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
mtrnix 在 GitHub 开源了 metronix-memory，一个自托管的 MCP 记忆服务器，提供持久化智能体记忆、混合检索（dense + SPLADE sparse + Neo4j 图上下文）和知识保鲜管线，采用 Apache 2.0 许可证。部署需 Docker、≥6 GB 内存和约 15 GB 磁盘，支持 Cursor、Claude Desktop、LangChain 等多种客户端接入。基准方面，LongMemEval-S Recall@10 为 95.4%（N=1 单次运行，结果未提交到仓库），可复现的 MuSiQue R@5 为 58.25、2Wiki 为 71.85，作者明确说明数据低于 HippoRAG 2，不构成 SOTA 声明。
推荐理由：原文给出了安装方式、架构分层和基准数据，并诚实标注了哪些结果可复现、哪些是外部数据，读者可以自行评估这套自托管记忆方案。
Ivan Magda 在 GitHub 开源 swift-claw（clawd），一个跑在自己硬件上的纯 Swift 常驻个人 AI 助手，通过私有 Telegram bot 接入任意 OpenAI 兼容 LLM。功能包括 SQLite 持久记忆、定时与主动任务、带反馈学习调度、经由 Telegram tap-to-approve 审批的文件写入与代码执行、SKILL.md 技能文件、MCP 工具接入、macOS 26 上的一次性 VM 沙箱执行与设备端语音转写；状态全部留在本机单目录，安装到 ~/.swift-claw 且无需 sudo，当前版本 v0.2.0，MIT 许可。
推荐理由：README把持久记忆、审批卡、注入防护和学习调度都讲清了实现方式，读者可以据此评估这个自托管个人助手的取舍。
joshmaster2165 在 GitHub 开源 Control Tower v0.2 预览版，这是一个自托管 AI 网关，将智能体对模型、MCP 工具和 HTTP API 的每次调用显示为交互式地图上的实时流量，并支持在区域边界绘制 allow/deny/require approval 门禁，拒绝时向智能体返回 403。已支持 OpenAI、Anthropic、Gemini、Bedrock 等 OpenAI 兼容端点、人工审批流转为工单、智能体间 A2A 委托令牌、inspect 门禁扫描密钥与提示词注入、按 key/团队/模型的费用记账与 Prometheus 指标；项目明确说明仅强制执行经过网关的流量，旁路流量只以虚线观察显示，出口代理仍在路线图中。
推荐理由：作者开源了一个带实时地图和门禁审批的自托管 AI 网关，还明确写出了哪些流量不受强制执行，边界诚实。
DanyAPI 是一个基于 Python + FastAPI 的 OpenAI 兼容 HTTP 网关，不走付费 API，而是对接 DeepSeek、Qwen、GigaChat 免费额度以及 Yandex Alice、Duck.ai、Mistral Le Chat、Google AI Studio 等免费网页客户端的内部接口。提供 /v1/chat/completions、/v1/embeddings、Anthropic Messages、图像生成等端点，支持 Docker 一键部署、BYOK 模式和服务端 MCP 工具循环。
推荐理由：README对每个免费上游的协议、限制和失败实测都写得很具体，部署前值得一读再决定启用哪些 provider。
spinloop 发布一个零依赖 Go 编写的 CLI，用一个 Spinloop 文件描述模型，通过 llama.cpp、vLLM、oMLX、MTPLX 等引擎在本机、局域网、Tailscale 或 AWS scale-to-zero 云 GPU 上部署，并把 opencode、Pi、lucinate 等编码 Agent 指向所运行的模型。内置 OpenRouter、Bedrock、Vertex AI、Ollama 等 provider 目录，支持 spinloop daemon 节点、fleet.yaml 舰队管理与 dashboard 实时看板，密钥从 .env 读取且合并保留现有配置，MIT 协议开源，可通过 brew 安装。
推荐理由：原文给出一个把本地、局域网与云端 GPU 模型统一接入编码 Agent 的 CLI，部署、舰队管理与配置合并做法都可参考。
作者 Matias Inchauspe 在 GitHub 开源 Yunque，一个克隆即用的 Agent harness 工作区，核心是从项目根目录打开 agent 时加载 workspace 的技能与规则，而非加载项目自身的配置。工作区包含 19 个技能，其中 7 个需手动输入如 /yun-sync-repo、/yun-write-pr、/yun-write-handoff，其余 12 个按需自动触发，覆盖规划、TDD 构建、worktree 隔离并行和 PR 撰写。依赖相对符号链接，Windows 需以 git clone -c core.symlinks=true 克隆才能正常加载技能。
推荐理由：原文完整给出了工作区的安装方式、19 个技能的分工和规划到构建的流程，方法可以直接克隆复用。
Sdong-Fan 在 GitHub 开源 wecom-auto-reply，不用官方 API 和管理员权限，通过截屏加 OCR 读取企业微信消息，用 Qdrant、bge-small-zh 和任意 OpenAI 兼容 LLM 按上传资料回答。项目采用 pass/low_risk/block 三态质量门控，答不准转人工并支持人工改稿学习；46 题评测集从基线 28/46 提升到 42/46，危险直发降为 0，三批 600 条测试消息在门槛 0.50 下行为符合 560/600。项目基于 zhu-tingshuai/personal_wxwork_ZTS（MIT）改造，附有官方 API 通道、微信 PC 标定文件及合规免责说明。
推荐理由：原文给出三态护栏、46 题评测集和阈值扫描数据，能看出截图 RPA 客服在真实事故驱动下如何控制答错风险。
NVIDIA 在 Hugging Face 发布 Nemotron 3.5 Bolt 74B-A9B-24GB，一款为本地日常智能体任务设计的视觉语言模型，总参数 74B（9B 激活），采用 Mamba-2-Transformer 混合 LatentMoE 架构，通过原生 IQ2 2-bit 量化与量化感知蒸馏压进 24GB 显存，支持最高 256K 上下文，可在 vLLM 上部署，基于 OpenMDW-1.1 许可商用。
推荐理由：模型卡完整给出架构、训练流程和与同量级模型的基准对比，读者可以自己判断 2-bit 量化的取舍。
OrellBuehler 在 GitHub 发布跨平台桌面视频剪辑器 Kerf，内嵌 MCP 服务器，Claude 等任何 MCP 客户端可通过 87 个工具在同一个实时项目上分析和剪辑素材，提供 get_frame、skim_asset 等返回真实图像的工具让模型看到画面。剪辑完全非破坏性，时间线是对原始媒体的 EDL，导出前不重新编码；Agent 的修改以提案形式暂存并附 diff，应用后可整体撤销。应用基于 Rust + Tauri，支持多轨 NLE、逐句转录剪辑、smart_crop、平台发布检查、GPU 加速导出等，采用 PolyForm Noncommercial 1.0.0 许可，可从官网下载或从源码构建。
推荐理由：同类工具多是把聊天机器人挂在剪辑软件外，这份开源仓库给出了让 LLM 直接驱动同一剪辑引擎的完整设计，值得对照参考。
MiaoWuNYA 发布基于 RikkaHub v2.5.6 的深度定制分支 RikkaHub Plus·Lantern，用 Kotlin + Jetpack Compose 原生实现安卓 AI 聊天客户端与 SillyTavern 兼容端，无需 Termux 或 Node.js。角色卡、世界书、预设、正则、QR、美化主题按官方语义无损导入，角色卡字段从 6 项扩到 20+，世界书字段扩到 30+ 并逐条对齐官方 world-info.js。
推荐理由：README 详细说明了前缀缓存的具体消歧策略和三层记忆、语义 RAG 的实现方式，可对照自己的长对话成本与记忆方案借鉴。
skyfireitdiy 团队在 GitHub 开源协作式 AI 开发平台 Jarvis，完整覆盖单人单 Agent、单人多 Agent、多人单 Agent、多人多 Agent 四种协作模式，提供 CLI、Web 和 Python SDK 三种访问方式。项目获第三届开放原子大赛总冠军，累计超 1 万次 Agent 自举提交，99% 以上由 CodeAgent 自主完成，含 319 个 Python 文件、158181 行代码。支持符号级代码理解、影响分析、C→Rust 迁移、JWT 多用户认证与多节点分布式部署，浏览器扩展含 28 项权限（8 项高敏感），作者提示需在完全信任网关与 Agent 的前提下使用。采用 MIT 许可证。
推荐理由：这是一个覆盖单人到多 Agent、多人协作四种模式的本地 AI 开发平台，README 给出了架构、部署方式和与同类工具的对比。
yuttii 在 GitHub 发布 agent-execution-guard，一个拦截 LLM Agent 中间步骤的中间件，提供工具调用策略检查、不安全计划检测和指标统计。它以 Final ASR、Intermediate Compromise Rate 等指标区分最终回答与 Agent 实际执行的行为，支持 block、warn、log_only 三种模式和 @guard.guarded() 装饰器，兼容 LangChain、LangGraph、LiteLLM。作者说明演示基于脚本化场景和 mock 工具，基于模式的计划检查可被改写绕过，路径检查存在 TOCTOU 缺口，建议用 AgentDojo 或 AgentHarm 做真实评测。
推荐理由：原文给出了拦截 LLM 智能体中间步骤的工具设计与局限说明，读者可以了解只看最终回答会漏掉哪些不安全行为。
TushaeBXN 在 GitHub 开源 Forge，一个 TypeScript 软件工程 Agent，将 LLM 仅作为规划组件而非运行时。核心包括事件溯源系统模型、默认拒绝的权限 broker、60 秒 TTL 能力令牌执行器，以及每次变更强制运行的 tsc --noEmit → test → lint 验证链。支持通过 FORGE_PROVIDER 接入 Anthropic、OpenAI、Ollama 等任意模型，并与 Claude Code、OpenAI Codex 的权限与审计机制做了对比。
推荐理由：把 LLM 定位为不可信规划器、在执行层强制安全的思路，为 Agent 工程的权限与审计设计提供了一个可参考的实现样例。
开发者 vshulcz 在 GitHub 发布 deja-vu，工具 deja 通过本地倒排索引读取 Claude Code、Codex、Cursor 等 38 个编码 Agent 已保存在磁盘上的会话记录，支持在会话开始时自动召回历史决策，索引构建无需模型或嵌入。作者报告 LongMemEval-S 上 R@5 为 97.2%、hit@1 为 88.1%，token 开销约为 agentmemory 的一半，17.6 秒可索引 19,195 个会话；索引时自动脱敏密钥和 token，支持跨机同步、MCP 接入与 rejected/accepted 决策标记，源码以 MIT 协议开源。
推荐理由：作者给出了与同类记忆工具的召回率、token 开销和索引耗时的对比数据，并附可复跑的评测工具，方法可供参考。
Ugbot 在 GitHub 发布 ai-grind，一套面向 LLM 编程助手的高性能开发工具包，内置 devtools-mcp MCP 服务器，支持 VTune、Valgrind、perf、ETW、JFR、py-spy、LLDB 等 17 个后端。工具输出被解析为 Polars DataFrame，模型只拿到有界摘要和 run_id，按需查询而不接收原始转储；附带 SQLite 单文件的 mini-JIRA 任务追踪器、109 个技能、火焰图与本地浏览器 dashboard，支持 Claude Code、Cursor、Codex 等 MCP 客户端，采用 MIT 许可。
推荐理由：原文详细说明了让 LLM 驱动 VTune、Valgrind 等性能工具而不撑爆上下文的具体设计，方法可直接迁移到自己的 agent 工作流。
ZJU-OmniAI 在 GitHub 开源 LLM_in_Work，包含 LLM_in_Word、LLM_in_Overleaf、LLM_in_PDF、LLM_in_PowerPoint、LLM_in_Excel 五个助手，通过本地桥接驱动电脑上已登录的 Claude Code 或 Codex CLI，无需 API key。编辑以 diff 形式呈现，用户确认后才写入：Word 生成可审阅的修订，Overleaf 整组编辑一步可撤销，PowerPoint 只改文字保留字体格式，Excel 只写变更单元格；PDF 助手为只读问答。项目支持 Windows 与 macOS（Overleaf 和 PDF 另支持 Linux），采用 MIT 许可证。
推荐理由：项目把已登录的 Claude Code 或 Codex CLI 直接接入 Word、Overleaf、PDF、PowerPoint 和 Excel，编辑以 diff 预览确认后才写入，做法具体可复用。
AriT93 在 GitHub 发布 agent-lab，一个用于学习 LLM 应用与 Agent 原理的 Go 教学项目，以调用 JokeAPI 获取笑话为极小领域，按结构化输出、工具调用、多工具与对话记忆、MCP、评测、多 provider、Web UI、LangGraph 等概念分成 9 个阶段，可对比同一 agent 在手写循环与 langchaingo、LangGraph 等框架下的差异。项目默认通过 Ollama 本地运行 qwen3.5:9b-mlx（约占 9 GB 内存），无需 API key，也可切换 Claude 或 OpenAI；提供 -trace 逐步输出提示词、schema、模型输出与 token 用量，并内置 Ollama 上下文窗口、keep-alive 等内存限制参数。
推荐理由：同一玩笑 agent 从关键词到 MCP 分八个阶段可逐级对比，适合想看清 LLM 应用各层机制的学习者动手照跑。
作者公开了自己在 Claude Code 中使用的 skills、steering 规则与多智能体工作流仓库 agent-skills。核心是三个编排技能：run-issues 自主实现 issue、parallel-hunt 并发找修 bug、harden-issues 在编写时攻击验收标准，每个 worker 都是一次性新 subagent，配对抗验证门控与脚本/钩子强制检查，状态存文件可跨限流恢复；案例中五个 issue 的无人监督运行新增 139 个测试、零回归。
推荐理由：作者把用真实项目跑出来的多智能体编排与对抗门控做法完整开源，包含可复用的脚本、钩子和实测案例。
作者发布 opencode-autonomy 插件，一条命令安装后可在 opencode 中自动完成从概念到验证的编码流程。内置 build、build-worker、fixer、explore、plan 等 agent，扫描仓库后按 3-5 个文件分批实现，依次跑 lint、typecheck、test、build，失败交给 @fixer 循环修复直至通过。
推荐理由：给出了完整的安装命令、权限配置与验证流程，读者可以按需合并进自己的 opencode 配置而不覆盖已有模型。
SamurAI-Official 在 GitHub 发布 ShugoCore，一个用于功能性智能体的持续编排层，通过单一策略闸门执行路径 DecisionEngine.execute_task 协调模型、工具与四层记忆系统（Tier 0 草稿本到 Tier 3 只读世界模型），支持长期运行而不出现上下文退化或状态无限增长。
推荐理由：原文详细给出四层记忆架构与多层安全闸门的具体实现，读者可以借鉴其持续运行智能体的工程做法。