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
TianJinYing2006 在 GitHub 发布 DeepResearch，一个基于 LangGraph 8 节点状态机的深度研究系统，流程为规划、多跳检索（网络搜索 + arXiv + Qdrant 私有知识库）、生成带引用报告、引用校验与有界返工。项目提供引用存在性校验、多源印证与置信度分级防幻觉，OTel 全链路可观测，两阶段评测管道（after 基线 20 题 × 3 轮零异常，引用准确率 78.3%、覆盖度 39.8%，before/after 差值声明为不可判定），并包含账号、配额熔断、多租户 RAG 隔离等生产化能力；作者同时如实披露代码执行沙箱三层防护不构成对恶意代码的隔离。Gitee 仅作国内镜像，权威源为 GitHub。
推荐理由：作者把防幻觉做到图结构层面并公布实测指标与已知沙箱缺陷，评价口径克制，可作为自建深度研究系统的工程参照。
hivecommons 发布 promptargs，一个为 AI 提示词做模板参数填充的开源工具，写 {{like_this}} 占位符后由工具填入实际值，如把 Review {{file}} for {{focus}} issues 展开成具体指令。
推荐理由：原文完整给出了模板语法、变量自动检测规则和数组迭代模式，读者可以直接照着在 Claude Code 或 Copilot 里复用这套提示词模板流程。
Marg（GitHub marg-adk/marg）发布了一个 TypeScript Agent 开发框架，面向能对真实后端完成操作的对话 Agent，如提交工单、发布列表、完成预订。其核心设计是模型只负责对话，表单、选择器、确认摘要和创建闸门由运行时按整条消息读取，避免模型跳问、编造值或把有条件的回复当成确认；决策引擎 Verdict 按规则、开源决策模型 Laya、LLM logprobs 三级级联给出类型化判断。项目从真实用户的线上 Agent 中提取，附带数据：模型主导的提示词在 25% 至 50% 的轮次中漏问问题，整内容读取器在 521 条盲测语料上 0 次误读。支持 Anthropic 原生及任意 OpenAI 兼容端点，Apache-2.0 协议。
推荐理由：框架从真实线上 Agent 中提取而来，附有模型漏问、误读确认等实测数字，对做交易型 Agent 的读者有可参考的工程思路。
独立开发者发布安卓轻量级 AI Agent 运行环境证道，当前版本 v2.1.2（2026-10-16），在 PRoot 的 Debian 13.7 环境中一键运行 Hermes Agent，并支持终端自装 Claude Code、OpenCode、AGY CLI。门槛为 Android 16（API 36）加 arm64；README 详述 targetSdk 从 28 抬到 36 的技术路径及其导致内置 OpenCode 被弃用（error=13），首次安装需下载约 200MB RootFS，Agent 智能来自云端 API，不提供本地模型推理。
推荐理由：README 真机记录了 targetSdk 36 抬升的原理与代价，安卓免 root 跑 Claude Code 等官方 Agent 的做法可直接参考。
cdxDNRF 在 GitHub 发布 custom-llm-gateway，将 CodeBuddy、WorkBuddy、TRAE、Qoder 的订阅额度包装成本地 OpenAI 兼容 API，聚合端点共 72 个模型，带 Web 控制台。项目复用 dsh-codearts-auth 插件 58,279 行代码且一行未改，自有代码约 3,000 行，支持 OAuth 登录、多账号池、一键签到、限流自动换号和静默续期，每个供应商独立端口与账号池。作者提示该做法模拟官方客户端调用未公开接口，可能违反上游用户协议导致限流或封禁，建议勿用主账号。
推荐理由：原文给出端口布局、协议转换实现和实测记录，读者可以照着把多个订阅额度接成 OpenAI 兼容 API 自用。
MiniMax 发布 MiniMax-M3.1-Flash，一个面向编码、Agent 工作流、computer use 和网络安全的原生多模态 MoE 模型，总参数约 428B、每 token 激活 23B，支持文本、图像、视频输入，上下文窗口最高 1M tokens。相比 M3 的三项主要变化是全程稀疏注意力、量化感知训练，以及用 DSpark 投机解码取代此前的 EAGLE 类 MTP 方案。
推荐理由：官方公布与 DeepSeek、Kimi 等模型在十余个 Agent 与编码基准上的横向对比，并说明评测设置，读者可据此自行评估实际水平。
dcc-mcp 发布 dcc-mcp-comfyui，一个面向 DCC MCP 生态的 ComfyUI 适配器，提供 21 个typed工具，让 Agent 经 ComfyUI 本地 REST API 完成工作流校验、队列执行和产物交付，生成本地游戏 UI 美术、图标、透明 PNG 和 GLB 模型。内置九个覆盖 SD1.5、SDXL、FLUX.2 Klein 4B、Z-Image Turbo、Qwen-Image 2512、BiRefNet、Hunyuan3D 2、TRELLIS.2 PBR 和 Pixal3D PBR 的本地资产配方，不依赖付费 Partner Nodes；官方 ComfyUI 无需自定义节点即可完成校验、执行与产物取回。
推荐理由：仓库给出了21个typed工具、九个本地游戏资产配方和验证边界说明，读者可以评估用ComfyUI让Agent生成PNG与GLB资产的落地路径。
HeliosNova 开源 Nova，一个完全本地运行的个人 AI，把用户纠正自动转成 lesson 和时序知识图谱事实并在后续回答中检索，实测纠错多数情况能改变答案。它还内置 70+ 个覆盖 35+ 领域的自主 monitor 持续研究并维护 living dossiers、可评分预测和滚动版 State of the World，经 Docker + Ollama 部署，默认绑定 localhost，硬件要求 20GB+ 显存，也提供 4GB 和 CPU 配置。
推荐理由：该项目给出了可复现的记忆学习评测和与同类项目的对比表，能看出纠错式记忆回路到底有没有用。
igorsaevets 在 GitHub 开源 ai-second-opinion，把同一文档同时发给 GPT、Gemini、Grok 4.7、Kimi K3、Qwen 3.8 Max、DeepSeek V4 Pro、GLM 5.3 等多个互不可见答案的模型，展示分歧并机械核验每个引用链接是否存活、是否被真正打开，还能捕获静默拒绝和幻觉引用。工具为纯 Python 零依赖、MIT 许可，任何有终端权限的 Agent（Codex CLI、Cursor、Gemini CLI 等）均可安装，仓库带 AGENTS.md 供 Agent 自行运行评审；实测便宜面板每次约 $0.06，标准 12 模型面板约 $2.5，每个回答含 UNASKED 部分，作者建议在送审文档中植入已知错误以检验模型。
推荐理由：README 给出了各面板实测成本中位数、引文核验和植入错误检验的结果，读者可据此估算接入多模型评审的实际开销。
davidcristian 在 GitHub 开源了个人本地优先 AI 助手 Cortex，由宿主原生 Rust/Tauri 外壳（全局热键 Ctrl+Alt+Space、悬浮层、屏幕捕获、OS 操作）通过 gRPC 连接 dockerized Python 大脑（llama.cpp 推理、Postgres+pgvector 语义记忆、MCP 工具、子智能体）。所有状态存在本地 Redis 和 Postgres 中，模型可随时热替换而不丢状态；不可逆操作如发邮件需在悬浮层审批卡确认；三层模型包括常驻的 gemma-4-12B 多模态 QAT Q4、2-4B 子智能体阵容和按需加载的 31B 级推理模型，按 14 GB 软 VRAM 预算调度。
推荐理由：架构文档写得相当完整，三层模型调度、pgvector 记忆和不可逆操作审批机制都有具体设计，适合研究本地助手工程的人参考。
NeiP4n 发布 opencode-plus-plus，一个基于 OpenCode 的终端 AI 编码智能体，面向团队协作，支持 Windows、Linux、macOS 和 Android（Termux）。核心功能包括局域网房间（成员、角色、封禁和共享 DoD，可跨 Windows 与 Linux）、由 orchestrator 分派任务给架构师/开发者/测试者等角色的 AI 团队、以 .opencode/dod.yaml 呈现的 DoD 进度看板、Idea Bank、Markdown 项目笔记、CLI 工具 Hub、可编辑的 Mini skills 按钮、同提供商共享冷却的限速机制，以及 /mobile 手机布局和英俄双语界面。一条命令安装，MIT 许可证。
推荐理由：在 OpenCode 基础上加了局域网多人协作、角色分工 AI 团队和 DoD 看板，覆盖 Windows 到 Android Termux 的安装路径。
logicplanes 开源了自托管 AI 网关 Kaeso，在多个模型服务商前提供统一的 OpenAI 和 Anthropic 兼容 API，密钥、限额和日志由用户自控。README 提供基于 Docker Compose 的快速启动流程，仓库包含网关、Web 控制台、文档与 UI 库，采用 MIT 许可证，项目地址 https://github.com/logicplanes/kaeso。
推荐理由：README 给出从空目录到运行实例的完整 Compose 命令和仓库结构说明，想自托管 AI 网关的读者可以直接照着部署。
jsanchez542-hub 公开了 Maître 仓库，一个面向餐厅等预约类商家的订位助手，客人可通过电话、网页聊天或 WhatsApp 预订，桌位、营业时间、日期和过敏原等规则全部由代码保证，语言模型只负责说话，已上线 maitre.live。项目用预先写好的 41 段对话（其中 26 段含电话场景）对真实模型做评测，每段跑三次，在 19 段对话的对比中 Claude Haiku 5.5 以 19/19、p95 延迟 5.7s、每次 $0.0021 被选用，10 月 15 日最新一轮全部通过；架构上每家餐厅对应一个 Cloudflare Durable Object，数据固定在欧盟，语音部分基于 LiveKit Agents，代码以只读评估为目的发布（保留所有权利）。
推荐理由：仓库用评测数据对比了多个真实模型并给出选择依据，读者可以借此了解规则交给代码、对话交给模型的工程取舍。
GitHub 仓库 docsor1212/aesthete-agent 发布，定位为面向 AI Agent 的前端配色技能兼 MCP 服务器，可规划、校验并导出通过 WCAG 2.2 和色盲模拟检查的配色系统。核心方法包括 117 套经客观门槛筛选的策展色板库、5 维评分卡、AI-slop 特征检测与渐变禁令，支持经 npx skills add、SkillHub、ClawHub 安装，MCP 版以 13 个工具形式提供 uvx aesthete-agent-mcp，核心引擎纯 Python 标准库实现，MIT 许可。
推荐理由：用客观质量门代替主观审美来约束 AI 配色，六步流程和评分卡可直接套进 Claude Code 等 Agent 使用。
lioensky 发布 VCP (VCPToolBox) 1.1 正式版，定位为让 AI 持续存在的基础设施而非工具调用框架，已在用户真实环境中 7×24 小时运行。核心是把信息从 AI 主动查询改为主动流向 AI 的语义引力机制，包含连续时间线、浪潮语义动力学记忆引擎、RiverMemo 拓扑 V3 与 Rust/Rayon 原生内核，支持 300+ 插件、分布式部署、跨端记忆同步与模型自动路由，采用 CC BY-NC-SA 4.0 许可证。
推荐理由：项目方系统阐述了让 AI 持续存在的架构思路，把记忆检索改为信息主动浮现的引力范式，对做长期陪伴 Agent 的开发者有参考价值。
arXiv 论文 arXiv:2610.23845 提出 SEER-Repro 基准，收录 20 篇基于美国 SEER 癌症数据库的已发表论文及其复现所需数据资源。作者构建的 AI 智能体成功复现 2,190 条原子论断中的 77.4%，并通过智能体分析管线识别分析选择、提出替代方案后重跑分析，在 9.5% 的完全复现发现中标记出可能有实质影响的分析选择，交由专家复核。
推荐理由：论文给出了基于 SEER 的复现基准和 77.4% 原子论断复现率等具体数据，可用于评估 LLM 智能体做科学复现的现阶段水平。
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 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。
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。