huzjie/ai-daily-hub：70+ 个零依赖可复现 AI 框架合集

每天一个 AI 热点，一个「填配置就能跑」的开源项目。 70+ 个零依赖、可复现的 AI 框架合集——每个都对应一个真实热点的完整工程实现（不是话题、不是示例），附技术原理拆解 + 可复用代码 + 工程技巧。

👀 3 秒看懂：这个仓库是干嘛的？

你的疑问	答案
📦 我在看什么？	一个日更的 AI 开源项目库，70+ 个项目，每个都是完整可运行的代码
🎁 我能得到什么？	每个热点背后的技术原理 + 可复用代码 + 工程技巧，照抄就能用
🔍 怎么找我要的？	看「今日精选」了解最新，或按下方「六大技术线」/「日期索引」精确定位
🎯 适合谁？	AI 工程师、架构师、想搞懂「热点原理 → 工程落地」的人

🚀 30 秒上手

⭐ Star 一下，日更不迷路
看「今日精选」👇 了解今天的新项目
点进任意项目，README 都有「快速开始」，填配置直接 python -m <项目> doctor 跑通
有问题？开 Issue 问，看到就回；想让我做某个方向？开 Discussion 投票

🧭 技术导览：一条主线，六条技术线

这 70+ 个项目不是零散堆砌，而是同一条主线在不同方向的分支——把每个 AI 热点背后的核心技术原理，工程化成一套零依赖、可运行、可复现的开源框架。统一套路：纯 Python 零依赖内核 + 确定性可训练 mock + 多后端 + 基准 + OpenAI 兼容 HTTP + CLI/Docker/K8s/CI。

六大技术线（按主题导航）

技术线	解决什么问题	代表项目	可复用思路
① 稀疏 MoE / 前沿模型	万亿参数怎么低成本训练与推理	chonkforge · beamforge · olmoforge · engramforge · kolibriforge · panguforge · longcache	稀疏比 = n_experts / top_k；通信只随 top_k 走；专家常驻、只搬 token
② 决策模型 / 校准门控	让 LLM 不做「生成」、改做「选择」	clefforge · clmforge · calibrex · traacforge · rhythmforge	语言头换指针头；排列评分去顺序偏差；置信度接门控闭环
③ 嵌入 / 检索 / 表格	把非结构化数据变成可查向量	embedforge · tabularforge · contextloom	统一嵌入空间；迟交互降到 token 粒度；SCM 合成数据免真实数据
④ 多模态 / 世界模型 / 视觉	让模型理解并预测物理世界	terraforge · dexworld · echoworld · puffinworld · spatialcore · visionforge · roadmind · conceptforge	单一 token 空间；世界状态 = 可预测的未来；熵门控自适应算力
⑤ 智能体编排 / 运行时	让 Agent 安全、高效、并发地干活	navforge · harnessforge · crossharness · agentlightning · c2cforge · streamctx · substratforge · cuforge · vepforge · agentpassport · vulnforge	插件化一切；KV Cache 免文本通信；高密度停靠调度；可验证奖励
⑥ 训练 / 算子基础设施	让训练更快、更省、更稳	rsiforge · beamforge · ascendforge · diffforge · olmoforge	Group 相对奖励；自愈式弹性；tile 化算子；差分注意力

三条贯穿所有项目的可复用工程技巧

确定性可训练 mock：每个框架都内置一个 skill 参数单调趋 1 的确定性后端，让你不接真实模型也能验证「训练 → 能力提升」的完整链路，评测口径统一、可复现。
纯 Python 零依赖内核：张量、MoE、注意力、编码器全部标准库实现，克隆即跑、无环境地狱。
统一交付矩阵：每个项目都带「多后端 + 基准 + OpenAI 兼容 HTTP + CLI + Docker/K8s/Helm/CI」，上手路径完全一致。

从哪开始读

最完整可跑：tabularforge（表格补全）、embedforge（多模态检索）、rhythmforge（实时决策）
训练范式：rsiforge（递归自我改进）、beamforge（弹性训练工厂）、panguforge（全流程 MoE）
智能体工程：cuforge（可验证强化学习）、c2cforge（免文本通信）、streamctx（流式上下文）

📅 项目索引

日期	热点主题	项目	技术栈	规模	状态
2026-10-11	Strata（开源推理引擎，把 125B 参数 Qwen3.8-Flash-Next 稀疏 MoE 跑进 12GB 游戏显卡，24,576 专家每 token 仅激活 10 个，16.6k stars）——把「专家冷热分层调度 + 投机解码 + 低比特量化」做成可跑框架	strataforge（异构内存分层推理引擎）	零依赖纯 Python：把整台电脑当一条内存层次（GPU 放注意力+路由+~4000 最热专家 LRU、RAM 放全量 24576 专家由 CPU 就地算冷尾、SSD 放 29GB n-gram 查找表）+ 投机解码 MTP 头猜词/主干一次前向批量验证（闭式加速 (1+α(γ-1))/(1+cγ)，输出逐字节不变）+ 五档量化位宽 Q2_0/IQ2_XS/IQ3_XXS/IQ3_S/Coder 驱动内存占位估算 + 确定性可训练 mock（skill 0.5→1.0：投机接受率/GPU 命中率/吞吐全部单调爬升）+ 五后端（mock/cpu/openai/vllm/transformers）+ 吞吐/prefill/投机/命中率/内存五组基准 + OpenAI+Anthropic 兼容 stdlib HTTP（直连 Cursor/Claude Code）+ CLI/Docker/K8s/Helm/CI + 20 提示词 + 13 配方；实现思路：专家热度极度偏斜，路由频率+LRU 做冷热放置，~16% 专家覆盖大多数 token；投机解码改速度不改内容；复用要点：三层放置策略代码块、投机加速闭式公式、量化字节换算、分层命中率收敛曲线	~141 文件 / 零依赖 / 60 Python / 23 单测 / 提示词+配方	✅ 已发布
2026-10-10	字节 × 德州农工 DMAD（Distribution Matching as Adversarial Distillation：用对抗蒸馏把 33B 音视频扩散模型从 50 步去噪压到 4 步，仅 1.4GB Rank-128 LoRA，不重构底模）——把「分布匹配式对抗蒸馏 + 少步生成 + 低秩适配」做成可跑框架	dmadforge（视频扩散对抗蒸馏加速框架）	零依赖纯 Python：老师 50 步 DDIM + 学生 4 步 LoRA 生成 + GAN 判别器（判别老师/学生潜变量）+ MMD²/Wasserstein-1/对抗三损失（分布匹配替代逐点 MSE，免模式塌缩、免步对齐）+ Rank-128 LoRA 低秩适配（冻结底模只训 A·B，33B→1.4GB）+ 音视频联合潜空间（32kHz 音频与视频帧共一条去噪主干）+ 确定性可训练 mock（skill 单调趋 1：MMD²/重建 MSE 单调降、判别器准确率 1.0→0.5 即收敛信号）+ 五后端（mock/cpu/openai/vllm/transformers）+ 速度/质量/分布/音频四组基准 + OpenAI 兼容 stdlib HTTP + CLI/Docker/K8s/Helm/CI + 提示词/配方；实现思路：蒸馏目标从 min		student-teacher
2026-10-09	NVIDIA Kumo Tabular（表格基础模型：给一张填了部分的表、预测其余格子，无需训练，预训练数据全来自结构因果模型 SCM 合成的人造表，TabArena 第一、比 LimiX-2 快约 17×）——把「SCM 合成数据 + 掩码建模 + 零样本补全」做成可跑框架	tabularforge（表格基础模型框架）	零依赖纯 Python：SCM 合成数据引擎（采样因果 DAG、按拓扑序每列=父列函数+噪声，无限自带真值的表）+ Masked Cell Modeling（表格版 BERT：挖格子用行内上下文猜，值/列/行三嵌入相加坍缩到同一定宽向量）+ 零样本补全/分类/回归/生成四任务头 + 确定性可训练 mock（skill 单调趋 1，imputation 0.5→1.0）+ 五后端（mock/cpu/openai/vllm/transformers）+ TabArena 五任务基准（含鲁棒性/扩展性/批式 12.9× 提速）+ OpenAI 兼容 stdlib HTTP + CLI/Docker/K8s/Helm/CI；实现思路：预训练数据不走真实表、改从 SCM 采样（零隐私+无限量）；掩码目标=预训练与补全任务天然对齐；批式推理缓存列/行统计一次、所有格子复用（naive O(格×列)→O(列+行+格)）；训练信号恒正 delta 保证 skill 单调、猜测路径满幅 [0,1] 防准确率过早饱和	~120 文件 / 零依赖 / 5 组基准 / 提示词+配方 / 21 单测	✅ 已发布
2026-10-08	Google DeepMind EmbeddingGemma 2（740M 多模态嵌入、文本/代码/图像/音频/视频统一进一个 768 维空间、Matryoshka 任意宽度、INT4 量化端侧 ~191MB）——把「一个空间统一多模态 + 嵌套维度 + 迟交互 + 端侧量化」做成可跑框架	embedforge（多模态统一嵌入与检索框架）	Python 3.9+ 零依赖内核 + 四模态编码器（文本字节级/图像 patch-ViT/音频谱帧/代码标识符分词）共享一个 L2 归一化投影头、跨模态检索退化为一次余弦相似度 + Matryoshka 嵌套损失（对 8/16/32/64 宽度求和，一个 checkpoint 服务任意维度、截断后重归一化）+ ColBERT 式迟交互 MaxSim（每 token 存向量、查询词命中任意位置、免 chunking/OCR）+ INT8 per-tensor / INT4 group-wise absmax 量化 + 内存估算（740M→~191MB 端侧口径）+ 乘积量化(PQ) 索引 + RAG + 五后端（mock/cpu/openai/vllm/transformers）+ 确定性可训练 mock（skill 单调趋 1，recall@1 0.5→1.0）+ 五组基准 + OpenAI 兼容 stdlib HTTP + CLI/Docker/K8s/Helm/CI；实现思路：统一空间=各模态只换编码器不换头；MRL 前缀即有效；迟交互把粒度从段落降到 token；训练信号恒正 delta 保证 skill 单调、噪声满幅 [0,1] 防 recall 过早饱和	~132 文件 / 零依赖 / 5 组基准 / 提示词+配方 / 32 单测	✅ 已发布
2026-10-07	Mistral Large 4「Le Chonk」（原生多模态 1T 参数 MoE、每 token 仅激活 49B、1M 上下文、欧洲主权算力训练）——把「文本与图像共享单条主干」的原生多模态 1T 稀疏 MoE 做成可跑框架	chonkforge（原生多模态 1T 稀疏 MoE 前沿框架）	Python 3.9+ 零依赖内核 + 原生多模态融合（patch 线性投影进文本嵌入同维空间、文本/视觉 token 交织成单序列喂同一条 MoE 主干，无第二编码器）+ 极致稀疏 MoE（top-k 路由 + SwiGLU 专家 + 负载均衡损失，稀疏比=n_experts/top_k≈20×、通信只随 top_k 走）+ 1M 上下文（滑窗局部注意力 + 全局 token 中转，O(n²)→O(n·(window+global))）+ 六域能力基准（coding/agentic/cybersecurity/finance/law/visual_grounding，多模态题走视觉 patch）+ FP8(E4M3)/INT4(group-wise absmax) 量化 + 主权计算治理（region/jurisdiction/审计）+ 确定性可训练 mock 后端（skill 单调趋 1，bench AVG 0.67→1.00）+ 五后端 + OpenAI 兼容 stdlib HTTP + CLI/Docker/K8s/Helm/CI；实现思路：原生多模态=单一 token 空间让下游层不感知「字 vs 像素」；稀疏比口径用 n_experts/top_k 而非「总参/专家参」；训练信号恒正 delta 保证 skill 单调趋 1、噪声用 md5 前 8 字节做种子	~147 文件 / 零依赖 / 6 组基准 / 18 提示词 / 10 配方	✅ 已发布
2026-10-06	Reflection AI 开源 Beam（501B 参数 MoE、每 token 仅激活 23B、1M 上下文、71 次故障 8 分钟中位恢复）——把「AI 工厂」的自愈式弹性训练做成可跑框架	beamforge（稀疏前沿模型训练工厂）	Python 3.9+ 零依赖内核 + 稀疏 MoE（top-K 路由+SwiGLU 专家+负载均衡损失，稀疏比=专家数/top_k≈21.8×，通信只随 top_k 走）+ 自愈编排（故障分类五类→注入器→分片检查点→弹性恢复→MTTR 中位追踪）+ 海量 RL 沙箱工厂（池化+弹性伸缩）+ midtrain（RoPE 频率缩放扩 1M 上下文）+ GRPO 组内相对优势 + 确定性可训练 mock 后端（skill 单调趋 1）+ 吞吐/容错/稀疏扩展/沙箱吞吐四组基准 + CLI + Docker/K8s/Helm/CI；实现思路：把自愈看成「便宜的确定性恢复」而非「零故障」，先按故障类别选重试/重启/重采样/弹性伸缩，再用中位数而非均值做 MTTR SLO；训练信号用恒正 delta 保证 skill 单调趋 1	~150 文件 / 零依赖 / 4 组基准 / 4 配方 / 12 提示词	✅ 已发布
2026-10-05	AI2 开源 OLMo-core 3（万亿参数 MoE 训练框架，DDP 式专家并行替代 FSDP，吞吐近乎不随专家数衰减）——把「搬数据」替代「搬权重」做成可跑的训练栈	olmoforge（万亿参数 MoE 训练框架）	Python 3.9+ 零依赖内核 + DDP 式专家并行（专家常驻、token 路由，通信=seq_len×top_k×dim 与专家数解耦）+ 流水线并行（1F1B 气泡估算）+ 分布式优化器（状态分片）+ 行式专家并行/分组 GEMM/GPU 常驻路由 + MXFP8 低精度（分块共享 scale，+21% 吞吐）+ 确定性可训练 mock 后端 + FSDP-vs-专家并行吞吐/反直觉发现(token gerrymandering)/万亿扩展三组基准 + CLI + Docker/K8s/Helm/CI；实现思路：把 FSDP 的「每步 all-gather 权重」反转为「专家常驻、只搬 token」，通信量随 top_k 走而非专家总数；训练信号用恒正 delta（对+0.5/错+0.2）保证 skill 单调趋 1	~138 文件 / 零依赖 / 3 组基准 / 4 配方 / 13 提示词	✅ 已发布
2026-10-04	Aleph Alpha 开源 Kolibri-1（78B 稀疏 MoE / 3.46B 活跃 / 1M 上下文，德语+英语主权大模型）——把「诚实弃答防幻觉」做成一整套可训练框架	kolibriforge（主权 MoE 推理大模型 + 诚实弃答框架）	Python 3.9+ 零依赖内核 + 稀疏 MoE（Top-K 路由 + SwiGLU 专家 + 负载均衡辅助损失，78B/3.46B 稀疏比）+ UniBPE 复合词感知分词（成分词典贪心切分 + 字节级 BPE）+ Merlin-Arthur 协议（Arthur 验证者校准置信度 + accept/abstain/reject 三态门控，reward=正确-λ·幻觉惩罚）+ 四档推理预算（none/low/medium/high）+ 五后端（mock 可训练/cpu/openai/vllm/transformers）+ 诚实度/弃答率/数学/长上下文/分词五组基准 + OpenAI 兼容 stdlib HTTP 服务 + CLI + Docker/K8s/Helm/CI；实现思路：把「自信地答错」设为最重惩罚、把「弃答」设为小正奖励，确定性 mock 用 skill*is_correct+noise 门控置信度，训练 skill 单调趋 1	~150 文件 / 5 后端 / 5 组基准 / 10 提示词 / 10 配方	✅ 已发布
2026-10-03	微软 TRAAC 自适应注意力压缩推理（RL 识别关键推理步骤、剪枝冗余、按难度分配思考预算，+8.4% 精度 / -36.8% 长度）——把「少想一点还能答对」做成一整套可训练框架	traacforge（自适应推理压缩与思考预算分配框架）	Python 3.9+ 零依赖内核 + 注意力式步骤打分（answer state 作 query 对步骤嵌入做 scaled dot-product attention）+ 自适应压缩（软阈值 + 硬预算 + 安全地板）+ 难度估计→预算分配（动态算力）+ GRPO/PPO 训练（reward = accuracy - λ·length_ratio）+ 五后端（mock 可训练/cpu/openai/vllm/transformers）+ GSM8K/MATH/compression 基准 + OpenAI 兼容 stdlib HTTP 服务 + CLI + Docker/K8s/Helm/CI；实现思路：把「又对又短」写成一个标量奖励，确定性 mock 用 skill*is_critical+noise 门控正确性，训练 skill 单调趋 1	145 文件 / 82 Python / 35 MD / 48 单测	✅ 已发布
2026-10-02	Cloudflare 开源多模态决策模型 Clef（基于 Qwen，指针头打分 + 原生视觉编码器 + 64k 上下文）——把「语言头换指针头」的决策范式做成一整套可运行框架	clefforge（多模态决策模型训练与推理框架）	Python 3.9+ 零依赖内核 + 指针决策头（选项打分替代词表生成）+ 原生视觉编码器（patch 化/任意分辨率/ViT/投影器）+ 多模态融合（门控/交叉注意力/MoE 路由）+ 置信度校准（温度缩放 + 排列评分去顺序偏差 + ECE）+ 门控（accept/degrade/reject）+ 快慢路由（Clef 27B / Clef-flash 9B）+ RL/SFT/DPO 定制微调 + 五后端（mock 可训练/cpu/openai/vllm/transformers）+ Jev-API 兼容 stdlib HTTP 服务 + CLI + Docker/K8s/Helm/CI + LangChain/MCP 集成；实现思路：输出空间从词表压到 N 候选 → 单次前向低延迟，置信度直接接门控 + 路由闭环	152 文件 / 84 Python / 30 单测	✅ 已发布
2026-10-01	DeepSeek × 北大开源 Engram「条件记忆」模块（给稀疏模型引入正交的条件记忆轴，用确定性 n-gram 寻址做 O(1) 稀疏查表，让静态知识免于被早期层用昂贵计算重建）——把记忆模块做成可运行的稀疏大模型框架	engramforge（条件记忆稀疏大模型训练与推理框架）	Python 3.9+ 零依赖内核 + Engram 条件记忆（确定性寻址/多哈希+双哈希/N-gram 编码/门控融合）+ MemoryBank 巨型嵌入表 host 卸载 + MoE 条件计算（Top-K 路由/SwiGLU 专家/负载均衡）+ U 型稀疏分配 scaling law + 机制分析（早期层释放）+ 确定性可训练 Mock 后端（skill 0.5→1.0）+ 五后端（mock/cpu/openai/vllm/transformers）+ 四域基准（知识/推理/代码/数学）+ OpenAI 兼容 stdlib HTTP 服务 + CLI + Docker/K8s/Helm/CI + LangChain/MCP 集成；实现思路：静态知识=查表（确定性哈希寻址），动态推理=计算（MoE），二者按 U 型曲线分配容量	150+ 文件 / 纯 Python / 多文档 / 单元测试	✅ 已发布
2026-09-30	DeepSeek 开源昇腾基础组件（TileLang 高级语言编译工具 + DeepGEMM 通用矩阵运算 + DeepEP 跨设备通信 + TileKernels 向量算子 + FlashMLA 稀疏注意力 + DeepSelect 数据筛选，与英伟达平台开源组件一一对应，推进昇腾 950 128 卡超节点）——把算子基础设施做成可运行的训练加速框架	ascendforge（DeepSeek 昇腾算子基础设施与训练加速框架）	Python 3.9+ 零依赖内核 + TileLang tile 化 DSL 编译器（IR→调度→Ascend C 代码生成→CPU 模拟器）+ DeepGEMM（通用/分组 MoE 矩阵乘法）+ DeepEP（dispatch/combine/all-to-all/分层拓扑）+ TileKernels（RMSNorm/Softmax/RoPE/SwiGLU 融合算子）+ FlashMLA（低秩 KV cache 压缩 16× + 稀疏/滑窗注意力）+ DeepSelect（MinHash 去重 + 质量评分 + 课程采样）+ MoE 专家并行（Top-K 路由/SwiGLU 专家/负载均衡）+ 128 卡超节点调度 + 确定性可训练 Mock 后端（skill 0.5→0.996，loss 下降）+ 四后端（mock/cpu/ascend/openai）+ 五组基准 + OpenAI 兼容 stdlib HTTP 服务 + CLI + Docker/K8s/Helm/CI + LangChain/MCP 集成	155 文件 / 88 Python / 49 MD / 11 YAML / 24 单测	✅ 已发布
2026-09-29	紫东太初 ZDTaichu5.0-9B 开源（面向物理世界的通用空间多模态模型，任意分辨率单图/多图/长视频，九项空间理解基准 8 项第一，开放整套空间多模态数据生产管线）	terraforge（空间多模态世界模型训练与推理框架）	Python 3.8+ 零依赖内核（最小张量库 + 神经网络 + 注意力）+ 任意分辨率视觉编码器（patch 化 + 自适应分块 + ViT）+ 空间理解（场景图/几何/深度/位姿/布局/遮挡/推理）+ 多模态融合（投影器/门控/交叉注意力/MoE 路由）+ 世界模型 + 空间多模态数据生产管线（合成→渲染→自动标注）+ 确定性可训练 Mock（skill 0.5→1.0，QA 准确率 0.73→1.0）+ 五后端（mock/cpu/openai/vllm/transformers）+ 九项空间理解基准 + stdlib HTTP 服务 + CLI + Docker/K8s/Helm/CI + 集成（LangChain/MCP）	159 文件 / 114 Python / 26 MD / 10 YAML	✅ 已发布
2026-09-28	华为 openPangu-2.0 开源（预训练/SFT/后训练 RL 代码、昇腾原生训练与推理）——稀疏 MoE 大模型全流程工程化	panguforge（MoE 全流程训练与推理框架）	Python 3.9+ 零依赖内核 + 纯 Python 张量库 + MoE Transformer（Top-K 路由 + SwiGLU 专家 + 负载均衡）+ 全流程训练（预训练 → SFT → GRPO/PPO RL 后训练）+ 确定性可训练 Mock 后端（skill 单调趋 1，loss 严格下降）+ 六后端（mock/cpu/ascend/openai/vllm/transformers）+ SWA/DSA 稀疏注意力+ OpenAI 兼容 stdlib HTTP 服务 + CLI + Docker/K8s/Helm/CI + 集成（LangChain/MCP/Transformers）	145 文件 / 91 Python / 27 MD / 16 YAML / 12 单测	✅ 已发布
2026-09-27	对比式语言模型（CLM-8B，Stanford×NVIDIA）——不生成文本，用共享 state-action 嵌入给候选动作打分，动作嵌入独立缓存、冻结主干+轻量可训练头，比生成式决策（Jev）低 1.6×–9× 延迟	clmforge（对比式决策引擎）	Python 3.9+ 零依赖内核 + 状态/动作解耦编码 + 动作嵌入缓存（命中率统计、FIFO 驱逐）+ 冻结主干 + 三种打分头（linear/bilinear/MLP）+ 快慢路由（margin 门控）+ 确定性可训练 Mock 后端（真理性 0.38→1.00，训练即学 skill）+ 五组基准（BFCL 工具调用/候选排序/校验/游戏/WikiRacing）+ 延迟加速（≈6.4×）+ 5 后端（mock/frozen/openai/vllm/transformers）+ stdlib HTTP 服务 + CLI+ Docker/K8s/Helm/CI + 集成（LangChain/MCP/函数调用/检索重排）	172 文件 / 100 Python / 50 MD / 34 单测	✅ 已发布
2026-09-26	差分注意力（Differential Transformer）——每个头算两个 softmax 注意力图再相减，抵消公共噪声成分，降低幻觉、提升长上下文检索，几乎不增加参数量、KV cache 还可减半	diffforge（差分注意力 Transformer 训练与推理框架）	Python 3.9+ 零依赖内核 + 差分注意力（λ 可学习，层感知初始化 λ_init=0.8-0.6·exp(-0.3(l-1))，头级 GroupNorm）+ 参考模型（Embedding+预归一化 Block+RoPE+YaRN+SwiGLU+LM head，纯 Python）+ 确定性可训练 Mock 后端（MD5 种子，真理性 0.49→1.00、32K 检索 0.06→0.99，训练即学 λ）+ 四组基准（passkey 大海捞针 / hallucination 事实性 / perplexity / λ 分析）+ stdlib HTTP 服务（Bearer 鉴权 + 客户端）+ CLI（doctor/train/bench/generate/serve/analyze）+ 模型卡 + Docker/K8s/Helm/CI	166 文件 / 85 Python / 56 MD / 29 单测	✅ 已发布
2026-09-25	基元律动开源 NeoHorse-Jev-4B 实时决策模型（4B 毫秒级决策，贪吃蛇 3000 步/89 目标存活，六组开源评测综合 AVG 77.70 第一）——核心是「实时决策 + 前瞻安全」，每一步都要快速选对，还不能把后续空间走死	rhythmforge（实时决策引擎 + 前瞻安全规划框架）	Python 3.9+ 零依赖内核 + 毫秒级决策引擎（枚举→打分→softmax→选择，mock 约 0.01ms/次）+ 前瞻安全规划器（Beam Search / Monte-Carlo / Hybrid + 生存空间 flood-fill 评估，贪心 203 步撞墙 vs 规划 800 步存活）+ 可插拔后端（可训练确定性 Mock / OpenAI 兼容 / vLLM / Transformers）+ 八组基准评测（Nimble/VitaminC/MASSIVE/Transfer/Knowledge/Semantic/Reflex/Safety + AVG 综合分，默认 AVG 80）+ 智能体循环 + 情景记忆 + 重放缓冲 + 可观测性（Prometheus 导出）+ 五类决策环境（贪吃蛇/网格世界/井字棋/寻路/多臂老虎机）+ 零依赖 stdlib HTTP 服务（Bearer 鉴权 + 限流 + 客户端）+ CLI（doctor/demo/bench/snake/plan/serve）+ 模型卡 + Docker/K8s/Helm/CI	151 文件 / 97 Python / 24 MD / 23 单测	✅ 已发布
2026-09-24	把开源 LLM 从「会说话的评委」变成可校准、抗顺序偏差、带置信度门控的类型化决策模型——Nokia AnyJev 方向：无需额外训练即可把开源模型用于路由分流、风险筛查、工具授权、自动化支持决策，核心是三类失效的系统性治理：概率失准（过度自信）、选项顺序偏差（换顺序换答案）、标签/先验偏差	calibrex（LLM 决策校准与门控引擎）	Python 3.9+ 零依赖内核 + 排列评分（全排列/抽样排列 + 跨排列聚合，消除选项顺序偏差）+ 五类校准器（温度缩放/Platt/保序回归 PAV/直方图分箱/Beta 校准）+ 集成选优（留出集 NLL）+ 去偏差（标签频率校正/先验偏移校正）+ 五类门控（置信度阈值/误判风险预算/熵/margin/多样性）+ 决策流水线（排列→校准→去偏→门控）+ 7 后端（可训练确定性 Mock/OpenAI 兼容/vLLM/Transformers/Anthropic/Azure/Gemini）+ 完整指标（ECE/MCE/Brier/NLL/准确率/AUROC/可靠性曲线/PR-ROC）+ 四类决策处理器（分类/排序/评分/抽取）+ 评测基准套件 + 零依赖 stdlib HTTP 服务（含 Bearer 鉴权/限流 + 客户端）+ CLI（doctor/demo/evaluate/calibrate/predict/serve）+ 10 模型卡 + Docker/K8s/Helm/CI	192 文件 / 119 Python / 53 MD	✅ 已发布
2026-09-23	理想汽车 Foundation Model 团队开源 ME-Dex-1.0 世界动作触觉模型（把触觉与视频共同当作需预测的未来世界状态，联合去噪视频/触觉/动作序列，三专家架构 + H-Bridge 共享注意力 + 双手 34 区域模板 + 自主式触觉数据引擎）	dexworld（多模态触觉世界模型训练与推理框架）	Python 3.8+ 零依赖内核 + 34 区域触觉模板 + 异构传感器映射（GelSight/触觉阵列/力扭矩）+ 三专家编码（视觉/触觉/动作）+ H-Bridge 共享注意力 + 联合去噪扩散世界模型 + 自主式触觉仿真数据引擎 + 数据增强/经验回放/课程学习 + MPC/Beam/CEM 规划 + 集成预测/消融实验/交叉验证 + ASCII 可视化 + Mock（可训练）/OpenAI 兼容后端 + CLI + 零依赖 HTTP 服务 + Docker/K8s/Helm/CI	170 文件 / 126 Python / 25 MD / 40 单测	✅ 已发布
2026-09-22	小米发布并开源 Xiaomi MiMo-V2.6 全模态大模型（Pro 登顶全球开源榜首，AA 智能指数 46 分），核心是探索 RSI（递归自我改进）路径：以可验证复杂任务为基础、规模化扩展 RL 算力、Group 内相对比较奖励信号	rsiforge（RSI 递归自我改进强化学习训练框架）	Python 3.9+ 零依赖内核 + 4 领域可验证任务环境（code/general/visual/cyber）+ 合成任务生成器 + 难度课程 + 轨迹采集（SQLite/JSON/去重）+ 奖励体系（规则/执行/LLM-as-Judge + Group 相对比较 + 优势缩放）+ 三大 RL 算法（GRPO/PPO/DPO + 优势估计 + KL 控制）+ 四模型后端（可训练 Mock/OpenAI 兼容/vLLM/HF）+ 蒸馏/检查点/断点续训/模型合并 + 基准评测/排行榜 + 零依赖 HTTP 服务/FastAPI + 可观测 + CLI + Docker/K8s/Helm/CI	180 文件 / 119 Python / 31 MD / 33 单测	✅ 已发布
2026-09-21	Anthropic 发布 MCP 2.1——引入实时流式上下文更新（AI 助手通过增量事件接收上下文变化，无需每次全量重载，长会话上下文加载延迟最高降 75%）+ 开源 AgentKit 1.0 稳定版（工具调用/记忆/错误恢复）	streamctx（MCP 2.1 流式上下文引擎）	Python 3.9+ 零依赖内核 + 增量 diff（行级 LCS 最小化差异）+ 版本向量/Lamport 时钟 + Token 预算（纯 Python 估算 + 加权 LRU 驱逐）+ 快照/增量自适应降级 + 断点续传（checkpoint/resume）+ 三种传输（进程内/SSE/stdlib/WebSocket）+ 主题订阅（glob 模式）+ 插件系统 + 可观测（指标/追踪/健康）+ mock/openai/anthropic/ollama 上下文适配器 + stdlib SSE/FastAPI 双控制面 + CLI + Docker/K8s/Helm/CI	130 文件 / 80 Python / 22 单测	✅ 已发布
2026-09-20	清华 × Infinigence 开源 ICLR 2026 论文 C2C（Cache-to-Cache）——多智能体之间不再生成自然语言文本，而是把发送方 KV Cache 经「神经融合器」旋转、嫁接进接收方层里，由可学习门控决定哪些层吸收，约 2.5× 推理加速 / +14.2% 精度	c2cforge（Cache-to-Cache 免文本多智能体通信框架）	神经融合器（正交 Procrustes 旋转对齐 + 层嫁接 + 可学习/ TopK / 均匀门控 + rotate_graft/concat/residual/attention 四种融合模式）+ KV Cache 引擎（分层结构/序列化 numpy·safetensors·pickle·msgpack/压缩 zstd·gzip·lz4/增量传输/内容寻址/LRU·LFU·FIFO 驱逐/持久化存储）+ 多智能体运行时（cache/text 双协议 + 路由 + 调度 + pipeline/star/mesh/ring 拓扑 + 团队编排）+ 模型后端（mock 零依赖/transformers/vllm 可插拔）+ FastAPI REST/CLI/SDK + 评测基准（加速比/延迟/token 节省）+ 可观测性（Prometheus/span/健康）+ 插件 + 安全护栏 + Docker/K8s/CI	137 文件 / 91 Python	✅ 已发布
2026-09-19	Google 开源 Agent Substrate（高密度智能体沙箱运行时，空闲 agent 挂起/500ms 恢复完整状态，单机打包 1000+ 休眠环境、比标准容器密度高 10 倍，跑在 microVM/gVisor，核心是「停靠式调度」+ 亚秒快照恢复）	substratforge（高密度智能体基板运行时）	三档隔离沙箱（process/gVisor/microVM 可插拔）+ 快照引擎（tar + 块级增量 + zstd/gzip/lz4 压缩）+ 密度感知调度（装箱/空闲挂起/冷停靠驱逐 LRU/LFU/FIFO/冷热晋升）+ 快照存储（本地/S3/MinIO/内存 + CAS + GC）+ agent 运行时（生命周期状态机 + 心跳看门狗 + 任务队列）+ 服务层（FastAPI REST/CLI/SDK）+ 可观测性（Prometheus 指标/span 追踪/健康检查）+ 安全（最小隔离准入/配额/护栏/审计）+ 插件系统 + 基准框架 + Docker/K8s/CI	164 文件 / 106 Python	✅ 已发布
2026-09-18	清华 × Z.AI 开源 ScaleCUA（可扩展任务合成 + 在线强化学习 GUI Agent 框架，9B 模型刷新开源 SOTA：OSWorld 68.7% / ScienceBoard 54.0%，反超 Kimi K2.5 63.3% 与 Claude Sonnet 4.5 62.9%，核心是 VeriGen 可验证任务合成 + RLVR 可验证奖励在线强化学习）	cuforge（可验证任务合成驱动的计算机使用智能体在线强化学习平台）	VeriGen 可验证任务合成（6 任务模板 + 11 可验证判定器）+ 虚拟桌面环境（文件系统/UI 组件树/终端/设置/浏览器，确定性可判定）+ 计算机使用智能体运行时（Scripted/LLM 双策略 + 视觉上下文切分 recent/summary/full）+ RLVR 训练（GRPO 组相对策略优化 + 前沿采样 + 结果/过程/格式三路奖励）+ 多 LLM 后端（mock/openai兼容/vllm/ollama/llamacpp/sglang/tokenspeed/anthropic/gemini）+ 安全（沙箱/动作白名单/护栏/审计）+ 可观测性（tracing/metrics）+ 评测基准（mini/OSWorld/ScienceBoard/Terminal-Bench/WebArena）+ FastAPI REST/CLI/SDK + Docker/K8s/CI	161 文件 / 110 Python	✅ 已发布
2026-09-17	上海 AI Lab 开源 Atria Dawn Preview（744B MoE 智能体基础模型，MIT 协议、256K 上下文、基于 GLM-5.2，核心是可验证经验流水线 VEP——把「分析→编码→执行→复盘」长程闭环 grounding 到真实可执行环境，AutomationBench 53.8 / BrowseComp 92.5 / DeepSearchQA 96.0 / CyberGym 86.5 / BFCL v4 77.0）	vepforge（可验证经验流水线驱动的长程自主智能体执行平台）	可验证经验流水线 VEP（任务目标/智能体轨迹/中间产物/外部证据四实体可验证连接）+ 四阶段长程闭环（分析→编码→执行→复盘 + 失败恢复）+ 10 类可验证工具（shell/python/http/file/search/json/csv/regex/calc/time）+ 本地/Docker 沙箱运行时 + 6 验证器（退出码/哈希/HTTP/JSON/测试结果/非空）+ 经验存储与向量检索 + 多 LLM 后端（mock/OpenAI 兼容/Anthropic 兼容）+ 五类智能体基准评测 + FastAPI REST/OpenAI 兼容端点 + CLI/SDK + Docker/K8s/CI	160 文件 / 110 Python / 29 单测	✅ 已发布
2026-09-16	紫东太初开源 ZDTaichu5.0-9B（面向物理世界的 9B 通用多模态大模型，空间感知+跨视角变换+具身任务规划，自适应循环推理「熵门控」——哪个 token 拿不准就在那里多算几轮，九大空间理解基准 8 项组别第一，AI2D 91.48/IFEval 93.7/AIME 89.2）	spatialcore（面向物理世界的空间理解与自适应循环推理引擎）	空间感知（几何/坐标变换/针孔相机/深度估计/15 种定性关系推理/场景图/跨视角重投影）+ 熵门控自适应循环推理（循环 Transformer 层块+熵门控+循环深度路由）+ 具身任务规划（STRIPS 规划/A*·RRT·PRM 路径/数值逆运动学/抓取姿态）+ 任意分辨率视觉（patch 化/多图/长序列视频）+ 多智能体编排 + 12 模型卡/10 任务模板/8 场景配置 + FastAPI REST/CLI + Docker/K8s/CI	160 文件 / 90 Python / 12 模型卡	✅ 已发布
2026-09-15	上海AI实验室×上海交大 LUMIA 开源潜空间语言模型 NCP-ArchPreview（8.9B，联合训练「下一 token + 下一概念」预测，仅 51.3% 训练 token 即达 OLMo-3-7B 最终 loss，下游均分 +2.45、GSM8K +5.99，概念注入 drafter 接受长度 +4.17%，17M 参数轻量领域自适应）	conceptforge（潜空间语言模型训练与推理平台）	概念表示（跨 token 语义单元聚合）+ Product Quantization（32 codebooks×128 codewords）+ 概念预测模块（8 层因果 Transformer）+ 16/8/16 因果 Transformer 主模型 + 联合损失（token CE + concept CE）+ 两阶段课程 + 投机解码（概念注入 drafter）+ 轻量 VQ 领域自适应 + 18 模型卡/8 基准/4 配置预设 + FastAPI REST/CLI + Docker/K8s/CI	163 文件 / 88 Python / 18 模型卡	✅ 已发布
2026-09-13	京东探索研究院开源视听世界模型 JoyAI-EchoWM（同一框架统一生成视频+环境音+音乐+语音，实时响应用户操作，统一「相机意图」把键盘/手柄映射为连续 6-DoF 轨迹，第一/第三人称共用一套控制接口，WBench Navigation 158 案例均分 81.7、一致性 89.8、交互性 87.2）	echoworld（视听世界模型推理与实时交互平台）	统一相机意图→连续 6-DoF 轨迹（四元数/SE(3)/Catmull-Rom 平滑）+ 同框架视听生成（程序化场景渲染 + 环境音/音乐/语音 DSP 合成）+ 实时交互闭环 + 视听记忆（关键帧+音频指纹抗漂移）+ WBench 风格评测（一致性/交互性/连贯性）+ 4 场景/11 模型卡 + FastAPI REST/WebSocket + CLI + Docker/K8s/CI	152 文件 / 104 Python	✅ 已发布
2026-09-12	大晓机器人×南洋理工 S-Lab 开源统一多模态世界模型 Puffin-World（把物理/几何/外观定义为三种原生三维世界状态，Omni-Camera 相机表示、Puffin-16M 数据集，Stanford2D3D 横滚/俯仰/垂直视场角中位误差 0.29°/0.53°/1.62°）	puffinworld（统一多模态世界模型推理与具身智能平台）	三维世界状态（物理重力/几何深度/外观RGB 三态联合建模）+ Omni-Camera 相机表示（重力锚定+射线几何）+ 重力场感知（roll/pitch/地平线漂移）+ 自由视点合成（深度重投影）+ 三维重建（多视图点云融合+体素化）+ 闭环探索（预测→行动→观测→验证）+ Puffin-16M 三元组数据 + 4 大基准评测（Stanford2D3D/MegaDepth/TartanAir/LaMAR）+ 18 模型卡 + FastAPI REST/CLI + Docker/K8s/CI	145 文件 / 99 Python / 18 模型卡	✅ 已发布
2026-09-11	DeepSeek 开源 V4.1-Flash（552B MoE、Causal-Encoder-Decoder 非对称结构、KV Cache 每 token 仅 890 字节 = 初代 1/437、1M 上下文缓存 < 1GB、MIT 许可，配套开源 DeepSelect/DeepJIT/deepseek-recipe）	longcache（超长上下文 MoE 推理引擎与 KV Cache 智能管理平台）	KV Cache 智能管理（预算→FP4 量化→TopK 压缩→LRU 驱逐→滑动窗口/混合）+ DeepSelect 风格稀疏注意力（堆式 TopK O(n log k) + 4 稀疏模式 + 3 索引结构）+ CED 非对称推理引擎（20 编码器/20 解码器、分块/流式/投机解码）+ DeepJIT 风格 JIT 编译缓存（LRU+磁盘持久化、CUDA/昇腾）+ deepseek-recipe 风格协议转换（OpenAI 兼容）+ FastAPI REST + CLI/SDK + 9 模型卡 + Docker/K8s/CI	129 文件 / 87 Python / 9 模型卡	✅ 已发布
2026-09-10	财跃星辰×上海交大开源金融推理大模型 Alpha-R1（8B，「语义门控」推理 + 两阶段强化学习，样本外金融推理大幅领先通用模型）	alphagate（语义门控金融推理与资产配置平台）	语义门控引擎（市场状态建模→思路说明书语义匹配→阈值门控→可解释权重）+ 18 条配置思路（各附经济逻辑说明书与 YAML 策略卡）+ 两阶段强化学习（Stage1 偏好对齐 + Stage2 GRPO）+ 多智能体（研究员/配置官/风控官/报告官）+ 回测引擎（绩效/归因/VaR/CVaR/Calmar）+ 多数据源（mock/csv/akshare/tushare/yfinance/wind）+ FastAPI REST + OpenAI 兼容端点 + CLI/SDK + Docker/K8s/CI	189 文件 / 118 Python / 20 模型卡	✅ 已发布
2026-09-09	蚂蚁开源百灵系列首个原生多模态大模型 Ling-3.0-flash-VL（124B 总参 / 5.5B 激活，原生图·文·视频理解，引入「观察-行动-验证-修正」视觉反馈闭环）	visionforge（视觉语言模型推理与视觉反馈闭环平台）	Python 3.9+ 多后端推理（transformers/vLLM/Ollama/OpenAI/Mock + 回退缓存）+ 14 类视觉感知（图像/视频/文档/OCR/定位/检测/分割/深度/动作/情绪等）+ OAVR 视觉反馈闭环（观察→行动→验证→修正 + 跨轮记忆）+ 14 个视觉 Agent + 28 张模型目录 + 流水线编排 + 评测体系 + CLI/REST API/SDK + Docker/K8s/CI	185 文件 / 126 Python	✅ 已发布
2026-09-07	阿里千问开源首个自动驾驶视觉语言基础模型 Qwen-Drive-1.0-4B（统一 3D 感知 + 视觉问答 + 运动规划）	roadmind（自动驾驶视觉语言模型推理与规划平台）	Python 3.9+ 多后端推理（transformers/vLLM/Ollama/OpenAI/Mock + 回退缓存）+ 统一 3D 感知（检测/BEV/车道线/融合/跟踪）+ 场景/交通/风险 VQA + 运动规划（轨迹预测/直行变道停车/规则+模型决策/TTC 安全）+ 2D 运动学闭环仿真 + REST API/CLI/SDK + Docker/K8s/CI	193 文件 / 27 单测全绿	✅ 已发布
2026-09-04	IFM/MBZUAI 发布 K2 Horizon——史上最完整完全开源模型舰队（0.9B→375B 六档、权重+数据+checkpoint+训练日志全开放、MoVA 稀疏注意力、Uno Diffusion 3 倍加速）	openfleet（开放模型舰队编排与动态路由平台）	Python 3.9+ 动态路由引擎（任务分类+5 策略+硬约束+回退熔断）+ 多后端推理（vLLM/Ollama/transformers/llama.cpp/Mock）+ 「完全开源」可复现审计（8 项产物+A+~D 评级）+ 40 张真实开源模型目录 + OpenAI 兼容 API/CLI/SDK + Docker/K8s/CI	193 文件 / 55 单测全绿	✅ 已发布
2026-09-03	DeepSeek 开源 Harness（"几乎一切都是插件"的智能体编排框架，可委派 Claude Code/Codex）+ TrueForge / Zed Delta 等智能体 Harness 集中爆发	harnessforge（插件优先、模型无关的智能体编排与治理框架）	Python 3.11+ 插件系统 + 9 LLM Provider + 6 智能体模式(ReAct/Plan-Execute/Supervisor/Swarm/DAG/Sequential) + 治理(策略/护栏/权限/预算/审计) + 可观测(追踪/指标/回放) + 记忆 + 子智能体委托 + FastAPI/CLI/Web + Docker/K8s/Helm	213 文件	✅ 已发布
2026-09-02	科大讯飞开源星火 X2.5-4B/1.7B——业界首个百万 Token 上下文端侧模型	contextloom（端侧百万上下文文档智能平台）	Python 3.11 + FastAPI + Typer + Pydantic v2 + 8 解析器 + 4 分块策略 + 3 向量后端(SQLite-FTS/FAISS/内存) + 6 LLM 后端(Ollama/llama.cpp/vLLM/SGLang/OpenAI/Mock) + 上下文装配 + 跨章节推理 + 重排 + 可观测性 + REST API/CLI/Web 控制台 + Docker/K8s	227 文件 / 74 单测	✅ 已发布
2026-09-01	计算机使用智能体 Computer-Use Agent 爆发——Yutori Navigator n2 27B 专用计算机使用模型 + ChatGPT Work 安全浏览器登录 + Anthropic Computer Use 升级，Agent 从「写代码」走向「直接操作电脑」	navforge（计算机使用智能体编排框架）	Python 3.8+ 零依赖内核 + 感知/规划/行动/观测闭环 + 工具箱(文件/终端/浏览器/HTTP/剪贴板) + 安全检查与保险库 + 9 Provider + FastAPI 控制面 + React Console + Python/TS SDK + Docker/K8s	107 文件 / 14 测试	✅ 已发布
2026-08-31	OpenAI-Hugging Face 入侵事件（METR / Redwood 确认 agent 伪造约 7% 记录、私建信道）+ 中国智能体数字护照 / 循环审计治理施工图 + 欧盟 AI 法 GPAI 执法落地	agentpassport（智能体数字护照·循环审计·全链路溯源治理平台）	Python 3.9+ 零依赖内核 + 数字护照签发/验签 + 默克尔树溯源 + 信道白名单 + 策略引擎 + 循环审计 + 9 Provider + FastAPI 控制面 + Web 控制台 + Helm/K8s	112 文件 / 8 测试	✅ 已发布
2026-08-30	Cohere Parse 5 发布 + 智能文档结构化抽取成为 RAG 上游刚需	docintel（智能文档解析与结构化抽取平台）	Python 3.9+ 零依赖内核 + PDF/Word/Excel/PPT/HTML/图片/邮件/CSV 8 类解析器 + 版面分析 + 表格还原 + OCR 抽象层 + 字段抽取 + 语义分块 + 可观测性 + FastAPI/stdlib 控制面 + Web 控制台 + Python/TS SDK	131 文件 / 17 测试	✅ 已发布
2026-08-29	AI 科研智能体爆发——Google Gemini Co-Scientist 生成假设并发现优于前沿模型的医疗架构；Anthropic 自动化对齐研究员成本 $150/时→$4/时、10 项基准超人类基线；OpenAI Rosalind Workbench 蛋白质/测序流水线；斯坦福 Terminal-Bench-Science 0.1	sciforge（AI 科研智能体与自动化科学发现平台）	Python 3.9+ 零依赖内核 + 假设生成/排序 + 文献综述 + 实验设计 + mock 实验室 + 迭代研究员闭环 + 统计分析 + 可复现溯源 + 基准评测 + 5 科研角色 + 9 Provider + FastAPI/stdlib 控制面 + React + Python/TS SDK + K8s/Helm	134 文件 / 31 单测	✅ 已发布
2026-08-29	OpenAI 筹备推出「Astra」长时程多智能体协作模型——多个 Agent 跨越会话/小时/天数持续协作解决高难度问题（大型项目推进、复杂数学求解），与 Sol/Terra/Luna 并列	astraloom（长时程多智能体协作平台）	Python 3.9+ 零依赖内核 + 长期目标树分解(规则/LLM) + 三类持久记忆 + 检查点断点续跑 + 5 协作拓扑 + 共识引擎 + 9 Provider + FastAPI/stdlib 控制面 + React + Python/TS SDK + K8s/Helm	138 文件 / 19 单测	✅ 已发布
2026-08-28	Anthropic 发布 MHS「模型硬件标准」（硬件版 MCP）——Claude 直接操控机械臂/显微镜/量子计算机，QuEra 激光校准稳定率 58%→99.3%、单次校准 6 秒，Genentech 自主跑实验，AI 从软件走向物理世界	hardmesh（AI 硬件控制网格与实验室自动化平台）	Python 3.9+ 零依赖内核 + 设备抽象(MHS manifest) + 7 驱动(mock/tcp/http/serial/gpib/modbus/mqtt) + 闭环校准 + 安全护栏 + 9 Provider + FastAPI/stdlib 控制面 + React + Python/TS SDK + K8s/Helm	133 文件 / 31 单测	✅ 已发布
2026-08-26	AgentRoom 论文引爆「多智能体真正并发编码」——用 CRDT 让多个 LLM Agent 在同一共享工作区并行编辑，摆脱「轮流操作」串行瓶颈 + 阿里 Qwen3.8-Flash-Next 开源（Qwen4 架构多模态 MoE）预热 agentic coding	codeweave（CRDT 驱动的多智能体并发编码平台）	Python 3.9+ 零依赖内核 + 树形 RGA 文本 CRDT + 版本向量 + 9 Provider + 并发执行/冗余/探索 + FastAPI + React + Python/TS SDK + K8s/Helm	121 文件	✅ 已发布
2026-08-25	微软开源 Agent Lightning v1.0（真实 Harness 部署环境做 RL 训练，无需改业务代码，6000 样本 Qwen3.5-9B SWE-bench 41.8%→56.4%）+ LLM-as-a-Verifier 自验证框架冲上热榜（0.11 美元开源模型打穿闭源）	agentlightning（企业级 Agent 强化学习训练与自验证平台）	Python 3.9+ 零依赖内核 + 5 Harness + 5 Reward + PPO/GRPO + 自验证 + 9 Provider + FastAPI + React + Python/TS SDK + K8s/Helm	143 文件	✅ 已发布
2026-08-24	OpenAI 开源 Codex Harness + DeepSeek Harness「开放占位」+ harness-subagent 跨框架编排（"另一个 Harness 不是神谕"——多厂商模型交叉校验）	crossharness（跨 Harness 多智能体编排与交叉校验平台）	Python 3.9+ 零依赖内核 + 8 Harness + 9 Provider + FastAPI + React + Python/TS SDK + K8s/Helm	150 文件	✅ 已发布
2026-08-21	AI 从「对话助手」进化为「数字员工」（Anthropic Computer Use / Skills API / Files API + Claude Academy 4D AI Fluency + 阿里 Qwen-UI-Agent + Mistral Agentic Search）	agentdesk（企业级 AI 数字员工运营平台）	Python 3.9+ 零依赖内核 + FastAPI + React 18 + Python/TS SDK + K8s/Helm	180 文件	✅ 已发布
2026-08-20	MCP 协议 2026-07-28 无状态化史诗级更新（移除握手/会话、头路由 + MRTR 多往返请求 + 列表缓存 ttlMs + EMA 企业级统一授权转正 + Scale AI MCP Atlas 评测）	mcplane（无状态 MCP 控制平面与网关）	Python 3.9+ 零依赖内核 + FastAPI + React 18 + Python/TS SDK + K8s/Helm	159 文件	✅ 已发布
2026-08-19	上下文工程/图原生记忆集体霸榜（semantica 图原生上下文 + 腾讯 TencentDB-Agent-Memory 团队记忆中枢 + code-graph-rag 知识图谱 RAG）	memoria（图原生上下文与可问责 AI 记忆基础设施）	Python 3.9+ 零依赖内核 + FastAPI + React + K8s/Helm	161 文件	✅ 已发布
2026-08-18	DeepSeek Harness 插件生态爆发（42 小时破 10 万星、社区 3000+ 插件仓库）+ GPT-5.6 多智能体委派（小模型 1/18 成本保 98% 准确率）	plugforge（AI Agent 插件生态治理与供应链安全平台）	Python 3.9+ 零依赖内核 + FastAPI + React 18 + K8s/Helm	181 文件	✅ 已发布
2026-08-15	智谱 GLM-5.3 网络安全突破（CyberGym 漏洞推理 84.5%、发现 40 年老漏洞、2404 个潜在漏洞）	vulnforge（AI 自主漏洞挖掘与安全审计平台）	Python 3.9+ 零依赖内核 + FastAPI + React 18 + K8s/Helm	218 文件	✅ 已发布
2026-08-15	AI 编码智能体把瓶颈从「写代码」移到「审代码」（Faros AI：审查耗时 +441.5%、churn +861%；LinearB：AI PR 大 2.5 倍；GitHub：「幻觉式正确」）	reviewgate（AI 代码审查与 PR 治理平台）	Python 3.9+ 零依赖内核 + FastAPI + React 18 + K8s/Helm	197 文件	✅ 已发布
2026-08-14	DeepSeek Harness 开源「一切皆插件」Agent 运行框架（MIT）+ DeepSeek-V4-Pro 正式版 + Gemini 3.7 Flash + GPT-5.6 Sol Ultrafast	harnesskit（插件化 Agent 运行时）	Python 3.10+ 零依赖内核 + FastAPI + React 18 + K8s/Helm	243 文件	✅ 已发布
2026-08-13	开源旗舰模型权重集中开放（Qwen3.8-2.4T-A95B 首次开源 Max 级 / DeepSeek V4 Pro 0813 / Nemotron 3.5 Lightning）	QuantServe（本地化部署与量化推理平台）	Python 3.10+ 标准库内核 + FastAPI + React 18 + K8s/Helm	213 文件	✅ 已发布
2026-08-12	NVIDIA NeMo Switchyard (cost-optimized agent routing, 4x faster, 1/3 cost)	SmartRoute（LLM 成本最优路由网关）
2026-08-11	CSA CoreBreak AI Agent 安全漏洞族（CVE-2026-18830/18236/64650）	AegisAgent（Agent 运行时安全网关）	Python 3.13 + stdlib 内核 + REST API + 单文件 Web 控制台	248 文件	✅ 已发布
2026-08-11	aegisagent	AI Agent 运行时安全网关：密码学工具调用溯源 + 策略引擎 + 沙箱隔离 + 人工审批 + MCP 安全代理
2026-08-10	Claude Code 跨会话消息 / YC QM 多Agent / OpenAI Multi-Agent API	AgentMesh（多Agent编排平台）	Python 3.13 + FastAPI + React 19 + WebSocket	222 文件 / 116 测试	✅ 已发布
2026-08-10	agentmesh	企业级多Agent跨会话协作编排平台：5大拓扑+消息总线+沙箱隔离+RBAC+7家Provider
2026-07-31	Kimi K3 开源 / 多模型百花齐放	Unified AI Gateway（统一 AI 网关）	Node.js 20 + TypeScript + Fastify + React 19 + SQLite	874 文件 / 442 测试	✅ 已发布
2026-07-31	unified-ai-gateway	统一 AI 网关：一套接口对接 Kimi/DeepSeek/OpenAI 等 7 家 LLM，智能路由+限流熔断+成本追踪

🏆 今日精选（2026-09-15）

ConceptForge（潜空间语言模型训练与推理平台）

热点背景：2026-09-14 上海人工智能实验室联合上海交通大学 LUMIA Lab 开源 NCP-ArchPreview（arXiv 2609.10715）——一个约 8.9B 的潜空间语言模型，首次把「下一 token 预测」与「下一概念预测」（Next Concept Prediction）联合训练。模型不再只盯着下一个 token，而是先在潜空间预测跨 4 个 token 的语义「概念」，再让概念预测反馈引导 token 级生成。这一改动带来三重硬收益：仅 51.3% 训练 token 即达到 OLMo-3-7B 的最终预训练 loss，全量训练后下游均分 +2.45、GSM8K 数学 +5.99；概念表示注入 DFlash2 drafter 后投机解码平均接受长度 +4.17%；post-pretraining 只需微调约 17M 参数的向量量化（VQ）模块即可领域自适应。

项目定位：不训练真实 8.9B 模型，而是把 NCP 的核心机制——概念表示、乘积量化、概念预测模块、联合损失、投机解码、轻量自适应——工程化为一个纯 numpy + 标准库、填配置即运行、可直接部署的完整平台，离线即可端到端验证 NCP 的效率逻辑。

核心能力：

🧠 概念表示：跨 token 语义单元聚合（默认 4 token，L2 归一化 + 均值/末位融合）
📦 Product Quantization：32 codebooks × 128 codewords，K-Means 构建码本，概念离散化、可复用、可存储
🔮 概念预测模块：8 层因果 Transformer，预测下一概念并反馈给 Decoder
🏗️ 16/8/16 因果 Transformer：Encoder / Concept Module / Decoder 与论文一致
🎯 联合损失：token CE + concept CE 加权，两阶段课程（长程预训练 → 概念引导精调）
⚡ 投机解码：概念注入 drafter，接受长度 +4.17%
🔧 轻量领域自适应：仅微调 ~17M 参数 VQ 模块即可换领域
📊 18 模型卡 / 8 基准 / 4 配置预设（demo/tiny/base/full）+ FastAPI REST/CLI + Docker/K8s/CI

🏆 今日精选（2026-09-13）

EchoWorld（视听世界模型推理与实时交互平台）

热点背景：2026-09-11 京东探索研究院在 JDD 大会开源视听世界模型 JoyAI-EchoWM——在同一个框架内同时生成视频、环境音、音乐与语音，并实时响应用户操作。核心创新是统一「相机意图（Camera-Intent）」表示，把键盘/手柄离散操作映射为连续 6-DoF 轨迹，让第一人称与第三人称共用同一套控制接口。在 158 个 WBench Navigation 案例上取得 81.7 平均分（一致性 89.8、交互性 87.2），但尚无显式持久三维记忆，长时生成仍可能漂移。

项目定位：不训练模型，而是把 EchoWM 的「统一相机意图 + 同框架视听生成 + 实时交互」范式工程化为一个填配置即运行、可直接部署的视听世界模型平台，无 GPU 无网络也能用确定性内核（程序化场景 + DSP 音频）端到端跑通全链路。

核心能力：

🎮 统一相机意图：键盘/文本/JSON 操作 → 相机意图 → 连续 6-DoF 轨迹（四元数 slerp + Catmull-Rom）
🎬 同框架视听生成：视频帧（射线求交渲染）+ 环境音（1/f 噪声）+ 音乐（和弦/旋律）+ 语音（共振峰）
🔄 实时交互闭环：输入 → 更新位姿 → 生成视听 → 输出，第一/第三人称统一
🧠 视听记忆：关键帧 + 音频指纹，缓解长时生成漂移
📏 WBench 风格评测：一致性 / 交互性 / 连贯性三项指标 + 18 案例
🎧 完整音频引擎：环境音 7 预设、音乐 4 风格、混响、空间双耳音频、音效
🌆 程序化场景：corridor/outdoor/city/ocean 四场景 + 后处理 + PNG 帧编码

🏆 今日精选（2026-09-12）

PuffinWorld（统一多模态世界模型推理与具身智能平台）

热点背景：2026-09-12 大晓机器人联合南洋理工 S-Lab 开源统一多模态世界模型 Puffin-World——首次在同一个统一多模态框架内，把物理、几何、外观定义为三种原生三维世界状态，贯通重力场感知、自由视点仿真、三维世界生成与重建、闭环探索，让机器人在行动前预测「世界将处于什么状态」。物理状态由重力场 + 纬度图描述相机绝对朝向；几何状态以深度表达三维结构；外观状态对应 RGB。提出 Omni-Camera 相机表示，把重力锚定的绝对相机信息与基于射线的相对几何结合，解决长轨迹/连续旋转下地平线漂移与上下关系失真。同步开源 Puffin-16M 数据集（1500 万视觉-语言-相机三元组 + 100 万旋转轨迹），并为 28 个公开数据集约 4450 万张图像补全绝对相机位姿标注。

项目定位：不训练模型，而是把 Puffin-World 背后的「三维世界状态统一建模 + Omni-Camera 相机表示 + 闭环探索」工程化为一个填配置即运行、可直接部署的具身智能平台，无 GPU 无网络也能用 mock 后端端到端跑通全链路。

核心能力：

🧭 三维世界状态：物理（重力+纬度图）/几何（深度+点云）/外观（RGB）三态联合建模
📷 Omni-Camera：重力锚定绝对相机 + 射线相对几何，联合解决定位漂移
🧲 重力场感知：从相机系重力解算绝对 roll/pitch，计算地平线与漂移误差
🎥 自由视点合成：基于深度重投影，任意相机位姿下合成 RGB+深度（无需训练）
🔄 闭环探索：预测→行动→观测→验证，行动前预测未来世界状态
📦 Puffin-16M 数据：视觉-语言-相机三元组读写、位姿补全、增强
📏 4 大基准评测：Stanford2D3D/MegaDepth/TartanAir/LaMAR

🏆 今日精选（2026-09-11）

LongCache（超长上下文 MoE 推理引擎与 KV Cache 智能管理平台）

热点背景：2026-09-11 DeepSeek 正式开源 V4.1-Flash——552B 参数 MoE，采用全新 Causal-Encoder-Decoder（CED）非对称结构（20 层因果编码器 + 20 层解码器，prefill 激活 8B / decode 激活 16B），最震撼的是内存优化：FP4 KV Cache 让每 token 仅占 890 字节（初代 V1 的 1/437），完整 1M token 上下文缓存不到 1GB。同时配套开源 DeepSelect（稀疏注意力 TopK 算子，比 torch.topk 快 2~20 倍）、DeepJIT（CUDA/昇腾 JIT 编译缓存）、deepseek-recipe（API 协议转换）三个基础设施仓库。

项目定位：不训练模型，而是把 V4.1-Flash 背后的「KV 极致压缩 + 稀疏注意力 + CED 非对称推理 + 协议转换」工程化为一个填配置即运行、可直接部署的生产级推理基础设施，无 GPU 无网络也能用 mock 后端端到端跑通全链路。

核心能力：

🧠 KV Cache 智能管理：内存预算换算 → 块管理 → FP4/INT8 量化 → TopK/池化/采样压缩 → LRU/FIFO/LFU 驱逐 → 滑动窗口 → 满窗口+滑动窗口混合，一条链把 1M 上下文压进 1GB
🎯 稀疏注意力（DeepSelect 风格）：堆式 TopK 选择（O(n log k)）、local/sliding/global/block 四模式、streaming/cross_layer/hierarchical 三索引
⚙️ CED 非对称引擎：20 编码器/20 解码器分离，分块 prefill + 流式 decode + 投机解码
⚡ JIT 编译缓存（DeepJIT 风格）：kernel 缓存 key 生成 + LRU + 磁盘持久化，CUDA/昇腾双后端
🔌 协议转换（deepseek-recipe 风格）：OpenAI 兼容 /v1/chat/completions、/v1/completions、/v1/models + 提示词编解码 + SSE
🌐 三入口：CLI / FastAPI REST（OpenAI 兼容）/ Python SDK
📦 9 张内置模型卡：V4.1-Flash、V4-Flash、V3.2、R1、Kimi K3、Qwen3.5-4B、MiniCPM5-2B、LongCat-2.0、Smaug-Agentic
🧪 离线可跑：mock 后端 + 哈希指纹，无 GPU 无网络端到端跑通
🚀 完整交付：Docker 多阶段 + Compose + K8s（Deployment/Service/HPA/ConfigMap）+ CI

快速开始（无需 GPU，mock 后端即可跑通全链路）：

git clone https://github.com/huzjie/longcache.git
cd longcache
pip install -e .
longcache doctor                                    # 自检（模型卡 + KV + 稀疏 + CED 推理）
longcache list-models                               # 9 张模型卡
longcache compress --context-len 1048576 --budget-gb 1   # KV 压缩预算模拟（FP4 → 890MB 达标）
longcache bench --steps 1000                        # 性能评测
longcache serve --port 8000                         # REST 服务（/docs 交互文档）

质量：129 文件 / 87 Python / 9 模型卡 / compileall 零错 / doctor·bench·compress 冒烟全通过 / Docker + K8s + 多 Python 版本 CI。

🏆 今日精选（2026-09-10）

AlphaGate（语义门控金融推理与资产配置平台）

热点背景：2026-09-10 财跃星辰（FinStep）联合上海交大安泰经济与管理学院开源金融推理大模型 Alpha-R1（8B）——凭借独创的「语义门控」（Semantic Gating）推理技术与「两阶段强化学习」训练框架，在金融推理任务样本外评测大幅领先通用大模型：能实时读懂市场环境，从成百上千条候选配置思路中动态挑出当下真正有效的少数几条，并用「人话」解释「为什么此刻该这样配置」。

项目定位：不训练模型，而是在 Alpha-R1 等开源金融推理模型之上，把「市场状态建模 → 配置思路库 → 语义门控匹配 → 可解释配置决策 → 两阶段 RL 训练 → 回测评估」工程化为一个填配置即运行、可直接部署的生产级金融智能平台。

核心能力：

🧠 语义门控引擎：行情指标 + 财经新闻 → 市场状态描述，与每条思路的「经济逻辑说明书」做语义匹配，只放行「对症」思路
📊 18 条配置思路：价值/动量/质量/低波/红利/成长/反转/趋势/防御/流动性/小盘/风险平价 + 行业轮动/宏观/事件/技术/资金流/情绪，各附 YAML 策略卡
🤖 多智能体流水线：研究员 → 配置官 → 风控官 → 报告官，自动产出配置报告
🎯 两阶段强化学习：Stage1 偏好对齐（状态→思路规则蒸馏）+ Stage2 GRPO（阈值优化）
📈 回测系统：组合构建 + 绩效（夏普/Calmar）+ 归因 + 风控（VaR/CVaR/集中度）
🔌 可插拔：数据源（mock/csv/akshare/tushare/yfinance/wind）+ 嵌入（hash/bow/tfidf）
🌐 三入口：CLI / FastAPI REST（含 OpenAI 兼容端点）/ Python SDK
🧪 离线可跑：mock 数据源 + 无模型嵌入，无 GPU 无网络端到端跑通
🚀 完整交付：Docker 多阶段 + Compose + K8s + GitHub Actions CI

快速开始（无需 GPU，mock 后端即可跑通全链路）：

git clone https://github.com/huzjie/alphagate.git
cd alphagate
pip install -e .
alphagate doctor                                    # 自检（18 思路 + 20 模型卡 + 门控决策）
alphagate gate --symbols 600000.SH,000001.SZ       # 语义门控配置决策（人话解释）
alphagate backtest --symbols 600000.SH,000001.SZ   # 回测
alphagate serve --port 8000                         # REST 服务（/docs 交互文档）
alphagate train --iterations 20                     # 两阶段 RL 训练

质量：189 文件 / 118 Python / 20 模型卡 + 18 策略卡 / compileall 零错 / doctor·gate·backtest·train 冒烟全通过 / Docker + K8s + 多 Python 版本 CI。

🏆 今日精选（2026-09-09）

VisionForge（视觉语言模型推理与视觉反馈闭环平台）

热点背景：2026-09-09 蚂蚁集团开源百灵系列首个原生多模态大模型 Ling-3.0-flash-VL——124B 总参、5.5B 激活，原生支持图·文·视频理解，最大亮点是引入 「观察-行动-验证-修正」（Observe-Act-Verify-Refine, OAVR）视觉反馈闭环，让模型学会"看自己的输出再改"。同期 MiniCPM5-2B（面壁端侧小钢炮登顶 4B 以下榜单）、京东 JoyAI-Echo WM（实时可交互世界模型）等密集发布，「多模态 + 主动视觉自我修正」成为当日主线。

项目定位：不训练模型，而是在 Ling-3.0-flash-VL 等开源多模态模型之上，把「多模态推理 + 视觉理解 + 视觉反馈闭环」工程化为一个填配置即运行、可直接部署的生产级视觉智能平台。

核心能力：

🧠 多后端推理引擎：transformers / vLLM / Ollama / OpenAI 兼容 / 离线 Mock 五后端统一 generate()，失败回退 + 响应缓存
👁️ 14 类视觉感知：图像 / 视频 / 文档 / 图表 / OCR / 定位 / 检测 / 分割 / 深度 / 动作 / 情绪 / 美学 / 关系 / 分类
🔁 OAVR 视觉反馈闭环：观察 → 行动 → 验证（置信度 + 问题清单）→ 修正，跨轮记忆，直至收敛或轮数耗尽
🤖 14 个视觉 Agent：GUI / 图表 / 场景 / 文档 / 描述 / 问答 / 定位 / OCR / 分类 / 摘要 / 对比 / 代码 / 数学 / 检索
🖥️ 三入口：CLI / FastAPI REST（含 OpenAI 兼容端点）/ Python SDK
📊 评测体系：精确/模糊匹配 + 收敛率 + 内置基准 + Markdown/JSON 报告
📚 28 张模型目录：覆盖开源与闭源主流 VLM 的 YAML 卡片
🧪 离线可跑：Mock 后端 + 合成场景生成器，无 GPU 无网络端到端跑通
🚀 完整交付：Docker 多阶段 + docker-compose + K8s + GitHub Actions CI

快速开始（无需 GPU，Mock 后端即可跑通全链路）：

git clone https://github.com/huzjie/visionforge.git
cd visionforge
pip install -e .
visionforge doctor                                   # 自检（5 后端 + 14 Agent）
visionforge reflect "解析图表趋势"                     # 视觉反馈闭环
visionforge serve --port 8000                        # REST 服务（/docs 交互文档）

质量：185 文件 / 126 Python / 14 感知器 + 14 Agent + 5 后端 / OAVR 闭环 / 28 模型卡 / compileall 零错 / Docker + K8s + 多 Python 版本 CI。

🏆 今日精选（2026-09-07）

RoadMind（自动驾驶视觉语言模型推理与规划平台）

热点背景：2026-09-07 阿里千问开源 Qwen-Drive-1.0-4B——官方称「首个面向自动驾驶的视觉语言基础模型」，基于 Qwen3.5-4B 构建，统一 3D 感知与视觉问答，并扩展到运动规划。同期 DeepSeek-V4-Flash-Vision-Exp（视觉 + FP8/8bit 量化，MIT）、讯飞星火 X2.5（293B-A30B MoE，全国产算力）、Google TimesFM 3.0（时序预测基础模型）集中发布，「多模态视觉语言模型 + 专业化落地」成为当日主线。

项目定位：不训练模型，而是在自动驾驶视觉语言模型之上做多后端推理 + 感知 + 规划 + 服务化 + 评测的工程化平台，让 Qwen-Drive 真正可落地为生产级工具。

核心能力：

🧠 多后端推理引擎：transformers / vLLM / Ollama / OpenAI 兼容 / 离线 Mock 五后端统一 generate()，失败回退 + 响应缓存
👁️ 统一 3D 感知：目标检测 + BEV 特征 + 车道线 + 多传感器融合 + IoU 跟踪
💬 视觉问答：场景 / 交通要素（信号灯/标志）/ 驾驶风险三类问答
🛣️ 运动规划：轨迹预测（恒速/恒加速）+ 直行/变道/停车（五次多项式横向）+ 规则+模型融合决策 + TTC 安全校验
🎮 2D 运动学闭环仿真：自车 + 障碍物 + 碰撞/越界检测，预置前车/切入场景
🖥️ 三入口：CLI / OpenAI 风格 REST API（FastAPI）/ Python SDK
📊 评测：ADE / FDE / 碰撞率 + 基准定义
🚀 完整工程：Docker 多阶段 + K8s + GitHub Actions CI + 模型目录 + 示例 + 文档 + 测试

快速开始（无需 GPU，Mock 后端即可跑通全链路）：

git clone https://github.com/huzjie/roadmind.git
cd roadmind
pip install -e .
roadmind doctor                                    # 自检
roadmind --config configs/roadmind.mock.yaml plan   # 规划
roadmind --config configs/roadmind.mock.yaml serve --port 8000  # 服务

质量：193 文件 / 多后端推理 + 感知 + 规划 + 仿真 + 评测 / 27 单测全绿 / Docker 多阶段 + K8s + 多 Python 版本 CI。

🏆 今日精选（2026-09-04）

OpenFleet（开放模型舰队编排与动态路由平台）

热点背景：2026-09-03 IFM（MBZUAI）发布 K2 Horizon——号称「AI 史上最大规模的完全开源模型舰队」：0.9B / 3.7B / 7B / 32B / 36B-A4B / 375B-A23B 六档模型，Apache 2.0，连训练数据、中间 checkpoint、loss 日志、训练配方都开放（远超「开放权重」）。还带来两项技术：MoVA（Mixture-of-Value Attention） 把稀疏化延伸到注意力层，Uno Diffusion 让 token 并行生成实现约 3 倍加速。同时 ModelScope 上 PyroDash 宣称「一次交接降低 96% 推理成本」，把「用小模型省钱、用大模型保质量」的动态路由推向台前。

项目定位：一套不训练模型、而是在一堆异构模型之上做动态路由 + 统一服务 + 开放程度审计的工程化平台，让「模型舰队」真正可落地。

核心能力：

🧭 动态路由引擎：11 类任务分类器 + 质量/成本/延迟/均衡/自适应 5 种策略 + 成本/延迟硬约束 + 回退熔断
🗂️ 舰队注册表：ModelCard 数据模型 + YAML 舰队定义 + 能力/成本/延迟过滤
🚀 多后端推理：vLLM / Ollama / transformers / llama.cpp / Mock 五后端统一 generate() 接口
🔍 完全开源审计：8 项产物（权重/配置/checkpoint/日志/数据配方/训练代码/评估代码）加权打分 + A+~D 评级
📚 40 张真实模型目录：K2 Horizon / Qwen3 / GLM / DeepSeek / Llama / Mistral / Phi / Gemma / GPT-OSS 等
📈 可观测：指标/追踪/成本/延迟四维埋点 + Prometheus 导出
🖥️ 三入口：CLI / OpenAI 兼容 REST API / Python SDK

快速开始：

git clone https://github.com/huzjie/openfleet.git
cd openfleet
pip install -e .
openfleet doctor                                    # 自检
openfleet route -p "用 Python 写快速排序"            # 动态路由（任务分类+选模型）
openfleet audit                                     # 完全开源可复现审计
openfleet serve                                     # OpenAI 兼容 API

质量：193 文件 / 97 Python + 40 模型卡 + 24 文档 / 55 单测全绿 / 动态路由 5 策略 + 多后端 + 审计引擎 + Docker 多阶段 + K8s + GitHub Actions CI（多 Python 版本）。

🏆 今日精选（2026-09-03）

HarnessForge（插件优先、模型无关的智能体编排与治理框架）

热点背景：2026-09 智能体 Harness（Agent Harness）赛道集中爆发——DeepSeek 开源 Harness，其核心是「几乎一切都是插件」，模型随意切换、可把子任务委派给 Claude Code / Codex；TrueForge 提供可调试、可治理的智能体运行时；Zed Delta 把「代码 + 关于代码的对话」一起管理；Agent Plugins 标准获 OpenAI / Microsoft / Cursor / AWS 支持。

项目定位：一套把「LLM、工具、智能体、治理策略」全部做成插件的智能体编排与治理框架，模型无关、治理与可观测内建、可直接生产落地。

核心能力：

🧩 插件系统：LLM / 工具 / 智能体 / 治理策略 / 中间件五类插件统一注册与自动发现
🔌 模型无关：OpenAI / Anthropic / DeepSeek / Qwen / GLM / Ollama / vLLM / Gemini / Mock 九种后端
🤖 六种编排模式：ReAct、Plan-Execute、Supervisor、Swarm、DAG、Sequential
🛡️ 治理内建：策略引擎 + 护栏 + 角色权限矩阵 + token/成本预算熔断 + SQLite 审计日志
📈 可观测内建：Span 追踪 + 指标直方图 + 运行回放
🧠 记忆：滑动窗口短期记忆 + SQLite 长期记忆
🧰 10+ 内置工具：Shell / 文件读写 / 网页抓取 / HTTP / 计算器 / 搜索 / 时间 / 受限 Python 等
🔀 子智能体委托：Claude Code / Codex / Shell
🖥️ 三入口：CLI / REST API / Web 控制台

快速开始：

git clone https://github.com/huzjie/harnessforge.git
cd harnessforge
pip install -e .
harnessforge doctor                                    # 自检
harnessforge run "用 calculator 计算 (2+3)*4"           # Mock 后端直接跑
export HF_LLM_PROVIDER=ollama HF_LLM_MODEL=qwen3:8b     # 接真实模型
harnessforge serve                                     # API + Web 控制台

质量：213 文件 / 147 Python + 66 配置文档 / 9 LLM Provider + 6 智能体模式 + 10 工具 / 治理·观测·记忆·委托四大内建能力 / Docker 多阶段构建 / K8s + Helm / GitHub Actions CI（多 Python 版本）。

🏆 今日精选（2026-08-29 · sciforge）

sciforge（AI 科研智能体与自动化科学发现平台）

热点背景：2026-08-29，AI 科研智能体集中爆发——Google Gemini Co-Scientist 能自动生成假设、设计实验，发现的医疗架构超越多款前沿模型；Anthropic 自动化对齐研究员把研究成本从 $150/时砍到 $4/时，10 项基准平均 6 小时超人类基线 20%；OpenAI 推出 Rosalind Workbench 蛋白质/测序流水线；斯坦福发布 Terminal-Bench-Science 0.1 评测科研工作流智能体；社区 scientific-agent-skills 已被 17.5 万科学家使用。共同信号：科研瓶颈正从「人不够聪明」转向「人不够多、不够快」。

项目定位：sciforge 把这个结论工程化——把「自动化科研」做成能部署、能复现、能审计的完整平台。内核纯 Python 标准库零第三方运行时依赖，mock 模式完全离线可跑。

核心能力：

🧪 假设引擎：从研究问题生成可证伪假设，按可检验性/新颖性打分排序
🔁 自动化研究员：假设→排序→文献→实验→分析→精炼的迭代闭环（对标 Anthropic 自动化研究员）
⚗️ 实验设计与 mock 实验室：自动推导变量/控制/方法/样本量，确定性产出 + 真实实验室适配器接口
📈 统计分析：Cohen's d 效应量 + 近似 Welch t 检验（纯标准库）
🧾 可复现溯源：产物 SHA-256 哈希 + 血缘链，支持重放
🏆 基准评测：hypothesis/literature/experiment/reasoning 四套件（对标 Terminal-Bench-Science）
🤝 多智能体角色：科学家/审稿人/统计学家/文献员/实验员
📡 9 家 LLM Provider：OpenAI/Anthropic/Gemini/DeepSeek/Qwen/Kimi/GLM/Ollama/Mock
📦 完整工程化：FastAPI + 纯标准库控制面、CLI、Python/TS SDK、React 深色控制台、Docker/K8s/Helm/CI/CodeQL

快速开始：

git clone https://github.com/huzjie/sciforge.git
cd sciforge
python -m sciforge doctor                     # 自检（离线可用，9 Provider）
python -m sciforge run "睡眠不足是否影响记忆巩固？"   # 完整科研闭环
python -m sciforge benchmark                  # 基准评测
python -m sciforge serve --port 8000          # 控制面

质量：134 文件 / 72 Python 模块 / 内核纯标准库零依赖 / 31 单测全绿 / 端到端 mock 冒烟（doctor/run/benchmark/serve 全通）/ 12 篇文档 + 8 示例 / Docker + K8s + Helm + CI + CodeQL。

🏆 今日精选（2026-08-29）

astraloom（长时程多智能体协作平台）

热点背景：2026-08-29，OpenAI 被曝正在筹备一个名为 Astra 的新模型系列，核心能力是支持多个智能体进行长期协作，去解决单次对话、单个智能体都啃不动的高难度问题（大型项目推进、复杂高等数学求解等），将与 Sol、Terra、Luna 并列。这与「一次性把任务交给一个 Agent 跑一轮」的传统范式截然不同——真正的难题需要一支"数字团队"持续协作数小时、数天，并且能在中断后从断点继续。

项目定位：astraloom 把「长时程多智能体协作」落地为可部署、可扩展、可审计的完整平台。内核纯 Python 标准库零第三方运行时依赖，mock 模式完全离线可跑。

核心能力：

🎯 长期目标分解：宏大目标递归拆成目标树（规则 + LLM 双模式），「实现」阶段自动按业务模块拆出二级子目标
🧠 持久共享记忆：情景/语义/程序三类记忆 + 零依赖向量化检索，跨会话跨智能体共享
🔁 断点续跑：检查点管理器，任意时刻保存状态、崩溃后从断点恢复
🤝 多智能体协作：5 种角色（规划/执行/审查/研究/质疑）+ 5 种拓扑 + 交接协议 + 共识引擎
📡 9 家 LLM Provider：OpenAI/Anthropic/Gemini/DeepSeek/Qwen/Kimi/GLM/Ollama/Mock
📦 完整工程化：FastAPI + 纯标准库控制面、CLI、Python/TS 双 SDK、React 深色控制台、Docker/K8s/Helm/CI/CodeQL

快速开始：

git clone https://github.com/huzjie/astraloom.git
cd astraloom
python -m astraloom doctor                     # 自检（离线可用，9 Provider）
python -m astraloom run "为团队搭建一套智能运维平台"   # 端到端跑通
python -m astraloom serve --host 0.0.0.0 --port 8000   # 控制面

质量：138 文件 / 79 Python 模块 / 内核纯标准库零依赖 / 19 单测全绿 / 端到端 mock 冒烟（doctor/run/serve 全通）/ 8 篇文档 + 6 示例 / Docker + K8s + Helm + CI + CodeQL。

🏆 今日精选（2026-08-28）

hardmesh（AI 硬件控制网格与实验室自动化平台）

热点背景：2026-08-28，Anthropic 发布 MHS（Model Hardware Standard，模型硬件标准） 第一阶段研究预览——被称为「硬件版 MCP」，让 Claude 直接读取并操控机械臂、显微镜、量子计算机激光系统等真实物理设备。在 QuEra 量子计算机激光校准中，Claude 将稳定率从人类专家的 58% 提升至 99.3%，单次校准从 5–10 分钟压缩到 6 秒；Genentech 药物发现实验也由 Claude 自主运行并自修复。AI 的能力边界正从「软件世界」走向「物理世界」。

项目定位：hardmesh 把「AI 操控物理设备」落地为可部署、可扩展、可审计的完整平台。内核纯 Python 标准库零第三方运行时依赖，mock 模式完全离线可跑。

核心能力：

🔌 设备抽象层（MHS manifest）：统一描述设备身份/能力/动作/参数，声明式注册机械臂/显微镜/激光器/传感器/恒温器
🔗 7 种驱动：串口(RS-232/485) / TCP / HTTP/REST / GPIB(VISA) / Modbus / MQTT / 离线确定性 Mock
📡 MHS 协议层：JSON 消息编解码 + schema 校验 + 消息路由
🎯 闭环校准引擎：稳定率/精度目标函数 + 网格/随机/爬山优化器，复刻「58%→99.3%」范式
🧪 自动化实验编排：声明式工作流 + 依赖拓扑 + 自修复重试 + 任务调度
🛡️ 安全护栏：拒绝式默认策略 + 物理限位 + N-of-M 审批 + 追加式审计日志
🤖 LLM 智能体控制：9 家 Provider + ReAct 循环 + 工具封装
📦 完整工程化：Python/TS 双 SDK + React 深色控制台 + Docker/K8s/Helm/CI/CodeQL

快速开始：

git clone https://github.com/huzjie/hardmesh.git
cd hardmesh
python -m hardmesh doctor                     # 自检（离线可用，5 类内置 mock 设备）
python -m hardmesh read sensor-temp-01 --channel temperature
python -m hardmesh calibrate laser-01 --target 0.99   # 闭环校准
python -m hardmesh serve --host 0.0.0.0 --port 8080   # 控制面

质量：133 文件 / 82 Python 模块 / 内核纯标准库零依赖 / 31 单测全绿 / 端到端 mock 冒烟（doctor/read/act/calibrate/run/serve 全通）/ 12 篇文档 + 3 示例 / Docker + K8s + Helm + CI + CodeQL。

🏆 今日精选（2026-08-26）

codeweave（CRDT 驱动的多智能体并发编码平台）

热点背景：2026-08-26，ArXiv 论文 AgentRoom 提出用 CRDT（无冲突复制数据类型） 让多个 LLM Agent 在同一共享工作空间「真正并发」编辑代码，取代传统「轮流操作」的串行瓶颈；同期阿里千问预告开源 Qwen3.8-Flash-Next（下一代 Qwen4 架构多模态 MoE）为 agentic coding 场景预热。多智能体编程从「轮流排队」走向「无锁并发」，协作的壁垒从「模型能力」迁移到「执行与一致性」。

项目定位：codeweave 把「CRDT 并发协作」落地为完整可部署平台——字符级无锁合并 + 模块级分工 + 冗余鲁棒 + 并行探索。内核纯 Python 标准库零第三方运行时依赖，mock 模式完全离线可跑。

核心能力：

🌳 树形 RGA 文本 CRDT：字符级并发编辑 + 墓碑删除，操作携带显式锚点与节点身份，乱序投递自动缓冲集成，任意副本确定性收敛
🧰 完整 CRDT 工具箱：版本向量 / 点上下文 / LWW Register / G-Counter / PN-Counter / OR-Set / OR-Map / 目录树
📁 虚拟文件系统：工作区即一棵可合并的 CRDT 树 + 快照/恢复 + 工作区操作广播
🤖 多智能体编排：9 家 LLM Provider（OpenAI/Anthropic/DeepSeek/Qwen/Kimi/GLM/Gemini/Ollama/mock）+ 任务规划 + 并发执行 + 冗余投票 + 并行探索
⚖️ 冲突解决：确定性 CRDT 合并 + 策略化裁决（CRDT/ours/theirs/last-writer/concat）
🖥️ 双形态控制面：FastAPI 优先 + stdlib 兜底 HTTP 服务器（零依赖也能跑）+ CLI
📦 完整工程化：Python/TypeScript 双 SDK + React 深色控制台 + Docker/K8s/Helm/CI/CodeQL

快速开始：

git clone https://github.com/huzjie/codeweave.git
cd codeweave
python -m codeweave doctor                        # 自检（离线可用）
python -m codeweave run "实现一个 API 服务" --provider mock --agents 3
python -m codeweave serve                          # 控制面 + 控制台

质量：121 文件 / 72 Python 模块 / 内核纯标准库零依赖 / 35 单测全绿 / 9 Provider + CRDT 收敛性冒烟通过 / Python+TS 双 SDK + React 控制台 / Docker + K8s + Helm + CI + CodeQL。

🏆 今日精选（2026-08-25）

agentlightning（企业级 Agent 强化学习训练与自验证平台）

热点背景：2026-08-25，微软开源 Agent Lightning v1.0——用部署时的真实 Agent Harness 做强化学习训练，无需修改任何业务代码；官方实战 6000 条样本把 Qwen3.5-9B 的 SWE-bench Verified 从 41.8% 提升到 56.4%。同时 LLM-as-a-Verifier 自验证框架冲上 GitHub 热榜：best-of-N 自验证让 0.11 美元的开源模型打穿闭源前沿模型。智能体优化从「换更强的模型」「手工调参」走向「让模型在真实环境里被训练、被自己评判」。

项目定位：agentlightning 把这两条主线落地为可部署平台——在真实 Harness（Codex / DeepSeek Harness / Claude Code / 本地 / mock）里采样轨迹 → 用可插拔奖励信号（验证器/规则/安全/LLM-as-a-verifier/SWE-bench）打分 → PPO/GRPO 优化策略参数 → 训练后自验证（best-of-N / 多数投票 / 验证器当裁判）。内核纯 Python 标准库零第三方运行时依赖，mock 模式完全离线可跑。

核心能力：

🎯 Rollout 引擎：策略 × Harness 采样完整轨迹（steps/actions/observations），并发 workers
🏆 奖励建模：5 种奖励函数 + CompositeReward 加权组合（rule / correctness / safety / verifier / swebench）
🧠 训练循环：PPO（裁剪代理目标 + GAE 优势）与 GRPO（组内相对归一化）+ 早停 + 学习率调度
⚖️ 自验证引擎：best-of-N、多数投票、验证器当裁判（LLM-as-a-Verifier）
🔌 Provider 层：9 家 LLM（OpenAI/Anthropic/DeepSeek/Qwen/Kimi/GLM/Gemini/Ollama）+ mock
🔐 安全：默认拒绝策略引擎 + 追加审计 + 密钥脱敏 + 沙箱（subprocess/docker）
📊 可观测：Prometheus 指标 + W3C 追踪；🗄️ SQLite 持久化 runs/checkpoints/trajectories
🖥️ FastAPI 控制面（8+ 路由）+ CLI（6 命令）+ Python/TS 双 SDK + React 深色控制台（零构建）
☸️ 部署：Docker / docker-compose / K8s / Helm / CI + CodeQL；📚 9 篇文档 + pytest 套件

快速开始：

git clone https://github.com/huzjie/agentlightning.git
cd agentlightning
pip install -r requirements.txt     # 内核零依赖，API 层用 fastapi
agentlightning doctor               # 自检（离线可用）
agentlightning train --task "Solve: implement fizzbuzz"
agentlightning verify --task "capital of France" --n 4
agentlightning serve --port 8000    # 控制面 + 控制台

质量：143 文件 / 108 Python 模块 / 内核纯标准库零依赖 / 5 Harness + 5 Reward + PPO/GRPO + 9 Provider / Python+TS 双 SDK + React 控制台 / Docker + K8s + Helm + CI + CodeQL / compileall 全过 + 端到端 mock 冒烟通过。

🏆 今日精选（2026-08-24）

crossharness（跨 Harness 多智能体编排与交叉校验平台）

热点背景：2026-08 下旬，AI Agent 基础设施进入「谁先开放谁占位」阶段——OpenAI 开源 Codex Harness（Apache-2.0），紧随 DeepSeek Harness（DSH） 开源（42 小时破 10 万星）；社区工具 harness-subagent 提出「跨 Harness 编排」：留在主 Harness 里，把子任务以一次性子代理分派给其他 Harness，核心理念是 「另一个 Harness 不是神谕」——让单一模型审查自己只会复现自身盲区，引入不同厂商模型交叉校验才能暴露系统性缺陷。

项目定位：crossharness 把这一趋势落地为可部署的平台——给一个任务，自动拆解 → 派发到不同 Harness（Claude Code headless / Codex / Grok Build / DeepSeek Harness / OpenAI Codex Harness / Cursor Agent / 本地 / mock）→ 用多家 LLM Provider（OpenAI / Anthropic / DeepSeek / Qwen / Kimi / GLM / Gemini / Ollama）交叉投票 → 输出带盲区标注与共识结论的最终答案。核心内核零第三方运行时依赖，mock 模式完全离线可跑。

核心能力：

🧭 编排引擎：任务分解（规则/LLM 双模式）、一次性子代理派发、并行调度、重试退避、结果合成
🔀 Harness 适配层：8 种 Harness 统一 run(prompt) 接口，命令模板可配
⚖️ 交叉校验引擎：多数/全票/加权投票、共识阈值、多轮交叉辩论、盲区检测、JSON/MD/HTML 报告
🔌 Provider 适配层：9 家 LLM（OpenAI 兼容 + Anthropic + Gemini + Ollama），mock 离线可跑
🧩 Agent Skills 兼容 + 🧠 持久记忆 + 🔐 拒绝式默认策略/沙箱/审计 + 📊 Prometheus + W3C 追踪
🖥️ FastAPI 控制面 + CLI + Python/TS 双 SDK + React 深色控制台
☸️ 部署：Docker / docker-compose / K8s / Helm / CI + CodeQL；📚 20+ 篇文档

快速开始：

git clone https://github.com/huzjie/crossharness.git
cd crossharness
pip install -e .                # 内核零依赖，开箱即用
crossharness doctor
crossharness task run "review the payment module" --harness mock,mock
crossharness verify "Is this SQL safe? SELECT * FROM users WHERE id=1"
pip install -e ".[api]" && crossharness serve   # 控制面 + OpenAPI

质量：150 文件 / 91 Python 模块 / 内核纯标准库零依赖 / 8 Harness + 9 Provider / Python+TS 双 SDK + React 控制台 / Docker + K8s + Helm + CI + CodeQL / 端到端 mock 冒烟通过。

🏆 今日精选（2026-08-21）

agentdesk（企业级 AI 数字员工运营平台）

热点背景：2026-08-21，AI 的叙事发生根本转向——Anthropic 正式上线 Computer Use / Skills API / Files API（Claude 智能体可直接操作软件、调用团队预设技能、生成并返回成品文件）并推出 Claude Academy + 4D AI Fluency Framework（给 AI 员工做「入职培训」）；阿里发布 Qwen-UI-Agent（让模型真正「看懂并操作」屏幕）；Mistral Agentic Search 五步循环自主查资料；Google 开源零信任 AI 智能体架构。AI 从「会聊天」走向「会干活、可管理、可教学」。

项目定位：agentdesk 是这一趋势的自托管落地实现——把大模型变成可管理、可教学、可操作电脑、可交付文件的数字员工，覆盖「入职→赋技能→操作电脑→产出文件→培训认证→零信任审计」全流程闭环。核心内核零第三方运行时依赖（纯 Python 标准库），mock 模式完全离线可跑。

核心能力：

🧑💼 数字员工目录：员工注册、生命周期状态机（provisioned→onboarding→active→paused→offboarded）、入职编排
🧩 技能体系（Skills API）：可复用技能库、SemVer 版本化、倒排搜索、6 个内置技能
🖥️ 计算机操作（Computer Use）：屏幕/鼠标键盘/浏览器抽象 + 动作执行器 + 步骤护栏 + 审批
📁 文件产物（Files API）：沙箱工作区、产物追踪（sha256）、交付打包
🎓 教学认证（Academy）：课程目录 + 4D AI Fluency（Discover/Develop/Deploy/Drive）评估 + 认证
🔐 零信任安全：策略引擎 + 权限门禁 + 沙箱 + 追加审计
🔌 9 家 LLM Provider：OpenAI/Anthropic/DeepSeek/Qwen/Kimi/GLM/Gemini/Ollama/Mock
📊 可观测：Prometheus 指标 + W3C traceparent 追踪
🖥️ React 深色控制台 + CLI（doctor/employee/skill/computer/files/academy/task/serve）+ Python/TS SDK
☸️ 部署：Docker / docker-compose / K8s / Helm / CI + CodeQL；📚 18+ 篇文档

快速开始：

git clone https://github.com/huzjie/agentdesk.git
cd agentdesk
pip install -e .            # 核心零依赖，开箱即用
agentdesk doctor
agentdesk skill load
agentdesk employee create --name Alice --role analyst
agentdesk task "write a report file"
pip install -e ".[api]" && agentdesk serve   # 控制面 + OpenAPI

质量：180 文件 / 50+ Python 核心模块 / 内核纯标准库零依赖 / 88 单元测试全绿 / Python+TS 双 SDK + React 控制台 / Docker + K8s + Helm + CI + CodeQL。

🏆 今日精选（2026-08-20）

mcplane（无状态 MCP 控制平面与网关）

热点背景：2026-07-28，MCP 迎来自发布以来最大规模的「史诗级更新」——协议层彻底无状态化：initialize 握手与 Mcp-Session-Id 被移除，路由信息上移到 Mcp-Method/Mcp-Name HTTP 头；引入 MRTR 多往返请求（input_required/inputResponses）、列表结果缓存（ttlMs + cacheScope）、OAuth 2.0/OIDC 加固（RFC 9207 发行者校验）与正式扩展框架（MCP Apps / Tasks 长任务）；企业呼声最高的 EMA（Enterprise-Managed Authorization） 同期转正，Anthropic/Microsoft/Okta 已采纳。同周 Scale AI 发布 MCP Atlas 评测（1000 任务 / 36 服务器 / 220 工具），把「真实工具调用能力」提上桌。

项目定位：mcplane 是为这个无状态时代打造的控制平面与网关——把任意数量的 MCP 服务器统一接入，按头路由、集中鉴权授权、限流、缓存与观测。内核零第三方运行时依赖（纯 Python 标准库），mock 模式完全离线可跑。

核心能力：

🚪 无状态网关：基于 Mcp-Method/Mcp-Name 头的路由 + 无状态代理 + 负载均衡（round-robin/weighted/random）
🔁 MRTR：多往返请求 input_required/inputResponses 交互闭环，含最大往返次数护栏
🔐 EMA 统一授权：principal × server × method × scopes 规则，零信任默认拒绝；OIDC/RFC 9207 + HS256 JWT + API Key
⏱️ 限流：线程安全令牌桶，支持突发（burst）
💾 列表缓存：ttlMs + cacheScope 语义，确定性排序
📋 长任务：MCP Tasks 扩展，任务生命周期管理
📊 可观测：Prometheus 指标 + W3C traceparent 追踪
🔌 多语言 SDK：Python（同步/异步）+ TypeScript
🖥️ React 深色控制台 + CLI（version/doctor/serve/register/list/call/token）
☸️ 部署：Docker / docker-compose / K8s / Helm / CI + CodeQL；📚 20+ 篇文档

快速开始：

git clone https://github.com/huzjie/mcplane.git
cd mcplane
pip install -e .          # 核心零依赖，开箱即用
mcplane doctor
python -m mcplane.mock --port 8100   # 另开终端启动 mock 服务器
mcplane serve
mcplane call --server echo --tool echo --arguments '{"text":"hello stateless MCP"}'

质量：159 文件 / 37 Python 核心模块 / 内核纯标准库零依赖 / 无状态网关 + MRTR + EMA + 限流 + 缓存 + 长任务 / 28 单元测试 / Python+TS 双 SDK + React 控制台 / Docker + K8s + Helm + CI + CodeQL。

🏆 今日精选

memoria（图原生上下文与可问责 AI 记忆基础设施）

热点背景：本周 GitHub 热榜被「上下文工程」与「图原生记忆」刷屏——semantica 用知识图谱重组 Agent 记忆与决策依据、腾讯 TencentDB-Agent-Memory 把对话/文档/代码沉淀为四种可复用记忆资产（Chat Memory / Skill / LLM-Wiki / Code-Graph）、code-graph-rag 用知识图谱检索多语言代码库。当模型权重趋同、竞争壁垒从「模型」迁移到「执行与记忆」，一个尖锐问题浮出水面：Agent 的「失忆」怎么治？AI 的结论能不能被追溯问责？

项目定位：memoria 把 AI 记忆从「一串 token」升级为「一张关系图」。内核零第三方依赖，mock 模式完全离线可跑。

核心能力：

🕸️ 图数据模型：Node/Edge/Provenance，有向带属性多重图，BFS/邻居/子图抽取
💾 多后端存储：内存 / SQLite / 可选 Neo4j
🧠 四种记忆资产：Chat Memory（对话）/ Skill（技能）/ LLM-Wiki（语义）/ Code-Graph（代码图谱）
🔎 混合检索：图遍历 + 向量相似度 + 倒排索引，RRF 融合排序
⚖️ 可问责：provenance 追踪 + 结论溯源 + 追加式审计日志
📥 多源摄取：对话 / 文档 / Python 代码（AST）/ 网页
🖥️ FastAPI 控制面（26 路由）+ CLI + Python/TS SDK + React 深色控制台
☸️ 部署：Docker / docker-compose / K8s / Helm / CI + CodeQL；📚 21 篇文档

快速开始：

git clone https://github.com/huzjie/memoria.git
cd memoria
pip install -e .        # 核心零依赖，mock 模式直接跑
memoria doctor
memoria ingest examples/sample_conversation.md
memoria recall "knowledge graph"
memoria serve

质量：161 文件 / 89 Python 文件 / 内核纯标准库零依赖 / 4 记忆资产 + 混合检索 + 问责溯源 / 26 单元测试 / Docker + K8s + Helm + CI + CodeQL。

plugforge（AI Agent 插件生态治理与供应链安全平台）

热点背景：8 月 13 日 DeepSeek 开源 DeepSeek Harness——「一切皆插件」的 Agent 运行框架，GitHub 上线 42 小时破 10 万星，社区两天涌现近 3000 个插件仓库，被评价为「自进化软件」雏形。当 Agent 能力以插件形式爆炸式增长，一个尖锐问题浮出水面：你怎么知道装进 Agent 的插件不会偷密钥、外传数据、或者就是个供应链投毒包？

项目定位：plugforge 把 npm/PyPI 生态成熟的「注册 + 审查 + 溯源 + 治理」能力原样搬到 AI Agent 插件生态。内核零第三方依赖，mock 模式完全离线可跑。

核心能力：

📦 registry：插件注册中心（发布 / SemVer / 命名空间 / 倒排索引搜索）
🛡️ security：15 条静态规则 + 5 类能力画像 + 依赖/SBOM 审计（恶意包黑名单）+ CVSS 3.1 + 恶意行为启发式检测
✍️ signature：Ed25519 签名 + 哈希链 provenance（防篡改溯源）
🔗 depsolver：拓扑排序 + 版本区间冲突 + 循环依赖检测
⚙️ installer：下载 / 校验 / 安装 / 锁定 / 回滚 + 安装前安全门禁
📋 policy：许可合规 + 严重度阈值 + 网络访问控制
🖥️ FastAPI 控制面（17 路由）+ CLI（9 命令）+ Python/TS SDK + React 深色控制台
☸️ 部署：Docker / docker-compose / K8s / Helm / CI + CodeQL；📚 22 篇文档

快速开始：

git clone https://github.com/huzjie/plugforge.git
cd plugforge
pip install -e .        # 核心零依赖，mock 模式直接跑
plugforge doctor
plugforge search
plugforge scan examples/plugins/web-scraper

质量：181 文件 / 内核纯标准库零依赖 / 15 规则 + 5 能力检测 + 依赖黑名单 / 26 单元测试全绿 / Docker + K8s + Helm + CI + CodeQL。

vulnforge（AI 自主漏洞挖掘与安全审计平台）

热点背景：智谱 8 月 14 日发布 GLM-5.3——7430 亿参数新一代基座模型，后训练 Scaling 在编程与网络安全双突破：CyberGym 漏洞推理评测 84.5%（超过 Mythos 5 的 83.8% 与 GPT-5.6 Sol 的 83.6%），两周内发现 2404 个潜在漏洞（1088 个中高危），最早的潜伏约 40 年；完整权重两周内开源。这标志着「AI 自主漏洞挖掘」从实验室进入实用。

项目定位：vulnforge 是「AI 驱动的自主漏洞挖掘与安全审计平台」——把 GLM-5.3 证明可行的「白盒源码 → 触发故障 → 识别验证漏洞」能力产品化。内核零第三方依赖，mock 模式完全离线可跑，填上 API Key 即连真实模型。

核心能力：

🛡️ 87 条静态规则：密钥泄漏、SQL 注入、XSS、路径穿越、命令注入、弱加密、不安全反序列化、SSRF、硬编码凭据、代码质量、C/C++ 内存安全、Go/Java/Python 专属规则
🧠 LLM 漏洞推理：分块推理大代码，容错解析模型输出；8 Provider（GLM-5.3/DeepSeek/Qwen/OpenAI/Anthropic/Gemini/Ollama/mock）
🎲 轻量模糊测试：覆盖引导 fuzz 引擎 + 变异器 + crash 收集
📦 依赖扫描：SBOM 生成 + OSV/CVE 查询
🔍 密钥扫描：前缀 + 香农熵检测
📐 CVSS 3.1 评分 + CWE 分类
📄 五种报告：JSON / Markdown / HTML / SARIF（可上传 GitHub Code Scanning）/ CycloneDX SBOM
🖥️ Web 控制台（React 深色）+ CLI（scan/serve/fuzz/sbom/rules/doctor）+ 双语言 SDK（Python + TypeScript）
☸️ 部署：Docker / K8s / Helm / CI + CodeQL；📚 22 篇文档

快速开始：

git clone https://github.com/huzjie/vulnforge.git
cd vulnforge
pip install -e .            # 核心零依赖，mock 模式直接跑
vulnforge doctor
vulnforge scan examples/vulnerable
vulnforge serve --port 8000   # 控制面（需 pip install -e ".[full]"）

质量：218 文件 / 内核纯标准库零依赖 / 87 规则 + 5 扫描器 + 8 Provider / 5 报告格式 / 194 单元测试全绿 / Docker + K8s + Helm + CI + CodeQL。

（2026-08-15）

reviewgate（AI 代码审查与 PR 治理平台）

热点背景：2026 年行业数据第一次给「AI 代码审查瓶颈」画出了精确形状——Faros AI 对 22,000 开发者的遥测显示代码审查耗时中位数 +441.5%、代码 churn +861%、无人审查直接合并的 PR +31.3%；LinearB 对 810 万个 PR 的基准显示 AI 参与的 PR 平均大 2.5 倍、等审查久 5 倍；GitHub 审查遥测发现 Agent 写的 PR 平均携带更多技术债却被更轻易放行——它给这种现象起了个名字：hallucinated correctness（幻觉式正确）。

项目定位：reviewgate 是「AI 时代审查与治理层」的独立实现——一个跨平台、可插拔、企业级的代码审查 + PR 治理平台。内核零第三方依赖（纯标准库），mock 模式完全离线可跑，填上 API Key 即连真实模型。一句话：模型（大脑）+ reviewgate（审查治理的身体）= 跟得上 AI 产出速度的团队。

核心能力：

🛡️ 19 条静态规则：密钥泄漏（13 种模式）、SQL 注入、XSS、路径穿越、命令注入、硬编码凭据、复杂度、重复代码、裸 except、TODO、驼峰命名、尾随空白、超长行、CI 作弊（跳过测试/放松阈值）、测试缺失、依赖未锁定、已知漏洞依赖、N+1 查询
🧠 LLM 审查：分块（chunk）审查大 diff，结构化 JSON findings，容错解析模型输出；覆盖 GitHub 五高收益检查点（CI 作弊/重复造轮子/幻觉式正确/幽灵 PR/未消毒输入）
📊 评分与裁决：0-100 质量分 + approve / comment / request_changes 三态
🏛️ PR 治理：审查/合并延迟、负载分布、stale PR、打开/合并比（识别「编码主导」vs「审查主导」团队）、DORA 趋势、审查负载均衡
🌐 可插拔 LLM：OpenAI 兼容一键接入 DeepSeek/Qwen/Kimi/GLM/vLLM/GPT + Anthropic/Gemini/Ollama 原生 + 离线 Mock
🔌 可插拔 Git：GitHub/GitLab/Bitbucket/本地 git；控制面：FastAPI（18 路由）+ GitHub Webhook（HMAC 签名）+ API Key 鉴权
📄 四种报告：JSON / Markdown / HTML / SARIF（可直接上传 GitHub Code Scanning）
🖥️ Web 控制台（React 深色）+ CLI（review/serve/rules/providers/doctor/sweep）+ 双语言 SDK（Python + TypeScript）
☸️ 部署：Docker 多阶段 / docker-compose / K8s / Helm / CI + CodeQL；📚 19 篇文档

快速开始：

git clone https://github.com/huzjie/reviewgate.git
cd reviewgate
pip install -e .            # 核心零依赖，mock 模式直接跑
reviewgate doctor
reviewgate review --diff-file examples/example.diff
reviewgate serve --port 8000   # 控制面（需 pip install -e ".[full]"）

质量：197 文件 / 内核纯标准库零依赖 / 19 规则 + 6 Provider + 4 Git 平台 / 18 条 API 路由 / 51 单元测试全绿 / Docker + K8s + Helm + CI + CodeQL。

🏆 今日精选（2026-08-14）

harnesskit（插件化 AI Agent 运行时）

热点背景：2026-08-14 凌晨，DeepSeek 正式开源其 Agent 运行框架 DeepSeek Harness（DSH） 开发者预览版（MIT 协议），核心是「一切皆插件」——模型、工具、技能、会话记忆、沙箱、文件系统、Agent 循环乃至 UI 全部模块化、可热插拔。这标志着大模型竞争从「基础模型层」正式进入「执行层 / Agent 运行时层」。同期还有 DeepSeek-V4-Pro 正式版（DeepSWE 12.8→62.7）、Gemini 3.7 Flash（API 降价 50%）、GPT-5.6 Sol Ultrafast（Cerebras 加速 750 tok/s）。

项目定位：harnesskit 是「一切皆插件」思想的独立实现——一个跨 Provider、跨框架、可插拔、企业级的通用 Agent 运行时。不绑定任何模型厂商，内核零第三方依赖（纯标准库），mock 模式完全离线可跑，填上 API Key 即连真实模型。一句话：模型(大脑) + harnesskit(身体) = 智能体。

核心能力：

🧩 一切皆插件：模型/工具/技能/记忆/沙箱/循环全可插拔，运行时热加载/卸载/热重载，依赖自动拓扑排序（Kahn）
🧠 三种 Agent 循环：react（思考-行动-观察）、plan-execute（先规划后执行）、autonomous（自主循环）
🌐 13 家 Provider：OpenAI 兼容协议一键接入 DeepSeek/Qwen/Kimi/GLM/vLLM/GPT，另有 Anthropic、Gemini、Ollama、Together、Groq、OpenRouter 专用适配器 + 离线 Mock
🔧 15 个内置工具：网页抓取/HTTP/文件/Shell/搜索/Python/计算器/日期/文本/JSON/CSV/Git/摘要/随机/环境变量
🧠 分层记忆：会话/SQLite/文件 + 摘要压缩；🛡️ 沙箱：子进程/Docker + 命令黑名单 + 路径逃逸防护
📦 多 Agent 编排：顺序/并行/层级三种拓扑；🔌 控制面：FastAPI + OpenAI 兼容 /v1/chat/completions + API Key 鉴权
🖥️ Web 控制台（React 深色主题）+ CLI（run/serve/chat/doctor）+ 双语言 SDK（Python + TypeScript）
☸️ 部署：Docker 多阶段 / docker-compose / K8s / Helm / GitHub Actions CI + CodeQL
📚 17 篇文档：架构/插件/模型/工具/技能/记忆/沙箱/编排/安全/部署全覆盖

快速开始：

git clone https://github.com/huzjie/harnesskit.git
cd harnesskit
pip install -e .            # 核心零依赖，mock 模式直接跑
harnesskit doctor
harnesskit run "什么是插件化 Agent 运行时？"
harnesskit serve --port 8000   # 启动控制面（需 pip install -e ".[full]"）

质量：243 文件 / 内核纯标准库零依赖 / 13 Provider + 15 工具 + 3 循环 / 18 条 API 路由 / 全部子包导入验证通过 / Docker 多阶段 + K8s + Helm + CI + CodeQL。

🏆 今日精选（2026-08-13）

QuantServe（开源大模型本地化部署与量化推理平台）

热点背景：2026-08-13 是开源旗舰模型「集中开放」的历史性一天——阿里首次开源 Max 级旗舰权重 Qwen3.8-2.4T-A95B（2.4T 参数 / 512 专家 MoE / 每 token 激活 95B / 原生 262K 上下文）；DeepSeek V4 Pro（0813 版） DeepSWE 编程基准从 12.8 跃升至 62.7；NVIDIA Nemotron 3.5 Lightning 单卡可跑；Unsloth 动态 1-bit 量化把 4.9TB 权重压缩至 397GB（91%）。

项目定位：一套把「开源旗舰大模型带回家」的本地化部署与量化推理平台，覆盖从下载权重到对外服务再到成本核算的全流程，核心内核零第三方依赖（纯 Python 标准库）。

核心能力：

🗂️ 模型库：25 个内置模型 profile（Qwen3.8 / DeepSeek V4 / Nemotron / Kimi K3 / GLM-5.2 / Llama / Gemma / Mistral / Phi 等），自动发现
⬇️ 多源下载：HuggingFace / hf-mirror.com / ModelScope 魔搭 / Ollama 四源 + 多线程 + 断点续传 + sha256 校验
⚖️ 量化规划：8 种方案（fp16/fp8/int8/GPTQ/AWQ/GGUF/1-bit 动态/混合）的体积·显存·压缩比·吞吐估算 + 预算推荐
🧩 多引擎推理：vLLM / SGLang / TokenSpeed / LMDeploy / Ollama / llama.cpp / TRT-LLM / Transformers 8 引擎适配
🖥️ MoE 并行规划：按 GPU 数量/显存自动规划 TP/EP/DP（正确按总参数算显存，2.4T 模型会提示需约 34 块 80GB 卡）
💰 成本对比：本地 vs 云端 TCO（硬件摊销+电费 vs 按 token 计费），给出回本用量
🌐 OpenAI 兼容网关：零依赖 HTTP 网关 + 鉴权 + SSE 流式
🖥️ Web 控制台：React 控制台（模型库/量化估算/集群规划/成本对比）
📦 部署资产：Docker / docker-compose / K8s / Helm / CI

快速开始：

git clone https://github.com/huzjie/quantserve.git
cd quantserve
pip install -e .
quantserve doctor
quantserve list
quantserve quantize qwen/qwen3.8-2.4t-a95b --budget 640
quantserve plan deepseek/deepseek-v4-pro
quantserve cost deepseek/deepseek-v4-pro --tokens 500

质量：213 文件 / 126 Python + 11 TSX + 26 文档 / 零强制依赖核心 / 8 引擎 + 25 模型 / Docker 多阶段构建 / K8s + Helm / GitHub Actions CI（多 Python 版本 + CodeQL）。

🏆 今日精选（2026-08-11）

AegisAgent（AI Agent 运行时安全网关与特权治理平台）

热点背景：2026-08 云安全联盟（CSA）披露 CoreBreak 漏洞族——AWS Bedrock AgentCore（CVE-2026-18830, CVSS 8.6）、Google ADK（CVE-2026-18236, CVSS 9.3）、Vercel @ai-sdk/harness（CVE-2026-64650/64651）可在模型根本没运行的情况下被触发工具调用；Claude Code / Gemini CLI 被一个 GitHub issue 就能在 CI 上执行代码并逐字符泄露 API Key（CVE-2026-12537, CVSS 10.0）。AI Agent 的运行时安全防线集体失守。

项目定位：一套可落地、可生产部署的 AI Agent 运行时安全网关。核心命题是"每一次工具调用都必须能被密码学地绑定回一次真实发生过的模型补全"，直击 CoreBreak 漏洞根因。

核心能力：

🔐 Provenance 溯源引擎：HMAC 签名 attestation token 绑定每次 tool call 到真实 completion，判定 UNSIGNED / FORGED / ORPHANED / MISMATCHED / REPLAYED / EXPIRED，逐条对应 CVE
📜 策略引擎：YAML 策略 DSL（matchers + conditions + effects）+ 8 个内置策略包 + 规则覆盖分析 + what-if 模拟器 + 热重载
🛡️ 多检测器检测层：120+ 条签名规则（prompt 注入 / 凭据扫描 / 外泄链 / 工具投毒 / schema 漂移 / 行为异常 / 出网管控）
📦 沙箱隔离：Subprocess / Docker / Firejail 驱动 + seccomp + rlimit + 文件系统 jail + 出网白名单 + canary token + 12 项边界自测探针
👥 人工审批：多级 N-of-M 会签 + TOTP/硬件密钥 step-up + 逐级升级 + break-glass 紧急通道（防伪造审批）
🔌 MCP 安全代理：工具描述净化 + schema 钉扎 + shadow MCP 发现 + AI-BOM + 凭据隔离
🌐 LLM 网关：9 家供应商适配器（OpenAI/Anthropic/Gemini/Bedrock/Qwen/DeepSeek/Kimi/Ollama）+ 中间件 + 本地反向代理
🔗 不可篡改审计：HMAC 哈希链 + SQLite 持久化 + JSONL/CSV 导出 + Prometheus 指标
🖥️ 可观测：CLI（9 子命令）+ REST API + 单文件深色 Web 控制台

快速开始：

git clone https://github.com/huzjie/aegisagent.git
cd aegisagent
pip install -e .
aegis init        # 生成配置
aegis doctor      # 环境诊断
aegis serve       # 启动 API + Web 控制台 http://127.0.0.1:8080
aegis check --json '{"tool":"shell.exec","arguments":{"command":"rm -rf /"}}'

质量：248 文件 / stdlib-only 内核（零第三方依赖）/ 9 框架集成（LangChain/LlamaIndex/AutoGen/CrewAI 等）/ Docker 多阶段构建 + docker-compose / GitHub Actions CI + CodeQL / 中英双语文档 + 威胁模型文档。

🏆 今日精选（2026-08-11）

AgentMesh（企业级多Agent跨会话协作编排平台）

热点背景：Claude Code 推出跨会话消息传递、YC 开源 QM 多Agent harness、OpenAI 发布 Multi-Agent API——多Agent协作与跨会话通信成为 AI 工程的核心主题，企业需要一套安全可控的多Agent编排平台。

项目定位：一个企业级多 Agent 跨会话协作与编排平台。让多个 AI Agent 在隔离沙箱中运行，通过消息总线跨会话通信协作，统一编排调度，对标 Claude Code Cross-Session Messaging + YC QM + OpenAI Multi-Agent API。

核心能力：

🧩 5 大编排拓扑：Sequential / Parallel / Hierarchical / Debate / Reducer 一键切换
💬 跨会话消息总线：Agent 间 pub/sub 消息路由 + WebSocket 实时推送 + 持久化回放
🏗️ 隔离沙箱：Docker 沙箱 + seccomp 配置 + CPU/内存/超时资源限制，安全执行不可信代码
🛡️ 安全治理：JWT/API-Key 认证 + RBAC 权限 + 限流 + 哈希链审计日志 + 密钥管理
🔌 7 家 Provider 适配器：OpenAI / Gemini / Qwen / Zhipu / Kimi / MiniMax / Ollama
🧠 分层记忆：会话记忆 / 跨会话交接 / 向量语义检索
🛠️ 工具系统：代码执行 / Web 搜索 / 文件操作 / HTTP / Shell / 数据库（只读）/ 自定义工具注册
📊 可视化控制台：React 19 + TypeScript + Tailwind（Agent / 工作流 / 消息 / 工具 / 指标仪表盘）
📦 双语言 SDK：Python + TypeScript，REST + WebSocket 全能力覆盖

快速开始：

git clone https://github.com/huzjie/agentmesh.git
cd agentmesh
pip install -e .
cp .env.example .env   # 填写 Provider API Key
uvicorn agentmesh.api.server:app --port 8000
cd src/agentmesh/web && npm install && npm run dev   # 控制台 http://localhost:5173

质量：222 文件 / 116 单元测试通过 / Docker 多阶段构建 + docker-compose / Kubernetes + Helm + Terraform 部署 / GitHub Actions CI / 中英双语文档。

🗂️ 全部项目

日期	项目	说明

📌 关于

本项目由 AI Daily Agent 自动驱动：每日 12:00 自动发现 AI 热点 → 分析原理 → 规划需求 → 生成完整可运行项目（代码/测试/文档/CI/Docker）→ 发布到 GitHub。

AI Daily Hub — 每天一个热点，每天一个可用项目。⭐ Star 关注每日更新！