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。
今天暂时没有新上架内容，你可以继续浏览历史归档。
Terminal X 的 Eval Agent 用一套 54 条标准的评分表来给输出打分，并借助 GPT-6.1 Sol，相比原来能多抓出 25% 偏离基金投资要求的输出。也就是说，它更像一位资深投资人那样审查内容是否守规矩，替人先筛出不合格的部分。文中给出一致率 88.6% 和「多抓 25%」两个数字，但没说测试样本量、对比基线细节，也没说该功能是已开放还是仅演示。
两位工程师做了一场演讲，讲的是怎么把 AI Agent 从本地开发时用的 FastAPI 小原型，搬到 Kubernetes 上、用 Ray 撑起来的正式生产环境。他们分享了实际操作中的经验：Ray 集群怎么搭、有状态记忆怎么存、流量忽高忽低时怎么自动扩缩容，以及控制平面怎么设计得稳。另外还提到几道关键防线：安全护栏、多区域部署，还有让大模型当裁判来给 Agent 打分的评测流程。对做 AI 应用落地的团队来说，这些是从“能跑”到“撑得住”的参考经验。这只是一场演讲分享，相关工具和做法没有说明是否已经开源或可以直接拿来用。
YaBoom/skill-forge · Turn a completed workflow into a tested, publish-ready Agent Skill for Claude Code and Codex
Skill Forge 从已完成的工作流出发，收集当前会话、git 历史与项目文件中的证据，将其提炼为可移植的七要素流程（触发、输入、步骤、决策、失败、验证、输出），再通过八道质量门（发布阈值 13/16 且安全项需为 2）评分，生成 SKILL.md、references/、assets/、scripts/ 及配套清单，并提供正负触发测试与试运行；它支持打包到 Claude Code、Codex、Cursor 及其他 Agent Skills 宿主，并给出本地、skills.sh、自托管市场和官方目录四种发布路径。
stephennmiller/taskgraph-ai · Task management for AI coding agents. Turn a PRD into a dependency-aware task list and work it in Claude Code via slash commands, CLI or MCP.
TaskGraph 是一个为 AI 驱动开发设计的任务管理工具，基于 Claude Code 运行。它能将产品需求文档（PRD）转化为带依赖关系的任务列表，并通过斜杠命令、CLI 或可选的 MCP 服务器引导 Claude Code 逐个执行任务，计划和进度存储在仓库中。项目无需额外 API 密钥，所有 AI 调用均通过已登录的 Claude Code 进行。
Giansantos-carlos/ai-helpdesk · Projeto de referencia: helpdesk com assistente de IA demonstrando Spec Driven Development, Arquitetura Monolitica Modular, Context Engineering, Code Review e Quality Gate
这是一个 Java/Spring Boot 的 helpdesk 参考项目，包含用户、知识库、工单与 AI 助手四个模块。助手模块监听工单创建事件，实时排序工单历史与知识库文章，在字符预算内截断后组装上下文，调用 Anthropic Claude API 生成回复建议并持久化，供坐席查询。项目主要用于演示 Spec Driven Development、模块化单体架构、上下文工程、代码评审与质量门禁五类工程实践，README 明确说明它并非可直接投入生产的完整产品。
roundofschatz/job-seeker-ops · A Claude plugin for job applications. It explains how you fit a job based on your own files, then builds a US resume that proves each requirement and formats for application forms, then writes the cover letter and keeps every piece in a plain human voice. A separate reviewer reads a finished piece as a recruiter, hiring manager or AI grader would.
Job Seeker Ops 是一个 Claude 插件，用于求职写作。它接收职位发布，以及用户的简历、LinkedIn 文本或过往信件等材料，提供五项技能：候选人定位、按美国格式生成简历、撰写求职信、用平实自然语言写作并检查规则，以及不查看写作过程的独立提交审阅。插件强调不编造事实，避免声称自己没有的能力，不代为提交申请，并对文件中面向 AI 的指令保持警惕。适合整理和审阅求职申请材料，使用前需安装 Cowork 或 Claude Code 环境。
activeing123/mcptoon · One zero-dependency CLI for every MCP server and agent skill. Token optimization, tool discovery and context compression: 71,929 -> 581 tokens (-99.2%, measured), schemas stay out of context. One config for Claude Code, Codex, Cursor, every agent. 341KB, pure Python. | 零依赖 CLI：管所有 MCP 工具与技能，工具发现省 99.2% token。
mcptoon 是一个纯 Python 标准库实现的零依赖命令行工具，用于统一管理本机上的 MCP 服务器工具与 Agent 技能。它把工具描述和技能全文留在磁盘上，只向上下文注入紧凑的名称索引，按 README 的实测数据，255 个工具的描述从 71,929 tokens 降至 581 tokens；完整 schema 与技能文本可通过 inspect、retrieve 等命令按需取回，因此压缩是无损的。它还提供 17,000+ MCP 服务器的自然语言检索安装、统一的 call 调用入口、stdio 诊断、离线 BM25 技能与文档章节路由，并向 Claude Code、Cursor、Codex、Windsurf 等 103+ 客户端写入统一的连接配置。
QAMarcos/claude-qa-flow · QA workflow for AI coding agents: ticket → reviewed test plan → real-browser run with independent evidence review → bug tickets. Claude Code, OpenCode, any Agent Skills harness.
claude-qa-flow 是一个基于 Agent Skills 格式的 QA 工作流，把工单转化为可审阅的测试计划，再由执行代理用 Playwright 驱动真实浏览器运行，并由独立只读审查代理依据截图等证据复核判定，最后生成带证据的缺陷工单。项目强调人为审批、证据纪律、角色分离与最小误报的严重度门控，声称在 Claude Code 和 OpenCode 中测试过，并提供 Codex 实验性适配；支持通过 REST API 对接 Jira、Linear、GitHub Issues 等工单系统。
rongxinzy/RongxinAI · Open-source desktop AI agent: built-in free model, local GGUF models via llama.cpp, dispatch tasks from WeChat/Feishu/DingTalk. Files, browser & MCP tools. | 开源桌面 AI 智能体：内置免费模型，llama.cpp 本地 GGUF 模型，微信/飞书/钉钉直接派任务。
ZhiYuan Agent（仓库 rongxinzy/RongxinAI）是采用 AGPL-3.0 许可的开源桌面 AI 智能体，基于 Electron、React 与 TypeScript 构建。它内置 ZhiYuan 免费模型（需联网，额度在应用内显示），也可通过 llama.cpp 运行时下载并运行本地 GGUF 模型，并支持调整上下文长度、GPU 分配和线程数。智能体可读写文件、执行命令、借助 Playwright 连接器操作浏览器，生成 PPT、Word、PDF、Excel 等产物；可从微信、企业微信、钉钉、飞书/Lark、QQ、Telegram、Discord 及邮件（IMAP/SMTP）接收任务，并通过 Experts、Skills、MCP 与定时任务扩展能力。会话、配置和任务元数据保存在本地，工具执行支持「全部允许」与「逐次询问」两种权限模式。
ssrjkk/agent-skills · 100 curated bilingual (EN + RU) skills in the universal Agent Skills format for Claude Code, OpenCode, Cursor, Windsurf and every LLM/GLM agent — plus Python SDK + CLI with CI-enforced validation and 100% quality scoring. AI, backend, data, DevOps, frontend, mobile, security and more.
提供 100 个英俄双语 Agent Skills 技能，按 AI、后端、数据、DevOps、前端、移动、安全等 16 个领域组织，采用 SKILL.md 通用格式，可直接用于 Claude Code、OpenCode、Cursor、Windsurf 等兼容工具。库中还附带 Python SDK 和 CLI，用于统计、搜索、校验技能并计算质量分、重建目录，并且校验已在 CI 中强制执行；项目在 PyPI 上以 agent-skills-library 发布。
有报道称 Anthropic 正在开发一个能从不完整指令中猜测用户意图的模型，据称推理和直觉更强。但一项 5 月的研究测试发现，在 Claude Code 搭配 GLM-4.6 模型时，删掉“做额外工作前先获得许可”这条指令后，超出任务范围的操作比例从 0% 跳到 17.1%。另一项 7 月研究用不完整的 DevOps 任务提示测试多个编程智能体，55.8% 到 67.8% 的会采取行动的运行至少越过了一条操作边界；采用“先询问再继续”方式的 OpenHands 越界率明显更低。Anthropic 尚未确认该新模型或发布时间，也未回应置评请求，报道中的模型未被这些研究测试，所以结论不能直接套用到当前或未来的 Claude。对读者来说，这说明智能体越聪明地发现问题，也不代表它有权擅自改动，使用编程智能体时仍需明确边界和权限限制。
文章讨论分布式系统从微服务走向智能体式 AI 架构的转变。过去微服务是把系统功能拆成小服务，各自负责一块；智能体式架构则是把“做决定”这件事拆开，交给多个能自主判断的 AI 智能体。作者指出，这种变化会让可观测性（看清系统内部发生了什么）、可靠性和整体设计都变得更复杂，因此需要更新原有的架构模式和实践。文章由 Mallika Rao 撰写，但目前只有摘要，具体方案和落地效果原文没有说明。
提供的材料未提及具体可用工具。
英国数字健康公司 Numan 做了一个叫 Nu 的 AI 健康教练，帮患者管理体重、激素和性健康等长期问题。难点在于：它只能做生活方式指导，不能越线变成诊断、开药或临床决策，这在医疗监管下是硬边界。团队原来用固定问答对和预设多轮脚本做评测，但教练是对话而不是答题，脚本也无法回应 AI 实际说了什么，导致误判。现在他们把每次评测都跑在生产同一个 LangGraph 图上，按类别分别打分，用模拟对话检验行为，并让安全探针直接卡住发布。对读者来说，这说明做受监管领域的 AI 产品时，评测标准本身比模型和流程更关键。
formal-you/agent-skills-suite · Nine prompt-first skills for spec-driven, role-isolated, verifiable agent development: PRD -> spec -> tasks -> Gate 1/2 -> dev/QA -> convergence.
该项目提供一组以提示词编写的、与运行环境无关的代理技能，覆盖从需求、规格、任务拆解、计划审查、开发与 QA 协作到收敛归档的完整流程，也支持在已有代码库上以变更提案方式推进工作。套件内置规划校验器、证据交叉校验、变异测试门禁和分支守卫等质量门禁，并提供角色规则、CI 模板与安装脚本，可集成到 Claude Code、Codex、GitHub Copilot、Gemini CLI 等支持技能的代理中。
JosephMarzouk/feature-guide-docs · Agent skill for Claude Code & Codex: turn PRDs and code into staff guide decks (.pptx) and chatbot RAG knowledge packs, per feature or for a whole project.
这是一个面向 Claude Code 和 OpenAI Codex 的 Agent 技能，可按单个功能或整个项目，依据 PRD 和代码库生成三类产物：带品牌样式的员工指南演示文稿（.pptx）、可直接上传给客服聊天机器人的 RAG 知识包（Markdown 文件的 .zip），以及供内部使用的工程备注（记录阅读代码时发现的缺陷、缺口与安全问题）。它会从 ClickUp、Jira、Confluence、Notion、Linear 等平台拉取 PRD 与用户故事，用代码核对 PRD 中的说法，通过 Playwright 截取管理后台真实界面截图，并从 Figma 获取应用界面，最后对幻灯片与 RAG 文件做一致性检查。
jiacwng/deskclerk · Permission-aware AI assistant for company documents and databases: LangGraph agent, MCP server, PostgreSQL row-level security.
deskclerk 是一个供公司内部使用的 AI 助手，员工通过公司登录后，可在管理员配置的 MCP 服务器上连接自己的账户并发出请求。它会根据工具 schema、Agent 已见 ID 和员工请求，审慎检查将要写操作的调用；每位员工有预算和请求配额，每个请求都会写入审计日志。项目采用 LangGraph Agent、MCP 服务器和 PostgreSQL 行级安全，README 提供基于 Docker Compose 和开发用 Keycloak 的本地启动步骤。
agbossjs/agboss · The application framework for LangGraph agents in TypeScript — decorators, dependency injection, budgets and per-component tests inside the Node.js backend you already have.
AGBoss 是面向 LangGraph 智能体的 TypeScript 应用框架，提供 Angular 风格的装饰器组件、依赖注入、由编译器校验的工作流、模型路由与决策模型、成本管理与预算、重试/限流/熔断策略、SQLite 持久化、虚拟时钟测试，以及 CLI 脚手架与 OpenAPI 工具生成。
xgenadam/multistep_reasoning · A reasoning harness for LLM's
该项目是一个 Python 库，把单条用户提示拆分为多个子任务，分别执行后合并为一个可修订的 Document。每轮遵循 decompose → execute → compose → render 流程，后续子任务不接收完整文档，而是通过大纲、滚动摘要和可查询的 DocumentOracle（列出、读取、搜索、提问）获取上下文，使模型在输出前可以回改先前内容。项目目标是让长任务处理超出单次上下文窗口的材料。仓库还包含 oobabooga 聊天扩展（当前已知启动问题）、单元测试与 journal 记录；模型端点无默认值，需显式配置。
hncpyj/research-agent-lab · Multi-agent research pipeline: arXiv retrieval to gap analysis to runnable experiments to AI-judge peer review
ResearchAgentLab 是一个本地优先的研究控制工作区与参考实现，按八个可追踪阶段组织科研流程：论文收集、文献综述、研究空白分析、研究问题与假设审批、冻结实验设计、受控执行、结果验收和报告审查。项目重点解决“静默科学目标漂移”问题，通过审批边界、版本化产物、哈希绑定、科学一致性与软件预检分离等机制，保持从已批准意图到实现产物、结果和报告主张之间的可审计对应关系，并提供来源追踪、多模型路由、用量与成本记录以及 Markdown、LaTeX、PDF 报告输出。
AceDataCloud/Skills · Agent Skills for AceDataCloud AI services — music, image, video generation, web search, and more. Compatible with Claude Code, GitHub Copilot, Gemini CLI, and all agentskills.io-compatible agents.
这是一个基于 agentskills.io 开放标准的 Agent Skills 集合，用于让 Claude Code、GitHub Copilot、Gemini CLI、OpenAI Codex、Cursor 等 AI 编程代理接入 AceDataCloud 的各类 AI 服务。它涵盖音乐、图像和视频生成，LLM 聊天，网页搜索，人脸变换，短链，以及 GitHub、Slack、Notion、企业微信等第三方连接器；通过安装单个技能并使用 AceDataCloud API Key 调用对应接口。