Codex CLI 是 OpenAI 官方推出的轻量级终端编程智能体（coding agent），于 2025 年 4 月开源发布。与面向 IDE 插件的 Codex（Codex for IDE）不同，Codex CLI 是完全运行在终端的独立工具，支持 macOS、Linux、Windows 全平台。它由 OpenAI 的编码专用模型驱动，能理解代码库、读…
仓库攻略
265 篇 · 260 个项目 · jay · Agent 智能体
Nerve（The Simple Agent Development Kit）是一个用 YAML + CLI 构建、运行、评测和编排 LLM Agent 的轻量框架。它的核心理念是声明式 Agent：用 YAML 定义 system prompt、task、tools 和 variables，一个文件搞定一个 Agent，再通过 nerve CLI 驱动执行…
dshpluginwritingguard 是 DeepSeek Harness（DSH）的论文写作守卫插件，在论文撰写和修改过程中自动检测常见 AI 写作风格、修改残留、防御性表达与机械化句式，同时提供 Scholarship Lock 功能在 AI 润色时保护科研事实（数字、p值、图表编号等核心实体不被悄悄改动）。定位是学术写作 linter——不是"写…
2026 年 7 月 28 日，Model Context Protocol（MCP）正式发布了有史以来最大的一次协议版本更新，版本号 20260728。核心变化：MCP 从有状态的双向协议彻底改为请求/响应式的无状态协议。 附带 HTTP 路由增强、缓存指令、企业级授权加固、长任务扩展，以及一个正式的废弃政策窗口。 根据 MCP 官方博文，MCP 在各 T…
DeepSeek Harness（命令行简称 dsh）是 DeepSeek AI 于 2026 年 8 月 13 日以 MIT 许可证开源的 agent harness 框架。它的核心设计哲学只有一句话：Everything is a Plugin——模型适配器、工具注册表、会话日志、沙箱、文件系统、agent 循环、调度层、甚至 Web UI，全都是可插拔…
Faraday 是伦敦 AI 创业公司 Inherent（2026年8月14日刚从 stealth 模式浮出水面，Index Ventures 与 Radical Ventures 联合注资 $50M seed round）发布的 27B 参数"AI Scientist"智能体。其核心能力是复现学术论文中的图表——给定一篇论文（不带原图），Faraday 需…
appledocsmcp 是一个 MCP 服务器，为 AI 助手提供 Apple 官方开发者文档的实时查询能力。接入后，可以在 Claude、Cursor、VS Code（Copilot MCP）、Windsurf、Zed、Cline、Amazon Q 等主流 AI 开发工具中，直接用自然语言搜索 iOS / macOS / watchOS / tvOS /…
geminimcptool 是一个 MCP（Model Context Protocol）服务器，它让 AI 助手（如 Claude Code）能够直接调用 Google Gemini CLI 的强大分析能力，对大文件、代码库进行深度理解与问答。本质上是一个桥接层：AI 助手通过 MCP 协议把文件路径和自然语言指令发送给 Gemini CLI，利用 Gem…
DSH Desktop 是 DeepSeek Harness 的跨平台桌面包装器（Electron），把本地运行的 DeepSeek Harness Web UI 封装为 macOS / Windows 原生桌面应用，让用户无需手动启动 CLI、无需管理本地端口，在桌面窗口中直接使用完整的 Harness Agent Runtime 体验。 本质上是一个 E…
EvoHarnessRL 是 Meta AI 与伊利诺伊大学香槟分校（UIUC）联合发表的工作（arxiv 2608.05446），研究的是如何让 Agent 通过强化学习学会自己管理外部协作支架（harness），而不是靠人工写 prompt 或规则来控制。 传统 Agent 系统里，外部支架（memory、tool、state tracker、verif…
2026 年 8 月 7 日，知名 AI 工程博主 Simon Willison（@simonw）用 Codex Desktop 跑了 GPT5.6 Sol Ultra，一次提示词，52 分钟，零人工干预，直接生成一个完整可玩的 3D 浣熊偷盗游戏「Moonlight & Mayhem」。 游戏特点： 博物馆场景，三只浣熊组队潜入 需要解救同伴、叠罗汉偷取「…
MedSci Skills 是面向临床研究与医学人工智能的开源 Agent Skills 合集（MIT 许可证），由韩国首尔峨山医疗中心放射科医生兼研究员 Yoojin Nam, MD 构建，在真实出版物上测试通过。截至 v5.0 版本共包含 59 项技能，覆盖从文献检索、统计图表、报告指南合规审查到 AI 模型工程的全链路。 它并非通用 AI 科学家平台，…
MOPD（MultiDomain OnPolicy Distillation，多域同策略蒸馏） 是一种将多个领域专家模型的能力整合到单一模型中的后训练范式。它由小米 MiMo 团队提出（论文 arXiv:2606.30406），核心做法是：先在各自领域独立训练 RL specialist teacher（数学、代码、Agent 等），再通过同策略蒸馏将所有 …
2026 年 2 月，SWEbench 官方团队对主流大模型做了一次非自报告的独立评测（官方 leaderboard 批量运行），Simon Willison 对此做了详细分析笔记。 这次的核心数据是 Bash Only 赛道的榜单——所有模型在相同系统提示词下、用相同的 minisweagent（约 9,000 行 Python）跑 SWEbench Ve…
⚠️ 重要说明：原帖候选将本工作仓库写作 SakanaAI/Conductor，经核验该 GitHub 仓库返回 404（不存在或未公开）。本文以 arXiv:2512.04388 论文页面和 Sakana AI 官方博客 为权威来源；代码/模型权重是否公开 Release 需以上述官方渠道为准，本文不替代官方公告。 Sakana AI Conductor …
Native SDK（项目原名 ZeroNative）是 Vercel Labs 出品的原生桌面应用开发工具链，用 Zig 做运行时引擎、TypeScript 或 Zig 写业务逻辑、.native 声明式标记写界面，编译后输出不含任何浏览器 runtime 的单个本地二进制。核心理念：开发者喜欢 Web 技术的表达力，但 Electron 的重量（Chro…
OneSSH 是一个面向 AI Agent 的集中式 SSH 网关，用 Go 写的单个二进制（默认端口 8866），提供 MCP（Model Context Protocol）接口让 AI Agent 以工具调用方式操作远程主机。核心思路是：私钥/密码从不离开网关，Agent 只拿临时令牌 + MCP 工具，权限在网关侧集中管理，所有操作留下结构化审计日志。…
RSIBenchData（Evolvent AI × 新加坡国立大学，arXiv:2607.25886，cs.SE，2026 年 7 月 28 日）是首个专门评测 LLM Agent 作为数据研究员（datacentric researcher）进行递归自我改进的受控基准。 它的核心问题：给一个固定的模型和训练基础设施，LLM Agent 能否自主诊断能力短…
Meta Muse Glimmer 是 Meta 超级智能实验室（Meta Superintelligence Lab）于 2026 年 8 月 开源发布的 ~29.6B 参数多模态推理模型，权重基于 Apache 2.0 许可证，完全开放商用。它是 Meta 自 Llama 时代之后首次重新发布开源权重，被 @rasbt 形容为「Llama 时代以来 Me…
Claude Code Skill Factory 是一个用自然语言交互构建生产级 Claude Skills、Claude Code Agents、自定义 Slash Commands 和 LLM Prompts 的开源工具包。 简单说：你要写一个 Claude Skill，不用从零憋文档，直接回答几个问题，Factory Agent 帮你生成完整的 SK…
webgpuclaudeskill 是一个 Claude Code Agent Skill，让 Claude 能够帮助开发者编写基于 WebGPU + Three.js 的 3D 图形程序，重点覆盖 TSL（Three.js Shading Language） 着色器编程、GPU 计算着色器和后处理效果。 核心定位：把 Claude 变成一个懂 WebGPU…
ToolHive 是 Stacklok 开源的企业级 MCP（Model Context Protocol）服务器运行与管理平台，定位类似 MCP 界的"Kubernetes"——用容器隔离每一个 MCP 服务器，用声明式 API 集中管控注册表、网关、运行时和安全策略。 核心卖点三条： 1. 安全隔离：每个 MCP 服务器跑在独立容器里，凭证不泄露到本地，…
claudekitskills 是 mrgoonie 在 GitHub 上维护的一套 Claude Agent Skills 合集，托管于 ClaudeKit.cc（一个非 Anthropic 官方的 Claude 第三方服务平台）。这并非 Anthropic 官方产品，而是社区将高频使用场景封装为可复用的 Skill 工作流——每个 Skill 约等于一个…
Moli 是一个用 Rust 从零构建的浏览器引擎，专为 AI Agent 场景设计。它不依赖 Chromium，却又完整实现了 V8 JavaScript 引擎、原生 DOM、CSS 渲染、网络请求（Fetch/XHR/WebSocket）、Cookie、localStorage/IndexedDB/OPFS 等 Web 运行时。与传统浏览器自动化工具最大…
2026 年，AI 社区出现了一个重要认知转向：Agent 的表现瓶颈不在模型本身，而在包裹模型的那层工程结构——Harness（驾驭层）。Harness 由 @omarsar0（Elvis，研究机构 DAIR.AI 联合创始人）提出，核心主张是：Agent 的工具调用行为由 Harness 决定，而非工具数量；Harness 的核心能力是决定何时不调用工具…
MaplePreview 是 DeepGrove（@deepgrove_ai）于 2026 年 8 月初开源的一个 20BA1B 三元权重组合专家（ternaryweight MoE）推理模型。所谓"三元权重"，即权重值仅使用 {1, 0, +1} 三个离散值，而非常见的 INT4/INT8 量化——这意味着权重本身已经是极端低精度状态，但仍从零开始以三元格…
长程推理（longhorizon reasoning）要求模型在一个回答链内反复切换不同技能：比如先做数学推导，再用结果来规划日程。现有评测基准往往只考单个技能，无法衡量模型在技能之间灵活切换的能力。 SkillNative LLMs 是普林斯顿、CMU、MIT 等机构在 2026 年 8 月发表的论文（arXiv:2608.05139），从评测和训练两个方…
ClaudePrism 是一个 本地优先的离线科学写作工作空间，由 Tauri 2（Rust）构建的原生桌面应用，集成 LaTeX 编译（嵌入式 Tectonic）、Python 科学计算环境（uv）、以及 100+ 领域专项 Claude Skills（来自 KDense Scientific Skills 项目）。简单说：它把 OpenAI Prism …
rampstackco/claudeskills 是一个 Claude Skills 技能库，包含 103 个互相组合的模块化技能，覆盖从品牌策略、设计系统、内容生产、SEO、产品管理、前端开发到增长运营的完整网站生命周期。每一个 Skill 都是一个独立文件夹，内含 SKILL.md（指令 + YAML 元数据）以及可选的参考文件（模板、清单、工作示例）。…
AgentENV（简称 AENV）是 Kimi K3 模型背后用于大规模运行 Agent 执行环境的分布式平台，由 kvcacheai 团队开源。它的核心职责是：在大规模集群上同时调度成千上万个轻量级隔离沙盒（基于 Firecracker microVM），按需加载 OCI 镜像，让每个 Agent 任务在独立、可快启、可快停的环境中运行。 类比来说：如果 …