内容类型
AI 产品与应用的功能上新、改版与商业化——谁家的产品变强了、变贵了、能用了。
193 条精选近 30 天 188 条共收录 1,254 条
Codedict 是一个不调用 AI 的本地代码索引工具，用 tree-sitter 解析项目并写入 SQLite，通过 Claude Code hook 把函数位置、调用方和调用链随问题一起交给模型。
用 tree-sitter 建本地 SQLite 索引，靠 Claude Code hook 把函数位置和调用链随问题一起喂进去，把 5 到 20 轮 grep 压到 1 到 2 轮；代价是每轮约 37k token 的固定开销砍不掉，模糊问题没有名字可搜。
Devloops 开源一套可复用的编码 Agent 循环技能，把维护工作拆成 producer、worker、gatekeeper 三个循环，worker 与独立评审的 gatekeeper 反复往返直到通过，人只负责批准 issue 范围和最终合并。
能拿走 producer/worker/gatekeeper 三循环加 tick_gate 指纹去重的完整 SKILL.md 与脚本，落到软件工厂的日常维护流水线，代价是要配 GitHub CLI 权限和 devloops.config.yaml，且 agent 永不合并、遇安全敏感改动仍要人审。
UniiChat 在自有机器上运行一组 AI 智能体，每个智能体只有一条永不结束的对话，靠记忆树保留全部历史。每条消息被压缩成一行，相邻行两两合并成二叉树，每次调用读取最多 128 KB 的视图，旧内容细节变粗但不丢失，且可逐层展开回原始消息。
可借鉴记忆树做法，把每条消息压成一行、相邻两行成对合并成二叉树，每次调用只读 128 KB 视图并命中 prompt cache，换掉现在靠 compaction 丢弃历史的方案；代价是要自己跑 Bun 和 git worktree，且作者声明代码由 AI 生成、预期有 bug。
Context Mode 是一个开源 MCP 服务器，通过沙箱工具把 Playwright 快照、GitHub issue、日志等原始数据挡在上下文窗口外，官方称 315 KB 可压缩到 5.4 KB、降幅 98%。
沙箱执行加 FTS5 索引能把工具原始输出挡在上下文外，官方给出 315KB 降到 5.4KB 和 17 个客户端的配置；代价是各平台 hook 能力不一，无 hook 的 IDE 只能靠规则文件约 60% 遵从率。
310networks 在 GitHub 开源 OpenProject Agent Engine，轮询 OpenProject 工作包并派发给 pi 编码 agent，由引擎自己完成认领、准备每 agent 克隆、渲染提示词、运行、对照 GitHub 与 OpenProject 校验结果和全部状态流转，agent 不改状态。
能拿走一套把 OpenProject 工单轮询派给编码 agent 的完整编排，含状态机、每单独立分支和 GitHub 结果校验，可换掉人工派活；代价是要 Docker、OpenProject 17 和可推送合并的 GitHub token，分支保护还需给 reviewer 单独账号。
DiffNotes 开源上线，让 Claude Code、Codex、Cursor 等编码 agent 通过 skill 或 MCP 端点给 PR 的每个改动块写通俗解释，并附截图、录屏、Markdown 报告和可交互 HTML 演示。
能拿走的是让编码 agent 通过 skill 或 MCP 端点给 PR 逐块写改动原因并附截图，落到软件工厂的代码评审环节；代价是要自建或托管 DiffNotes 服务并装浏览器扩展，笔记不进 PR 评论。
Factory 发布 Droid 1.0，这是其 Droid 智能体框架迄今最大的一次更新，核心变化是程序化工具调用默认开启，模型改为编写 JavaScript 脚本在无文件、网络和系统权限的沙箱中执行工具，一次模型请求可驱动数百次工具调用。
把工具调用改成模型写 JavaScript 脚本在沙箱里跑，只回传打印结果，能换掉现在每次工具输出都灌进上下文的串行循环；代价是要维护沙箱和 Script 工具，且基准成绩均为厂商自测。
OpenScience 发布开源科研 AI 工作台，用户用自然语言给出目标后，它规划步骤、检索文献、写并运行代码和实验，最后产出可核查的结果，每一步都留痕。
能拿走的是带权限粒度的科研 agent 工作台配置，shell/Python/R 内核加显式读写授权、按目标主机放行网络、worker 并行分派，可落到本地模型部署和知识沉淀两条线；代价是要自备 API key 或本地端点，BioNeMo 适配器仍标实验性。
umutsevdi 在 Hacker News 发布终端编码智能体 Imza，用 Plan、Build、Review 三个显式模式让开发者在计划、实现和评审各环节保持参与。
可借鉴的是把 Plan、Build、Review 做成可回流的循环，计划文档可逐条批注后整体回传，评审发现再作为新修订进入下一轮；代价是要接受原生 C++ 终端 UI 和自带模型配置的门槛。
Archwhere 发布开源工具，把每个 PR、任务和 agent 的改动映射到一份声明的架构图上，标出所触组件、是否为安全区以及当前需要人处理的事项。
用一份 architecture.json 加 SKILL.md 让 agent 在合并前维护架构图，check 卡 CI、check --fix 自动收编未映射文件，能落到软件工厂的 PR 审查环节，代价是得先接受它猜出来的组件划分再手工改名。
Governor 是一个运行在 agent 与 Anthropic、OpenAI、xAI 之间的小型代理，用于管控 agent 的花费上限和工具调用。它基于 Node 18+ 且无依赖，用户只需修改 SDK 的 base URL，并为每个 agent 分配带独立额度和工具规则的 Governor key。
能用一个无依赖 Node 代理给每个 agent 配独立 key 和工具规则，在模型回复到达 agent 前拦截或挂起工具调用，代价是需改 SDK base URL 并自行维护规则顺序。
Fastbrowse 发布 MIT 许可的浏览器智能体，由 System One 模型 Jev 从页面控件列表中一次性选出操作和目标，长文本读取交给 LLM 规划。
可借鉴的是把动作选择交给小模型 Jev、凭据按名字解析不进提示词、不可逆操作前加授权门这三处设计，能落到本地浏览器自动化产线；代价是 0.7.2 尚未上 PyPI，需按 commit 安装，且不可逆动作分类器会漏判。
Assure 是一个开源工具，把 AI 智能体放进一次性 SQLite 和文件工作区运行，所有工具调用经网关按策略放行，再用人工编写的确定性断言核对结果，判定过程不调用 LLM、不需要 API key。
能拿走一套不靠 LLM 判定的 agent 验收框架，把工具调用全走网关、用人工断言比对数据库和文件差异，落到软件工厂的 CI 门禁上；代价是本地模式不隔离，Docker 模式作者未实际跑过。
开源 MIT 项目 dotpals 发布 0.12 版本，用一个本地悬浮小助手监视 Claude Code、Codex 等编码 agent 的改动、命令和测试输出，测试失败时把 agent 打回重做，最多两次。
能拿走的是用 MCP 只读接口把 agent 的改动、命令和测试输出变成可查证据，并加测试失败回退循环；落到软件工厂的验收环节，代价是要接 Claude Code 或 Codex 的 hook 与日志，非主流 agent 得自己 POST JSON。
mobile-agent 是一个开源工具，让 AI 智能体驱动 Android 设备与模拟器、iOS 模拟器和实体 iPhone，daemon 为每个接入屏幕维护窗口、无障碍树和最新帧的实时镜像，快照与等待都从镜像答复而非每次读设备。
能拿走的是 daemon 维护屏幕镜像、快照与 settle 都从镜像答复而不每次读设备，以及沿用 agent-browser 的命令语法和 @eN ref 让已有提示词直接复用；落到软件工厂的移动端自动化测试线，代价是依赖 Apple 私有接口和隐藏 Android 接口，只能当开发工具，且 iPhone 需付费开发者签名。
EasyRE-Agent 是一个开源 AI 智能体，把逆向工程工具链打包进 Docker 镜像，让智能体在容器内解 crackme 和 CTF 逆向题并自行校验答案。
可借鉴其 Docker 封装逆向工具链加 verifier 闭环的做法，把「答案必须通过真实程序校验」写进 agent 循环，代价是镜像约 8-9 GB 且仅限 crackme 类目标。
微软研究院与 UC Berkeley 发布开源编码 agent 成本控制器 TokenEconomizer，在 277 个 SWE-Bench 任务、5 种 agent 与模型组合下把平均成本降低 18.4% 至 30.9%，30 个仓库与设置组合全部更便宜。
能拿走三套可切换机制的具体参数，工具剪枝连续3个任务未用即屏蔽、每5个任务全量复审，失败循环用成功运行长度90分位的1.25倍做轮次预算；落到软件工厂的编码 agent 成本控制，代价是微技能默认关闭且需额外模型调用，前几个任务反而更贵。
spinf 开源 Apache 2.0 的 spinf-serve 推理服务器，一次读取内容即可对同一段文本回答多个分类与抽取问题，每个答案输出选项概率而非生成文本。
可把批量分类从逐题重读改成一次读取多分支打分，拿到每个选项的概率和 floor_p 做阈值判断；代价是需 24GB 显卡和 fp8 支持，且只适合吞吐不适合单请求延迟。
cole_dev 在 Hacker News 发布开源项目 Omneum，一个运行在检索与生成之间的本地上下文控制平面，用来源感知的图推理评估 claim 支持度，再在 token 预算内挑选并重建原始段落。
能拿走的是 prepare_context() 的接入方式和 LangGraph 条件边按 claim_support 阈值回退检索的写法，可落到知识沉淀与本地模型部署线；代价是要先做 ContextMapper 映射和 upstream 依赖标注，且精度提升以召回下降换取。
Gerard Rafie 发布开源项目 NoMoreHappyPath（Apache 2.0，支持 macOS 和 Linux），用 21 个质量步骤把想法推进到可验收的软件。
可借鉴的是把测试先行、红证、独立评审和人工验收串成 21 步交付流程，能替换单 agent 一把梭的派单方式；代价是要自备两家 AI 公司的 CLI 和 API key，一次小应用也要 48 分钟。