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。
2,044 条精选近 30 天 2,037 条共收录 8,481 条
szymonkobus 发布 code-model-reliability 仓库，用贝叶斯失败率-难度曲线在同一难度尺度上同时度量代码模型的能力（D50）和可靠性（D99）。发布的拟合覆盖 71 个 arm、1,297 个任务、85,604 个 cell 和 850 万次尝试；仓库含 cmr 命令行流水线、任务集、每次尝试的判定记录和完整重拟合脚本，代码 MIT、数据 CC BY 4.0。
推荐理由：用同一难度尺度同时刻画模型能力 D50 和可靠性 D99，覆盖 71 个模型配置的可复现评测框架。
wehnsdaefflae 发布 routine-scheduler，一个自托管的定时 LLM Agent 任务控制台，提供 Web UI 实时查看对话并可在运行中干预。每个 routine 由指令、工作流和排期组成，独立存于 git 仓库，运行在 provider 无关引擎上，util 子进程受 Landlock 沙箱限制；系统通过 routine-improver、self-audit 等 meta routine 基于 outcome 数据自我改进，支持 OpenAI 兼容 API 与 Anthropic Messages API，Web UI 位于 http://127.0.0.1:8321。
推荐理由：原文详细说明了沙箱隔离、outcome 门控的配方回滚和 Landlock 机制，读者可以据此评估这套自托管 Agent 调度器的安全与自改进设计。
ziuus 在 GitHub 发布 GoRoute，一个用 Go 核心 + Rust SIMD 编写的 LLM 网关与多供应商路由器，支持 338+ 供应商预设和 35 个编码 Agent 的一键配置。官方基准显示在 500 并发流式请求下空闲内存 4.7MB、路由开销 0.86ms、冷启动 11ms，并支持 0.5 秒内从 OmniRoute 加密库同步账号、凭证与 failover 组合。
推荐理由：README 附带与 OmniRoute、LiteLLM 的同条件基准数据，空闲内存、路由延迟和冷启动差距都有具体数字可查。
Husk 项目发布 husk-0.2.0.mcpb 公共预览，为 Claude Desktop 等 AI 聊天提供带终端、文件和浏览器的命名本地工作区，结果可保存并在下次会话复用。工具含 8 个工作区工具加 26 个计算机工具，浏览器以 accessibility ref 驱动真实 Chromium，支持 docker、podman、ssh、fly、local 五种隔离提供者并明确说明各档隔离强度；还支持把 Claude Code、ChatGPT、Cursor 等会话记录经 distill 转成可运行的 YAML Agent 规格，不请求 API 密钥、无遥测，Apache-2.0 协议。
推荐理由：README 详细写明了隔离提供者分级、安全模型边界和已知限制，读者可据此判断这条 Agent 计算机工具链的实际可用性。
Speedrun AI Labs 在 GitHub 开源 Agent 技能包 reverse-engineer-anything-self-learning-loop（MIT 许可），用自学习循环把被授权重建的产品做到与原品完全对等。方法先写明 100% 的定义并生成逐项可测试的对等清单，再按干净室纪律构建、与原品对照评审，迭代直到所有 must-have 连续两轮通过；每轮将清单模式和修复配方经批准后沉淀回技能文件。支持 Claude Code、OpenClaw 等技能目录安装，明确不用于克隆第三方产品或绕过访问控制。
推荐理由：作者把逆向重建的完成标准写成可打分的对等清单，附两轮复核和回归采样，方法本身可迁移到其他 Agent 交付流程。
作者开源 SerialLens，一个面向嵌入式学生和硬件工程师的串口调试助手，在普通收发之上叠加自动波特率检测、NMEA 0183 等协议启发式识别和可选 AI 分析。v0.2 新增协议学习模式，通过多轮采样加真值标注推断帧头、字段偏移、类型、字节序与比例尺并生成可复用解码画像；作者给出 4 帧虚拟传感器流的对照实验，纯 LLM（deepseek-chat）误判温度和湿度字段且消耗 924 tokens，SerialLens 精确定位字段、0 token、本地不到 1 秒。v0.3-v0.5 还提供 9 个 MCP 工具接入 Claude Desktop 等客户端、文件回放、画像转零依赖 C 解析器代码生成，以及 FastAPI Web 智能体。
推荐理由：作者给出同一份采样帧下纯 LLM 推理与学习模式的实测对照，能看清算法加真值标注在协议逆向里到底比模型猜字段强在哪。
AyushAditya444 发布 data-leak-guard，一个 OpenAI 兼容的 drop-in 代理，拦截 Aadhaar、PAN、手机号、UPI ID、银行账号、IFSC、地址、姓名和 API 密钥等敏感信息，在请求发给 LLM 前掩码替换、收到回复后还原，应用只需改一行 base_url 即可接入，项目处于 7 个阶段的第 5 阶段。在 1600 条合成消息的 held-out 测试集上整体 F1 为 94.4%，负样本误报率 1.4%；规则检测延迟 p50 0.175 ms，加 CPU 上的 ONNX 人名模型后 p50 17.340 ms。
推荐理由：项目给出了1600条held-out测试集的分类型精确率召回率和延迟数据，读者可据此评估这套脱敏代理的可靠程度。
OpenLore 是一个面向 AI 编码智能体的本地优先记忆与护栏工具，基于静态分析构建代码知识图谱，热路径无 LLM、无需 API key，同一查询始终返回相同答案。一条 openlore install 命令可自动检测 Claude Code、Cursor、Cline 等智能体并注册 MCP 服务器；orient() 单次调用返回任务相关函数、调用者与插入点（15k 节点图上约 430µs p50）。在 Spec 14 基准中，大型陌生仓库的深度任务往返次数下降 26%（excalidraw 25→16），小型熟悉仓库则常为负收益，官方同时公布了亏损数据。治理侧提供 breaking-change 判定、敏感边界检查、verify_claim 与统一提交门 openlore enforce。
推荐理由：README 公开了随仓库规模变化的收益与亏损实测数据，并给出在自己仓库上复现的命令，方便读者判断工具是否适用。
作者发布 llm-deployment-benchmarks 项目，在 Fireworks AI 上做两组实验，比较开源模型与 Claude Opus 5.5 的准确率、延迟和成本。支持工单分诊任务中，GPT-OSS 120B 以 34–45 倍更低成本追平 Claude Opus 5.5，9B 模型响应快 4–7 倍也打平，而对含噪标签微调反而变差；国际象棋任务中，对 73k 局面的微调把合法走子率从 36% 提到 71%，但最佳走子准确率仍是 3%，只有前沿级开源模型 Ember-1 接近 Claude，约为每步 4 倍时间和成本。
推荐理由：作者用支持工单分诊和国际象棋两类任务实测开源模型与 Claude Opus 5.5 的差距，结论是 prompt 质量常比模型大小更关键。
Thecimal 在 GitHub 发布开源的 quantified-self-mcp，一个本地优先的 MCP 服务器，让 AI 智能体通过 MCP 访问本地 SQLite 中的个人健康数据，支持趋势、基线、异常、相关性等纵向分析。每个分析结果附带 claim 证据结构，标注数据覆盖率与可声明的强度等级（如 suggestive），避免把低覆盖数据当成确定结论；支持 CSV、Apple Health、WHOOP API 等导入，共暴露 20 个工具，MIT 协议开源。
推荐理由：原文给出了证据分级机制的具体设计，分析结果附带可机器校验的claim强度与数据覆盖缺口，而非只报数字。
GitHub 项目 rapotekhin/dnd_llm 发布 v0.5.4，完成从 pygame 原型到 Godot 客户端加 Python 后端的迁移。游戏按 D&D 5e 规则建角色（9种族、12职业），LLM 只担任叙事主持人，骰点、DC、物品和经验由确定性游戏引擎裁定以免世界设定漂移；需 Godot 4.7、uv 和 OpenRouter key，MIT 许可，路线图包含完整5e规则、战斗与变化世界。
推荐理由：项目把判定、数值和状态交给确定性引擎，LLM 只做叙事和NPC，这种分工设计对做LLM游戏的人有直接参考价值。
protocol/perun 发布，这是一套以文本文件形式分发的技能包，让 Claude Code、Cursor 等 AI 编码助手按固定流程完成从审查到交付的工作，核心是带证据的深度代码审查，另含 token 成本优化、门控智能体交付等技能。作者用统一测试环境实测 39 个真实 bug 修复案例，Perun 在 claude-sonnet-5-5 上比普通提示词多抓 bug 但区间下界为 0，相比 Claude Code 内置 /code-review 抓到的 bug 数量相当而误报大幅更少，与三个流行的审查技能对比均为平局；在更强的 claude-opus-5-5 上与普通提示词打平。大改动场景下多次独立审查比任何单一方法更有效，项目同时附上成本核算和诚实的局限性说明。
推荐理由：项目附上统一测试环境和多组对照基准数据，连不利的平局结果也如实列出，读者可自行判断这套 review 技能包的真实增益。
javier-cabezas 在 GitHub 发布 achainsaw，一个编译 AI Agent 所写代码的编译器：Agent 用扁平 SSA 语言 AIR 编程，校验错误以带 ERR_* 错误码和源码位置的 JSON 返回，经 Cranelift 在 1 毫秒内编译为 x86-64 和 AArch64 原生代码。通过 MCP 供 Claude Code 等客户端调用，沙箱内检查每次内存访问、限制循环燃料和递归深度；LLVM 后端支持 AVX-512、SVE、AMX 等向量与矩阵指令。
推荐理由：作者给出了与 llama.cpp 同机同文件的 prefill 和 decode 对比数据，以及沙箱与错误码设计细节，可据此评估这套面向 Agent 的编译方案。
wardowl（2.0 前名为 needtoknow）是一个开源 Python 库，把 OpenFGA、OPA、Cerbos 等权限系统接入 pgvector、Qdrant、Pinecone 等向量库的搜索内部，每次命中再复核并故障时关闭，保证 LLM 提示词只含用户有权读取的文档。基准测试在 57,600 个真实 chunk 上经 33,000 次检索无一次越权返回，pgvector 上 recall@10 保持 0.949 以上；百万 chunk 场景下中位延迟 3 到 21 ms，每秒最多可服务 126 次请求。
推荐理由：项目给出基准数据说明在搜索内做权限过滤可保住召回率，对搭建企业内部 RAG 的团队是可参考的做法。
开发者 Ramón Burgos 发布 SynaptoCore，一个用 Rust 编写的本地服务器，通过 SQLite 中的知识图谱（主体→关系→客体）为 Ollama 本地模型提供长期记忆，回答时引用来源并标注知识出处。记忆不足时经 SearXNG 联网检索并引用来源，后台只固化可验证的事实；未使用的推论按来源权重衰减遗忘，用户教授的内容永久保留。支持 JSONL 批量导入（含 Wikidata 脚本）、深度研究流程、任意精度计算器、JSON 声明式 HTTP 连接器、REST/SSE/WebSocket 接口和 CLI，默认模型为 qwen3.5:2b-q4_K_M，MIT 协议开源。
推荐理由：原文完整公开了记忆图谱的存储结构、来源追溯和遗忘规则，读者可以据此评估这套本地长期记忆方案是否适合自己的部署场景。
Phova 在 GitHub 发布 uTTT（Universal Test-Time Training）框架，覆盖远端元训练、自动化部署与交互式个性化推理全流程，针对单卡 NVIDIA RTX 5090（32GB GDDR7，Blackwell sm_120）做算子级与显存级优化。核心包括跨层共享快权重池与 SwiGLU 解析式块状梯度（用 torch.bmm 一次算出）、双轨 Checkpoint 管理（base_uttt.pt 加 personas/{user_id}_state.pt）与三级 LRU 缓存，个性化通过流式生成、Chunk TTT 更新、惊奇度门控与弹性锚点实现。
推荐理由：原文给出了从元训练到多租户个性化服务的完整部署链路和指令集，读者可以照着在单卡 RTX 5090 上复现这套测试时训练流程。
datacrate360 发布开源工具 agent-countercheck v0.14.0（Rust，MIT 协议），在 AI 编程智能体声称完成时，从基线提交读取锁定的检查项、复制文件到干净目录并在沙箱中重跑，生成带 SHA-256 封签的回执，防止智能体跳过或改弱测试。支持 Claude Code、Hermes Agent、Codex、Cursor 等，通过 Stop hook、verify 命令或 GitHub Action 接入，覆盖 macOS、Linux 和 Windows。作者基准测试中 GPT 6.1 的假 done 声明从 7 降到 3，DeepSeek V4 Pro 从 7 到 6，中位数运行约增加 1 秒。
推荐理由：作者给出基准数据展示假 done 声明如何被拦截，方法可迁移到自己的 Claude Code 或 CI 工作流里直接复用。
Slartibart23 在 GitHub 发布 ComfyUI 自定义节点包 comfyui-grok-prompt-forge，通过 xAI Grok 官方 API（https://api.x.ai/v1）把任意语言的短点子或已有描述改写成适配目标模型的英文提示词，默认模型为 grok-4.20-0309-reasoning，MIT 许可。
推荐理由：为每个目标模型整理了官方来源的提示词规范和采样参数对照，可直接复用到其他提示词生成场景。
Momoding 1.0 预览版在 GitHub 开源发布，是基于 OpenMinis 的 fork，把 Personal Agent 装进现有安卓手机（Android 8.0+），可交代一句话完成日程、提醒、闹钟、短信草稿、联网查询和例行任务。数据与记忆存在手机本地，自带模型 Key 调用 DeepSeek、Kimi、通义千问等服务，App 免费开源（GPLv3），因需无障碍等权限暂不上应用商店，仅在 GitHub 发 APK。
推荐理由：这是开源手机端 Agent 的发布说明，讲清了数据存本地但对话发往自选模型服务的隐私边界，适合想自己部署的人对照评估。
Ethos6 在 GitHub 开源 Agent Army，用约250行的模型无关核心统一运行 110 个跨 16 个类别的 Agent 模板，覆盖研究、商业、工程、RAG、长期记忆、MCP、语音、游戏等场景。每个 Agent 可在 Claude、GPT、Gemini、DeepSeek、Groq、OpenRouter 或本地 Ollama 上运行而无需改代码，统一用 army run/serve/schedule 命令，内置 eval 用例、59 个离线单元测试与沙箱安全机制，MIT 协议开源。
推荐理由：同一个约250行循环统一驱动110个Agent并支持多家模型切换，README还给出evals与CI质检方式，可作搭建多智能体集合的参考。