AI 工程・后端・数据库 趋势扫描 | 2026-07-08

实例： Jay
检索范围： GitHub Trending · Hugging Face Papers/Models · Tavily 专题搜索
主题： AI 工程基础设施、大模型推理引擎、Agent 框架、向量数据库、LLM 部署

一、GitHub Trending 高价值条目

🔥 addyosmani/agent-skills — 工程级 Agent 技能库

• 链接： https://github.com/addyosmani/agent-skills
• 星标： 72,648 ⭐ | Fork 7,866 | 日增 1,317
• 语言： JavaScript
• 简介： 面向 AI 编程 Agent（如 Claude Code、Copilot）的生产级工程技能集合，涵盖前端、后端、测试、安全等工程维度的 Agent 可用技能定义。
• 可信度： ⭐⭐⭐⭐⭐（addyosmani 为 Google 工程师，质量有保障）
• 评价： Agent 工程化的里程碑式项目，定义了"Agent 可消费的技能接口"标准。与传统 tool calling 不同，这里的技能是结构化、可测试的工程模块。
• 后续行动： 可考虑收录为"AI Coding Agent 工程实践"主题页核心参考；与 Cursor/Copilot 工具链研究联动。

🔥 TencentCloud/CubeSandbox — Rust 安全沙箱

• 链接： https://github.com/TencentCloud/CubeSandbox
• 星标： 8,663 ⭐ | Fork 727 | 日增 664
• 语言： Rust
• 简介： 腾讯开源的轻量级 Rust 沙箱，面向 AI Agent 提供安全隔离执行环境，支持代码执行、文件操作、网络请求等场景。
• 可信度： ⭐⭐⭐⭐⭐（腾讯内部孵化，开源维护活跃）
• 评价： 对标 E2B 的国产替代方案，Rust 实现保证高性能和内存安全。E2B 走 TypeScript/云端路线，CubeSandbox 更轻量、本地优先。
• 后续行动： 对比 E2B、SafeLoop 等竞品，补充至"AI Agent 安全执行环境"分析。

🔥 asgeirtj/system_prompts_leaks — 系统提示泄露研究

• 链接： https://github.com/asgeirtj/system_prompts_leaks
• 星标： 53,500 ⭐ | Fork 8,719 | 日增 1,691
• 语言： JavaScript
• 简介： 持续收集各大厂商（Anthropic、OpenAI、Google、xAI）AI 产品的系统提示词泄露样本。
• 可信度： ⭐⭐⭐（社区驱动，数据量大但未经验证）
• 评价： 安全研究者必备参考资料，对理解各家 LLM 系统设计有价值。需注意部分内容可能过时或伪造。
• 后续行动： 收录为"LLM 系统工程・提示词研究"辅助参考源，不作为一手资料引用。

🔥 ruvnet/RuView — WiFi 信号感知

• 链接： https://github.com/ruvnet/RuView
• 简介： 利用 commodity WiFi 实现无摄像头空间感知、生命体征监测、存在检测。
• 可信度： ⭐⭐⭐（工程方向有趣，但需核实实际效果）
• 评价： 跨模态感知研究的新思路，非视觉方案在隐私敏感场景有独特价值。
• 后续行动： 归档，有余力可深入阅读源码。

🔥 kyutai-labs/pocket-tts — CPU 可运行 TTS

• 链接： https://github.com/kyutai-labs/pocket-tts
• 星标： 6,447 ⭐ | 日增 531
• 语言： Python
• 简介： 可在 CPU 上运行的轻量 TTS 模型，Kyutai Labs 开源。
• 可信度： ⭐⭐⭐⭐（学术背景团队，工程化程度待验证）
• 评价： 端侧 TTS 赛道值得关注，与 whisper.cpp 系列形成互补。
• 后续行动： 归档备选，核实其在消费级 CPU 的实时性指标。

🔥 MadsLorentzen/ai-job-search — AI 求职框架

• 链接： https://github.com/MadsLorentzen/ai-job-search
• 星标： 12,855 ⭐ | 日增 2,514
• 简介： 基于 Claude Code 的 AI 驱动求职框架，含简历定制、求职信生成、模拟面试。
• 可信度： ⭐⭐⭐（工程完整度高，非核心研究主题）
• 评价： Agentic workflow 工程实践案例，展示多步骤 Agent 编排。
• 后续行动： 作为 Agent workflow 工程案例参考。

🔥 iOfficeAI/OfficeCLI — Office 文件 AI 操作

• 链接： https://github.com/iOfficeAI/OfficeCLI
• 星标： 10,784 ⭐ | Fork 722 | 日增 893
• 简介： 纯二进制工具，无需安装 Office 即可读写 Word/Excel/PowerPoint，面向 AI Agent 操作办公文件。
• 可信度： ⭐⭐⭐⭐
• 评价： AI Agent 操作系统桌面文件的基础设施工具类项目，工程价值高于研究价值。
• 后续行动： 补充至"AI Agent 工具生态"整理。

⭐ dotnet/skills — .NET AI 技能定义

• 链接： https://github.com/dotnet/skills
• 星标： 4,389 ⭐ | Fork 325
• 简介： 微软官方的 .NET AI Agent 技能库，定义 Agent 与 C#/dotnet 生态交互的规范。
• 可信度： ⭐⭐⭐⭐⭐（Microsoft 官方维护）
• 评价： 与 addyosmani/agent-skills 形成对比，是 Microsoft 官方对 Agent 工程化标准的回应。跨平台/跨语言 Agent 技能规范是 2026 年重要趋势。
• 后续行动： 重点关注，建议与 agent-skills 对比研究，输出"Agent 技能规范对比分析"。

二、HF Papers 今日热文（arXiv 2026-07）

📄 HiLS-Attention — 腾讯/Hunyuan：层次化稀疏注意力

• arXiv： https://arxiv.org/abs/2607.02980
• 作者： Tencent Hunyuan 团队
• 核心观点： 提出 Hierarchical Landmark Sparse Attention，将长上下文稀疏注意力建模为端到端可学习任务。查询先对每个 chunk 独立提取信息，再根据检索分数融合。能在 90% 检索精度下外推到训练长度的 64 倍以上，同时保持稀疏 KV 访问，突破效率-性能 trade-off。
• 可信度： ⭐⭐⭐⭐⭐
• 评价： 对 RAG 和超长上下文场景有直接工程意义，是 context scaling 的重要方向。
• 后续行动： ⭐建议精读，关注开源实现时间线（腾讯通常会配套开源代码）。

📄 AlayaWorld — 可交互生成世界框架

• arXiv： https://arxiv.org/abs/2607.06291
• 作者： 未确认（提交人 taesiri）
• 核心观点： 全栈开源框架，支持实时可交互的生成式游戏世界，涵盖数据准备、模型训练、推理加速、部署完整 pipeline。
• 可信度： ⭐⭐⭐⭐
• 评价： 偏向应用研究而非基础模型突破，但对实时生成系统有参考价值。
• 后续行动： 归档，游戏/具身智能研究者可关注。

📄 SenseNova-Vision — 统一多模态视觉生成

• arXiv： https://arxiv.org/abs/2607.06560
• 作者： sensenova
• 核心观点： 将各类视觉任务（检测、OCR、分割、深度估计等）统一为多模态生成问题，用自然语言指令+可选视觉提示指定任务。
• 可信度： ⭐⭐⭐⭐
• 评价： 统一多模态架构趋势延续，值得关注与 LLaVA、InternVL 系列的技术路线对比。
• 后续行动： 归档，等正式论文/代码放出后深度跟进。

三、推理引擎格局（2026-07 最新）

核心格局：TGI 退场，双雄争霸

• TGI（Hugging Face）： 2025 年 12 月进入维护模式，官方推荐迁移至 vLLM 或 SGLang。
• vLLM： H100 上 Llama 70B 约 3,500 tok/s，社区最大（66k+ ⭐），生态最广。
• SGLang： H100 上同模型约 4,000-5,000 tok/s（前缀缓存优势），多轮对话/RAG 场景表现突出。
• TensorRT-LLM： NVIDIA 官方，H100 性能最优但部署复杂度高，编译时间长。
• llama.cpp： CPU/边缘推理首选，H100 上 4,500 tok/s（量化后）。

选型建议（2026-07）

可信度： ⭐⭐⭐⭐⭐（多个独立 benchmark 一致） 参考： TECHSY benchmark、DeployBase、Yotta Labs、Spheron 对比报告

四、HF Models 下载量榜单（text-generation，按下载量）

趋势： Qwen 系列统治下载榜；DeepSeek-R1 推理模型需求持续；GPT-OSS（OpenAI 开源）快速崛起。

五、LLM 2026 上半年重要论文回顾（Sebastian Raschka 整理）

来源：https://magazine.sebastianraschka.com/p/llm-research-papers-2026-part1

六、RAG / Agentic AI 生态

awesome-ai-agents-2026 系列（多个同名 repo）

• caramaschiHG 版本： 463 forks，覆盖 340+ 资源，20 类目，含 Coding Agents、Multi-Agent、Observability、RAG 等。
• Zijian-Ni 版本： 中文版 README.zh-CN，53 forks，Python 100%。
• 可信度： ⭐⭐⭐⭐（社区维护，分类全面但时效性依赖更新频率）
• 评价： 体系化程度高，适合作为知识库导航页面补充。

Agentic RAG 趋势

• Agentic RAG = 让 RAG 检索过程本身被 LLM 引导决策（查什么、怎么查、查几轮）。
• LangGraph、LangChain、Llamaindex 均已支持 Agentic RAG 原语。
• 代表 repo：LangFlow（可视化 RAG pipeline builder）持续热门。

七、分类标签

LLM推理引擎 vLLM SGLang TensorRT-LLM HiLS-Attention RAG Agentic-RAG AI-Agent 向量数据库 长上下文 多模态 开源LLM Qwen DeepSeek GPT-OSS Agent工程化 GitHub-Trending HuggingFace

八、本次写入路径

实际写入： /shared/research-kb/inbox/jay/2026-07-08-ai-engineering-trending.md

九、建议行动