搜索归档

LM-Chat：在 NVIDIA Omniverse 中通过对话操控与生成 OpenUSD 3D 场景的空间 AI 助手

Orlandho/LM-Chat · (STILL IN DEVELOPMENT) NVIDIA Omniverse extension that implements a Spatial AI Agent. It allows creating and manipulating 3D environments (OpenUSD) via chat using local LLMs (LM Studio) or external APIs, featuring real-time code self-healing capabilities.

LM-Chat 是一个仍处于开发中的 NVIDIA Omniverse 扩展，作为空间 AI 智能体与神经副驾驶集成在 Omniverse 生态中，将对话式大语言模型与 3D OpenUSD 场景描述连接起来。它提供原生 Omniverse GUI（omni.ui）可停靠聊天窗口，以及面向自动化和 CI/CD 的 CLI 交互 REPL 与无头执行入口。支持本地推理（LM Studio、Ollama、vLLM）与云端/混合 API（Google Gemini、OpenAI、Anthropic，使用标准 OpenAI API 格式）的多供应商路由，并具备 OpenUSD 场景上下文序列化、自愈式 ReAct 循环（自动捕获并修正运行时 Python/OpenUSD 异常）以及基于 JSON-RPC 2.0 的 MCP 工具调用。用户可通过自然语言生成、模拟和操作复杂 3D 世界，适用于数字孪生创建与自动化管线。

Shipwright：面向产品经理的 Claude Code 技能与工作流框架集

EdgeCaser/shipwright · A collection of PM frameworks, agents, and workflows for Claude Code. 40+ skills covering discovery through launch, 6 specialized agents, and an orchestrator that routes work so you don't have to memorize what's inside.

Shipwright 为产品经理提供一套基于 Claude Code 的产品工作操作系统，包含 46 个技能、7 个代理（6 个专家代理加 1 个编排器）、17 条链式工作流以及一个决策分析系统。技能以纯 Markdown 文件形式提供，可用于任何能读取技能文件的 AI 编码工具（如 Cursor、Codex、Gemini CLI）；代理、命令和 `/shipwright`、`/start`、`/shipwright-help` 为 Claude Code 专用，仓库还包含一个通过 AGENTS.md 接入的 Codex 原生桥接。其核心承诺是证据优先输出、显式决策、通过/失败门控、确定性恢复路径，以及对高风险产物的对抗式评审。

Product AI Public：面向 AI 辅助产品管理的提示词、技能与 Agent 合集

rianvdm/product-ai-public · Curated skills, commands, and agents for AI-assisted product management (and life)

该项目是由产品经理 Rian van der Merwe 整理并公开的个人「第二大脑」子集，收录了用于 AI 辅助产品管理的提示词、上下文文件、命令、技能与 Agent。内容涵盖产品哲学与写作风格等上下文文件、PRD/OKR/规格评审与方案辩论等产品管理提示词、开发构思提示词，以及 pm-thinking、交互式讲解、高管简历撰写、Discord 机器人等技能；还包括代码评审、盲验证、挑战者、可行性评估、编辑等子 Agent，以及会议纪要整理、文档评审、会话起止等斜杠命令。此外附有跨会话记忆与多 Agent 调研文档，以及音乐收藏与 Spotify 歌单等个人兴趣技能。多数文件是可直接粘贴到任意 LLM 对话中的系统提示词或提示模板，部分为 OpenCode 专用格式。

BossConsole：面向 AI Agent 的多平台操作台，统一管理模型与桌面工具

kerachm/BossConsole · Manage AI agents with a multi-platform operator console featuring live hot-reload, secure tool integration, and enterprise-grade scalability on the JVM.

BossConsole 是一个运行在 JVM 上的 AI Agent 操作控制台，把终端、代码编辑器、内置浏览器等工具集中到一个原生应用中，方便用户在同一界面里运行和研究 AI 模型。它支持 Claude、Gemini、OpenCode 等模型，可切换不同 Agent，并提供热重载、MCP 工具集成、RBAC 权限管理、多线程任务执行以及本地保存凭据等能力。

SAGE：围绕冻结大模型构建持久身份、记忆、信任与治理循环的认知内核

dp-web4/SAGE · A cognition kernel that wraps a frozen LLM in a persistent identity + trust + governance loop — testing whether capability comes from structure, not weights. Research-stage; honest about what's real vs mocked.

SAGE（Situation-Aware Governance Engine）是一个处于研究阶段的认知内核，旨在把冻结的语言模型基座包装成可长期存续的智能体：通过持久身份、多路径记忆、显著性/代谢状态（SNARC 与 WAKE、FOCUS、REST、DREAM、CRISIS 等模式）、工具接口与显式治理边界，使上下文、证据、程序与授权在不同会话间累积而非每次从零重建。项目区分公共仓库（内核架构与研究记录）与私有仓库（活跃实验），并提供当前状态、仓库索引、Rust/Python 能力说明、机队清单等证据入口。项目明确说明其治理目前属于 A1 级（协作式、可篡改留痕），不构成对抗性隔离，也不宣称机器意识或已胜出基准测试。

OpenClaw Enterprise：面向现代智能体工作负载的企业级控制平面

openclaw/openclaw-enterprise · The Enterprise-grade Control Plane for modern agentic workloads

OpenClaw Enterprise（OCE）是一个开源、厂商中立的智能体管理平台，被描述为“智能体领域的 Kubernetes”。它包含 OpenClaw Control Plane（OCC），用于部署和管理 Agent 及其修订版本，支持本地环境与已有 Kubernetes 集群两种安装方式，提供 CLI、HTTP API、浏览器控制台、IAM 权限、审计事件等能力，并附带 Agent Presets 等配置复用机制。

AutoGen：构建多智能体 AI 应用的编程框架

microsoft/autogen · A programming framework for agentic AI

AutoGen 是微软研究团队开创的编程框架，用于创建可自主行动或与人类协作的多智能体 AI 应用。框架采用分层可扩展设计，包含提供消息传递与事件驱动运行时的 Core API、面向快速原型与常见多智能体模式的 AgentChat API，以及扩展 LLM 客户端和代码执行等能力的 Extensions API，同时提供无代码 GUI（AutoGen Studio）和智能体基准测试套件（AutoGen Bench）。项目目前已进入维护模式，不再新增功能，建议新用户转向 Microsoft Agent Framework。

“把它看作Agent的Kubernetes”：OpenClaw携OpenAI、Nvidia和Red Hat进军企业市场

OpenClaw 最初是奥地利开发者 Peter Steinberger 在 2025 年底做的一个周末项目，后来迅速走红，GitHub 星标超过 10 万，连 OpenAI 都把他招了进来。问题是，企业 IT 部门看到这种能访问代码、凭证和内部系统的 Agent 平台，第一反应往往是直接禁掉，因为权限太大、没法集中管。于是 OpenClaw 推出企业版 OCE——一个开源、不绑定厂商的管理平台，核心是一个“控制平面”，让管理员集中部署 Agent、隔离命名空间、管理配置和权限，思路类似用 Kubernetes 管容器那样管 Agent。目前 OCE 还在 1.0 发布前的开发阶段，只适合内部试点，代码已在 GitHub 上公开，可自托管且免费。

Microsoft Fabric 成为 AI Agent 学习企业运作方式的地方

微软在巴塞罗那 FabCon 和 SQLCon 大会上宣布，把集成的数据平台 Fabric 变成企业 AI Agent 学习公司运作方式的地方。问题是，AI Agent 就像《初恋五十次》里的女主角，每次“睁眼”都会忘掉之前发生的事，不知道自己在哪家公司、业务怎么运转。这次微软让 Fabric IQ 这个上下文层默认接入 Microsoft 365 Copilot，外部 Agent 可以通过 MCP 查询，Power BI 之后还能把定义变成应用，本体（ontologies）也进入预览阶段，另外还推出了从 Salesforce、Google BigQuery、ClickHouse、dbt 等来源接入数据、以及带权限的镜像安全角色等功能。对读者来说，这意味着企业可以让 AI Agent 真正了解自己公司过去、现在和未来的业务状态，而不是每次从零开始；不过很多功能还在预览或即将上线，具体体验要等正式可用。

你的 AI Agent 演示很成功，但数据仍可能让它翻车

这篇文章讲的是一个常见现象：AI Agent（智能体，能自己调工具、做决策的程序）在演示环境里表现完美，一放到真实公司环境就出问题。原因是演示时信息少且干净，而真实世界里数据来自多个系统、每天甚至每小时都在变，权限管理也复杂，Agent 往往处理不了这些。作者认为光靠向量搜索或 RAG（检索增强生成，即先查资料再回答）不够，Agent 还需要“业务上下文”——知道客户在不同系统里是不是同一个人、查到的信息是不是最新的、以及为什么要做某个决定。文章还提到 Arango 公司 COO Ravi Marwaha 将在 10 月 14 日的线上讲座中分享把 Agent 从演示推向生产所需的六项数据要求。目前该讲座尚未举行，文中未说明具体的六项要求细节。

Agents 三周重构 30 万行代码，从业者追问这能证明什么

CodeScene 公布了一个案例：用编程 Agent 在三周内重构了 30 万行 C 代码，花了大约 4000 美元的 token 费用，整个结果通过一个逐帧回放的验证工具来核对。过程中 Agent 还自己攒出了一套专门针对这份代码库的操作配方。不过有从业者提出疑问：这个范围算不算大、用的衡量标准是否合理，以及成果有多少要归功于那套验证工具，目前都还没有定论。对读者来说，这说明 Agent 大规模改代码已经能跑通，但离普遍可信还有距离。

JevRev：为 LLM 工作流提供快速低成本决策的 Sift/Loop/Long 系统

Alex314618-create/JevRev · An LLM + Jev workflow that changes EVERYTHING. Boost your vertebrate brain with a spine inside.

JevRev 是一个 LLM + Jev 工作流系统，将工作分为三部分：JevSift 在任务开始时评估多条候选路径并筛选值得投入 token 预算的方向，JevLoop 逐轮审核结果并决定下一步动作（fix / verify / continue / replan / human），JevLong 对长时间多轮任务监测停滞、重复失败、偏移、工具调用问题和预算风险。Jev 负责快速、低成本的决策与过滤，LLM 负责提出并执行工作，二者通过 CLI 与 JSON/JSONL 协议通信，可与 Codex、Claude Code、OpenCode、CI 工作流或自定义宿主集成，并提供交互式 TUI 查看会话与证据。

team-lead-skill：让编码 Agent 具备团队领导与任务委派能力

romiluz13/team-lead-skill · Agent skill: turn your coding agent into a real team lead — onboard, delegate, verify evidence, and run your agent team across sessions

team-lead 是一个 Agent Skill，将编码 Agent 转变为真正的团队负责人：先登记团队成员并建立工作约定，再把任务委派给可达的队友（终端会话、子 Agent、Agent 间通道），要求以证据而非报告作为验收依据，并通过项目内的 .team/state.md 状态文件让跨会话协作得以延续。它还包含团队记忆、成员发展计划、通信契约等参考文档，以及一套 16 场景的脚本化回归评测套件。

PiX：支持树状分支会话的非线性 AI Agent 工作台

huang-sh/PiX · A non-linear AI agent workbench — session is a tree: branch anytime, and context follows the branch

PiX 是一个 AI Agent 工作台桌面应用，把传统单线程对话改造成可生长的图结构：每一轮对话（用户提示、助手回复和工具调用）都是图上的节点，用户可在任意用户消息处 fork 新分支、从任意早期节点继续对话，或克隆当前分支作为存档点，各分支互不干扰且可随时切换。上下文随分支走，分支聊天面板只显示当前分支的消息，可通过双击节点在多个并排聊天列中固定最多 3 个分支进行对比。项目为会话提供内置扩展，包括基于 Rust 与 SIMD 的快速文件名与内容搜索（fffind、ffgrep、fff-multi-grep），以及可观察和操作 macOS、Windows、Linux 桌面应用的桌面控制扩展，并提供可一键安装的网页访问扩展用于搜索、URL 抓取、PDF 提取和 GitHub 调研。会话保持为真实的 Pi 会话格式，可在 PiX 之外继续使用。

loopx：面向长时间运行的 AI 智能体本地控制平面

inionrhinocerotidae914/loopx · The local control plane for long-running AI agent work.

loopx 是一个本地控制平面，为 GitHub Copilot Codex、Claude Code 等 AI 编程助手提供“大脑”层能力：持久保存目标、自动勾选任务、记录执行证据日志、按配额或时间自动唤醒智能体，并支持智能体之间的可验证交接。项目宣称与具体编码智能体无关，可适配多种 coding agent，并尊重 API 用量上限。README 提供 Windows 桌面端下载与安装步骤，说明无需编程知识即可使用。

NSHKR：面向受治理 AI 运营平台的 Elixir/OTP 组合与发布工作区

nshkrdotcom/nshkr · NSHKR is the production Elixir/OTP composition and release workspace for a governed AI operations platform, wiring durable workflows, cognitive context, provider accounts, policy decisions, execution runtimes, cluster reconciliation, Synapse, and Extravaganza into reproducible monolith and distributed deployments.

NSHKR 是一个基于 Elixir/OTP 的生产级组合与发布工作区，用于构建受治理的 AI 运营平台。它将持久化工作流、认知上下文、供应方账户、策略决策、执行运行时、集群协调以及 Synapse、Extravaganza 等组件编织成可复现的单体或分布式部署。项目采用 poncho 风格非 umbrella 布局，根 Mix 项目负责工作区工具与元数据，apps/nshkr_runtime 为可独立构建的生产 OTP 应用，并包含失效关闭（fail-closed）的生产配置校验。

pm-agent-harness-kit：面向产品经理的 AI Agent 技能与流水线工具包

DIAL-Studio/pm-agent-harness-kit · Product Manager agents + skills: PRDs, RICE, RFCs, sliced epics, experiment designs. Runtime-agnostic pack intent (opencode today, more to come).

PM-AHK 是一个面向产品经理的 Agent Harness Kit，包含 7 个按流水线协作的 PM 专用 Agent（pm-lead、pm-explorer、pm-strategist、pm-builder、pm-reviewer 以及辅助的 pm-coach、pm-smith）和 59 项技能，覆盖 PRD、用户故事、RICE 优先级、战略画布、实验设计、指标与财务、干系人对齐、增长、工作坊与职业发展等产品管理场景。项目宣称支持 opencode、Claude Code 和 Codex 运行时（copilot、cursor 计划中），可通过安装脚本部署，并提供可选的 MCP Harness 用于多会话流水线的状态管理与审计记录。

Atelier Studio：面向科研的 macOS 智能工作台

tofunori/atelier-studio · Agentic macOS environment for scientific research — coding agents, papers, figures, LaTeX and project files in one shared context. Rust-first, Tauri 2.

Atelier Studio 是一个原生 macOS 科研工作区，把文献 PDF 阅读、Zotero 文献库、代码与终端、图表库、LaTeX/Markdown 论文写作整合在同一上下文中，并可在会话中引入 Claude Code 或 Codex 等编码代理提供上下文内的 AI 辅助。项目采用 Rust 优先与 Tauri 2 构建，前端为 TypeScript。

OrchestralFlow：面向 Claude Code 的多智能体编排模式框架

Sakshxm1/hermes-agency-orchestrator · Claude Code Agent Workflows Guide 2026: Skills vs Teams vs Cost Analysis

OrchestralFlow 是一个以「管弦乐总谱」为隐喻的 Claude Code 智能体编排框架，把 /goal 声明解析成动态总谱，按技能、子代理与代理团队拆分任务，并通过成本阶梯（Tutti / Soloist / Conductor 三档代理）做成本感知的任务路由。它宣称包含 UltraCode 提示压缩层、多语言意图支持、运行中代理热替换与安全检查点等机制，用于单代理向多代理协作的规模化扩展。仓库自述其为概念性编排模式与文档集合，并非独立可执行的软件包，成本阶梯机制为模拟模型。

PRD-to-Sprint Negotiator：用多智能体将 PRD 自动协商为敏捷迭代待办

nikhiltulsani1/PRD-To-Sprint-Negotiator · Sprint planning is broken. PRD-to-Sprint Negotiator replaces the 2-hour negotiation meeting with 5 specialised agents (Product, Engineer, QA, Negotiator, Output) that argue with each other to produce a realistic sprint backlog. Built on Microsoft Foundry multi-agent workflows.

该项目用五个专门化智能体（Product、Engineer、QA、Negotiator、Output）串行处理产品需求文档（PRD），提取功能与用户故事、估算故事点并识别技术风险、并行进行 QA 覆盖与边界用例审查，再由 Negotiator 结合迭代容量与速度做纳入/排除决策并给出理由，最后输出可粘贴到 Jira 或 GitHub Projects 的 Markdown 迭代待办，以及可直接导入 Jira/ADO/Linear MCP 的 JSON 载荷。它还提供带冲刺上下文参数（--sprint、--completed、--blocked、--velocity）的命令行与 Streamlit Web UI。