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
SylphxAI 发布开源工具 anymd（前身为 pdf-reader-mcp），用 Rust 实现 PDF、Word、PowerPoint、Excel、EPUB、HTML、图片 OCR 和音视频字幕的本地转 Markdown，无需 API key，并通过一条命令接入 Claude Code、Codex、Cursor 等 MCP 客户端。自建基准 AgentDocBench 的 38 份文档上 anymd 总分 96.4、总耗时 11.5 秒，docling 93.0 分需 2,432.4 秒，marker 仅转换 30 份耗时 7,104.5 秒；输出带页码引用锚点并支持 token 预算分页。核心功能 MIT 协议免费，anyrd Pro 以 29 美元一次性付费增加视频时间线与 PDF 引用校验。
推荐理由：作者用同一 runner 上的自建基准给出与 docling、marker 等工具的总分和耗时对比，速度差异和局限都写得很具体，可以据此评估是否采用。
harlan-zw 发布 HTML 转 Markdown 工具 Mdream v2，提供 Rust NAPI、WASM 和纯 JS 三种引擎及流式转换，供 Claude、GPT 等 LLM 直接消费网页内容。实测对部分页面可减少最多 92% 的 token，Rust 引擎在基准测试中快于 Turndown、html2md 等多个对比库；配套 CLI 爬虫、Docker 镜像、Vite、Nuxt、GitHub Actions 集成，可整站生成 llms.txt 并支持构建向量数据库 RAG 流程。
推荐理由：README 提供了与其他转换库的速度和 token 用量对比数据，以及从单页转换到建站 RAG 的完整用法，便于选型和迁移参考。
openNovel 在 GitHub 开源，它是开源 AI 编程 agent openCode 的 fork，保留了会话运行时、工具注册、上下文代数与 Electron 外壳，改造为 AI 驱动的长篇小说创作工作台。核心是 8 步写作流水线和 37 维连续性审计，从角色、时间线、文风等 9 大类自动审查章节并附证据与修改建议；数据本地存储于 SQLite，支持 Electron 桌面端与 Web 自托管，MIT 许可。
推荐理由：原文讲清了8步流水线和37维审计的具体构造，读者可以了解如何把编程agent框架改造成长篇小说创作工作台。
Álvaro Lizama 在 GitHub 开源 Riel，一个不改模型权重、通过外部化任务状态来防止 Agent 能力在长任务中丢失的框架，以 Hermes 插件形式提供六份指南、一个纯标准库引擎和 12 个类型化工具。核心机制是 ledger 账本，在每次工具调用等接缝处重读 Goal、预注册 Claims、✓NN 检查点等状态，done-check 要求每条 Goal 映射到带二进制输出验证命令的检查点，支持跨会话恢复与带 JSON schema 返回的子代理委派。
推荐理由：原文完整给出了 Riel 框架的账本机制、工具表和测试规模，读者可以据此评估这套跨会话 Agent 状态管理方法是否可迁移到自己的工作流。
SkillForge 论文提出一种 agentic RL 方法，通过 trial、active、stable、retired 四状态的适应度驱动技能生命周期，让技能库与模型在训练中协同进化。RL 前先用基座模型 rollout 预淘汰低适应度技能再做 SFT，之后每轮迭代持续淘汰、稳定和 LLM 引导变异技能；多个交互式智能体基准上聚合成功率达最高，较最强基线最高相对提升 7.8%，并发布含 5k+ 标注记录的 SkillFurnace 数据集。论文已被 NeurIPS 2026 接收。
推荐理由：论文给出了技能库生命周期管理的完整机制和基准对比，对研究智能体技能质量控制的方法有直接参考价值。
Michael Ofengenden 在 arXiv 发布 AgentTime 基准，用来自 18 个来源的 222 个任务测试 Agent 能否按要求时长工作、预测运行时间并事后估计耗时。结果显示各模型偏差差异很大：Claude Code 中的 Fable 5.1 偏离要求时长的典型倍数为 2.9 倍，Codex 中的 GPT-6 Astra 仅 1.2 倍；158 次可分类的 Astra 运行中有 14 次在看似完成任务后直接休眠。回溯实验中移除时间信息使 Sol 和 Astra 的偏差翻倍以上，Fable 接近翻倍。
推荐理由：论文用 222 个任务实测各模型 Agent 的时长控制与时间预测能力，给出了可直接比较的偏差倍数数据。
qi-xiao-bai 在 GitHub 发布 skill-gateway，一个面向数字员工与 Agent 平台的技能调用前置网关，提供透明代理直达与基于知识图谱拓扑边的多技能流水线编排。索引采用 L0/L1/L2 分层渐进加载，检索配额硬顶 MAX_RETRIEVAL_TOP=20，内置平台桥接、意图路由、Token 账本等子命令，README 附 AOCI 等开源项目的致谢与合规说明。
推荐理由：原文完整给出了多技能编排的图谱分层方法和L0/L1/L2加载设计，读者可以直接复用这套技能治理思路。
论文提出 CoTrace，一种 harness 感知的终端 Agent 训练数据配方，通过交替式 harness 搜索与策略训练的协同演化框架，管理轨迹路由、来源匹配和课程刷新。在 Tmax promotion split 上，CoTrace 使 Qwen3.5-9B 在 SFT 下从 78 提升到 88 个解决任务，在线 RL 变体达到 90；小规模 harness 匹配语料以更低算力取得稳定收益，Terminal-Bench 2.1 和 SWE-bench Lite 评测显示分布外迁移依赖训练与评测 runtime 的一致性。论文 32 页，预印本地址 https://arxiv.org/abs/2610.10426v1。
推荐理由：论文给出轨迹按 harness 匹配路由的数据配方，用对比数字说明小而匹配的语料胜过混合大语料，方法可迁移。
作者发布了 mini-nanobot，一个从零复刻 nanobot 的极简 Agent 框架，不依赖 LangChain / LlamaIndex，核心循环、工具系统、会话持久化全部手写。框架支持多轮工具调用、工作区边界检查、插件式工具自动发现、多会话持久化，以及带 /correct 纠正和 /memory-undo 回滚的跨会话长期记忆；README 还详细记录了存档存全文、整轮写盘等设计决策，并在文档中逐条对比了与 nanobot 的差异。
推荐理由：作者手写极简 Agent 核心循环并逐条记录设计取舍理由，读者可以借此理解上下文压缩、会话持久化和记忆系统的实现细节。
emirbartu 发布 jev-for-all 仓库，把 TypeSafe 的 System One 决策模型 Jev 接入 Claude Code、OpenCode、Hermes 和 pi，让智能体在约70至500毫秒内以约 $0.0001 的成本决定加载哪个技能、需要哪些工具及选用哪档模型。作者自测的12个小任务中，由 Jev 路由比始终用 Sonnet 省35%成本，lean 启动省37%输入token，但作者明确提示证据来自自写的小型单文件任务，每项仅跑一次，且提示词会发给 OpenRouter 的 alpha API。
推荐理由：作者不仅给出工具，还公开了基准脚本和失败记录，读者可以据此权衡token节省与选错模型的风险。
factagora 在 GitHub 开源了 FactBlock（factblock），一个时序因果知识图谱工具，把事实、观点、预测等主张连同说出时间、学习时间和因果关系存为带 SUPERSEDES 链接的带日期块，读取时通过 as_of 时刻还原当时可知的信息。每条边带 CAUSES、SUPPORTS 等类型和说话者置信度，被更正的主张不覆盖而是保留区间和判定结果；leak 命令可在 CI 中检测评测泄漏，作者称在 StreamingQA 的 36,378 个带日期问题上，忽略时间的召回有 80% 依赖问题日期之后才学到的块。
推荐理由：工具用 as_of 读取和双时钟设计避免记忆把未来信息泄漏进评测，还给出 StreamingQA 上 80% 问题的泄漏对照数据。
jedarden 发布 NEEDLE，一个用 Rust 编写的无头编码 CLI 智能体包装器，通过共享 bead 队列以确定性优先级顺序调度 Claude Code、OpenCode、Codex 和 Aider，每个 agent 输出结果（成功、失败、超时、崩溃）都有显式处理器，多 worker 经 SQLite 事务原子认领任务。内置 shipped-work 门控验证提交已推送，支持 OpenTelemetry 导出，默认适配 claude-sonnet-4-6 和 gpt-5.6-terra。代码以 Forgejo（git.ardenone.com）为主仓库，GitHub 为只读镜像，MIT 协议，作者称其为自用为主的 alpha 软件。
推荐理由：README 详述了状态机流转和每种 agent 输出的显式处理器设计，为搭建无人值守多智能体编码流水线提供了可直接复用的架构参考。
yuzhiqiang1993 在 GitHub 开源了 Antigravity Studio，一款为 Antigravity（IDE、桌面端、终端 CLI 和 VS Code 插件）设计的多账号管理与大模型代理工具，MIT 协议，全部操作在本地完成。工具把多个 Google 账号放入池子按故障转移、重置优先、粘性会话或负载均衡策略自动调度，主号额度低于 5% 或被 429 限流时备用号自动接力；支持 BYOK 接入 OpenAI、Anthropic、DeepSeek、Ollama、OpenRouter 等 34+ 平台预设，可调大上下文窗口、解析思考链，并按账号单独挂 HTTP/SOCKS5 代理，默认本地端口 8321 被占时自动顺延。
推荐理由：作者面向 Antigravity 多账号配额调度与第三方模型接入的痛点，给出了本地代理的完整方案和调度策略细节。
jop8281 开源 worldgen 与 worldplay 两个工具，构建可复现的有状态软件世界（如 helpdesk、支付 API）供 Agent 测试，引擎是唯一判分者，LLM 只负责从描述、OpenAPI 或 CSV 生成世界且不改引擎。评测要求参考解得 1 分、不动作得 0 分、所有诱饵与严格前缀低于 1 分并重放哈希一致。仓库含 25 个世界共 95 个任务，最后一次完整 stress-2 评测（2026-10-07，claude-sonnet-5-5）29 例中 22 例符合预期，单次运行 p50 6.4 分钟、$1.27。
推荐理由：原文给出了引擎判分的判别性证明和完整实测数据，读者可以据此评估用确定性世界评测 Agent 的可行做法。
Headroom 开源发布，在本地压缩 AI Agent 读取的工具输出、日志、RAG 内容、文件和对话历史后再发给 LLM，压缩在用户机器上运行、不上传提示词或文件内容。提供 Python/TS 库、零改动代理 headroom proxy --port 8787、一行命令包裹 Claude Code、Codex、Cursor 等 Agent，以及 MCP server 和跨 Agent 共享记忆。内置场景实测包括 SRE 事件调试从 55,957 压到 24,340 token（省 57%）、代码库探索省 42%；压缩延迟 0.21 ms p50（10K token JSON），并支持可逆压缩 CCR 与输出 token 精简，项目采用 Apache 2.0 许可。
推荐理由：README给出多种真实工作负载的前后 token 对比和准确率评测数据，读者可以据此判断在哪些场景值得引入本地压缩。
GWNWRAL 发布自托管聊天机器人 AlisonBot 0.0.1，采用微内核加全插件化架构，主程序只含内核与桌面运行环境，平台、人设、自治、热更新均为插件，MIT 许可，底层依赖 Koishi 4.18 与 ChatLuna 1.4。首次部署由对话式引导主动询问模型与 API Key 并当场测试，支持网页与 QQ（OneBot v11）平台、配置热更新、授权内自改配置与自装插件，并可接入 MCP server 与 AstrBot / NoneBot2 等多平台 Python 插件。
推荐理由：原文详述了微内核加全插件化的架构与插件兼容边界，读者可以了解自托管聊天机器人的功能组织方式。
damianvtran 在 GitHub 开源了 Local Operator，一个 MIT 协议的本地 Agent 组织运行时，支持角色受限的子 Agent、团队名册、跨会话消息传递和终端关闭后仍按时触发的计划唤醒。它可直接复用已有的 ChatGPT、Claude、Kimi、Grok、Z.AI 和 Qwen 订阅登录，账号自动池化与负载均衡，并通过稳定的提示词缓存布局降低长会话成本；默认写入和执行命令需人工批准，提供 TUI、桌面应用、手机远程访问和浏览器扩展。
推荐理由：原文完整给出了角色边界、跨会话通信和多账号订阅池的具体机制，读者可以直接了解这套本地 Agent 组织运行时怎么用。
研究收集了 4782 个 JetBrains IDE 中真实软件工程师的智能体会话，其中 33% 有至少三条用户消息，发现这些长会话的任务类型与类型间切换分布和 issue 衍生基准任务差异显著。论文提出 SWE-TaskFlow 方法，在保留已验证任务与测试的同时，通过提示词拆分和可验证的仓库问答将交互导向目标 Task Flow，并用 TFAS 分数筛选生成的轨迹；在 700 个 SWE-Bench Pro 任务上的试点显示，将任务拆成多步顺序执行大约使智能体成本翻倍，而 resolve rate 无稳定变化。
推荐理由：论文用 JetBrains IDE 中 4782 个真实工程会话测量任务流分布，指出基准交互协议本身影响评测结果，方法可迁移。
论文提出 Bolzano，一个使用并行 prover 智能体加 verifier 智能体并维护人类可读研究状态的开源多智能体系统。专家选定问题的早期人工使用产出8个经领域专家核验证明的结果；随后在从四组论文提取的约3800个开放问题上无问题特定人工引导运行，解出约200个。在 STOC 2026 论文的实验中，系统回答了论文中提出的四个问题，经论文作者确认。论文被 NeurIPS 2026 第六届 MATH-AI workshop 接收。
推荐理由：论文给出了多智能体证明搜索系统在约3800个开放问题上的无人工引导实测结果，可了解其解题规模和验证方式。
Masaaki Nakatsu 在 arXiv:2610.09772 提出 Decoupling Architecture（AO-DA），在单个 INT4 基座模型上用热插拔 LoRA 将逻辑推理（What）与人设表达（How）分成两条推理路径，逻辑路径只接收核心回合并输出可验证的 Micro-State。
推荐理由：论文用 480 次同模型消融给出分离架构抗上下文污染的量化证据，并诚实地指出 4B 模型上分离同样失效。