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。
2,045 条精选近 30 天 2,038 条共收录 8,494 条
duu261 在 GitHub 发布面向编程智能体的 Agent Skill「production-ops-discipline」，源自作者在生产服务器上约 12,000 次 tool calls 中观察到的 claude-opus-5-5 失败习惯。技能教授变更前写明目标与回滚、每次调用只做一个改动、禁止读取 .env 等密钥文件、在固定触发条件下委托独立审查等纪律；附录的脚本统计显示显式工作目录比例从 60.8 升至 99.4，cd 串联从 35.5 降至 0.6，但作者说明改动当晚同时落地了配套规则，且与 GPT 模型的对比列来自不同时段，只能作方向性参考，计划中的对照 A/B 测试尚未进行。
推荐理由：作者基于约 12000 次生产环境 tool calls 的日志给出行为前后对比数据，并坦承存在混淆因素，可复用的生产操作纪律模式值得一读。
作者发布 dsh-dupguard，一个 DeepSeek Harness (DSH) 的实时重复输出守卫插件，同一字符串连续重复 10 次及以上（可配置）时立即停止生成，已生成内容仍正常提交为助手消息。插件默认检测思考文本，代码区域内阈值按 4 倍放宽；实测把代码内倍数从 3 提到 4 后 260 个文件的重放误报从 2 降到 0。支持简单阈值、分段表与实验性模块三种次数模式，提供图形设置页、截停通知与一键继续指令，兼容 DSH 0.2.1-rc.2 及更早多个版本，Node ≥ 20，MIT 许可。
推荐理由：README 给出默认阈值、误报实测和双入口测试覆盖，想在 DSH 里拦模型复读空转的话可以直接照着装和调参。
作者发布 intel-arc-local-ai 仓库，在同一台机器上逐卡实测 Intel Arc Pro B50 16GB（¥3,499）、B60 24GB、B65 32GB、B70 32GB 四款显卡的本地 AI 表现，涵盖 llama.cpp on SYCL 的 Qwen3.6-35B-A3B Q4_0 解码（37.6/52.4/53.1/75.9 tok/s）、Qwen-Image 2.1 与 MiniMax H3 视频生成速度、整卡功耗（B70 满载约 290 W）及每任务电费。
推荐理由：作者用同一台机器只换卡的方式实测四款 Intel Arc 显卡，给出性能、显存与电费三个维度的对照数据，也标注了未测项。
开发者发布开源免费的 Windows 助手 Cephi，按 Ctrl+Alt+Space 即可语音或文字操控整台电脑，支持播放 Spotify 音乐、打开系统设置、划词翻译、截图提问和笔记管理。可接 Ollama 本地模型让数据不出本机，也可用自己的 Claude、Gemini 或 OpenAI 兼容 API 密钥，支持接入任意 MCP 服务器或用一个 JSON 文件添加自定义工具，MIT 协议开源。
推荐理由：开源 Windows 语音助手 Cephi，仓库把本地 Ollama、MCP 工具扩展和快捷键体系讲得相当完整，适合想自建本地 Agent 的人参考。
作者发布 WhisprFlow，一个在本地运行的 Windows 和 macOS 语音听写工具，按热键说话后自动清理填充词、加标点并粘贴到光标处。默认用 Phonon-2 在设备上转写、Ollama qwen3:4b-instruct 本地润色，无需账号和订阅；11 秒听写端到端约 1.7 秒（i5-13500HX + RTX 4050 实测），支持 Qwen3-ASR 处理多语言，词典从用户听写中学习术语拼写，代码 MIT 许可，macOS 代码路径保留但未测试。
推荐理由：原文给出实测延迟、模型选型对比和架构细节，读者可以据此评估这套本地语音听写方案是否适合自己复现。
nvkudva 发布开源 CLI 工具 omni，在 127.0.0.1:10000 用一个网关统一运行和代理本地模型，应用按 chat、decide、embed、image、video、stt、tts 等角色调用而非模型名，兼容 OpenAI 格式，改 base_url 即可用 OpenAI SDK 接入。各角色独立进程运行并带健康检查与自动重启，空闲 10 分钟自动卸载模型，可钉住常驻；Apple Silicon 上 chat 约 140 tok/s（qwen2.5:3b）、warm embed 0.03–0.15 s、tts 约 12 倍实时，还附带浏览器 playground 可查看每角色的实时请求日志。
推荐理由：原文给出完整的架构说明、各角色默认模型与 Apple Silicon 实测数据，读者可以据此评估这套单端口本地推理网关是否值得部署。
akapug 发布 homelab-atlas 仓库，用 2017 服务器、2019 工作站、Ryzen 桌面等四台旧机器实测本地大模型部署，如 DeepSeek V4.1 Flash（748B MoE）在 RTX 6000 + Optane 上解码 12.69 tok/s，GLM-5.3-Flash 在 3090 Ti 上达 26.69 tok/s。仓库提供 PATCHES.md 补丁索引、按硬件分类的复现命令、失败记录，以及浏览器端 Recipe Maker 规划工具，用于在下载权重前预判 MoE 模型在 VRAM、DRAM、PMem 上的布局与速度。
推荐理由：用二手服务器、老工作站和Intel冷门卡跑通大MoE模型，每个数字都附条件、命令和补丁来源，方法可直接照搬。
作者开源了 Tether，一个面向长时编码 Agent 的运行时，解决压缩后假完成问题：任务摘要和模型维护的计划放在永不裁剪的记忆层，每次压缩过 ROUGE-L 加关键词双校验，不达标就整条回滚。压缩率 22.5%，比不上 LLMLingua 类学习式压缩器的 10–20 倍；DeepSeek 端到端实测 20 任务 pass@1 80%，总 token 省 21%。还含三层记忆、三级文件漂移检测（stat → MD5 → AST）、10 种中断场景恢复、重复调用拦截、MCP 接入，150 个测试全离线可跑。作者明确列出局限：代码执行无沙箱，漂移测试集为自建，e2e 仅 20 任务样本差异在噪声内。
推荐理由：作者把每个设计取舍都配上了可复现的实验数字和明确局限，读者可以照着 benchmark 判断这套运行时是否值得试。
BlackoutOps 项目发布，目标在断网的边缘设备 Jetson AGX Thor 上全本地运行大模型推论与小型 RAG，做出能自主诊断修复 IT 故障的 Agent，开发验证机为 NVIDIA DGX Spark（GB10，128 GB unified memory）。2026-10-20 起正式推论引擎由 TensorRT-LLM 改为 vLLM，跑 Nemotron-3.5-Bolt-74B-A9B-24GB（Spark 舞台用 Nemotron-3.5-Lightning-30B-A3B-NVFP4，DSpark speculative decoding 下 decode 提速 27–49%）。
推荐理由：项目给出了完整的部署架构、故障目录规模和多轮实测数据，读者可据此了解全离线自我修复运维 Agent 的工程做法。
GitHub 仓库 royalskynet/orchestrator（原名 dispatch-router，2026-10-22 改名）发布工单调度器：一个任务档进、由工单自带验收脚本 wo-verify 机械判定成败后出结果，不采信模型自述。
推荐理由：README 详细写了验收脚本判定成败、贝叶斯加权排序和多层 fallback 的具体做法，可作多模型调度的可复用参考。
Zhipeng Chen 等人在 arXiv 发布 DeepEvolve，一个以未来事件预测为环境的可持续演化智能体系统，通过递归进化引擎把每次预测的推理轨迹转化为能力。在按周更新、以真实世界结果评估的 FutureX 榜单上连续三周排名第一，rating 最高提升 195%；在自建评测中于四个基座 LLM 上进入前三，领先最强基线最多 10.7 Bradley-Terry 分。论文 47 页，标注为进行中的工作。
推荐理由：论文以未来事件预测这一可持续演化的环境为基础研究递归自我改进，FutureX 榜单连续三周第一是可复核的外部结果。
研究者借助 AI 智能体框架 AI-greement 发现了面向地理分布式状态机的新共识协议 A-greement。在 5 或 9 副本的六种部署中，该协议在写密集和读密集负载下分别将地理分布式键值存储的平均延迟较最快基线降低 12.2% 和 33.3%，只读负载下持平。AI-greement 集成协议知识库、模块化实现骨架和基于 Lean 的验证框架，其形式化还发现了既有共识协议中多个此前未报告的漏洞；作者强调人类专家在搜索前后仍不可或缺。
推荐理由：原文给出 AI 智能体在 Lean 验证框架下发现新共识协议的完整方法与延迟数据，还附对既有协议漏洞的发现。
StephanMeijer 在 GitHub 发布 llmproxy，一个带鉴权和限流的反向代理，置于 LLM 客户端与各家 provider API 之间，客户端只持有代理 token，provider 密钥留在服务端，全部配置写在单个 TOML 文件。超限请求按到达顺序排队等待而非直接拒绝，超过 max_wait 默认 120s 才返回 429；上游 429 可按 Retry-After 自动重试，支持 SSE 流式透传、tool_choice 自动补全 shim、Prometheus 指标和 JSON 日志。项目为 Rust 实现，CI 要求 clippy 严格检查且行覆盖率不低于 99%；模型池与 Claude 订阅适配器尚未实现。
推荐理由：README 完整给出了鉴权、限流排队和凭据隔离的工作方式与配置细节，读者可据此判断是否适合放在自己的客户端与模型 API 之间。
Side Liu 和 Jiang Ming 的论文 What Users See Is Not What Models Read 被 IEEE S&P 2027 接收，仓库公开了配套样本与验证代码。内容包括 25 个最小提取差异 PDF（corpus_a）、25 个下游 LLM 评测 PDF 和 11 个 QA 适配 PDF，以及开源 PDF 解析器验证和 LLM API/Web 验证脚本，支持在 Ubuntu 上用 Python 3.10+ 和 Node.js 20.16+ 复现。
推荐理由：论文配套仓库放出全部样本和验证代码，读者可以实际复现 PDF 对人和对模型显示内容不一致的攻击测试。
hiloopai/piloop 在 GitHub 发布，可对任意 git 仓库运行 autoresearch：多个 coding agent 在各自 git worktree 里并行尝试想法，piloop 对每个 commit 运行用户指定的 evaluate 命令评分，只有超过当前最优且具统计置信度的改动才保留。enwik8 示例中，Claude Code agent 经 10 轮 implementer 运行、用时 1.6 小时，将 Wikipedia 前 10 MB 压缩从 zlib 的 3,688,770 字节降至 2,361,893 字节（-36%）。
推荐理由：piloop 把多个 coding agent 的并行尝试变成按 commit 评分、只保留胜者的自动研究流程，并给出 enwik8 实测压缩数据可作参考。
Tyler-Irving 发布 agent-arena，一个手写的多智能体系统，用于在同一批任务上对比本地 Ollama 模型与通过 Anthropic API 调用的 Claude 模型组成的阵容。任务类型以插件形式接入，首个插件是代码赏金板：orchestrator 发布编程题，coder 写 solution.py，Docker 沙箱用 pytest 评分；支持 Solo 模式（最多 3 次尝试）和含 planner、coder、reviewer、orchestrator 四角色的 Team 模式，每题硬性限制 3 次尝试和 20 次模型调用。所有调用、尝试和结果写入 SQLite，可按阵容对比通过率、尝试次数、token、成本和耗时。
推荐理由：作者手写了几百行 async Python 实现多智能体对比系统，不用任何 Agent 框架，便于直接观察多智能体协作的真实行为。
typicaladrian 发布 zero-trust-llm-firewall，一个本地部署网关，在提示词离开内网前将姓名、案卷、金融和健康信息替换为占位符，模型回复再在内存中还原。流水线为正则、哈希客户名单、GLiNER2 NER 和全局一致性扫描，在 CUAD 合同上测得 91.4% 脱敏召回率，CPU 吞吐约每千词 11 秒；提供 OpenAI 兼容 API、审计日志和月度 PDF 报告，是 Elm Tech Solutions Zero-Trust AI Edge Gateway 硬件产品的核心。
推荐理由：开源的本地脱敏网关，给出了基于 CUAD 合同的脱敏召回率实测数据，律所类隐私场景可直接参考复用。
dsweet99 发布开源工具 kiss，为 LLM 编码智能体提供代码库层面的全局反馈，支持 Python 和 Rust。kiss check 静态检测复杂度、重复等问题并给出位置与修改建议，kiss test 运行单测并强制时间、测试数量和 orphan 门控；kiss stats 与 kiss viz 可查看指标分布和 Mermaid 代码图，规则可写入 AGENTS.md 让智能体迭代至全部通过。详情见 https://github.com/dsweet99/kiss
推荐理由：作者本人发布的代码质量工具，给出可写进 AGENTS.md 的规则用法，并提供复杂度、重复度和 orphan 检测的具体反馈示例。
Kevin Peckham 在 GitHub 开源 barkup-bench，一个持续进行的预注册基准系列，比较 barkup（HTML 整树重写）与 JSON 细粒度变更工具等方案在让 LLM 智能体编辑页面布局、文档模板、CMS 内容等类型化树时的可靠性。系列已含 45 项研究、8 个模型上超过 36,000 次评分运行，覆盖接口、树规模、部分上下文、检索、会话记忆、多目标编辑等维度，并保留两次重大修正与若干自我反驳。
推荐理由：预注册协议加可复现语料和回归门禁的做法，为评测 LLM 智能体编辑结构化树提供了可迁移的实验纪律。
该 GitHub 项目测试能否像数据库一样把事实直接写入大语言模型权重，再查询、修改并留痕，无需每次重读全部内容，当前结论草案为 NOT-READY-WITH-CONDITIONS。基于 Qwen2.5-3B 用 MEMIT/AlphaEdit 系列方法编辑，批量写入在 3B 规模消除串扰（100%保持），编辑可经受 Q4_K_M 量化并经 llama.cpp 在 CPU 上以约 8–13 tok/s 服务；主要未解问题是多词新造名称的换措辞问答，目前最好成绩为 72 题中答对 24 题。
推荐理由：原文以预注册实验和可复现证据逐项检验把事实写进模型权重当数据库的可行性，并如实报告失败项。