开源项目 最新动态

推荐理由：原文给出了渐进式披露的完整实现路径和各包分工，想把 Anthropic 的 Agent Skills 格式接入自建智能体的开发者可以直接照用。

推荐理由：作者给出了各模型的内存占用、加载策略和选型实测数据，读者可以据此评估在单台 Mac 上跑多模型本地网关的可行性。

推荐理由：README 详尽到把部署、内存、治理和可观测性的默认值都写清了，自托管 Agent 基础设施选型时可以直接对照检查清单。

推荐理由：作者开源了一个模型无权打款的客服 Agent，附完整评测数据与设计权衡，可作人机协作 Agent 工程的参考实现。

推荐理由：把个人云、Jellyfin 兼容媒体服务器和本地 llama.cpp 推理整合进一个自托管节点，数据以加密 Nostr 事件存储，适合想替换云服务又保留 GPU 能力的读者。

推荐理由：开源的 Agents 框架加完整聊天应用，从意图路由、多轮记忆到前端部署都有实现细节，可直接复用或二次开发。

推荐理由：作者给出与 OmniRoute 同机同刻的内存对比和逐项差异清单，连已知缺口都写明，读者可据此评估是否替换现有网关。

推荐理由：原文完整给出了多智能体网关的架构、CLI 安装流程和记忆文件设计，读者可以照着在本地跑起一套可观察的 agent 实验环境。

推荐理由：原文给出各档本地模型的实测分数与逐应用兼容策略，可对照评估纯离线写作助手的可行方案。

推荐理由：AMD 官方开源的多智能体推理优化工具，把基准测量、验证和知识库复用都收进闭环，读者可据此了解自动化调优的工程做法。

推荐理由：这个德州扑克竞技场把七个不同人格的 AI 对手放上同一张牌桌，规则引擎只用标准库并配了 784 个测试和模糊审计。

推荐理由：原文给出了各模型在具体硬件上的实测吞吐和与 llama.cpp 等引擎的同卡对比，读者可据此评估这套 MoE offload 方案是否适合自己的配置。

推荐理由：原文给出完整的部署参数、VRAM 管理机制和实测速度数据，读者可以按自己的显卡配置直接复用这套本地转写方案。

推荐理由：作者公开了回合引擎、验证机制和 35B 本地模型的实测延迟与局限，读者可以据此评估这个 LLM 跑团项目的实际可用性。

推荐理由：这个多智能体沙盒把不同 LLM 塞进每个村民并支持热切换，还给出决策回放和模型对比面板，适合想低成本观察多模型社会涌现的人。

推荐理由：原文说明了用 JDK Attach API 免改代码接入 JVM 运行时诊断的方案与启动开销、容器限制等取舍，方法可直接复用。

推荐理由：原文完整列出了 token 预算、密钥脱敏、签名压缩和 git 相关度排序等机制，读者可据此评估是否适配自己的代码库上下文流程。

推荐理由：项目以结构化语料和可审计引用为核心架构决策，32 份 ADR 记录了取舍过程，对自建 RAG 应用有可借鉴的工程路径。

推荐理由：作者把假设、实验、证据到结论的科研流程拆成五个独立 MCP 服务，为需要审计智能体推理过程的研究场景提供了可复用的基础设施。

推荐理由：开源本地助理把邮件和工单交给已有编码 CLI 处理，还给出了 LEARNED.md 记忆机制与凭据脱敏的具体实现细节。