跨栏目检索
搜索中文标题、仓库名或关键词，再用分类、来源和日期缩小范围。
AWS 最近推出了 Lambda Web Functions。以前，想把用 Express、Hono 这类常见 Node.js 框架写的网页应用放到 Lambda 上运行，需要额外做不少适配工作；现在可以直接运行，并且支持同时处理多个请求和流式返回响应。对于用这些框架开发应用的开发者来说，迁移到 Lambda 会更省事。目前原文只说是“推出”，没有说明是否已正式可用、有哪些限制或价格细节。
澳大利亚科研机构 CSIRO 做了一个叫 Serverless Beacon 的系统，用来查询基因组变异。以前的难点是：要查变异数据，通常得先把体积庞大的 VCF 文件整个复制进一个中心数据库，费时费钱。新办法不搬数据，而是直接用 Amazon S3、Lambda、Athena 和 DynamoDB，配合元数据索引和对压缩文件的 HTTP 字节区间读取，只取需要的那一小段来查。测试中，查询 1 万个碱基对平均耗时 1.52 秒。对研究者来说，这意味着不必先复制整份数据就能更快检索变异信息；不过目前只是测试结果，是否已开放使用原文没说。
Spring Cloud 社区正式发布了 2025.1.4 版本（代号 Northfields），这是一个面向 Java 开发者的微服务工具集。该版本基于 Spring Boot 4.0.9 构建，同时兼容 Spring Boot 4.1.2，主要修复了各个子项目中的若干 bug，并未提及新增功能。开发者现在可以通过 Maven Central 获取，并在 Maven 或 Gradle 中引入对应的依赖管理组件来升级。本次更新涵盖 Gateway、Config、Netflix、Stream 等十余个模块，完整修复清单可查阅 GitHub 项目页面。
Spring Boot 团队发布了 4.2.0-RC1 候选版本，已可从 Maven Central 下载。这个版本包含 113 项改进、文档更新、依赖升级和错误修复。主要变化有三点：默认的 Buildpacks 构建器换成了基于 Ubuntu 26.04 的 paketobuildpacks/ubuntu-resolute-builder；spring-boot-properties-migrator 现在可以在发现错误或警告时让应用直接启动失败；启动性能也有提升，可执行 jar 中的类和资源查找更快。这是候选版而非正式版，想尝鲜或提前排查升级问题的 Java 开发者可以试用，详细升级说明见发布说明。
Spring Boot 团队发布了 4.0.9 版本，现在可以从 Maven Central 下载使用。这次更新包含 99 项 bug 修复、文档改进和依赖升级，属于常规维护版本，没有提到新功能或重大变化。如果你用 Spring Boot 做 Java 开发，升级后能拿到这些修复和改进，想帮忙的话可以看 issue 仓库里标了“ideal for contribution”的任务。
Spring AI 团队发布了两个新版本：2.1.0-RC1（候选发布版，尚未正式定稿）和 2.0.2，都已在 Maven Central 上可下载。以前只有 OpenAI 的一种接入方式能原生处理结构化"消息片段"，现在 OpenAI、Anthropic、Google GenAI、Amazon Bedrock、Ollama、Mistral AI、DeepSeek 等主流模型接入也都能做到，并保持推理过程、工具调用的原有顺序。新版本还内置了"会话记忆"：把对话保存成只追加的事件日志，历史太长时按轮次压缩或摘要，且不会把工具调用和结果拆开，数据可存 PostgreSQL、MySQL 等数据库；原来基于 ChatMemory 的方案被标记为弃用，计划在 3.0.0 移除。另外新增工具调用确认机制，比如订机票、删文件前可先让应用批准；还支持用查询向量检索预先算好的嵌入。需要注意这只是候选版和补丁版，部分旧存储（Cassandra、Redis 等）的会话替代方案官方称将在 3.0.0 前补齐。
OpenAI 和波兰的 NASK 宣布合作，一起做 AI 安全、安保和技术研究。原来的问题是 AI 需要更强的防护措施，数字环境也要更能抵抗风险。这次双方通过合作研究来加强这些方面。对读者来说，这意味着 AI 安全领域多了一个跨国合作方向，但具体会推出什么工具或成果，材料没有说明。
提供的材料未提及具体可用工具。
OpenAI 说明它如何加强前沿模型训练与评测时的隔离防护，包括离线环境和需要大量算力的红队测试。目前只看到简短的说明，具体做法、实施时间以及是否已用于实际训练，材料里都没有交代，因此能确认的只是方向：减少训练环境与外部网络的接触，并把红队测试提升到更大算力规模。
提供的材料未提及具体可用工具。
OpenAI 为了让 ChatGPT 的在线存储系统 Habitat 能支撑超过 10 亿用户，做了三件事：让多个用户的数据在同一套系统里安全隔离、把常用数据缓存在离用户更近的地方、并借助微软的 Azure Cosmos DB 数据库。原来读取数据慢，现在读取速度提升了 12 倍。这意味着 ChatGPT 在用户量大增时仍能更快地响应。文章是系列第二部分，具体技术实现和上线时间原文摘要没有说明。
LangChain 的 Deep Agents 框架介绍了让智能体更高效检索信息的方法。原来智能体有三类问题：搜索方式笨拙，反复打开文件或用不同措辞重复搜索，白白消耗时间和上下文；一次搜索塞进太多内容，把上下文窗口占满；以及拿到过时或不相关的信息，还可能在此基础上继续出错。它的做法是：默认使用 glob 按文件名查找、grep 搜索文件内关键词、read_file 逐页读取，不整份加载文件；结果太大时，把完整结果存成文件，只把路径和摘要交给智能体；自定义检索（如 RAG）则先检索、再存文件、由子智能体去读，主智能体只看相关内容。这样智能体能更快找到对的资料，减少无效搜索和上下文浪费。文中还提到 ls、write_file、edit_file 等内置工具，以及向量库、SQL、搜索 API、MCP 服务器等检索数据源；具体效果数据文中未说明。
auric/pr-review-inbox · Local-first pull request (PR) review inbox for Bitbucket Server and Data Center, with AI code review by your own Claude Code CLI. It drafts review comments and replies, proposes fixes, and posts nothing without your click.
PR Review Inbox 是运行在本机的 Bitbucket Server 和 Data Center 拉取请求评审收件箱，集中展示需要你处理的 PR，并按消息跟踪讨论、未读状态与提醒。它调用你自己的 Claude Code CLI，在脱敏的 PR 快照上做 AI 评审，结合 Jira 任务信息生成评审评论、回复和修复建议草稿；所有内容在你逐条接受或编辑并点击后才发布到 Bitbucket。它还提供 PR 说明、Jira 任务构建、评审检查项与评审质量统计等功能。
MahamYasir-ai/HirePilot-AI-Recruiter · AI-powered recruitment platform featuring an intelligent hiring chatbot, job listings, candidate applications, AI-based candidate screening, HR dashboard, and WhatsApp integration.
HirePilot AI Recruiter 是一个面向招聘场景的 Web 应用，用现代化前端界面整合招聘相关交互，包含 AI 招聘聊天机器人、职位列表、候选人申请、HR 仪表盘和 AI 辅助候选人筛选等模块，并已在 Vercel 上提供公开演示。项目使用 TypeScript、基于 React 的前端、Vite 和 Node.js，主要用于探索对话式 AI 与招聘工作流、Web 界面结合的实际应用。README 说明各功能可用性取决于当前实现进度，并列出改进空间，包括完善聊天交互、候选人审阅流程、输入校验与错误处理、API 集成文档等。
ramonk2o/superlab · Plan the deck before you build it. An Agent Skill for Claude that works out the story, the hook and the visual concept with you, gates each phase on your approval, then builds and reviews the slides. For Claude.ai and Claude Code.
superlab 是一套 Agent Skills，安装后可在 Claude.ai 和 Claude Code 中使用，包含 superdeck（演示文稿规划与制作）、supercontext（AI 项目知识文件规划与撰写）、superproject（Claude、ChatGPT、Gemini 助手项目设计）和 supertext（非虚构文本规划与写作）。各技能强调先与用户确定内容、结构和视觉方向，分阶段设置审批环节，再由 Claude 生成成品并由“冷读者”复核；技能支持多语言，不编造材料外的事实。仓库以 Shell 为主，MIT 许可。
EugeneJian/grt-agent-skills · Growatt 团队 Agent Skills（SSOT：~/.agents/skills）：feishu-nav 工作导航 · sql 内网报表库只读查询 · feishu-lark 飞书操作；适配 pi/Claude Code/Codex
该项目以 ~/.agents/skills 作为团队共享 Agent Skill 的唯一真源（SSOT），通过 Git 仓库同步并维护 feishu-nav 工作导航、sql 内网报表库只读查询、feishu-lark 飞书操作、shipment-maintenance 出货 Excel 增量维护、ecology 系统选型入口等 skill，并提供符号链接预检与拓扑审计脚本，适配 Claude Code、Codex、pi 等 Agent 工具。仓库还说明了多机部署、重命名迁移、数据脱敏与防凭据入库的维护流程，面向 Growatt 团队内部分发。
Tencent-Hunyuan/DiagSafe · DiagSafe: diagnostic LLM safety benchmark with prompt-level rubrics (3,489 bilingual prompts, 84-label taxonomy)
DiagSafe 是腾讯混元开源的大语言模型安全评测基准，由细粒度双语安全数据集与提示级评分准则（rubric）两部分构成。基准包含 3,489 条中英文提示，基于 11 个一级、34 个二级、84 个三级标签的安全分类体系，覆盖单轮与多轮对话、直接有害请求及多种攻击形式（含模板越狱、组合模板越狱与指令攻击）。评测采用 LLM-as-a-judge：每条提示配有专属安全评分项及豁免条件，另加八项通用有用性评分项，由裁判模型逐项判定并引用证据，从而给出可解释的细粒度安全诊断。仓库提供评测脚本、OpenAI 兼容与 vLLM 配置、结果分析与本地数据看板。
zblogcn/agent-skills · 面向 AI 编码助手（Claude Code / Cursor / Codex / Trae 等）的 Z-BlogPHP 开发技能。统一入口技能为 zblogphp-agent-skills，覆盖项目识别、主题、插件、模板、Hook、数据库、API、后台和安全开发。
该项目为 Claude Code、Cursor、Codex、Trae 等 AI 编码助手提供 Z-BlogPHP 开发技能，统一入口技能 zblogphp-agent-skills 覆盖项目识别、插件开发、主题开发、Hook 钩子、数据库、API、后台与安全开发。项目附带按需读取的参考资料，以及用于生成插件/主题骨架、检查模板标签配平、检查语言包一致性和识别站点目录的脚本。README 标注适用 Z-Blog PHP 1.7.5 与 PHP 8.2+。
RDunbar01/Nexus-Adapter-Studio · Nexus Adapter Studio is an experimental browser-based WebGPU application for training LoRA adapters on supported GGUF models. Bring your own model and JSONL corpus, evaluate learning, and export resumable Nexus adapter checkpoints. Runs locally without a Python or PyTorch backend.
Nexus Adapter Studio 是一个实验性的浏览器 WebGPU 应用，用于在受支持的 GGUF 模型上训练和评估 LoRA 适配器。用户自带模型和 JSONL 语料，在训练前进行架构、分词器、张量格式与内存检查，并可导出可恢复的 Nexus 适配器检查点。浏览器版将界面、JavaScript、CSS 与 WGSL 内核打包为单个 HTML 文件，无需 Python 或 PyTorch 后端；另提供需完整下载、基于 PyTorch 的原生后端。项目不内置基础模型，兼容性需由用户输入实际满足，验证仅限于界面启动、前端与包完整性检查，不代表完整模型正确性或真实硬件性能。
rmedipallycic/llm-inference-fault-tolerance · Fault-injection study of vLLM and SGLang: what a streaming client sees when an LLM server crashes mid-generation. 430 measured trials on Llama 3.1 8B (AWS A10G): naive retry contradicted already-delivered text; deterministic modes plus recompute recovered exactly. Paper, raw logs and table scripts included.
该项目是针对 vLLM 与 SGLang 的故障注入研究，考察 LLM 推理服务在生成中途崩溃时，流式客户端实际收到什么。基于 Llama 3.1 8B 与 AWS A10G 完成 86 次运行、430 次试验，比较朴素重试、重算、固定间隔 KV 检查点等恢复策略，并记录朴素重试与已交付文本矛盾、确定性模式加重算可精确恢复等发现；仓库包含论文、原始日志、分析制表脚本、故障注入工具与精确一次令牌网关。后续的 KV 检查点微基准与自适应策略尚未开始。
rajratangm/tinyforge · Fine-tune an 8B LLM on a 4 GB laptop GPU, check it with real quality gates, and serve it (pip install tinyforge)
tinyforge 是一个面向小显存 GPU 的 LLM 微调与部署工具，提供数据准备（文档切分、问答对生成、PII 扫描）、LoRA/QLoRA 训练、显存规划、微调前后对比评测（含遗忘检查与失败退出）、GGUF 导出以及 OpenAI 兼容服务端，并附带 CLI、REST API 和 Web UI 三种入口。README 提供了在 4 GB RTX 3050 Ti 笔记本 GPU 上实测的 3B/8B 文本到 SQL 微调结果与失败案例，同时作者声明项目处于早期 alpha、单 GPU 场景。
hanxiao/Qwen3.8-27B-abliterated-AWQ-SGLang-DFlash2-RTX-PRO-6000 · Abliterated Qwen3.8-27B in AWQ-INT4 with SGLang and an FP8 DFlash 2 drafter on half an NVIDIA RTX PRO 6000: 124 tok/s, 237k context, 2 slots, vision
该仓库记录了一套针对 abliterated Qwen3.8-27B 模型的生产推理部署方案：采用 AWQ-INT4 量化权重，结合 SGLang v0.5.22（含五个补丁）与 FP8 的 DFlash 2 投机解码草稿器，运行在 NVIDIA RTX PRO 6000 的半卡 MIG 分区上，并通过 Cloud Run 提供服务。README 给出了量化流程、显存与 KV 池配置、单流/四流与长上下文下的解码和预填充基准、投机解码与验证优化、并发槽位设置的实测数据，以及视觉输入、工具调用方面的能力说明和结构化输出不支持等限制。部署包含约 14 分钟冷启动和一次耗时约 75 分钟的量化步骤，性能数据均在 Cloud Run 环境下测得。