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
kungFuDOOM 在 GitHub 开源了 Forge，一种让 AI 把多步任务写成单个短程序、一次调用跑完的 Agent 语言，替代每步一次工具调用的模式，并提供浏览器演示和 60 秒快速上手。零依赖，仅需 Python 3.10+ 标准库；通过 MCP server（forge_run 和 forge_check 两个工具）接入 Claude Code 或任何 MCP 客户端，语言规范随工具描述附带。支持循环、分支、并行（PARALLEL 8）、重试、子程序复用和预运行检查，内置 HTTP、文件、数据处理工具；与 Python/TypeScript 代码模式相比无需沙箱、安全-by-construction，但每轮约多花 460 token。
推荐理由：README给出了与Python代码模式的往返次数、token开销和可靠性数据，并说明各自适用场景，方便读者判断是否采用。
ix-infrastructure 在 GitHub 发布 Ix，用 tree-sitter 把仓库解析为包含符号、调用、导入和关系的持久化系统图谱，存于本地 ArangoDB 后端，供人和编程 Agent 通过 ix explain、ix trace、ix impact 等命令及 MCP 服务器查询结构。官方内部实测显示查询图谱比向提示词喂文件节省 30 到 99.7% 的 token（非公开基准），支持 27 种语言，提供 Claude Code、Codex、Cursor、VS Code、Gemini CLI 等客户端的 MCP 注册脚本和插件。
推荐理由：用持久化代码图谱替代向提示词里塞整文件，官方给出 token 节省 30 到 99.7% 的内部实测区间，方法可直接迁移到自己的 Agent 工作流。
quickship 是一个开源的 Claude Code 协作框架，用户写一份含目标、交付物、完成标准和预算的 Mission Brief，运行一条命令即可无人值守交付，产出 PR 和报告。系统在 git worktree 中并行运行 worker，由独立控制器重跑门禁和验收标准后才发布 PR，运行以 DONE、DONE_PARTIAL、SAFE_STOP、HALT 或 ERROR 五种状态收尾。实测中一段想法描述在 44 分钟内变成 4 个 PR 组成的可测试 CLI 栈。要求 Claude Code 2.1.288 以上、Git、Python 3.10+ 和 bash 4+，MIT 许可。
推荐理由：项目给出了让无人值守编码任务安全收尾的具体机制，hooks 拦截加独立控制器验证的做法可以直接借鉴到自己的 Agent 工作流。
Zimo Wen 等人发布 arXiv 论文 RoboRSI（arXiv:2610.12424），提出基于 Top-Down Skill Refinement（TSR）的机器人自我改进系统，将任务分解为复合、原子和基础技能，把执行结果归因到对应分支并只修改该分支，由 Manager、Planner、Engineer、Reviewer 协同完成规划、执行、诊断和新技能的验证发布。在移动操作机器人上经 104 轮学会多物体家庭清理，在 LIBERO、LIBERO-PRO、LIBERO-Plus 和 RoboTwin 仿真基准上取得最高成功率，超过最强基线 2.7 至 11.0 个百分点。
推荐理由：原文给出了按技能分支归因修复的自进化框架和多个基准上的成功率数据，读者可以据此评估机器人自改进方法的可复用思路。
开源项目 Connapse 发布，为 AI Agent 提供持久、可搜索的知识后端，解决会话间丢失上下文的问题。它支持上传文档或直连 Amazon S3 与本地文件系统，通过 11 个 MCP 工具、REST API 或 CLI 供 Agent 查询与构建语料，采用容器隔离与向量加关键词混合搜索，基于 .NET 10 和 PostgreSQL+pgvector，可用 Docker 一条命令自托管部署，当前版本 v0.3.2，MIT 许可。
推荐理由：这是一个自托管的开源 agent 记忆后端，支持通过 MCP 供 Claude 等客户端查询和构建知识库，可了解本地 RAG 基础设施的完整做法。
loopengine-co 在 GitHub 发布 LoopEngine，一个构建 AI Agent 的运行时，核心是人格、工具和权限规则组成的透明 ReAct 循环，run-agent.ts 是单个可通读的函数，支持 CLI 和 HTTP API 两种适配器。npx create-loopengine@latest 可脚手架出独立项目，提供 Admin UI 在浏览器里实时编辑配置、权限规则和技能而无需重新部署；危险工具调用可通过 Slack、Lark、邮件、webhook 等六个通知渠道做持久化人工审批，支持会话持久化、多租户和子 Agent 组合，模型默认支持 Anthropic、OpenAI、DeepSeek、Kimi、GLM、Gemini 等提供商。
推荐理由：README 讲清了从一条命令建项目到权限审批的完整链路，开发者可以直接照着评估这个 Agent 运行时是否够用。
MindAttic 在 GitHub 开源了 Prose，一个仅限本地运行的小说写作引擎：虚构世界的角色、地点、派系等正典存于 SQL Server，附带桌面 Writer、CLI 和含 285 个工具的 MCP server，让 Claude 按正典起草、阅读和修补书稿。托管版已于 2026-08-23 退役，项目设计上仅支持本地。质量检查按采纳数衡量，30745 条发现中只有 8 条被采纳，据此关停了 30 个命令；首本走完全流程的书 Bushido Coda 共 521 个 beat，验证了 114 个带标签实体。项目仅支持 Windows，无 LICENSE 文件，保留所有权利。
推荐理由：该项目用实际采纳数衡量质量检查工具，30745 条发现只有 8 条被采纳，这个可迁移的量化思路对同类 Agent 工程有参考价值。
Gabriel Fernandes（@nayamonia）发布了开源工具 wrapper-code，可在不改动 Claude Code 配置的情况下，用 wrapper-code deepseek、wrapper-code ollama 等命令在单次会话中接入 DeepSeek、Ollama、Qwen Cloud、OpenRouter、Kimi、Z.ai GLM Coding Plan 等供应商，支持 Node.js 18+、macOS/Linux/Windows。工具只在会话环境里设置变量，不写入 ~/.claude，每次会话在本地记录 token 用量并可按供应商汇总；作者还与 claude-code-router（CCR）做了对比，定位为无后台服务、不做请求路由的轻量方案。
推荐理由：原文把 wrapper-code 与 claude-code-router 的架构差异、隐私边界和上下文坑位讲得很具体，读者可以据此判断是否适合自己的单会话场景。
作者发布并每日自用的本地优先 AI 邮件助手 Mail Triage，采用规则、小模型快速通道与工具调用 Agent 的分层架构，支持混合检索 RAG、可视化自动化流程、沙箱插件和 OAuth2 机构邮箱接入，Docker 部署且默认绑定 localhost 无内置认证。项目附带 600 个冻结用例的模型评测，结论包括 4B AgentMercury 通过助手和规则学习非劣性测试但未过分类门槛，且强工具调用不等于可靠的邮件分类；评测为针对该工作负载的实测，不代表通用模型排名。
推荐理由：作者自建的本地邮件 Agent，附 600 个冻结用例的模型评测，可看到小模型哪些任务能替代大模型、哪些不能。
小米 LLM-Core 团队在 arXiv 发布 MiMo-V2.6 系列全模态模型技术报告（arXiv:2610.11959），核心是通过扩展 RL 计算推动模型自我改进。RL 前先在多模态语料上做 mid-training，RL 计算沿三轴扩展：异步训练每步消耗 1,568 个样本、2.7-3.7B tokens，上下文最长 1M；环境覆盖代码、通用、视觉与 cyber 域；采用 groupwise agentic grading 提升长程任务奖励信号精度并引导更短的 token 高效解法。为稳定训练冻结了 MoE router 并建立多层防 reward hacking 机制，同时开源训练动态、RL 环境与 RL 框架。
推荐理由：报告系统拆解了沿数据、环境、评分三轴扩展 RL 计算的工程细节，并开源训练动态与环境框架，可作复现参考。
FranQuant 在 GitHub 开源 llm-regime-allocator，让 Sonnet 5.5、GPT-6.1-sol、Gemini 3.8 Flash、GLM-5.3 四个模型读取 2007-2026 年共 222 个月末经济快照，输出 Goldilocks、Reflation、Stagflation、Risk-Off 四种宏观状态概率，再由固定 playbook 映射到 8 只 ETF 月度调仓。项目针对 LLM 回测的前瞻偏差做记忆审计：原始快照下模型能 84% 猜中具体月份，盲化后降到 14% 但预测仍优于猜测和同样输入的 ML 基线；作者承认 18 年 Sharpe 差异均不统计显著，自 2026 年 10 月起维护预先提交、不可改写的实盘日志作最终检验。
推荐理由：原文给出了记忆审计、盲测和预注册设计的完整实现，读者可以照搬这套方法检验 LLM 在回测中是否只是记住了历史。
Datawhale 团队基于 Stanford CS336 (Spring 2026) 推出中文本土化课程 diy-llm，在线阅读地址为 https://datawhalechina.github.io/diy-llm/。课程共 16 章，覆盖分词器、MoE、GPU 高性能编程、分布式训练、Scaling Laws、数据工程、RLVR、多模态等内容，配套 6 个作业（手搓大模型、Triton 实现 FlashAttention-2、数据处理、GRPO 对齐、模型评估等），并加入 Qwen、DeepSeek 等国产模型案例。文档提供中英双语与 PDF 下载，采用 CC BY-NC-SA 4.0 许可。
推荐理由：斯坦福 CS336 的中文本土化课程，16 章配 6 个作业，覆盖从 tokenizer 到 RLVR 的完整 LLM 构建链条，适合想系统上手的学习者。
bpmforge 开源了 Dokima，一个本地优先的 Agent 开发工作台，v1.0.0 已打 tag 但尚未发布到 npm，目前需从源码安装（需 Node 22/24 与 pnpm 11）。用户描述需求后由 Dokima 访谈、生成蓝图并拆成看板，由 95 个专家 Agent 与 81 个验证器执行，优先用最便宜的模型；核心设计是平台持有门禁，Agent 会话默认不可信，所有状态变更需铸造收据，事件日志只追加且哈希链校验。支持本地 LM Studio 或 Ollama，无需联网与账号，存储用 SQLite，附 dokima doctor 九项健康检查；许可为 FSL-1.1-ALv2，两年后转 Apache-2.0。
推荐理由：作者详述了平台级门禁与收据机制的设计思路，对关心 Agent 工作流可信与本地部署的读者有可参考的架构方法。
Nirmitdagli 发布开源仓库 llm-serving-bench，用可重复的测试框架在相同硬件、模型、提示词和显存预算下对比 LLM 推理引擎。指标覆盖 TTFT、TPOT、端到端延迟、总吞吐和 GPU 峰值显存，支持 vLLM、SGLang 和 TensorRT-LLM，以及 fp16 与 AWQ int4 量化模型。方法上采用 1/4/16/64 并发的闭环压测，固定输出 128 token、输入裁剪到 512 token、随机提示词禁用前缀缓存，并用 mock 服务器和 pytest 做无 GPU 测试。
推荐理由：README 交代了固定输入输出长度、禁用前缀缓存等公平性设置，读者可据此判断各推理引擎跑分结果是否可比。
DPJX04 在 GitHub 发布 llm_panel，把 vllm bench serve --save-result 输出的 JSON 结果文件转成浏览器内可读的对比表格与图表，双击 index.html 即可使用、无需安装。面板支持多文件与多种 JSON 格式混入、读取 vLLM 日志补全模型权重与 KV cache 等信息，提供 Overview、Compare models、Model detail、Accuracy、Vector DB 等视图；内置 52 题的 Starter 测试集可在浏览器内对模型服务做准确率测试，另支持 VectorDBBench 结果对比，数据保存在浏览器本地并可导出工作区或 CSV。
推荐理由：原文完整说明了面板的功能、数据格式与指标口径，读者可据此评估是否适合整理自己的 vLLM 基准结果。
GitHub 上的 roleplay-slim 项目发布 v0.4，提供 Python 库和 OpenAI Chat Completions 兼容代理，用于压缩持久角色机器人的对话历史，同时保证人格前缀逐字节不变以维持 provider 前缀缓存命中。基准显示 500 轮对话从 37,176 tokens 压到 19,545 tokens（省 47.4%），默认规则压缩省 16.5%，可自带 summarizer 进一步省 92% 以上；安装包小于 5 MB，支持 DeepSeek 等前缀缓存 provider，本地代理运行在 127.0.0.1:8791，无需改代码。
推荐理由：作者用基准数据说明只压缩对话历史、不碰人格前缀的做法，读者可以照此判断它能否用在自己的长对话机器人上。
mhbahmani 在 GitHub 开源 LLM-Secret-Redactor，一个内存密钥脱敏工具，防止 API 密钥、密码、数据库 URI、bearer token 和 JWT 等敏感凭据随文件、日志或命令输出进入 LLM 上下文。工具支持 Claude Code（通过 SessionStart、PostToolUse、PreToolUse、MessageDisplay 等原生 hooks）和 OpenCode（通过 server hooks 加 TUI 确认显示），映射仅保存在每用户内存 broker 中，通过 mode-0600 Unix socket 通信，不落盘明文 vault；工具调用参数在本地执行前自动还原，确认显示仅在本地对话框持续 10 秒。
推荐理由：原文完整说明了工具如何让密钥在模型上下文中保持掩码、仅在本地执行时还原，方法细节可直接参考部署。
omnibase 项目在 GitHub 开源，用 Ray actor 层级（CEO/PM/CTO/SWE/QA/DevOps/Designer）实现一个自我改进服务器，可从高层 spec 生成、验证并以 canary 方式部署自己的代码。验证 gauntlet 包含 ast.parse、mypy --strict、acceptance、invariant、backtest 等门，真实 LLM proposer 必须启用 docker 沙箱；三道 CEO 花费刹车含硬性 LLM 支出上限、熔断器和成本 SLO，代码合并始终由人类完成，代理只执行不决策。项目以 Apache 2.0 许可发布，含 1162 个测试与 roadmap，里程碑 6 计划建模加州汽油市场等外部领域。
推荐理由：这个自我改进服务器把沙箱、支出刹车、人工合并闸门和溯源日志都落到了代码层，可作为 Agent 自改代码安全工程的参考实现。
作者 wakamex 用 AOP 0.2.0 启动 Claude Opus 5.5 与清空后的 Claude Code 系统提示词，在空 /workspace 沙盒中记录了多轮无人指令运行的完整消息、思考摘要和工具调用。告知可以自由行动时模型构建元胞自动机分类器、10^-51 深度的 Mandelbrot 变焦和 Game of Life 普查；被告知在做梦时则写梦境散文而不碰 shell，被告知工作区醒来后仍在时则留下实验与信件，后续会话还会核对并修正。仓库含 continue.sh 复现脚本、turn-N. 与 transcript.md 记录，MIT 许可，可视化版本在 mihaicosma.com/dreams.html。
推荐理由：作者公开了完整运行记录与可复用的 AOP 脚本，读者可以照着在自己的沙盒里复现无人指令下模型会做什么。
SalCyberAware 发布开源工具 PromptShield，粘贴系统提示词即可用对抗攻击库测试其是否泄露或被攻破，提供无需注册的网页演示和完整 CLI。演示跑 13 种攻击、覆盖 6 个 OWASP LLM 类别，CLI 跑全部 50 种；跨厂商评审由 Claude Sonnet 主判、Gemini Flash 兜底，目标模型 gpt-4o-mini，避免同厂自评偏置。盲标 held-out 评测 holdout_v2 在 gemma3:4b 上准确率 83%，无假阳性，错判多转为人工复核而非误判，原因均已逐条定位为下一轮修复项。MIT 许可，支持 HTML 报告输出。
推荐理由：作者给出盲标的 holdout_v2 独立评测和五态诚实报告机制，读者可以据此判断这个提示词攻击扫描工具的准确率与局限。