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
mshykhov 在 GitHub 发布开源工具 LitRelay（MIT 协议），可将原书与可选的部分已有翻译补成完整译本，保持术语与文风一致并翻译缺失章节。工具提供翻译、基于原文的 QA、自动修订与确定性检查流水线，默认阈值为 meaning90、terminology85、style75、completeness95；支持断点续译、TXT/EPUB 输入，导出 TXT、EPUB 及含术语表和质量报告的 ZIP，可通过 --backend 选择 claude 或 openai 模型，需 Python 3.12+、uv 和已登录的 Codex CLI。
推荐理由：原文给出了完整的翻译流水线、QA 阈值和断点续译机制，读者可以直接按三条命令复现整本书的翻译与导出流程。
Blackcat Informatics 发布 PurRAssist 0.1.0，用于从不完美的 JSON、名称、路径和文本中恢复 AI 意图，同一恢复引擎以 Rust crate、MCP server 和 CLI 三种接口提供，六个 crate 已发布到 crates.io。核心能力包括 schema 引导的恢复搜索与证据回执、12 种工具调用方言解析（含 qwen3-coder-xml、openai-tool-calls、anthropic-tool-use 等）、Markdown 结构编辑和 1324 个 CommonMark/GFM 示例的精确渲染校验，纯核心零第三方运行时依赖，支持 Draft 2020-12 与 Draft-07 两种 JSON Schema 方言。
推荐理由：这是官方发布的 AI 输出修复工具，同一恢复引擎同时提供 Rust crate、MCP server 和 CLI 三种接口，并附完整的测试与限制清单。
nabinpkl 开源 askRAG，一个对 1,046 篇 arXiv 计算机科学论文构建的 Agentic RAG 应用，agent 通过混合检索、元数据查询、论文阅读和沙盒 Python 等工具回答问题。仓库含 78,024 行目录的可筛选浏览、引用与类目趋势页和基准页，检索用 BM25 与稠密向量经 RRF 融合再用 Voyage rerank-3-lite 重排，93 道金标问题的评测显示 Hybrid + rerank 达 90% Recall@10、论文级召回 99%，中位延迟 735 ms、每次查询约 $0.000659；代码 MIT 协议，依赖的 PyMuPDF 为 AGPL-3.0。
推荐理由：作者公布了每种检索方法的逐项评测数据，含按问题类型的差异和噪声边界，读者可据此评估 Agentic RAG 方案的适用场景。
作者发布 thanatchon-skills 技能集，覆盖从 MISSION.md 定义验收标准、分阶段发布仓库、撰写 README 和 Launch 文案到运行时版本漂移检测与数据泄漏审计的流程，可通过 Claude Code 插件市场或 npx skills 安装到 Cursor、Codex 等代理。每个 skill 配备触发与近失评测（如 runtime-drift 须在 fixture 上报出 verdrift 的 4 处版本不一致、leakage-audit 须命中 8 处植入泄漏），会自动触发也可能在发布前停下等待用户确认，作者称 verdrift 仓库即由该工作流产出。
推荐理由：作者给出每个 skill 的触发与防误触发评测集和 fixture 实测输出，读者可以直接复跑整套 claude plugin eval 验证效果。
作者开源 tailhook，一个部署在 webhook 发送方与应用之间的支付事件调试器，负责验签、幂等去重、重试转发和死信队列，并用 Bedrock 上的 Claude 通过四个只读工具解释扣费失败原因。项目用 Terraform 一键部署，60 秒压测发送 60,000 条事件、零丢失，Agent 评测含 18 个用例且用字符串断言而非 LLM judge 打分。
推荐理由：作者开源了一个支付 webhook 调试工具，附架构说明、压测数据和 18 个 Agent 评测用例，部署脚本可直接复用。
作者开源 DocPilot，一个可上传 PDF 与 Markdown、返回带引用答案的文档问答系统，支持 Claude、OpenAI、Gemini 三家按请求切换，检索用本地嵌入 BAAI/bge-small-en-v1.5 加 PostgreSQL pgvector。Research 模式用 LangGraph 编排 Researcher、Analyst、Writer 三个角色并流式展示全过程；评测集 21 题上各模型全对且引用页 100%，Claude Haiku 每题约 $0.0003，Agent 任务平均 1.4 轮、4.6 次工具调用，检索 MRR 1.00 且 CI 低于 90% 会失败。
推荐理由：开源的文档问答项目带完整评测数据，各模型每题成本低至万分之三美元，部署与检索方案可直接复用。
INFOKOM-KI 发布 Wazuh-MCP-Server，一个供 Claude Desktop 等 MCP 客户端使用的防御性蓝队服务器，注册 160 个工具加 4 个资源，设置 WAZUH_READ_ONLY=true 时为 134 个。覆盖 Wazuh SIEM 检索、多源威胁情报聚合、MITRE 驱动的 3-Sum APT 关联、攻击图、LangGraph 调查流程、本地案例 RAG、主机取证，以及可选的 HDBSCAN 聚类与 ATT&CK 事件标注，默认只读。
推荐理由：仓库用 22 条标注提示词实测了 BM25 与两个交叉编码器的路由准确率和延迟，结论可直接复用到类似工具路由设计。
GitHub 上的 bash-lmline 是一个 Bash/zsh 行编辑辅助工具，向 OpenAI 兼容接口请求命令候选并插入当前命令行缓冲区，不会自动执行。候选按风险分级插入，执行仅经 Ctrl-x Ctrl-f 修复路径、可选 command_run 工具或 lmline sandbox run 等显式路径；支持 LM Studio、Ollama、OpenAI、OpenRouter、Gemini 等端点，并可通过 GitHub Copilot Language Server 作为替代后端。
推荐理由：文档写清了候选插入不执行、风险分级和微沙箱执行路径，本地部署与隐私配置也可直接照搬。
google-deepmind 发布 Simply，一个基于 JAX 的极简、可扩展研究代码库，定位为人和 AI 智能体都能快速迭代的前沿 LLM 研究环境。内置智能体示例与面向长程运行的 Go 语言 Agent 框架 Amplio（支持崩溃恢复、子智能体与 Web UI），以及含 11 项评分任务的 research_bench 套件；zoo 目录提供 GLM-5、Kimi K3 和 Qwen3.8 自包含模型插件，支持 Cloud TPU 与 GKE 运行，软件采用 Apache 2.0 许可证，模型与数据集可从 HuggingFace 下载（约 10 GB）。
推荐理由：代码库自带 11 项评分研究任务和带崩溃恢复的 Amplio 长程 Agent 框架，可据此了解自动化 AI 研究的落地工作流。
作者发布个人开发工具包 dotagents，一次安装即可在任意仓库为 Claude Code、Cursor 和 Codex 提供统一的技能、子代理与验证门，不改动产品仓库本身。技能通过 symlink 指向 ~/.agents/skills 实现三端共享，hook 用验证门在回合结束时强制自检，规模分级 XS 到 L 决定无人回环还是需人工参与，stacked PR 每个 landing 一条但 merge 由人执行。文中记录了实测成本（/da-review-all $1.99、/da-verify $0.59）、四套评审技能对同一 PR 指出重合率 93.4%、技能从 35 本裁剪到 21 本使常驻 description 减半，并附 setup 命令、profiles 机制与完整设计文档。
推荐理由：原文逐条给出每个脚本与 hook 存在的理由、实测成本和踩坑记录，可作为跨 harness 工具链设计时对照的实践样本。
directive-run 在 GitHub 发布 Directive，一个约束驱动的 TypeScript 运行时：开发者声明必须为真的事实，运行时通过 resolver 自动完成获取、重试、批处理和错误恢复。其 AI 包提供 4 个 LLM 适配器（OpenAI、Anthropic、Ollama、Gemini，纯 fetch 零 SDK 依赖）、PII 脱敏、prompt injection 检测、内容审核、成本与预算控制及并行、序列、supervisor、debate、DAG 等多智能体模式。
推荐理由：原文给出了约束驱动状态运行时的具体用法代码和与传统状态库的对比表，读者可以直接评估是否引入到自己的 TypeScript 项目。
开源 TypeScript 库 rudra-js（MIT，npm 安装）让语言模型为商店页面生成商品推荐块，但模型不写 HTML，只返回闭集词汇表内的规范，商品仅以 SKU 引用，价格、名称、图片和链接由 React 从商家目录读取。模型文案经三道校验：价格、折扣、评分等数字模式检查，句中每个数字须来自自有 payload，以及无数字宣称的词表检查，未通过的字段被丢弃；三道校验均为词表或数字匹配，改写措辞和拼写出的数字可能漏检。默认模式下每 1000 页面浏览只需 460 次模型调用，也可完全不用模型运行。
推荐理由：原文讲清了不让模型写 HTML、只用闭集规范加三道校验的防幻觉结构，还给出 460/1000 的调用量对比和已知漏检示例。
作者开源了个人 Claude 技能仓库 msbrown74/claude-skills，收录 delta-sync-maintenance、qc-sweep、text-humanization、truth-seeking-panel 等 7 个技能，每个技能是含 SKILL.md 的文件夹，MIT 协议发布。可通过 /plugin install core-skills 一次安装全部，也可在 Claude 网页版逐个上传 zip，或在 Claude Code 复制到 ~/.claude/skills/；作者提醒全量插件安装会给每个会话增加约 2,000 tokens 的技能描述开销。
推荐理由：仓库给出七个技能的 SKILL.md 结构和多种安装方式，连按需安装的 token 开销都写明了，便于按工作流取舍。
Crustify 发布于 GitHub，是一个将生产级 C/C++ 代码增量迁移到安全 Rust 的 Agent harness，支持移植实现、生成 FFI 安全包装和查找未定义行为。其采用 orchestrator 加 translator 双Agent架构，配套 wavefront 依赖分析、ffibox 安全 FFI 指针库和 crustify-audit 安全审计器，支持 Claude Code 和 OpenAI Codex 作为后端。
推荐理由：原文给出了完整的双Agent架构和 libgit2 迁移的实测数据，包括覆盖率、成本与耗时，可以据此评估 Agent 大规模迁移 C 到 Rust 的可行做法。
mnorrsken 发布开源项目 Gypsum，一个面向 LLM 知识管理的自托管个人 Wiki，页面以 Markdown 文件存于 git 仓库，内置 MCP 服务器（Streamable HTTP）让 Claude 等 AI 助手完整读写、搜索并维护 Wiki，无需单独插件。
推荐理由：该项目在 Apple M5 上实测了多款嵌入模型的下载量、内存与索引速度等具体数据，可作为自建本地语义搜索时选型的参考。
Cap-go 发布 @capgo/capacitor-llm 插件，支持 Capacitor 应用在设备端运行大语言模型，调用免费且数据不出设备。iOS 默认走 Apple Intelligence（需 iOS 26.0+），Android 用 Gemini Nano 或 LiteRT-LM .litertlm 模型包，Web 通过 @mediapipe/tasks-genai 加载 Gemma 4 web 模型。提供 createChat、sendMessage、setModel、downloadModel 等接口及流式输出、模型下载进度与就绪状态事件，并附 Capacitor v7/v8 兼容表和示例应用。
推荐理由：文档级 README 覆盖三端模型选型与后端参数，可作为在 Capacitor 应用里接入端侧 LLM 的直接参考。
9Tech Solutions 发布 agent-context-pruner（0.x 早期版），一个面向 AI 编码智能体的上下文压缩工具，压缩时从不摘要，保留内容逐字原样，由可替换的决策模型给旧工具调用打分后丢弃或截断。决策模型可用 TypeSafe Jev、Cloudflare Clef、本地 Ollama/SGLang 或内置离线规则打分器；Claude Code 插件需 2.1.275+，通过 /plugin install 安装，/compact 与自动压缩将走该插件。
推荐理由：作者用自己 76 个会话的实测数据给出各信号对复用预测的 AUC 和规则模型与 Jev 的对比，方法可迁移到类似上下文剪枝场景。
clownware 开源 bouncer，一个面向 Claude Code 工具调用的判断层插件，用快速判断模型 Jev 对每次 PreToolUse 调用回答七个英文问题并按阈值裁决，成本约每天 4 美分。策略问题与阈值由用户 YAML 文件管理，内置 22 条硬规则兜底，提供 observe、seatbelt、guard、full 四种模式，v0.2 的 gate 已上线。校准数据来自 2026-10-11 对 jev-1.13.0 的实测运行，112 条手工标注 fixture 上七问全部通过 0.85 准确率门槛，bouncer judge 用于批处理级联，只把升级项交给推理模型。
推荐理由：项目给出实测校准数据、硬规则拦截案例和三条基线的级联成本对比，读者可以看到判断模型替代推理模型的收益是怎么测出来的。
Mingye-Lu 在 GitHub 开源了 acrawl（AgenticCrawler），一个以单个 Rust 二进制分发的浏览器自动化 Agent，提供 42 个内置工具、25 家 LLM 服务商接入和内置 MCP 服务器。除导航、点击、抽取外，还将完整 DevTools 能力作为一等 Agent 工具，包括检查网络请求、分析控制台日志、测量性能、axe-core 无障碍审计和网络拦截；支持 JSON 确定性脚本（零 LLM 调用）、子 Agent 并行爬取（最多每父级 5 个并发）、HTTP 优先并在检测到 JS 框架标记时自动升级到无头浏览器。
推荐理由：README 给出了与 browser-use、Stagehand、Skyvern 等工具的逐项功能对比表和各家成本数据，便于判断是否值得换用这个单二进制方案。
withbuddi 在 GitHub 开源了 buddi 0.1.0-pre.N 预发布版，一个自托管的个人 agent 平台，AI 队友可用工具、按计划工作、有记忆，并在执行重要操作前请求批准，全部在本地运行。每个 agent 是一个含 agent.md 的文件夹，工具按层级审批；支持 Mac（buddi.app、Homebrew）、Linux 一键安装和 npm，采用 Apache 2.0 许可，暂不支持 Windows，Computer 插件仅限 macOS。
推荐理由：原文详细说明了 agent 以文件定义、工具分层审批和本地 Postgres 存储等架构设计，读者可借此评估这个自托管 agent 平台的边界机制。