方向
AI 人格与灵魂体：人格包怎么搭、人设怎么锁、记忆怎么组织、跨会话怎么保持是同一个人。关注可迁移的构造方法。
471 条精选近 30 天 468 条共收录 1,559 条
开源项目 section9 发布 0.9.1，把 Claude Code 的每条提示词记录为本地 markdown 文档（vault/），通过状态机、本地仪表盘（http://127.0.0.1:9909）与 git 同步，让多个人、多台机器、多个会话续写同一份工作记录，并在会话开始时重新注入进行中的任务。支持 open→in-progress→review→done/blocked 状态流转、GitHub 仓库连接与团队邀请，含 29 种角色 agent 与 13 个 skill；验证环境为 2026-09-14、0.9.1、Linux(WSL2)、python 3，macOS 实测进行中。
推荐理由：原文给出请求状态机、会话启动注入与 git 多机同步的完整设计，可作为 Claude Code 外部记忆方案的自建参考。
Percolation Labs 在 GitHub 开源了 percolate，一套构建在 Postgres 之上的 AI 工作流引擎与 Agent 记忆系统，Agent、工作流、运行、文档及其图结构都以行的形式存储，运行轨迹可直接用 SQL 查询。
推荐理由：原文说明了把 Agent、工作流和运行轨迹全部落成 Postgres 行的设计，可直接查询运行轨迹，并给出安装与构建路径。
PocketRisu 在 GitHub 发布，这是一个可部署在个人电脑或服务器上的自托管 AI 角色扮演聊天平台，基于 RisuAI 衍生并针对自托管环境优化，采用 GPL-3.0 许可。现有 RisuAI 数据可整体迁移，.charx、.risum 等角色卡、模块、世界书和 .bin 备份文件保持双向兼容。
推荐理由：原文列出了从 RisuAI 整体迁移数据的具体路径和服务器端生成、SQLite 统一存储等自托管特性，可据此评估是否换用。
论文研究 Agent harness 跨轮次处理上下文（丢弃、摘要、回放模型推理）何时改变 Agent 成败，而非只看成本。预注册合成实验显示，所需事实可重新查回时截断上下文几乎无损失，事实不可再观察时成功率降至随机水平，两种惩罚相差 92.5 个百分点（90% CI [89.5, 95.5]），第二家供应商一个模型的复现结果一致。在 ARC-AGI-3 上，Standard harness 与 Provider Adapter harness 存在 63 分差距，改摘要而非丢弃旧轮次并保留记笔记提示可恢复 86%，不保留提示恢复 43%，叠加供应商原生推理回放再恢复 57%；这些为单次运行的点估计。
推荐理由：论文用预注册实验拆解 harness 对 Agent 成败的影响，给出可量化的组件归因，对理解上下文管理设计有直接参考。
研究团队发布 MemT-1.0 记忆基础模型架构，基于 Metis 和 Gated DeltaNet-2，通过 Mixture-of-Storage 扩展原生记忆容量，采用继续预训练加后训练的两阶段训练流程，训练数据 34B tokens，提供 Nano 和 Flash 两个版本。评测显示其平均优于参数化记忆基线、与检索增强方法相当，在 128K tokens 历史长度下 MemT-1.0-Nano 相比全上下文 KV cache 实现约 1.86 倍端到端推理加速和 66 倍持久存储缩减，论文链接 https://arxiv.org/abs/2610.26825v1。
推荐理由：原文给出记忆基础模型的架构设计、训练数据和评测对比，读者可以据此了解把记忆内化为模型计算的具体做法与代价。
论文提出 OpenVLHarness，一个围绕能力层与持久多模态记忆组织的多模态推理框架，统一调用异构工具并把输出转为模型可读证据。在 22 个基准、8 个开源与专有骨干上评测，平均比无工具基线提升 9.7-12.6 分，如 Qwen3-VL-8B +11.2、Kimi K3 +9.7、GPT-6 Astra +9.9；用 GPT-6 Luna 中等推理强度时以最多 37% 的模型 token 成本超过最大推理强度下的基线模型、Codex 和 Visual Sketchpad 7.7-8.5 分。
推荐理由：论文在 22 个基准上用八个骨干实测工具调用加多模态记忆的增益与 token 成本，方法和数字都可对照复核。
Brandon Campbell 发布开源小说写作工具 Silky，在浏览器中运行、无需安装，项目以 Element、Fact、Scene、Thread、Web 五类节点和边构成图结构，助手 Spinner 在你写作时自动维护人物、地点与事实的设定图谱，默认不代写。支持接入 Qwen 2.5、Llama 3.2、Phi 3.5 等小模型经 WebGPU 本地运行，或连接 OpenAI、OpenRouter、Ollama、Anthropic 等端点；提供 AI 文本溯源标记、无 AI 证明（含 SHA-256）、地图、时间线、读者模拟与 Neo4j 导出，代码采用 CC0 许可，示例含《德古拉》全书导入（113 场景、1143 事实）。
推荐理由：把小说文档做成图结构、助手只维护设定不代写，还带AI贡献标记与无AI证明，对写作工具设计有直接参考价值。
dklymentiev 发布开源终端 AI Agent Flint（MIT 协议），以单个 npm 包安装，无需 Python、Docker 或后台服务，支持 OpenRouter、OpenAI、Anthropic、Google、Groq、Together 和本地 Ollama。/model free auto 会筛选能调用工具的免费模型并按速度和在线率排序，配两个跨厂商 fallback；内置文件读写、shell、网页搜索、持久记忆、子 Agent 和 MCP 工具，通过 swap 到磁盘和压缩控制长会话成本，风险操作默认先询问。
推荐理由：开源终端 Agent Flint 支持免费模型并给出上下文换页与压缩的省 token 机制，想低成本跑 Agent 的读者可以参考它的做法。
Arbos 在 GitHub 完全开源，这是一款用于与 AI Agent 协作的即时通信工具，可在 Mac、iPhone（TestFlight）或终端使用，也可通过 arbos.life 托管或完全自托管。架构上 relay 是唯一对外服务，负责 GitHub 登录、项目注册、模型代理计费与密钥保管；每用户一台 Daytona 沙箱机器（4 vCPU / 8 GiB / 10 GiB），每个项目是独立 workspace，主代理为 pi 加 arbos-pi-ext 扩展，每轮先做 route 决策，可把任务交给子代理（默认 Prime Agent，每 workspace 最多 4 个、每机器 8 个）并以散文形式汇报。
推荐理由：README 完整列出了各组件目录、relay 架构、子代理上限和自托管步骤，想自建一套多端 AI Agent 通信系统可以直接照着部署。
jschm42 在 GitHub 发布自托管、本地优先的生成式 AI 角色扮演工作室 TaleWeaver（v0.6.0-beta）。AI 担任全知 Gamemaster 动态生成世界与剧情，后台执行严格的两段式 RPG 规则书；支持漫画风回合呈现、Gemini 3.5 Flash TTS 与 ElevenLabs 配音、本地 Whisper 语音输入、沙箱化 Python 事件脚本、双层级世界校验与一键 AI 修复，以及里程碑自动存档的 Chronicles 时间线回滚。
推荐理由：原文给出了完整的架构与模型分工表，读者可以据此评估这套自托管 AI 角色扮演工作室的部署成本与玩法。
DevZjQx 发布 oh-my-clm，一个可加载到 Pi 的精简 live-context 扩展，参考 Facebook Research context-language-models 把当前上下文镜像到普通文件、由模型自行整理的思路。扩展在 Pi 构建 projection 时把可编辑上下文镜像到 /tmp/clm-${sessionId}/LIVE_CTX_MAIN.md，模型可通过 cleanup 工具按 block ID 删除冗余内容或同 call rewrite 缩短 block；所有编辑采用 shrink-only 策略，不能严格缩短上下文的编辑会被拒绝。
推荐理由：README 把镜像协议、编辑校验和 Pi 与 DSH 两侧持久化语义差异讲得很完整，适合想自己做上下文管理的开发者参考实现思路。
作者 bxzex 发布了可免费安装的本地 AI 应用 bxzex-ai，在 Mac、Linux 和 Windows WSL 的终端里运行，断网可用，数据不离开本机，支持对话、联网搜索、看图、生图、语音输入、记忆和通过 MCP 连接 Gmail、Slack、GitHub 等 1600 多个应用。Mac 需 Apple Silicon 和 16GB 内存、约 23GB 磁盘空间，Linux 需 12GB 显存或 16GB 内存；内存不足时自动换用更小的 lite 版本，8GB 机器无法运行。另推出网页版 app.bxzex.com，同一模型但消息会经过服务器，免费额度加每月 11 美元的 Pro 档。
推荐理由：作者本人开源的本地终端 AI 助手，README 详列硬件门槛、双版本差异和卸载方式，想本地跑模型的人可以照着自查。
ntatschner 发布 Loadout CLI，一个为 Claude Code 和 Codex 启动编码智能体的工具，启动前可预览将加载的指令及其 token 成本。内置 104 个专家配置，示例任务编译出 2,403 tokens（占 12,000 预算的 20%）；支持团队多智能体协作、跨机器记忆、浏览器 dashboard 与无障碍预设，通过 loadout protect 将智能体文件挡在仓库之外，原生支持 Windows、Linux 和 macOS。
推荐理由：原文给出了编译上下文的 token 占比、内存 hook 的实测数据和多轮团队运行的花费，读者可以据此评估这个启动器的实际开销。
mnemonic-proxy 作者在 AgentLongBench 上用 Qwen3.8 Flash Next（IQ3_XXS、Strata 0.1.40、单张 RTX 4070 Ti 12 GB）对比四种方法：归档加 recall 工具的 proxy 得 86/100，全窗口 69，LLM 摘要 47，截断 49。第一轮因题目歧义各方法都接近随机（proxy 52、summary 56），在每题加一句澄清后重测，proxy 对 summary 合并配对检验 p=7.6e-9，对全窗口 +17 分（90% CI [+7, +26]）；128k 下全窗口 32/50 的回答撞到 3,072 token 推理预算。
推荐理由：作者用预注册的两轮测试区分了题目歧义与真实差距，并给出各方法的置信区间、耗时和显存数据，局限也写得很清楚。
adieladaniel 发布 OneForAll-Agent v2，一个任务无关的浏览器 Agent 运行时，v2 在 v1 单用户原型基础上加入组织、角色、PostgreSQL 存储、任务队列、持久审批、加密凭据库和组织记忆。系统不用 LangChain，runner 约 700 行单文件，仅靠 PostgreSQL 的 SKIP LOCKED 队列和 LISTEN/NOTIFY 实现跨进程协作；写入和不可逆操作由代码而非模型判定风险并触发人工审批，成功声明需经只读独立审计员复核。
推荐理由：作者用确定性替身模型做了负载测试并给出各档吞吐、恢复与隔离数据，读者可以据此评估这套无框架 Agent 运行时的实际结构表现。
trailhq 发布 Trail-Code（原 graft），为 Claude Code、Cursor、Codex 等编码智能体提供自学习上下文层，含 tree-sitter 构建的代码图谱 graft map 和从对话中自动保存的 learnings。SWE-bench Verified 50 题上 Claude Sonnet 5 从 27 题提升到 33 题，token 减少 23%；162 次自建基准显示成本降 32%、时间降 60%、工具调用减 46%，PocketBase 15 个真实任务成本降 21%。CLI 经 npm 安装，MIT 协议开源，learnings 通过 git 共享、无需服务器。
推荐理由：原文给出 SWE-bench Verified 与 162 次自建基准的前后对照数据，读者可以据此判断这个上下文层在成本和正确率上的实际收益。
MnemoDB 发布 v0.1，一个以 .mem.md 纯文本 Markdown 文件存储 AI Agent 持久记忆的格式及配套引擎，现有 CLAUDE.md / AGENTS.md 无需迁移即可作为未类型化的 MnemoDB 文件使用。条目带来源标签（user/agent/tool）与 TTL、supersession 等生命周期机制，tool 来源条目被标记为不可信、不能覆盖用户写入的高信任记忆；提供 11 个记忆语义 MCP 工具、mnemo CLI（doctor/compact/trace 等），兼容 Claude Code、Cursor 及任意 MCP 客户端，代码 Apache-2.0、规范 CC BY 4.0，已通过对抗性安全审计。
推荐理由：原文讲清了记忆条目的类型化结构、来源信任模型和生命周期机制，并说明与 CLAUDE.md 等现有方案的兼容方式。
melnikaite 在 GitHub 发布自托管离线优先语音助手 voice-assistant，全部运行在本地硬件，无需云端 API key，多数任务可断网使用。默认栈为 LocalAI（llama.cpp）跑 Qwen3-VL-8B-Instruct 32k 上下文、whisper.cpp 流式 ASR、Coqui XTTS-v2 流式 TTS（6 秒样本克隆家庭成员声音），并带 WeSpeaker 说话人识别、语义记忆、个人条目库和 AppleScript/视觉回路的桌面自动化；破坏性操作由提示层、静态分类器和点击过滤三层只读闸门拦截。代码 MIT 协议，XTTS-v2 权重为 Coqui CPML 非商用许可。
推荐理由：项目文档给出了完整的技术栈选型、离线边界和桌面自动化的三层只读防护设计，想自建本地语音助手可以参考其架构取舍。
hsuanshao 在 GitHub 发布 AgentMemory，一个用 Rust 编写的智能体记忆核心服务 memory-core，配 TypeScript 监控面板，采用 L0→L3 分层记忆、异步蒸馏管线和 BM25+向量+RRF 混合召回。存储默认用 SQLite+本地文件，也可选 PostgreSQL(pgvector)，LLM 与嵌入支持任意 OpenAI 兼容端点或 Claude Code、Codex、Antigravity 等本地 CLI，不依赖任何云厂商专有服务，提供团队/智能体/用户隔离与 v3 RPC API，MIT 协议，分层记忆与 Skill 设计参考了腾讯 TencentDB Agent Memory 的思路。
推荐理由：README 详述了 L0 到 L3 分层记忆的蒸馏与混合召回机制，以及 SQLite/Postgres 两种后端的取舍，便于评估是否自部署。
Ballast Research 发布开源项目 Mnemodrome，为 AI Agent 提供六层认知记忆架构，通过 MCP 以无状态 RPC 暴露 20 多个工具，采用 Apache 2.0 协议。系统包含 Neo4j 图谱、Qdrant 向量、Markdown 文件、SQLite 事件日志、程序性记忆和 Redis 缓存六层，核心是双向冲突检测、时间有效性追踪、贝叶斯置信评分、ACT-R 激活与 Hebbian 共现强化；嵌入用本地 Ollama nomic-embed-text（768 维），抽取默认 gemma3:4b-it-qat，并警告推理模型会静默耗尽 token 预算导致抽取失败。
推荐理由：原文给出了六层架构、冲突检测与时间有效性的具体机制，还附与 Mem0、Zep、Letta 的逐项对比表，便于判断其定位。