MinerU 是由 OpenDataLab（上海人工智能实验室关联开源组织）开发的高精度文档解析引擎，于 2024 年开源。其核心能力是：将 PDF、DOCX、PPTX、XLSX、图片、网页等复杂文档，转换为 LLM 可直接消费的 Markdown 或 JSON 格式，同时保留阅读顺序、标题层级、表格结构、公式 LaTeX 等语义信息。 MinerU 最早服…
仓库攻略
137 篇 · 137 个项目 · Agent 智能体 · 评测基准
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…
PaperOrchestra 是 Google 研究团队（Song et al., 2026）提出的一种多智能体学术论文写作框架（arXiv:2604.05018），其核心思路是用 5 个专责 Agent 流水线协作，把零散的研究材料（想法、实验记录、图表）转化为可直接投稿的 LaTeX 论文。 Ar9av/PaperOrchestra 则是将这篇论文的实现…
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…
IntellAgent 是一个多智能体（multiagent）框架，专注于对话式 AI Agent 的系统性评测与诊断。 传统 agent 评测依赖人工构造测试用例，数量有限且难以覆盖真实世界的长尾边界情况。IntellAgent 的思路是：给定你的 agent 描述（prompt、工具定义、数据库 schema），自动生成数千种真实感强的边缘场景（edge…
DeepSeek Harness（dsh） 是 DeepSeek 官方于 20260813 开源的 Agent 运行时框架，MIT 许可证，用 TypeScript 开发。其核心理念是"一切皆插件"（everything is a plugin）——整个系统由一个可插拔的 profile 骨架和 60+ 官方能力包组成，模型无关，支持 Claude、GPT、…
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，…
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…
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…
Agent Research Copilot (ARC) 是一套面向理论物理研究的 LLMAgent 工作流，由 Yanjiao Ma、Yi Wang、Xingkai Zhang 三人署名，已发布 ChinaXiv:202606.00234（v1，202606）。它本身不是单一 CLI，而是「7 个可独立复用的 Python 包 + 一层对 coding a…
Future AGI 是一个开源 AI Agent 全生命周期管理平台，将评估（Evaluation）、追踪（Tracing）、防护（Guardrails）、仿真（Simulation）、网关路由（Gateway）、提示优化（Optimization）六大能力整合在同一个反馈闭环中，支持自托管（Docker Compose）和云端两种部署方式，核心定位是"让…
AssetOpsBench 是 IBM 研究院推出的工业资产运维 AI Agent 基准测试框架，已正式接收为 KDD 2026 Datasets & Benchmarks Track 论文。它模拟真实工业环境（工厂、车间设施），覆盖 9 大资产类别、141+ 运维场景、5 类领域专家 Agent（IoT/FMSR/TSFM/WO/Vibration），提供…
Prime Agent 是 Prime Intellect（2026 年 8 月 5 日开源）的自改进 Agent 编程框架，围绕两个核心抽象构建： RLM（Recursive Language Model）：将上下文视为变量，把子 Agent 调用变成 REPL 内的函数调用（rlm(...)），替代传统的固定工具 schema + 上下文压缩方案。 Co…
devbrowser 是一个让 AI Agent（如 Claude Code、Codex）直接控制浏览器的 Claude Skill。它通过在 QuickJS WASM 沙箱中执行 JavaScript 脚本，实现浏览器自动化操作，同时保证宿主系统安全——脚本没有文件系统或网络访问权限。 核心定位：在 AI Coding 场景下，提供比传统 Playwrig…
⚠️ commit 时戳：本攻略基于 main 分支 SHA c2fe93deedfd0d1bd9fe7ef0601ea1b9c20ea24a（20260505 03:23 UTC，commit message "Make serenity output example more concrete"）。仓库卡片显示「最近提交 20260505」，与 API …
⚠️ commit 时戳：本攻略基于 main 分支 SHA 89f82b3a96fb3e25a357a24bfd13b16e7fe4bf4e（20260805 15:41 UTC，commit message "Merge pull request #119 … 更新特别致谢与 Star History 图片"）。仓库卡片显示「Stars 4939 / 周…
tRPCAgentGo 是一个 Go 原生的生产级 AI Agent 开发框架，GitHub 星标约 1647（截至 20260809，周增 +21），Apache2.0 许可证，最近一次提交 20260808（高度活跃）。 核心定位：让 AI Agent 应用符合 Go 服务的要求——并发安全、可观测、易部署，同时支持 A2A、AGUI、MCP 等主流协议…
《三年面试五年模拟》是一份中文开源 AIGC / 大模型 / AI Agent 算法工程师面试百科全书，由 AIGCmagic 社区维护，GitHub 星标 4276（截至 20260809，周增 +21）。内容分为算法岗和开发岗两大方向：算法岗覆盖 AIGC、LLM 大模型、AI Agent、具身智能、传统深度学习、计算机视觉、自然语言处理、强化学习、自动…
一个专注于 Context Engineering（上下文工程） 的 Agent Skills 合集，共 17 个 skills，涵盖上下文基础、注意力退化机制、多智能体架构、记忆系统、工具设计、评测框架、自优化循环等核心主题。这套 skills 的核心理念是：上下文窗口的限制不是靠"增加 Token 数"就能解决的，而是需要系统性地管理信息流入的质量和结构…
xixume/awesomepersonadistillskills 是一个围绕人格蒸馏（Persona Distillation）的 Agent Skills 精选列表。它不直接提供某个具体的 skill，而是收录了 GitHub 上所有"将人物、关系、纪念性场景或方法论蒸馏为 Agent Skill"的项目，形成一个人格 Skill 的 awesome …
一个 Agent Skill 集合，把"在终端里讲不清的复杂图表/表格/对比"从 ASCII art / monospace 字符画升级为自包含 HTML 页面或幻灯片，直接在浏览器中打开阅读。支持架构图、Mermaid 流程图、数据表、幻灯片、diff 评审、plan 对比、project recap 等多种形态。 与单一 harness 锁定不同，它同时…
academichumanizer 是一个针对学术论文和基金申请书的 AI 写作风格修订 skill，专为 Claude Code、Codex、MorphMind 等 AI coding/prose agent 设计。它的核心目标不是"检测 AI 生成内容"，而是消除 AI 辅助写作中的机械腔、模板腔，让文字回到作者自己的声音，同时严格保持学术严谨性。 与市…
texttocad 是一个面向 AI 编程 Agent（Claude Code、Codex 等）的 CAD/CAE/CAM 技能库——给 AI Agent 安装这些 Skills 后，你可以用自然语言让 Agent 直接生成 STEP、STL、DXF、URDF 等工程文件，甚至驱动 3D 打印和数控加工。 项目包含 11 个独立 Skills，覆盖从"文本/…
本攻略核验了原帖中的所有关键数字，均来自 OSWorld 2.0 官方 GitHub（xlangai/OSWorldV2）、arXiv 论文摘要页（2606.29537）及 arXiv HTML 版本原始表格数据。Benchmark leaderboard 动态更新，当前 SOTA 已随新模型提交变化，文中标注了原始 paper 结果与最新榜单的区别。 OS…
literaturereviewagent 是一个基于 LangGraph 的可审计、可恢复多 Agent 文献综述工作流，包含两个独立可用的 Agent： Literature Search Agent：负责文献检索、去重、引文扩展，输出 literature.csv Literature Review Agent：负责从用户批准提纲和本地文献生成带证据的…
Cameron R. Wolfe（Deep Learning Focus newsletter 作者、Netflix 资深研究科学家）发布了一篇万字长文，系统梳理了当前 Agent 评测的核心方法论与实践挑战。 传统 LLM 评测用静态问答或短对话就能完成——输入问题，输出答案，对比参考答案。但 Agent 系统是长时间运行、主动操作外部环境、与工具反复交互…
claudecode 是 Anthropic 官方出品的 agentic coding tool——一个常驻终端、读懂整个代码库的编程助手。它不是单纯的代码补全(LSP/IDE inline),而是一个能自主完成多文件修改、跑命令、做 git workflow 的 agent: 一句话定位:Anthropic 的 "终端 agent 编程助手"——和 Ope…
anthropics/skills 是 Anthropic 官方维护的 Agent Skills 示例与规范仓库。所谓 "Skill"(在 Anthropic 体系里),是一个带 YAML frontmatter 的 Markdown 指令包:一个文件夹 + 一份 SKILL.md + 一组可选脚本/资源,Claude 在识别到任务匹配时会动态加载并执行它。…