夜雨聆风
关注我，记得标星⭐️不迷路哦～
✨ 1: Agent — Sandbox for AI Code Agents
AI智能体代码开发沙盒
“Agent — Sandbox for AI Code Agents”，是一个专为AI代码代理设计的安全、隔离的沙箱环境，旨在提供一个一体化的平台，支持AI代理进行代码的创建、测试、构建和部署，从而实现高效且安全的AI驱动型软件开发工作流。
其核心功能和关键特性包括：
- 高度安全与隔离的沙箱执行：
提供一个独立、安全的运行环境，确保代码在沙箱内执行，数据本地化，防止AI代理直接访问或影响宿主系统，从而消除潜在的数据泄露和系统风险。 - 一体化代码开发与部署流程：
整合了从代码编写、测试、构建到最终部署的完整生命周期管理，为AI代理提供一站式的开发操作体验。 - 专为AI代理原生设计：
平台架构和功能设计充分考虑了AI代理的工作方式，优化了代理与环境的交互，提升了AI代码生成和执行的效率。 - 便捷的环境管理能力：
支持自动同步沙箱状态、一键式安装依赖，并集成了如Claude Skills市场等资源，简化了开发环境的配置和扩展。 - 可视化持续集成/持续部署(CI/CD)流水线：
提供了包含6个阶段的可视化CI/CD流程，并支持内联日志和调试功能，便于监控代码交付过程和快速定位问题。 - 多代理协同工作机制：
支持如Claude、代码审查器、测试器和DevOps代理等多个专业化AI代理并行协作，共同完成复杂的开发任务，提升团队效率。 - 可扩展的技能与项目模板：
内置可扩展的技能商店和多样化的项目模板，方便用户根据需求快速启动项目并自定义AI代理的能力。
地址：https://github.com/ruilong1999/agent-sandbox
✨ 2: Hermit
AI Agent 团队协作工作台
Hermit 是一个本地优先的 AI Agent 团队协作平台，旨在将 AI 从个人编程助手提升为团队基础设施，通过组织和管理如 Claude Code 等本地编程运行时的执行，形成可管理、可复用、可审计的团队协作流程。其核心在于构建包含产品负责人、架构师、工程师等角色的 AI Agent 团队，并利用看板（Kanban）视图实现任务状态的追踪、可视化管理，将需求、执行、审查和讨论环节全面回溯。项目提供了专用的 Diff 视图，用于审查 AI Agent 生成的代码修改，确保 AI 产出不绕过工程审查流程，并通过 Inbox 实现团队、成员和用户之间的有效沟通。它支持通过外部 Git 仓库沉淀和同步团队模板（如预设角色、工作流、审查规则）以及全局 Skills（如通用审查规范、排障流程），将个人经验转化为团队资产，并详细保留 AI 执行过程中的底层 CLI 输出、工具调用、启动状态及故障原因，便于复盘和诊断。Hermit 优先支持 Claude Code 运行时，并正在集成 Codex（beta），相较于仅使用 CLI 或 IDE 插件，它在多 Agent 协作、任务管理、代码审查、Skills 统一管理、团队模板复用和结构化执行日志方面提供了更全面的解决方案，旨在解决 AI 在团队协作中技能分散、经验流失、上下文膨胀、审查缺失和过程不可追溯等痛点。
地址：https://github.com/yancyuu/Hermit
✨ 3: 聊天关系K线
聊天关系K线
这个GitHub项目“聊天关系K线 · Relationship Candlestick Lab”提供了一个创新工具，旨在将两人间的聊天记录可视化为股票K线图，以呈现关系的动态变化曲线。其核心机制在于利用大语言模型对每条消息进行量化分析，评估其对关系价值（Open、High、Low、Close）的影响，例如冷淡回复会使关系价值下跌，暧昧称呼会上涨，而争吵和修复则会形成K线的影线。这些逐条消息的“关系指数”随后会结合时间衰减机制，聚合生成5分钟、1小时、日线等多种时间周期的K线图，并辅以“互动量”指标来反映该时段的互动密度和情绪强度。项目支持从微信、iMessage等平台导出的CSV（强烈推荐，因包含完整时间戳）、JSON或TXT格式聊天记录。用户可以选择两种分析模式：本地分析模式保证聊天数据完全不出本机，强调隐私保护；在线分析模式则通过API调用外部大模型（如Claude、GPT等）进行处理，提供更便捷的图形化操作。此外，它还集成了MA、布林带、MACD、RSI、KDJ等多种技术分析指标，并支持在K线图上悬停查看该时间段内主导关系维度的归因和关键消息，帮助用户回顾和理解关系发展的关键事件。该工具并非用于预测关系未来或判断真实情感，而是一种事后视角的量化可视化分析，以帮助用户洞察关系的历史轨迹。
地址：https://github.com/ZhenyuanPAN822/relationship-candlestick-lab
✨ 4: AI Research Skills
AI科研任务技能集
AI Research Skills项目是一个为学术研究人员设计的综合性开源工具，它通过集成14项基于Claude Code（也兼容其他AI平台）的AI技能，旨在全面优化学术研究的各个阶段。其核心功能涵盖了文献管理与分析，例如高效的文献筛选与比较、Zotero图书馆的智能整理以及论文摘要的生成；研究设计与项目管理，包括辅助研究方案的构建和项目背景的压缩与概括；以及手稿撰写与修订，如学术写作的审查、声明与证据的核对和审稿意见的响应。此外，该项目还提供强大的多AI协同能力，能够智能地将代码密集型任务委派给Codex CLI或将长文本、多语言（特别是中日韩文）处理任务交给Gemini CLI，从而显著提升研究工作的效率、准确性和自动化水平，使研究人员能够更专注于核心的创新性思考。
地址：https://github.com/WenyuChiou/ai-research-skills
✨ 5: OpenSearch-VL
开放多模态搜索智能体训练方案
OpenSearch-VL是一个旨在训练前沿多模态深度研究智能体的开放方案，其核心在于构建一个闭环智能体，能够主动检查图像、裁剪或增强兴趣区域、发起网络和图像搜索、访问检索到的页面，最终基于收集到的证据生成答案，这与传统单次推理的视觉语言模型形成鲜明对比。该项目发布了完整的训练数据、代码和模型检查点，以促进顶级多模态搜索智能体的复现。它通过基于维基百科超链接图谱的数据精选管线，生成SearchVL-SFT-36k和SearchVL-RL-8k两个开放数据集，并采用模糊实体重写和源锚定视觉基础来消除捷径；提供了一套统一且丰富的视觉与检索工具集，包括裁剪、布局解析（OCR）、文本/图像/网络搜索、页面访问、图像增强（如锐化、超分辨率）以及Python解释器，使智能体能够修复输入并获取外部知识；并引入了多轮“致命感知GRPO”算法，通过令牌掩码和单边优势钳位来有效处理长轨迹中级联的工具故障，从而显著提升训练效率和智能体的鲁棒性。OpenSearch-VL在多个知识密集型多模态基准测试中取得了显著性能提升，平均得分比现有基线高出10点以上，在30B/32B规模上达到了专有系统的精度水平，展现了其作为一个能够进行多轮视觉感知、信息检索和证据获取的“视觉调查智能体”的强大能力。
地址：https://github.com/shawn0728/OpenSearch-VL
这就是本期的内容，记得标星⭐️点赞
，关注我不迷路哦～
