集体失控（Collective Loss of Control） 是 2026 年 9 月腾讯朱雀实验室（Tencent Zhuque Lab）发表的一篇论文（arXiv:2609.18460）中提出的概念，用于解释多 Agent 系统如何从一次局部偏差演化为集体性故障。论文的核心理论框架将多 Agent 失控建模为流行病传播——三个阶段：意外突变（Muta…
仓库攻略
581 篇 · 569 个项目 · jay
Visual Grounding（视觉定位）是 2026 年 PDF Agent 工程中最重要的却被严重低估的能力。它指的是：给定一段文本描述，模型需要找到该描述对应的图像/文档区域——具体到 bounding box（边界框）、页码、词级别或行级别的精确位置。 在 PDF Agent 场景下，Visual Grounding 意味着：Agent 回答"这份…
这是一个生产级论文分类流水线，使用 Jev（TypeSafe AI 出品的 System One 模型）对 DAIRAI 维护的 ~2.3K 篇 AI 论文进行重新打标。总成本仅 $0.14，耗时约 83 秒。 核心思路：用便宜的 DeepSeek V4 Flash 先生成初稿标签，再用 Jev 做高质量核验与修正——这是 System One（快思考）+ …
metapipe 是一个基于 Claude Code 的端到端系统综述（Systematic Review）与元分析（MetaAnalysis）自动化 pipeline。你给一个研究主题，Claude Code 自动完成从文献检索、筛选、数据提取、统计分析到生成符合期刊格式的手稿，整个过程模块化、可重现、留有 5 个强制人工决策点。 核心逻辑：用 Claud…
Nimble 是一个本地运行的决策模型，基于 Qwen3.59B 微调而来，主打「给一段文字 + 一个 schema，立刻返回一个带概率的typed decision」——不做推理过程、不生成文本，直接从 logits 读出各候选答案的概率，返回确定类型的结构化结果。 核心灵感来自 TypeSafe 的商业产品 Jev（System One 决策路径），但 …
Jev（发音 "Jeve"）是一个装在 Android 手机上的对话副驾，核心逻辑是：先判断对方真实意图与危险等级，再据此起草候选回复，最终把回复填入输入框——发不发永远由你手动点。 大多数 AI 辅助回复工具直接让模型生成一句回复。Jev 的差异在于引入了独立的判断模型（Jev 判断层）：它一次回答七道题——对方意图是什么、危险等级几档（1–9）、对方要什…
2026 年 9 月，LangChain 正式集成 TypeSafe AI 的 Jev——一个非传统 LLM 的"System One"判决模型。Jev 不生成文本，而是接收一段状态（state）和若干结构化问题，返回置信概率和分类决策。LangChain 通过 langchaintypesafe 包将 Jev 接入 agent harness，为两个高频决…
DeepSeekV4.1Flash 是 DeepSeek 于 2026 年 9 月 10 日 正式发布的开源多模态 MoE 大模型，是 DeepSeek 新架构家族的最小成员。它在 9 月 14 日已接管原 deepseekv4pro 的全部流量，成为 DeepSeek API 的主力模型。模型以 MIT 协议开源权重，同时通过 DeepSeek 官方 AP…
代表攻略
Skill Entropy：衡量并训练 LLM 跨技能切换能力 · 干货攻略
Skill Entropy 是普林斯顿大学（联合 CMU、UToronto、UIUC、Stanford、Oxford）团队提出的一套跨技能长程推理评测与训练框架，包含三个核心组件： 1. Skill Entropy（技能熵）：一种度量技能切换难度的有向成对指标。当参考模型（Claudeopus4.7）分别处理两个技能时表现良好，但在连续执行两者时失败，则该技…
OfficeIMO 是一个完全脱离 COM 和 Microsoft Office 的 .NET 文档处理库全家桶，用 Open XML SDK 底层实现，覆盖 Word（.docx / .doc）、Excel（.xlsx / .xls）、PowerPoint（.pptx / .ppt）、PDF、OneNote、Visio、Markdown、HTML、RTF、…
AgentSky（agentsky.dev）是 2026 年上线的世界首个 Agent Market（Agent 聚合分发平台），核心理念是「把 OpenRouter 对模型的作用复制到 Agent 层」——用一张 API key 统一接入 Claude Code、Codex、Hermes、OpenCode、Kimi Code、OpenClaw 等多款主流 …
这篇论文（arXiv:2609.20804，2026 年 9 月 17 日）是首批对 Coding Harness 进行组件级拆解实证研究的工作之一。 论文作者（RunZe Fan 等，来自 UMass Amherst、Emory、UNC Charlotte 和 Zoom）构建了一个模块化的轻量 Coding Harness，将执行循环固定，仅对三个组件进行…
Stellar Colosseum 是 Google Research 推出的一种多 Agent 协作 Harness 系统，用于在数学与理论计算机科学领域执行长程研究任务（longhorizon research）。由 Honghao Lin、David P. Woodruff（cofirst authors）、Yuan Deng、Jieming Mao、…
SkillRanker（命令 sr）是一个独立运行的 Rust CLI 工具，核心作用是在 AI 编码代理（Claude Code、Codex 等）的技能库中，根据当前会话的实时上下文，智能挑选最适合下一步的技能。它由 TypeSafe.ai 的 Jev 模型提供决策引擎，支持 Claude Code Hooks 集成、结构化 JSON 输出、主动弃权（ab…
Remiqora 是一个本地 GPU 加速的 AI 音乐生成工作室，用 Vue 3 + FastAPI 统一了 ACEStep 1.5 和 YuE23B 两套音乐生成引擎，并内置了一个多轨 DAW（数字音频工作站）。用户不需要分别操作两套独立的 Web UI，只在一个界面里就能完成音乐生成、人声伴奏拆分、MIDI 转录、LoRA 微调和最终混音导出。⚠️ 项…
Procedural Graphs（过程图）是 Google 团队（Yuxing Lu、Yicheng Chen、Shanchan Wu、Sercan Ö. Arık）2026 年 9 月 8 日发表在 arXiv（2609.09153）的论文提出的 LLM Agent 执行结构框架。 其核心思想类比清晰： 知识图谱（Knowledge Graph）→ 用（…
SoLPi（Scaling of Language — Pi）是 NVIDIA NVlabs 开源的一个 Pi Agent 引擎扩展包，通过四个可插拔的 Token 节省机制，在保持原有任务完成质量的前提下，大幅削减长时运行编码 Agent 的 token 流量和 API 成本。 它不是一个独立的 Agent，而是以插件形式叠加在 Pi（@earendilw…
AI Model World（大模型世界）是一个把 500+ 大模型可视化成像素小镇的互动网站。每个模型是某家厂商"小屋"里的一个像素角色，网站首页八块领奖台分别标注"今日最聪明""最会编程""最划算""最便宜""记性最好""最新发布""国内最强""开源最强"，三秒扫完当天格局。背后数据来自 models.dev、Epoch AI、LiveBench、Hug…
Jev Reviewer（访问入口还有 Review）数据提取工具。研究者打开一篇论文的 PDF、补充材料、试验方案或数据表格，直接提问——例如"入组年龄范围是多少""谁资助了这项研究""随机化人数几人"——工具从文档中返回逐字引用（verbatim quote），标注来自哪个文件的哪一页、哪一段或哪一行，并在原文件中高亮显示该位置。无需安装、无需 API …
GPT6 Astra 是 OpenAI 于 2026 年 9 月 3 日发布的旗舰模型，定位为「AI 工程师」级 Agent 主力引擎。本攻略聚焦其 API 接入成本 与 编码类 Agent 任务性价比，为有实际落地需求的开发者提供一份可复现的参考。 核心事实（均来自官方来源，详见「核验过程」）： | 维度 | 数据 | ||| | API 模型名 | gp…
ChessFly 是 Liquid AI 研究员 Maxime Labonne 开源的一个实验项目：把果蝇（Drosophila melanogaster）雄性成虫全脑连接组（connectome） 作为神经网络骨架，训练它下棋。 连接组（connectome）是什么？简单说就是神经元之间所有连接的完整 wiring diagram——相当于大脑的"电路图"…
dairai/dairacademyplugins 是 DAIR.AI 维护的一个 Claude Code 插件市场，涵盖 AI 课程助教、X 情报流、论文策展、图像生成、LLM Council 等多个垂直场景。其中 xagentintelligence 插件（v1.4.0）解决了一个实际问题：如何把 X（Twitter）上关注的 AI / Agent 账号…
CodexBoard 是一个 macOS 桌面应用，将项目任务看板与本机 Codex 连接起来。它的核心用途是：让你用看板（Kanban）的方式管理任务，把任务提交给本机 Codex 执行，然后在看板里实时查看进度、处理审批和补充信息——相当于给 Codex 加了一层任务管理层。 项目支持两种接入方式：Web 浏览器（ HTTPS 登录） 和 飞书（Lark…
PIDesktop 是一个本地优先（Localfirst）的 AI 编程 Agent 桌面工作空间。它的核心理念是：大多数编程 Agent 活在终端、编辑器插件或托管服务里，而 PIDesktop 给它们一个真正属于自己的独立桌面环境。 项目选用 Electron（前端界面）+ Rust Host Core（特权操作核心）+ pi Agent Sidecar…
ChessFly 是一个用真实果蝇（_Drosophila melanogaster_）全脑连接组（Connectome）驱动的神经网络下棋项目。作者 Maxime Labonne 将 FlyWire 的果蝇神经系统重建数据训练成了一个可以下棋的神经网络，并开源了模型权重和浏览器在线 Demo。 核心数据（来源：Hugging Face 官方模型卡，下方有核…
Jev Ultrafast 是 browseruse 团队在 2026 年 9 月发布的一个开源浏览器 Agent 框架，核心创新是将 TypeSafe Jev 决策模型与动态索引式动作空间结合，实现超快决策循环。 与传统的截图+视觉推理路线不同，它用原子化 DOM 快照替代视觉输入：JavaScript 一次性读取页面可见控件（按钮、输入框、下拉框等），按…
Beyond Prompts: Measuring and Optimizing LLM ToolAgent Harnesses 是一篇 2026 年 9 月 4 日提交、已被 EMNLP 2026 接收的论文，第一作者为 Airbnb 的 Mia Zhao。论文研究的核心问题是： 在模型权重固定的前提下，如何系统性地优化 agent 的运行时控制层（har…
WHALE（WeightHarness Alternating LEarning）是 KRAFTON AI 与斯坦福大学联合提出的一种联合优化配方，核心思路极为简洁：将 Agent 系统拆成两个独立模块——模型权重（weights）和Harness 代码，交替优化，每次只动一个、固定另一个，循环往复逼近联合最优解。 官方定义（arXiv 2609.00196…
多子 Agent 并行存在收益递减边界——当并发子 Agent 数量超过某个阈值后，增加更多 Agent 不仅无法继续提升效果，反而会因协调开销、Token 浪费和上下文重叠导致整体效率下降。 核心反直觉结论： 来源分享者 @omarsar0（Omar Sánchez）是 AI 工程领域活跃的独立研究员，以梳理长文摘要和架构分析著称。 多 Agent 系统是…
JustinTime（JIT）Agentic OCR 是 LlamaIndex 联合创始人 Jerry Liu 在 2026 年 9 月提出的一种两遍文档处理范式，核心思想是： 不要对每个文档一开始就做昂贵的 VLMOCR，而是在需要的时候才精准放大（zoom in）到相关页面。 传统方案（全量 VLMOCR）的问题：贵、慢、没必要。JITOCR 的答案：先…