技术方向
能自己拆解任务、调用工具、一步步把事办完的 AI 智能体：Claude Code、Manus 等应用，各家 Agent 框架与评测。
568 条精选近 30 天 555 条共收录 2,928 条
Omnara 发布开源托管智能体平台，作为 Claude Managed Agents 和 OpenAI Agents API 的自托管替代，采用 Apache 2.0 许可。
能拿走 agent.yaml 配置加 SKILL.md 的打包方式，把智能体跑在自有机器或 11 家沙箱上，状态存进自己的 Postgres；代价是自托管要自己运维 Docker Compose 和公网 URL。
Brain v2 发布，这是一个可自托管的开源 Agent 服务器，定位为 Claude Managed Agents 和 OpenAI Agents SDK 的替代方案，用自己选的模型跑在自己的基础设施上。
可把会话、事件流、可插拔 harness、工具服务和 checkpoint 拆开自托管，替换 Claude Managed Agents 那套托管方案；代价是要自己跑 Go 1.26+ 和 Node 24+ 服务并维护工具服务。
UC Berkeley Sky Computing Lab 开源了 Agency，一个用于运行、调试、性能剖析和控制 AI 智能体的平台，把 LLM 请求、工具调用和系统活动汇总到一处。
能拿它当 agent 的 htop+gdb，用关键路径剖析定位长任务里到底卡在模型请求、工具调用还是等待；前提是 Linux x86-64、Python 3.12+ 和 Docker/Podman，接入已有 Claude Code、Codex CLI 会话仍是实验性，控制能力有限。
AWS 发布教程，用 Strands Agents 搭建自适应智能体智能框架 AAIF，把请求分三层处理：llama3.2:1b 做编排路由，Ollama 上的本地 SLM 处理设备遥测和图像分析，复杂分析经 boto3 调 Amazon Bedrock。
能拿走一套三层路由骨架，1B 模型做编排、Ollama 跑本地工具、Bedrock 兜复杂请求，直接换掉全部请求打大模型的做法；代价是要维护两套模型和路由判断，本地还需约 2GB 磁盘。
Asymptote Labs 开源 Beacon，把 Claude Code、Codex、Cursor 等 20 多个 agent harness 的会话遥测统一成一种格式，再蒸馏成可复用模式与工作流。蒸馏结果需人工审核，之后通过 skills 或 MCP 供后续任意 agent 调用，项目地址为 https://github.com/Asymptote-Labs/agent-beacon。
能拿走的是跨 harness 采集会话遥测再蒸馏成可复用技能的做法，可接到多 agent 协作和知识沉淀线上，代价是要人工审核蒸馏结果，且只覆盖已接入的 20 多个 harness。
Trail of Bits 发布 patching-bugs 和 regression-hunt 两个插件，让工程师把补丁开发和回归检查交给智能体。regression-hunt 在初步评测中比提示 Codex 审查 PR 回归的基线少 25% 误报，95% 置信区间为 14% 到 38%，但代价是部分已知回归因证据不足被列为 borderline。
可拿走三臂证明、固定输入输出 schema、每步 live PoC 和 THREAT_MODEL.md 约定，接到开源补丁与回归检查流程里；代价是证据门槛高，已知回归会卡在 borderline。
Summonr 发布开源编码智能体 0.1.0，官方称在 Terminal-Bench 2.1 上每解决一个任务的输入 token 比 Codex 少 3 倍、内存占用约 27 MB 比 Codex 的 276 MB 少约 10 倍。
能拿走的是多子智能体共享构建缓存、@ 提及跨模型派活、复用本机 Chrome 免 API key 搜索这几处配置；可落到软件工厂和本地模型部署两条线，代价是没有沙箱、需自备容器，且基准数据由官方自测。
vinhnx 在 Hacker News 发布开源终端编码 agent VT Code，可在仓库内探索、规划、编辑和验证，支持托管或本地模型、沙箱化工具与可恢复会话。
可借鉴其 HOVER 循环（假设、观察、验证、评估、修正）与只读规划加 turn diff 审查的做法，用于软件工厂的编码 agent 流程；代价是需 Rust 1.98.1+ 自行构建，Windows 产物滞后。
LLMPanel 开源了一套自托管 LLM 推理控制面板，指向 GPU 服务器或 RunPod、Vast.ai 云账号，选模型、量化和 GPU 后即可在后台完成部署，得到一个带 API key、用量分析和聊天 playground 的 OpenAI 兼容端点。
能拿走一套自托管推理面板的部署路径，四步选 provider、模型、量化、GPU 后自动拉权重起容器，落到本地模型部署这条线；代价是要 Linux root 和 NVIDIA 驱动，暴露公网前得自己收口注册和容器端口。
开源电商售后 Agent Kept 的作者 dragosbln 发文总结构建可靠 Agent 循环的五条规则，包括先画状态机再写代码、把循环运行器与 host 分离、把错误转成 outcome、保证对话历史原子提交、每个状态转移从结果、历史与 trace 三方面断言。
能拿走状态机先行、host 与 loop runner 分离、错误转 outcome、历史原子提交、三向断言五条做法，落到软件工厂的 agent 可靠性设计上，代价是要先建完整 trace 层并手写首版循环。
作者主张把上下文压缩放进调用模型、执行工具的 harness 里，而不是等上下文窗口快满时才做。文章区分确定性压缩与语义压缩，实测 RTK 0.49.0 的 minify-json 把 1MB JSON 减少 16.8%、pytest 日志减少 53.1%、重复日志减少 88.7%，但通用日志过滤器误判 Android 日志的 170 条 W 记录为 0 条警告。
把压缩放进 harness 而非交给主模型，给出确定性过滤加校验回退的流程，并附 RTK 实测数字；代价是需按格式写规则、保留原文，且压缩器自身 token 可能超过节省量。
mnestiq 在 GitHub 发布 AI Agent 飞行记录器 v0.2 草案，记录 Agent 看到、决定和执行的内容，用 RFC 8785 规范化 JSON 加 SHA-256 做哈希链、Ed25519 签名的 Merkle 检查点保证事后不可篡改。
能拿走一套可落地的 Agent 取证做法，哈希链加 Ed25519 签名检查点、按来源给上下文打标签、六条注入检测规则，落到软件工厂的 Agent 事故复盘线；代价是签名密钥要放在 Agent 读不到的地方，否则整条链可被重签。
Memdoor 发布开源编码智能体，可在 CI、定时任务或 shell 中无头运行，并用 memdoor resume 从手机或窗口接管同一次运行。它把工作流写成每步一个 YAML 由 mario 按图执行，独立步骤并行、检查通过才算完成、失败从失败步骤续跑。
可把工作流写成每步一个 YAML 由 mario 按图执行，独立步骤并行、检查通过才算完成、失败从断点续跑；代价是要自己接 provider key，免费模型会拿数据训练。
作者用 AI 辅助在一周内删掉编译器约 1.9 万行死代码，二进制体积减少 50+ MB，一个月后没有回滚也没有修复提交。做法是先靠 compile_commands.json 上的静态分析划定依赖 --XYZ 的范围，让 LLM 给每个函数标红蓝两色，再按机械删除、跨团队、副作用、手术四类分级，每类配一个对应风险的测试，AI 分轮改、子 agent 先审、人工再审。
可复用五步删代码流程：静态分析定范围、LLM 标红蓝、四类分级配测试、子 agent 加人工复核、只清理动过的代码；前提是已有 compile_commands.json 和回归测试，动态注册的 pass 需人工兜底。
DeepSeek Harness（dsh）把模型适配器、工具注册表、会话日志和默认 Agent loop 都做成可组合替换的插件，底层依赖 Cordis 的依赖注入与生命周期机制。Session 采用仅追加事件日志再派生模型可见历史，压缩由压力测量、规则修剪和模型摘要分层完成。作者指出替换组件仍需遵守接口约定，作用域不构成沙箱，Session 默认内存存储需另配持久化后端。
能拿走的是 dsh 的分层替换位置，模型适配器、工具注册表、会话日志和 Agent loop 都可换，落到本地模型部署和软件工厂时，代价是自写驱动仍要处理输入、状态、取消和资源释放。
NVIDIA 扩展开源模型家族，覆盖语言、机器人、生物和量子计算，包括 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Nemotron Retriever、Kumo、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo RFD4-Proteina 和 Ising。
能拿走的是 Nemotron 3.5 系列加 Kumo、Cosmos、Ising 的开源权重与 NIM 打包方式，可落到本地模型部署和 Agent 数据管线；代价是多数模型要自己用本地数据后训练，Bolt E4B 4GB 还要等到 10 月 23 日。
Squidbrake 0.14.2 把 12 起公开报道的 AI 智能体删数据、泄密、乱花钱事故回放到自家规则上，15 个有害动作拦下 14 个，其中 3 个直接阻断、11 个转人工审批、1 个未拦住。
可复用的做法是把 12 起公开事故和 62 段会话做成可跑脚本，逐步标注 harm/routine/sensitive 再对比四种拦截策略；代价是回放命令多为作者重建，且审批人由脚本扮演，误报率才是真实成本。
作者开源了一条从 LLM 选题、剧本、主体确认、分格生图到微信公众号草稿箱的 Web 流水线，MIT 协议，clone 后三条命令即可跑起来。项目用 Next.js 15 加 Prisma 7 和嵌入式 SQLite，约 3.4 万行、201 个单测全绿，核心业务放在不依赖框架的 pipeline 纯函数层。
能拿走 pipeline 纯函数加 route 薄壳的分层、按格动态拼参考图、文件名版本化与进程内串行写链，落到小说创作和视频产线；代价是单进程锁不能横向扩展，生图协议要按网关方言另写通路。
Hugging Face 开源 Agent Manager，一个跑在 Docker Space 里的私有云管理器，可在浏览器中同时运行 Claude Code、Codex、Gemini CLI、opencode、Hermes、OpenClaw 和 fx 等编码 CLI 会话。
把 Claude Code、Codex 等 CLI 会话收进一个私有 Docker Space，挂 /data 桶保住登录和文件，代价是 Space 休眠即断进程、应用本身无登录鉴权。
米小虾在 Agent 开发入门系列第 8 篇中提出护栏应分三层：上下文层控制模型能看到什么，执行层控制模型能做什么，数据层控制世界最终能变成什么样，并辅以人工干预。
能拿走三层护栏的分工清单和工具风险四维评级，落到 Agent 工具调用与凭证管理上；代价是数据层要人工设计评审，三层叠加抬高延迟。