今日热点

今天的榜单有个很整齐的特征:前几名全都不是模型,而是围绕 agent 的工程件。第二名 modern-web-guidance-src 单日涨 1,225 星,是给编码 agent 喂”这个平台现在该怎么写”的知识库;第一名 plannotator 是人和 agent 共用的审阅工作台;腾讯开源的 LoopForge 则把 agent 关进 SOP:Docker 沙箱、角色分工、人工审批门,一步都不许跳。再配上 caveman 那种”把 token 砍掉三分之二”的暴力节流,和用 Zig 重写推理运行时的 TensorFold,今天的主线非常清楚——行业已经不讨论 agent 能不能干活了,开始讨论它能不能每天稳定、可审计、且便宜地交付。

GitHub 热门 AI 项目

1. Tencent/LoopForge —— 把 coding agent 关进 SOP 里

Go · MIT · 711 stars · +174 today · npm loopforge-cli

这个项目的自我定位很诚实,它先承认了现状:

让 coding agent 去”修这个 bug”,结果取决于那一次运行。它可能跳过计划、忘了测试、自己审自己的代码,或者干到一半停了而没人发现。做 demo 没问题,但这不是团队交付的方式。

LoopForge 的答案是把”一次运行”变成”一条流水线”。它开源自托管,跑在你自己的机器或服务器上,核心抽象是 SOP——由 Agent 节点、Script 节点、Human-gate 节点和子 SOP 组成的标准流程,引擎按顺序执行,每个节点在自己的沙箱里跑。

几个设计细节值得抄:

  • 角色分离。规划、实现、审查、测试各拿自己的 prompt、执行器、模型、规则、Skills 和 MCP 工具。一个角色既是 SOP 里的节点,也能在聊天里作为 subagent 被叫出来。这一条直接冲着”agent 自己审自己代码”去的——审查者的上下文里不该有实现者的自我辩护。
  • 执行器可换。内置十种 coding agent CLI:CodeBuddy、Codex、Claude Code、OpenCode、Cursor CLI、Antigravity、Kimi Code、Pi、DeepSeek Harness、ZCode。它不绑定某一家,只提供角色、沙箱、检查点和历史。这等于承认了一件事:模型和 CLI 会换,流程不该跟着换。
  • 可中断、可回退。”从任意节点重跑”、”把工作打回指定步骤”、”暂停/恢复/接管”——这不是锦上添花,这是 agent 交付能不能进生产的分水岭。一个不能回退的流水线,出错时只能重来。
  • 两条路径共用一套账。聊天式(Main Bot 直接开沙箱、派角色、提 PR)和 SOP 式(固定阶段 + 签核)追踪同一批需求,每一次变更都挂回原始需求,进入交付与成本报表。
flowchart TD
A[需求<br/>聊天或工单] --> B{走哪条路}
B -->|探索/急修| C[Main Bot 会话<br/>Docker 沙箱 + 子角色]
B -->|可重复交付| D[SOP 引擎]
C --> E[PR]
D --> F1[Agent 节点<br/>规划]
F1 --> F2[Script 节点<br/>构建/测试]
F2 --> F3[Human gate<br/>人工审批]
F3 -->|打回| F1
F3 -->|通过| F4[Agent 节点<br/>实现]
F4 --> F5[审查角色<br/>独立上下文]
F5 --> E
E --> G[检查点 / 日志 / 成本]

它的取舍也很明确:上手成本比直接敲 claude 高得多。要装 Git、Docker、Compose、Python 3,要维护沙箱和自己的一套 SOP 文档。它服务的不是个人开发者,是那种”同一类需求每周来十遍”的团队。对这些人来说,把流程写下来才是省时间的做法。

2. QwenLM/qwen-code —— 1.0 预览:harness 我全都要

TypeScript · 30,155 stars · +462 today

Qwen Code 今天放出 1.0 预览,卖点一句话讲完:开源的 agent harness,能力对齐闭源商业产品。

  • 开箱带 agent 全套件:Auto-Memory、Auto-Skills、SubAgents、Agent Teams、MCP。注意这四个词的顺序——记忆、技能、子代理、代理团队,正好是”单 agent 走向工程化”的四级台阶。
  • 多协议运行时切换:OpenAI、Anthropic、Gemini、Qwen 四种 API 都支持,也能接 Ollama / vLLM 的本地模型,运行时切换不重启。这一条对国内团队最实用:模型侧的合规和成本随时会变,接入层不能写死。
  • 不止终端:IDE 插件(VS Code / Zed / JetBrains)、桌面端、Web UI(qwen serve --open)、TypeScript / Python / Java 三套 SDK、headless 模式(qwen -p "..." 进 CI),以及 Telegram / 钉钉 / 微信 / 飞书四个聊天通道。
  • 自举:官方明确说这个仓库在用自己的 agent 提 issue、提 PR、审代码、跑测试。这句话可以当营销看,也可以当”agent 能不能长期维护一个真实代码库”的公开实验看。

我的看法:qwen-code 真正的竞争点不是模型分数,而是接口密度。同样是 Claude Code 的形态,它把”我从哪儿调你”这件事铺得极宽——终端、IDE、桌面、Web、SDK、IM。当 agent 变成基础设施,接入点数量就是分发能力。

3. ashhart/TensorFold —— 用 Zig 把推理运行时重写一遍

Zig · 2,091 stars · +188 today

一句话:tensorfold serve 是一个 Zig 编译出来的二进制,自己读 checkpoint、自己分词、直接跑 Metal 或 CUDA kernel,不需要装 Python,也不需要 MLX。

这为什么重要?因为今天本地跑模型的默认姿势是”Python + PyTorch/MLX + 一堆依赖”,一个 2B 的模型带出 5GB 的运行时环境。TensorFold 赌的是另一条路:把推理引擎做成一个静态可执行文件,像 nginx 一样部署。

具体到工程上,它做了几件很”系统程序员”的事:

  • 多后端单代码:Metal、CUDA、Vulkan 三套 kernel,Apple Silicon 和 NVIDIA 都能跑。同一份 Zig 源码编译出不同目标。
  • 拒绝错误的运行环境:kernel 用 CUDA 13 编的,启动时检测到老驱动直接报错退出,而不是跑起来给你一个错误的 logits。这个选择很硬核也很正确——推理框架最怕的就是”能跑但结果不对”。
  • 能力自描述:tensorfold capabilities --json,让上层(包括 agent)先问清楚这个二进制支持什么,再决定怎么调。
  • 给它贡献代码也要排队:仓库要求贡献者(包括 AI agent)先跑 atc check ISSUE / atc claim ISSUE,在”agent 雷达”上认领任务,五分鐘内要 pulse,开 PR 前先查 atc overlap。

最后这条是今天最值得注意的细节:当维护者本身是 agent 时,协作协议也得给 agent 设计。 人类贡献者靠”看一眼 issue 有没有人认领”,agent 需要的是机器可读的 claim 接口和超时机制——否则十个 agent 会同时改同一个文件。

flowchart LR
subgraph 传统路线
P1[Python 运行时] --> P2[PyTorch / MLX]
P2 --> P3[模型权重]
P3 --> P4[HTTP 服务包装]
end
subgraph TensorFold
T1[Zig 二进制<br/>无 Python] --> T2[checkpoint 解析<br/>+ 分词]
T2 --> T3[Metal / CUDA / Vulkan kernel]
T3 --> T4[OpenAI / Anthropic 兼容 API]
end
P4 --> U[调用方]
T4 --> U

注意它把 API 做成了 OpenAI / Responses / Anthropic Messages 三种兼容——兼容层比性能更能决定一个推理引擎能不能被用起来。

4. JuliusBrussee/caveman —— 用”原始人语”砍掉 65% 的 token

npm @caveman-ai/cli · 今日 GitHub Trending / HN 双榜第一

这个项目的荒谬程度和有效程度成正比。它让 agent 用”原始人语”回答:

普通 agent(63 tokens):The reason your React component is re-rendering is likely because you’re creating a new object reference on each render cycle…

caveman(20 tokens):New object ref each render, so React re-renders. Wrap the prop in useMemo.

同一个修复,63 token 变 20。项目声称整个会话的 input token 少 332%(54 次 Claude Code 运行,18/18 答案正确);在 85 个编码任务上和 Opus 5.5 xhigh 对比,成本降 54% 而分数持平。还引用了 Adobe Research 的论文和 JetBrains 的 A/B 测试作为旁证。

四档强度:/caveman(20 token)、/ultracave(14)、/megacave(13,直接用中文四字压缩)。安装方式是一条 npx @caveman-ai/cli@latest,跑完以后”原本的 claude 就一直是 caveman 状态”,同时支持 Codex、Gemini CLI、OpenCode 等 30 多个 agent。

这东西为什么能火?因为它同时戳中了账单和虚荣心。但它也暴露了一个真相:大量 agent 输出里的客套、复述、总结、免责声明,本质上是给”人读得舒服”付的钱。当日志的消费者从人变成另一个 agent 时,这些冗余就是纯损耗。

需要提醒的是:这类压缩对解释性输出有效,对代码和配置无效——项目自己也强调 code stay exact。凡是需要精确性的地方,压缩就是风险。

5. dream-num/univer —— 把”AI Office”做成 SDK

TypeScript · 24,248 stars · +495 today

Univer 是老面孔,但它的定位今年悄悄换了:从”开源在线表格”变成”给人和 AI agent 用的 Office SDK“——编辑、计算、协作、文件处理,打包成可嵌进别人产品的积木。

这个转向值得单独说。过去做”AI 办公”有两条路:一是给 Office 加个侧边栏聊天框(Copilot 模式),二是从零写一个 AI 原生文档应用(成本极高)。Univer 提供的是第三条:把文档模型本身做成 API,让 agent 直接读写单元格、公式、样式、协作状态,而不是靠截图 + 模拟点击。

对比一下就很清楚:让 agent 操作 Excel,最脆弱的环节永远是”它看见的画面”和”文件真实状态”之间的偏差。SDK 路线把这个偏差从架构上消掉了。

其他值得一看

  • backnotprop/plannotator —— 10,724 stars · +412 today · TypeScript。人机协作工作台:改计划、做决策、标注、审代码,一键把反馈塞回 agent。今天榜首,说明”human-in-the-loop 需要一个界面”已经是共识。
  • GoogleChrome/modern-web-guidance-src —— 5,438 stars · +1,225 today(今日涨幅第一)· TypeScript。Chrome 团队维护的”现代 Web 最佳实践”源,专门用来喂 coding agent。它的存在本身就是承认:模型的权重会过时,平台的规范不会等人。
  • ChromeDevTools/chrome-devtools-mcp —— 55,991 stars · +673 today。把 DevTools 暴露给 agent,让它自己看 console、网络瀑布和布局。
  • tradermonty/claude-trading-skills —— 4,470 stars · +556 today · Python。把行情分析、技术图表、经济日历、选股器打包成 Claude Code skills。
  • ag-ui-protocol/ag-ui —— 17,197 stars。Agent-User Interaction Protocol,把 agent 的状态、工具调用、流式输出标准化成前端事件。它今天只涨 9 星,但协议类项目本来就不靠日涨。
  • Likely7/Veyra-NRVideo —— 1,874 stars · +423 today · C++。Windows 视频播放/采集增强,AI 超分 + DLSS 5 + 帧生成做实时预览。
  • louislam/uptime-kuma —— 94,075 stars · +432 today。自托管监控常青树。
  • martin-olivier/airgorah —— 5,503 stars · +269 today · Rust。WiFi 安全审计工具。

新工具/产品速览

Amazon 开始用商品详情页”喂”AI agent。 The Verge 的说法是:把”什么东西在哪卖、卖多少钱”结构化到极致,目的是让 Amazon 比 Reddit 更好用——对人和对 agent 都是。这是电商平台第一次明确把”agent 可读性”当成产品指标。背后的逻辑不难推:如果未来一半的购物决策由 agent 发起,那详情页的读者就不再是人类,结构化数据比文案更重要。

Nothing 的”无屏 AI 设备”下月发布。 官方只放了外观,没给参数。无屏 + AI 的组合在 2026 年已经不新鲜,但它仍然是个有价值的实验:当交互不再依赖屏幕,agent 的响应延迟和语音质量就成了唯一的产品体验。

Akai 开放 MPC 插件 SDK,”vibe coding” 直接改固件。 MPC 3.10.1 和 MPC Sample 1.4 开始支持第三方 SDK,社区可以用 AI 生成插件。硬件厂商主动给 modding 社区开 API,这在音乐设备圈是罕见的开放姿态。

行业动态

Anthropic 确认 11 月 19 日开始公开交易,定价日在前一天,此前区间 70–78 美元/股,对应估值最高 1.4 万亿美元。这条昨天已经写过,今天只是日期落地。值得补一句的是时间点:一家模型公司在 IPO 前把”agent 产品线”的叙事讲得比”模型能力”更重,说明资本市场买的已经不是 benchmark,而是交付能力的可预期性。

Yahoo 成为 Internet Licensing Collective 的第一个正式被许可方。 RSL 那套”AI 抓取要付费”的标准演变成了集体许可模式——像音乐版权池一样统一收费、统一分账。Yahoo 既是发起方也是第一个客户。这条路走通,训练数据的成本结构会被重写;走不通,就还是逐家打官司。

Nvidia 的治理震荡进入第二周。 前 CEO 黄仁勋的相关报道已牵出第三位当事人,股价当日收跌 4.3%,董事会据称在讨论继任人选。同期一个技术侧注脚:网上流传的他穿 Saint Laurent 皮衣的照片被《Vanity Fair》证实为 AI 伪造,但带 Google SynthID 水印,是从 6 月真实照片改的——深伪的取证线索,现在主要来自生成方自己埋的水印。

技术洞见

洞见一:agent 的”运行时”和”流程”正在分家

把今天的项目按层摆一下,会看到一条很清晰的栈:

flowchart TD
L4[流程层<br/>LoopForge SOP / plannotator 工作台] --> L3[角色层<br/>qwen-code 的 SubAgents / Agent Teams]
L3 --> L2[工具与上下文层<br/>MCP / modern-web-guidance / chrome-devtools-mcp]
L2 --> L1[运行时层<br/>TensorFold 推理 / Docker 沙箱]
L1 --> L0[模型权重]
L5[成本层<br/>caveman token 压缩] -.-> L4
L5 -.-> L1

昨天我写的是”混合架构取代全能 agent”,讲的是单次任务内部怎么分工。今天这一层更外一层:跨任务、跨天、跨人的流程开始独立于模型存在。

证据是执行器列表。LoopForge 写了十个 CLI,Qwen Code 支持四种 API 协议加本地模型,TensorFold 同时兼容 OpenAI 和 Anthropic 的 API 形状。所有人都在做”你的东西可以换,我的框架不动”的适配层。 这在基础设施史上是成熟信号——没人再赌单一供应商会赢。

对团队的实际建议是:把你现在散落在 prompt 和口头约定里的流程,写成有节点、有产物、有回退点的东西。哪怕不用 LoopForge,先用一个 flow.md 加几个脚本把阶段固定下来。能回退的流程才能上生产,不能回退的只能叫演示。

洞见二:token 从”计费单位”变成”设计约束”

caveman 火得有点好笑,但它指向的东西一点都不好笑。

同一个模型、同一个任务,只是把输出的冗余去掉,账单就能差一倍以上。这意味着过去两年大家默认的一件事被推翻了:agent 的输出长度是模型自由决定的。 现在不了——输出长度是成本,成本是设计参数。

具体到工程上有三个立刻能做的动作:

  1. 让 agent 之间的通信走紧凑格式,别用自然语言互相对话。agent 和 agent 之间不需要”希望这对你有帮助”。
  2. 把解释性输出和机器消费输出分开。给人看的可以长,进上下文的必须短。混在一起,等于每一轮都在为同一个解释重复付费。
  3. 给上下文设预算,而不是”能塞多少塞多少”。TensorFold 那种 --context 8192 是显式预算;agent 的 prompt 组装也该有同样的显式上限。
flowchart LR
A[任务] --> B{输出去哪儿}
B -->|进下一个 agent 的上下文| C[紧凑格式<br/>结构化 / 省略客套]
B -->|进人的眼睛| D[完整解释<br/>可读性优先]
B -->|进代码库| E[精确原文<br/>禁止压缩]
C --> F[成本下降<br/>信息密度上升]
D --> G[信任与可维护性]
E --> H[正确性]

最有意思的是这条边界:压缩在解释层是优化,在代码层是 bug。 caveman 自己都写 “Code stay exact”,因为它知道一旦开始压缩标识符和语法,省下的钱会以 debug 时间的形式还回去。


今天榜单上没有一个新模型,也没有一个破纪录的 benchmark。全是沙箱、审批门、预算、压缩、运行时。这大概是 2026 年底最健康的信号:当大家开始算每次交付的成本、开始给流程加回退点的时候,说明这东西真的在干活了。