开源/仓库相关 AI 资讯

6月10日

10:31

官方一手arXiv: OpenAI@Michele Lucente, Silvia Pascoli, Filippo Sala, Matteo Zandi

DarkAgents 是一个利用大语言模型推理和代码生成能力，结合确定性人类编写代码的多智能体系统，用于构建理论天体粒子物理研究的自动化管线。该系统针对该领域的特定挑战，如模型构建、复杂管道计算、多重约束和假设审计。它支持多种命令行工具，包括 Mistral、Anthropic、OpenAI 以及通过 Ollama 运行的本地模型。首次应用是研究宇宙学一级相变，从经典尺度不变粒子物理模型开始，最终拟合 NANOGrav 纳赫兹引力波谱。测试运行发现了文献中一些拟合的不一致性，并基于耗散体流引力波模板产生了新的拟合结果。代码已在 GitHub 上开源。

AI产品多智能体系统天体粒子物理引力波

事件专题

推荐理由：天体粒子物理研究者终于有了一个能自动完成模型构建、约束审计和引力波谱拟合的 AI 系统，DarkAgents 直接解决了该领域计算管线复杂、假设审计繁琐的痛点，做相关理论研究的团队值得一试。

原文

09:35

shao__meng@shao__meng

精选

Text-To-Lottie 是一套开源工具组合，包含一个 Agent Skill 和一个本地预览 Harness。Skill 教 Codex、Claude Code、Cursor 等 AI 编程助手如何生成符合 Skottie 渲染标准的 Lottie JSON 动画；Harness 基于 Skia CanvasKit 和 React，提供全屏播放器和控制面板，Agent 写入文件后 Vite 热重载即可在浏览器中实时预览。作者还给出了五条 Prompt 指南，帮助用户提升生成质量。该项目适合单场景短时长 Motion Graphics、SVG 转 Lottie、数据可视化动效等场景，但不适合多镜头剪辑或复杂角色绑定。

AI产品 Lottie Agent Skill 开源/仓库

事件专题

推荐理由：做动效设计或前端开发的团队，终于可以让 AI 直接生成可用的 Lottie 动画并实时预览，省去手动调试的麻烦。建议试试这个开源工具，尤其适合需要透明背景、矢量、可嵌入 UI 的动效场景。

原文

09:10

官方一手arXiv: DeepSeek@ Kwai Keye Team, Bin Wen, Changyi Liu, Chengru Song, Chongling Rao, Guowang Zhang, Han Li, Haonan Fan, Hengrui Ju, Jiankang Chen, Jiapeng Chen, Jiawei Yuan, Kaixuan Yang, Kaiyu Jiang, Kun Gai, Lingzhi Zhou, Na Nie, Sen Na, Tianke Zhang, Tingting Gao, Xuanyu Zheng, Yulong Chen, Fan Yang, Haixuan Gao, Lele Yang, Mingqiao Liu, Muxi Diao, Qi Zhang, Qile Su, Wei Chen, Wentao Hong, Xingyu Lu, Yancheng Long, Yankai Yang, Yingxin Li, Yiyang Fan, Yu Xia, Yuzhe Chen, Ziliang Lai, Chuan Yi, Haonan Jia, Tianming Liang, Weixin Xu, Xiaoxiao Ma, Yang Tian, Yufei Han, Feng Han, Hang Li, Jing Wang, Jinghui Jia, Junmin Chen, Junyu Shi, Ruilin Zhang

精选76°

快手发布Keye-VL-2.0-30B-A3B，一个基于MoE架构的开源多模态基础模型，专为长视频理解和智能体场景设计。该模型首次将DeepSeek Sparse Attention适配到GQA架构，实现无损256K上下文处理，能捕捉关键帧和长程时序依赖。通过跨模态多教师策略蒸馏（MOPD）和上下文/视频强化学习，解决了多任务对齐中的灾难性遗忘问题，仅激活3B参数即可在代码、工具和搜索场景中实现智能体协作与多模态自我纠正。在视频理解、时序定位、推理、STEM和智能体基准测试中，Keye-VL-2.0在相似规模模型中达到最优性能，尤其在TimeLens细粒度时序定位和Video-MME-v2长视频理解上表现突出。模型权重已开源。

AI模型开源/仓库 MoE 长视频理解

推荐理由：长视频理解和智能体场景的开发者终于有了一个开源且高效的MoE模型——Keye-VL-2.0仅激活3B参数就能处理256K上下文，做视频分析或智能体应用的团队可以直接下载权重试试。

原文

09:06

官方一手arXiv: DeepSeek@Jinghua Wang, Lily Jiaxin Wan, Sanjana Pingali, Scott Smith, Manvi Jha, Shalini Sivakumar, Xing Zhao, Kaiwen Cao, Deming Chen

精选

OpenRTLSet 发布了目前最大的全开源硬件设计数据集，包含超过 131,000 个多样化的 Verilog 代码样本。数据集整合了来自 GitHub 的 102k 模块、VHDL 翻译的 5k 模块以及可综合 C/C++ 翻译的 24k 模块，全部免费开放且无专有限制。研究团队利用推理模型 DeepSeek-R1 为每个代码样本生成了对应的自然语言描述，可用于微调 Qwen、Granite 等语言模型以生成 Verilog 代码。实验还探索了 Verilator 生成的 C++ 文件作为额外上下文、INT4 与 BF16 量化技术以及 7B-32B 参数模型间的性能差异。结果表明，开源方法在硬件设计任务上能达到甚至超越专有方案，为可访问的研究和商业应用奠定了新基础。

论文硬件设计 Verilog 数据集

推荐理由：硬件设计领域终于有了大规模开源数据集，做芯片验证或 RTL 生成的团队可以直接用这 13 万样本微调模型，省去自己爬取和标注的麻烦。建议做 EDA 工具或 AI for Hardware 的开发者点开看看。

原文

09:05

官方一手arXiv: DeepSeek@Bharath Sivaram Narasimhan, Karthik R Narasimhan

精选

论文推荐系统智能体评估基准

推荐理由：做推荐系统或对话智能体评估的团队，终于有了一个可复现、低成本的客观基准，直接拿来测自己的模型会看到真实差距。

原文

07:16

Jerry Liu@jerryjliu0

LlamaIndex 团队开源了基于 Rust 的文档解析器 LiteParse，声称是地球上最快的文档解析方案。其速度之快，以至于 Claude Fable 5 都认为不真实。该工具专为 AI 文档工作负载设计，可大幅提升文档处理效率。项目已在 GitHub 上开源，适合需要高性能文档解析的开发者。

AI产品文档解析 Rust 开源/仓库

事件专题

推荐理由：做文档解析或 AI 数据管线的开发者，这个 Rust 实现的解析器速度惊人，值得一试，能显著提升你的文档处理效率。

原文

06:49

berryxia@berryxia

83°

Cohere 将 30B 参数的 MoE 小模型 North Mini Code 以 Apache 2.0 协议开源，仅 3B 活跃参数。该模型在 Artificial Analysis Coding Index 上达到 33.4 分，与同量级模型竞争，但可本地运行、自由修改。其核心优势在于针对 agentic coding 场景优化，让开发者能真正掌控 coding agent，而非依赖云端黑盒。此举打破了开源 coding 模型弱或慢的刻板印象，为社区提供了可自主进化的工具。

AI模型开源/仓库编程助手推理模型

推荐理由：Cohere 把 30B MoE 模型压缩到 3B 活跃参数还开源，做 agentic coding 的开发者终于能本地跑、随便改、不用租云端黑盒了，值得一试。

原文

01:42

rohanpaul_ai@rohanpaul_ai

78°

Kocoro 是一款 Mac 原生开源 AI 智能体引擎，旨在解决 AI 会话每次重启都会遗忘上下文的问题。它每晚在本地回顾工作内容，通过 TensorLogic 在云端训练轻量记忆模型，次日自动恢复工作状态，无需重复粘贴或解释。Kocoro 能访问项目文件、操作浏览器和桌面应用、跨应用执行任务，且内核完全开源，确保可审计和可控。用户可通过命令行或桌面应用使用，强调透明度和用户控制权。

AI产品智能体开源/仓库记忆模型

推荐理由：Kocoro 解决了 AI 工具最烦人的「失忆」问题，做自动化工作流的开发者可以直接用开源内核构建持久化记忆，省去每天重复上下文的痛苦。

原文

01:14

Philipp Schmid@_philschmid

Google 更新了 Gemini API 的文档、GitHub 仓库和官方博客，提供了更详细的开发者指南和示例代码。这次更新主要面向 AI 应用开发者，帮助他们更高效地集成 Gemini 模型。关键内容包括 API 调用示例、模型参数说明以及最佳实践建议。对于正在使用或计划使用 Gemini 的团队，这是重要的参考资源。

AI产品 Gemini API 开发者工具

推荐理由：Google 官方更新了 Gemini 的开发者资源，做 AI 应用集成的团队可以直接参考文档和代码示例，省去自己摸索的时间。

原文

6月9日

22:19

Hunyuan@TXhunyuan

72°

腾讯混元团队推出UniRL，一个面向统一多模态模型的强化学习基础设施。该框架支持扩散模型、流匹配模型、大语言模型（LLM）和视觉语言模型（VLM）的强化学习训练，并同时发布两个新算法：DRPO和Flow-DPPO。UniRL旨在用一个强化学习循环覆盖多种模型类型，简化多模态模型的训练流程。代码已在GitHub开源，为多模态AI研究提供了新的基础设施选择。

AI模型强化学习多模态模型开源/仓库

推荐理由：多模态模型训练一直面临框架碎片化问题，UniRL用一个RL循环统一了扩散、LLM和VLM，做多模态研究的团队可以直接用开源代码降低实验成本。

原文

22:18

Hunyuan@TXhunyuan

72°

腾讯混元开源了UniRL，一个统一的多模态强化学习训练框架。它用一个循环（生成→评分→优势计算→更新→同步）覆盖文本、图像、视频等多种模态，模型和算法作为独立轴，实现模型×算法的组合覆盖。内置FlowDPPO和DRPO两种原创算法，分别针对扩散模型和LLM的强化学习优化。支持可插拔的rollout引擎、FSDP2分片和三种部署模式，旨在解决现有RL栈只能处理单一模态的问题。

AI产品腾讯混元 UniRL 多模态

推荐理由：做多模态RL训练的团队终于有了一个能统一处理文本、图像、视频的框架，不用再为每种模态搭不同的栈。腾讯混元把自家模型验证过的FlowDPPO和DRPO算法也开源了，做扩散模型或LLM RL优化的可以直接拿来用。

原文

16:25

Geek@geekbb

考搭子 KaoBuddy 是一个专为短期冲刺设计的 PWA 备考工作台，支持导入 PDF、DOCX、RTF、Markdown、手写笔记图片及 B 站视频字幕等多种资料格式。AI 能自动拆解知识点，并生成学习计划、讲解、模拟题、学习卡片和模拟考试。该项目已在 GitHub 开源，适合考前两周高效复习。

AI产品备考工具 PWA AI 学习

事件专题

推荐理由：备考冲刺的开发者终于有了一个能自动整理资料、生成模拟题的 AI 工具，支持多种格式导入，考前两周直接拿来用，效率翻倍。

原文

12:55

官方账号arXiv cs.AI@Arsalan Shahid, Gordon Suttie, Philip Black

72°

随着基础模型从生成回复转向执行操作任务，多人类、多智能体的协作场景日益普遍，但当前缺乏统一协议来记录人类判断、任务交接和审核决策。CHAP（Collaborative Human-Agent Protocol）协议应运而生，它定义了一个共享工作空间，通过核心组件（工作区、参与者、任务、工件和仅追加的证据日志）以及可组合的配置文件（如审核、路由、交接、签名等），将原本散落在聊天记录和代码中的关键信号（如人类编辑、审批、交接）转化为结构化、可追溯的事件。该协议旨在解决当前多智能体部署中人类监督信号丢失、责任归属不清的问题，为跨团队、跨时区的协作提供标准化基础。

论文智能体协议/标准人机协作

推荐理由：CHAP 解决了多智能体协作中人类监督信号丢失的痛点，做 AI 部署和智能体系统的团队可以直接参考其协议和开源实现，避免重复造轮子。

原文

12:50

官方账号arXiv cs.AI@Pu Ning, Quan Chen, Kun Tao, Xinyu Tang, Tianshu Wang, Qianggang Cao, Xinyu Kong, Zujie Wen, Zhiqiang Zhang, Jun Zhou

72°

SearchSwarm 提出了一种新范式，让主智能体通过分解任务并委托给子智能体来应对无限增长的上下文需求，从而解决长时深度研究任务。该团队设计了一个引导框架，生成高质量的任务分解和委托轨迹，并用这些数据微调模型，将委托智能内化到模型权重中。SearchSwarm-30B-A3B 在 BrowseComp 和 BrowseComp-ZH 上分别取得 68.1 和 73.3 的成绩，是同等规模模型中的最佳结果。这项工作填补了开源社区在委托智能训练数据合成方面的空白，并计划开源相关资源。

论文委托智能长时任务深度研究

推荐理由：做长时深度研究或复杂任务自动化的开发者，终于有了一个能高效委托子任务的模型——SearchSwarm 用30B参数就超越了更大模型，值得直接试试它的开源实现。

原文

12:35

官方账号arXiv cs.LG@Lawrence Keunho Jang, Mareks Woodside, Geronimo Carom, Andrew Keunwoo Jang, Jing Yu Koh, Ruslan Salakhutdinov

精选72°

苹果智能体需要理解用户身份、历史与偏好，但现有基准缺乏个性化。研究团队推出iOSWorld，首个基于原生iOS模拟器的交互式基准，包含26个新应用、133个任务，覆盖单应用、多应用及记忆与个性化三类。最佳模型（GPT-4o）整体准确率52%，多应用任务仅37%；加入XML辅助后大模型提升26个百分点，小模型无增益。该基准已开源，旨在推动真正个性化的手机智能体发展。

论文智能体基准测试 iOS

推荐理由：手机智能体开发者终于有了能测试个性化能力的基准——iOSWorld要求模型理解用户身份与历史，而非仅执行孤立指令，做移动端AI Agent的团队值得关注。

原文

12:29

官方账号arXiv cs.LG@Rishabh Sabharwal, Hongru Wang, Amos Storkey, Jeff Z. Pan

精选

现有深度研究智能体（DRA）基准仅评估单次输出，忽略了反馈改进能力。研究者设计了多轮评估框架，对比自我反思和过程级反馈两种场景。过程级反馈通过研究缺口推断（RGI）方法，分析评分标准满足模式来指导改进。实验发现：自我反思几乎无净改进；单轮过程级反馈可提升8-15分，但多轮改进效果不叠加，因为重写时可能丢失已满足标准。这表明即使有针对性指导，DRA的可靠多轮改进仍具挑战。代码和结果已开源。

论文深度研究智能体多轮评估过程级反馈

推荐理由：做AI研究助手或智能体评估的团队，这篇论文揭示了当前DRA在多轮反馈下的真实瓶颈——单轮有效但多轮难持续，值得点开看具体实验设计和RGI方法。

原文

09:49

berryxia@berryxia

AI产品 Token 监控 AI 编程 macOS 工具

事件专题

推荐理由：AI 编程烧钱如流水，Tokei 帮你把每分钱花在刀刃上，做 AI 开发的团队和个人开发者建议装一个，开源免费还能同步多设备。

原文

09:47

官方账号arXiv cs.AI@Yuan Zhang, Shiqi Zhang, Yedong Shen, Shuai Dong, Jiajun Deng, Xin Zhang, Yuxuan Gao, Jiajia Wu, Xin Nie, Zhiyuan Cheng, Jianmin Ji, Yanyong Zhang, Xingyi Zhang, Jia Pan

精选72°

GEAR-VLA 是一种新型视觉-语言-动作（VLA）框架，旨在解决现有 VLA 模型在真实部署中面对未见物体、背景变化和不同机器人本体时的泛化问题。它通过粗到细的动作学习、语义对齐的 3D 特征融合以及本体规范化，学习统一的几何感知动作表征。在 LIBERO、零样本 LIBERO-Plus 和 RoboTwin 2.0 上达到最先进性能，在 AgileX 上成功率 85.9%，在未见本体 LDT-01 上达 81.0%，在 212 个未见物体的通用抓取基准上达 90.1%。代码和模型将开源。

论文机器人操作 VLA模型泛化

推荐理由：GEAR-VLA 解决了机器人操作中跨本体、跨场景泛化的核心痛点，做机器人操作研究的团队可以直接参考其粗到细动作学习与 3D 对齐方法，值得关注其开源代码。

原文

09:27

官方一手arXiv: DeepSeek@Xiaojun Wu, Cehao Yang, Honghao Liu, Xueyuan Lin, Wenjie Zhang, Zhichao Shi, Xuhui Jiang, Chengjin Xu, Jia Li, Jian Guo

精选

Bayesian-Agent 是一个跨框架的 LLM Agent 技能优化框架，它将可复用的技能和 SOP 视为关于冻结模型在特定提示、上下文和环境下能否成功的假设。该框架记录验证过的轨迹证据，维护每个技能的特征条件分类后验，并根据后验状态执行修补、拆分、压缩、退役和探索等操作。在 deepseek-v4-flash 上，增量修复将 SOP-Bench 从 80% 提升至 95%，Lifelong AgentBench 从 90% 提升至 100%，RealFin-Bench 从 45% 提升至 65%。该框架还支持 GenericAgent、mini-swe-agent 和 Claude Code 等后端，表明 Agent 技能进化应视为后验引导的优化，而非未校准的提示积累。代码已开源。

论文 LLM Agent 技能进化后验引导

推荐理由：做 LLM Agent 开发的团队终于有了一个系统化的技能进化方法，不用再靠试错和启发式反思——Bayesian-Agent 用后验概率指导优化，效果显著且可审计，建议直接看论文和代码。

原文

09:14

Geek@geekbb

一个开源项目实现了在 Cloudflare Workers 上运行与 Bitwarden 客户端兼容的密码管理器，使用 D1 数据库和 R2/KV 存储数据。支持网页密码库、附件、Send、TOTP 等功能，并额外提供云端备份中心，支持 WebDAV 或 S3 定时备份。部署可通过 Cloudflare 控制台一键完成，也可使用 CLI 手动操作，无需自购服务器或运维。该项目让用户能完全掌控自己的密码数据，同时享受 Cloudflare 的免费或低成本基础设施。

AI产品密码管理 Cloudflare Workers Bitwarden

推荐理由：自托管密码管理终于有了 Cloudflare 原生方案，不想依赖 Bitwarden 官方服务器又想省运维的开发者，可以直接在 Workers 上部署，一键搞定。

原文

08:18

08:18SuperTechFans（博客/媒体）

本期 HackerNews 头条涵盖多个话题：一位作者分享从14岁起经历毒瘾、入狱和重罪，最终通过开源社区重建稳定生活的真实故事，引发关于社会歧视与个人重生的讨论。文章《多巴胺压裂》提出资本和算法从体验中榨取纯粹快感导致文化同质化的概念，并给出个人应对方法。Performative-UI 是一个幽默自嘲的 React 组件库，封装了 AI 产品常见的营销设计套路。此外，Linear 的本地优先架构、小米 MiMo 模型极速推理、赛默飞抗体图像造假、DeepSeek V4 Pro 击败 GPT-5.5 Pro 等新闻也备受关注。

行业开源/仓库 React 组件库多巴胺压裂

事件专题

推荐理由：从毒瘾到开源重建人生的故事能激励任何处于低谷的开发者，看完会感受到社区的力量；多巴胺压裂概念戳中了算法时代体验贫瘠的痛点，做内容或产品的团队值得反思。

原文

08:04

Browser Use@browser_use

精选76°

Browser Use 发布了 0.13.0 beta 版本，该版本用 Rust 从头重写了架构。旧版是为 GPT-4 设计的，而新版针对当前最先进的模型进行了优化。新架构包括自定义 LLM 和浏览器 harness、直接 CDP 控制、完整的浏览器动作空间以及自我故障恢复能力。核心变化是让模型拥有完整的浏览器控制权，而不是预定义的动作空间，从而大幅提升任务完成可靠性。

AI产品 Browser Use Rust 浏览器自动化

事件专题

推荐理由：Browser Use 用 Rust 重写后，解决了旧版预定义动作空间导致模型失败不知原因的痛点，做浏览器自动化或 AI 代理的开发者可以直接升级体验更可靠的执行。

原文

05:27

05:27IT之家（博客/媒体）

精选

苹果在 WWDC 2026 上发布了 Game Porting Toolkit 4，旨在完善 Mac 游戏生态。该工具包新增 GitHub 开源代码仓库，提供 AI 智能体技能和示例代码，帮助开发者利用 AI 编程能力加速游戏移植。AI 智能体具备更深入的 Metal 知识，能通过命令行直接进行 Metal 工作负载的捕获、调试与性能分析。评估环境已支持 Metal 4，让开发者基于最新接口测试兼容性与性能。这一更新大幅降低了游戏适配 Mac 的工作量，对游戏工作室和技术团队意义重大。

AI产品游戏移植 Mac 生态 AI 智能体

推荐理由：苹果用 AI 智能体降低了 Mac 游戏移植的门槛，游戏开发者和技术团队可以直接利用开源代码和 Metal 4 支持，减少调试时间，值得关注。

原文

03:04

官方账号LangChain@LangChainAI

精选

LangChain 推出了 Deep Agents，一个开源智能体框架，旨在构建能够规划、使用工具、委托子代理、写入文件并长时间工作的智能体。该框架提供了一个可管理的环境，并集成到 LangSmith 中，为开发者提供持久化的智能体运行和监控能力。这一发布降低了构建复杂、长周期智能体的门槛，适合需要自动化多步骤任务的团队。

AI产品智能体开源/仓库 LangChain

推荐理由：LangChain 的 Deep Agents 解决了构建长周期、多步骤智能体的痛点，做自动化流程或复杂任务编排的开发者可以直接上手试试。

原文

02:52

Harrison Chase@hwchase17

精选

开发者 1LittleCoder 推出了名为 "Signals of AI" 的 DeepAgent 工具，专为竞品分析设计。该工具集成了 Nebius TF 进行推理、NVIDIA Nemotron 3 Ultra 模型、Tavily 进行网络搜索，以及 LangChain 作为核心架构。它能够自动收集和分析竞争对手信息，为产品经理提供实时洞察。代码已开源，可直接使用。

AI产品竞品分析智能体 LangChain

事件专题

推荐理由：产品经理和竞品分析师终于有了自动化工具——DeepAgent 整合搜索与推理，帮你实时追踪竞品动态，建议直接拉代码试试。

原文

02:22

官方账号Decoder@Jonathan Kemper

精选72°

微软研究院推出Lens，一个仅3.8B参数的文本到图像模型，在基准测试中匹配更大模型，训练成本大幅降低。其关键创新是使用GPT-4.1生成的8亿条详细图像描述，而非模糊的网页替代文本。代码和权重已开源。这表明高质量标注比模型规模更重要。

AI模型图像生成微软 Lens

推荐理由：做图像生成模型训练或研究的团队，可以借鉴Lens用详细标注替代规模扩张的思路，直接复用其开源代码和权重，能大幅降低训练成本。

原文

00:54

Thomas Wolf@Thom_Wolf

精选76°

OpenEnv 宣布由包括 Meta-PyTorch、Reflection、Unsloth、Modal、Prime Intellect、NVIDIA、Mercor、Fleet AI 和 Hugging Face 在内的委员会共同协调，从个人项目转向社区治理。OpenEnv 定位为协议层而非奖励框架，旨在解耦模型、训练环境和奖励函数，解决开源智能体强化学习中“模型与训练框架耦合”的痛点。该协议层允许开发者自由组合模型、环境和训练器，类似 Claude Code 和 Codex 的封闭优化效果，但保持开源灵活性。项目早期阶段，欢迎社区参与测试和贡献。

AI产品智能体强化学习开源/仓库

事件专题

推荐理由：OpenEnv 解决了开源智能体 RL 中模型与训练框架耦合的痛点，做智能体训练或强化学习的开发者可以直接用它作为协议层来自由组合工具，值得关注并尝试。

原文

6月8日

20:30

Geek@geekbb

精选

Opencode 推出深度研究报告生成 Skill，通过 4 阶段流水线（大纲→数据采集→并行撰写→验收装配）自动生成对标券商/第三方研究机构标准的行业报告。传统深度调研成本高（每份 $50–500+），AI 直接调研又太浅或编造数字。该项目一次生成耗时约 10–20 分钟，成本低于 0.6 元，大幅降低个人研究者和独立开发者的调研门槛。项目已开源在 GitHub。

AI产品深度调研报告生成开源/仓库

推荐理由：做行业研究或竞品分析的独立开发者终于有了低成本替代方案——10 分钟出券商级报告，成本不到一杯奶茶钱，建议直接试。

原文

19:22

rohanpaul_ai@rohanpaul_ai

精选

Kocoro 是一个开源 Mac AI 代理框架，通过本地运行代理读取用户历史会话、文件、应用、浏览器、屏幕和终端，将有用信息压缩为记忆，实现无需重复上下文的持续工作。其安全模型以本地优先，工具操作需权限，风险命令被阻止或二次确认，操作可审计，秘密自动编辑，记忆和会话同步可选。Episodic Memory 功能将过去会话转化为项目事实、决策、协作者、截止日期和习惯，让代理像队友一样恢复工作。每晚自动将工作日提炼为本地知识图谱，第二天直接继续，无需重新粘贴上下文。

AI产品 AI 记忆开源/仓库 Mac 代理

推荐理由：Kocoro 解决了 AI 工作流中上下文窗口的瓶颈，让 Mac 用户无需重复粘贴就能持续工作，适合频繁切换任务或需要长期记忆的开发者，建议试试这个开源框架。

原文

18:16

shao__meng@shao__meng

作者开源了一个名为 Brand to DESIGN.md 的 Skill，旨在让 AI Agent 学习优秀设计并沉淀到 DESIGN.md 文件中，从而复刻生成新网站。然而作者指出，这种复刻方式虽然避免了 AI 生成的粗糙设计（AI Slop），但本质上仍只是模仿皮毛，缺乏真正的设计精髓和品味。该工具已在 GitHub 开源，但作者对当前基于模板的设计复刻方法表示反思。

AI产品开源/仓库设计品味 AI Slop

推荐理由：做 AI 设计工具或 Agent 开发的人值得一看——作者点出了当前设计复刻方法的局限，提醒我们避免陷入新的「AI Slop」循环，建议点开原文看看他的反思。

原文

18:00

Geek@geekbb

78°

开发者 JimLiu 将 Claude Design 的设计能力封装为 Agent Skill，使本地编码助手能够直接生成 UI 设计稿和交互原型。该项目通过将设计能力模块化，让本地 AI 编码工具无需依赖云端服务即可完成界面设计。这降低了设计门槛，让开发者能快速迭代原型，尤其适合独立开发者和小型团队。项目已在 GitHub 开源，可直接集成到现有工作流中。

AI产品 UI设计 Agent Skill 本地编码助手

事件专题

推荐理由：做前端或全栈开发的你，现在可以用本地编码助手直接出 UI 设计稿了——省去反复切图、调样式的时间，建议试试这个开源 Skill。

原文

11:05

官方一手arXiv: OpenAI@Aravind Sundaresan

72°

串行LLM推理后端（如Ollama）在混合工作负载下因FCFS调度导致队头阻塞（HOLB），短查询可能被长生成任务延迟数分钟。Clairvoyant是一个即插即用的侧车代理，通过19个轻量级词汇特征用ONNX导出的XGBoost分类器预测响应长度，单请求延迟仅0.029毫秒。它优化排序保真度，在自然对话数据集上达到62-96%分布内和52-66%跨分布准确率。在RTX 4090上，短请求的P50延迟在最大队列压力下降低70-76%，稳态泊松到达下降低17%。Clairvoyant开源且无需修改推理后端。

AI产品 LLM推理调度优化队头阻塞

事件专题

推荐理由：本地部署LLM的开发者终于有办法解决队头阻塞了——Clairvoyant用极低开销预测请求长度，短查询不再被长任务堵死，Ollama/llama.cpp用户可以直接集成试试。

原文

11:03

官方一手arXiv: OpenAI@Vladislav Smirnov, Chieu Nguyen, Sergey Senichev, Minh Ngoc Ta, Ekaterina Fadeeva, Artem Vazhentsev, Daria Galimzianova, Nikolai Rozanov, Viktor Mazanov, Jingwei Ni, Tianyi Wu, Igor Kiselev, Mrinmaya Sachan, Iryna Gurevych, Preslav Nakov, Timothy Baldwin, Artem Shelmanov

ThinkBooster 是一个统一的测试时计算（TTC）扩展框架，旨在解决现有TTC策略和评分器碎片化、评估不一致的问题。它包含模块化Python库、联合评估性能与效率的基准测试，以及兼容OpenAI的代理服务，支持自适应推理的即插即用。在数学和编程任务上的实验揭示了性能与计算成本的权衡，并展示了实际增益。代码以MIT许可证开源。

论文推理模型测试时计算扩展开源/仓库

事件专题

推荐理由：做LLM推理优化的开发者终于有了一个标准化工具来对比不同TTC策略的成本收益，不用再自己拼凑评估流程，建议直接试。

原文

08:18

08:18官方账号Simon Willison’s Weblog（博客/媒体）

Simon Willison 发布了 datasette-agent-edit 0.1a0，这是一个为 Datasette Agent 设计的插件，用于实现智能体对文本的编辑操作。该插件参考了 Claude 文本编辑器的设计，提供了 view、str_replace 和 insert 三个核心工具，支持查看带行号的文件、精确替换文本和在指定行后插入内容。作者计划基于此插件开发协作 Markdown 编辑、SQL 查询更新和 SVG 文件编辑等功能。通过将编辑模式抽象为通用插件，避免了为每个场景重复实现相同逻辑。

AI产品 Datasette 智能体文本编辑

推荐理由：做 Datasette 插件或智能体应用的开发者，这个插件解决了文本编辑工具重复造轮子的问题，可以直接复用核心逻辑来构建自己的编辑功能。

原文

06:12