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
Lykhoyda 在 GitHub 发布 ask-llm，一个标准 MCP 服务器，让 Claude Code、Codex CLI、Cursor、Claude Desktop 等 40+ MCP 客户端调用 Codex、Claude、Grok、Antigravity、Ollama 或 Gemini 来审查 diff、辩论方案或独立复审代码。统一包 @ask-llm/mcp 通过 npm 安装，支持多模型并行 fan-out（multi-llm）、会话保持、按提供商的配额回退策略，以及 /multi-review、/brainstorm、/compare 等 slash 命令；Ollama 路由可实现完全本地私有审查，Gemini 支持单次摄入 1M+ token 的整库读取。
推荐理由：这是一个让主力编码助手调用第二个模型独立审查代码的开源 MCP 工具，安装与提供商配置文档相当完整，需要多模型协作审查的读者可以参考。
GitHub 开源项目 agent-evals 发布，用于测量工具调用型 LLM Agent 的准确率与幻觉，通过保留集验证的改动改进 Agent。框架包含 AWS docs agent（逐条引用与文档快照核对，虚构页面和错引由代码标记）和 boto3 代码 agent（按 botocore 服务模型检查 API 调用，在 moto 无网络沙箱运行）。评分优先用引用检查、关键词检查等纯代码确定性 graders，代码无法判定的部分才用 LLM judge；每个指标带 bootstrap 置信区间、McNemar 检验和 τ-bench 的 pass^k，运行记录含 git SHA、prompt hash 等完整 manifest。
推荐理由：开源的 Agent 评测框架，先跑代码级确定性评分再上 LLM judge 的思路值得借鉴，统计方法部分也可迁移到自家项目。
WikiTeq 在 GitHub 发布了 rag-of-all-trades，一个完整的 RAG 微服务，基于 FastAPI、pgvector、Redis、Celery 和 LlamaIndex，用 Docker Compose 一键部署。内置 S3、MediaWiki、Slack、Jira、GitHub、Notion、Dropbox、Confluence、IMAP、OneDrive 等十余种连接器，各自支持定时摄取；支持 OpenRouter/OpenAI 或本地 HuggingFace 嵌入与推理，并提供 /api/v1/query、/api/v1/rephrase 接口和可选的 MCP 端点。
推荐理由：这是一个可直接部署的完整 RAG 微服务，自带十多种数据源连接器和定时摄取配置，适合想自建企业知识检索的人参考。
arXiv 论文 2610.15093 提出 loop engineering 概念，分析 600 条公开编码 Agent 轨迹后发现 98.6% 的输入 token 由前缀缓存提供，平价输入定价平均高估循环成本约 7 倍。轮次数量解释轨迹成本 84% 的方差，而平均观察大小只解释 4%；模型委派在一半评测设置中反而增加成本。作者发布 TurnCost 工具，用于在替换缓存、定价、压缩与路由策略下重算轨迹语料成本。
推荐理由：论文用 600 条轨迹数据指出轮次数量而非观察大小才是编码 Agent 成本主因，并开源了换算不同缓存与定价策略的 TurnCost 工具。
GitHub 用户 renrenmimi 发布 AgentLab，一个中英双语、纯浏览器运行的 AI 智能体交互课程，共六组十四个节点，覆盖模型输出、系统提示词、成本随轮数平方增长、上下文溢出、工具选择错误、prompt injection、权限、重试与幂等、以及用十个保存任务衡量改进。默认使用录制数据模拟响应，无需 API key；内容与页面分别由 verify.mjs（24 项检查）和真实浏览器套件（123 项断言、三档宽度、覆盖率 89.7%–91.6%）自动验证。作者还复盘了三个检查器教训，包括旧的选择器清单只测到 43 个表面却报满分、三处已发布对比度缺陷漏检，并改为遍历渲染树并自断言覆盖下限。
推荐理由：这个开源交互教程把智能体的成本、上下文、工具误用等坑做成可操作演示，并详细记录了对比度检查器失灵的教训，方法可迁移到类似项目。
samuelyossef 在 GitHub 开源了 jev-openfast，一个通过聊天驱动的本地浏览器 Agent，调用真实 Chrome 标签页执行 CLICK、TYPE_TEXT 等操作，决策由 TypeSafe 的 typesafe/jev-1.13 结构化模型完成，文字输入使用 inception/mercury-2.5。模型不写选择器或代码，页面转为编号元素表后由模型从表中选操作和目标；发送、支付等外部承诺需人工批准，DONE 后会重新检查页面并给出 confirmed、not met 或 unknown 的验证结果。
推荐理由：这个本地浏览器智能体在执行前用元素表决策、DONE 后独立复核结果，作者还写明了 guards 与隐私处理的实现思路，可供搭建类似 Agent 参考。
GitHub 用户 rtcode337 发布开源项目 Chiezo，把 AI 常用的知识、记忆、API 密钥、媒体生成等托管在一处，通过 MCP 和 REST 供 Claude Code 等调用，代码采用 MIT License。知识以每源一个 SQLite 文件存储，可从 Wikipedia、OpenStreetMap、GeoNames、Overture 等公开数据构建，蓝绿方式更新且无需重启；常驻上下文的只有工具定义，查询本地 SQLite 数 ms 至数十 ms 返回并可离线运行。 chiezo_memory 源支持人和 AI 写入并按 recall 取回，另可经 ComfyUI 自有 GPU 或 Gemini、OpenAI、ElevenLabs 等生成图像、音频、视频与语音。
推荐理由：作者完整给出了知识常驻不占上下文的设计取舍与实测数字，可迁移到自建 AI 知识库的记忆与检索方案。
Regolo.ai 在 GitHub 开源 Brick（brick-SR1），一个 OpenAI 兼容的模型路由器，按每个查询的能力向量与复杂度评分单次前向决策选模型，可接入 Claude Code 和 Codex，虚拟模型名 brick，后端选择通过 x-selected-model 响应头返回。在 Dataset A（5,504 条）评测中，max-quality 模式准确率 76.98%、成本 1.5 倍于最便宜模型，超过 Always Kimi2.6（75.02%、6.0 倍成本），oracle 上限 83.25%。
推荐理由：开源的模型路由器，按能力与复杂度单次前向决策选模型，附成本质量评测数据，可与 RouteLLM 等对比参考。
arXiv 论文 arXiv:2610.14960 让九个 LLM Agent 与人类分析师在两个静态分析逆向工程任务上同题对比，GPT-5.5 Pro、Claude Opus 4.8 和 Kimi K3 达到与人类统计上相当的理解水平。研究记录了完整交互过程并发现强 Agent 采用跳转式广泛检索、很少回访已检视代码的 greedy fetching 策略；对 4000 个真实二进制文件的测量显示，更大应用和更低级代码表示会快速耗尽上下文窗口，扩展逆向 Agent 需要更好的导航、选择性检索和持久分析状态。
推荐理由：论文用统一评分标准实测人类与 AI Agent 的逆向工程差异，指出差距源于代码表示和工作流，并量化了 greedy fetching 下的上下文饱和问题。
论文提出 MCPDisCo，一个面向 MCP 原生智能体的生态级强化学习框架，在 70 个 MCP 服务器和 527 个工具、六个领域的真实服务器长程交互上训练。框架用 Thought-MDP 显式表示内部推理与路由、执行、终止，通过 token 掩码奖励归因和双向梯度手术缓解推理与工具学习之间的跷跷板干扰，以更少思维链 token 取得更高成功率，并在分布外 MCP-Atlas 与 GAIA 基准上保持单调增益。模型权重和实现已放出。
推荐理由：论文给出推理与工具学习互相干扰的失败模式及其梯度手术解法，在 70 个真实 MCP 服务器上训练并验证分布外泛化。
GitHub 仓库 argahv/sisyphus-academica 发布，用 20+ 专业化智能体、6 个新颖性引擎和 10 个对抗性审稿角色生成 LaTeX 论文，并通过 5 道代码强制的质量门（引用验证、统计审计、AI 痕迹检测、风格审计、全票通过审稿）。引用需在 Semantic Scholar、CrossRef、OpenAlex 和 arXiv 中至少 2 个来源匹配才能通过，示例 SIREN 论文经 4 轮修订后审稿均分从 4.6/10 升到 8/10。Python CLI 可脱离 agent 平台独立运行，17 个技能也可通过 npx 安装到 Claude Code、Cursor 等 agent。
推荐理由：仓库给出了五道由代码强制执行的质量门和示例管线数据，想复用多智能体写论文流程的读者可以对照其门禁设计。
arXiv 论文 WorkBorne 提出以 artifact transitions（工件转变）为核心 primitive 合成长时程终端 Agent 任务的框架，并构建了 1,061 个工件语料和 7,882 个任务环境，产出 15,485 条高质量轨迹，其中 53.6% 超过 30 个 assistant turns。
推荐理由：原文给出了任务合成的具体数据规模和 Terminal-Bench 2.1 的前后对比，读者可评估该方法对训练终端 Agent 的实际增益。
Bobcat 开源 llm-pool，一个通过单一 API 运行本地与远程大语言模型的 FastAPI 服务，支持模型加载卸载、GPU 状态查询与多模态输入。它适配 CT2、ExLlamaV3、llama_cpp、vLLM、llama_server、trtllm_serve、sglang_serve 及 OpenAI 兼容远程后端，内置按模型的客户端公平调度队列，并在 RTX PRO 6000 上给出 vllm_serve MTP 推测解码约 430+ tok/s 等本地实测吞吐数据。
推荐理由：README 详列多种后端接入方式、公平调度与本地实测吞吐数据，适合自建多模型统一推理服务时参考迁移。
GitHub 项目 Lotuses-robot/Summarizing 开源，一条个人信息流水线：群通知、随手记、聊天碎片由 AI 消化成带日期、要素和来源的完整事项，整理不了的进存疑库等人工决定。功能包括四段看板、群机器人接入、逐字引文证据链、全量快照修改留痕，SQLite 单文件单机自托管，AI 走 OpenAI 兼容接口可接本地模型，AGPL-3.0 许可。
推荐理由：这是一个可自托管的碎片信息整理工具，证据链和存疑库设计让 AI 整理结果可回溯到原话，适合想本地管理通知流的人参考。
nikzlabs 发布开源项目 ShipIt，一个浏览器内、聊天驱动的 IDE，用隔离容器并行运行多个编码智能体，每个会话有独立分支、工作区和完整应用栈预览。支持 Claude Code、Codex 等多种 harness，自带默认拒绝出站的每智能体防火墙、托管凭证与提交时密钥扫描，Apache 2.0 协议，可部署在 Linux、macOS、Windows（WSL2）本地或 Ubuntu VPS。
推荐理由：README 详细写明了容器隔离、默认拒绝出站防火墙和凭证托管等安全设计，对自托管编码智能体环境有直接参考价值。
thetahealth 在 GitHub 开源了 Mirobody，一个自托管 AI 健康数据引擎，将化验报告、可穿戴设备和基因文件整合为标准化记录，每项数值可追溯至原始文件。支持 Docker 一键部署加一个模型 key（OpenRouter、OpenAI、Gemini、Anthropic、DeepSeek 等），也可通过 llama.cpp 纯本地运行，无需 GPU 时首答约 2–3 分钟（Apple 芯片笔记本原生 llama-server 约 30 秒）。
推荐理由：项目给出了完整的部署路径、本地模型内存与耗时数字和术语解析测试通过数，读者可以照此评估自托管健康数据引擎的落地成本。
Gugo 是一个开源免费的本地优先 Windows 桌面 Agent，通过 Electron 应用提供工具调用、子代理、Goal 计划审批、记忆中心与知识图谱，模型端点由用户自行配置，项目本身不内置任何计费系统。工具链覆盖文件、Shell、Git、图片、音视频（需 ffmpeg）、PDF 和归档处理，支持 MCP 客户端与服务端；README 明确说明默认 host Shell 模式的信任边界、Docker 隔离配置、APPROVAL_MODE 审批策略及 AES-256-GCM 凭据加密等安全设计。
推荐理由：README 详细交代了审批门控、Shell 沙箱与凭据加密等安全边界，读者可据此评估这个本地 Agent 的实际部署风险。
bobzhou-source 在 GitHub 发布 job-application-harness，一个基于 Bun 的 CLI 工具，在专用 Chrome 配置文件中自动填写并提交网页版求职申请，支持单个职位、队列处理和从 Handshake 站点发现职位。执行器而非模型对每次点击、填写、上传和导航拥有最终决定权，默认在最终提交前停止，--submit 仅授权提交与必要声明，永不勾选营销选项、使用第三方登录或处理支付；CAPTCHA、MFA、出生日期等步骤始终留给用户。模型决策经 OpenRouter 与 DeepSeek，成本估算约每次典型提交 $0.04，含难站点平均约 $0.11。
推荐理由：这个求职自动化工具把点击与提交权交给确定性执行器而非模型，安全边界写得很具体，其设计思路可迁移到其他浏览器 Agent 项目。
xiaobai66-web 在 GitHub 发布 ai-intent-skills 仓库，提供两个让 AI 在行动前理解用户真实意图的 skill。Intent Clarification 列出 2-4 种可能解读并提问确认形成可修正的临时目标，Causal Factor Analysis 拆解决定性因素、区分事实与假设并给出最小验证计划；支持复制到 .claude/skills/ 目录或用 /intent-clarification、/causal-factor-analysis 手动调用，MIT 协议开源。
推荐理由：作者拆分了意图澄清与因果分析两个 skill，并给出安装方式、触发条件和真实对话示例，做法可直接迁移到 Claude Code。
siweina 在 GitHub 发布 dsh-novel-writer 插件，为 DeepSeek Harness（DSH）提供 19 个中文小说写作分析工具，也可作为 MCP 服务器供 Claude Desktop / Cursor 使用。插件覆盖动笔前取材料、量化自检、按严重度排改稿待办、跨章结构体检的完整流程，内置 24MB 的 bge-small-zh-v1.5 模型随包分发，语义检索与情感分析全本地 CPU 推理、零 API 花费、正文不出本机。改稿台只给改写方向不代写正文，兼容 Node >= 22.3 与 DSH >= 0.1.1-rc.2，MIT 许可证。
推荐理由：作者把写作流程拆成取材、自检、改稿、跨章体检四步并全部本地化，方法细节可直接迁移到中文小说辅助写作场景。