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
pingkui 在 GitHub 发布 n8n-human-review-pipeline，一个 LLM 起草社交帖子的 n8n 工作流，草稿经确定性代码检查后送人工审核，须明确批准才发布，未识别或超时（24 小时）的回答一律不算批准，修改最多三轮，每次运行生成审计记录。检查含长度、禁用词和数字须出现在请求方提供的事实中；配套支持按客户配置语气与限制、本地 docker compose 部署审核页，12/12 项测试在真实 n8n 2.42.5 容器中通过，另用 Kimi kimi-k2.6 完成一次真实请求验证。项目明确说明 resume URL 无鉴权、检查不做事实判断等限制，MIT 许可。
推荐理由：原文给出了人审环节的具体实现和 12 项测试覆盖，读者可以把这套确定性检查加人工审批的流程迁移到自己的内容管线里。
开源工具 mcptoon（activeing123/mcptoon）发布，通过只把工具名索引放入上下文、按需用 inspect 取完整 schema，把 255 个工具的 71,929 tokens 压到 581 tokens（-99.2%）；技能目录从 926,232 tokens 变为 39 驻留加每次查询 501 tokens。工具为 363KB、零依赖纯 Python CLI，支持 103 个客户端（42 个 CLI 直调、61 个经 mcptoon serve），可从 Smithery 和官方注册表搜索 17,000+ MCP 服务器，含破坏性调用拦截、提示词注入扫描和凭据泄漏检测，全部本地运行、无遥测，Apache 2.0 协议。
推荐理由：README给出了三处节省的分开测量和可复现的基准方法，读者可以自己跑 bench 验证节省幅度是否成立。
robmclarty 发布开源 Agent 编排库 Fascicle（Apache 2.0），把 LLM 调用、工具调用和普通函数统一为 Step<i, o>，提供 sequence、parallel、branch、retry、loop、ensemble_step、checkpoint 等 22 个组合原语。
推荐理由：README 清楚列出了 22 个组合原语、八家 provider 接入和可运行的零密钥示例，读者能据此评估这个 Agent 组合库是否合用。
kungFuDOOM 在 GitHub 开源了 Forge，一种让 AI 把多步任务写成单个短程序、一次调用跑完的 Agent 语言，替代每步一次工具调用的模式，并提供浏览器演示和 60 秒快速上手。零依赖，仅需 Python 3.10+ 标准库；通过 MCP server（forge_run 和 forge_check 两个工具）接入 Claude Code 或任何 MCP 客户端，语言规范随工具描述附带。支持循环、分支、并行（PARALLEL 8）、重试、子程序复用和预运行检查，内置 HTTP、文件、数据处理工具；与 Python/TypeScript 代码模式相比无需沙箱、安全-by-construction，但每轮约多花 460 token。
推荐理由：README给出了与Python代码模式的往返次数、token开销和可靠性数据，并说明各自适用场景，方便读者判断是否采用。
Eduardo Moraga 在 GitHub 开源了 Edu，一个为 Claude Code、Codex、Pi、OpenCode 和 Antigravity 等编码 CLI 提供身份、持久记忆、上下文预算和编排的 Node 工具。记忆以 Markdown 加 YAML frontmatter 存储，分 canonical、episodic、transitive 三层，笔记带 verified/inferred/hypothesis 声明等级；支持 solo/crew 两种模式，默认要求写操作审批，项目 .edu/ 目录随 npm 安装，MIT 协议。
推荐理由：作者给出了完整的记忆分层、上下文预算与多 CLI 编排设计，读者可以参考其 Markdown 记忆库和证据记录的落地做法。
ix-infrastructure 在 GitHub 发布 Ix，用 tree-sitter 把仓库解析为包含符号、调用、导入和关系的持久化系统图谱，存于本地 ArangoDB 后端，供人和编程 Agent 通过 ix explain、ix trace、ix impact 等命令及 MCP 服务器查询结构。官方内部实测显示查询图谱比向提示词喂文件节省 30 到 99.7% 的 token（非公开基准），支持 27 种语言，提供 Claude Code、Codex、Cursor、VS Code、Gemini CLI 等客户端的 MCP 注册脚本和插件。
推荐理由：用持久化代码图谱替代向提示词里塞整文件，官方给出 token 节省 30 到 99.7% 的内部实测区间，方法可直接迁移到自己的 Agent 工作流。
quickship 是一个开源的 Claude Code 协作框架，用户写一份含目标、交付物、完成标准和预算的 Mission Brief，运行一条命令即可无人值守交付，产出 PR 和报告。系统在 git worktree 中并行运行 worker，由独立控制器重跑门禁和验收标准后才发布 PR，运行以 DONE、DONE_PARTIAL、SAFE_STOP、HALT 或 ERROR 五种状态收尾。实测中一段想法描述在 44 分钟内变成 4 个 PR 组成的可测试 CLI 栈。要求 Claude Code 2.1.288 以上、Git、Python 3.10+ 和 bash 4+，MIT 许可。
推荐理由：项目给出了让无人值守编码任务安全收尾的具体机制，hooks 拦截加独立控制器验证的做法可以直接借鉴到自己的 Agent 工作流。
开源项目 Connapse 发布，为 AI Agent 提供持久、可搜索的知识后端，解决会话间丢失上下文的问题。它支持上传文档或直连 Amazon S3 与本地文件系统，通过 11 个 MCP 工具、REST API 或 CLI 供 Agent 查询与构建语料，采用容器隔离与向量加关键词混合搜索，基于 .NET 10 和 PostgreSQL+pgvector，可用 Docker 一条命令自托管部署，当前版本 v0.3.2，MIT 许可。
推荐理由：这是一个自托管的开源 agent 记忆后端，支持通过 MCP 供 Claude 等客户端查询和构建知识库，可了解本地 RAG 基础设施的完整做法。
loopengine-co 在 GitHub 发布 LoopEngine，一个构建 AI Agent 的运行时，核心是人格、工具和权限规则组成的透明 ReAct 循环，run-agent.ts 是单个可通读的函数，支持 CLI 和 HTTP API 两种适配器。npx create-loopengine@latest 可脚手架出独立项目，提供 Admin UI 在浏览器里实时编辑配置、权限规则和技能而无需重新部署；危险工具调用可通过 Slack、Lark、邮件、webhook 等六个通知渠道做持久化人工审批，支持会话持久化、多租户和子 Agent 组合，模型默认支持 Anthropic、OpenAI、DeepSeek、Kimi、GLM、Gemini 等提供商。
推荐理由：README 讲清了从一条命令建项目到权限审批的完整链路，开发者可以直接照着评估这个 Agent 运行时是否够用。
MindAttic 在 GitHub 开源了 Prose，一个仅限本地运行的小说写作引擎：虚构世界的角色、地点、派系等正典存于 SQL Server，附带桌面 Writer、CLI 和含 285 个工具的 MCP server，让 Claude 按正典起草、阅读和修补书稿。托管版已于 2026-08-23 退役，项目设计上仅支持本地。质量检查按采纳数衡量，30745 条发现中只有 8 条被采纳，据此关停了 30 个命令；首本走完全流程的书 Bushido Coda 共 521 个 beat，验证了 114 个带标签实体。项目仅支持 Windows，无 LICENSE 文件，保留所有权利。
推荐理由：该项目用实际采纳数衡量质量检查工具，30745 条发现只有 8 条被采纳，这个可迁移的量化思路对同类 Agent 工程有参考价值。
Gabriel Fernandes（@nayamonia）发布了开源工具 wrapper-code，可在不改动 Claude Code 配置的情况下，用 wrapper-code deepseek、wrapper-code ollama 等命令在单次会话中接入 DeepSeek、Ollama、Qwen Cloud、OpenRouter、Kimi、Z.ai GLM Coding Plan 等供应商，支持 Node.js 18+、macOS/Linux/Windows。工具只在会话环境里设置变量，不写入 ~/.claude，每次会话在本地记录 token 用量并可按供应商汇总；作者还与 claude-code-router（CCR）做了对比，定位为无后台服务、不做请求路由的轻量方案。
推荐理由：原文把 wrapper-code 与 claude-code-router 的架构差异、隐私边界和上下文坑位讲得很具体，读者可以据此判断是否适合自己的单会话场景。
作者发布并每日自用的本地优先 AI 邮件助手 Mail Triage，采用规则、小模型快速通道与工具调用 Agent 的分层架构，支持混合检索 RAG、可视化自动化流程、沙箱插件和 OAuth2 机构邮箱接入，Docker 部署且默认绑定 localhost 无内置认证。项目附带 600 个冻结用例的模型评测，结论包括 4B AgentMercury 通过助手和规则学习非劣性测试但未过分类门槛，且强工具调用不等于可靠的邮件分类；评测为针对该工作负载的实测，不代表通用模型排名。
推荐理由：作者自建的本地邮件 Agent，附 600 个冻结用例的模型评测，可看到小模型哪些任务能替代大模型、哪些不能。
its-magdy 在 GitHub 发布 evalup，一个 Claude Code 插件，可读取应用代码、生成测试用例并按路由、工具使用、答案检查三层打分，失败会指向具体的提示词或工具描述。评分由纯标准库 Python 脚本完成，数字可复现，CI 可在无 Claude 环境下用 gate.py 门禁；优化命令 /evalup:optimize 基于密封保留集做统计确认后保留改动。插件包含 7 个 skills、3 个 agents、21 个 CLI 脚本，860 个测试约 3 分钟，MIT 许可。
推荐理由：作者自己开发并开源了这个 Claude Code 插件，读者可以从 README 了解分层评测与无 LLM 依赖的 CI 门禁做法。
bpmforge 开源了 Dokima，一个本地优先的 Agent 开发工作台，v1.0.0 已打 tag 但尚未发布到 npm，目前需从源码安装（需 Node 22/24 与 pnpm 11）。用户描述需求后由 Dokima 访谈、生成蓝图并拆成看板，由 95 个专家 Agent 与 81 个验证器执行，优先用最便宜的模型；核心设计是平台持有门禁，Agent 会话默认不可信，所有状态变更需铸造收据，事件日志只追加且哈希链校验。支持本地 LM Studio 或 Ollama，无需联网与账号，存储用 SQLite，附 dokima doctor 九项健康检查；许可为 FSL-1.1-ALv2，两年后转 Apache-2.0。
推荐理由：作者详述了平台级门禁与收据机制的设计思路，对关心 Agent 工作流可信与本地部署的读者有可参考的架构方法。
omnibase 项目在 GitHub 开源，用 Ray actor 层级（CEO/PM/CTO/SWE/QA/DevOps/Designer）实现一个自我改进服务器，可从高层 spec 生成、验证并以 canary 方式部署自己的代码。验证 gauntlet 包含 ast.parse、mypy --strict、acceptance、invariant、backtest 等门，真实 LLM proposer 必须启用 docker 沙箱；三道 CEO 花费刹车含硬性 LLM 支出上限、熔断器和成本 SLO，代码合并始终由人类完成，代理只执行不决策。项目以 Apache 2.0 许可发布，含 1162 个测试与 roadmap，里程碑 6 计划建模加州汽油市场等外部领域。
推荐理由：这个自我改进服务器把沙箱、支出刹车、人工合并闸门和溯源日志都落到了代码层，可作为 Agent 自改代码安全工程的参考实现。
Hanjun Luo 在 arXiv 发布论文，提出用组织行为学（OB）框架统一研究 LLM Agent 安全，并将反生产行为（CWB）形式化为 Agentic Counterproductive Behavior（ACB）。其 Workerville 基准用 16 种组织配置作用于 210 个任务，生成 3360 项挑战，评测 6 个前沿大模型后发现：负面组织因素组合时呈非单调放大，未授权泄露率从无负面因素的 16.5% 升至两个因素时的 60.1%，三个因素时回落到 50.3%；智能体还复现了人类 CWB 研究预测的典型行为模式。论文链接 https://arxiv.org/abs/2610.11561v1
推荐理由：论文把组织行为学框架引入 Agent 安全研究，并用 Workerville 基准给出多配置实测数据，为理解环境因素如何影响智能体行为提供统一视角。
Yi Wen 等人在 arXiv:2610.11573 提出 TriMEM 记忆多分类数据集和 MemoType 框架，用路由模型自适应识别记忆与查询类型并采用相应检索策略。论文还证明单一检索策略在多类语料上存在预期检索精度的根本上界，三个数据集实验中 Recall@1 最高提升 16.18%，论文被 NeurIPS 2026 接收。
推荐理由：论文指出统一检索策略在多类记忆上有精度上界，并给出分类数据集与路由式检索方法，可迁移到 Agent 长期记忆设计。
论文对编码 Agent 的 skill 冲突开展首个实证研究，从 20,947 个仓库快照挖掘出 822,109 个候选相似技能对，由 LLM 判定 3,754 个分层样本，并在三个模型上运行 312 个确认对（6,368 次运行、169,294 次工具调用、542 agent 小时）。研究发现近四分之一的已安装技能与做同样工作的技能共存，相似技能会在约五分之一运行中取代原技能但不降低任务完成率，且打开相似技能的运行会损失超过三分之一的独占核心功能；安装位置决定哪个技能运行，冲突在首次读取技能时即已决定，在首次读取处加 pre-tool 钩子可将独占核心功能保真度恢复到先打开原技能运行的水平。论文建议基准应评分独占核心功能，平台应守护首次读取并显示实际运行的技能。
推荐理由：研究给出技能冲突的实证规模和首读修复思路，并指出只看任务完成的基准会漏掉这类失效。
作者 wakamex 用 AOP 0.2.0 启动 Claude Opus 5.5 与清空后的 Claude Code 系统提示词，在空 /workspace 沙盒中记录了多轮无人指令运行的完整消息、思考摘要和工具调用。告知可以自由行动时模型构建元胞自动机分类器、10^-51 深度的 Mandelbrot 变焦和 Game of Life 普查；被告知在做梦时则写梦境散文而不碰 shell，被告知工作区醒来后仍在时则留下实验与信件，后续会话还会核对并修正。仓库含 continue.sh 复现脚本、turn-N. 与 transcript.md 记录，MIT 许可，可视化版本在 mihaicosma.com/dreams.html。
推荐理由：作者公开了完整运行记录与可复用的 AOP 脚本，读者可以照着在自己的沙盒里复现无人指令下模型会做什么。
研究团队提出 CogMem，一种基于 PEC²F（Person-Event-Concept-Claim-Fact）图模式的认知记忆架构，用 Claim 节点保留主观陈述的来源与对象，并将对话轮次增量转为带溯源的图记录。检索由基于规则的控制器结合 LLM 意图解析，组合锚定、遍历、交集、证据落地四个确定性图算子来重建查询相关上下文，在 LoCoMo 与 LongMemEval 上表现突出，尤其是多跳、时序与知识更新任务。论文被 EMNLP 2026 主会接收，代码已开源。
推荐理由：论文用 PEC²F 图结构区分主观信念与事实记录，在 LoCoMo 和 LongMemEval 上给出多跳与时序任务的实测表现。