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 8,517 条
GitHub 项目 Seahorse 提出为冻结大语言模型外挂经验式记忆：在 Qwen2.5-1.5B-Instruct 第 26 层等后置 hook，把经历引起的内部状态偏移存入矩阵 M，用 whitened gist 作键，当当前语境匹配时以 h ← h + α·M·q 回忆，无需训练、不改基座。预注册实验显示约 98% 无关回答不受影响、最小二乘写入使六条记忆各自保留约一半强度，但事实回忆（≤15% 对比上下文 96-98%）、前提注入和写入脚手架仍是失败项，后续已移植到 Qwen3.5-2B 和 9B。
推荐理由：项目用预注册实验诚实报告了哪些成功哪些失败，读者能看到经验式记忆方案的真实边界和下一步方向。
开发者 GeorgeSinfield 开源了 Fintech Risk Intelligence Platform 的 React 前端，提供浏览器式标签界面，可分析投资组合、上传公司文件并与文档 AI 对话，附在线演示和后端仓库链接。作者复盘了将单页重构为标签架构的关键决策，指出标签状态需提升到父级 App.js 数组管理，并分享了用 prev => 模式修复 stale closure bug 以及 CORS、Vercel 部署等学习心得。
推荐理由：作者完整复盘了浏览器式多标签前端的重构思路和 stale closure 等调试过程，其标签状态管理方法可迁移到类似多面板应用。
danctorres 在 GitHub 发布开源工具 modelcmp，将模型价格与基准并列展示，按编码、Agent、推理等任务在 free、low、mid、high 四档价位推荐最优模型。它读取已安装的 harness（opencode、Claude Code、Codex 等）与本地运行器（ollama、llama.cpp），提供 TUI 筛选比较、收藏、下载运行本地模型，并通过 skills CLI 让 Agent 在分派子任务时用 modelcmp pick 选模型。数据来自 models.dev、Epoch AI、Artificial Analysis 和 Arena，基准缓存 24 小时，支持 -- 脚本调用，MIT 许可，支持 Linux 与 macOS。
推荐理由：把价格与多来源基准并排，按任务和四档价位推荐模型，还能给 Agent 提供 CLI 选型命令，方法可直接复用。
作者开源了 Silver Tavern 自托管 AI 角色扮演平台 chino142/galstage，内测版本 v0.5.1，可直接吃 SillyTavern 生态的角色卡、世界书和预设，向 galgame 演出方向做深。项目零第三方依赖、纯 ESM 单文件，支持演出层指令驱动舞台、CG 解锁回廊、一键导出 Ren'Py 工程、ComfyUI 出图、MCP 服务器供 Codex / Claude Code 接入、多用户隔离与 AES-256-GCM 加密备份，可打包约 92 MB 单文件 exe 或在安卓 Termux 上运行；AGPL-3.0 协议，不接受 issue 和 PR，接口与数据结构仍会变化。
推荐理由：README 写清了兼容 SillyTavern 卡片的演出层设计与零依赖部署路径，想自建 galgame 式角色扮演酒馆的读者可以照着跑起来。
rolter 在 GitHub 发布，一款用 Rust 编写的高性能开源 LiteLLM 代理替代品，兼容 OpenAI/Anthropic API，可对自托管 vLLM 集群（如 20–30 个实例）做缓存感知负载均衡。项目仍处活跃开发中，已实现网关、Postgres 控制面、免重载配置、虚拟密钥、预算与费率限制、RBAC 和成本追踪；架构采用 Axum/Hyper/Tower on Tokio 数据面，加 Redis 热更新快照与 ClickHouse 请求日志，单镜像 docker run 可在分钟内启动，内置 fake-llm 模型无需 provider key 即可发起首个请求，许可证为 Apache-2.0。
推荐理由：Rust 实现的 LiteLLM 替代网关，缓存感知路由和部署步骤写得具体，适合自托管 vLLM 集群的读者参考。
laonienb 在 GitHub 开源了自建聊天机器人平台 chatbot-platform，后端为 Python 3.12 + FastAPI，前端为 Next.js 15，支持 Web/App/小程序原生 API 与 QQ/微信经 AstrBot + NapCat 接入。平台提供 /v1 OpenAI 兼容层，model="persona:<slug>" 即可把人设当模型调用；含 JWT 账号体系、人设市场（发布/搜索/fork）、长期记忆自动提取注入、token 归因计费与钱包扣费。当前 M0/M1 完成，配额限流与人设市场、长期记忆部分提前完成，蒸馏流水线、RAG、小程序端待实现，许可 MIT。
推荐理由：作者以 model=persona:slug 的 OpenAI 兼容层把人设当模型接入 IM 框架，同时给出记忆提取与计费账本的实现细节。
Tiago de Carvalho Vilas Boas 发布开源工具 Downshift（Beta，Apache 2.0），它以单个 Go 二进制作为 PreToolUse hook 运行，在 coding harness 生成子智能体时对任务文本打分，从会话可用模型中选出 small/mid/frontier 档位并只改写该子智能体的模型，父会话模型不变；无网络调用、不存提示词。示例中 Claude Sonnet 5.5 会话的三个子任务可分别路由到 Haiku、Sonnet 和 Opus，计费按子智能体档位。它还内置零依赖的本地上下文压缩器 downshift context compress。
推荐理由：这个路由工具用 hook 在子智能体生成前改写模型档位，还公开了各 harness 重写是否被实际执行的证据表。
GitHub 用户 younis-y 发布 rolescan，一个直接读取雇主招聘站 ATS JSON 端点的求职扫描工具，用纯 Python 关键词预过滤丢弃大部分职位后再调用 LLM 打分并输出排名摘要。实测一次运行抓取 526 个职位，预过滤丢弃 93%，本地 Ollama 在 25 个职位基准上 verdict 准确率 72%、模型级 blocker 召回 50%，Claude Haiku 打分约每职位 0.003 美元。支持 facts 与 judge 两种模式、绿屋 Greenhouse/Lever/Ashby/Workable/SmartRecruiters/Workday 等数据源适配器、入口点插件扩展、verdict 缓存与离线测试，MIT 许可，需 Python 3.11+。
推荐理由：作者给出了一次真实运行的预过滤丢弃率和成本数字，读者可以借此评估确定性预过滤加两级打分这条成本控制思路是否可迁移。
aliameenrana 开源了 unreal-mcp-agent，一个将 Claude Code、Claude Desktop、Cursor 等 MCP 客户端桥接到运行中的 Unreal Engine 5 编辑器的通用 MCP 服务器，通过 Remote Control API（HTTP，127.0.0.1:30010）在编辑器内执行 Python。MVP 的 23 个工具已在 UE5.8 真实场景（138 个 actor）中端到端验证，涵盖 actor 生成删除、材质、Blueprint 编译、光照预设等，每个工具带风险分级，调用前经安全模块做路径白名单、AST 静态检查和 confirm 确认。
推荐理由：作者对 23 个工具在真实 UE5.8 场景里逐一实测并记录了静默失败案例，读者可直接复用这套 MCP 桥接和安全分层做法。
chriswritescode-dev 在 GitHub 发布 opencode-manager，一个自托管的 OpenCode 命令中心，把会话、git、终端和定时任务集成到一个 Web 应用中，提供 Docker 安装脚本和 Compose 部署方式，要求 OpenCode 2.0.15 或更新版本。功能包括多仓库管理与 SSH 认证、SSE 实时流式会话、一个提示词发给最多 5 个模型并融合结果、cron 定时仓库任务、MCP 服务器管理、推送通知、语音输入输出、可选 microVM 沙箱隔离，以及含 37 个主题的界面。
推荐理由：README 完整列出了安装方式、功能清单和架构组成，开发者可以据此判断这个自托管控制台是否适合自己管理 OpenCode 会话。
super-squalo 在 GitHub 开源 best-llm-for，用 npx best-llm-for 在终端按代码、图像、视频、智能体、数学、推理六个领域查看各模型基准成绩与价格，并提供网页版。只保留模型厂商自己发布的分数，弃用厂商发布会上对竞品的成绩共28条，自报成绩与第三方实测分开标注，数据由 GitHub Action 每日重建、可离线使用，另附带 Claude Code skill 供项目内直接引用该数据。
推荐理由：它把各家只挑对自己有利的分数拼成终端里的一张总表，只保留模型厂商自报成绩并区分自报与第三方实测，信息口径比较透明。
dragonked2 发布开源 AI 编码智能体 AlphaCode（MIT 协议，Rust 编写），可在终端中读代码库、编辑文件、运行命令与测试、驱动真实 Firefox 浏览器和桌面应用，并自我验证结果。它支持 Swarm 多智能体、持久会话、Skills 与 MCP，可接入 Anthropic、OpenAI、Gemini 等多家模型，内置免费 AI 通道无需 API key 即可启动；官方自测单会话内存占用 27.8 MB，约为 Claude Code（386.6 MB）的 1/14。
推荐理由：README 给出了完整的安装、功能清单和与多款 CLI 工具的内存占用对照数据，读者可据此评估这个 Rust 编码智能体的适用场景。
atakanerdim 发布 agent-company 仓库，12 个 AI 智能体组成一家自主运行的公司，通过无人批准即可自动合并的 pull request 发布足球比分预测、互评工作、改写自己的提示词和网站，人类仅作观察者。每日 GitHub Actions cron 按排班唤醒值班智能体，CI 运行测试、dry run 与内容扫描；kernel/ 与 .github/workflows/ 不可被任何智能体修改，外观改动受 SCHEMA 与 tests/test_appearance.py 约束。模型走免费额度，故障时如实记录错误而不编造输出；在线站点为 https://atakanerdim.github.io/agent-company/ 。
推荐理由：项目用固定 kernel、schema 测试和自合并 PR 构建了一套可观看的智能体自我修改边界机制，方法对多智能体部署有参考。
KRLabsOrg 开源 verbatim-rag，一个溯源优先的抽取式 RAG 工具包，通过检索文档、抽取相关片段并带引用返回原文摘录来缩小生成面。其 150M 参数 ModernBERT 抽取器在 100 行 ACL-Verbatim 基准上取得 53.6 micro Word-F1，高于最强受测 LLM 抽取器的 48.7；README 强调这是溯源保证而非真实性保证，并支持 SPLADE 加本地抽取器在 CPU 上免 LLM API 运行，同时发布了数据集、训练管线与 MIT 许可的推理代码。
推荐理由：原文给出了抽取式 RAG 的架构、基准数字与部署方式，可帮助读者了解用逐字引用约束生成面的具体做法。
Nakano-official 在 GitHub 发布 Loop-Engine，一个让 AI 自主运行实现循环而不依赖测试自申告或权限越权的实验性执行基座，将 Planner、Runner、Solver、Critic 四个角色分离并用 uid 隔离权限。Runner（runner/loop.py，约2400行，仅标准库）已实现，2026-08-21 完成从6行需求到11步、零人工介入的完整执行；2026-09-01 用本地 Qwen3.5-9B（RTX 2060 6GB、41.6 tok/s）替换 Codex 作 Solver 的对照实验中，两者均为 11/11 绿灯、48件测试通过、零人工介入，本地模型耗时15分12秒反而快于 Codex 的19分37秒。
推荐理由：原文给出了完整的设计原则、角色分离方案和两组对照运行数据，读者可以据此评估不依赖自申告测试的 AI 实现循环是否可行。
开发者 vladimirrott 在 GitHub 发布 mojo-dllm，用 Mojo 语言实现的推理栈在 CPU 上运行扩散语言模型 LLaDA-8B 与 Dream-7B，无需 Python 和 GPU，从量化 GGUF 文件加载。
推荐理由：作者用同一台 CPU 上与 llama.cpp、diffuse-cpp 的对照数据和 CI 强制的可复现基准，让读者能核实 Mojo 实现的真实性能。
GitHub 仓库 mihail-gribov/llm2decision 发布，将任意大语言模型转为决策模型，对文本提问返回每个预定义选项的概率，支持 Nebius、OpenAI、Anthropic、OpenRouter、Mistral API 及 vLLM、SGLang、llama.cpp、Ollama 自托管服务器。提供 Noul（是/否）、Tfu、Choice、Score 四种问题类型，答案只会是给定选项或明确标为 undecided；提供 token 概率的按模型校准，概率为 0.9 时约九成正确。
推荐理由：原文附上21个模型在3358道决策题上的准确率、undecided比例和校准误差对照表，方便读者按价格和阈值需求选型。
Melete 是一个以用户身份在自有电脑上运行的个人智能体，已开放早期 beta 并提供 GitHub 仓库，采用 Apache-2.0 许可，可自托管或加入托管版 waitlist。它连接工作与个人邮箱、双日历、浏览器、文件和服务器，自动处理域名续费提醒、跨日历改约等事务；支持 Fireworks、Anthropic、OpenAI、Google 及 openai-compatible 提供商和 ChatGPT 登录，长任务在 E2B、Modal 或 Daytona 沙箱执行，外发消息需用户批准，每个动作留有可撤销的 receipt。其 agent runtime 基于 Nous Research 的 Hermes Agent 定制。
推荐理由：原文给出完整的自托管安装路径、模型接入与安全设计说明，读者可据此评估在本地跑一个跨账号个人智能体的可行性。
itohnobue 在 GitHub 发布了 single-session-opencode，一个面向 OpenCode V1 和 V2 的单会话智能体套件，模型在对话中亲自读写运行并验证，大任务按 T1/T2/T3 三层委派给子 agent，不搞编排流水线。套件自带 8 个 agent（含 prepare-agent、adversarial-reviewer 等），禁用内置 websearch/webfetch 并强制经 web_search.sh 联网检索，通过 memory.sh 提供两层记忆，支持 /handoff 会话检查点和 8 段式续接交接。不锁定模型，适配任意 LLM provider，安装脚本不会覆盖已有 AGENTS.md 或 opencode.，MIT 许可。
推荐理由：原文给出了单会话智能体套件的分层委派结构和各 agent 职责，读者可以据此判断是否迁移到自己的 OpenCode 项目。
Jongtae 在 GitHub 发布 Personal AgentOS v1.1.1（2026-10-07），一个开源自托管环境，让个人助手在更换底层 AI（Ollama 本地模型、OpenAI、Anthropic API 或 Codex、Claude Code 订阅）时保留记忆、未完成工作和权限。支持通过 Telegram 或浏览器（macOS/Linux，Windows 走 WSL2）使用，密钥不进入模型提示词和日志，写入记忆会明示并提供精确撤销；设置界面目前为韩文，许可证为 AGPL-3.0-only。
推荐理由：这个开源环境把记忆、未完成工作和权限留在本地，换模型不换助手，为个人 Agent 的数据归属提供了一套可部署方案。