内容形态
开源仓库与工具：人格工程、记忆系统、去对齐脚本、推理与微调工具链。
2,050 条精选近 30 天 2,043 条共收录 8,516 条
GitHub 开源库 figured 发布，提供两类无参考、确定性的在线评测，对每个回答的数字和每次工具调用参数溯源，单次检查约 150 µs、每次工具调用约 25 µs（p99 0.19 ms），零依赖、无模型调用，Python 3.10+，pip install figured 可装。库支持 before_call 的 allow/warn/block/confirm 四种裁决、来源规则限制值只能来自指定通道（可拦下间接提示注入类载荷）、重复调用与预算检查，并能重放 OpenAI、Anthropic、Gemini、Bedrock、LangChain 及 tau-bench、AgentDojo 等格式的记录用于离线评测和 CI。
推荐理由：原文给出基准实测数字、延迟数据和局限清单，读者可据此判断这套无参考确定性检查是否适合接入生产流量。
作者发布 AgentDescent 框架与配套论文，用并行 worker 提出 diff、无屏障聚合器合并冲突的方式做智能体技能、提示词与 harness 的自进化。实测在 GLM-5.2 的 BBH dyck_languages 设置中 keyed union 合并 0/48、reflective merge 42/48，串行控制下中位加速 6.8×，模型调用减少 40%；HotpotQA 40 条数据上 held-out exact match 从 0.167 升到 0.583。内置 20 个已发表算法端口（GEPA、ACE 等）与 Claude Code 等 Agent 插件接口，仓库为研究参考实现，文档见 birfy.github.io/agentdescent。
推荐理由：原文给出各指标的实测设置与置信区间，并声明只在不达显著时如实报告，读者可自行核对每个结论的适用条件。
ColtM1873 在 GitHub 发布 multi-agent-studio，一个基于 LangGraph 的 Windows 本地多智能体工作台，采用 Supervisor–Worker 编排加 Web GUI，GPL-3.0 许可。子 agent 以工具形式暴露给主 agent 并可并行调度，内置 browser_agent 驱动本机 Chrome/Edge 完成点击输入等操作且面向纯文本 LLM；长期记忆用 BGE-M3 embedding 加 PostgreSQL（pgvector）检索，setup.bat 可一键安装并打包 MultiAgentStudio.exe。
推荐理由：这个 Windows 本地多智能体工作台把 Supervisor 编排、浏览器接管和 pgvector 长期记忆整合成一键部署，读者可以照仓库步骤直接复现。
1jehuang 在 GitHub 发布开源编码 Agent 工具 jcode，自称在 1 个活跃会话下仅占 27.8 MB PSS（本地 embedding 关闭），headless 会话比 Claude Code 2.1.267 每多一个会话约省 54 倍内存，首帧时间 14.0 ms。工具内置语义向量记忆系统、同仓库多 Agent swarm 协作与消息机制、Firefox Agent Bridge 浏览器自动化，支持 Claude、OpenAI、Gemini、Copilot 等 OAuth 登录及 OpenRouter、vLLM、Ollama 等 OpenAI 兼容端点，并支持跨工具恢复会话与自修改源码的 self-dev 模式。
推荐理由：README 给出了与其他 coding CLI 的内存、启动速度和 headless 会话实测对比数据，并附复现脚本，适合想比较各 Agent 终端工具资源占用的人。
GitHub 上的 cici 项目发布了一个约 1650 行 Python、无框架的编码智能体，含六个职责不重叠的工具、流式循环和每轮遥测，需 Python 3.12 与 uv。项目强调工具 schema 描述是提示词工程而非类型声明，错误信息写给模型看，文件工具通过 Workspace.resolve 做路径限制，bash 不受沙箱限制，已有 59 个不调用 API 的测试，尚未实现 prompt caching、会话持久化、轨迹评估等功能。
推荐理由：这个约 1650 行的透明编码智能体把工具 schema 当提示词工程来写，设计笔记讲清了路径限制、错误信息写给模型看等可迁移做法。
agentd 项目发布了一个 MCP 原生、云原生的 AI 智能体运行时，用一个小型静态 Rust 二进制运行 agentic 循环，只需一条指令和一个 LLM endpoint。所有工具来自远程 MCP 服务器（发布二进制默认不本地执行任何命令），支持 MCP resource 订阅触发、A2A 互操作和可崩溃恢复的持久 DAG 工作流；supervisor 与推理子进程严格分离，可随时 SIGKILL。实测 8.5 MiB 静态二进制（amd64 musl，FROM scratch）、冷启动小于 1 ms、空闲 5.5 MiB RSS，AGPL-3.0 开源，可作 Job/CronJob/Deployment 运行或以 agentd-core 库嵌入应用。
推荐理由：README 详细给出了架构、安全模型与实测开销数据，适合想用 MCP 与 A2A 组合智能体的工程师评估这套单二进制运行时。
博爱AI团队在 GitHub 开源 hermes-onboarding v4.39（2026-10-10），提供 hermes_onboarding_guide.md 与方法论文件两个文件，让 Hermes 在首次对话完成用户画像初始化，新用户零配置上手、老用户增量升级不动已有配置。方案包含持续记忆、工作纪律、自动化机制与自进化四大模块，内置 cron 检测更新、monitor 唤醒升级、匿名方法论贡献通道与防投毒红线，v4.37 单版聚合 36 条方法论，项目自身运营维护由 AI Agent 执行。
推荐理由：这套初始化方案把人格、分层记忆和自动化运维纪律落成了可复制的两个文件，其版本台账里的踩坑血训本身就有迁移价值。
GitHub 开源项目 comic-drama-forge 发布 v1.4.2，是一套基于云端 LLM 生成剧本加 ComfyUI 本地执行（QwenImage2.1、Qwen-Edit 多视角、MiniMax H3、FlashVSR）的 AI 漫剧自动化生成系统。系统按剧本、配音先行、资产、分镜、视频、超分、成片 7 步流水线运行，8GB 显存可跑通全流程（本机实测 RTX 5060 Laptop 8G），但 FlashVSR 超分在 8G 下不可用需关闭；v1.4.2 补充了风格一致性闭环、提示词预检、音频客观质检、跨镜衔接与剪映/Premiere 导出，并提供 PyInstaller 与 Electron 两种桌面打包方式。
推荐理由：作者把质检与一致性约束前置到剧本和提示词阶段，并用实测缺陷驱动修复，这套方法可迁移到其他本地生成管线。
GitHub 开源工具 FallbackLens 可在上线前静态审计 LLM 网关的 retry 与 fallback 策略，导入 LiteLLM YAML 路由图后检查环、能力保持、上下文容量、隐私边界与尝试次数、成本、p95 延迟暴露。其 0.3.2 版通过 61 项测试，并可与绑定 OTLP JSON 推理子树比对检测漂移；官方语料上 FallbackLens 得分 10/10，纯结构基线为 2/10。作者强调该工具不是网关或模型选择器，静态审计不能证明生产可靠性。
推荐理由：项目用合成语料与固定集成测试给出可复核数据，读者能据此评估这类静态 fallback 审计工具能证明什么、不能证明什么。
probita-ai 在 GitHub 发布 agent-work-layer，一个用类型化 SDK、校验器和生命周期引擎管理智能体之间工单交接的开源项目。Work Order 定义目标、验收标准、预算、期限和允许工具，Work Report 要求逐条给出证据、实际成本和所用工具，desk 强制校验状态转换、证据、工具与预算超限即过期。另提供独立包 agent-work-layer-mcp 供 Claude Code 等会话接入，支持浏览器、Deno、Bun 的纯校验版本和 CLI，Apache-2.0 许可。
推荐理由：原文给出了Agent间工单交接的完整规范、校验规则和MCP接入方式，方法可直接复用于多智能体协作部署。
GitHub 项目 wwwyo/syokan 发布，让 LLM 通过发送 JSON 树生成临时富界面，无需写 JSX 或构建步骤，Claude Code、定时 Agent、CLI 或 webhook 都能调用。它是一个个人 schema 驱动的视图层，Zod 校验后映射到预定义 React 组件渲染，快照按需生成、自动归档，删除可查可彻底清除；安装支持 brew install wwwyo/tap/syokan，支持 macOS 和 Linux，可发布到 syokan.dev 公开分享，默认 7 天过期、最长 30 天，每人最多 100 个在线分享。
推荐理由：项目把 LLM 输出的 JSON 树渲染成临时 UI，省去写 JSX 和构建步骤，README 讲清了组件目录、快照与分享机制，可作本地部署参考。
adventists-ai 开源了 DuplexJev 系列语音决策模型（含 32B-Para、4B-Para、32B-Turn、32B-Stress 等），将 Qwen3-ASR-0.6B 编码器接入冻结 LLM，单次前向直接输出带概率的封闭选项判断，无需 ASR 转写与文本解码，10 项决策在单张 H200 上约 92 ms，比 ASR 加 LLM 级联快 21×。模型可识别转向状态、打断、情绪、性别、重音、停顿、笑声等非语言声音与说话风格，情绪与性别约 91%，turn-taking 在 CoDeTT 零样本达 70.0，全部支持 vLLM 部署，代码 Apache-2.0、完整模型 CC BY-NC 4.0，论文见 arXiv:2610.02638。
推荐理由：把冻结 LLM 变成免解码的语音决策引擎，一次前向同时输出转向、情绪、性别等带概率的多项判断，延迟与基准数据都给得完整。
Memory Crystal 发布，为任意 MCP 兼容 AI 工具提供持久记忆，一条命令即可安装到 Claude Code、Codex CLI、Factory Droid 等客户端。系统采用 STM 短期原始消息加 LTM 长期向量索引两层记忆，上下文引擎自动在六种召回模式中选择，并提供 crystal_recall、crystal_why_did_we 等记忆工具、知识库、HTTP API 与自托管方案。项目 MIT 开源，托管云按 Free/Pro $29/月/Ultra $79/月 分档，自托管永久免费。
推荐理由：README完整给出了STM/LTM分层、六种召回模式与记忆工具集设计，可作为给Agent加持久记忆的参考实现。
Daniel Keinan 发布开源项目 AiLibi，一个可复现的社交推理模拟与观战系统，7 名船员与 2 名内鬼由 LLM 驱动，通过 Claude Code 和 Codex 实现，Daniel 未手写生产代码。系统用确定性引擎和观察防火墙保证回放字节级可重建，100/100 样本回放可精确还原。2026-10-09 的 9 人对局记录显示，带证据引用的驱逐准确率为 24/24=1.0000，无证据时仅 20/42=0.4762；带有效引用的投票 410/410 可溯源。样本包含用 Qwen/Qwen3.6-27B 跑的两个 50 局锦标赛，作者强调这展示的是对认证事实的处理而非通用社交推理。
推荐理由：这个项目用可复现回放和证据引用链衡量Agent推理，带证驱逐与无证驱逐的准确率对比给出了可信的具体数字。
GofMan5 在 GitHub 发布 luxury-switchboard，一个把所有 AI 提供商聚合到单个本地端点 http://127.0.0.1:8798/v1 的桌面网关工具，支持 OpenAI/Anthropic 兼容端点、密钥池、按模型路由、用量与成本统计和流式探测测试。工具提供一键 HTTPS 隧道共享模型访问，采用 fail-closed 设计，仅暴露发布的别名且需访问密钥；所有配置与历史存储在本地并加密，MIT 协议开源，提供 Windows、Linux、macOS 安装包和应用内自更新。
推荐理由：这是一个本地网关工具的完整功能与隐私设计说明，读者可以据此评估它能否统一管理多个 AI 提供商的密钥与路由。
FeirAI 在 GitHub 开源了 Vultrino，一个面向 AI 智能体的凭据代理，向智能体只暴露凭据别名和操作面，在可信连接器内部注入真实认证。它支持 API key、Basic Auth、OAuth2 自动刷新、SSH 和 Postgres 等凭据类型，提供 RBAC、作用域 API key、单次/限时 Use Tokens、人工审批（管理面板、Telegram、webhook/email）、MCP 原生集成、按量计费的 LLM 代理、AES-256-GCM 加密存储、策略引擎与审计日志，并支持 WASM 插件扩展；项目用 Rust 编写，提供源码构建、二进制发布与 Docker 镜像。
推荐理由：原文完整给出了让 AI 智能体使用凭据而不接触明文密钥的代理架构与功能清单，读者可以按需评估是否引入这套隔离方案。
noonghunna 发布 benchlocal-cli，一个面向任意 OpenAI 兼容端点运行 LLM 行为评测包的 CLI，采用确定性 verifier 判分而非 LLM-as-judge。v0.9 加入 aider-polyglot-30（基于 Aider-AI/aider 的 benchmark.py，覆盖 cpp/go/java/js/python/rust 共30题），并内置 BenchLocal 的8个 MIT 许可评测包、可选推理套件（HumanEval+、LiveCodeBench v6、GSM-Symbolic、GPQA-Diamond）。
推荐理由：README详述了各评测包、确定性判分器和Docker沙箱机制，可了解如何在CI中给量化模型做可复现的质量门槛。
作者在 i9-13900HX + RTX 5060 Ti 16GB + RTX 4060 Laptop 8GB、32GB 内存的笔记本上，用 Strata 0.1.41 引擎跑 Qwen3.8-Flash-Next Q2_0（62 GB MoE）做了四轮基准测试，并开源了全部脚本与数据。核心结论包括单次测量速度可摆动 8 倍、prompt cache 会把 prompt_n 从 1259 污染到 5、KV cache 复用后多轮 TTFT 从 137.8 秒降到约 0.4 秒、双卡长 prompt prefill 快 8.4 倍、KV cache 不磨损 SSD、q4_0 长文档 perplexity 高 8~12%。
推荐理由：作者推翻自己两版错误方法论后才得出可信数据，给出单次噪声8倍、cache污染等教训，对想做本地基准测试的人有直接可迁移价值。
Entroly 是一个本地优先的开源 AI 上下文控制层，按 token 预算选择证据、生成含保留与省略内容的 receipt，并通过内容寻址句柄恢复被省略的原文。基准显示 gpt-4o-mini 上 NeedleInAHaystack 等 token 节省 79.3%–99.5% 且准确率保持，但 SQuAD 2.0 从 80% 降至 72%；工具支持 Claude Code、Cursor、Codex 等集成，可用 entroly verify-claims 和 entroly simulate 在本地免费验证。
推荐理由：README 同时给出基准收益与 SQuAD 下降等反例，还提供免 API key 的本地验证命令，读者可在自己仓库实测后再决定是否采用。
shi3z 在 GitHub 发布 npc-llm-bench，用于定量比较本地LLM作为日语游戏NPC的对话质量与速度，结果收录在 RESULTS.md。基准含73个测试，覆盖日语自然度、人格维持、知识边界、记忆一致性、状态反映、角色差异、诱导耐性和长期对话，并测量TTFT、并发吞吐与VRAM，最终输出加权NPC Score与7种排行榜。
推荐理由：作者给出了游戏NPC场景的73项测试、评分权重和RTX 4090等硬件上的11个模型实测结果，方法可复用。