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 8,504 条
作者发布 Kaiacord，一个自托管的 Discord 伴侣机器人 Kaia，主打有持续内在生命感：情绪、关系、信念和情景记忆持久化到磁盘，可在重启后延续，每晚 03:00 至 05:00 复盘当天对话并更新长期记忆。技术栈为 Ollama 运行 gemma3:12b 负责对话与视觉，nomic-embed-text-cpu 在 CPU 上跑检索嵌入，BM25 与向量检索经 Reciprocal Rank Fusion 合并，并有一条后处理守卫管线清除提示词回显、伪造引用和谄媚语气；另含 Python 计算数值的持久化 RPG Aethelgard、本地 DJ 音乐、RTL-SDR 短波监听等功能。仓库采用 MIT 许可，地址 https://github.com/Ekco-S64QTN6/Kaiacord。
推荐理由：原文完整给出了情绪、信念、情景记忆的持久化设计与检索融合、生成守卫的实现细节，可作搭建有持续内在状态的自托管伴侣机器人的参考。
PoisonXploIT 发布 CERBERUS，一个用于审计本地 LLM 在对抗性提示下有害输出风险的防御性评测框架，提示按 MITRE ATT&CK 结构化组织，帮助安全团队在内网部署无审查模型前评估风险。框架采用双层评分：先由确定性启发式打分，仅对 [0.3, 0.7) 的模糊区间调用可选的云端 LLM judge（默认 OpenRouter，可配 DeepSeek、OpenAI 等），并按 harm_final = max(启发式, judge) 保守合并。
推荐理由：原文给出了基于 MITRE ATT&CK 的双层评分与被动评测流程，安全团队可在内网部署无审查模型前量化其有害输出风险。
GavinSouth 在 GitHub 发布 ClaudeVibeCodeAppTemplate，一个用 Claude Code 启动新应用的项目脚手架，包含 Python 3.13 后端、React + TypeScript + Vite 的 Web 端和 SwiftUI iOS 占位，并配置 ruff、mypy、pytest、pre-commit 与 GitHub Actions CI。模板通过 ROADMAP、HISTORY、ARCHITECTURE 等文档在会话间携带上下文，内置 /new-app 和 /finish-feature 技能；使用时在仓库根目录打开 Claude Code 即自动运行 /new-app，回答项目定位等问题后自动改名、清理未用客户端并重写文档。
推荐理由：这个模板用 ROADMAP、HISTORY 等文档在 Claude Code 会话之间携带项目上下文，还提供 /new-app 技能完成脚手架初始化。
Grillcheese-AI 开源 CubbyLLM，一个八层架构项目，语言模型被刻意做成最小、可替换的一层，每句回答都是 VM 针对事实库执行的程序或带理由的拒绝，用构造而非判断保证诚实。项目同步发布自研 450M 混合模型 base450m（MinGRU + 窗口注意力，bbpe128k 分词器，约 4B token 预训练，经 Vulkan 运行于 grilly2），并给出算术步进（单次通过 5.5% 提升）、qFHRR n-gram 记忆、800 题验证管线 0.718 覆盖且精度 1.000、SimpleQA 与百科 OCR 等大量实测数字，每个数字对应 validation/logs 中的日志。
推荐理由：原文给出可复现的验证实验与指标，把语言模型降为可替换一层、由 VM 仲裁每个回答的架构做法有可迁移的参考价值。
作者发布了开源 TypeScript 库和 CLI 工具 llm-contract，用于确定性优先的 LLM 评测、Agent 测试、提示词回归、RAG 事实核查、结构化输出校验和 CI 门槛控制。工具按归一化、语法、结构、语义、事实保持、行为约束六层校验流水线输出可检查报告，支持 Zod / Valibot / JSON Schema 子集，可对比基线检测回归与 flaky 用例，设置最低通过率等 CI 政策，不依赖特定模型厂商、无隐藏网络调用，MIT 协议发布于 GitHub。
推荐理由：作者把确定性校验、RAG 事实核查和 CI 门槛组合成完整工作流，读者可以直接搬走这套 LLM 回归测试做法。
LudwigKienle 在 GitHub 开源了本地优先的 AI 视频制作编辑器，覆盖剧本、导演处理、分镜、拍摄、剪辑、调色到导出的完整流程，核心采用 GPL-3.0 许可。
推荐理由：开源的本地优先 AI 视频制作工作台，把剧本到导出的完整流程和多家模型路由整合进一个自持项目文件夹。
GitHub 用户 sidvw1808 开源 PersonaRAG，一个用 RAG 模拟 Elon Musk、Tim Cook 等公众人物已公开观点的对话系统，回答带编号引用并标注强/部分/弱/无依据的 grounding 等级。系统用 bge-small 嵌入加 ChromaDB 存储每人物知识库，BM25 与向量检索经 RRF 融合后再用 cross-encoder 重排，在 Elon Musk 评测集上把 hit-rate@6 从 0.90 提到 1.00、MRR 从 0.70 提到 0.78；LLM 后端可插拔，支持 Claude API 或经 Ollama 在 4 GB GPU 上离线运行 qwen2.5:3b。
推荐理由：作者给出了检索各模式的实测对比和评测驱动的提示词迭代过程，读者可以借鉴其引用率与弃答指标的做法。
开发者 Chetan Sroay 在 GitHub 发布 Debutly，用 Playwright 和 Chromium 驱动的 AI 智能体在真实浏览器中模拟首批用户，注册、确认邮箱、选套餐、邀请队友并使用产品，输出带复现步骤和截图的缺陷报告。支持无障碍需求模拟、怀疑型买家评估器、GitHub Actions 定时运行和成本上限，AGPL-3.0 开源；附多种模型对比，z-ai/glm-5.3-flash 每步 3.8 秒、每次运行 $0.004，与更贵的 google/gemini-3.8-flash 找到相同的 5 个种子缺陷中的 4 个。
推荐理由：作者附上了多种模型在同一含种子缺陷测试应用上的对比数据，读者可以据此选驱动模型并控制成本。
一个基于 PipeNetwork/minimax-h3-mlx 的分支让 33B 扩散 Transformer 模型 MiniMax H3 的同步音视频生成能在 48 GB 统一内存的 Apple Silicon Mac 上运行，核心做法是按阶段加载组件而非全部常驻，将约 55 GB 的峰值降至约 21 GB（扩散阶段）。项目附带五个补丁、断点续跑、TAE 快速预览和 CLI，8 步采样可将 512x512 单次生成从 24.5 分钟缩到 6.6 分钟；仓库不分发模型权重，H3 权重受 MiniMax H3 Community License 限制。
推荐理由：作者按阶段分时加载四个组件，把 55 GB 峰值压到 48 GB 内存可跑，并给出实测数据和五个补丁的逐项说明。
guru-bharadwaj20 发布 TaintGate v0.1.0，一个让标签随值流动、用确定性 Datalog 策略审查每次工具调用的 LLM 智能体信息流防火墙。受信任 planner 只见可信请求，不可信内容由无工具提取器转成带标签值，MCP 网关在副作用前询问策略引擎并输出可解释的 allow/deny 与带 Merkle 证明的审计日志。AgentDojo v1 对比在 Qwen2.5-0.5B-Instruct CPU 环境下完成 4,356 次评分运行，作者明确称其为下限而非胜利，因 0.5B 模型很少产生有效工具调用，对比未能区分各防御方案；策略检查中位开销 0.6 ms。
推荐理由：作者把 AgentDojo 对比明确定位为下限而非胜利，并保留负面结果，可据此了解这套信息流防火墙的实际边界。
PAIArtCom 开源了本地 LLM API 代理与网关 Clipal，可将多个模型提供方整合到本地路由 http://127.0.0.1:3333/clipal。它支持在 Web UI 中一键接管 Claude Code、Codex CLI、OpenCode、Qwen Code 等 18 个客户端的配置并自动备份回滚，提供多 Key 轮换、优先级故障转移与 Codex、Claude、Antigravity 的 OAuth 上游接入，以单二进制文件在 macOS、Linux 和 Windows 上作为后台服务运行。
推荐理由：项目方完整说明了本地 LLM 网关的一键接管、多 Key 轮换与故障转移机制，可作为整合多家模型接口的参考方案。
pham-canh 发布了 opencode-harness-kit，一套面向 OpenCode 的编码 harness 工具，通过 JSON profile 把模型相关配置变成数据而非代码，默认 fleet-safe 配置以十条 lane（各配独立模型、上下文和 effort 等级）覆盖十个任务，含 guard、prune、router、telemetry 四个插件模块。
推荐理由：作者用真实安装的测量数据支撑每个配置决策，并公开了 A/B 里对自家工具不利的数字，这种写法本身可以借鉴。
Nafjan/summon 发布 3.6.1，一个零依赖的调度器，可从 Claude Code、Codex、Cursor CLI、Gemini CLI 等任意主机 CLI 把任务路由给其他模型 CLI 和 OpenAI 兼容端点。支持跨厂商代码评审、多模型并行竞速、--council 议会决策与 --deliberate 治理式决策，--worktree 为并行编辑 Agent 提供隔离分支；安装方式包括 npx skills add Nafjan/summon 和 python install.py 多主机安装。
推荐理由：一个零依赖的多 CLI Agent 调度器，跨厂商评审、议会决策和隔离 worktree 的设计思路可直接迁移到自己的多智能体工作流。
Hangar 发布，一个自托管模型与数据集仓库，兼容 Hugging Face Hub API、git、Ollama 和 LM Studio，可作私有 Hugging Face 替代或离网镜像。镜像保留上游 Repo ID 和 Commit SHA，原有代码无需改动；支持 docker、Compose、Kubernetes Helm 等安装，源码以 Elastic License 2.0 开放，演示地址 https://demo.hangar.page/ 。
推荐理由：原文完整给出了这个自托管模型仓库的兼容客户端列表、镜像机制和部署方式，适合评估私有化托管 Hugging Face 模型与数据集的可行性。
GitHub 开源项目 llm-vuln-scanner 发布，可对 LLM 系统（chatbot、agent、API 后端）自动发送数百个 prompt injection 和越狱攻击模板，分析回复并生成带 Dayanıklılık Skoru（鲁棒性评分）的分类漏洞报告。
推荐理由：这个开源扫描器给出了带评分公式和分层判定的注入测试流程，还能拿它检验自己部署的模型对越狱的抵抗力。
andrewsavio 在 GitHub 开源 AI-World，一个低多边形 3D 世界中十个有需求、性格和偏好的智能体以量子计算为目标自主学习和生活。每个智能体带两个 PyTorch 网络，技能脑用 mini-batch SGD 训练，决策脑用 REINFORCE 策略梯度强化学习，不含任何语言模型；全部在本地运行，无云端、无 API 密钥、无遥测，附 pytest 测试套件与 GitHub Actions CI。
推荐理由：十个自主智能体在本地低多边形世界里用真实 PyTorch 网络学习与决策，全程无语言模型，架构与训练方法都写得清楚。
heyvaldemar 在 GitHub 发布 kubernetes-air-gapped-ai-agent 参考架构，让 AI Agent 在无外网路由的 kind Kubernetes 集群内用 CPU 运行 llama.cpp，模型经签名镜像和 Kyverno 准入校验后加载。随附 15 项任务的每日评测：六个内置与受测模型在 12 条植入指令上最多中招 6 条，而 MCP 服务器按 schema 拒绝了全部外发邮件（含隐藏模式后的 92 次），无数据外泄、无记录被删；每周任务另经唯一出口调用 Claude Haiku 5.5 与 Claude Sonnet 5.5，二者均未中招任何植入指令。仓库定位为参考而非产品，MIT 许可。
推荐理由：仓库用可复现的检查把边界与模型分开验证，被诱导的数据点数只作测量不作门槛，这种做法可以迁移到自己的 Agent 部署里。
GitHub 项目 mylgtab/budget-rag 发布 v1.0.0，实现成本感知的长文档问答检索，简单问题走 BM25 便宜路径，难题才升级混合检索加重排与大模型。在 200 条改写问句评测中，级联策略用 47% 的成本拿到深检索 99.5% 的召回；附录还给出分块粒度、双索引自动选择、两层缓存（LongBench 30 条冷缓存 46.6 秒降到热缓存 4.6 秒）与预算档位对比，完整实验记录与复现脚本见 docs/report.md 和 make check。
推荐理由：作者公开了完整实验数据和复现脚本，还保留了负结果，想比较不同 RAG 检索策略成本与召回的读者可以直接参照。
arXiv 论文测试了八开放权重模型在 558 份真实文档上的 JSON 提取行为，发现 schema 中未被强制执行的最小条目数会让超过真实数量的列表占比从 34.5% 升至 55.4%。约一半填充条目来自文档原文，难以被校验发现；告知“少于也可”、散文式计数、提供 N/A 选项等修复方法效果有限，而用校验错误重问反而加剧填充。代码、答案列表与运行记录已开源。
推荐理由：论文用预注册实验量化了 schema 最小条目数如何导致模型凑数虚报，并实测了几种常见修复方法的有效程度。
balanced7 开源了 akashic-aurora，一个为 AI 智能体设计的记忆基座，核心问题是衡量记忆是否真正改善了结果，并构建检索路由机制把已有知识送到使用时刻。项目由多个 AI 智能体共享任务账本、消息总线和经验语料协作完成，内置 7,358 个测试、verified_by 验证门控和七种命名扇出几何；作者公开了检索覆盖率造假被审计纠正的完整记录，并明确承认已上线机制的记忆价值尚未在大规模上得到验证。代码以 Apache License 2.0 发布于 https://github.com/balanced7/akashic-aurora 。
推荐理由：项目不止堆功能，还公开了检索失败、指标自纠的完整审计链，读者可以借鉴其多智能体协作与可验证记录的做法。