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
Sergei Polezhaev 在 arXiv 论文 arXiv:2610.09858 中提出 Caddie，通过强化学习训练批评模型，依据 Agent 接收反馈后最终是否成功来优化，不依赖步骤级标注，且基础模型保持冻结。基于 Qwen3-4B 训练的批评模型提升了四个不同规模与架构基础模型的成功率；在 MuSiQue 上使 Qwen3-4B 成功率提高超过 25 个百分点，超过无批评模型的 Kimi K3，并在 τ³、DeepDive 等域外交互基准上无需额外训练即有增益。
推荐理由：论文用任务最终成败而非步骤标注训练批评模型，读者可以了解一种可跨模型迁移的 Agent 反馈训练方法。
GitHub 上的 llm-eval 套件可自动评测 agent CLI 工具，支持通过 LM Studio、oMLX 或 llama-server 运行本地模型，以及 Anthropic、Google、Groq 等云端 API。它捕获性能指标、日志与生成物，生成自带报告和评分仪表盘，内置墙钟、token、成本上限和重复工具循环检测等失控保护，并用确定性评分对比 Pi、OpenCode、Crush、Claude Code、Codex 等 harness 在电梯与办公室两类 prompt 上的运行结果。
推荐理由：这套工具自动化对比 agent CLI 在本地与云端模型上的表现，给出了防失控和确定性评分的设计思路，可迁移到自建评测。
Maxon 团队在 GitHub 开源了静态编译编程语言 Maxon，编译器、标准库和文档均由 AI 编码智能体编写，设计目标是让 AI 生成的代码易于审查而非易于敲写。语言特性包括将取值范围编码进类型的 ranged type（如 Port = int(0 to 655)）、无 null、每个块显式命名闭合；编译器自带原生后端，不依赖 LLVM 或外部运行时，采用引用计数内存管理，支持自举且两次自构建产物字节一致。
推荐理由：一门专为 AI 写代码设计的静态编译语言，约束进类型系统、块名显式闭合，设计思路可供语言与 Agent 工具链参考。
开发者 UncleChair 发布 WeftCut，一个能被 Codex、Claude 等 MCP 客户端直接驱动的桌面视频编辑器，通过 localhost MCP 服务器暴露放置、修剪、分割、关键帧、字幕、混音等编辑工具，播放中编辑实时落盘并逐条记录，检查点可一键回滚，支持 dry_run 彩排与多会话历史锁。它还支持把 HTML/CSS/代码页面作为纯时间函数的 Motif 图层放到时间线上，让智能体自行编写叠加元素；内置 shot 检测、语音转写（云端或本地 whisper.cpp、FunASR）、H.264/HEVC/AV1 导出，采用 MIT 许可，目前仍在 v1.0.0 前的活跃开发中。
推荐理由：作者把完整 NLE 的编辑工具通过 localhost MCP 暴露给智能体直接驱动，回放、撤销与检查点机制讲得具体，可作同类项目参考。
rebornace 在 GitHub 开源了团队 AI 助手运行时 Baize，可将 OpenAPI / Swagger 等 API 文档转为可调用工具，重要写入操作支持控制台人工确认并留痕。其决策层在 390 个工具、3 个后端的 37 条真实请求上测试，默认宽度 16 时平均 turn-0 提示词约 3,090 tokens，比发送全量 390 工具的约 85k 大幅降低，5 轮重复测试运行成功率 99.5%；工具路由默认关闭，可通过运行时设置热加载开启，MIT 许可证。
推荐理由：原文给出可复现的工具路由基准数据，读者可据此评估这套助手运行时在多工具场景下的成本收益。
kernel4632 在 GitHub 发布轻量 Agent 核心包 agent-core，只需提供 LLM 地址和工具文件，即可自动循环问模型、执行工具直到任务完成。包需 Bun 运行时不支持 Node.js，history 只增不删并把最新压缩总结折进 system（实测 gpt-oss-120b 续跑成功率从 1/6 提升到 6/6），同一轮工具并行执行且各占独立子进程，支持 MCP 和 skills 接入、文字工具协议兼容纯对话模型、自动上下文压缩（maxContextTokens 默认 128000）与 OpenAI/Anthropic/Gemini 四种协议。
推荐理由：原文详细讲清了 Agent 循环停止条件和上下文压缩保留方案的设计取舍，还附实测数据，方法可直接迁移到自己写的 Agent 框架。
GenAIcode 发布 2.0 版，从 1.x 的编码代理转型为后端 LLM 工具具包，提供统一的 PromptItem 提示词表示、多供应商适配器、可链式配置的请求 API 和轻量会话链。可选的 genaicode/agents 子路径把已安装的编码代理 CLI（Claude Code、Codex、GitHub Copilot CLI、Cursor、Gemini CLI 等）封装为统一的任务与事件 API，也可通过 npx genaicode run 命令行调用。核心不做仓库检查、shell 执行或隐藏重试；1.x 编码代理仍可通过 npx genaicode@1 获取。
推荐理由：2.0 版从编码代理转型为后端 LLM 工具包，原文详细说明了转型边界和 1.x 迁移路径，可供选型参考。
Iteris 发布开源工具 trs（Token-Reducing Shell），在命令前加 trs 或用 trs init 接入 AI Agent，把 git status、cargo test 等命令输出压缩为紧凑版本，示例中 cargo test 输出从 55 KB 压到 58 B（99% 压缩）。支持 Claude Code、Gemini CLI、Cursor、Codex CLI 等十六种 Agent 的 hook 或规则文件接入，提供 trs rewrite 输入压缩、trs output-saver 输出压缩、trs ingest 仓库摘要和 trs audit-docs 四个互补工具，macOS、Linux、Windows 单二进制安装，另有 npm 和 cargo 安装方式，MIT 协议开源。
推荐理由：面向 AI Agent 的终端输出压缩工具，README 给出各命令的压缩率数据和十六种 Agent 的接入方式，读者可据此评估能否降低上下文成本。
VincentAZ 在 GitHub 发布 Prompt Maker，一个本地运行的提示词生成与渲染工具。它为 Krea 2 RAW、LTX 2.3、MiniMax H3、Wan Animate 2 等模型各维护一套提示词写法，由本地 LM Studio 模型按目标模型的风格写提示词，并可直接把提示词填入 ComfyUI 工作流渲染。支持图像参考、角色一致性、语音生成、Wan Animate 2 角色动作迁移、批量渲染和助手长任务，全程离线运行，无 npm 依赖。
推荐理由：这个本地工具按每个图像视频模型的提示词方言分别维护写法，并直连 ComfyUI 工作流渲染，读者可以借鉴其模型感知的提示词组织思路。
作者开源了 aimo3-agentic-inference，一个可在 vLLM 等 OpenAI 兼容服务上运行的 AIMO3 风格数学推理 Agent。它并行发出多路解答，各路可调用带时限的 Python 工具验算，先按票数、再按 token 熵破平局选出 \boxed{整数} 答案，并在达成一致时提前停止。项目为独立 clean-room 实现，不含竞赛数据或模型权重，Python 包无第三方运行时依赖，支持 JSONL 评测与无 GPU 的 mock 演示，MIT 许可。
推荐理由：作者以 clean-room 方式把采样、工具调用、投票与熵破平局这套推理循环写小到可读可测，方法可迁移到自有项目。
GitHub 项目 qq-agent-plus 提供面向 Linux 服务器的 QQ 群聊 Agent，通过 OneBot v11 协议端接入，支持分条发言、表情包收发、长期记忆、语音转写与合成、图片生成及内置运维命令。部署提供 deploy-all.sh 全栈安装器与 deploy.sh 单 Agent 两种方式，默认非 root 运行，控制台默认端口 3210；文档还给出按 Asia/Shanghai 计价的用量统计与三档省 Token 设置，称 7 天实测 867 次调用共 1836 万 token，输入占 98.8%。
推荐理由：项目文档详细记录了群聊 Agent 的发送链路、省 Token 实测口径和部署安全边界，适合想自建群聊陪伴 Agent 的人参考具体工程做法。
TheWiderLens Initiative 发布开源私人 AI 助手 Clara，在用户自己的 PC 上本地运行，配 Android 手机应用，免费无订阅，聊天、文件和记忆不离开本机。她以 Bonsai 2 27B 为大脑、Hermes 为智能体、Laya 路由器区分聊天与任务，可浏览网页、管理提醒、读邮件日历、写代码和做视频，高风险操作需手机确认；支持 Gmail、Outlook、Spotify、Notion、GitHub 等连接器，可选经 OpenRouter 的按任务批准的云端加速。要求 NVIDIA GPU 至少 12 GB VRAM、16 GB 内存、40 GB 磁盘、Ubuntu 24.04+，安装约 20-40 分钟，Apache-2.0 许可。
推荐理由：本地运行的私人 AI 伴侣兼智能体，原文给出了架构、硬件门槛和隐私边界说明，可了解全栈自托管陪伴产品的构建方式。
GitHub 仓库 carl90s/agent-teardown 把李博杰《深入理解 AI Agent：设计原理与工程实践》306 页内容拆成 12 个关卡、44 张概念卡、12 个模拟器和 6 个离线 Python 实验。全部离线运行，不需要联网、API key 或安装依赖（实验只需 Python 3.10 与 numpy），实验用 mockllm.py 假 LLM 并以 assert 自检结论；代码与文字讲解以 MIT 发布，不含原书 PDF 或原文抽取文本。
推荐理由：把一本书的 Agent 概念拆成可离线运行的模拟器和带 assert 自检的实验，学习路径可直接迁移到其他主题的自学设计。
NVIDIA 发布 NeMo Relay，为 Agent 运行提供可观测性与控制能力，无需改动现有 Agent 栈。它为运行、轮次、工具和 LLM 调用提供 scopes、策略、插件与生命周期事件的共享运行时，可导出 ATOF 事件、ATIF 轨迹及 OpenTelemetry 追踪。Python、Node.js、Rust 绑定已完全支持，CLI 支持 Claude Code、Codex 和 Hermes Agent 的可观测性与安全能力，LangChain、LangGraph、Deep Agents 支持观测、安全与优化，Go 和 C FFI 仍为实验性。项目采用 Apache License 2.0，支持通过 pip install nemo-relay-cli-bin 安装。
推荐理由：原文给出了完整的安装与验证流程和各框架支持矩阵，读者可以直接判断自己的 Agent 栈能否接入这套可观测性运行时。
G-Mini-Agent 是一个开源的 Windows 桌面 AI 智能体，可查看屏幕、控制鼠标键盘和浏览器，具备长期记忆、语音对话和 24/7 后台任务能力。它通过统一路由支持 OpenAI、Anthropic、Gemini、Claude/ChatGPT 订阅及 Ollama 等本地模型共 30 家提供商，技术栈为 Electron 加 Python（FastAPI 和 Socket.IO），并提供 Linux AppImage、无头服务器模式与 MIT 许可。安全方面包含权限分级、代码沙箱和凭据系统存储。
推荐理由：仓库文档完整覆盖视觉操控、记忆、语音与权限沙箱等实现细节，想自建桌面智能体的读者可以直接参考其架构与部署方式。
作者发布 caddis，一个 Claude Code harness 插件，包含 /feature-plan、/implement、/cross-review、/handoff 等斜杠命令、多个子代理、四层记忆模型及安全 hooks。其知识层是 agent 无关的，可通过 bundles/ 与 caddis-init 导出到 Codex、Antigravity、Copilot 等其他 AI CLI，并支持 DeepSeek 或 GLM API 做跨厂商代码审查。项目此前名为 claudster，MIT 协议，需 Python 3.11+ 安装。
推荐理由：作者介绍了自家 Claude Code harness 的完整命令、子代理与四层记忆模型，并给出跨厂商交叉审查等可直接复用的实践方法。
开源项目 sprint-analytics 用代码从 Jira 或合成数据计算冲刺指标，由 LLM 撰写报告，guard.py 从回复中提取每个数字并与计算结果核对，编造数字或无 API key 时回退到确定性模板。项目提供 CLI 和 MCP server（可接入 Claude Code），支持 OpenRouter 多模型报告评测与 JSONL/Langfuse 全链路追踪；守卫评测 22 例 precision 1.0、recall 0.786、无误拦截，三次漏放均为数字真实但语义错位。作者称这是为某客户八个团队负责人九个部门搭建的 agent 的参考实现，客户代码私有，本仓库基于合成数据从零重建。
推荐理由：作者给出代码算数、LLM写报告、守卫拦截编造数字的完整做法，还公开了守卫评测的精度与召回数据，方法可直接复用。
作者在 GitHub 开源了个人 Agent jarvis，核心是约 40 行的工具调用循环（agent.py），通过 OpenRouter 路由，任意模型一行配置即可切换。工具为带 @tool 装饰器的普通 Python 函数，从类型注解生成 JSON schema；记忆为每条事实一个 markdown 文件，无数据库和 embeddings；模型分 orchestrator、worker、cheap 三层路由。
推荐理由：作者开源了一个约 40 行工具调用循环的个人 Agent，附八项工具调用压力测试，方法可直接复用到自己的模型选型。
Het-Joshi 在 GitHub 发布开源终端 Agent lotus，可在本地通过 Ollama 驱动 4–8B 小模型操作文件、shell、网页和真实浏览器，纯 Python 无依赖，数据不出本机。它用约 250-token 系统提示词和按需加载工具适配小模型，能容错小模型写坏的 JSON 工具调用、检测并切断推理循环，支持子 Agent 并行、Tor 浏览、钓鱼检测、截图视觉模型切换、定时 recipe 和 MCP 扩展，MIT 协议开源。
推荐理由：这是一个面向 4 到 8B 本地小模型的终端智能体工具，为小模型调整了提示词、工具调用容错和循环检测，可迁移到本地 Agent 部署。
GitHub 项目 RobinBandit 发布了一个介于 Agent 与多个 LLM 提供商之间的自适应路由器，根据历史调用的质量、延迟、健康度、配额等信号动态重排提供商，而非固定 fallback 列表。打分公式结合 Thompson Sampling、Peak EWMA 与占用惩罚，无需 torch、sklearn 或 numpy；内置 41 个提供商目录（13 个免费额度、4 个本地、2 个订阅制），支持经 Claude Code 与 ChatGPT Codex 的已认证 CLI 会话接入，提供 /painel 面板与 OpenAI、Responses、Anthropic 三种协议端点，MIT 许可。
推荐理由：原文完整给出了打分公式、Thompson Sampling 与 Peak EWMA 等机制和实测数据，读者可以直接复用这套多提供商路由方法。