rogeriojunior31/lazyagents · The lazygit for AI coding agents: skills, sessions, usage, providers and hooks for Claude Code, Codex, Gemini CLI, OpenCode, Pi, Crush and Hermes Agent.
lazyagents 是一个用 Go 编写的终端界面工具，被类比为 lazygit，用来在同一个界面中管理 Claude Code、Codex、Gemini CLI、OpenCode、Pi、Crush 和 Hermes Agent 等 AI 编程助手。它提供技能库；支持检索、恢复和导出会话；可保存 API 或本地模型连接；可管理 hooks；可备份并恢复配置；还可按来源与覆盖范围查看用量、令牌和成本信息。项目同时提供 CLI 的无头操作和 JSON 输出，但各助手能力差异较大，需要查阅生成的能力矩阵；项目目前处于 pre-1.0 阶段，命令与格式可能在次版本间变化。
展开详情收起详情：lazyagents：统一管理多个 AI 编程助手的终端界面⌄
★ 22 · 可直接使用的工具
GitHub
原文发布：未知收录：2026-10-19
ebt55/evalfloor · What a benchmark scores with nothing in it: content-free answers against each task's own majority baseline, plus a judged arm. Preregistered. Closed: 45 tasks on inspect_evals 0.24.0, 1 beats its baseline outright (bbh, a task property).
eval-floor 是一个评测完整性检验工具：它不调用任何模型，而是用一组不含题目信息的内容（空字符串、拒答、拼接所有标签、回显问题等）驱动 Inspect Evals 各任务的真实评分器和数据集，测量“无内容答案”能拿到多高分数，并与多数类基线对比。项目在 inspect_evals 0.24.0 上对 45 个可计数任务做了预先注册的确定性扫描，结果是 34 个健康、10 个因构造方式而天然并列、1 个因任务本身特性（bbh）被标记、0 个因评分器缺陷被标记；另有一个由模型判分的分支，对 7 个任务中的 3 个在 Wilson 95% 下界上标记，并给出判分模型不一致率作为对照。
展开详情收起详情：eval-floor：检测 LLM 评测任务中零信息答案的得分基线⌄
★ 0 · 可直接使用的工具
GitHub
原文发布：未知收录：2026-10-19
docxology/ntqr_allotment · Research testbed pairing allotment (maximin stratified sortition, Flanigan et al. Nature 2021) with ntqr algebraic logic for ground-truth-free evaluation of noisy binary classifiers — a 96-seed grid over 3/6/9/12-judge panels and 300-item corpora, validated against live gemma3:4b reviewers via Ollama.
该项目是一个两层研究测试床：上游用 allotment 的 maximin 分层抽签引擎以四种策略（代表性抽签、意识形态选择、专长阈值、随机）组建专家小组；下游用 ntqr 的误差独立三分类器评估器，在无答案键的无标注决策数据上推断流行率与各分类器准确率，并用已知合成真值的监督 oracle 打分。项目实现 96 个种子、面板规模 3/6/9/12、300 条目语料的确定性网格扫描，包含误差相关性扫描、告警功效、统计功效分析、符号化 NTQR 公理推导，以及通过 Ollama 本地 gemma3:4b 充当合成同行评议人的实证对照层。主要结论限定在再生成的合成产物与单模型 Gemma 对照范围内。
展开详情收起详情：NTQR_allotment：无标注条件下噪声二分类器评测的专家小组组建与 NTQR 代数逻辑研究测试床⌄
★ 1 · 研究实现
GitHub
原文发布：未知收录：2026-10-19
imrohitagrawal/quorum-ai · Multi-model LLM orchestration with cost approval, source-backed synthesis, disagreement, uncertainty, and degraded-mode disclosure.
Quorum-AI 是一个基于 FastAPI 的研究问答工具：它把同一个问题并行发送给四个 LLM，再经过两轮互评或主持人评审，最后由独立的合成模型给出包含共识、分歧、来源支持、不确定性和建议五项内容的答案。它提供成本预估与分级额度控制（单次软阈值/硬上限、账户日上限、全局日上限），并通过确定性结构评测计算信任分；但信任分默认因评审模型关闭而显示未验证，引用支持仅比对来源标题与链接而不读取页面内容。结果默认不持久化，需要用户手动导出。
展开详情收起详情：Quorum-AI：多模型并行问答与分歧合成工具⌄
★ 2 · 可直接使用的工具
GitHub
原文发布：未知收录：2026-10-19
zenstory-ai/oh-story-claudecode · Claude Code / Codex / OpenCode agent skills for writing Chinese web novels (网文): 扫榜、拆文、写作、去AI味、封面全流程，长篇短篇都支持 | 13 skills for novel writing and long-form fiction with file-based continuity tracking. MIT.
Oh Story 是一组装进编程 Agent 的网文写作 skill（共 13 个），覆盖长篇与短篇网络小说全流程：扫榜选材、拆解爆款、搭大纲写正文、去 AI 味、生成封面图。它用文件系统作记忆，维护设定、大纲、正文与追踪，支持压缩上下文或换会话后恢复进度与伏笔；提供写前细纲与追踪检查、写后截断与常见 AI 句式检查等确定性门禁，并适配 Claude Code、Codex CLI、Google Antigravity、OpenCode 等 7 款宿主。写作使用宿主 Agent 自带模型，本地只运行 Node/Python 检查脚本；封面生成调用 GPT-Image-2。
展开详情收起详情：Oh Story：面向编程 Agent 的中文网文写作 skill 包⌄
★ 7723 · 可直接使用的工具
GitHub
原文发布：未知收录：2026-10-19
WarRinOP/hiresignal-ai · AI Recruitment Intelligence — match resumes to job descriptions, score compatibility, rewrite bullets, powered by Claude. Next.js + Supabase.
HireSignal 是一个基于 Claude 的招聘智能应用，将简历与职位描述进行匹配，给出 0–100% 匹配分、已匹配与缺失技能对比、ATS 关键词差距建议，并提供简历要点改写、录用/待定/淘汰建议及分析历史记录与报告下载。项目使用 Next.js 14、Supabase 与 Tailwind CSS，通过 /api/analyze 调用 Claude 3.5 Haiku 生成结构化结果并存入数据库。
展开详情收起详情：HireSignal：AI 招聘匹配与简历改写工具⌄
★ 0 · 可直接使用的工具
GitHub
原文发布：未知收录：2026-10-19
CodeCritic-Reviews/review-action · AI-powered pull request code review for GitHub Actions. Posts findings to PRs, optional merge gates on severity.
CodeCritic Review 是一个 GitHub Actions 动作，在拉取请求 opening 或 synchronization（打开或同步）时调用 CodeCritic API 进行 AI 代码审查，并将审查摘要作为 PR 评论发布。它提供 review_id、0-100 的质量分数和 final status 输出；可按配置等待完成，或将分数用于后续步骤，并据此设置合并门槛。材料也说明这是 AI 生成结果，可能存在误报或漏报，不能替代人工审查或专业安全审计，并且不执行代码、不访问运行时行为。
展开详情收起详情：CodeCritic Review：为 GitHub Actions 中的拉取请求提供 AI 代码审查⌄
★ 0 · 可直接使用的工具
GitHub
原文发布：未知收录：2026-10-19
Sahil170595/Chimeraforge · PyPI capacity-planning CLI for LLM deployment. pip install chimeraforge.
Chimeraforge 是一个本地优先、模型无关的 LLM 部署规划器，以 Python CLI 形式提供。用户可输入模型规模、HF 仓库或 Ollama 标签，以及 GPU 硬件与请求速率，工具会在（模型 × 量化 × 后端 × GPU 数量 × 并行策略）空间中搜索，并在 VRAM、质量、延迟、成本、能耗等门控约束下返回满足 SLO 的最便宜配置。每个数值都标注为 measured、extrapolated、derived、estimated 或 unknown 的来源，无需联网即可对本地注册表和目录进行规划。项目还提供 workload 流量画像、markdown 决策简报、MCP 服务器供 Claude/GPT/Cursor 调用，以及 suggest、measure、bench、safety 等共 25 个子命令。
展开详情收起详情：Chimeraforge：LLM 部署容量规划命令行工具⌄
★ 2 · 可直接使用的工具
GitHub
原文发布：未知收录：2026-10-19