工具
proDreams/revu · 🤖 Self-hosted AI code review for your Pull Requests.
ReVu 是一个自托管的 AI 代码审查服务，用于对 Pull Request 自动生成审查意见。它支持以 Webhook 服务常驻运行，接收 GitHub、Gitea、GitLab（含 self-managed）和 Bitbucket 的 Webhook 并把结果发布到 PR；也支持在 GitHub Actions、GitLab CI、Gitea Actions 等流水线中以 revu review 命令方式运行。审查结果可输出为整体评论或按代码行的内联评论，重复审查会参考此前的审查内容以避免重复评论，并支持 flat 与 deep 两种上下文深度。项目可对接 OpenAI 及兼容接口（OpenRouter、LocalAI、LM Studio）、GigaChat、YandexGPT，支持为不同仓库配置命名 AI 配置，并通过单个 YAML 文件管理多 Git 连接。
展开详情收起详情：ReVu：自托管的 AI Pull Request 代码审查工具⌄
程序员在代码审查工作中，使用 ReVu 对 Pull Request 自动生成审查意见，支持整体评论或按代码行内联评论，并可在 GitHub Actions、GitLab CI、Gitea Actions 等流水线中以 revu review 命令运行，帮助团队在人工审查前发现潜在问题。
★ 23 · 可直接使用的工具
原文发布：未知收录：2026-10-16
工具
subquadratic-ai/decision-longctx-evals · Evaluating long-context retrieval and reasoning for decision models
该项目为“决策模型”（读取状态并对固定选项集返回概率、而非生成文本的模型）提供两套长上下文评测：Decision RULER 包含 11 个合成任务（针检索、变量追踪、词计数），以多选题决策形式覆盖 64K 至 1M token；Decision LCR 基于真实文档（每份约 100K token）的 100 道多选题。项目提供 pip 安装的 dlce 命令行工具，通过向自定义 HTTP 端点发送包含 state、question、options 的请求并接收每个选项的概率来运行评测，支持并发、多端点分发、断点续跑，并按任务平均分（RULER）或全对准确率（LCR）计分，输出逐决策的 JSON 记录。该评测是 RULER 与 AA-LCR 面向决策模型的原则性改编，分数与原基准不可直接比较。
展开详情收起详情：decision-longctx-evals：面向决策模型的长上下文检索与推理评测工具⌄
程序员使用 dlce 命令行工具对决策模型进行长上下文检索与推理评测：通过向自定义 HTTP 端点发送包含 state、question、options 的请求并接收每个选项的概率，运行 Decision RULER 与 Decision LCR 评测，支持并发、多端点分发、断点续跑，并按任务平均分或全对准确率计分，输出逐决策的 JSON 记录。
★ 1 · 可直接使用的工具
原文发布：未知收录：2026-10-16
工具
pgEdge/pgedge-vectorizer · A PostgreSQL extension to create chunk tables for existing text data, and populate them with embeddings using your favourite LLM.
pgEdge Vectorizer 是一个 PostgreSQL 扩展，用于对已有文本数据进行异步分块和向量嵌入生成。它通过触发器捕获表数据变更，由后台工作进程调用 OpenAI、Voyage AI、Ollama 或 Gemini 等嵌入提供方生成向量，并支持混合检索（稠密向量 + BM25 稀疏检索，基于 RRF 融合）。扩展提供 SQL 接口用于启用/停用向量化、手动分块、重试失败任务以及通过视图监控队列状态。
展开详情收起详情：pgEdge Vectorizer：为 PostgreSQL 文本数据自动分块并生成向量嵌入的扩展⌄
程序员在 PostgreSQL 数据库开发中，为已有文本数据表启用自动分块与向量嵌入生成，通过 SQL 接口 enable_vectorization 配置，由后台工作进程异步调用 OpenAI、Voyage AI、Ollama 或 Gemini 生成向量，并可用 hybrid_search 实现稠密向量与 BM25 稀疏检索的混合检索。
★ 41 · 开发框架
原文发布：未知收录：2026-10-16
工具
klauswg/jev-suite · Four decision-quality tools on Jev (TypeSafe System One): Jev answers structured questions, deterministic code keeps the final say.
jev-suite 是一套建立在 Jev（TypeSafe System One）决策模型之上的 Java 工具套件，包含 jev-proof、jev-fit、jev-fidelity、jev-rental 四个应用，分别用于判断赞助视频是否交付了约定内容、候选人相对岗位要求的差距、编辑是否保留原文信息、以及看房前需与房源代理确认的事项。共享内核 jev-kit 提供 JevClient 类型化客户端、三路判定门 NoulGate 与外部文本防提示注入清洗器。设计上坚持“Jev 判断、代码决定”，阈值与路由由单元测试覆盖的确定性 Java 代码掌握，模型不可达时降级为人工复核，评测拒绝模拟数据，无证据即失败关闭。
展开详情收起详情：jev-suite：基于 Jev 决策模型构建的四类决策质量校验工具套件⌄
程序员作为 Java 工具套件参考或复用其共享内核 jev-kit，包括类型化 JevClient、三路判定门 NoulGate 与外部文本防提示注入清洗器，用于构建带确定性阈值与人工复核降级的 AI 判定流程。
HR使用 jev-fit 判断候选人相对岗位要求的差距，辅助招聘筛选与面试准备；材料称其回答“Where does this candidate actually fall short of the job requirements?”。
★ 34 · 开发框架
原文发布：未知收录：2026-10-15
工具
hyunolike/hanjeok-agent · A travel guide agent for Hanjeok: ask where it's crowded, watch each lookup, and get an answer that cites only what it fetched. LangGraph, Neo4j GraphRAG, MCP.
Hanjeok Agent 是面向 Hanjeok 旅行服务的智能体，用于回答“某地某日是否拥挤”这类问题。它先用规则解析问题中的地点与日期，再通过受校验的查询步骤在 Neo4j 知识图谱与 Hanjeok 只读接口中检索，并在界面上逐步展示每次查询。最终答案只允许引用本次问题实际获取到的记录或政策文档，经由引用校验后才展示；答案与替代地点排序均沿用 Hanjeok 服务的原始排序，模型不自行排序。项目还提供路径可视化、两种检索策略的对比评测页面，以及通过 MCP 暴露的只读工具。
展开详情收起详情：Hanjeok Agent：可追溯的旅行指南智能体⌄
程序员作为可参考的 GraphRAG 智能体实现，用于学习如何用 LangGraph 编排带引用校验的检索流程、用 Neo4j 做相似度检索，并通过 MCP 暴露只读工具供其他程序调用。
产品经理参考其产品需求文档、规格说明与评测页面设计，了解如何定义智能体的可回答范围、引用校验规则和检索策略对比评测。
★ 1 · 可直接使用的工具
原文发布：未知收录：2026-10-15
工具
gojiplus/sortition · Counterfactual evaluation for LLM routing policies.
sortition 是一个 Python 库与 CLI，用于对 LLM 路由策略进行反事实评估。它通过记录每次路由决策的概率（propensity）并在部分流量上探索，结合 IPS、SNIPS、DM、DR 等 off-policy 估计方法，让日志能够回答“如果换用另一个未部署的策略，会带来怎样的质量与成本结果”。项目还提供规则策略、ε-greedy/Thompson 决策、从日志训练的梯度提升策略、质量与价格权衡曲线的自动搜索、LiteLLM 集成插件与日志存储模块，并附带带已知真值的模拟器用于验证估计器。作者说明其已验证范围为模拟器与 mock 的 LiteLLM，尚未在真实生产流量中验证。
展开详情收起详情：sortition：LLM 路由策略的反事实评估与策略学习⌄
程序员在开发 LLM 路由或模型选择系统时，用 sortition 的 Python 库与 CLI 对路由策略做反事实评估：记录每次路由决策的 propensity，使用 IPS、SNIPS、DM、DR 等 off-policy 估计方法，从日志回答“换用另一个未部署的策略会带来怎样的质量与成本结果”；也可用其 LiteLLM 集成插件生成带 propensity 的日志，并用模拟器验证估计器。
★ 1 · 可直接使用的工具
原文发布：未知收录：2026-10-15
工具
ayushh0110/ScreenMind · AI-powered screen memory — captures, analyzes, and lets you search/chat your screen history. Powered by Gemma 4 . 100% local, 100% private.
ScreenMind 是一款 AI 驱动的屏幕记忆应用，通过内容变化检测捕获屏幕截图，使用 Gemma 4 多模态模型在本地完成视觉分析、语音转写与推理，构建语义与关键词混合检索的可搜索历史记录，并支持基于屏幕记忆的对话问答、会议转写总结、Agent 自动化、MCP 集成与数据分析面板。项目强调全部数据与推理留在本机、无遥测、提供敏感信息过滤与静态加密等隐私措施。
展开详情收起详情：ScreenMind：本地化屏幕记忆与检索对话工具⌄
程序员通过 MCP Server 将本地屏幕历史暴露给 Claude Desktop、Cursor、VS Code，供开发者在编码时检索此前在 IDE 或浏览器中看过的内容；也可用 Markdown 或 Python 编写 Agent 自动化。
产品经理自动检测并转写 Zoom、Teams、Webex、Slack、Discord 及浏览器中的 Google Meet 等会议，生成结构化会议总结；并通过分析面板查看应用使用、分类占比与专注度指标。
★ 238 · 可直接使用的工具
原文发布：未知收录：2026-10-15
工具
harishu652/Class-AI-Agent · Build production-ready AI agent configs for Claude Code with structured workflows, special agents, and clear rules
Class-AI-Agent 是一个面向 Windows 的应用，用于以结构化方式运行基于 Claude 的 AI 智能体任务。它支持基于规则的流程编排、技能（skill）管理与复用、模块化的 JS/TS 项目结构，便于搭建可重复执行的本地 AI 工作流并按步骤组织智能体行为。
展开详情收起详情：Class-AI-Agent：基于 Claude 的规则化智能体工作流构建工具⌄
程序员用于搭建和运行基于 Claude 的本地 AI 智能体工作流，按规则编排任务步骤、管理可复用技能，并以模块化 JS/TS 项目结构组织智能体行为，便于重复执行和测试 Claude 任务流程。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-10-15
工具
Wholeheartednesssierra488/llmcouncil · Coordinate multiple LLMs in parallel for voting, debate, synthesis, critique, red teaming, and verification via MCP and Claude Code
llmcouncil 是一个面向 Windows 的多模型协作工具，可让 GPT-5、Gemini 2.5、Claude 等多个模型在同一任务上进行投票、辩论、批判与综合，从而形成最终答案。它支持与 Claude Code 及 MCP 集成，适用于写作编辑、代码审查、研究总结、方案对比、事实核查等需要多模型交叉验证的场景。
展开详情收起详情：llmcouncil：多 LLM 并行投票、辩论、综合与验证工具⌄
程序员在编码工作流中通过 Claude Code 和 MCP 调用多个模型对代码进行审查、批判与交叉验证，辅助发现单模型遗漏的问题。
产品经理对方案进行多模型对比、辩论与综合，用于方案对比、规划与决策支持，形成更可信的最终结论。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-10-15
工具
mj9733246-cloud/code-review-expert · 🛠️ Enhance code quality with structured reviews, focusing on architecture, security, performance, and code hygiene for robust development.
code-review-expert 是一款面向开发者的代码审查辅助应用，支持打开 .js、.py、.java 等多种代码文件并自动分析，围绕 SOLID 原则、安全漏洞、性能优化、错误处理与边界条件等方面给出改进建议，帮助开发者提升代码质量与可维护性。
展开详情收起详情：code-review-expert：结构化代码审查与质量提升辅助工具⌄
程序员打开 .js、.py、.java 等代码文件后自动分析，围绕 SOLID 原则、安全漏洞、性能优化、错误处理与边界条件给出改进建议，用于代码审查和提升代码质量与可维护性。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-10-15
工具
kidsadapotay/openclaw-cloudflare · 🤖 Automate code reviews with AI on Cloudflare Workers, enhancing security, code quality, and coverage for your GitHub pull requests.
OpenClaw 是一个基于 Cloudflare Workers 的 AI 代码审查工具，用于自动审查 GitHub 拉取请求，帮助发现代码问题、提升安全性与代码质量，并通过 AI 建议改进代码。README 描述了下载、配置与使用流程，并提及 Cloudflare 集成带来的性能优势。
展开详情收起详情：openclaw-cloudflare：在 Cloudflare Workers 上自动化 GitHub PR 的 AI 代码审查⌄
程序员用于自动审查 GitHub 拉取请求，发现代码问题、提升安全性与代码质量，并获取 AI 改进建议。
★ 2 · 可直接使用的工具
原文发布：未知收录：2026-10-15
工具
embodiedreasoning/ERQA · Embodied Reasoning Question Answer (ERQA) Benchmark
ERQA 是 Google DeepMind 随 Gemini Robotics 发布一并开源的多模态具身推理评测基准，聚焦真实世界场景中的空间推理与世界知识，尤其是机器人情境。题目由图像与文本交错的单选题构成，答案以 A/B/C/D 单字母给出，共 400 道题，以 TFRecord 格式提供。仓库附带数据加载示例，以及一个轻量级评测脚本，可调用 Gemini 2.0 或 OpenAI 的多模态 API 在 ERQA 上作答并评估。
展开详情收起详情：ERQA：面向机器人场景的多模态具身推理评测基准⌄
程序员使用仓库提供的轻量级评测脚本，调用 Gemini 2.0 或 OpenAI 多模态 API 在 ERQA 基准上作答并评估，用于测试和排错多模态模型在具身推理任务上的表现。
★ 317 · 研究实现
原文发布：未知收录：2026-10-15
工具
google-gemini/gemini-4-demo-vanilla-3D
该项目由 Gemini 4 Argon 编写，包含两个互相独立的 3D 渲染引擎，均从第一性原理出发构建一个由混凝土和胡桃木构成、阳光充足的书房场景。第一个引擎基于 Python 和 NumPy 实现离线光线追踪，支持默认 1600x1200、16:9 1920x1080 以及自定义分辨率输出；第二个引擎基于原生 JavaScript 和 WebGL2 实现浏览器实时渲染，无需构建步骤或外部库，可通过拖动窗口边缘实时重塑房间布局与光照。README 详细说明场景坐标、材质与几何布局，以及光线追踪、法线扰动、环境光遮蔽、辐射度、各向异性反射、折射和体积散射等七步物理光照计算。
展开详情收起详情：gemini-4-demo-vanilla-3D：用 Python/NumPy 离线光线追踪与原生 JavaScript/WebGL2 构建可自适应窗口的 3D 图书馆场景⌄
程序员作为学习或参考项目，程序员可阅读并运行其中的 Python/NumPy 离线光线追踪器和原生 JavaScript/WebGL2 实时渲染器，了解从第一性原理实现光线追踪、法线扰动、环境光遮蔽、辐射度、各向异性反射、折射和体积散射等图形渲染技术。
★ 9 · 研究实现
原文发布：未知收录：2026-10-15
工具
google/adk-python · An open-source, code-first Python toolkit for building, evaluating, and deploying sophisticated AI agents with flexibility and control.
Agent Development Kit（ADK）是 Google 开源、代码优先的 Python 框架，用于以软件工程方式构建、评估和部署 AI Agent。它提供基于图的 Workflow 运行时（支持路由、扇出/扇入、循环、重试、状态管理、动态节点、人在环路和嵌套工作流）、结构化任务 API（多轮任务模式与单轮受控输出）、模块化多 Agent 组合、丰富的工具生态（预置工具、自定义函数、OpenAPI 规范、MCP 工具）、工具确认流程（HITL），并支持容器化部署到 Cloud Run 或 Vertex AI Agent Engine。框架针对 Gemini 优化，但模型无关、部署无关，也可通过 Agent Config 免代码构建 Agent，并配有开发 UI 用于测试、评估与调试。
展开详情收起详情：Agent Development Kit (ADK)：用 Python 构建、评估与部署 AI Agent 的代码优先框架⌄
程序员使用 ADK 以代码优先方式在 Python 中定义 Agent 逻辑、工具与编排，构建、评估和部署 AI Agent；可通过内置开发 UI 测试、评估与调试 Agent，并使用 adk eval 运行评估样例。
产品经理借助 ADK 的 Agent Config 免代码构建 Agent，并使用内置开发 UI 测试、评估、调试和展示 Agent，用于快速验证 AI Agent 产品原型。
★ 21849 · 开发框架
原文发布：未知收录：2026-10-15
工具
langchain-ai/deepagentsjs · The batteries included agent harness.
Deep Agents 是一个内置完整能力的智能体框架（agent harness），以 TypeScript 包 deepagents 形式发布。它把提示词、工具与上下文管理预先封装好，安装后即可运行一个可用的智能体，并按需定制。内置能力包括：用 write_todos 做任务拆解与进度跟踪的规划能力；read_file、write_file、edit_file、ls、glob、grep 等文件系统工具作为工作记忆；通过 task 派发子智能体以隔离上下文窗口；以及让这些工具开箱可用的默认提示词与中间件。框架与模型供应商无关，可配合支持工具调用的聊天模型使用；createDeepAgent 返回编译好的 LangGraph 图，因此可用流式、Studio、checkpointer 等 LangGraph 特性。支持通过传入 model、tools、systemPrompt 进行定制，并提供 deepagents、deepagents/browser、deepagents/node 等运行时入口。
展开详情收起详情：deepagentsjs：开箱即用的 TypeScript 智能体框架⌄
程序员在 TypeScript 项目中安装 deepagents 后，可立即获得一个可运行的智能体，用于任务拆解与进度跟踪（write_todos）、文件读写与检索（read_file、write_file、edit_file、ls、glob、grep）以及通过 task 派发子智能体隔离上下文；也可通过传入 model、tools、systemPrompt 定制智能体，并利用其返回的编译后 LangGraph 图使用流式、Studio、checkpointer 等特性。
★ 1604 · 开发框架
原文发布：未知收录：2026-10-15
工具
langchain-ai/deepagents · The batteries-included agent harness.
Deep Agents 是 LangChain 团队开源的一套「电池内置」型 Agent 运行框架（harness），提供开箱即用的智能体实现，同时允许对任意组件进行扩展、覆盖或替换。其设计面向长周期、多步骤任务，支持任何具备工具调用能力的模型（前沿闭源、开放权重或本地模型均可），并基于 LangGraph 构建，具备流式输出、持久化与检查点等能力，可通过 LangSmith 进行追踪、评测与部署。核心特性包括子智能体（隔离上下文窗口的任务委派）、文件系统读写编辑与搜索（可插拔本地/沙箱/远程后端）、上下文管理（长对话摘要、工具输出落盘）、Shell 访问、持久记忆、人工介入（工具调用前审批/编辑/拒绝）、按需加载的技能（Skills）以及自带函数或任意 MCP 服务器的工具集成。项目还提供 JS/TS 版本 deepagents.js 以及终端编码智能体 Deep Agents Code。
展开详情收起详情：Deep Agents：开箱即用的 Agent 运行框架（harness）⌄
程序员作为开箱即用的 Agent 运行框架，用于构建和运行面向长周期、多步骤任务的智能体；支持子智能体任务委派、文件系统读写编辑与搜索、Shell 访问、持久记忆、人工介入审批工具调用、按需加载技能以及集成自带函数或 MCP 服务器工具，并可通过 LangSmith 进行追踪、评测与部署。
★ 30265 · 开发框架
原文发布：未知收录：2026-10-15
工具
langchain-ai/agent-protocol
Agent Protocol 是 LangChain 团队提出的规范，用于定义在生产环境中以框架无关方式对外提供 LLM Agent 服务所需的 API。规范围绕三类核心概念展开：Runs（执行 Agent 的接口，含无状态一次性运行 /runs/wait 与 /runs/stream）、Threads（组织多轮交互，支持持久化状态、历史版本、并发控制与 CRUD）、Store（长期记忆，支持命名空间、键值与搜索）。此外还定义了 Agent 自省接口、Message 消息规范以及面向线程的流式协议（SSE / WebSocket、命令、回放、工具生命周期事件等），并附有 OpenAPI 文档、JSON 规范、Python 服务端桩代码以及若干 Hurl 编写的使用旅程示例。
展开详情收起详情：Agent Protocol：面向生产环境的 LLM Agent 框架无关 API 规范⌄
程序员用于在生产环境中以框架无关方式对外提供 LLM Agent 服务：按规范实现 Runs（/runs/wait、/runs/stream）、Threads（多轮交互、持久化状态、并发控制、CRUD）与 Store（长期记忆）等 API，并可使用仓库提供的 OpenAPI 文档、JSON 规范、Python 服务端桩代码和 Hurl 使用旅程示例进行开发与测试。
产品经理用于定义和评审 LLM Agent 服务的 API 需求：围绕 Runs、Threads、Store 三类核心概念梳理执行、多轮交互与长期记忆等能力边界，并参考 Agent 自省接口（列出 Agent、获取基本信息与输入/输出/状态/配置 schema）明确 Agent 可做什么、接受什么输入、返回什么。
★ 687 · 开发框架
原文发布：未知收录：2026-10-15
工具
kmjtechno/kmj-codebridge · KMJ CodeBridge connects ChatGPT to authorized computers and VPSs through one MCP plugin for secure coding, Git operations, and verified builds and tests. Designed for lightweight agents, resilient connections, and centralized licensing through KMJ Main Platform. Under active development.
KMJ CodeBridge 是一个基于 MCP 协议的桥接工具，把 ChatGPT、Claude 及兼容 MCP 客户端连接到经管理员授权的电脑和 VPS 项目上，用于受限范围内的代码阅读、编辑、Git 操作以及经过校验的构建与测试。它采用网关加设备代理的架构：网关负责认证、策略与任务状态，设备代理只发起出站连接，工作范围限定在管理员批准的项目根目录内，写操作有哈希与前置条件校验，质量门禁只能运行管理员配置的命令，不暴露通用远程 shell。项目主打本地 LLM 优先，通过回环地址上的 Ollama 使用已安装模型进行有界草稿生成，不会自动下载模型或回退到付费云端推理。项目处于活跃开发中的开发者预览阶段，采用 Apache-2.0 许可，需要 Node 24+。
展开详情收起详情：KMJ CodeBridge：通过 MCP 插件将 ChatGPT 等客户端安全接入授权开发机与 VPS⌄
程序员程序员可通过 MCP 客户端（如 ChatGPT、Claude）连接经管理员授权的开发机或 VPS，在限定项目根目录内进行代码阅读、编辑、Git 操作以及运行管理员配置的质量门禁命令，实现受限范围内的安全编码与验证工作流。
★ 1 · 开发框架
原文发布：未知收录：2026-10-14
工具
dksslq/agent-go · agentlet
agent-go（Debian/Ubuntu 包名 agentlet）是一个用 Go 标准库编写的小型终端 AI Agent，单二进制、无第三方依赖、无 cgo。它连接 OpenAI 兼容的 Chat Completions API，通过 exec、image_read、memory_edit 三个工具实现程序执行、图片读取与语义记忆整理，支持交互式、单次任务和 stdin 管道三种运行方式，并支持会话增量日志的保存与恢复。
展开详情收起详情：agent-go：单二进制无依赖的终端 AI Agent⌄
程序员在终端中运行 AI Agent，通过 exec 工具执行程序、运行测试并报告结果，用于代码检查、测试和排错；支持单次任务、stdin 管道分析日志以及会话保存与恢复。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-10-14
工具
kjustinkeener/Moonpool · Moonpool is a launcher for your local apps and dev servers, with live status and an embedded terminal for each.
Moonpool 是一个常驻系统托盘的启动器中心，用单一的 JSON 清单管理本机应用与开发服务器：列出注册的应用、显示实时运行状态，并在内嵌终端（真实 PTY）中启动应用命令，双向交互查看控制台输出。它提供开始/停止/重启（停止时终止进程树并释放端口）、托盘驻留、最近使用排序，以及命令行远程控制和自带 MCP server 供脚本或 AI agent 调用。使用 Tauri v2 + Svelte 5 构建，跨平台支持 Windows 与 Linux，不支持 macOS。
展开详情收起详情：Moonpool：本地应用与开发服务器的托盘启动器，带实时状态与内嵌终端⌄
程序员在本地开发中通过托盘启动器统一管理已注册的应用与开发服务器，查看实时运行状态，并在内嵌 PTY 终端中启动、停止、重启命令、查看控制台输出；还可通过命令行远程控制或 MCP server 让 AI agent 列出、启动、重启应用并读取控制台输出。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-10-14