Wikidata Search Traces：训练知识图谱搜索 Agent 的数据集发布
作者发布 Wikidata Search Traces 数据集，含 10,235 条在冻结 Wikidata 快照上构造的单实体与多跳问题求解轨迹，并附带生成这些轨迹的递归语言模型（RLM）harness。
推荐理由：论文同时给出 10,235 条搜索轨迹数据集和 RLM harness，在 100 题上对比了直接工具调用的提升幅度，方法可复用。
方向
Agent 与工具调用 最新动态
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
更新
精选归档 · 第 88 页
arXiv · cs.CL精选AI 评分5353 arXiv · cs.CL精选AI 评分5454 T-Search：面向多步检索的开源智能体检索器发布
论文提出开源权重的智能体检索器 T-Search，针对困难多步检索任务，在固定语料上执行有界多轮搜索并返回带简短理由的证据块排序列表，答案生成留给下游模型，后端与生成器可替换而无需重训练。
推荐理由：原文给出多轮检索器在七个基准上的 Recall@10 数据，并开源模型与基准，可作多步检索方案的对比参考。
arXiv · cs.CL精选AI 评分5353 MemPilot：面向 LLM Agent 的按需多模态记忆整理框架
论文提出 MemPilot，一个按性能、成本、延迟偏好按需编排多模态记忆整理的框架。其通过强化学习优化多步 LLM 策略，在从 query-agnostic 记忆检索与委派异构 LLM/VLM 做查询级整理之间迭代选择，并联合控制证据量、整理指令、模型选择和视觉访问；采用目标级优势解耦与前缀边际效用估计做信用分配。
推荐理由：论文用强化学习让策略按性能、成本和延迟偏好动态调度记忆整理，在五个多模态基准上给出比现有基线更宽的权衡前沿。
GitHub · 灵魂体仓库精选AI 评分6565 
开源自托管工作平台 weave 发布，AI 智能体可经 MCP 直接操作
grunion-ai 发布开源自托管工作平台 weave，定位为 Airtable、Fibery、Notion 数据库和 ClickUp 的替代品，将 AI 智能体作为一等用户。
推荐理由：原文给出了与 Airtable、NocoDB、Grist 等产品的逐项对比和部署要求，读者可以据此判断它是否适合替代现有工作管理工具。
GitHub · 灵魂体仓库精选AI 评分5959 Rust 终端编码 Agent dex 开放源码
sumofbytes 在 GitHub 发布了用 Rust 编写的终端编码 Agent dex，通过 read、bash、write、edit、grep 等工具和 MCP 服务器操作本地文件，支持 OpenAI 兼容、Anthropic 和 Codex 后端。
推荐理由：原文完整说明了客户端-守护进程架构、会话持久化和多后端支持，读者可以据此评估这个 Rust 终端 Agent 是否适合复用其组件。
GitHub · 灵魂体仓库精选AI 评分7474 
little-chits 开源：可接入任意 LLM 的 AI 小人文明模拟器
GitHub 项目 little-chits 发布，这是一个可观看的人工小文明模拟：AI 小人（chits）在岛上从几乎一无所知开始，通过实验发现配方、建造房屋与工坊、互相教学、繁衍并留下记忆的世界。
推荐理由：原文给出了完整的部署命令、双模型对战与文化实验模式，读者可以直接在本地复现这个可观测的 AI 文明模拟。
GitHub · 灵魂体仓库精选AI 评分5959 agentskills-sdk：用于发现、获取和提供 Agent Skills 的 Python SDK 开源
pratikxpanda 在 GitHub 开源 agentskills-sdk，一套用于发现、获取和向 LLM 智能体提供 Agent Skills 的 Python 包，要求 Python 3.12+。
推荐理由：原文给出了渐进式披露的完整实现路径和各包分工，想把 Anthropic 的 Agent Skills 格式接入自建智能体的开发者可以直接照用。
GitHub · 灵魂体仓库精选AI 评分5656 Felix 开源自托管 Agent 框架，用 YAML 清单定义受治理的智能体
felix-run 在 GitHub 开源了 Felix，一个可自托管的 Agent 框架，用 felix/v1 YAML 清单把智能体编译为带持久 fiber、记忆、技能、评测、审批和沙箱的受治理 Agent，通过 REST/SSE、OpenAI 兼容 /v1、A2A 和 MCP 对外服务。
推荐理由：README 详尽到把部署、内存、治理和可观测性的默认值都写清了，自托管 Agent 基础设施选型时可以直接对照检查清单。
GitHub · 去对齐工具与仓库精选AI 评分6363 nikhilcrypto0 开源 concierge：模型无权打款的客服 Agent 参考实现
作者开源 concierge，一个基于 LangGraph 与 Claude 的客服 Agent，可回答帮助中心问题并处理退款，但退款金额由代码中的书面政策决定，须经人工审批后才会执行，且每笔审批记录审批人、时间与政策理由。
推荐理由：作者开源了一个模型无权打款的客服 Agent，附完整评测数据与设计权衡，可作人机协作 Agent 工程的参考实现。
GitHub · 去对齐工具与仓库精选AI 评分5555 LangWeave 开源：基于 LangChain 1.x 与 LangGraph 的 Python Agents 框架与聊天应用
wxsimon2022 在 GitHub 发布 LangWeave（织语），一个基于 LangChain 1.x 与 LangGraph 的 Python Agents 框架及完整聊天应用，采用 MIT 协议。
推荐理由：开源的 Agents 框架加完整聊天应用，从意图路由、多轮记忆到前端部署都有实现细节，可直接复用或二次开发。
GitHub · 去对齐工具与仓库精选AI 评分6565 BotNexus 开源本地 LLM 智能体编排实验平台
sytone 在 GitHub 开源了 BotNexus，一个用 C#/.NET 构建的本地 LLM 智能体编排实验平台，支持多智能体编排、多 provider 接入、渠道路由、记忆与定时任务。
推荐理由：原文完整给出了多智能体网关的架构、CLI 安装流程和记忆文件设计，读者可以照着在本地跑起一套可观察的 agent 实验环境。
GitHub · 去对齐工具与仓库精选AI 评分5757 AMD 开源 Hyperloom 多智能体推理优化框架
AMD 发布开源项目 ROCm Hyperloom，一个在 AMD Instinct GPU（MI300X/MI325X/MI355X）上自动优化推理的多智能体 harness，支持 vLLM、SGLang 和 xDiT 上的文本生成、图像生成及自定义流水线。
推荐理由：AMD 官方开源的多智能体推理优化工具，把基准测量、验证和知识库复用都收进闭环，读者可据此了解自动化调优的工程做法。
GitHub · 去对齐工具与仓库精选AI 评分6666 LLM-Poker-Arena 开源：让多个大模型人格同桌打德州扑克
jiale-wangOwO 在 GitHub 开源 LLM-Poker-Arena，一张德州扑克桌上每个座位可由不同大模型驱动的 AI 对手坐镇，内置 calculating、maniac、rock、trickster、calling_station、pro、shark 七种人格。
推荐理由：这个德州扑克竞技场把七个不同人格的 AI 对手放上同一张牌桌，规则引擎只用标准库并配了 784 个测试和模糊审计。
GitHub · 去对齐工具与仓库精选AI 评分6161 yt-llm-service 开源：YouTube 音频本地转写加 LLM 结构化笔记
GitHub 开源项目 yt-llm-service 提供基于 FastAPI 的 YouTube 音频转写服务，用 WhisperX large-v3-turbo 做转写和说话人分离，并经 llama.cpp 侧车调用本地 gpt-oss-20b MXFP4 生成结构化 Markdown 笔记。
推荐理由：原文给出完整的部署参数、VRAM 管理机制和实测速度数据，读者可以按自己的显卡配置直接复用这套本地转写方案。
arXiv · cs.AI精选AI 评分6161 arXiv 论文提出拓扑条件后门：语言模型在多智能体环境中插入漏洞
Keegan Wang 在 arXiv 发布论文（arXiv:2610.05793），微调 Qwen2.5-7B-Instruct 使其根据提示中推断的部署拓扑在代码中插入漏洞。
推荐理由：论文用 checker、独立 bandit 分析和盲审对照量化了拓扑触发后门，并给出差分审计这一可迁移的检测思路。
arXiv · cs.AI精选AI 评分5252 Infinite-Dreamer：用图像编辑世界模型合成数据训练 GUI Agent
论文提出 Infinite-Dreamer，一种免仿真的数据合成方法，通过像素级图像编辑世界模型将 GUI 状态转移建模为图像编辑任务，利用 VLM 将动作引起的 UI 变化描述为结构化 delta-text，再微调图像编辑骨干网络合成逼真的截图过渡，生成单帧视觉鲁棒性数据与多步想象轨迹。
推荐理由：论文用图像编辑世界模型合成 GUI 训练数据，仅凭合成数据微调 Qwen3-VL 即在 AndroidWorld 等基准上超过基线。
arXiv · cs.CL精选AI 评分5252 TeleTune：从离线遥测日志进化 Agent 技能库的框架
论文提出 TeleTune 框架，从无目标标注、不可重放且任务交错的离线用户遥测日志中学习文本技能库，用日志轨迹上的动作预测误差提出库编辑，仅保留能提升留出集动作预测准确率的修改。
推荐理由：论文给出从离线遥测日志学习 Agent 技能库的完整框架，并报告在 WorkArena 和 Online-Mind2Web 上对多个基线的量化对比。
arXiv · cs.CL精选AI 评分6262 DelegationBench：评测 AI Agent 何时该先询问再行动
Shiva Pochampally 在 arXiv 发布 DelegationBench，包含 156 个场景、四种响应（行动、请求许可、询问缺失信息、拒绝），多数场景以改变单一特征的配对形式出现。
推荐理由：原文用配对场景拆解了单一一致性分数的三种误导，并给出应分开报告的评测建议，方法可迁移到 Agent 决策评测。
GitHub · 灵魂体仓库精选AI 评分6363 ben-thomas1 开源 AIDM：用 LLM 担任游戏主持人的单人终端跑团游戏
ben-thomas1 在 GitHub 发布 AIDM，一个由 LLM 担任桌面跑团 GM 的单人终端角色扮演游戏，含可见骰子、NPC 私有知识与说谎机制，示例剧本为 1784 年海港小镇 The Ashford Light。
推荐理由：作者公开了回合引擎、验证机制和 35B 本地模型的实测延迟与局限，读者可以据此评估这个 LLM 跑团项目的实际可用性。
GitHub · 灵魂体仓库精选AI 评分6060 
PetriDishOfMadness：每个村民跑不同 LLM 的多智能体沙盒开源
ivy00johns 在 GitHub 开源了 PetriDishOfMadness，一个多智能体沙盒，可为每个村民智能体分配并热切换不同 LLM（Gemini-Flash、Qwen、DeepSeek、Groq-Llama、本地 Ollama 等），UI 显示每回合实际应答的模型。
推荐理由：这个多智能体沙盒把不同 LLM 塞进每个村民并支持热切换，还给出决策回放和模型对比面板，适合想低成本观察多模型社会涌现的人。