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。
1,885 条精选近 30 天 1,880 条共收录 7,257 条
z80dev 发布开源编码智能体 Lemon（MIT 协议，pre-1.0），以 Elixir/OTP daemon 形式常驻本机，会话、记忆、技能、定时任务和子智能体都在受监督的运行时内，关掉终端后任务继续运行。终端 TUI、浏览器、CLI、Telegram 和 Discord 连接同一运行时，可从手机接手任务；支持 /plan、/rewind、审批、checkpoint、git worktree 并行任务、跨会话记忆与技能草稿，可接入 ChatGPT/Claude 订阅或 Anthropic、OpenAI、Gemini、DeepSeek、Qwen 等 API 及本地模型。仓库还含 LemonSim，用于以可回放验证的方式对比模型行为。
推荐理由：Lemon 把编码智能体做成常驻 daemon，会话、记忆和定时任务都在自托管的 Elixir/OTP 运行时里，关掉终端也不中断。
作者叁笙开源 sansheng-write，一套封装为 Claude Code skill 的中文长文写作方法论与排版工程，覆盖选题、大纲、正文、改稿、标题、排版到配图全链，输出可直接粘贴到微信公众号的 HTML。去 AI 味靠三层过滤与七条内容层规则，质量由契约门机器校验，风格需自建语料 profile 蒸馏；仓库按纯方法论、加微信排版、全自动发布分三档安装，以 MIT 许可发布在 GitHub。
推荐理由：作者把中文长文写作拆成带契约门的流水线并开源为 Claude Code skill，去 AI 味规则和排版工程细节可直接复用。
BkashJEE 发布 Hermes Agent 插件 Bot Forge，让任意 Agent 用一句话生成可用的 Bot Mode Bot，自动写入身份、SOUL.md、记忆、工具技能、例程与 Bot Chat 开场。插件提供 create_agent、update_agent、create_team、handoff_agent 等 15 个工具，支持 Docker/singularity/apptainer 沙箱、共享 BOT-POLICY.md 策略、阻塞邮件通知、模板分享导入，并给出与 Grok Bots、OpenMausBot、OpenClaw 的对比表。要求 Hermes Agent 0.21+，测试覆盖 Linux 与 macOS，Windows 未支持。
推荐理由：原文给出从一句话建 Bot 到 SOUL.md、记忆、沙箱和交接机制的完整实现细节，可对照其他 Bot 平台方案取用。
RedRobotKK 发布 Replay（npm 上名为 Replay Doctor），读取本地 agent 转录，逐轮对照供应商缓存规则，定位 prompt cache 失效的轮次、原因及按写入价重复计费的 token。作者 122 个会话（1957 条 agent lane）的 Claude Code 实测显示总花费 $12661.43，其中 $349.02（3%）为缓存失效导致的重复计费；replay diff 将失效归因于客户端重渲染（频繁小额）与 TTL 过期（罕见大额）两类机制。工具支持 go install、npm、PyPI、deb/rpm/apk 等多种安装方式，采用 BUSL 1.1 许可，2029-09-06 转为 Apache 2.0。
推荐理由：作者用自己 122 个会话的真实账单数据演示工具，并给出缓存失效的两类成因机制，读者可据此判断是否值得装。
NGINX Markdown for Agents 发布 v0.9.2，这是 v1.0 前最后一个计划内的破坏性版本。该 NGINX 模块在边缘为已有 HTML 页面提供机器友好的 Markdown 表示，发送 Accept: text/markdown 的客户端收到 Markdown，浏览器仍收到原始 HTML，无需应用重写、第二套内容 API 或独立抓取服务，还可通过 User-Agent 匹配针对 ClaudeBot、GPTBot 等爬虫强制返回 Markdown。模块在消费前去除浏览器导向噪音，可降低 token 用量。
推荐理由：在 NGINX 边缘按 Accept 头返回 Markdown，无需改写应用或另建内容 API，部署思路可直接复用。
arXiv 论文 2610.20597 提出一种为语言智能体引入多步动作目标的训练方法，在成功轨迹上训练策略骨干生成后续动作序列，并从历史预测每个动作形成时间集成，使行动与预测协同演化。在 ALFWorld、ScienceWorld、WebShop、τ²-bench 和 AppWorld 五个基准上，该方法整体表现超过 GRPO 及带预测辅助目标的 RL 基线，在 ScienceWorld 上样本效率分别比 ECHO 和 GRPO 高 1.9 倍和 2.0 倍，且只用单一策略骨干，推理时无额外开销。代码已开源。
推荐理由：论文给出多步动作目标的训练方法，在五个基准上对比 GRPO 等基线并报告样本效率倍数，方法可复现且代码已开放。
作者发布 MultiPartyTurnBench（MPTB），包含 240 段合成、信道分离的 2 至 5 人对话和六种交互类型，评测话轮结束（EOT）检测与打断（INT）检测两项任务。基线模型 EOT 召回率达 82.5-92.6%，但五个全双工智能体在选择性打断处理上接近随机水平（46.9-54.7%），Gemini-3.8-Live 对 97.7% 的附和信号让出话轮，MiniCPM-o-4.5 仅响应 1.4% 的真实打断。论文指出选择性话轮控制仍是多方语音交互的未解难题。
推荐理由：基准把真实话轮转换与易混淆的非事件分开评测，并给出五个全双工智能体在选择性打断上的具体短板数据。
Dongzhuo Li 等人在 arXiv 发布 TreeFlex 框架，让 Agent 用单个模型以 Reflection 和 Execution 两个角色自主决定在搜索树中深化、分支、回溯或验证，摆脱单一上下文里陈旧信息挤占容量的限制。导航、任务动作、检查点与提案审核通过树感知改造的 GRPO 联合训练。4B 模型经小规模 RL 后在深度研究基准达 48.8% 准确率，高于 flat ReAct 的 41.5% 和 FoldAgent 的 42.8%，Pass@8 高出约十分；9B 模型在 SWE-bench Verified 解决 54.9% 任务，高于 FoldAgent 的 43.3%。论文链接 https://arxiv.org/abs/2610.20334v1
推荐理由：论文给出 TreeFlex 与 ReAct、FoldAgent 在相同上下文限制和相同起点模型下的对照数据，可比较搜索树导航带来的具体提升。
arXiv 论文（arXiv:2610.19614）提出将 LLM Agent 轨迹视为动作与环境观测共享嵌入空间中的路径，同一任务的成功与失败 rollout 在该空间中可分离，简单判别器在三个 Agent 基准和三个策略模型上预测 held-out rollout 结果最高达 0.95 AUROC。作者进一步推出基于 transformer 的 Precog-RM，通过元学习使结果预测可在 few-shot 设定下泛化到未见任务和模型，并在轨迹终止前给出置信预测。部署为 GRPO 在 Tau2-Bench 上的早停控制器时，最多削减 47.3% 训练 FLOPs 且性能与基线 GRPO 相当。
推荐理由：论文给出跨三个基准和三个策略模型的 AUROC 数据，并量化了 GRPO 训练最多省 47.3% FLOPs 的收益。
Xin Li 在 arXiv 发布 SYNC（Symbol-Indexed Neural Communication），一种免微调、免学习翻译器的词索引接口，让异构语言模型通过共享词表索引交换事实。发送方仅凭描述从共享词表选词并发送索引，接收方用自己的词方向向量将事实写入隐藏状态；在 3 个发送方与来自 5 个模型族的 9 个接收方上，新场景四问成功率 72.0-98.3%，最高比中层写入高 96 个百分点，两个最大接收方与纯文本持平；任务无关探针提前预测可用写入深度 45/45 命中，新布局下逐条事实消息保持 89.6-100% 成功率。项目页、代码与数据已公开。
推荐理由：论文给出跨架构模型间免训练通信的具体接口设计和多组收发模型组合的实测数据，方法可复现且代码数据已开放。
aiyinyuedejustin 在 GitHub 发布中文 agent 工程知识库 agent-engineering-fundamentals，讲把 LLM agent 从能跑做到能上线运营所需的组件与设计决定。内容含一篇按 15 类责任展开的 Agent harness 与 loop 长文、10 个专题章节和 8 份推荐阅读，资料核对截至 2026-10-14，附 581 项分类来源与 23 项补充核验，来源包括官方契约、OpenAI Codex、LangGraph、vLLM 等开源项目源码及作者一手实践；只收隐含工程知识与影响设计决定的内容，以 CC BY 4.0 许可发布。
推荐理由：这份中文 agent 工程知识库按设计决定组织内容，每条都写清选项与代价，并附 581 项标注阅读范围的一手来源。
alabenkhlifa 在 GitHub 开源 dayjob，一组覆盖软件工程全流程的 agent skills，处理站会、工单、PR、评审、事故、周报和 1:1 等编码之外的事务。核心命令 whats-next 读取分支、开放 PR、任务列表和时间，推荐当前合适的 skill；每个 skill 先起草并在发布到 Slack、Jira 或 GitHub 前确认。支持 Claude Code 插件安装，也可通过 npx skills add 用于 Cursor、Codex、Copilot 等其他 agent，采用 MIT 许可证。
推荐理由：开源仓库把站会、工单、PR、复盘等编码之外的工程事务做成一组 agent skills，覆盖 Claude Code 与其他 agent 的安装方式。
FlologixAI 发布了用 Rust 编写的终端编码 Agent Marv，以单个静态二进制分发，支持 OpenRouter 或本地 Ollama 模型。它能读写文件、在 bubblewrap 沙箱中运行命令，默认 yolo 模式下沙箱内操作免审批，网络访问、git 写入和受保护文件仍需确认，并对外部文本做提示词注入防护。0.5.0 仅提供 Linux x86_64 和 aarch64 二进制，Windows 需走 WSL，暂无 macOS 构建。
推荐理由：原文详细说明了沙箱、审批和提示词注入防护的具体规则，读者可以据此评估这个终端编码 Agent 的安全设计是否值得采用。
Yilin Jiang 在 arXiv 发布论文（arXiv:2610.19659），提出用读者模型站在请求方立场评估 LLM Agent 回复的可用性。跨 7 个模型族的 8 个模型中，480 条回复有 54% 不可用，最好的模型失败率仍达 30%，失败多为指向请求方未见过的材料或使用 Agent 自造的标签。在回复中明确要求可将失败率从 0.52 降到 0.43，用第二个模型改写回复可降到 0.36，并经人类标注者盲测确认。
推荐理由：论文提出可量化的回复可用性指标，并给出追加一条消息或调用改写模型两种降低失败率的做法。
arXiv 论文提出 LAGO，将专用语言智能体作为可复用的时序扩展选项，由 meta-agent 检索或生成选项、分发子任务并验证结果，选项库跨任务增长且不更新模型权重。在 500 个 SWE-bench Verified 任务上，冻结的 Qwen3.5-35B-A3B 单次尝试解决率为 58.6%；在固定 150 任务子集上与 mini-SWE-agent、Terminus 2 同条件对比，解决率分别为 49.3%、57.3% 和 60.3%。50 任务消融显示去掉分解少解决 4 个、打乱复用内容少 2 个、去掉选项库少 6 个。
推荐理由：论文给出了同条件下的组件消融与横向对比数据，读者可以据此评估可复用 agent 选项库在长任务中的实际贡献。
ip2k 发布 Rarefaction，一个 MCP 服务器，通过语言服务器（LSP）一次性返回某个符号的签名、函数体、调用者、实现、可达测试和可能受影响的文件列表，供 Claude Code、Codex 等 MCP 客户端使用。支持 Swift、Rust、C/C++、TypeScript/JavaScript、Python 和 WAT，在 ripgrep 和 IronRDP 的 50 个真实提交上实测，返回内容的中位字节数约为读取相关文件的 6-7%；索引完成后单次调用中位 80 ms（ripgrep）。完全本地运行，无网络请求和遥测，GPL v3 许可。
推荐理由：作者用 ripgrep 和 IronRDP 的 50 个真实提交实测，说明一次有界调用返回的字节量约为整文件读取的 6-7%，数据可核对。
GitHub 项目 oney-erge/YBM 发布，这是一个运行在本地机器上的 AI Agent，可通过网页、Telegram 和 WhatsApp 访问，把消息变成直接回复或可追溯任务，支持文件、终端、Chrome、VS Code、桌面控制、定时任务、MCP 服务器和编码 Agent 等工具。每个任务按 Plan、Approve、Execute、Verify、Receipt 五阶段执行，可随时中止；终端、文件写入、浏览器和桌面控制等高风险能力默认关闭，审批精确、限时且一次性使用，任务保留审计记录。可用 Ollama、LM Studio、LocalDeploy 等本地模型或 API key，Windows 测试最充分，桌面控制在 Windows 才可用；目前为 alpha 软件，MIT 许可。
推荐理由：开源本地 Agent 项目 YBM，用 Plan 到 Receipt 五阶段流程让每步高风险操作可审批、可追溯，适合想在自己电脑上放手跑任务的人。
yeliu84 在 GitHub 发布 pi-model-router，一个面向 pi-coding-agent 的逐轮模型路由扩展，按任务意图、会话预算、上下文大小和自定义规则在 high、medium、low 三档模型间动态切换，并提供自动回退与阶段记忆。支持 LLM 意图分类器、关键词规则（如 deploy 强制 high 档）、会话花费上限超限后降档、llama.cpp/Ollama/LM Studio 本地模型接入，以及 /router 系列命令查看状态、切换 profile、固定档位和覆盖 thinking 级别，配置支持热重载。安装方式为 pi install npm:@yeliu84/pi-model-router。
推荐理由：pi-coding-agent 的逐轮模型路由扩展，按任务意图、会话预算和上下文在高中低档模型间切换，配置与命令文档齐全。
soulrocha 在 GitHub 开源了 SnapMD 1.4.0+，一个 Chrome/Edge 扩展，可将当前页面（表单勾选状态、数据表格、xterm.js 终端、Chart.js 图表、打开的弹窗）转为干净 Markdown，供粘贴到 ChatGPT、Claude 等 LLM。区别于文章剪藏类工具，它读取实时 DOM 的状态而非重新抓取 URL，支持跨域 iframe 如 Microsoft Entra/Azure portal，密码、卡号、OTP 等字段自动打码，全部提取在浏览器本地完成、无服务器和网络请求；尚未上架 Chrome 商店，需通过 git clone 或 release zip 以开发者模式加载。
推荐理由：区别于常见文章剪藏工具，它读取登录会话下的实时 DOM 状态并全部在浏览器本地完成，作者还给出了虚拟化列表等明确的局限说明。
reda-baqechame 开源 Expert Fleet，一个仅依赖 Python 标准库、无数据库无框架的本地优先 Agent 平台，含 124 个模块、161 项注册验收测试和一个 HTML 控制面板，覆盖任务、能力学习与带引用问答三个系统族。其核心设计是「完成」必须由调用方冻结的验收命令验证、目标契约存于磁盘、六大权限网关强制审计，支持 OpenRouter、Anthropic、OpenAI、Gemini、xAI、DeepSeek、Ollama 等多种提供商并附 Windows/Linux/云三路安装脚本，采用 AGPL v3。
推荐理由：该平台把判定权交给调用方冻结的验收测试与六大权限网关，而非模型自评，且明确标注了尚未实测的边界，工程取舍写得较扎实。