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
作者 Dhruv Mojila 开源了 poincare-memory，作为其 ICBDML 2026 论文的几何感知记忆组件参考实现，把 LLM Agent 与 RAG 的记忆放入 Poincaré 球，用层级深度、文本嵌入方向编码，并支持 HalfLife 等时间权重策略。依赖仅 Python ≥ 3.10 与 NumPy，无需 GPU，支持子树等结构化检索、HTML 可视化和 SQLite 持久化；基准显示 mammal.n.01 子树（1,170 节点）上 dim=5 时 Poincaré MAP 0.975 对 Euclidean 0.802，作者注明论文实验系统未发布，本仓库基准数字仅来自此处代码。
推荐理由：原文给出把记忆放入双曲 Poincaré 球的具体编码与打分方法，并附 WordNet 重建基准对比，方法可复现可迁移。
开发者 dovholuknf 在 GitHub 开源 atrium，一个本地运行的 Agent 会话管理看板，把每个 Agent 会话显示为卡片，区分需要授权与已完成的状态，所有工具调用先经过权限门，可用 always/never 规则自动应答。支持 Claude Code、codex、gemini、opencode、ollama 等作为 runner 接入，Agent 之间可跨机器以 peer 消息通信，房间通过双向 TLS 连接 hub，看板绑定 loopback、无账号无云，状态可在重启后保留，采用 Apache 2.0 许可证。
推荐理由：作者以罗马中庭隐喻讲清了多 Agent 会话看板的设计取舍，卡片、权限门与跨机通信的机制都有具体说明。
tatra-labs 在 GitHub 开源 kickmix-arena，一个无依赖的开源竞技场，供 AI 智能体发现更省代价的可逆量子电路，按 Toffoli 数 × 比特数（T×Q）评分。它补上了 Gu、Kemeny、Yelin 和 Lukin（Harvard、Anthropic、QuEra，2026 年 10 月）论文中未发布的评估器，提供 add32、cmadd8、modinv251 等任务的起始电路与已验证基线，任务文件夹可直接接入 lethe 等智能体框架；验证采用 4096 条位切片轨迹的精确模拟，候选电路在独立进程中重建并由评分器重放，地址为 https://github.com/tatra-labs/kickmix-arena。
推荐理由：开源了论文缺失的验证与评分环节，依赖免费、可本地复现，适合想自跑智能体搜电路循环的读者。
tatra-labs 发布 nano-pixelmoe，用约 260 行代码独立实现 PixelMoE 论文（arXiv:2610.18857）方法，将 LLM 式 mixture-of-experts 原样迁移到无 VAE、无 tokenizer 的像素空间扩散。实现在 RTX 5060 Laptop 上训练，CIFAR-10 上 64.2M 参数（每 token 激活 27.0M）FID 26.43，与匹配激活参数的 dense 基线 26.73 在 10k 样本噪声范围内持平；展示了无辅助损失的负载均衡（最忙专家为平均负载 1.6 倍）及专家按内容和噪声水平分工的路由图。作者指出论文的收益出现在 200M+ 激活参数规模，并附完整训练与采样命令。
推荐理由：作者在单卡笔记本 GPU 上复现了 PixelMoE 的 MoE 路由机制，并给出与 dense 对照的 FID 数据和平衡路由结果，代码可自行训练。
cn-maul 开源了 rosetta-gateway，一个把多个 AI 服务商统一到单一接入点的局域网 LLM 网关，交付形态为单个二进制加一个 SQLite 文件。它支持 OpenAI Chat、OpenAI Responses、Anthropic Messages 三协议下游入口，客户端零改造接入 Cherry Studio、OpenWebUI、Claude Code、Codex CLI 等，并提供链式故障转移、多用户权限、token 配额与 RPM/TPM 限速、人民币余额闸门、逐请求用量记账与 Vue 3 Web 管理界面。
推荐理由：README 把配额、故障转移、记账和回环默认绑定的安全考量写得很细，想自建局域网 LLM 网关的读者可以直接对照部署。
Microsoft 与 Hugging Face 发布 ThinkingBox-Training，在 GitHub 开源了将数据库终态可执行检查转化为 RL 奖励的后训练流程。用离线策略相对难度筛选出 187 个训练任务，对 Qwen3.8-27B 做 50 步 GRPO 后，ThinkingBox-Bench 507 个任务中每次都成功的任务从 38（7.50%）升至 107（21.10%），pass@1 从 51.70% 升至 60.78%，pass@20 略降 7 个任务；单个可靠任务成本从 $24.36 降至 $8.00。
推荐理由：把数据库终态检查直接用作 RL 奖励的完整训练配方，任务筛选方法和成本变化都给了数据，可迁移到有状态 Agent 训练。
Fibteq 开源了 Myrel，一个可自托管的 AI Agent 工作区，项目聊天里由协调者 Agent 开线程、线程 Agent 以实时清单推进任务并按需向协调者请示。线程 Agent 可跑在 Cloudflare Sandbox 的 OpenCode，或通过 myrel-runner 用本机的 Claude Code、Codex、Gemini CLI，CLI 登录不离开本机；支持 Fireworks、Anthropic、OpenAI 多模型自带密钥，整体跑在单个 Cloudflare Worker（Durable Objects、D1、R2、Containers）上，提供 Web、iOS、Android 与桌面客户端，AGPL-3.0 开源，项目处于早期，托管版在 myrel.fibteq.io。
推荐理由：开源可自托管的 Agent 协作工作区，协调者只路由、线程智能体各自干活，架构与自托管细节都写清了。
Space-O Technologies 的 Rakesh Patel 发布 Skald（github.com/spcaeo/skald），一个自托管的网站统计工具，从 nginx、Apache 或 Caddy 的访问日志计数，能统计 JavaScript 统计工具看不到的 AI 助手和爬虫流量，并按训练、实时问答、引用点击三种目的区分 AI 请求。每个数字由独立审计重算，不一致时当天数据被搁置；无需 cookie，可选 beta 托管版，采用 Elastic License 2.0 源码可用许可，含 MCP 只读接口和来自同一日志的安全扫描分析。
推荐理由：这是作者发布自家开源工具的完整说明，读者可以据此判断基于访问日志的统计与传统脚本统计在各场景下的取舍。
koopycat 发布 pi-secret-scanner v0.2.4，这是一个 Pi 编码智能体扩展，可检测工具输出和发往 LLM 请求中的凭证并在离开本机前替换为类型化占位符，如 [REDACTED:AWS_ACCESS_KEY_ID]。检测结合已知凭证格式规则与基于熵的未知密钥探测，熵检测默认开启，提供 redact、warn、confirm、off 四种模式，支持 .secret-scanner.json 或 Gitleaks 兼容白名单，要求 Pi 0.74.0 或更新版本，采用 MIT 许可。作者强调检测是启发式的，属于最后防线，不能替代避免把凭证写入提示词、文件、日志和 shell 输出。
推荐理由：原文给出了该扩展的检测机制、四种模式和安全边界说明，读者可以直接评估它在本机防密钥泄露中的定位。
GitHub 项目 NewsRing 开源，用户用一个 TOML 配置文件描述兴趣和文风，每天早上自动读取 35 个内置信源，生成 5-10 条个人摘要、分享卡片和静态站点，并可选邮件发送。它不允许 agent 自由浏览，agent 只返回 story id，链接由代码回接；日常运行约三次模型调用、一分半钟、成本远低于一美分，支持多 API key 轮换和模型 fallback，可配合 Gemini 免费档、OpenAI、Anthropic、OpenRouter 或本地 Ollama 使用，MIT 协议。
推荐理由：作者讲了 agent 不允许自由浏览、链接由代码回接的约束设计，以及对免费档 LLM 限流的应对做法，方法可直接迁移。
YashJ2303 在 GitHub 开源 AgentShield，一个面向自主 AI Agent 的低延迟安全网关与事件回放引擎，可实时拦截并按声明式策略评估 Agent 工具调用、从遥测流中脱敏凭据与 PII，并提供离线事件回放以在部署新策略或模型前检测回归。评测显示对建模过的破坏性操作拦截率 100.0% [92.1, 100.0]%，对未建模主动攻击为 45.5% [21.3, 72.0]%（对比 blocklist 的 9.1%，置信区间重叠），90 个良性任务误拦截 0.0%，完整插桩工具调用开销中位数 +18.046 ms p50（独立策略检查约 4.6 ms p50）；回放回归检测 recall 25/25、specificity 23/25、precision 25/27。
推荐理由：作者给出了带置信区间的拦截率、误拦截率和延迟开销数据，并披露了模拟代理与未验证部分的局限，便于评估该网关的适用性。
Devpaul-01 发布 agent-broker，一个基于 Redis 的纯权限门控库，已上线 npm，需 Node.js 22+ 和外部 Redis。它不代理实际调用，只在调用前原子地裁决共享预算、委托深度、并发与熔断状态，调用后由调用方回报结果；另附独立的 Python 实现，两者用相同的 Redis 键和 Lua 脚本，可跨语言共享同一状态。
推荐理由：作者本人发布了这个多进程 Agent 协调门控，README 明确划清了与 LLM 网关的边界并给出信任模型与缺陷说明。
MitushiG 发布预注册实验仓库 rag-context-attention，研究 RAG 场景下提示词长度与迭代检索的实际收益。实验在单张 RTX 4090 上用 Qwen2.5-7B-Instruct 完成，发现长度本身影响很小，30K token 无关文本下准确率仍有 83%（仅金标段落为 82%），真正伤害来自相似干扰项（30K 时下降 30 分，金标段落在中间时最差，39% vs 65%）；金标段落上的注意力可预测答对（分层 AUROC 0.77）；真实 top-k RAG 在 k=20 达到峰值 51.5%。
推荐理由：预注册实验把提示词长度、干扰相似度与检索收益拆开测量，并给出可复现的实验代码与统计校正方法。
riccardogiorato 发布 SurfBench 基准，用 50 个真实任务（分 4 个层级）统一评测 parallel、exa、tavily、firecrawl、keenable、linkup 等网页访问 API，检查各服务商能否找到并抓取正确页面。评分按质量 0.50、可靠性 0.35、速度 0.15 加权，使用固定的 MiniMax M3 读取模型和 Kimi K3 + GLM-5.3 评审面板，给出 95% 置信区间与每千个通过任务的成本列，完整结果包、任务检查器与方法论页面随仓库公开，MIT 协议，可自行运行复现。
推荐理由：这是一个可直接复现的网页访问 API 评测基准，方法论、提示词与评分细则全部公开，还给出了置信区间与成本列。
devanshranjan10 发布开源工具 landmines，它读取项目 lockfile 中固定的精确版本，检索针对该版本的开放 GitHub issue 并生成索引，通过 pre-edit hook 或写入 AGENTS.md/CLAUDE.md 的已知 bug 段落让编码 Agent 在编辑前避开这些坑。基准测试中，Claude Sonnet 5.5 无辅助通过 72/84（86%），加入 landmine rules 段落后通过 83/84（99%）；同批对比中 web search 开启为 36/42、Context7 docs MCP 为 35/42，且 84 个会话中 Agent 从未主动调用这两个工具。
推荐理由：作者用 84 个 held-out 任务对比了规则段落、pre-edit hook 与 web search、Context7 的效果，基准局限也写得坦率，方法可参考。
参赛队「广州智行科技」开源千问杯多模态推理大赛最终第3名（获2万元奖金）的完整方案：在 Qwen3.5-0.8B 上先蒸馏 Qwen3.6-27B 的 113K 样本做 SFT（初赛 41.8 分压线晋级），再用 GRPO 30 步小剂量 RL（决赛榜 20.2 分，第 9/20），答辩后终评第 3。仓库公开训练/导出脚本、真实日志与技术报告，权重托管于 Hugging Face；核心发现包括 RL 剂量轴在 30 步达峰、同权重 ZIP CRC 消融证明采样解码白送约 3 分、0.8B 模型 RL 池内学习量与平台分强反相关。
推荐理由：作者用同权重 CRC 消融和剂量轴实验分离出每个增量的因果证据，0.8B 小模型 RL 剂量与遗忘的权衡刻画对类似场景可迁移。
GitHub 用户 abidaziz1 开源了 LLM Infrastructure, Animated，一个包含四个动画课程的交互式网页项目，共 81 个场景，展示一次 AI 回答如何生成。课程覆盖从键盘到 GPU 的完整链路、Claude Code 背后的 Agent while 循环、Prompt Caching 的 KV cache 与缓存分层原理，以及 token 为何耗时 30 ms 的 prefill 与 decode 差异。项目用纯 HTML、CSS、JavaScript 和 SVG 构建，无框架无构建步骤，打开 index.html 即可运行，支持滑块交互、测验、深浅色主题、reduced-motion，并附带基于 Playwright 的 headless Chromium 场景测试。
推荐理由：用纯 HTML/CSS/JS 做的四个动画课程，把一次 AI 请求从按键到 GPU 的完整链路拆成 81 个可交互场景，无需安装即可在浏览器打开。
作者开源 agents-per-gpu 仓库，在单张 48 GB A40 上以 Agent 形态负载实测 vLLM 0.32.0、SGLang 0.5.9 和 TensorRT-LLM 1.2.1 服务 Qwen3-4B 的并发容量。开启 prefix caching 后三个引擎均能承载 6 个并发 Agent 会话，关闭时仅 2 到 3 个，且每任务成本降至原来的三分之一到五分之二；8 秒 step SLO 下 SGLang 以 4 个会话领先。INT4-AWQ 量化的 Qwen3-8B 在工具调用精度持平的情况下比 BF16 的 4B 承载更多 Agent。所有数字可用 apg report 从 results/ 复现，方法与细节见 reports/REPORT.md。
推荐理由：作者在单张 A40 上实测三种推理引擎的 Agent 并发容量，并给出 prefix caching 带来的容量差和每任务成本数据。
xshell1994 在 GitHub 发布 Toolify，一个中间代理，向不支持函数调用的大语言模型或 OpenAI 接口注入 OpenAI 兼容的 function calling 能力。原理是拦截 chat/completions 请求、注入指导模型用 XML 格式输出函数调用的系统提示词，再从上游响应中解析并转换为标准 tool_calls 格式，支持单次响应多个函数调用、think 标签兼容、流式解析、按模型名路由多个上游服务、客户端鉴权、token 统计及解析失败自动重试（默认最多 3 次，可配 1-10 次），可用 Docker Compose 或 Python 3.8+ 部署，采用 GPL-3.0-or-later 许可。
推荐理由：原文给出中间代理的完整工作原理与配置方式，可按 Docker Compose 或 Python 直接部署给不支持函数调用的模型补上该能力。
GuiDobelin 发布 citerag，一个可自部署的 RAG 服务，支持上传 PDF、Markdown、文本和 HTML 文件，通过 HTTP 或命令行提问，每个答案标注来源文件、页码和原文引文。它使用 Claude 的 citations API 由模型对检索段落生成引文，嵌入默认用 fastembed 在本地计算，还提供不调用 LLM 的离线抽取模式；内置文件存储可经环境变量切换到 Qdrant，全部约 600 行类型化 Python，MIT 协议开源。
推荐理由：原文给出完整架构、配置项和引用机制说明，可自部署验证答案出处，适合想搭可核查 RAG 服务的读者参考。