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
ScribeDog 发布，一款 MIT 协议开源的所见即所得 Markdown 笔记编辑器，文件以纯 .md 形式存放在用户自选文件夹，无账号、无遥测。可选 AI 默认走本地模型，支持 Ollama、Jan.ai 和 LM Studio 开箱即用，可改写文本、基于笔记知识库回答问题并跨文件提出编辑；语音输入用 whisper.cpp 完全离线运行，也支持 OpenAI、Anthropic、Mistral 等自带 API key 的云端方案。提供桌面版与 Docker 自托管 Server Edition，支持多用户共享 vault 与编辑合并，可导入 Word、PDF、HTML 并导出 PDF、DOCX 等格式。项目地址 https://github.com/snooky234/scribedog。
推荐理由：开源笔记编辑器把本地 AI 写作、知识库问答和自托管方案整合在一起，并说明了隐私与模型配置的具体做法。
scanaislop 发布 MIT 许可的 CLI 工具 aislop，用于检测 Claude Code、Cursor、Codex、OpenCode 等 AI 编程智能体留下的代码模式，如叙事性注释、吞掉的异常、隐藏 fallback、幻觉 import、死代码和 TODO 桩。工具含 50+ 条规则、覆盖 10 种语言目标（TypeScript、Python、Go、Rust 等），对每次改动打 0–100 分，运行路径不含 LLM、结果确定性可复现；支持 npx aislop@latest scan 免安装扫描、hook 在每次编辑后触发修复、CI 门禁、SARIF 输出及 MCP server。仓库地址 https://github.com/scanaislop/aislop。
推荐理由：原文完整给出了规则覆盖、评分机制和 CI/hook 集成方式，读者可以直接照着在自家仓库里跑起来。
grregis 在 GitHub 发布 MuckScraper，一个自托管新闻聚合器，可从多个信源抓取文章、按 pgvector 把相关报道聚类成同一事件故事，并用 AllSides 数据或本地模型给媒体标注左中右偏向。系统默认用 Ollama 在本地硬件上生成摘要和深度报告，也支持 Gemini、Groq 或任何 OpenAI 兼容端点（OpenRouter、DeepSeek、本地 vLLM）；一次完整管线约1200次 LLM 调用，其中约1140次机械性调用可用较小模型分流到本地。技术栈为 Python、Flask、PostgreSQL+pgvector、Meilisearch，通过 Docker Compose 部署，管理员可在后台无需改代码地编辑主题、RSS 源、提示词与调度。
推荐理由：项目把约1140次机械性LLM调用留在本地Ollama、只把约65次摘要调用交给云端，这种分层路由做法可以直接借鉴到类似自托管管线。
yannickYamo 发布 Python 工具 receipts，位于研究智能体与最终文档之间，要求每条论断绑定代码抓取页面上的逐字引用、链接和阅读日期，无法对应引用的论断被删除并列出原因。流程分两阶段：代码检查引用是否逐字在页、数字是否在引文内，再由小模型（claude-haiku-4-5）作为 reader 判断句子是否涵盖论断，无答案视为不通过；reader 阶段标价为 120 条论断 $0.17。核心零依赖，需 Python 3.10+，MIT 协议，支持 --code-only 模式与 MCP 服务器，仓库见 https://github.com/yannickYamo/receipts。
推荐理由：作者保留了自家工具的失败测试与误切率，读者可以据此了解这套引用核查流程的真实边界。
gi-dellav 发布了用 Rust 编写的极简编码 Agent zerostack，灵感来自 pi 和 opencode，支持 OpenRouter、OpenAI、Anthropic、Gemini、Ollama 等提供商。核心约 30k 行代码、二进制 26MB，平均内存约 16MB（对比 opencode 约 300MB），空闲 CPU 0.0%；内置权限系统、会话管理、子代理、Git worktree 集成、可选沙箱等，多项功能（memory、hooks、advisor、ACP 等）需通过 feature 开启，采用 GPL-3.0-only 许可。项目地址：https://github.com/gi-dellav/zerostack
推荐理由：原文给出了与 opencode 的内存和 CPU 占用对比数据，读者可以据此评估这个 Rust 编码 Agent 的轻量化程度是否值得切换。
megern 在 GitHub 发布 llm-security-lab，一个针对本地 MLX 模型的离线评测工具，用合成 canary、16 组阿拉伯语和 16 组英语案例（直接注入、模拟检索文本中的间接注入、良性请求）测试窄定义行为，全程不联网、不调用远程推理，仅接受本地已有模型文件与 LoRA adapter。报告记录完整原始输出、案例与配置哈希及运行时版本，检测 canary 全量泄漏（含 NFKC/空白归一化和 base64/hex 编码）、文本工具标记泄露、良性案例精确回答和拒绝短语，错误与截断响应单独统计且不计入成功防御。
推荐理由：仓库把注入与泄漏检测做成可审计的离线流程，并明确标注测量局限，适合想自测本地模型注入行为的开发者参考。
thenaxon 在 GitHub 发布开源框架 somora，可在自己机器上运行多个个人 AI 智能体，通过斜杠命令在同一对话中切换 Claude、ChatGPT、Grok 或 OpenAI 兼容端点（Ollama、LM Studio、vLLM、OpenRouter）。智能体分 chat 与 builder 两类，后台 dream 周期把稳定知识沉淀为共享 Obsidian wiki；提供终端、浏览器和手机 PWA 三个客户端，需 Node ≥22.13 和 tmux，MIT 许可，目前处于活跃开发阶段、开放早期测试者。
推荐理由：原文给出了安装方式、双类智能体分工和四类引擎的能力矩阵，读者可以据此评估这个本地多智能体框架是否适配自己的模型订阅。
felipefontoura 在 GitHub 发布 AXI25 Core，将个人 AI 记忆库（wiki-llm vault）的行为层，包括 14 个 Agent Skills、AGENTS.md 操作契约和参考文档，打包为单一可版本化单元，通过 wire 步骤投影到各个 vault。支持 Claude Code、OpenAI Codex、OpenCode 和 Pi 四种 harness，提供 init、wire、update、verify、doctor 等命令，verify 用内容哈希 lockfile 保证 Linux、macOS 和 Windows 上字节级一致。
推荐理由：原文给出了完整的命令、支持的 harness 列表和 lockfile 校验机制，读者可以直接评估是否把它接入自己的 agent 工作流。
blueaisecurity 在 GitHub 开源了面向安全从业者的 AI 安全动手实验仓库 ai-security-labs，包含四个可在本地 Docker 环境搭建的实验。Lab 01 复现提示词注入让 LLM 聊天机器人泄露受保护秘密；Lab 02 通过 MCP 给聊天机器人接入工具后用工具投毒和间接注入劫持；Lab 03 复现 EchoLeak 模式，诱导 Agent 读收件箱并把密码发给攻击者；Lab 04 在邮件 Agent 前部署 AI 网关，逐个开启八项检查，观察哪些能拦住向攻击者发送 AWS 密钥。各实验用 Ollama 在容器内运行本地模型（如 llama3.2、qwen2.5:7b），无需 API key 和云端费用，每个 write-up 覆盖理论、架构及攻击成功前的失败尝试。
推荐理由：四个实验环境都在本地容器里复现提示词注入、MCP 投毒和 Agent 劫持，并附完整 write-up，安全从业者可以动手跑攻击而不是只读文章。
csantisdev 在 GitHub 发布 ai-orchestrator，一个本地运行的智能体辅助开发编排工具，按项目上下文在 Claude、OpenAI、DeepSeek 和 Gemini 之间路由任务，并在 SQLite 中记录每次 run 的 token 与美元成本。工具用 ChromaDB 索引项目文档和历史回复实现 RAG 记忆，提供 SSE 实时 dashboard、MCP 服务器（18 个工具）供 Claude Code、Codex、Cursor 等外部智能体读写历史，支持会话同步、doctor/fix 诊断修复、定价目录和 router 离线评测；最小配置需 DeepSeek 和 Anthropic 两个 API key，采用 MIT 许可证。
推荐理由：原文完整给出了架构、路由逻辑、RAG 参数和成本追踪实现，读者可以据此评估这套本地多模型编排方案是否适配自己的工作流。
微软在 GitHub 开源 llmwiki，一个让 LLM 承担全部维护工作的个人知识库 VS Code 扩展。与 RAG 在查询时检索原始文档不同，LLM 在导入新来源时增量构建并维护持久化 markdown wiki，更新实体页、修订主题摘要并记录矛盾，知识只编译一次并持续保鲜。项目为 npm workspaces monorepo，含 @llmwiki/core（核心操作与 MCP server）和 llmwiki 扩展两个包，提供 Entities/Concepts/Raw Sources/Backlinks 树视图、@wiki 聊天参与者、批量导入与加权全文搜索；MCP server 可被 Claude Desktop、Cursor 等外部客户端接入。
推荐理由：微软开源的 VS Code 扩展把知识库维护交给 LLM，用预编译 wiki 替代查询时 RAG 检索，并附完整架构与 MCP 接入方式。
DreamBlooms 在 GitHub 发布 ifReflex.cpp，一个基于 llama.cpp 的原生 C++ 推理引擎，把结构化决策做成纯 prefill 读取，对每个类型化问题在单次前向中从 next-token logits 读出完整选项概率分布，不生成散文、零生成 token、CPU 即可运行。一个二进制覆盖 reflex、SemIf、RWKV-Jev 和任意 instruct GGUF，支持 Qwen3.5 0.8B/2B/4B、Qwen3.6 35B A3B、Qwen3.8 27B 等 GGUF；还支持 DiffusionGemma 和 LLaDA-MoE 两种块扩散架构的一步结构化读取（LLaDA-MoE 为 7B 模型、1.4B 激活、约 8 GB 内存）。
推荐理由：用单次前向读取 logits 的方式做结构化决策，零生成 token 且无 GPU 可跑，部署思路可复用。
riccardogiorato 的 GitHub 仓库记录了在一张 2018 年 8 GB 显存的 RTX 2080 上实测的 25 个模型，按 AG-Bench v2.1（11 个 canary 校验任务）给出 Top 10 排名，每个模型附完整 artifact、运行时 digest、启动配置与可复现命令，失败也一并记录。关键发现包括：约 2 bits-per-weight 以下推理链断裂（IQ1_S 空转、Flash-Next-125B 直达 EOS），Bonsai 仅靠把上下文从 8K 提到 64K 分数就从 5/11 涨到 8/11；UBBoost 主张被复现，A3B 用 -ub 4096 预填充提速 24%。仓库含 recipes、raw JSONL 证据与基准套件。
推荐理由：在同一张 8 GB 老卡上跑通 25 个模型并给出可复现配置与量化下限结论，想选本地模型的人可以直接对照结论。
作者发布 abyss，一个把 AI Agent 运行在 Docker 容器内的隔离系统，通过 Agent Client Protocol（ACP）代理编辑器与容器内 Agent 的连接，Agent 感知不到自己不在宿主机上。用户用短 YAML 描述镜像、挂载和启动命令即可拉起容器，无需写 Docker Compose；支持文件拷贝、bind-mount、启动脚本、临时双向 TLS 认证，以及可拦截全部 ACP 消息的 WASM 插件，兼容 Zed 等 ACP 客户端，并提供 oneshot 命令支持批处理调用。项目已在 GitHub 提供二进制和 Docker 镜像，作者说明开发中由 AI 辅助生成代码和文档，代码经人工审查。
推荐理由：作者作为项目维护者讲清了 abyss 用容器隔离 Agent 的机制和 ACP 代理设计，读者可以了解如何在不写 Docker 配置的前提下隔离本地 Agent。
开源工具 claude-inspect 提供 Claude Code 智能体的本地 Web 面板，读取 ~/.claude 已有文件，实时显示运行中会话、subagents、claude -p worker 会话、每次工具调用结果、调用图、token 用量和可全文搜索的历史。工具只读且被动，仅监听 127.0.0.1，不改动设置、不外传数据，通过 npx claude-inspect 或 npm install -g 安装，支持 macOS、Linux 和 Windows，需 Node.js ≥ 22。
推荐理由：Claude Code 多会话并行时常分不清谁在干什么，这个只读本地面板能看实时状态、调用图、token 花费和可搜索历史。
azalio 开源了 claude-codex，一个本地桥接工具，让 Claude Code 通过已有 ChatGPT 登录连接 Codex 后端运行。它保留 Claude Code 的终端 UI、slash 命令、skills、hooks、MCP servers 和工具，从 Codex CLI 或 OpenCode 加载凭据，无需 OpenAI API key。默认模型为 gpt-6.1-sol（medium reasoning），辅助请求走 gpt-6-luna，auto-mode 检查用 codex-auto-review，也可配置经 Ollama 路由。
推荐理由：原文讲清了这个本地桥接的协议转换原理、模型路由配置和订阅限制，开发者可以直接照着装上复用。
Cognitohazard 发布 ltspice-mcp 0.6.0，这是一个破坏性版本：工具面从 49 个整合为六操作加波形组件与 run_code，同一引擎也可作为 Python API 导入。该 MCP 服务器让 LLM 助手运行 LTspice/ngspice 仿真、编辑 .asc 原理图，并按名称返回截止频率、超调、相位裕度、gm/gds 等结构化测量值，无需解析原始文件；需要旧 49 工具面的用户可固定 ltspice-mcp==0.5.*。支持 Claude Code 插件、Claude Desktop 扩展及 Cursor、Gem CLI 等任意 MCP 客户端，需 Python 3.11+，许可证 GPL-3.0-or-later。
推荐理由：作者详细说明了六操作工具面、结构化测量返回和 shell vs MCP 的真实边界，读者可以照此把仿真接入自己的 Agent 工作流。
作者在 GitHub 发布了 Oberton（前身为 Local Dictation），一款 Windows 全本地 AI 听写工具，按热键说话后经 faster-whisper 转写、Ollama 本地模型（默认 qwen2.5:3b）清理文本并插入任意应用，默认 Keep everything offline，无账号或遥测。可选 Claude 等 Cloud 模型需自带 API key；NVIDIA GPU 下 large-v3-turbo 转写 20 秒语音约 1-2.5 秒，CPU 约 8 秒（Ryzen 7 5800HS 实测），另含 Ctrl+Shift+Space 本地朗读功能，支持 Kokoro v1.0、Piper 和 Windows 语音，MIT 协议开源。
推荐理由：这是一个默认全离线的 Windows 听写开源工具，给出了模型组合、显存占用与实测延迟，便于本地部署参考。
fuyuxiang 在 GitHub 发布开源项目 echo-agent（当前 0.3.x Beta，MIT 协议），提供 pip 安装的常驻 Agent 运行时和 Tauri 2 桌面应用两种形态。运行时可接入微信、Telegram、Slack 等 14 个通道共享同一份长期记忆与权限，支持 CLI、Webhook 与定时任务；桌面端可直接操作文件、浏览器和本地应用，高风险动作执行前需人工确认。项目支持完全自托管、凭证加密存储、技能从执行轨迹中进化（经评测集验证后晋升、带回滚），并提供 SSRF 防护与可审计日志。
推荐理由：原文完整说明了安装方式、14 个消息通道、桌面执行能力和权限审批机制，读者可以据此评估自托管 Agent 的落地可行性。
RinkusKhan 在 GitHub 发布 GENGHIS 协议，将本地网络中的闲置设备（GPU 笔记本、mini-PC、树莓派、eGPU 等）组成算力与内存池，通过层切分让多设备协同运行单机装不下的大模型。方案复用 llama.cpp 的 RPC 传输，由协调器按各设备实测吞吐、空闲内存与链路延迟规划分区并在设备增减时自愈。实测显示推理受延迟而非带宽约束：同一 RTX 5060 Ti 经 1 GbE 供队为 38 t/s，改接 Thunderbolt 后达 228 t/s；Pi 5 有线比 Wi-Fi 快 29%（7.6→9.7 t/s）。
推荐理由：原文给出实测数据说明层切分方案受链路延迟制约，同一 RTX 5060 Ti 在 1 GbE 与 Thunderbolt 下速度差近 6 倍。