Hardening Agent Benchmarks with Adversarial Hacker-Fixer Loops1 - 把 terminal-agent benchmark 的 verifier 当成攻击面审计，并用 hacker-fixer-solver 循环自动发现和修补 reward hacking。
全文 ↓今日重点 · Today's Highlights
WeaveBench2 - 把 computer-use agent 拉到真实 Ubuntu 桌面里做跨 GUI、CLI、代码编辑器、浏览器和工具的长程编排评测。
全文 ↓
End-to-End Context Compression at Scale3 - 用端到端训练的 Latent Context Language Models 重新打开 encoder-decoder 上下文压缩路线，直接面向 KV cache 内存瓶颈。
全文 ↓
LatentSkill4 - 把可复用文本技能编译成 LoRA adapters，减少 agent 每步携带技能文本的上下文成本。
全文 ↓
Claw Patrol5 - 用 HCL 规则在代理到达生产系统前审批或阻断敏感工具调用，是 agent 工具安全边界的具体实现。
全文 ↓论文 · Papers
15 项 · 论文
Precision Is Not Faithfulness6arxiv.org原文 ↗
arxiv.org
这篇论文指出 grounded generation 的许多 faithfulness metrics 只检查“说出来的事实是否被支持”，因此会奖励模型少说。作者用 Formula 1 telemetry 构造完整 oracle，覆盖 150 场比赛、7,253 个决策实例，并在 NOAA 天气预测上复现同类现象；最精确的前沿模型覆盖不到一半相关事实，按 F1 反而排在最后。它值得看的是评估口径本身：faithfulness 不能只看 precision，还要把 coverage 纳入同一张成绩单。
–
Send a SCOUT First7arxiv.org原文 ↗
论文把 prompt-injection 防御改写成 detector allocation：每个请求先判断哪些检测器可靠、是否需要升级到 LLM judge，而不是固定走单一检测链。SCOUT-450 覆盖更复杂的 agent-facing injections；在安全取向配置下，相比 always-on GPT-4o judge，attack-success rate 降低 46%，total wall-clock 降低 40%，代价是 benign-utility 下降 5.1 个点。它的实用价值在于把安全、延迟和误伤放进同一个可调阈值。
–
AsyncWebRL8arxiv.org原文 ↗
AsyncWebRL 处理视觉 web agent 多步 RL 的系统低效和轨迹低效：异步重叠 rollout、梯度更新和 policy refresh，并用 everlasting rollout pool 与轻量截图处理减少等待。系统侧最高比 WebGym 端到端训练吞吐快 2.9 倍；算法侧把 GRPO 中按轨迹长度归一的问题替换为常数 1/k，减少失败长轨迹对学习信号的扭曲。它在 WebGym OOD 上相对 42.9% prior best 提升 5.8%，Hard slice 的相对增益达到 48%。
–
Agents' Last Exam9arxiv.org原文 ↗
Agents’ Last Exam 试图把 agent 评测从短任务和玩具环境推向真实专业工作流。它由 250 多名行业专家协作构建，按 O*NET/SOC 2018 覆盖 13 个 industry clusters、55 个 subfields 和 1,000 多个任务；当前主流 harness 与 backbone 在最难 tier 的平均 full pass rate 只有 2.6%。这条的看点是“GDP-relevant impact”被转化成可验证结果，而不是只用聊天质量或单步工具调用打分。
–
Is Grep All You Need?10arxiv.org原文 ↗
论文比较 grep、向量检索、agent harness 和工具输出呈现方式对 agentic search 的影响。实验一在 LongMemEval 116 个问题上覆盖 Chronos、Claude Code、Codex、Gemini CLI，并比较 inline tool results 与 file-based results；实验二逐步混入无关历史上下文。结果不是简单证明 grep 永远更好，而是显示检索策略和 harness 形态会一起改变模型能否利用证据。
–
本期重点Hardening Agent Benchmarks with Adversarial Hacker-Fixer Loops1arxiv.org原文 ↗
作者审计 5 个 terminal-agent benchmarks 的 1,968 个任务，发现 323 个任务可被前沿模型仅凭任务描述 hack verifier，占 16%。hacker-fixer loop 让 hacker 找到不解题也能过 verifier 的路径，fixer 修补 verifier，solver 再确认合法解仍能通过；在 KernelBench 上，held-out 公开 exploit 的攻击成功率从 62% 降到 0%。这篇把 benchmark hardening 从人工事后修补推进到可迭代的对抗流程。
–
本期重点LatentSkill4arxiv.org原文 ↗
LatentSkill 把 agent 的 textual skills 转成 plug-and-play LoRA adapters，让技能知识存到权重空间而不是每步塞进 prompt。它用预训练 hypernetwork 生成 skill LoRA，并支持 scaling 与 parameter-space composition；在 ALFWorld seen/unseen split 成功率分别提高 21.4 和 13.4 个点，同时减少 64.1% prefill tokens。它的意义在于把“技能库”从文档检索层推进到可组合的模型参数层。
–
Answer Presence Drives RAG Rewriting Gains11arxiv.org原文 ↗
论文检验 RAG rewriting 的大幅收益是否主要来自 gold answer string 被写进改写上下文。作者在 HotpotQA 和 2WikiMultihopQA 上对 rewritten context 做删除答案、替换 placebo span、前缀或中段注入答案等干预；12 个 reader/dataset/compiler 组合中，删除 gold answer 比 placebo 额外造成 28 到 64 个 F1 点下跌。它给 RAG 论文一个清晰警告：rewriter gain 需要排除答案泄漏，而不是默认归因于证据质量提升。
–
Anything2Skill12arxiv.org原文 ↗
Anything2Skill 把外部知识库中的手册、示例、日志和轨迹编译成可复用 agent skills。框架先切 evidence windows，再按 skill-tree prior plan-and-expand，最后生成包含 invocation conditions、contraindications、action moves、workflow steps、constraints、output specs 和 confidence 的 skill contracts；在 qsv 与 GitHub-CLI 上，RAG+skills 成功率达到 98.85% 和 94.10%。它把 RAG 从“检索事实”推进到“复用过程能力”。
–
本期重点WeaveBench2arxiv.org原文 ↗
WeaveBench 提供 114 个长程真实任务，覆盖 8 个工作域，每个任务都要求 agent 在同一轨迹中混合 GUI、CLI、代码操作、浏览器和外部工具。评测跑在真实 Ubuntu 桌面和已部署 CLI-agent runtimes 中，并用 trajectory-aware judge 检查 deliverables、files、screenshots、logs 与 action traces；最佳 PassRate 只有 41.2%。它暴露的问题很具体：只看最终产物会高估 computer-use agent，轨迹中的 shortcut 和伪造证据必须被计入。
–
TheoremBench13arxiv.org原文 ↗
基准研究·科学
TheoremBench 用 Lean4 中近百个经典定理评估 theorem prover 在长依赖链上的表现。它有 plain main 与 premised 两种版本，后者把一个主定理展开成相关 supporting subtheorems，用来衡量内部证明结构上的部分进展；实验显示 explicit premises 明显改善 Lean4-capable prover。它比竞赛题更接近真实形式化数学开发，因为指标会暴露模型是否只是刷容易子定理和输出冗长 tactic traces。
–
From Rigid to Dynamic14arxiv.org原文 ↗
上下文工程系统·基础设施
论文观察到长上下文推理中 attention heads 存在 Rigid Heads 和 Dynamic Heads 两种 entropy 行为，而且具体分布随上下文变化，不能离线固定。EntropyInfer 在 prefill 时按 head/segment 动态分配稀疏预算，decode 时用已生成 token 帮助选择保留哪些 KV cache；在 Llama、Qwen、openPangu 系列上，超过 100k tokens 时最高得到 2.39 倍端到端加速。它属于训练免费路线，适合和现有长上下文推理栈对比落地成本。
–
SearchSwarm15arxiv.org原文 ↗
SearchSwarm 聚焦 delegation intelligence：主 agent 如何拆任务、何时派给 subagents、如何压缩并整合返回结果。作者设计 harness 生成高质量 delegation trajectories，再用这些轨迹做监督微调；SearchSwarm-30B-A3B 在 BrowseComp 与 BrowseComp-ZH 上分别达到 68.1 和 73.3。它的贡献不是又加一个多 agent 外壳，而是把委托策略本身作为可训练能力。
–
本期重点End-to-End Context Compression at Scale3arxiv.org原文 ↗
上下文工程系统·基础设施
论文重新评估 encoder-decoder 式上下文压缩，目标是降低长上下文推理中 KV cache 的内存压力。作者做 architecture search 后，持续预训练 0.6B encoder、4B decoder 的 LCLM 系列，每个 1:4、1:8、1:16 压缩比例都训练超过 350B tokens；结果在质量、压缩速度和峰值内存上改善 Pareto frontier。它也把压缩模型接到长程 agent：agent 可先 skim 压缩上下文，再按需展开相关片段。
–
SWE-Explore16arxiv.org原文 ↗
SWE-Explore 把 coding agent 的仓库探索从最终修 bug 成功率中拆出来，要求 explorer 在固定 line budget 内返回相关代码区域的排序列表。benchmark 覆盖 10 种语言、203 个开源仓库、848 个 issues，line-level ground truth 来自成功解题 agent 轨迹中实际参考过的代码区域。它显示现代方法 file-level localization 已经较强，真正区分能力的是 line-level coverage 和高效排序。
–
开源 / 项目 · Projects
14 项 · 开源 / 项目
Guardian Runtime20github.com原文 ↗
Guardian Runtime 是本地优先的 LLM runtime firewall，兼顾预算控制和数据泄露防护。它作为 HTTP proxy 或 Python SDK 拦截 prompt/response，在请求离开本机前扫描 API keys、AWS credentials、PII 和 token 成本；README 列出 Cursor、Windsurf、Cline/RooCode、Claude Code、Aider、LangChain、AutoGen、LlamaIndex、CrewAI 等接入场景。
–
AgentHarness21github.com原文 ↗
AgentHarness 是 Apodex-1.0 的开源 deep-research benchmark harness，用于复现标准 ReAct 设置下的公开结果。仓库包含 benchmark、workflow、plugins 和脚本，重点在可重复评测 verification-centric deep research 模型，而不是包装一个新的研究助手 UI。
–
本期重点Claw Patrol5github.com原文 ↗
Claw Patrol 放在 agents 和生产系统之间，解析工具流量并用 HCL 规则 gate 每个动作。README 给出的例子很直接：可以阻断破坏性 SQL，或在 kubectl delete pod 到达 Kubernetes 前暂停等待人工批准；它把“模型应该谨慎”变成“工具调用必须过策略引擎”。
–
AgentGraphed22github.com原文 ↗
可观测性与调试编码
AgentGraphed 是本地 Claude Code 与 Codex CLI 会话分析仪表盘。它读取 ~/.claude/projects/ 和 ~/.codex/sessions/ JSONL 日志，建立本地 SQLite 索引，并用 npx agentgraphed 启动 localhost:3737；README 示例显示一次首扫可发现 142 个 Claude、8 个 Codex sessions 和 14,821 条消息。它的价值在于把 agent 工作量、成本和可恢复会话从散落日志变成可浏览资产。
–
Standing Questions23github.com原文 ↗
Agent 记忆其他垂直
Standing Questions 把 agent memory 组织成长期待回答的问题，而不是固定答案。这个建模适合偏好、项目状态和开放任务会持续变化的场景：记忆系统围绕问题积累证据，避免把一次性结论当成永久事实。
–
Command Center29cc.dev原文 ↗
Command Center 是面向 AI coding 的开发环境，关注代码生成之后的质量控制、审查和交付。它把 review、验证、修复和 release workflow 放在 AI 编程体验中心，切入点不是“再快生成一段代码”，而是降低生成代码进入主干前的工程风险。
–
行业动态 · Industry News
10 项 · 行业动态Claude Fable 530anthropic.com原文 ↗
anthropic.com
Anthropic 发布 Claude Fable 5 和 Claude Mythos 5，并同步提供系统卡。公开报道将 Fable 5 描述为可广泛使用的 Mythos-class 模型，在软件工程、知识工作和视觉任务上增强，同时对网络安全、生物、化学等敏感领域加 guardrails；Mythos 5 限制更少，主要面向 Project Glasswing 等可信访问。它反映出前沿模型发布正在从“一个公开模型”拆成公开安全版与受控能力版。
–
System Card: Claude Fable 5 and Claude Mythos 531www-cdn.anthropic.com原文 ↗
www-cdn.anthropic.com
这份系统卡是 Claude Fable 5 和 Mythos 5 的安全与能力配套文档。相比发布新闻，它更应被当作部署边界说明：哪些能力被强调，哪些敏感领域被路由、拒答或限制，红队和外部评估发现了什么。对企业采用者来说，系统卡比营销页更接近采购和风险审查材料。
–
Confidential submission of draft S-1 to the SEC32openai.com原文 ↗
openai.com
OpenAI 确认已向 SEC confidentially submit draft S-1。公告只有两段，但信息密度很高：OpenAI 说尚未决定后续时机，可能还要一段时间，因为一些事项作为私有公司更容易完成；同时声明依据 Securities Act Rule 135，不构成证券出售要约。它给公司保留了更快公开上市的选项，但没有给出上市时间表。
–
How engineers at Nextdoor use Codex to build without limits33openai.com原文 ↗
工具使用编码
OpenAI 案例文章介绍 Nextdoor 平台团队如何用 Codex 调查问题和推进跨平台产品工作。Nextdoor 服务 11 个国家超过 1.1 亿用户；文章举的 Opportunity Alerts 地图功能过去可能需要 mobile、frontend、backend 三队协作，现在由一名工程师借助 Codex 端到端完成。案例的核心不是“生成更多代码”，而是工程师职责从系统局部移动到产品结果。
–
Apple reveals new AI architecture built around Google Gemini models34macrumors.com原文 ↗
macrumors.com
MacRumors 报道 Apple 宣布围绕与 Google 合作开发的 foundation models 重构 Apple Intelligence。文章称这些模型会适配到设备端和 Private Cloud Compute，并支持图像理解/生成、照片编辑、视觉问答；一个新的 system orchestrator 会按当前 app 和用户任务协调系统级智能。技术上最值得关注的是 Apple 把 Gemini 技术吸收到自有模型与隐私架构叙事中，而不是简单外接聊天机器人。
–
Siri AI35apple.com原文 ↗
apple.com
Apple 的 Apple Intelligence 页面把 Siri AI 描述为更自然的 conversational assistant，能结合个人上下文、app 内容和 Visual Intelligence 执行动作。页面写明新 Apple Intelligence 功能今年秋季到来，Siri AI 英文版稍晚推出；脚注还说明 iOS/iPadOS 上 Siri AI 初期不会在 EU 提供。这个页面同时列出 Private Cloud Compute 的三条承诺：数据不存储、只用于请求、隐私保证可验证。
–
Apple Core AI Framework36developer.apple.com原文 ↗
Apple Core AI Framework 文档面向开发者在 Apple 平台集成系统 AI 能力。结合 Apple Intelligence 页面看，开发者入口的关键不是单一模型 API，而是把 Foundation Models framework、App Intents、Siri、Writing Tools、Image Playground 等能力放进系统框架。它决定第三方 app 能多深地进入 Siri AI 的执行链。
–
Apple decided not to roll out Siri in EU after denied request for exemption37reuters.com原文 ↗
reuters.com
Reuters 报道 Apple 因 EU regulatory compliance 问题未在欧盟推出 Siri AI。digest 的核心事实是 Apple 曾寻求豁免或替代安排但未获通过，最终把 EU 的 iOS/iPadOS 初始发布排除在外；争议集中在 DMA 互操作要求与 Apple 声称的隐私/安全边界。它让 Siri AI 的发布从产品问题变成平台治理问题。
–
Microsoft's open source tools were hacked to steal passwords of AI developers38techcrunch.com原文 ↗
techcrunch.com
TechCrunch 报道 Microsoft 相关开源工具被攻击者植入 credential stealer，目标包括 AI developers。供应链攻击在 AI 开发场景尤其危险，因为本地环境通常同时持有模型 API keys、GitHub tokens、云凭据和生产访问路径。它和 agent 工具安全相互呼应：开发者安装的每个 CLI、插件和依赖都可能成为代理可触达的凭据入口。
–
Fluid, natural voice translation with Gemini 3.5 Live Translate39deepmind.google原文 ↗
deepmind.google
Google DeepMind 发布 Gemini 3.5 Live Translate，面向近实时语音到语音翻译。这里的技术挑战不只是把语音转文字再翻译，而是同时处理语音识别、语义转换、说话人韵律、低延迟合成和对话节奏。它延续了多模态实时模型的方向：翻译体验越来越像同步交流，而不是离线字幕。
–
博客文章 · Blog Posts
10 项 · 博客文章
Setting a custom price for a model in AgentsView40simonwillison.net原文 ↗
可观测性与调试编码
Simon Willison 记录如何在 AgentsView 中为新模型手动配置价格，以分析本地 coding agent 的 token 成本。这个小功能的含义大于配置本身：agent 工作越来越长，模型价格变化越来越快，成本观察必须跟上模型切换和会话级调试。它把“这个任务花了多少钱”从账单月底问题变成工程过程中的即时反馈。
–
Siri AI at WWDC 202641simonwillison.net原文 ↗
simonwillison.net
Simon Willison 对 WWDC 2026 的 Siri AI 公告做技术可行性和发布可信度观察。digest 指向的重点是 Apple 是否真能把系统级个人上下文、app action 和隐私边界落地，而不是只给出一次顺滑演示。读这条时应把 Apple 页面上的“later this year”“English to start”和 EU 限制一起纳入判断。
–
Quoting Andrej Karpathy42simonwillison.net原文 ↗
simonwillison.net
Simon Willison 摘录并评论 Karpathy 关于 AI 生成软件需求扩张的观点。这个观点的关键不是软件会被免费生产，而是供给成本下降后会打开更多一次性工具、个性化 workflow 和低成本实验。由此带来的维护面、审查面和安全面也会扩大。
–
GPT-2: Too Dangerous To Release43naokishibuya.github.io原文 ↗
naokishibuya.github.io
这篇文章回顾 2019 年 GPT-2 分阶段发布事件，并把 GPT-2 放回 GPT-1 scale-up 的技术脉络。作者指出最大 GPT-2 是 1.5B 参数、48 个 decoder blocks、训练 40GB WebText；OpenAI 先发布小模型和论文，9 个月后释放 1.5B 权重。今天重读它的价值在于看到“负责任发布”的早期范式如何从模型权重延伸到系统卡、受控访问和分级能力发布。
–
Cleaning up after AI rockstar developers44codingwithjesse.com原文 ↗
codingwithjesse.com
文章把 AI coding 的高产出比作“rockstar developer”留下的维护负担：代码更多、更快进入仓库，但复杂性、缺陷、风格不一致和架构债仍要有人处理。它提醒团队不要只奖励生成速度，还要计算 review、测试、重构和 ownership 的后账。这个角度和 Nextdoor 案例形成张力：一个强调工程师上移到产品结果，另一个追问结果背后的长期可维护性。
–
Test-case reducers are underappreciated debugging tools45tratt.net原文 ↗
tratt.net
Laurie Tratt 介绍 test-case reducers 在复杂 bug 调试中的价值。reducer 的基本模式是：给定一个能自动判断 bug 是否仍然复现的 oracle，不断缩小输入直到得到最小或更小的复现样例；这不只适合编译器，也适合任何输入庞大、触发条件复杂的系统。它对 agent 时代同样有用，因为 agent 生成的失败案例常常冗长且难以人工定位。
–
Making Graphics Like it's 199346staniks.github.io原文 ↗
staniks.github.io
文章讲解一个复古 3D 图形项目如何复现早期实时渲染风格。digest 的重点不是加一层怀旧滤镜，而是在几何、材质、分辨率、渲染限制和交互感觉上逼近 1990s 的技术约束。它适合图形工程读者看：风格复现往往来自管线限制，而不只是最终调色。
–
Google's 20% 'project' has become AI's 120% 'attention'47joe.dev原文 ↗
joe.dev
文章把 Google 20% time 与现代 AI 工具对注意力和工作流的占用做类比。作者关心的是 AI 工具并非免费增加创造力：试模型、改提示、验证输出、整合结果和处理偏差都会变成额外工作。它给 AI adoption 一个现实问题：当每个人都在并行管理多个智能工具，组织的注意力预算可能比算力预算更先耗尽。
–
What it feels like to work with Mythos48oneusefulthing.org原文 ↗
oneusefulthing.org
Ethan Mollick 记录使用 Anthropic Mythos 模型的交互体验和任务表现。digest 指向的价值在主观工作感受：强模型会改变写作、规划和复杂任务的节奏，但体验报告仍需要和系统卡、可复现实验及具体失败模式一起读。它提供了发布新闻之外的一手使用视角。
–
not much happened today49news.smol.ai原文 ↗
news.smol.ai
smol.ai 汇总 2026-06-05 到 2026-06-08 的 AI 新闻和社区讨论。作为多日汇编，它把模型发布、产品更新、论文、开源项目和社交媒体争议放进同一时间线。它的用途是索引行业噪声：帮助读者发现该深挖的条目，而不是替代原始材料。
–
GitHub 热门 · GitHub Trending
10 项 · GitHub 热门google/skills50github.com原文 ↗
Google 的 skills 仓库收集面向 Google 产品和技术栈的 Agent Skills，可用 npx skills add google/skills 安装并选择具体技能。README 列出 Gemini API on Agent Platform、Managed Agents API、Skill Registry API、AlloyDB、BigQuery、Cloud Run、Cloud SQL、Firebase、GKE 和 Google Cloud Well-Architected Framework 等技能。它说明“skills”正在从个人提示词文件走向厂商维护的可安装知识包。
–
Andyyyy64/whichllm51github.com原文 ↗
github.com
whichllm 是本地 LLM 推荐 CLI，会自动检测 GPU/CPU/RAM 并排序可运行模型。README 强调它不按“能塞进显存的最大模型”排序，而是融合 LiveBench、Artificial Analysis、Aider、multimodal/vision、Chatbot Arena ELO、Open LLM Leaderboard 等 benchmark，并对过期或低置信来源做折扣；示例支持模拟 RTX 4090、比较硬件升级和 JSON 输出。
–
magenta/magenta-realtime52github.com原文 ↗
github.com
Magenta RealTime 2 是 Google Magenta 的开权重实时音乐生成模型与推理库。仓库包含 open-weights model、JAX/MLX Python inference library、面向 Apple Silicon 流式音频生成的 C++ engine、AUv3 DAW 插件、macOS standalone app、note control 和 prompt-space exploration 示例。它把生成音乐从离线 demo 推向可嵌入实时应用。
–
marin-community/marin53github.com原文 ↗
github.com
Marin 是 foundation model 研发框架，强调从原始数据到最终模型的每一步都可复现，失败实验也记录在内。README 表示它覆盖数据清洗、转换、过滤、tokenization、训练和评估，并称团队用 Marin 训练了首个超过 Llama 3.1 8B 的开源 8B 参数模型。它面向的是实验谱系管理，而不是单次训练脚本。
–
langchain-ai/deepagents54github.com原文 ↗
LangChain Deep Agents 是 batteries-included agent harness，基于 LangGraph，把长程多步任务常用能力打包成默认结构。README 列出 sub-agents、filesystem、context management、shell access、persistent memory、human-in-the-loop、skills、MCP/tools 等组件，并说明适用于任何支持 tool calling 的模型。它把 Claude Code 式通用 agent 结构产品化为可扩展库。
–
hyperlight-dev/hyperlight55github.com原文 ↗
执行环境与沙箱系统·基础设施
Hyperlight 是可嵌入应用的轻量 VMM，用 microVM 低延迟运行不可信代码，也是 CNCF sandbox 项目。README 写明它适合毫秒级创建/销毁 sandbox、微秒级 guest function calls、FaaS 和 snapshot/restore，但不适合通用虚拟化或需要完整 Linux syscalls、网络、文件系统的工作负载。它是 agent 代码执行隔离可以借鉴的底层构件。
–
thesysdev/openui56github.com原文 ↗
OpenUI 是面向 generative UI 的开放标准与 React runtime。README 说明 OpenUI Lang 支持 token streaming、受控组件渲染和 Zod 类型契约，并在七个 UI 场景中相对 JSON streaming 格式总 token 少约 52.8%；仓库还包含 chat state adapters、prebuilt chat UI、CLI、Next.js 示例和 agent skill。它试图给模型生成 UI 提供比 JSON 更紧凑的流式语言。
–
danny-avila/LibreChat57github.com原文 ↗
LibreChat 是可自托管的多模型 ChatGPT-like 平台。README 描述它聚合主流 AI providers，并提供 agents、MCP、Artifacts、Code Interpreter、自定义 actions、conversation search 和企业级多用户认证。它的持续流行说明很多团队仍需要可控、可审计、可换供应商的聊天基础设施。
–
qdrant/qdrant58github.com原文 ↗
Qdrant 是 Rust 编写的向量相似度搜索引擎和向量数据库，用于存储、搜索和管理带 payload 的 vectors。README 强调扩展过滤能力、生产可用 API、官方 Go/Rust/JavaScript/Python/.NET/Java clients、Docker 本地启动，以及可在进程内运行并同步到服务器的 Qdrant Edge。它仍是 RAG、memory 和 semantic search 栈里的基础组件。
–
ast-grep/ast-grep59github.com原文 ↗
github.com
ast-grep 是 Rust 编写的 AST 结构化搜索、lint 和 rewrite CLI，底层使用 tree-sitter。用户用类似普通代码的 pattern 匹配语法结构，并用 $MATCH 这类 wildcard 捕获 AST 节点；它可通过 npm、pip、cargo、Homebrew、Scoop、MacPorts 等安装。对 AI coding 产物做批量修复和规则化重写时，它比纯文本 grep 更接近语义边界。
–
引用来源 · References
59 条 · 引用- 1 Hardening Agent Benchmarks with Adversarial Hacker-Fixer Loops. arXiv:2606.08960https://arxiv.org/abs/2606.08960 ↩ 回到正文 · back to text
- 2 WeaveBench. arXiv:2606.09426https://arxiv.org/abs/2606.09426 ↩ 回到正文 · back to text
- 3 End-to-End Context Compression at Scale. arXiv:2606.09659https://arxiv.org/abs/2606.09659 ↩ 回到正文 · back to text
- 4 LatentSkill. arXiv:2606.06087https://arxiv.org/abs/2606.06087 ↩ 回到正文 · back to text
- 5 Claw Patrolhttps://github.com/denoland/clawpatrol ↩ 回到正文 · back to text
- 6 Precision Is Not Faithfulness. arXiv:2606.09376https://arxiv.org/abs/2606.09376 ↩ 回到正文 · back to text
- 7 Send a SCOUT First. arXiv:2605.30837https://arxiv.org/abs/2605.30837 ↩ 回到正文 · back to text
- 8 AsyncWebRL. arXiv:2606.05597https://arxiv.org/abs/2606.05597 ↩ 回到正文 · back to text
- 9 Agents' Last Exam. arXiv:2606.05405https://arxiv.org/abs/2606.05405 ↩ 回到正文 · back to text
- 10 Is Grep All You Need?. arXiv:2605.15184https://arxiv.org/abs/2605.15184 ↩ 回到正文 · back to text
- 11 Answer Presence Drives RAG Rewriting Gains. arXiv:2606.05633https://arxiv.org/abs/2606.05633 ↩ 回到正文 · back to text
- 12 Anything2Skill. arXiv:2606.09316https://arxiv.org/abs/2606.09316 ↩ 回到正文 · back to text
- 13 TheoremBench. arXiv:2606.09450https://arxiv.org/abs/2606.09450 ↩ 回到正文 · back to text
- 14 From Rigid to Dynamic. arXiv:2606.09508https://arxiv.org/abs/2606.09508 ↩ 回到正文 · back to text
- 15 SearchSwarm. arXiv:2606.09730https://arxiv.org/abs/2606.09730 ↩ 回到正文 · back to text
- 16 SWE-Explore. arXiv:2606.07297https://arxiv.org/abs/2606.07297 ↩ 回到正文 · back to text
- 17 Agent-pdhttps://github.com/varmabudharaju/agent-pd/blob/master/README.md ↩ 回到正文 · back to text
- 18 OpenYabbyhttps://github.com/OpenYabby/OpenYabby ↩ 回到正文 · back to text
- 19 Lorehttps://withlore.ai/ ↩ 回到正文 · back to text
- 20 Guardian Runtimehttps://github.com/ashp15205/guardian-runtime ↩ 回到正文 · back to text
- 21 AgentHarnesshttps://github.com/ApodexAI/AgentHarness ↩ 回到正文 · back to text
- 22 AgentGraphedhttps://github.com/sudomichael/agentgraphed ↩ 回到正文 · back to text
- 23 Standing Questionshttps://github.com/Rocco-alt/standing-questions ↩ 回到正文 · back to text
- 24 LocalCodehttps://github.com/localcodeai/localcode ↩ 回到正文 · back to text
- 25 Elahhttps://github.com/elahlabs/elah ↩ 回到正文 · back to text
- 26 RiddleRunhttps://github.com/raeudigerRaeffi/riddlerun ↩ 回到正文 · back to text
- 27 Catehttps://cate.cero-ai.com ↩ 回到正文 · back to text
- 28 Machhttps://github.com/octalide/mach ↩ 回到正文 · back to text
- 29 Command Centerhttps://www.cc.dev/ ↩ 回到正文 · back to text
- 30 Claude Fable 5https://www.anthropic.com/news/claude-fable-5-mythos-5 ↩ 回到正文 · back to text
- 31 System Card: Claude Fable 5 and Claude Mythos 5https://www-cdn.anthropic.com/d00db56fa754a1b115b6dd7cb2e3c342ee809620.pdf ↩ 回到正文 · back to text
- 32 Confidential submission of draft S-1 to the SEChttps://openai.com/index/openai-submits-confidential-s-1/ ↩ 回到正文 · back to text
- 33 How engineers at Nextdoor use Codex to build without limitshttps://openai.com/index/nextdoor ↩ 回到正文 · back to text
- 34 Apple reveals new AI architecture built around Google Gemini modelshttps://www.macrumors.com/2026/06/08/apple-reveals-new-ai-architecture/ ↩ 回到正文 · back to text
- 35 Siri AIhttps://www.apple.com/apple-intelligence/ ↩ 回到正文 · back to text
- 36 Apple Core AI Frameworkhttps://developer.apple.com/documentation/coreai/ ↩ 回到正文 · back to text
- 37 Apple decided not to roll out Siri in EU after denied request for exemptionhttps://www.reuters.com/business/apple-failed-make-its-ai-tool-comply-eu-regulations-eu-commission-says-2026-06-09/ ↩ 回到正文 · back to text
- 38 Microsoft's open source tools were hacked to steal passwords of AI developershttps://techcrunch.com/2026/06/08/microsofts-open-source-tools-were-hacked-to-steal-passwords-of-ai-developers/ ↩ 回到正文 · back to text
- 39 Fluid, natural voice translation with Gemini 3.5 Live Translatehttps://deepmind.google/blog/fluid-natural-voice-translation-with-gemini-35-live-translate/ ↩ 回到正文 · back to text
- 40 Setting a custom price for a model in AgentsViewhttps://simonwillison.net/2026/Jun/9/agentsview-custom-model-price/#atom-everything ↩ 回到正文 · back to text
- 41 Siri AI at WWDC 2026https://simonwillison.net/2026/Jun/8/wwdc/#atom-everything ↩ 回到正文 · back to text
- 42 Quoting Andrej Karpathyhttps://simonwillison.net/2026/Jun/9/andrej-karpathy/#atom-everything ↩ 回到正文 · back to text
- 43 GPT-2: Too Dangerous To Releasehttps://naokishibuya.github.io/blog/2022-12-30-gpt-2-2019/ ↩ 回到正文 · back to text
- 44 Cleaning up after AI rockstar developershttps://www.codingwithjesse.com/blog/rockstar-developers/ ↩ 回到正文 · back to text
- 45 Test-case reducers are underappreciated debugging toolshttps://tratt.net/laurie/blog/2026/test_case_reducers_are_underappreciated_debugging_tools.html ↩ 回到正文 · back to text
- 46 Making Graphics Like it's 1993https://staniks.github.io/articles/catlantean-3d-blog-1/ ↩ 回到正文 · back to text
- 47 Google's 20% 'project' has become AI's 120% 'attention'https://joe.dev/posts/new-20pct-time/ ↩ 回到正文 · back to text
- 48 What it feels like to work with Mythoshttps://www.oneusefulthing.org/p/what-it-feels-like-to-work-with-mythos ↩ 回到正文 · back to text
- 49 not much happened todayhttps://news.smol.ai/issues/26-06-08-not-much/ ↩ 回到正文 · back to text
- 50 google/skillshttps://github.com/google/skills ↩ 回到正文 · back to text
- 51 Andyyyy64/whichllmhttps://github.com/Andyyyy64/whichllm ↩ 回到正文 · back to text
- 52 magenta/magenta-realtimehttps://github.com/magenta/magenta-realtime ↩ 回到正文 · back to text
- 53 marin-community/marinhttps://github.com/marin-community/marin ↩ 回到正文 · back to text
- 54 langchain-ai/deepagentshttps://github.com/langchain-ai/deepagents ↩ 回到正文 · back to text
- 55 hyperlight-dev/hyperlighthttps://github.com/hyperlight-dev/hyperlight ↩ 回到正文 · back to text
- 56 thesysdev/openuihttps://github.com/thesysdev/openui ↩ 回到正文 · back to text
- 57 danny-avila/LibreChathttps://github.com/danny-avila/LibreChat ↩ 回到正文 · back to text
- 58 qdrant/qdranthttps://github.com/qdrant/qdrant ↩ 回到正文 · back to text
- 59 ast-grep/ast-grephttps://github.com/ast-grep/ast-grep ↩ 回到正文 · back to text