每日 Harness 开源 · Source
全部刊期 · All issues

每日 Harness

2026-06-05 · Friday, June 5, 2026

智能体治理成底座

视图 · View

今日重点 · Today's Highlights

KVarN 4 - vLLM KV-cache 量化后端把 2-bit 长上下文压缩和 reasoning accuracy 放在同一个工程问题里。

全文 ↓

论文 · Papers

14 项 · 论文

Agentic Chain-of-Thought Steering for Efficient and Controllable LLM Reasoning6arxiv.org原文 ↗

测试时计算推理与规划其他垂直

ACTS 不是再给模型加一句“思考更短”的提示，而是在推理过程中插入一个控制器，让冻结的 reasoner 按预算、轨迹状态和任务难度动态改变思考策略。摘要称它把 steering 写成 MDP，并在多个 benchmark 上达到接近 full-thinking 的表现，同时减少推理 token；这使它更像 inference-time scheduler，而不是 prompt engineering。

–

本期重点Agent libOS: A Library-OS-Inspired Runtime for Long-Running, Capability-Controlled LLM Agents1arxiv.org原文 ↗

框架与脚手架执行环境与沙箱对齐与治理系统·基础设施

Agent libOS 将 LLM agent 的长期执行抽象成 library OS：运行时负责状态持久化、能力授权、恢复、审计和副作用边界。它的贡献不在单个模型能力，而在把权限和执行生命周期放到 runtime 里讨论，适合那些会跨天运行、写文件、调 API、积累状态的 agent。

–

Benchmarks are Not Enough: RAMP for Runtime Assessing of Agentic Models in Production Systems8arxiv.org原文 ↗

评测方法工作流与控制流编码

RAMP 的核心判断是静态 benchmark 不足以说明软件工程 agent 的生产能力，因此它用 YatCC 上的编译器构造任务、串行依赖和阶段恢复机制做 runtime assessment。作者评估 15 个主流模型，报告串行 workflow 完成率从首阶段 100% 降到末阶段 20%，没有模型完成完整 pipeline；这个结果把“能解单题”和“能维持长链路执行”区分开了。

–

Cascading Hallucination in Agentic RAG: The CHARM Framework for Detection and Mitigation9arxiv.org原文 ↗

检索与知识接地评测方法数据·分析

CHARM 把 agentic RAG 的错误传播命名为 cascading hallucination：早期检索或解释偏差会在后续步骤被放大，最后变成看似连贯的错误答案。摘要明确给出四类 cascade pattern，并把检测/缓解放在多步 pipeline 内部，这比只评估最终回答更接近 agentic RAG 的真实失败形态。

–

本期重点Proof-Carrying Agent Actions: Model-Agnostic Runtime Governance for Heterogeneous Agent Systems2arxiv.org原文 ↗

对齐与治理框架与脚手架协议与互操作系统·基础设施

PCAA 的关键是把高风险动作包装成 action certificate，而不是要求所有平台共享同一种会话日志。摘要称它是 runtime-neutral governance model，因此适合多模型、多框架并存的 agent 系统；动作能否执行取决于证明对象是否满足策略，而非模型自己解释“我为什么可以这么做”。

–

Streaming Communication in Multi-Agent Reasoning14arxiv.org原文 ↗

多智能体推理与规划其他垂直

StreamMA 处理的是多 agent 协作里的同步瓶颈：一个 agent 生成到一半时，其他 agent 已经可以消费中间信息。摘要列出 8 个 reasoning benchmarks、Claude Opus 4.6 与 GPT-5.4 两个 frontier LLM，以及 Chain/Tree/Graph 三类拓扑；它的看点是把通信粒度从“整段消息”降到 streaming token/片段层。

–

本期重点Where Do Deep-Research Agents Go Wrong? Span-Level Error Localization in Agent Trajectories5arxiv.org原文 ↗

评测方法检索与知识接地研究·科学

这篇把 deep-research agent 的可靠性问题下钻到 span 级别：作者收集 2,790 条真实轨迹，转换成语义 span，再构建 1,000 实例 TELBench。DRIFT 以 claim 为中心追踪证据支持关系，报告在 span-level error localization 和 first-error accuracy 上最高提升 30 个百分点；它比只看最终答案更能解释研究轨迹何处开始偏航。

–

开源 / 项目 · Projects

13 项 · 开源 / 项目

Formally verified polygon intersection17github.com原文 ↗

github.com

这个项目做的是多边形相交算法的形式化验证，重点不在 UI 或性能包装，而在证明几何实现满足预期性质。README 还记录了 AI agent 辅助证明的过程，因此它同时是一个 verified geometry artifact 和一个“agent 帮助写证明”的案例。

–

本期重点SheetMog - OSS Excel alternative and headless SDK3github.com原文 ↗

工具使用数据·分析

SheetMog 做的是 Rust/WASM spreadsheet engine，目标是开源 Excel 替代和 headless SDK 的结合体。它把表格能力拆成可嵌入前端与程序化 API，对 agent 场景尤其有用，因为模型可以操作表格计算结构，而不必依赖屏幕坐标和 Excel 自动化。

–

OpenHack - OSS security scanner18github.com原文 ↗

github.com

OpenHack 是面向真实漏洞发现的开源安全 scanner，不满足于模式匹配，而是用开源 reasoning model 做代码语义理解、威胁建模、漏洞验证和 PoC 生成。项目页给出的对比是：在 17 个开源应用的 768 个已知漏洞上找到 265 个，finding accuracy 59%，并宣称比 frontier-model agents 便宜最高 40 倍。

–

FFmpeg WebCLI - Full FFmpeg in Browser, Offline PWA19github.com原文 ↗

github.com

FFmpeg WebCLI 把 FFmpeg 放进浏览器，通过 WASM/Web Worker 在本机处理媒体文件，并支持离线 PWA。这个项目的价值在隐私与部署形态：用户无需把视频上传到服务器，也不需要本机安装命令行 FFmpeg，就能完成转码、压缩和常见媒体处理。

–

Anthropic defending-code reference harness20github.com原文 ↗

评测方法框架与脚手架编码

这个仓库是 Anthropic 针对 AI 漏洞发现发布的 reference harness，核心作用是复现实验、统一运行目标和比较不同工具。它比单个“安全 agent”更底层：关注评测协议、样例环境和可重复性，便于判断工具是否真的发现漏洞而不是产生漂亮报告。

–

本期重点KVarN4github.com原文 ↗

上下文工程蒸馏与压缩系统·基础设施

KVarN 是 vLLM 原生 KV-cache 量化后端，用 variance-normalized quantization 缓解 reasoning task 中的误差累积。项目索引称它可带来 3-5 倍 KV cache/context 扩展、吞吐高于 FP16，并在 MATH500、AIME24、HumanEval 等任务上维持 FP16 级准确率；如果实现足够稳，它会直接影响长上下文 serving 成本。

–

Boxes.dev21boxes.dev原文 ↗

执行环境与沙箱框架与脚手架系统·基础设施

Boxes.dev 把每个 Codex 或 Claude Code 线程放到一台独立云 VM 中，而不是只给一个 worktree。项目页强调 fork 已有开发环境、保留服务/端口/数据库状态、支持移动端接管和定时任务；它解决的是并行 agent 的隔离、持久运行和远程控制问题。

–

NeuroAnswer22github.com原文 ↗

协议与互操作工具使用研究·科学

NeuroAnswer 是给 Claude 使用的大规模脑图数据 MCP server，作用是把神经科学图谱查询封装成模型可调用工具。它的技术点在接口层：让 agent 通过 MCP 导航专业数据，而不是把整套脑图材料塞进普通上下文。

–

pico-10base-t-rs23github.com原文 ↗

github.com

pico-10base-t-rs 在 Raspberry Pi Pico 2 W 上用 Rust bit-bang 10BASE-T Ethernet，并把它接到 Wi-Fi router 场景里。它有明显的硬件 hack 味道：用 GPIO 和时序控制模拟以太网物理层，展示低成本 MCU 在网络协议边界上的可玩性。

–

AgentKitten24github.com原文 ↗

框架与脚手架其他垂直

AgentKitten 是面向 Apple 平台的 Swift agent 框架，设计目标是 provider-agnostic：同一套 agent 代码可接不同模型供应商。Swift Package Index 显示它有 7 个 library、1 个 macro、Apache 2.0 许可，并通过 Swift 并发相关的数据竞争检查；这使它更像原生应用侧 agent SDK，而不是 Web 后端框架。

–

openai-ads-mcp25github.com原文 ↗

协议与互操作工具使用数据·分析

openai-ads-mcp 把 ChatGPT Ads API 包成 MCP server，当前定位是只读查询账户、广告系列和投放数据。它属于“业务 API agent 化”的典型小工具：价值不在复杂推理，而在让 ChatGPT/Claude/Codex 类客户端以工具调用方式访问广告后台。

–

Lookspan26github.com原文 ↗

可观测性与调试系统·基础设施

Lookspan 做 local-first agent observability，目标是查看 AI agent 的运行轨迹，而不是托管到第三方监控平台。这个方向的实用性在于 agent 失败通常发生在中间步骤：有本地 trace 浏览、事件序列和上下文记录，才能复盘工具调用链。

–

Mnemo27github.com原文 ↗

Agent 记忆检索与知识接地其他垂直

Mnemo 是本地优先的 AI memory layer，用 Rust、SQLite 和 petgraph 组织持久记忆。作者在 HN 讨论中概括其差异点：单个 Rust binary、zero cloud、知识图 multi-hop traversal 和 scored retrieval；相比普通向量库，它更强调图关系与本地可控。

–

行业动态 · Industry News

10 项 · 行业动态

VoidZero Is Joining Cloudflare28blog.cloudflare.com原文 ↗

blog.cloudflare.com

Cloudflare 将 VoidZero 团队纳入体系，覆盖 Vite、Vitest、Rolldown、Oxc 和 Vite+ 这组前端基础工具。Vite 官方声明强调治理、MIT 许可和 vendor-agnostic 方向不变；这笔交易的技术意义在于，构建工具链已成为云平台开发体验竞争的一部分，而不是单纯社区项目。

–

A Post-Quantum Future for Let's Encrypt29letsencrypt.org原文 ↗

letsencrypt.org

Let’s Encrypt 选择 Merkle Tree Certificates 作为后量子 Web PKI 路线，而不是简单把现有 X.509 签名替换为 ML-DSA。文章给出尺寸压力：ML-DSA-44 签名约 2,420 bytes，RSA-2048 是 256 bytes，ECDSA-P256 是 64 bytes；直接替换会把一次 TLS handshake 推到 10KB 以上。其计划是在 2026 年末提供 staging，2027 年达到 production-ready。

–

The ways we contain Claude across products30anthropic.com原文 ↗

执行环境与沙箱安全与攻防系统·基础设施

Anthropic 这篇工程文把 agent 安全从“模型拒绝”拉回环境边界：gVisor 容器、devcontainer、VM、文件系统和 egress 控制才是限制 blast radius 的硬约束。文中给出两个有用数字：用户会批准约 93% 的 Claude Code 权限提示，而 Claude Code auto mode 在执行前能捕获约 83% 的 overeager behaviors；这解释了为什么人类确认框会迅速退化成疲劳点击。

–

Dreaming: Better memory for a more helpful ChatGPT32openai.com原文 ↗

Agent 记忆上下文工程其他垂直

OpenAI 的 Dreaming V3 把 ChatGPT 记忆从显式“请记住”扩展为后台综合历史对话的 memory synthesis。文章给出时间线：saved memories 在 2024 年 4 月上线，Dreaming V0 于 2025 年 4 月加入引用聊天历史，2026 版本强调 freshness、continuity 和 relevance；关键变化是记忆可被用户在 summary 页面审阅和修正。

–

Biodefense in the Intelligence Age33openai.com原文 ↗

openai.com

OpenAI 的 biodefense plan 把先进生物 AI 能力放在防御优先的框架下：帮助可信开发者构建疫情准备和生物安全能力，同时配套 safeguards、evidence 和 governance。文章连接到 2026 年 5 月的 Rosalind Biodefense，并把目标写成更早检测威胁、更快开发 countermeasures、更有协调性地响应危机。

–

How Endava is redesigning software delivery around AI agents34openai.com原文 ↗

openai.com

Endava 的案例重点不是单个开发者提效，而是把 ChatGPT Enterprise 和 Codex 放进 DavaFlow 生命周期。文章称这家 11,000 人公司把 AI 覆盖到会议准备、业务规划、产品发现、工程和部署，并扩展到 legal、finance、operations；这说明 agent adoption 的瓶颈会转移到需求、协调和治理流程。

–

How Wasmer used Codex to build a Node.js runtime for the edge35openai.com原文 ↗

openai.com

Wasmer 的案例给出清晰工程产物：Edge.js 让 Node.js workloads 在 WebAssembly sandbox 中运行，使 JavaScript apps、MCPs 和 agents 不依赖 Docker 部署到 edge。OpenAI 文中称开发速度提升 10x-20x，并把原本一年级别的 runtime 项目压缩到两周；更有意思的是 Codex 被用于低层调试，包括 console logs 和 LLD。

–

Pluto.jl 1.0 release36discourse.julialang.org原文 ↗

discourse.julialang.org

Pluto.jl 1.0 标志 Julia reactive notebook 进入稳定阶段。Pluto 的独特处在于 notebook 保存为纯 Julia 文件，并根据 cell 依赖自动重算；对科学计算和教学来说，它减少了 Jupyter 式隐藏执行顺序带来的状态漂移。

–

Gemma 4 12B37x.com原文 ↗

x.com

Gemma 4 12B 的看点是 encoder-free multimodal：文本、图像、音频、视频进入统一 decoder-only 路径，而不是外接独立 encoder。公开资料称它是 12B 参数、256K context、Apache 2.0 open weights，并可在约 16GB laptop 上运行；这让本地多模态 assistant 的硬件门槛继续下降。

–

博客文章 · Blog Posts

8 项 · 博客文章

They’re made out of weights38maxleiter.com原文 ↗

maxleiter.com

Max Leiter 这篇短文的价值在于反人格化：模型行为最终来自 weights、训练数据和推理计算，而不是一个稳定内在主体。它适合作为 AI 讨论中的概念校准，提醒读者不要把模型的流畅语言直接解释成意图、信念或理解。

–

I built a vulnerable app and spent $1,500 seeing if LLMs could hack it39kasra.blog原文 ↗

kasra.blog

Kasra Rahjerdi 的实验把“LLM 会不会 hack”落到一个自建脆弱应用和真实 API 成本上。文章写到原计划每个目标模型做 10 次运行，但最终花到 1,500 美元不得不停下；一个关键背景是作者账户已获安全研究批准，所以 GPT 没有因为安全策略而拒绝参与测试。

–

Reviewing code requires reading40hauleth.dev原文 ↗

hauleth.dev

Hauleth 这篇把代码审查重新定义为阅读任务，而不是“看 diff 找瑕疵”的仪式。它强调 reviewer 必须理解上下文、执行路径和作者意图；在 agent 生成代码变多后，这种观点更有现实意义，因为审查对象可能看起来整洁但缺少设计语境。

–

Nemotron 3.5 Content Safety42huggingface.co原文 ↗

huggingface.co

Nemotron 3.5 Content Safety 是 NVIDIA 面向内容审核的专用小模型，NIM model card 显示其以 Google Gemma-3-4B-it 为 base，并在多模态、多语言安全数据上 fine-tune。相比通用大模型做安全判断，专用 guard model 的优势在延迟、成本和可定制 policy。

–

EVA-Bench Data 2.043huggingface.co原文 ↗

基准工具使用其他垂直

EVA-Bench Data 2.0 面向 voice agents，包含 3 个企业领域、121 个工具和 213 个场景。相关论文摘要给出一个强信号：评估的 12 个系统中，没有系统同时在 EVA-A pass@1 和 EVA-X pass@1 超过 0.5，且 median pass@k - pass^k gap 为 0.44；这说明语音 agent 的峰值能力和可靠能力差距很大。

–

The Sequence Opinion #872: The Cake Is a Battlefield44thesequence.substack.com原文 ↗

thesequence.substack.com

TheSequence 这篇把 AI stack 描述成多层战场：能源、芯片、基础设施、模型和应用都在争夺利润池与控制权。它的视角不是模型排行榜，而是产业结构；当训练/推理成本、云绑定和分发渠道一起变化时，技术优势会被上游资源和下游入口重新定价。

–

not much happened today45news.smol.ai原文 ↗

news.smol.ai

smol.ai 的“not much happened today”是社区动态聚合，而不是单一新闻报道。它的价值在于宽口径扫描模型发布、agent 基础设施、benchmark、开源仓库和社交讨论；这类日报常把正式公告之外的生态信号提前暴露出来。

–

引用来源 · References

57 条 · 引用
  1. 1 Agent libOS: A Library-OS-Inspired Runtime for Long-Running, Capability-Controlled LLM Agents. arXiv:2606.03895https://arxiv.org/abs/2606.03895 ↩ 回到正文 · back to text
  2. 2 Proof-Carrying Agent Actions: Model-Agnostic Runtime Governance for Heterogeneous Agent Systems. arXiv:2606.04104https://arxiv.org/abs/2606.04104 ↩ 回到正文 · back to text
  3. 3 SheetMog - OSS Excel alternative and headless SDKhttps://github.com/fundamental-research-labs/mog ↩ 回到正文 · back to text
  4. 4 KVarNhttps://github.com/huawei-csl/KVarN ↩ 回到正文 · back to text
  5. 5 Where Do Deep-Research Agents Go Wrong? Span-Level Error Localization in Agent Trajectories. arXiv:2606.02060https://arxiv.org/abs/2606.02060 ↩ 回到正文 · back to text
  6. 6 Agentic Chain-of-Thought Steering for Efficient and Controllable LLM Reasoning. arXiv:2606.03965https://arxiv.org/abs/2606.03965 ↩ 回到正文 · back to text
  7. 7 Token Budgets: An Empirical Catalog of 63 LLM-Agent Budget-Overrun Incidents. arXiv:2606.04056https://arxiv.org/abs/2606.04056 ↩ 回到正文 · back to text
  8. 8 Benchmarks are Not Enough: RAMP for Runtime Assessing of Agentic Models in Production Systems. arXiv:2605.27492https://arxiv.org/abs/2605.27492 ↩ 回到正文 · back to text
  9. 9 Cascading Hallucination in Agentic RAG: The CHARM Framework for Detection and Mitigation. arXiv:2606.04435https://arxiv.org/abs/2606.04435 ↩ 回到正文 · back to text
  10. 10 The Meta-Agent Challenge: Are Current Agents Capable of Autonomous Agent Development?. arXiv:2606.04455https://arxiv.org/abs/2606.04455 ↩ 回到正文 · back to text
  11. 11 AIP: A Graph Representation for Learning and Governing Agent Skills. arXiv:2606.04781https://arxiv.org/abs/2606.04781 ↩ 回到正文 · back to text
  12. 12 From Untrusted Input to Trusted Memory: A Systematic Study of Memory Poisoning Attacks in LLM Agents. arXiv:2606.04329https://arxiv.org/abs/2606.04329 ↩ 回到正文 · back to text
  13. 13 What If Prompt Injection Never Left? Exploring Cross-Session Stored Prompt Injection in Agentic Systems. arXiv:2606.04425https://arxiv.org/abs/2606.04425 ↩ 回到正文 · back to text
  14. 14 Streaming Communication in Multi-Agent Reasoning. arXiv:2606.05158https://arxiv.org/abs/2606.05158 ↩ 回到正文 · back to text
  15. 15 AutoLab: Can Frontier Models Solve Long-Horizon Auto Research and Engineering Tasks?. arXiv:2606.05080https://arxiv.org/abs/2606.05080 ↩ 回到正文 · back to text
  16. 16 BraveGuard: From Open-World Threats to Safer Computer-Use Agents. arXiv:2606.01166https://arxiv.org/abs/2606.01166 ↩ 回到正文 · back to text
  17. 17 Formally verified polygon intersectionhttps://github.com/schildep/verified-polygon-intersection ↩ 回到正文 · back to text
  18. 18 OpenHack - OSS security scannerhttps://github.com/openhackai/openhack ↩ 回到正文 · back to text
  19. 19 FFmpeg WebCLI - Full FFmpeg in Browser, Offline PWAhttps://github.com/tejaswigowda/ffmpeg-webCLI ↩ 回到正文 · back to text
  20. 20 Anthropic defending-code reference harnesshttps://github.com/anthropics/defending-code-reference-harness ↩ 回到正文 · back to text
  21. 21 Boxes.devhttps://boxes.dev ↩ 回到正文 · back to text
  22. 22 NeuroAnswerhttps://github.com/cjmielke/NeuroAnswer ↩ 回到正文 · back to text
  23. 23 pico-10base-t-rshttps://github.com/mattdeeds/pico-10base-t-rs ↩ 回到正文 · back to text
  24. 24 AgentKittenhttps://github.com/fbeeper/agentkitten ↩ 回到正文 · back to text
  25. 25 openai-ads-mcphttps://github.com/HYPD-AI/openai-ads-mcp ↩ 回到正文 · back to text
  26. 26 Lookspanhttps://github.com/JoniMartin27/lookspan ↩ 回到正文 · back to text
  27. 27 Mnemohttps://github.com/zaydmulani09/mnemo ↩ 回到正文 · back to text
  28. 28 VoidZero Is Joining Cloudflarehttps://blog.cloudflare.com/voidzero-joins-cloudflare/ ↩ 回到正文 · back to text
  29. 29 A Post-Quantum Future for Let's Encrypthttps://letsencrypt.org/2026/06/03/pq-certs ↩ 回到正文 · back to text
  30. 30 The ways we contain Claude across productshttps://www.anthropic.com/engineering/how-we-contain-claude ↩ 回到正文 · back to text
  31. 31 When AI Builds Itself: Our progress toward recursive self-improvementhttps://www.anthropic.com/institute/recursive-self-improvement ↩ 回到正文 · back to text
  32. 32 Dreaming: Better memory for a more helpful ChatGPThttps://openai.com/index/chatgpt-memory-dreaming ↩ 回到正文 · back to text
  33. 33 Biodefense in the Intelligence Agehttps://openai.com/index/biodefense-in-the-intelligence-age ↩ 回到正文 · back to text
  34. 34 How Endava is redesigning software delivery around AI agentshttps://openai.com/index/endava-frontiers ↩ 回到正文 · back to text
  35. 35 How Wasmer used Codex to build a Node.js runtime for the edgehttps://openai.com/index/wasmer ↩ 回到正文 · back to text
  36. 36 Pluto.jl 1.0 releasehttps://discourse.julialang.org/t/pluto-1-0-release/137296 ↩ 回到正文 · back to text
  37. 37 Gemma 4 12Bhttps://x.com/JeffDean/status/2062353800657342903 ↩ 回到正文 · back to text
  38. 38 They’re made out of weightshttps://maxleiter.com/blog/weights ↩ 回到正文 · back to text
  39. 39 I built a vulnerable app and spent $1,500 seeing if LLMs could hack ithttps://kasra.blog/blog/i-spent-1500-seeing-if-llms-could-hack-my-app/ ↩ 回到正文 · back to text
  40. 40 Reviewing code requires readinghttps://hauleth.dev/post/review-requires-reading/ ↩ 回到正文 · back to text
  41. 41 Designing the hf CLI as an agent-optimized way to work with the Hubhttps://huggingface.co/blog/hf-cli-for-agents ↩ 回到正文 · back to text
  42. 42 Nemotron 3.5 Content Safetyhttps://huggingface.co/blog/nvidia/nemotron-3-5-content-safety ↩ 回到正文 · back to text
  43. 43 EVA-Bench Data 2.0https://huggingface.co/blog/ServiceNow-AI/eva-bench-data ↩ 回到正文 · back to text
  44. 44 The Sequence Opinion #872: The Cake Is a Battlefieldhttps://thesequence.substack.com/p/the-sequence-opinion-872-the-cake ↩ 回到正文 · back to text
  45. 45 not much happened todayhttps://news.smol.ai/issues/26-06-03-not-much/ ↩ 回到正文 · back to text
  46. 46 aquasecurity/trivyhttps://github.com/aquasecurity/trivy ↩ 回到正文 · back to text
  47. 47 NousResearch/hermes-agenthttps://github.com/NousResearch/hermes-agent ↩ 回到正文 · back to text
  48. 48 opendataloader-project/opendataloader-pdfhttps://github.com/opendataloader-project/opendataloader-pdf ↩ 回到正文 · back to text
  49. 49 odoo/odoohttps://github.com/odoo/odoo ↩ 回到正文 · back to text
  50. 50 NVIDIA-NeMo/Gymhttps://github.com/NVIDIA-NeMo/Gym ↩ 回到正文 · back to text
  51. 51 datawhalechina/hello-agentshttps://github.com/datawhalechina/hello-agents ↩ 回到正文 · back to text
  52. 52 OpenMOSS/MOSS-TTShttps://github.com/OpenMOSS/MOSS-TTS ↩ 回到正文 · back to text
  53. 53 OpenBMB/VoxCPMhttps://github.com/OpenBMB/VoxCPM ↩ 回到正文 · back to text
  54. 54 anthropics/claude-codehttps://github.com/anthropics/claude-code ↩ 回到正文 · back to text
  55. 55 aaif-goose/goosehttps://github.com/aaif-goose/goose ↩ 回到正文 · back to text
  56. 56 graykode/abtophttps://github.com/graykode/abtop ↩ 回到正文 · back to text
  57. 57 BoundaryML/bamlhttps://github.com/BoundaryML/baml ↩ 回到正文 · back to text