llm-infra · E1 预消化简报(2026-11-03)

  • 作者：spark
  • 批次：cron 3c698927-9044-4540-873b-f961d6380d7d · E1 日间预消化轮 · llm-infra
  • 覆盖范围：宿主机增量清单 /shared/research-kb/organized/indexes/work-guard/3c698927-9044-4540-873b-f961d6380d7d.json（1 项任务 / 8 件材料，全部为 repo_card；created_at=2026-11-03 18:40:01、expires_at=2026-11-03 19:40:01 CST，未过期；items 非空）
  • 方法边界：逐份全读清单 item.materials 的 8 份 source（相对 /shared/research-kb/；未只取 item.source 首项——首项 4846-saos-3624-dsh-see-now.md 只是 8 件之一）+ 活文档基线 organized/knowledge/llm-infra.md（v3.70，2026-10-29 05:00）逐件 grep 核验 + 候选稿 organized/knowledge/.llm-infra-candidate.md（v3.71，2026-10-30 05:00）交叉 + 工作队列 organized/queue/work-queue.md（2026-11-03 18:00）+ 库内攻略交叉（organized/guides/，1726 份，命中 saos-3624-dsh-video-storyboard.md 与 modelflare-ai-anymodelbot.md 两份）+ 近 2 天 inbox 笔记（jay / tom / flyp / stephen / spark 目录均查）+ 近 3 天 paper_cards 抽查；未联网补料（web_search = 0）、未全库扫描、未为凑字数多轮重写、未改活文档
  • 字数：约 3,400 字（由 8 件材料的可论证密度决定，未凑到旧稿上限）

§0 本轮判定

8 件材料 → 4 件 NET-new 实质增量 + 3 件仅卡面级（登记层） + 1 件已在 v3.71 承接（沿用）。

活文档基线（organized/knowledge/llm-infra.md v3.70）全文 grep 逐件核验（含 §6.99.2 的 494 条 arXiv 表、§6.99.5 的 736 条 URL 表、§0/§3/§4/§5 正文）：

材料 标识 v3.70 活文档命中 v3.71 候选稿命中 判定
SAOS-3624/dsh-see-now dsh-see-now 0 0 NET-new（库内有同作者姊妹项目攻略可互证）
modelflare-ai/AnyModelBot AnyModelBot / modelflare 0 0 NET-new（库内已有 spark 本人攻略）
Bredrumb/TomoriBot TomoriBot 0 1（§0.5.1 ⑥ 完整条目 + 脉络 S + URL 表 2 条） 已承接（v3.71），本轮仅元数据漂移
nirholas/three.ws three.ws / nirholas 0 0 NET-new（卡面级）
Claire1217/benchmark-radar benchmark-radar 1（仅 §6.99.5 URL 表 line 193） 1（仅 URL 表） 仅 URL 表登记，正文空缺
arcee-ai/nac arcee-ai 0 0 NET-new（卡面级，与库内 nace-ai/kapitsa 是不同项目，勿混）
herbertkokholm/attest attest / herbertkokholm 0 0 NET-new（学术状态 accepted，但仅卡面）
mahmoudrabie/agentic-ai agentic-ai / mahmoudrabie 3（全部为 URL 表 line 182/221/229，其中 2 条是 agentic-ai 子串误命中，如 berkeleyrdi.substack.com/p/agentic-ai-weekly-...） 3（同为 URL 表） 实质上未承接（URL 表登记，正文空缺）

关键结构性判断：本批 8 件与前两批（11-01、11-02）的材料密度分布明显不同。 11-02 那批里有 2 件带库内攻略（maximhq/bifrost、modelscope/ms-cookbook）+ 1 篇 arXiv 正文级承接，因而能做出"生产级样本"级别的论证。本批无一篇 arXiv、无一件带库内攻略，但有 1 件带库内攻略（AnyModelBot） + 1 件与库内已攻略项目同源（dsh-see-now ↔ dsh-video-storyboard），构成两条强证据链；另有 4 件为纯卡面一句话简介。 另有一个必须先说的口径事实：本批 8 件材料中，没有一件携带 arXiv 编号。 逐件 grep arXiv: 与 arxiv.org/ 全部为空 —— 因此 §3 的"可引用 arXiv 号列表"只能从活文档既有基线中回溯，不能凭空新增（详见 §3 末尾说明）。

§1 今日最重要的增量（4 条，按可论证密度排序）

增量 ① SAOS-3624/dsh-see-now ⭐⭐⭐（本批唯一能与库内已核实攻略互证的样本；"按变化量筛帧"是本库尚未登记的第四种多模态预算策略）

  • 来源：organized/repo_cards/4846-saos-3624-dsh-see-now.md；https://github.com/SAOS-3624/dsh-see-now；同作者姊妹项目库内攻略：organized/guides/saos-3624-dsh-video-storyboard.md（作者 spark 本人，2026-10-31 更新，已核实 README / INSTALL / USAGE / FAQ / CHANGELOG / package.json 实际抓取，锚到 release v0.5.4 / commit 4c85689e…）
  • 要点（卡面 + 姊妹项目攻略交叉）：
  • 卡面：JavaScript · Apache-2.0 · 202★ · 周增 +0 · 最近提交 2026-11-03 · 主分类 engineering · 形态 app · 分类 trending · 成熟度 experimental · 待LLM分类：是 · 首次采集 2026-11-03。简介："让 AI 实时看见你的屏幕：按变化量筛选帧、多帧拼进一张图，静止画面几乎不花 token"。
  • 与已攻略姊妹项目的关键对照（这是本件真正的论证价值）：dsh-video-storyboard 的攻略记录了一条已核实的成本对照表——同一部 90 秒片子：dsh-video-see（抽帧 20 帧 ≈ 7,680 token）、dsh-video-lens（关键帧→外部 VLM = 帧数×384 + VLM 费）、watch-skill（建库贵、追问免费）、dsh-video-storyboard ≈ 1,900 token（README 自陈"其他方案落在 3,900–8,500，我们是 1/2 到 1/4.5，不是 1/8 或 1/16 —— 那种数字不诚实"）。
  • 把这两件拼起来，本件补上的是库里此前缺失的一格：storyboard 一侧解决的是"一次性把片子的结构压进单图"（一次性建索引、之后追问免费）；dsh-see-now 解决的是"实时/连续场景下只把变化的部分送进上下文"——"按变化量筛选帧"是一种与"抽帧"正交的预算策略：抽帧的浪费在静止段落，变化量筛选的浪费在剧烈运动段落。二者合起来，本库的多模态上下文预算第一次能从两个正交轴（时间均匀性 / 内容变化性）来谈，而不再只有"抽多少帧"这一个旋钮。
  • ⚠️ 但必须严守证据边界：卡面没有任何 token 数字、没有对比表、没有帧率/分辨率参数、没有"多帧拼进一张图"的拼图张数上限。上述"多帧拼一张图"来自卡面简介转述，不是已核实的实测。"静止画面几乎不花 token"是作者自述口径。本件不可作为"实时屏幕理解可低成本"的结论引用，只能作为"存在这条工程路线 + 与库内已核实项目的机制互补"的登记。
  • 与活文档脉络的关系：
  • v3.71 的 脉络/§0.5.1 ③（dsh-video-storyboard）给出的是"单位 token 覆盖的时间最长"（1 张图 = 90 秒），代价是单帧清晰度输（格 331×184 vs 别人 ~1000px）。本件提出的是在实时场景下用"变化量"替代"均匀抽帧"——这直接对上 v3.70 脉络 L（"等待时间"从推理栈指标下沉为人机界面预算）与 C391（模态配比与阶段绑定是设计约束，不是可调参数）。若"变化量筛选"成立，它意味着多模态上下文的预算旋钮应从"抽帧密度"升级为"事件密度"——这是对 C391 的一次维度扩展。
  • 同时对上 v3.70 §0 一句话综述第②条（SeeRepo 的"给 agent 看结构"负向结论）：SeeRepo 证明纯视觉会同时降准确率并抬高 token、结构化文本不能替代视觉、只有混合模态才行。本件是"多帧拼一张图 + 文本侧描述"的同一策略在屏幕域的应用——与 storyboard 一致，都是"图 + 文本清单"而非"纯图"，这从独立样本侧支持了 SeeRepo 的混合模态结论。
  • 建议归入：§0.5.1（新增行，⭐⭐⭐，标注"实时屏幕域的多模态上下文预算：变化量筛选 + 多帧拼图；与 dsh-video-storyboard 构成时间轴/变化轴两条正交策略；卡面自述口径，无实测数字"）+ §0.5.9 在 脉络 L 上补一注"多模态上下文预算的旋钮正从'抽帧密度'转向'事件密度'"（标注为假设性归位，单样本）+ §4 新增 O（须取 README 核实：变化量阈值如何定义、拼图张数上限、静止画面"几乎不花 token"的实际量级、与 dsh-video-see 抽帧在同一素材上的对照）；§3 不建议据此立 C。

增量 ② modelflare-ai/AnyModelBot ⭐⭐⭐（本批唯一带库内一手攻略的样本；本库第二个"生产级 agent 宿主"样本）

  • 来源：organized/repo_cards/4810-modelflare-ai-anymodelbot.md；https://github.com/modelflare-ai/AnyModelBot；库内已有攻略：organized/guides/modelflare-ai-anymodelbot.md（作者 spark 本人，2026-11-03 更新，已核实仓库 README（master）、docs/development.md、Releases 页（v0.1.18）及 GitHub API tag/asset 列表）
  • 要点（卡面 + 攻略交叉）：
  • 卡面：TypeScript · MIT · 1,674★ · 周增 +10,724 · 最近提交 2026-11-03 · 主分类 engineering · 形态 model · 分类 trending · 成熟度 experimental · 首次采集 2026-11-02。简介：本地优先的 Grok Bot / OpenAI dots / Claude Duet 开源替代品，经一个 Modelflare key 打通 GPT / Claude / Gemini / Grok / DeepSeek / Kimi / GLM 等 70+ 模型，可在 App / 微信 / 飞书触达，有记忆、后台跑命令、操作电脑，按量付费。
  • 攻略的可核查工程细节（信息量比卡面高一个数量级）：
    • 技术栈是"自研外壳 + 上游开源件拼装"：界面 Preact + htm（无构建步骤）、后端 Node.js 22.13+ / TypeScript / node:sqlite、桌面外壳 Electron（带托盘）、模型网关是随包编译的 Go 项目 magpie、智能体运行时是独立进程运行的 DeepSeek Harness、电脑操作由 Cua Driver 提供、记忆与上下文管家借鉴 DS Bot。
    • "本地优先"的三条硬边界（攻略明确写出的）：① 凡发给模型的内容都会离开设备，提示词 / 文件内容 / 工具结果均经 Modelflare 转发给供应商，且 Modelflare 会保留请求日志；② Modelflare 是单一依赖点（70+ 模型、13 家供应商、自动路由回退），其可用性 / 定价 / 缓存补偿承诺（OpenAI 三档价格分别保证每天 65% / 75% / 85% 缓存命中率）均为第三方商业承诺，不归本仓库控制；③ 微信渠道是第三方移植（来自腾讯 openclaw-weixin，非官方接口）。
    • 权限与预算是三层的：机器人权限三档（只读 / 工作区（默认，越界先问）/ 完全权限（递归删除仍会先问））；任务预算默认 $1、规则每次 $0.1 且每月 $3，快用完时停下问；生图/生视频仅在预计花费 > $0.5 时才先问，10 分钟不答就不生成；读取屏幕内容永远不需要审批。
    • "不打扰"机制：免打扰时段 22:00–08:00、主动消息每日上限（微信 3 条，其他渠道 5 条）、任务/规则预算上限、30 天自动清理（任务文件夹 30 天未动自动删除且不问）。
    • 工程性细节：Windows PowerShell 版本直接决定代理速度——PS 5.1 沙箱下每条命令二三十秒，PS 7 约 1 秒；应用按"系统 PS7 → 内置 PS7 → PS 5.1"顺序选，无 PS7 时自动下载 PowerShell 7.6.9 LTS 到 %LOCALAPPDATA%\AnyModelBot\pwsh\，核对 SHA256 + Authenticode 签名再试运行，AMB_PWSH_AUTO_INSTALL=0 可关闭；OIDC 走授权码 + PKCE（RFC 7636 / RFC 8252 公共客户端模式，client_id=anymodel-bot，无客户端密钥）；Docker 模式容器内监听 0.0.0.0 故强制令牌访问，README 明确警告不要把 3600 暴露公网；崩溃不自动重做，下次启动在原对话提示重新发送。
    • 未落地清单（不可按 roadmap 规划生产）：邮件/日历触发、常驻运行与备份迁移、自定义 MCP、机器人之间协作、语音转写、独立手机 App 都还没做；macOS 电脑操作仍是 Beta。
  • 与活文档脉络的关系：
    • v3.70 §0.5.9 脉络 N（"可判定性"五面谱系在证明 vs 编排新轴上的分叉）与 C396（"可判定性是一个轴而非一个标准"）——本件的权限三档 + 预算上限 + 逐次审批 + 免打扰配额，是"编排面"在产品层的一次完整实现：它把"什么时候必须问人"写成了可执行的策略树（越界操作 → 停；完全权限下的递归删除 → 仍先问；预计花费 > $0.5 → 附模型/提示词/参考价先问；读取屏幕 → 永不问）。这与 v3.70 的 C392（工具 schema 体积是协议层一等预算）在不同层但同一逻辑上呼应：都是把"资源消耗"变成运行时可见、可裁决的量。
    • 更重要的轴向贡献在"本地优先"这个词的重新定义：本件把"智能体跑在哪"与"数据去哪"拆成两件独立的事——编排与执行在本地，数据仍出设备。这恰好对撞 v3.70 的 §6.99.2/§6.99.5 里反复出现的本地推理脉络（见活文档 URL 表中的 LocalAI / vllm.cpp / deepseek-v4.1-flash-dgx-sparks 等）："本地优先 ≠ 本地推理"，它是"本地编排 + 远端推理"的第三条路。这个区分此前在本库从未被明确写出。
    • 与库内已有的 deepseek-harness 系列攻略群（仅 organized/guides/ 就有 20+ 份：deepseek-ai-deepseek-harness · deepseek-ai-deepseek-harness-handbook · dsh- 等）构成同源生态：AnyModelBot 把 DeepSeek Harness 作为独立进程的智能体运行时、把 Cua Driver 作为电脑操作层。这意味着本库关于 DSH 的既有认知可以横向迁移——但也意味着 AnyModelBot 不是 DSH 的新形态，而是 DSH 的一种宿主封装。今晚承接时应按"宿主/集成层*"而非"新运行时"定位，避免与库内既有 DSH 条目重复计权。
  • 建议归入：§0.5.1（新增行，⭐⭐⭐，标注"首个带库内一手攻略的本地优先 agent 宿主；'本地优先≠本地推理'的三层拆分；权限/预算/配额三重审批策略；实为 DSH 宿主封装而非新运行时"）+ §0.5.9 新增 脉络 R（"本地优先的三层拆分：编排位置 / 执行位置 / 数据位置"）+ §3 候选 C（"权限-预算-配额三层审批是 agent 宿主的产品层可判定性载体"）单样本，不升级 + §4 新增 O（Modelflare 第三方商业承诺（缓存命中率 65%/75%/85%）不可作为技术事实引用；"本地优先"与数据外流的边界须在 §0 一句话综述中被显式承认）。

增量 ③ herbertkokholm/attest ⭐⭐（本批唯一带学术状态标注的材料；但证据强度仅卡面）

  • 来源：organized/repo_cards/1984-herbertkokholm-attest.md；https://github.com/herbertkokholm/attest
  • 要点（严格限于卡面字段）：
  • Python · AGPL-3.0 · 1★ · 周增 +0 · 最近提交 2026-11-02 · 主分类 evaluation · 形态 tool · 分类 academic-writing · 成熟度 research · 首次采集 2026-08-15。
  • 简介："Screening-and-self-validation kernel for LLM-ensemble evidence screening (systematic review title/abstract screening)" —— 面向系统综述标题/摘要筛选的筛选-自验证内核，作用对象是 LLM 集成（LLM ensemble）。
  • 卡内的学术标注（本库内少见的完整字段组）：学术状态 accepted、学术阶段 evidence、学术主任务 systematic-review、学术辅助任务 screening-extraction / meta-analysis / reproducibility、学术方向 summarize、学术用途 systematic-review、能力分面 citation、学术相关度 85、学术判定 deterministic、学术证据 anchor "systematic review" + query/task "systematic review:prisma"、学术复核时间 2026-09-01T01:30:02+08:00。
  • ⚠️ 证据边界（必须写清）：卡面没有任何论文标题、作者、会议/期刊名、arXiv 号、DOI（逐件 grep 确认本批 8 件材料均无 arXiv 编号）。"accepted" 指向哪篇论文、哪次会议，均无法从卡面核实。 仓库本身 1★、周增 +0，README 内容未核实。
  • 与活文档脉络的关系：
  • 本件落在一个本库此前几乎空缺的缝隙上：v3.70 的 C390-C396 全部是"agent 产出如何被判定"（工具 schema 预算、视觉布局对照、reranker 意图对齐、形式化证明 vs 编排）——没有一条是关于"人写的科学文献如何被 LLM 筛选"的。本件的"筛选-自验证内核"恰好接上一个本库一直存在但未进入 llm-infra 轴的话题：organized/guides/ 中有 paperoseek-paperoseek.md、saos-3624-dsh-video-storyboard.md 式的文献处理工具，而库内 paper_cards 目录本身就有 1900+ 张文献卡——"用 LLM 做文献筛选"是本库的工作流本身，却从未作为 llm-infra 的技术命题出现过。
  • 更值得记的是它自述的 "self-validation" 与 "LLM-ensemble" 两个限定：筛选-自验证 = 用 LLM 的输出去验证 LLM 的输出，这在方法论上正是 v3.70 C396（"可判定性是轴不是标准"）的第七个候选载体——"同一模型族内部互验"。但它与已登记的五面谱系（证明 / rubric / verifier+reward_key / 信任判决 / audit log / 编排面）不同：那些是"外部判据"，本件是"内部互判"。这是新轴而非新格。
  • ⚠️ 另一处必须警惕的口径：论文标题/摘要筛选在系统综述里是典型的低召回、高精度任务（PRISMA 流程要求纳入判断可追溯、可复核），而"LLM ensemble + 自验证"若没有召回率数据，无法判断它是否会漏掉合格文献。卡面完全没有召回/精确率数字，也没有"是否被独立复核"的记录。这类工具一旦静默漏掉一篇纳入文献，整篇综述就失去可辩护性。
  • 建议归入：§0.5.1（新增行，⭐⭐（弱），标注"唯一带学术状态标注者；LLM-ensemble 文献筛选自验证内核；accepted 指向未核实；无召回率数据；本批唯一为『内部互判』型可判定性载体"）+ §0.5.9 新增 脉络 S' 或在 脉络 N 后补一句"可判定性的第七候选载体：内部互判（ensemble 自验证）——与外部判据正交"）+ §4 新增 O（必须核实：accepted 对应哪篇论文/哪次会议；标题/摘要筛选的召回率；PRISMA 可追溯性是否满足）；§3 不建议立 C（1★、无数字、无可核实引用）。

增量 ④ arcee-ai/nac ⭐（卡面级；"长任务不跑偏"是本库尚未登记的组织单元）

  • 来源：organized/repo_cards/4599-arcee-ai-nac.md；https://github.com/arcee-ai/nac
  • 要点（严格限于卡面）：Rust · Apache-2.0 · 297★ · 周增 +8 · 最近提交 2026-11-02 · 主分类 agent · 形态 app · 分类 skill · 成熟度 experimental · 首次采集 2026-10-24。简介："Give AI agents ambitious work without losing the plot. nac is an open-source harness for long-running tasks, using a central orchestrator, threads, and structured episodes to stay aligned with your intent."
  • 与活文档脉络的关系：
  • 本件的三个机制名——central orchestrator / threads / structured episodes——指向一个本库确实还没有格子的问题域：长周期 agent 任务如何维持与原始意图的"同一性"。v3.70 的 C390-C396 处理的是"单次调用/单次任务内如何对齐"（意图感知的 reranker 是最接近的一件，但它解决的是检索侧的子查询漂移，不是执行侧的长程漂移）。
  • Rust 是本件的一个不可忽略的信号：库内已有的 agent harness 绝大多数是 TypeScript / Python / Go / Java，Rust 做 agent harness 是少数派。但本库对"为什么用 Rust"零证据，卡面没有给出任何理由（无内存安全、无性能、无可预测延迟的说明）。不臆测动机，仅登记"语言分布上的异常点"。
  • 与 AnyModelBot（增量 ②）构成同一根轴的两端：AnyModelBot 的"structured episodes"式约束体现在权限/预算/配额的产品策略上，nac 的同类机制体现在编排层的结构化 episode 数据模型上。二者合起来指向"意图保持不能只靠提示词，需要结构化的运行时载体"。
  • 建议归入：§0.5.1（新增行，⭐（弱），标注"卡面级；长程任务的意图同一性机制（orchestrator/threads/episodes）；Rust harness 的语言分布异常点，原因未证"）+ §0.5.9 脉络 N 后补一句"意图同一性需要结构化运行时载体，而非提示词纪律"（单样本，假设性）；§3/§4 不建议立 C 或 O 的实质结论，§4 留一条"须核 README：episodes 的 schema、threads 与 episodes 的关系、长任务跑偏如何被检测"。

§2 其余 4 件（登记层，不构成技术论证）

材料 卡面事实（出处：organized/repo_cards/<file>） 处置
Bredrumb/TomoriBot TypeScript · AGPL-3.0 · 63★ · 周增 +2 · 最近提交 2026-11-03 · agent/rag/llm-infra · 形态 tool · 待LLM分类：否 · 首次采集 2026-10-31 已由 v3.71 完整承接（候选稿 §0.5.1 ⑥，含"多 persona + 长期记忆 + MCP + RAG + 自托管"机制、62★/15 forks/4 issues、创建 2023-07-06、文档 docs.tomoribot.app、多语言 README 现状；并进入脉络 S"垂直域 agent 落地的三种最小形态"）。本轮增量 = 元数据漂移：★ 62→63、周增 +2、最近提交 2026-11-03。★ 差值与周增方向（★ 涨而周增仅 +2）提示 v3.71 快照后星标基本走平，不构成新观点。不重复计入增量条数。
nirholas/three.ws JavaScript · Apache-2.0 · 266★ · 周增 +0 · 最近提交 2026-11-03 · agent/multimodal/llm-infra · 形态 app · 分类 ai · 待LLM分类：否 · 首次采集 2026-11-03 卡面级。简介："给 AI agent 一个 3D 身体：文本或照片 → 带骨骼的 GLB avatar，LLM 大脑，Solana 钱包，一个标签的 embed；面向 Claude / Cursor / Codex 的无密钥 MCP server；50k+ models forged"。⚠️ 该仓库的模型服务形态与 AnyModelBot 的 Modelflare 网关完全同构（多模型统一 Key + IM/IM-like 触达 + 按量付费），但本库无任何一方攻略可交叉核实，且"50k+ models forged"是项目自述。登记为"agent 的具身化外壳 + 无密钥 MCP 分发"这一形态的样本，不作技术论证。
Claire1217/benchmark-radar HTML · 12★ · 周增 +0 · 最近提交 2026-11-03 · agent/evaluation/llm-infra · 主分类 evaluation · 形态 benchmark · 分类 ai · 待LLM分类：否 · 首次采集 2026-10-26 URL 表已登记、正文空缺（活文档 §6.99.5 line 193 已有 https://github.com/Claire1217/benchmark-radar，但 §0.5.1 / §0.5.9 / §3 / §4 / §5 均无条目）。简介仅一句"跟踪新发布的 AI benchmark 及其真实采用动能"。⚠️ 卡片未标许可、未标语言之外的元信息，形态是 benchmark 但实质是"benchmark 元数据的聚合面板"，本库已有 x-tip-* 系列与 evaluation.md 轴承载同类信息。处置：§6.99.5 URL 表已命中，不重复加；正文登记为"benchmark 采用动能追踪"这一空缺位即可，不建议进 §0.5.1。
mahmoudrabie/agentic-ai MIT · 188★ · 周增 +0 · 最近提交 2026-11-02 · agent/rag/evaluation/risk/llm-infra · 主分类 agent · 形态 benchmark · 分类 ai · 待LLM分类：否 · 首次采集 2026-11-02 实质上未承接（活文档 3 次命中全部是 URL 表，其中 2 次是 agentic-ai 子串误命中 berkeleyrdi.substack.com/p/agentic-ai-weekly-... 与 rockybhatia.substack.com/p/how-to-learn-agentic-ai-2026）。简介："跨 24 个领域策展的 agentic AI 研究论文、benchmark、框架与工具"。这是一件"策展型清单仓库"（awesome-list 形态），库内已有 wenyuchiou-awesome-agentic-ai-zh.md、cporter202-agentic-ai-apis.md、demondamon-agenticx.md、sickn33-agentic-awesome-skills.md 等同类攻略，增量价值在于"24 个领域"这个横切面而非单点。⚠️ 卡片缺"语言"字段（其余 repo_card 均有），说明采集时该字段为空。 处置：正文登记为"策展型索引的领域横切面"一条，不作技术论证。

§3 值得警惕的矛盾或待核实说法

D-新1（口径互斥） —— dsh-see-now 卡面称"静止画面几乎不花 token"，而库内已核实的姊妹项目 dsh-video-storyboard 攻略明确记载作者"不是 1/8 或 1/16 —— 那种数字不诚实"，并给出 90 秒片子的四方对照（7,680 / 帧数×384+VLM 费 / 建库贵追问免费 / ≈1,900）。同一作者体系内出现了"近乎不花 token"与"拒绝夸大倍数"两种表述张力。→ 今晚须取 dsh-see-now README 核实：变化量阈值、拼图张数上限、静止场景的实际 token 量级。在核实前，两个数字都不得写成结论。

D-新2（依赖点与信任边界） —— AnyModelBot 的"本地优先"与"凡发给模型的内容都会离开设备、且 Modelflare 会保留请求日志"并存；同时缓存命中率 65%/75%/85%、70+ 模型、13 家供应商、自动路由回退全部是第三方商业承诺。→ "本地优先"不得被写成"本地/私有"；缓存命中率不得作为技术事实引用。

D-新3（学术状态不可核实） —— attest 标 学术状态 accepted / 学术阶段 evidence / 学术相关度 85 / 学术判定 deterministic / 学术复核时间 2026-09-01，但卡面无标题、无作者、无会议、无 arXiv、无 DOI，"accepted"指向不明。→ 不得引用为"已被某会议接收"。

D-新4（召回缺失） —— attest 面向系统综述标题/摘要筛选，属 PRISMA 流程下的低召回高精确任务，但卡面无召回率、无精确率、无可追溯性证据。→ 不得以"可用于系统综述筛选"作为能力结论；须先补召回口径（§4 新增 O）。

D-新5（元数据缺字段） —— mahmoudrabie/agentic-ai 卡片缺"语言"字段（其余 7 张 repo_card 均有），说明采集时元数据为空；benchmark-radar 卡片未标许可。→ 登记时不得推断。

D-新6（同名混淆风险） —— 库内 arcee-ai/nac（本件，Rust，agent harness）与 URL 表中的 nace-ai/kapitsa（活文档 §6.99.5 line 202）是两个完全不同的项目，仅仓库名相近（nac vs nace-ai）。→ 今晚写入时不要因名称相似而合并或交叉引用。

D-新7（归档口径） —— TomoriBot 已由 v3.71（候选稿，2026-10-30 05:00）完整承接，而活文档基线仍是 v3.70（2026-10-29 05:00）。今晚必须先确认基线是否已推至 v3.71，否则会出现"同一材料重复计入 §0.5.1"的重复计数。

§4 可引用的 arXiv 号列表

本批 8 件材料逐件 grep arXiv: 与 arxiv.org/ 的结果全部为空 —— 本批没有一件材料携带 arXiv 编号。 因此今晚无 arXiv 号可从本批新增，不得凭空生成。

可供今晚参考的既有基线（均已在活文档 §6.99.2 的 494 条 arXiv 表中登记，此处仅作交叉引用指针，不是本批增量）：

  • arXiv:2606.14061 — SeeRepo《LLM Agents Can See Code Repositories》(ASE 2026 Accepted) —— 增量 ① 的直接论证前提：纯视觉掉最多 34.1 分、图布局 −25% token、表格 Pass@1 56.2%。
  • arXiv:2610.33966 — InteractiveWorld —— 增量 ① 的辅证：纯视觉在 fault localization 最有效、在 repair/validation 反降；判定看世界状态。
  • arXiv:2610.35840 — ACARe（Agent-Context-Aware Reranker） —— 增量 ④ 的对照："一份文档可以匹配 agent 生成的子查询，却无助于回答用户的原始问题"——检索侧的意图漂移 vs 执行侧的意图漂移。
  • arXiv:2604.17227 — Cloud-native and Distributed Systems for LLM（survey） —— 11-02 简报已登记，本轮无新证据。
  • arXiv:2606.14061 / 2610.33966 / 2610.35840 / 2610.35846 之外的其余 490 条基线见 organized/knowledge/llm-infra.md §6.99.2（494 条）。

§5 本轮边界声明

  • 未联网：web_search / web_fetch = 0；未用任何外部来源补料，所有事实均出自 item.materials 的 8 份 source、库内攻略、organized/knowledge/ 活文档与候选稿、以及 organized/queue/work-queue.md。
  • 未全库扫描：仅在 organized/guides/（1726 份）中按名称/标识定向检索命中 2 份相关攻略，未逐份通读。
  • 未改活文档：organized/knowledge/llm-infra.md 与 .llm-infra-candidate.md 均未修改；未改清单、基线、认领记录、其他任务文件、定时配置。
  • 只写 1 个文件：本文件 /shared/research-kb/inbox/spark/2026-11-03-llm-infra-e1prep.md（整篇新建，write 一次写入，无 edit）。
  • 未凑字数：8 件材料中 4 件仅卡面一句话简介，无法支撑技术论证的就没有写；本批"NET-new 实质增量"记 4 条（dsh-see-now / AnyModelBot / attest / nac），未按旧提示词的上限数量硬凑。
  • 未 git、未输出密钥：全程无 git 操作；未打印任何 token / API key / 密钥（卡面与攻略中的 ui-token 等一律未抄录）。

本简报由 E1 日间预消化轮（cron 3c698927-9044-4540-873b-f961d6380d7d）于 2026-11-03 18:40 CST 生成。全部结论均可回溯至 §0 表格所列的 8 份 repo_card 出处与库内攻略；凡属项目自述口径者已在正文标注，未作事实化处理。