwen3.8-27B 作为 BLM 从 29% 升至 96%，模型调用减少 93%；Claude Opus 5.5 作为 BLM 时每任务调用与成本约降 98%，并多解决 2 个任务；在 InventoryBench 上无模型求解策略胜过所有已发表方法。但内容生成为主的场景（如解决 SymPy 问题）收益很小。
推荐理由：论文把有界工作流中的重复决策先求解再复用，给出多个基准上降低调用成本与提升成功率的具体数据，方法可迁移。
agent-sh 发布开源工具 agnix，用 702 条规则校验 Claude Code、Codex CLI、Cursor、Copilot、Kiro 等 13 类工具的 agent 配置文件，覆盖 CLAUDE.md、SKILL.md、hooks、MCP 配置等。引用 Vercel 研究称语法错误时技能调用率为 0%，工具支持自动修复、GitHub Action 及 VS Code、JetBrains、Neovim、Zed 编辑器扩展，提供 npx agnix 快速体验和浏览器 playground。项目采用 Rust 构建，含 LSP 和 MCP server，MIT OR Apache-2.0 许可。
推荐理由：原文列出了 702 条规则覆盖的各工具配置文件清单和可自动修复的问题类型，读者可据此判断是否接入自己的 agent 工作流。
GitHub 仓库 carlmasters02/ai-wargame 让两个 AI 智能体在程序化生成的企业网络 Sakura Logistics K.K. 上进行回合制网络攻防对抗，RED（默认 deepseek-chat）负责窃取核心数据库，BLUE（默认 kimi-k2）负责防御，可在交互式网络地图上实时观战、担任 judge 注入零日漏洞或 insider 事件，并支持对局中途换模型。
推荐理由：仓库用真实 CVE、EPSS 和 CISA KEV 情报驱动两个 AI 智能体在仿真网络上对抗，还带基准脚本，想看智能体攻防推演可以自己跑一遍。
parley 是一个单文件 Go 工具，让 coding-agent 会话（目前支持 Claude Code 和 Codex，OpenCode 在计划中）通过 IRC 流以对等身份互相对话，用户可用任意 IRC 客户端在场旁听和介入。支持两种用法：table 是多个 agent 席位围绕一个问题讨论并产出 MAP，build 是两个会话各自在独立 worktree 上协商分工，其结论经用户确认后才写入 Director ledger。README 附带一个 12 分钟红蓝对抗示例，由 Claude（Claude Code 上的 Fable 5.1）辩护改动、GPT-6 Astra（Codex）攻击改动。要求 Go 1.25+、ergo IRC 服务器和对应 CLI 版本，Apache 2.0 许可。
推荐理由：README 讲清了 agent 会话互相对话的机制与两条硬规则，红蓝对抗示例还展示了发现与反驳如何落地，方法可迁移到自己的仓库。
开源项目 Open Foresight 发布，复刻 Google 2026 年 10 月发布的 macOS 离线会议笔记应用 AI Edge Foresight，并扩展到 Linux 和 Apple Silicon Mac。它用 Gemma 生成本地答案与笔记、EmbeddingGemma 做来源检索、Whisper 做本机转录，带引用校验的问答、会议 Live Q&A 与 MCP 服务器，MIT 许可，普通生成全部保持本地推理；macOS 的 CI DMG 目前缺少推理运行时，还不是完整可用的发布版本。
推荐理由：项目完整公开了逆向复刻 Google 闭源应用的方法与验证账本，读者可以借此学习一套跨平台复刻与本地推理落地的可迁移做法。
arXiv 论文 2610.24723 提出 MetaSkill，一种混合表示，在保留完整 Skill 包与本地自然语言指令的同时，通过有向无环图（DAG）运行时让调用依赖和前驱文本绑定变为可执行。在 20 项多 Skill 工件任务和 DeepSeek-V4-Flash、GLM-5.2 两个 LLM 上，与自然语言流程、Prompt Graph 及 AgentSkillOS 对比，盲评偏好点估计均占优，且 95% 任务 bootstrap 区间排除了与 Prompt Graph（DeepSeek-V4-Flash）和 OpenClaw（GLM-5.2）的持平；GLM-5.2 审计轨迹中所有计划节点完成、声明的先后约束全部满足。
推荐理由：论文把 Skill 间协调关系形式化为可执行 DAG，同时保留 Skill 内自然语言灵活性，给出 20 项任务与两个 LLM 的对照实验结果。
arXiv 论文提出受皮层抑制回路启发的 inhibitory message passing，一种免训练通信路由器，按证据句逐条消除冗余、每条证据至多向需要它的接收者转发一次。对比标准消息传递，对等组的准确率在三个基准上提升 39-77 个百分点，每次运行的 token 消耗下降 10-46%；结论在 7 个 4B-32B 开源模型与 2 个商业模型、最多 64 个智能体，以及点对点、编排者-工作者和多层层级等架构上均成立。
推荐理由：论文提出免训练的抑制式消息路由机制，并给出多组基准与 token 开销数据，方法可直接迁移到多智能体系统设计。
lin渊以 linyuan-muse 之名在 GitHub 开源，定位为无需自建服务器的手机端原生 Android AI 助手，版本 0.1.0，约 7.4 万行 Java，不使用 androidx，minSdk 26 / targetSdk 35。具备语音通话、无障碍操作手机、内置浏览器与高德地图、群聊多角色讨论、SQLite 混合检索长期记忆、能自主排时间醒来的主动式助手等能力，全 App 共 90 个工具；采用 AGPL-3.0 许可，不内置任何 API Key，仅支持 Android。
推荐理由：README 把记忆、感知档案、群聊和输入法等实现写得足够细，读者可以据此评估这个手机端常驻 AI 助手的实际架构与边界。
arXiv 论文（arXiv:2610.24649）在 Terminal-Bench 2.1 上预先设定的研究中测试决策模型 Jev 1.13 作为控制器能否让 Claude Sonnet 5.5 终端 Agent 更省。21 个 held-out 任务、315 次试验中，Jev 使单次尝试成本上升 19%（几何均值比 1.19，95% CI 1.02-1.36），通过率不变（73.0% vs 73.0%）；比小模型 Claude Haiku 5.5 控制器便宜（比值 0.81），但比安慰剂贵 22%。离线评估中 Jev 排序优于规则（AUROC 0.78 vs 0.62）但校准差：判为未完成的运行中 87% 实际通过，导致要求验证本已正确的工作；所有控制器都从未选择放弃运行。
推荐理由：论文用预先设定的对照实验测了决策模型控制器对 Agent 成本和成功率的影响，数据具体，结论对脚手架设计有参考价值。
论文介绍 Muse Glimmer，一个面向消费级硬件上自主智能体任务的开源 30B 因果语言模型，集多步推理、工具调用与失败恢复于一体，支持文本与图像输入，训练数据覆盖一百多种语言，量化至约 4-bit 可单 GPU 本地推理。作者称其在工具调用、多步规划和智能体任务完成上优于同尺寸的 Gemma4-31B 与 Qwen3.6-27B，模型以 Apache 2.0 许可发布。
推荐理由：论文给出30B级端侧Agent模型在同尺寸模型上的基准对比，对关注本地部署智能体的人有参考价值。
bernard8209 发布 self-hosted-ai-stack 仓库，用 Docker Compose 一键部署本地 AI 栈，集成 Ollama 推理、AnythingLLM 聊天界面、LiteLLM 网关、Whisper 语音转写、Kokoro TTS、Docling 文档解析和 MCP 工具等服务。默认密码保护并自动生成 API 密钥，支持 NVIDIA CUDA 加速与 linux/amd64、linux/arm64 双架构，另提供最低约 4.5 GB 内存的轻量组合，如 chat-only、rag-pipeline、voice-pipeline 等，并附部署、安全、备份与升级指南。
推荐理由：README 给出了各服务端口、内存占用和轻量组合清单，读者可按 4.5 GB 起的配置挑选需要的自托管方案。
ebba08962 发布 pfSense MCP Server v1.1.0，通过 MCP 把 Claude Desktop、Claude Code 等客户端接入 pfSense 防火墙，可用自然语言查状态、诊断问题并修改配置。项目提供 332 个工具覆盖防火墙规则、NAT、VPN、DNS、DHCP 等子系统，所有 201 个改配置工具带 9 层防护（确认、限速、审计日志、配置修订版回滚点），CI 在 Python 3.11–3.13 上跑 661 项测试，并用契约测试层对照 pfSense REST API v2.10.2 schema 校验请求格式。
推荐理由：原文详细列出了 9 层防护流程、661 项 CI 测试和各子系统工具数量，读者可以据此评估让 AI 改生产防火墙的可靠性。
Yicheng Wang 开源 Runner（MIT 许可），一个把 Claude Code、Codex、Antigravity CLI、Copilot CLI、pi 等 CLI 编码 agent 组成可复用 crew 的 macOS/Windows 原生应用，每个 agent 保留自己的 TUI 真实终端，通过共享 mission feed 协作。支持会话后台驻留于 runnerd、分屏标签、桌面通知、MCP 与 skills 统一管理，全部命令可用 runner CLI 驱动；默认内置 coder/reviewer 双角色结对编程 crew，examples/ 另含 QA 三人组、文档团队、狼人杀等可复制的 crew 配置。
推荐理由：README 详列各 CLI agent 的支持矩阵与默认 coder/reviewer 协作配置，读者可据此判断是否适配自己的多 agent 终端工作流。
DeepSeek 发布 DeepSeek-V4.1-Flash-1017，是 DeepSeek-V4.1-Flash 的小版本更新，在推理、编码、Agent 任务和视觉基准上大幅提升，同时缩短任务执行时间和输出长度，推进多 Agent harness 下的性能成本帕累托前沿。Terminal-Bench 4.0 达 42.3（上一版 31.2），Automation-Bench 达 60.5。该版本不含 Jinja 聊天模板，改为提供 encoding.py 参考实现和 deepseek-recipe Rust 库工具包，支持 1M tokens 上下文窗口、max_tokens ≥ 256K，推荐 temperature 1.0、top_p 1.0，采用 MIT 许可证。
推荐理由：技术报告给出与 Kim3、GPT-5.6、Opus 5 等的对比数据，并附推荐采样参数与推理工具链，方便本地复现。
autonomic-ai-dev 发布开源项目 agent-mouth，作为 Autonomic 集群的 Ingress API 网关，对 Agent 生成的 bash 命令用 tree-sitter AST 解析并按安全策略校验，rm -rf / 等危险命令在进 shell 前即被拒绝并返回结构化 JSON 错误。项目还提供 NATS JetStream 到 WebSocket/SSE 的实时流转发、Slack webhook 人工审批（cryptographic approve/deny 回调）和 stdin 日志摘要功能，支持独立 CLI 模式与 ：3104 端口守护进程模式，可通过 Homebrew 或 curl 安装，MIT 协议。
推荐理由：介绍了一个开源 Agent 命令安全网关的实现思路，tree-sitter AST 在执行前拦截危险命令的做法可直接迁移到自己的 Agent 工作流。