搜索归档

WKAppBot：为 AI Agent 提供 Windows 与 Android 桌面 UI 自动化能力

kiexpert/wkappbot-sdk · Computer Use, App Use, AppBot — give AI agents real eyes and hands on Windows. Open-source RPA where humans, the app ecosystem, and AI share one keyboard. Focusless. Self-healing. Multi-AI.

WKAppBot 是一个面向 AI Agent 的开源 RPA 与 UI 自动化工具，让 Claude、GPT、Gemini 等模型能够在不抢占用户焦点的情况下操作 Windows 应用、网页、浏览器 AI 会话以及通过 ADB 控制 Android 应用。它采用无障碍树优先的读取策略，配合 UIA、Win32 PostMessage、CDP 等多种通道，并提供基于视觉推断的自愈式元素识别与经验缓存。项目还包含多 AI 并行委派、Skills 知识积累与防错型 harness 守卫机制。免费层覆盖基础自动化，CDP 浏览器自动化、多 AI 委派及 sudo 管理员访问属于付费 Pro 层。

BotNexus：基于 .NET 的 LLM Agent 编排实验平台

sytone/botnexus · BotNexus is an experimental lab for agents, tools, memory, channels, and automation ideas of varying quality written in C# using the dotnet environment.

BotNexus 是一个用 C#/.NET 构建的实验性 LLM 编排沙盒，用于探索多 Agent 协作、通道接入、工具调用、记忆持久化与调度等交互模式。它提供网关路由、WebUI 聊天、多种模型提供方（GitHub Copilot、OpenAI、Anthropic、Azure OpenAI 及兼容端点）、扩展系统与诊断工具，并通过 CLI 完成安装、配置与网关生命周期管理。项目明确定位为实验平台，而非高可用企业级方案。

memtomem：为 AI 编程 Agent 提供 Markdown 优先的长期记忆基础设施

memtomem/memtomem · Markdown-first, long-term memory infrastructure for AI agents. Hybrid BM25 + semantic search across markdown/code files via MCP.

memtomem 是一个 Markdown 优先的 AI Agent 长期记忆基础设施。它把用户自己的 markdown 笔记、文档和代码文件（.md、.json、.py、JS/TS 等）索引成可搜索知识库，通过 BM25 关键词检索与稠密向量语义检索的混合搜索（含 RRF 融合）供 AI 编程 Agent 调用。项目通过 MCP 集成 Claude Code、Cursor、Codex 等客户端，提供 CLI、Web UI 仪表盘、命名空间、增量索引、去重/衰减/TTL 等维护能力，以及 Context Gateway、LangGraph Store 等扩展。原始 .md 文件是数据真源，数据库仅作为可重建缓存。

JobPilot：在本地浏览器中自动搜索职位并投递申请的 AI Agent

suxrobGM/jobpilot · An AI agent that applies to jobs for you - searches boards, tailors your resume, fills applications, messages recruiters. All from a real browser on your machine, on your Claude Code or Codex subscription.

JobPilot 是一个运行在用户本机浏览器中的 AI 求职代理，依托已有的 Claude Code 或 Codex 订阅驱动。它可以搜索 LinkedIn、Indeed、Hiring Cafe、Upwork 等招聘平台的职位，按简历对岗位打分，自动撰写定制简历和求职信、填写并提交申请、联系招聘方，并通过仪表盘跟踪申请进度与收件箱回复。

LLM Document Agent：基于 Google Gemini 的 PDF 文档检索增强问答系统

harshit-ojha0324/Gemini-Powered-RAG-System · Production-ready RAG application that enables intelligent Q&A over PDF documents using Google Gemini. Features semantic search, source attribution, conversation memory, and enterprise-grade security including PII detection, injection prevention, and real-time monitoring.

这是一个全栈 RAG 应用，支持上传 PDF 后用自然语言提问，由 Google Gemini 生成带来源页码引用的回答，并保留多轮对话记忆。系统包含语义分块、向量检索（Chroma）、可选 Gemini 或本地 sentence-transformers 嵌入，以及 PII 检测、提示注入防护、输出敏感信息过滤和安全仪表盘等安全能力，提供 FastAPI 接口、React 前端与 Docker 部署方式。

Synozur Orbit：AI 驱动的数字营销情报与产品管理平台

chris-mcnulty/synozur-orbit · AI powered digital marketing intelligence and product management

Synozur Orbit 是一个 AI 驱动的数字营销情报与产品管理平台，仓库 README 主要是一份文档索引，覆盖 SharePoint Embedded（SPE）存储的平台搭建指南，以及数据刷新/重建/重抓取操作的 UX 优化方案文档（含执行摘要、快速参考、可视化指南与完整提案）。材料还记录了该 UX 优化三阶段已全部实现，包括全局刷新状态指示、数据时效标记、命令面板、批量操作、Refresh Center 仪表盘与键盘快捷键等，并给出了相关前端文件路径与业务指标目标。

Math_Tutor_RAG：基于视觉大模型与 RAG 的智能错题本与间隔重复复习系统

lii-lii321/Math_Tutor_RAG · 📘 基于视觉大模型与 RAG 的智能错题本：AI 拍照录题 · 结构化解析 · 向量检索举一反三 · SM-2 间隔重复复习 | Vision-LLM powered wrong-question notebook with RAG & spaced repetition

MathMaster Edu 是一个智能错题本应用：拍照上传手写作业或试卷照片，由视觉大模型完成结构化解析（考点、分步讲解、答案、难度、易错原因、变式题），配合 ChromaDB 向量检索实现相似题召回与语义搜索，并用 SM-2 间隔重复算法安排复习。项目还提供知识点掌握度画像、学情看板、知识图谱、教师端学生总览、Word 组卷导出、Agent 追问讲题、FastAPI REST 网关与 MCP Server，支持多家 OpenAI 兼容模型提供商及本地 Ollama，未配置 Key 时可进入演示模式。

agent-shell：在 Emacs 中原生交互 ACP 驱动的 LLM Agent

xenodium/agent-shell · A native Emacs buffer to interact with LLM agents powered by ACP

agent-shell 是一个原生 Emacs buffer，用于与基于 ACP（Agent Client Protocol）的 LLM Agent 交互。它通过 acp.el 与各类 ACP Agent 通信，支持 Claude Agent、Codex、Gemini CLI、Goose、Grok Build、Cursor、Kimi Code CLI、Qwen Code、OpenCode 等多种后端，并拥有围绕会话管理、侧边栏、书签、通知、Org 集成等方向的多个扩展包。安装前需按各 Agent 说明配置对应的 CLI 或 ACP 适配器，并确保其可执行文件在 PATH 中。

Askimo：本地优先的多模型 AI 桌面工作台

askimo-ai/askimo · AI desktop app for chat, RAG, Skills, MCP tools, and agents. Support multiple LLMs (Anthropic, OpenAI, VertexAI, vLLM, Nvidia NIM, Gemini, OpenRouter)

Askimo 是一款基于 Kotlin/Compose Multiplatform 的桌面应用，将多家 LLM 对话、本地文件 RAG 检索、联网搜索、多步骤 AI 工作流、MCP 工具接入以及自主编码 Agent CLI 委托整合在同一界面中。它强调隐私设计，文件、RAG 索引、会话历史与用量统计均保存在本机，支持语音输入输出与多语言界面。

malicious-software-packages-dataset：开源恶意软件包数据集，用于软件供应链安全研究

DataDog/malicious-software-packages-dataset · An open-source dataset of malicious software packages found in the wild.

该项目由 DataDog 维护，是一个收录野外发现的恶意软件包的开源数据集，目前包含超过 28623 个样本，覆盖 npm、PyPI、IDE 扩展和 AI Skills 等生态。样本按生态及「良性包被投毒版本」与「以投递恶意软件为目的」分类存放，压缩为密码为 infected 的加密 ZIP；各生态目录附带 manifest.json，可用于按包名和版本快速判断是否属于已知恶意包。数据集主要用于软件供应链安全研究、检测规则（如 GuardDog）验证与本地分析。

DataFusion Distributed：为 Apache DataFusion 提供分布式查询执行能力的库

datafusion-contrib/datafusion-distributed · Library for bringing distributed capabilities to Apache DataFusion

DataFusion Distributed 是一个 Rust 库，为 Apache DataFusion 扩展分布式查询执行能力。它并非开箱即用的分布式引擎，而是用于构建分布式引擎的工具包，分布式计划仍是一个普通的 DataFusion 物理计划，只是增加了一些在机器之间传输 Arrow 数据的节点，因此可以以较小改动把已有的单机 DataFusion 系统升级为分布式执行。项目对网络栈不做限定，不区分 coordinator 与 worker，任意节点都可充当协调者或工作节点，并为常见的基于文件的数据源提供默认配置。

JevBench：面向 Jev 类类型化决策模型的基准评测

fstandhartinger/jevbench · JevBench v1 - a benchmark for Jev-class typed decision models: smart, cheap, fast, reliable, open.

JevBench 是 Benchmark Heaven 自研的基准测试，用于评测 Jev 类决策模型：给模型一段状态和一个有界评分规则，要求它返回结构化选项答案并尽量给出每个选项的概率，不需要散文式输出或解析。评分由 Intelligence（机会校正后的准确率）、Calibration、Speed、Cost 四个等权轴合成 JevBench Score，并按版本迭代维护公开排行榜。仓库提供冻结的评分方法文档、聚合结果 JSON、部分公开数据集与各系统适配器代码，并区分公开题与私有留存题。

Strands Decider：面向智能体工作流的快速决策模型

strands-labs/strands-decider · A small, fast decision model, or system one model, for agentic workflows. Pick between options or rate on a scale faster than an LLM, with a calibrated confidence on every decision.

Strands Decider 是一类“系统一”决策模型，不生成自由文本，而是在给定选项之间做选择或对内容按量表打分。它基于 Qwen3.5-2B 主干，去掉语言建模头并替换为约百万参数的指针头，单次前向即可输出答案及置信度，适合智能体工作流中模型路由、工具选择、参数校验、分流和护栏等快速判断场景。项目提供 CLI 与 HTTP 服务两种使用方式，并公开了架构、评测和训练等相关文档。

Kev：可自行训练与部署的轻量决策模型家族

jaredpalmer/kev · Jev-like family of decision models built on top of Qwen3.5/3.8 you can train and run on your own

Kev 是一组基于 Qwen3.5/3.8 构建的小型决策模型（0.8B、4B、9B、27B），用于在同一请求中回答是/否、单选和评分类问题，并输出经校准的概率分布。项目提供预训练权重与本地训练流程，支持在自己的标注数据上微调、在 CUDA/Apple Silicon 上本地推理，并能通过 Modal 一键部署为 HTTPS 端点；其 API 与 TypeSafe System One 兼容，现有 Python SDK 可直接迁移使用。

Dynatrace 完成对 Arize 的收购，推进全生命周期 AI 可观测性

Dynatrace宣布完成对Arize的收购。Arize是开发AI应用跟踪、评测和实验工具的厂商，Dynatrace则擅长监控应用和基础设施运行。此前，开发和运维AI时用的工具是割裂的，出问题很难追责。这次合并把两边打通，希望实现从开发到运行、再到持续优化的全程监控，帮企业看清AI为何出错、花了多少钱。目前Arize AX和Dynatrace平台继续单独提供，Phoenix保持开源；具体整合计划还没公布。

用 Supply Chain Firewall 和 Datadog Code Security 在全组织范围内拦截恶意软件包

Datadog 把开源工具 Supply Chain Firewall 接入了自家的 Code Security 产品。原来这个工具只能在开发者电脑上拦截已知的恶意软件包，一旦每台机器各管各的配置，就容易失控，也没法知道哪些规则真正生效。现在可以在 Datadog 里集中设置允许和禁止名单，装到电脑和 CI 流水线里的防火墙都会自动同步，还能对已经装过的包回头复查，发现是恶意的就报警。此外新增了一个 GitHub action，让 CI 流程也能在安装前拦截。这些功能目前处于预览阶段，需要申请才能使用。

监控仓库数据质量不能只看管道健康

销售副总裁让一个连着 Snowflake 的 AI 智能体查上季度收入，结果数字不对。检查发现管道任务全部按时跑完、日志也没报错，但底层表已经连续好几天少了约 22% 的行，还有三个关键字段几乎一半是空的，全程没有任何告警，等发现时报表和决策已经受影响。这篇文章讲的是：管道跑成功不代表表里的数据是对的，还要直接对表本身做检查，比如数据是否按时刷新、行数是否异常变化、字段空值或分布是否漂移、有没有重复记录，并用管道信息帮忙定位是源头、调度还是转换逻辑出的问题。这样能更早发现“管道正常但数据悄悄变坏”的情况，避免拿错数据做决策。

我们如何扩展 Apache DataFusion，让单条查询可以跨多台机器执行

Datadog 的工程师把 Apache DataFusion（一个用来执行查询的引擎）从只能在一台机器上跑，改造成了可以跨多台机器跑同一个查询，这个项目叫 Distributed DataFusion。原来他们有很多不同系统各管一摊，数据没法方便地合在一起查，而 DataFusion 虽然好用但只在单机上执行，遇到超大数据量就慢。新框架把查询拆到多台机器上并行处理，同时让数据以流式方式传输，避免中间结果落地，小查询仍留在单机跑以免浪费。代码已开源，用 Rust 写，可在 GitHub 和 crates.io 获取，Apache 2.0 许可；在 12 节点集群的公开测试里，部分重型查询最多快了 10 倍，成本不变。

为什么 AI 编程智能体总写出有缺陷的访问控制

AI 编程智能体在写接口时，常常只检查“用户登录了吗”，却不检查“这条数据是不是他的”。比如让它写一个按编号查发票的接口，它会验证登录、查不到就返回 404，看起来都对，但任何人只要改一下 URL 里的编号，就能看到别家公司的发票。问题在于“发票属于某个组织、用户只能看自己组织的发票”这条规则存在于产品设计里，代码和提示词里都没写，所以智能体不知道要加。这类问题叫越权访问（BOLA/IDOR），在 OWASP Top 10 中排第一，传统扫描工具因为没有固定特征可匹配，很难自动发现，目前仍主要靠懂产品的人人工审查，或在查询条件里补上组织范围来修复。

AI Agent 加速开发，数据访问却成了拦路虎

AI Agent 让团队做应用和内部工具比以前快得多，但真正卡住进度的是拿不到实时的业务数据。每接一个数据源，都要单独向系统负责人申请权限、等审批，规则和连接还得一个个手工重建；拿不到直连就只能用副本，数据过时，也没法写回源系统。有人提出“统一 API 层”的做法：把数据库、接口和 SaaS 工具的访问集中到一个受管控的入口，按角色和字段级权限放行，AI Agent 也拥有独立身份，通过 MCP 接入，只能看到自己该看的数据。这样一来，申请和审计都集中在一处，权限在数据层执行，而不靠提示词约束 Agent。文中以 Monospace 为例说明这种模式，但该内容属于产品介绍，实际可用性和效果原文未说明。