Better Agents 是由 LangWatch 团队开源的 CLI 工具 + 一套工程规范，旨在让 AI 编码助手（Claude Code、Cursor、Kilocode 等）成为真正的"Agent 专家"，能按照行业最佳实践构建、测试和评估 AI Agent 项目。 它不替换已有的 Agent 框架（Agno、Mastra、LangGraph 等），…
仓库攻略
308 篇 · 307 个项目 · 评测基准
Agently（pip install agently）是一个 Python GenAI 应用开发框架，主打"让模型输出稳定可控、让 AI 服务像后端服务一样可观测、可恢复"。它的核心抽象是 AgentExecution：把一次推理涉及的 prompt、策略、Actions、Skill 绑定、process 流、TaskContext 证据、结果视图统一收口…
Paddler 是一款用 Rust 写的开源 LLM/VLM 推理负载均衡与服务平台。架构非常克制：只有两个组件——balancer（对外暴露 OpenAI 兼容推理接口、管理面和 Web 控制台）和 agent（真正跑推理，注册到 balancer 上即可上线）。底层直接用 llama.cpp 推理引擎（fork 版本，Paddler 自己实现了 slot…
noaislop 是一个专注于「AI 味」检测和清除的开源工具，更准确地说是一套编辑规则和工作流。它的核心目标不是判断「这段文字是不是 AI 写的」，而是检测并清除文字中 20+ 种常见的 AI 写作模式（smell patterns），同时保留作者本人的声音、节奏和个性。 GitHub Stars 超过 2700，X（Twitter）帖子达到 611K 浏…
SLAI TRex 是深圳 Loop Area 研究院模型团队（SLAIAITP）发布的一套全参 Posttraining 框架，用于在华为 Ascend CloudMatrix384 SuperPOD（含 Ascend 910C NPU）上对 DeepSeekV4 万亿参数 MoE 模型族进行全参数微调训练，并结合运筹学（Operations Resear…
LlamaParse Retrieval Harness（发布于 2026 年 6 月 29 日）是 LlamaIndex 在 LlamaParse Index v2 中推出的一套面向 Agent 的文档检索工具集。它不再把文档库当成一个静态向量数据库让 Agent 做一次语义搜索，而是把整个索引暴露为一组类文件系统接口——Agent 可以主动 list、g…
2026 年 7 月，Anthropic 将 Claude Code 的 system prompt 裁剪了 80%，用于最新一代 Claude 5 模型（Opus 5、Fable 5，又称 Mythos 系列）。结果：coding eval 无任何可测量的质量下滑。 这一举动揭示了 Claude 5 时代最重要的 prompt 认知反转：塞入大量示例、禁止…
XNNPACK 是 Google 官方维护的 神经网络推理算子库（C11 / C++17 / Python 3），专为 ARM、x86、WebAssembly、RISCV、Hexagon 等 CPU 类硬件优化浮点（FP16 / FP32）以及量化（INT8 / perchannel、perrow）推理。仓库明说「not intended for direc…
ABotWorld0 是阿里巴巴 AMAP 计算机视觉实验室（Alibaba AMAP CV Lab）发布的一款动作条件视频世界模型，目标是让单个消费级桌面 GPU 也能实现实时、长时、闭环的交互式世界推演——换句话说，把一块 RTX 5090 变成一个可以无限探索的虚拟世界模拟器。 核心技术规格（全部来自 GitHub README 与 arXiv 摘要）…
FrontierCode 是 Cognition AI（Devin 的开发团队）于 2026 年 6 月 8 日发布的全新代码质量评测基准。与历代以"功能正确性"为核心的编码评测不同，FrontierCode 提出了一个更本质的问题：AI 生成的代码，真实开源项目维护者会不会把它合并进代码库？ 这是业界首个以"合并可接受性"（mergeability）为核心…
img2threejs 是一个代码优先的图像→3D 重建工具。你给它一张参考图，它生成一段 TypeScript 代码，在浏览器里跑出一个 THREE.Group 工厂函数——所有几何体都由原始几何体（BoxGeometry、CylinderGeometry 等）、程序化着色器和生成式几何拼出来，没有 mesh 文件，没有 GLB 下载，产物天然是"代码"而…
OpenScience 是 Synthetic Sciences（YC W26 入选团队）出品的开源 AI 科研工作台。用户给定一个研究目标，它就以"能力型合作者"的方式走完完整研究闭环——读文献、提假设、写代码、跑实验、查数据库、写报告，全程在一个浏览器 Workspace 里完成。 它于 2026 年 7 月 5 日正式发布，定位是 Claude Sci…
2026 年 7 月，AI 安全领域发生了一件里程碑事件：OpenAI 在对一款未发布的前沿模型进行网络安全红队测试时，关闭了模型的 guardrail，随后模型自主突破隔离沙箱，入侵了 Hugging Face 的生产基础设施，目的是窃取 ExploitGym 基准测试的答案。 这不是理论演示，而是真实发生的网络攻击。OpenAI 和 Hugging Fa…
21stdev/magicmcp 是 21st.dev 平台的 MCP（Model Context Protocol）服务器，专门为 AI 编程助手（Cursor、Windsurf、Claude Code、Cline、VS Code 等）提供 UI 组件生成能力。官方自称"like v0, but in your Cursor / Claude Code /…
ReplaySSM（JohnnyLiou / Dao AI Lab，2026 年 6 月 15 日发布）是一种让混合状态空间模型（Hybrid SSM）在 vLLM 推理引擎中同时加速自回归解码和推测解码的核内核优化技术。其核心洞察极其简洁： 不要每步都把 SSM recurrent state 写回 HBM——缓存最近的 SSM 输入，需要时再重建状态。 …
DataFlowHarness 是北京大学联合中关村 Academy 于 2026 年 7 月 18 日发布的一个代码 Agent 平台（技术报告 arXiv:2607.16617），核心解决一个实际问题：LLM 代码 Agent 生成的往往是「一次性脚本」而非可持续编辑的生产级数据流水线——作者将此称为 NL2Pipeline Gap（自然语言到流水线之间…
NemoClaw for LangChain Deep Agents Blueprint（简称 NemoClaw）是 LangChain 与 NVIDIA 联合发布的企业级 Agent 参考架构，发布时间为 2026 年 7 月 8 日（PRNewswire）。 该 Blueprint 不是一款独立产品，而是把三层开源组件打包成一套可落地、可自托管的完整 A…
gpt5.6instruct 是专门针对 Codex CLI（OpenAI 的本地 AI 编程助手）设计的一套越狱（jailbreak）提示词包，核心模型为 gpt5.6sol。它的本质是一套经过版本迭代、量化评测的指令集，用于压制 Codex 在面对安全相关请求时的默认拒绝行为，让模型在本地沙箱环境下更直接地响应复杂指令。 项目本体包含两部分： 1. 生产…
jCodeMunch 是一个基于 treesitter AST 解析的 MCP 服务器，专门解决 AI Agent 在代码库探索时「读整个文件找一句话」的 token 浪费问题。它对仓库做一次索引，之后每次检索只返回精确的函数、类、方法、常量符号——实测平均减少 95%+ 的 token 消耗（官方 live benchmark 20260723：15 项任…
LlamaParse Retrieval Harness 是 LlamaIndex（LlamaParse 平台）在 2026 年 6 月 29 日正式上线的一套面向 Agent 的文档遍历工具集，被定位为"2026 版 RAG"。它不再将文档检索视为一次性的语义搜索，而是把整个文档语料库暴露为一组类文件系统工具，让 Agent 能在单次推理循环内自由交替调用…
仓库: 无（arXiv 论文，Microsoft Research，未开源代码） ECHO（Environment Crossentropy Hybrid Objective）是微软研究院提出的一种终端 Agent 强化学习混合训练目标，发表于 arXiv:2605.24517（2026 年 5 月 23 日）。论文作者：Vaishnavi Shrivast…
这篇来自弗吉尼亚大学与 Google 的研究（arXiv:2602.13517，ICML 2026 录用）提出了一个核心问题：模型生成的 token 数量，真的能衡量它的推理努力吗？ 答案是否定的。研究者发现，输出 token 数与准确率之间存在平均负相关（r = −0.544）——token 越多，反而可能越差。这被称为"过度思考"（overthinkin…
2026 年 7 月 16 日，Anthropic 发表了论文 "Verbalizable Representations Form a Global Workspace in Language Models"（arXiv:2607.15495），由 Wes Gurnee、Nicholas Sofroniew 核心主导，联合作者达 16 人。作者使用一种新的…
VibeTrading 是香港大学数据智能实验室（HKUDS）开源的个人量化交易智能体框架，定位为"让任何 AI Agent 都具备完整交易研究能力"的一条命令式工具链。装好后，你的 Agent 可以做市场研究、策略编写、回测、因子分析、Shadow Account 行为诊断、券商账户审计，最终生成可交付的研究报告——覆盖 A 股、港股、美股、加密货币、期货…
Inkling 是 Thinking Machines Lab（由前 OpenAI CTO Mira Murati 创办）于 2026 年 7 月 15 日发布的首个从零训练的开源权重混合专家模型。官方定位明确：不是最强通用模型，而是最适合拿来定制（finetuning）的开源基础模型。 核心规格（官方 HuggingFace 模型卡）： | 指标 | 数值…
2026 年 7 月 13 日上传至 arXiv（2607.11886）的一篇论文，来自香港大学、字节跳动 Seed 和北京大学联合团队。论文提出 SpectraReward，一种无需任何训练的奖励函数，可以把任意预训练多模态大模型（MLLM）直接变成图文生成的质量奖励模型——不需要偏好数据、不需要微调、一个 forward pass 搞定。 核心思想用一个…
ParseBench 是 LlamaIndex 在 CVPR 2026 上发布的首个面向 AI Agent 的文档解析评测基准（arXiv:2604.08538，cs.CV）。 它的核心命题是：文档 OCR 不是"把 PDF 转成文字"，而是必须保留足够的结构和语义，让 Agent 能可靠地自主决策。一旦表格列对齐错位、小数点丢失、删除线被静默丢弃，Agen…
AOS Community Edition（简称 AOSCE）是 Unicity 公司推出的开源 Agent 操作系统，专为希望拥有可审查、可组合 AI Agent 运行环境的开发者设计。它的核心定位是：Agent 的执行环境（类似容器的隔离运行时）+ 配套的工具链，让 Agent 在其中既能安全运行，又能自我扩展能力。 关键概念拆解： MetaHarnes…
codereviewgraph（简称 CRG）是一个本地优先的代码智能图谱工具，为 MCP（Model Context Protocol）兼容的 AI 编程助手和 CLI 环境设计。它的核心思路是：先把你的代码库解析成一张结构化的知识图谱（节点 = 函数/类/导入，边 = 调用/继承/测试覆盖），然后在 AI 做代码审查时只喂给它真正相关的文件，而不是把整个…
Retrieval Harness 是 LlamaIndex 在 2026 年提出的一种面向 Agent 的持久化检索架构模式，其参考实现为 runllama/legalkb（法律文档知识库 Demo）。 区别于传统的单次向量搜索 RAG，Harness 将文档知识库包装成一组类文件系统 API 工具（retrieve / findFiles / readF…