ToolAnchor: Anchoring Counterfactual Context to Boost Agentic Tool-use Capability1 - 把工具扩展失败具体化为“behavioral inertia”，并用反事实样例训练 agent 接纳新增工具。
全文 ↓今日重点 · Today's Highlights
Tactile: Giving Computer-Using Agents Hands and Feet2 - 将 GUI 操作拆成目标解析、动作执行、状态验证和产物提取，使桌面 agent 不再只赌截图坐标。
全文 ↓
Are LLM-Generated GPU Kernels Production-Ready?3 - 用生产推理 trace 里的 30 个算子和 440 个 shape 检验 LLM kernel 生成是否接近部署负载。
全文 ↓
colomalabs/coloma4 - 给自托管 LLM 部署加一层 vLLM 压测和调优，直接面向 OOM、延迟和吞吐折中。
全文 ↓
callstack/agent-device5 - 把真实 iOS/Android 设备操作封装成 agent CLI，可执行移动应用步骤并采集截图、录制等证据。
全文 ↓论文 · Papers
15 项 · 论文本期重点ToolAnchor: Anchoring Counterfactual Context to Boost Agentic Tool-use Capability1arxiv.org原文 ↗
arxiv.org
论文把工具型 LLM 在新增工具面前继续依赖旧工具的现象定义为 behavioral inertia，并提出 ToolAnchor。方法用模拟器构造新工具优于旧工具的 counterfactual context，再把这些样例用于训练；作者报告在四个多工具基准上取得最好的平均表现和适应性。值得看的是，它把“工具列表变了模型却不会用”这个工程症状转成了可训练的数据分布问题。
–
MemoHarness: Agent Harnesses That Learn from Experience6arxiv.org原文 ↗
arxiv.org
MemoHarness 把 agent harness 视为可编辑的外部控制层，而不是固定脚手架；这个层负责上下文、工具、编排、记忆、解码和输出处理。它用 Replay、Reflect、Revise、Validate 四阶段循环在六个控制维度上修改 harness，并在浏览器、数据库和知识密集问答任务上优于未修改的 DSPy、LangGraph 与 TextGrad harness。论文的技术看点在于让基础模型诊断并修补控制逻辑，而不只调 prompt。
–
AI Agents Do Not Fail Alone: The Context Fails First7arxiv.org原文 ↗
arxiv.org
这篇提出 COMPASS 框架，用完整性、一致性、连贯性、相关性、可信度、时效性和可控性七个标准衡量 agent 上下文质量。作者分析检索、编码和客服 agent 的执行 trace，指出许多下游动作失败之前已经出现上下文缺陷。它把 agent 可靠性问题从“模型最后一步答错”前移到信息进入工作记忆的全过程。
–
CIPHER: A Decoupled Exploration-Selection Framework for Test-Time Scaling of Data Science Agents8arxiv.org原文 ↗
arxiv.org
CIPHER 将数据科学 agent 的 test-time scaling 拆成探索和选择：先从多个初始状态生成候选轨迹，再按性能挑选结果。论文在 DSBench、InsightBench 和 MLE-Bench 上验证，pass@k 最高提升 88.2%，并在两个 MLE 竞赛任务里达到人类参赛者第二名水平。它说明开放式数据分析不适合押注单一路径，选择器本身就是扩展推理预算的一部分。
–
Reward-Free Evolving Agents via Pairwise Validator9arxiv.org原文 ↗
arxiv.org
论文用 Pairwise Performance Validator 替代标量奖励，让系统只比较两个 agent 版本在样本任务上谁更好，从而降低构造 reward 的成本。EvoAgentX 可以演化 prompt 或程序，实验中 USACO 从 20% 到 36%，GAIA 从 72% 到 79.33%，HotpotQA 从 68.25% 到 79.0%，覆盖 21 个任务。它适合观察“弱判断信号能否驱动复杂 agent 自我改良”这个问题。
–
本期重点Tactile: Giving Computer-Using Agents Hands and Feet2arxiv.org原文 ↗
arxiv.org
Tactile 指出当前 computer-use agent 常把目标定位、点击执行和结果确认压缩成一次截图坐标预测，接口层本身制造了歧义。它提供目标解析、动作执行、状态验证和产物提取四类原语，并在 Microsoft Office 桌面应用上让 Claude 3.5 Sonnet 与 GPT-4o 的平均成功率从 20% 提高到 50%。论文的贡献是把 GUI 自动化失败拆回可观测、可验证的交互子问题。
–
Eta Given Delta: Defining LLM Tool Efficiency With Marginal Tool Utility10arxiv.org原文 ↗
arxiv.org
这篇定义 marginal tool utility，用来判断单次工具调用是否对最终答案有必要，再由此计算 tool efficiency。它关心的是轨迹内部的有效调用率，而不是只看任务最终是否通过。这个度量适合分析 agent 为何会“忙而无效”，尤其是长链搜索、重复查询和无贡献工具调用。
–
Structured Feedback Improves Repair in an LLM Agent Loop11arxiv.org原文 ↗
arxiv.org
作者提出 VeriHarness，让外部验证器控制候选接受、预算和执行 trace，并比较不同反馈接口对修复循环的影响。在 ARC-AGI 修复任务中，GPT-4.1-mini 使用结构化反馈达到 9.0%，原始诊断为 0.9%，无反馈为 0.0%。这个结果把“给模型更多错误信息”细分成反馈格式问题，显示结构化接口比堆原始日志更能转化为修复动作。
–
Bad Memory: Evaluating Prompt Injection Risks from Memory in Agentic Systems12arxiv.org原文 ↗
arxiv.org
论文把 prompt injection 风险从当前输入扩展到持久化状态，讨论 memory files、行为偏好和知识库如何携带恶意指令。关键事实是攻击内容可以跨会话保留，并在未来任务里影响 agent 行为。它把 agent 安全边界重新画到记忆写入、读取和信任标注上，而不是只盯用户最新消息。
–
MemPoison: Uncovering Persistent Memory Threats and Structural Blind Spots in LLM Agents13arxiv.org原文 ↗
arxiv.org
MemPoison 构建了 1227 个 adversarial memory 实例，用来评估恶意内容如何经普通交互渠道进入长期记忆并在后续任务中生效。论文强调的 structural blind spots 是：很多系统会过滤即时 prompt，却默认已保存记忆可信。它与 Bad Memory 形成互补，把持久状态安全从概念风险推进到可跑的基准。
–
本期重点Are LLM-Generated GPU Kernels Production-Ready? A Trace-Driven Benchmark and Optimization Agent3arxiv.org原文 ↗
arxiv.org
Atrex-Bench 从生产推理集群 trace 中采样 30 个算子和 440 个 shape，并为每个问题附上按部署负载影响计算的重要性权重。作者同时提供 Atrex 优化 agent，评估生成 kernel 在真实 workload 下的性能和可部署性，而不是只在合成算子集合上刷分。看点在于 benchmark 的采样口径直接来自生产 trace，能暴露实验室题集遮住的性能缺口。
–
Alipay-PIBench: A Realistic Payment Integration Benchmark for Coding Agents14arxiv.org原文 ↗
arxiv.org
Alipay-PIBench 将 coding agent 评测放到仓库级支付集成任务中，要求选择合适支付产品、实现客户端和服务端流程、验证支付结果，并维护交易状态与业务状态一致。它关注的不是 API 调用片段，而是端到端业务流程能否稳定落地。这个基准把“会写代码”推进到“能接入真实支付系统的多方约束”。
–
Proof-or-Stop: Don’t Trust the Agent, Trust the Evidence15arxiv.org原文 ↗
arxiv.org
Proof-or-Stop Lifecycle Control 要求 reviewed、tested、DONE、ready-to-merge 等生命周期状态必须有新鲜、绑定当前源码状态且可机械验证的证据。方法的核心是用证据门控状态转换，避免 agent 只用自然语言声明工作完成。它把 coding agent 管理问题转化为证据缓存、来源追踪和状态机设计问题。
–
SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration16arxiv.org原文 ↗
arxiv.org
SearchOS-V1 面向开放域信息检索 agent 的长交互历史问题，尤其是进度跟踪丢失、重复搜索和失败后循环。论文把 web search 看成多步协作过程，需要显式记录已查证据、失败尝试和下一步分工。它的价值在于把搜索 agent 的失败模式从“没有找到答案”拆成可调度的过程控制问题。
–
Early Adoption of Agentic Coding Tools by GitHub Projects17arxiv.org原文 ↗
arxiv.org
这篇研究 GitHub 项目早期采用 agentic coding tools 的模式，关注 agent 生成并提交 PR 后如何改变人类维护者协作。它补充了只看 PR 级成功率的研究，把采纳路径、互动方式和项目层变化纳入观察范围。对于理解 agentic coding 从个人工具进入开源协作流程，这种项目级视角更接近真实组织影响。
–
开源 / 项目 · Projects
15 项 · 开源 / 项目
A zoomable timeline of 4M Wikipedia events20app.everything.diena.co原文 ↗
app.everything.diena.co
这个项目用可缩放时间线展示 400 万条 Wikipedia/Wikidata 事件，并用 PageRank 给事件排序。作者复用了 Kotlin Multiplatform 日记应用中的 timeline interface，技术栈大量使用 Kotlin Multiplatform 和 Compose Multiplatform。它把百科事件数据变成可连续缩放的时间浏览器，交互形态比关键词搜索更适合观察历史密度。
–
Bean Network Tester21donislawdev.itch.io原文 ↗
donislawdev.itch.io
Bean Network Tester 是 Windows 网络条件模拟工具，用于测试弱 WiFi、3G、高延迟、抖动和丢包下的应用或游戏行为。它提供简单预设和高级手动配置两种模式，后者可以调 ping、jitter、packet loss 等参数。这个工具填的是 QA 日常空缺：不需要复杂实验室网络，就能复现用户端弱网条件。
–
本期重点colomalabs/coloma4github.com原文 ↗
github.com
Coloma 是自托管 LLM 的验证和调优层，README 强调用实测数据选择 vLLM 配置。它的 tuner 会测延迟、吞吐、并发和 OOM 风险，帮助区分低单用户延迟与最大系统吞吐两种优化目标。项目有价值的地方在于把“模型能跑起来”推进到“部署前知道容量边界在哪里”。
–
Rockspector23github.com原文 ↗
github.com
Rockspector 是 RocksDB 可视化工具，用来检查数据库内部状态。它面向的是 LSM-tree 系统调试：很多性能或一致性问题在应用查询层不可见，需要观察底层文件、写入路径和压缩行为。这个项目适合做 RocksDB 教学和故障排查辅助，而不是替代业务监控。
–
Local Search Agent24github.com原文 ↗
github.com
Local Search Agent 提供不使用 embedding 的本地搜索 agent，作为轻量 RAG 替代方案。项目把检索放在本地搜索和 agent 推理组合上，减少向量库、embedding 服务和索引维护成本。它适合小规模私有资料或资源受限环境，技术问题在于召回质量如何随语义复杂度变化。
–
Watch bots interact with an SSH honeypot in real time25honeypotlive.cc原文 ↗
honeypotlive.cc
Honeypot Live 实时展示 SSH 蜜罐中的自动化连接和交互，把扫描、登录尝试和命令行为变成可观察事件流。HN 数据显示该项目进入讨论区后获得上百点关注，说明安全遥测的可视化表达本身有传播力。它的用途偏教育和态势感知，能把抽象的互联网背景攻击变成可观看的现场。
–
Typst-WASM26typst-wasm-playground-cloudflare.will-bradshaw50.workers.dev原文 ↗
typst-wasm-playground-cloudflare.will-bradshaw50.workers.dev
Typst-WASM 提供 promise-based API，在浏览器、Node 和 serverless runtime 中用 WASM 编译 Typst。作者强调 API 在不同运行时保持一致，并允许调用方控制 WASM blob 的加载方式；同时还有实验版 vite-plugin-typst。这个项目把 Typst 从本地 CLI 推向嵌入式文档生成组件，适合前端预览和边缘渲染场景。
–
ReasonGate27github.com原文 ↗
github.com
ReasonGate 是可解释的 prompt injection 防护门控项目，目标是在 LLM 接收不可信输入前做风险判断。它不只输出允许或阻断，还保留可解释推理依据，便于审计为什么某段内容被处理。相较纯规则过滤，这类 guard 的关键挑战是让解释可检查，而不是让模型用安全话术装饰拒绝。
–
Libretto PR agents29libretto.sh原文 ↗
libretto.sh
Libretto PR agents 是 TypeScript 库，用 agent 自动修复失败的 Playwright 脚本并打开 GitHub PR。作者称只需在现有 Playwright 自动化中加入一行代码，失败时就能触发修复流程。它把浏览器自动化维护从“失败后人工重录脚本”改成“失败就是生成修复 PR 的事件”。
–
PocketVeto31github.com原文 ↗
github.com
PocketVeto 通过蓝牙远程控制本地 AI agent 授权请求，面向 Claude Code、Cursor、Codex 等本地会话。作者选择 Bluetooth 是为了避免依赖 WiFi 或云服务，并支持人离开电脑时处理批准、拒绝和会话控制。这个项目抓住了 agent 使用中的一个现实摩擦：权限确认必须及时，但不一定必须坐在终端前完成。
–
行业动态 · Industry News
10 项 · 行业动态Mozilla: The state of open source AI32stateofopensource.ai原文 ↗
stateofopensource.ai
Mozilla 发布开放式 AI 生态状态报告，覆盖模型、数据、工具链、治理和许可等维度。报告没有把“权重可下载”当作唯一标准，而是把可复现性、社区控制和基础设施可获得性放进同一张图里。它适合用来拆解 open source AI 这个词在产业讨论中的多重含义。
–
Apple targets dozens of OpenAI employees with legal letters33ft.com原文 ↗
ft.com
Financial Times 报道 Apple 向多名 OpenAI 现任和前任员工发出法律信函，涉及雇员流动、保密义务和潜在商业秘密风险。新闻的关键事实是范围达到“dozens of employees”，不是单个离职纠纷。它反映大模型人才争夺已经进入法律和合规程序密集化阶段。
–
AWS: Inaccurate Estimated Billing Data - $1.7 billion34news.ycombinator.com原文 ↗
news.ycombinator.com
HN 帖称 AWS Estimated Billing 出现异常，发帖者看到的月度估算账单为 17 亿美元，而正常用量低于 5 美元。帖子同时指向 AWS Health 状态页，讨论集中在估算账单数据错误对告警、预算自动化和客户信任的影响。这个事件提醒云账单的“estimated”字段也会触发真实运维动作。
–
NotebookLM is now Gemini Notebook35blog.google原文 ↗
blog.google
Google 将 NotebookLM 更名为 Gemini Notebook，并把产品纳入 Gemini 品牌体系。官方说明现有 notebooks、sources 和 settings 会保留，NotebookLM Plus / Premium 能力也会进入 Gemini for Google Workspace 的 Business 与 Enterprise 方案。这个动作更像品牌与套餐整合，而不是独立产品能力断裂。
–
LM Studio Bionic: the AI agent for open models36lmstudio.ai原文 ↗
lmstudio.ai
LM Studio 发布 Bionic 预览版，定位为面向本地和开放模型的 agent。文章把 Qwen3-Coder 等开放模型接入文件编辑、终端操作和多步编程工作流，而不是只在聊天窗口里生成片段。它代表本地模型工具链从推理 UI 向 agent runtime 扩展。
–
OpenAI: A scorecard for the AI age37openai.com原文 ↗
openai.com
OpenAI CFO Sarah Friar 提出 AI ROI scorecard，用 useful work、cost per successful task、dependability 和 return on compute 衡量 AI 投资。文章的焦点不是模型榜单，而是企业如何把 AI 产出转成管理指标。它把讨论从“能力展示”带到“成功任务成本和可靠性是否支撑部署”。
–
Pebble Mega Update - July 202638repebble.com原文 ↗
repebble.com
Pebble 的 2026 年 7 月更新汇总硬件、软件和生态进展。文章把复兴后的 Pebble 描述为一个同时处理供应链、系统体验、开发者支持和社区预期的项目。这里的看点在于小型硬件生态复活并不只靠设备发布，还要持续维护固件和应用层。
–
VulnHunter: Capital One’s agentic AI code security tool39capitalone.com原文 ↗
capitalone.com
Capital One 介绍 VulnHunter，一个面向代码安全审查的 agentic AI 工具。它的定位是让 agent 结合代码上下文、安全知识和自动化检查来寻找漏洞，而不是单纯让 LLM 解释扫描结果。金融机构公开这类工具，说明 agentic security review 正在从实验走向工程流程嵌入。
–
Kaggle Measuring AGI: evidence of inconsistencies in evaluation process and selection of winners40kaggle.com原文 ↗
kaggle.com
Kaggle 社区帖汇总 Measuring AGI 竞赛评测和获奖流程中的不一致证据，讨论点集中在 evaluation process、winner selection 和规则执行。HN 上该话题获得数百评论，说明争议不只是参赛者内部沟通问题。对于以“测量 AGI”为名的竞赛，可复现和程序一致性本身就是评测对象的一部分。
–
CVE-2026-25089: FortiSandbox unauthenticated command injection added to CISA KEV41hellorecon.com原文 ↗
hellorecon.com
HelloRecon 记录 FortiSandbox 未授权命令注入漏洞 CVE-2026-25089 被加入 CISA KEV 目录。KEV 收录意味着该漏洞被视为存在已知利用，相关组织需要按强制时间线评估修复或缓解。它是安全运营里的典型信号：漏洞优先级不只看 CVSS，还看是否进入已利用目录。
–
博客文章 · Blog Posts
10 项 · 博客文章
Learning a few things about running SQLite42jvns.ca原文 ↗
jvns.ca
Julia Evans 总结运行 SQLite 时学到的锁、超时、事务、WAL 和配置行为。文章的角度不是“SQLite 能不能上生产”，而是实际运行时哪些默认行为会影响并发和可预期性。它适合提醒开发者：嵌入式数据库减少了服务运维，但没有取消数据库语义本身。
–
Kimi K3, and what we can still learn from the pelican benchmark43simonwillison.net原文 ↗
simonwillison.net
Simon Willison 用 pelican benchmark 观察 Kimi K3，而不是只转述发布指标。这个小基准通过具体创意任务暴露模型的指令遵循、实现取舍和输出风格。它说明微型、可复现 benchmark 仍然能补充大规模排行榜看不到的行为细节。
–
Quoting Kimi K344simonwillison.net原文 ↗
simonwillison.net
这条短帖记录 Kimi K3 面对系统提示泄露请求时的拒答语气，其中一句是 “Is there something I can actually help you with today?”。重点不是模型拿了多少分，而是安全拒答在可帮助性和边界感之间的微妙表达。对模型产品来说，这类细节会直接影响用户感知的“固执”或“可靠”。
–
Firefox in WebAssembly45simonwillison.net原文 ↗
simonwillison.net
Simon 介绍 Puter 将 Firefox/Gecko 编译到 WebAssembly，让 Firefox 运行在另一个浏览器中。项目选择 Gecko 的一个原因是它有较强的单进程支持；开发估算消耗约 2.5 万美元 Claude Opus 和 Fable token，但通过 Claude Max 订阅完成。它把“AI 辅助移植大型 C++ 系统”这件事展示得非常具体。
–
Mermaid to ASCII art46simonwillison.net原文 ↗
simonwillison.net
这篇记录将 AlexanderGrooff/mermaid-ascii 这个 Go 库编译到 WebAssembly，用来和此前基于 Grok Build Rust 代码的版本比较。新版库功能更完整，并支持颜色。它展示了一个实用方向：把已有命令行图形工具移植到浏览器，往往比从零重写交互逻辑更快。
–
The human-in-the-loop is tired47pydantic.dev原文 ↗
pydantic.dev
Pydantic 文章质疑把 human-in-the-loop 当作 AI 系统的通用安全答案。核心论点是人类审核会疲劳、积压、忽略低质量告警，并在高频自动化中退化成形式化步骤。它把“加人工复核”拆成预算、升级路径、责任归属和可观测性设计问题。
–
The LLM Critics Are Right. I Use LLMs Anyway48theocharis.dev原文 ↗
theocharis.dev
作者承认 LLM 批评者关于幻觉、过度自信、代码质量和安全风险的许多判断成立，但仍在受控场景中使用它们。文章的重点是使用边界：草稿、探索、解释和机械改写可以受益，最终判断和高风险操作不能外包。它比单纯唱衰或辩护更有信息量，因为它讨论的是实际工作流中的风险分配。
–
Claude Code: Anatomy of a Misfeature49olafalders.com原文 ↗
olafalders.com
Olaf Alders 分析 Claude Code 中一个看似便利、实际干扰开发者节奏的功能设计。文章把问题落在交互层：AI coding 工具的主动帮助如果不可预测、不可关闭或难以精确约束，就会破坏成熟用户的操作习惯。它适合作为 agent 产品设计的反例材料，而不是单个功能抱怨。
–
Detecting LLM-Generated Texts with “Classical” Machine Learning50blog.lyc8503.net原文 ↗
blog.lyc8503.net
文章尝试用传统机器学习方法检测 LLM 生成文本，关注文本特征、分类器和评估流程，而不是再调用一个大模型判别。它的实际问题是统计信号在现代生成文本上还能保留多少区分度，以及数据分布变化会怎样影响结果。这个方向有现实价值，因为轻量分类器更便宜、更可部署，但也更容易被改写和域迁移击穿。
–
AI News: not much happened today51news.smol.ai原文 ↗
news.smol.ai
smol.ai 这期覆盖 2026-07-15 至 2026-07-16，标题称“not much happened”，但仍检查了 12 个 subreddit、544 个 Twitter/X 账号且没有新增 Discord 来源。主要话题包括 Moonshot Kimi K3 的开放权重发布和社区反应。它的价值在于提供一份噪声过滤后的日更索引，而不是把每个模型传闻都升级成重大事件。
–
GitHub 热门 · GitHub Trending
10 项 · GitHub 热门apache/ossie52github.com原文 ↗
github.com
Apache Ossie 是 incubating 项目，试图标准化 analytics、AI 和 BI 平台之间的 semantic metadata 交换。README 将其定位为 vendor-neutral 的语义数据单一事实源，减少不同工具对指标、实体和业务语义定义不一致的问题。这个项目如果能形成生态共识，会影响 BI 与 AI agent 读取企业数据的接口层。
–
PostHog/posthog53github.com原文 ↗
github.com
PostHog 是开源产品分析平台，README 覆盖 analytics、session replay、feature flags、experiments、error tracking、logs 和 AI observability。项目把这些上下文提供给 agent，用于诊断问题、发现机会和推动修复，并支持从 Slack、web、desktop 或 MCP 入口操作。它正在把产品分析从报表工具扩展成 agent 可执行的运营上下文。
–
PrismML-Eng/Bonsai-demo54github.com原文 ↗
github.com
Bonsai-demo 用于本地运行 Bonsai 系列语言模型，包括 Bonsai 27B、1-bit Bonsai 8B 和 Ternary-Bonsai 8B 等资源。README 标出 Mac Metal、CUDA、Vulkan、ROCm 和 CPU 支持。它的作用是降低量化模型跨硬件试跑门槛，让评估不局限于单一 GPU 软件栈。
–
lobehub/lobehub55github.com原文 ↗
github.com
LobeHub 自称 Chief Agent Operator，用来组织 AI agent 的 7×24 运行，包括 hiring、scheduling 和 reporting。项目强调使用者保持控制，但不必持续在线盯着每个 agent。它把 agent 操作平台化，问题也随之转向任务分配、状态报告和异常接管。
–
ibelick/ui-skills56github.com原文 ↗
github.com
ui-skills 是面向 design engineer 的 UI skill 集合与 CLI，入口命令包括 `npx ui-skills start`、按 category 列表和获取具体 skill。项目目标是把 UI 任务路由到合适技能集，而不是让通用 agent 每次重新摸索设计模式。它反映前端生成正在从单次组件生成走向可复用 skill 库。
–
microsoft/coreutils57github.com原文 ↗
github.com
microsoft/coreutils 为 Windows 打包原生 UNIX 风格 coreutils、findutils 和 grep。README 说明它基于 uutils/coreutils 等项目，并提供 single multi-call binary，让 Linux、macOS 和 WSL 常用命令能在 Windows 原生环境运行。这个项目的工程价值在于降低跨平台脚本和命令习惯迁移成本。
–
memvid/memvid58github.com原文 ↗
github.com
Memvid 是面向 AI agent 的单文件记忆层，README 主张用 persistent、versioned、portable 的文件替代复杂 RAG 管线和数据库。它强调 instant retrieval 与 long-term memory，把索引和记忆状态封装到更易携带的格式中。这个思路适合轻量 agent 部署，但也会把一致性、增量更新和检索质量集中到文件格式设计上。
–
prefix-dev/pixi59github.com原文 ↗
github.com
Pixi 是用 Rust 写的跨平台包管理器和工作流工具，建立在 Conda 生态之上。README 将其开发体验类比 cargo 或 npm，但目标是多语言项目和系统级依赖管理，覆盖 Linux、macOS 与 Windows。它在 AI/科学计算项目中尤其相关，因为这些项目常同时依赖 Python 包、系统库和可复现环境。
–
HKUDS/OpenHarness60github.com原文 ↗
github.com
OpenHarness 提供开源 agent harness 基础设施，包括 tool-use、skills、memory 和 multi-agent coordination。README 还展示了基于 OpenHarness 的个人 agent ohmo，强调长会话执行而非普通聊天。它与今日多篇 harness 论文形成呼应：agent 能力越来越多落在模型外部的控制层。
–
superdoc-dev/superdoc61github.com原文 ↗
github.com
SuperDoc 是开源 DOCX 编辑与 agent 自动化 SDK，可在浏览器、无头服务端和 AI agent 工作流中渲染、编辑、自动化 `.docx` 文件。README 标出 React、Vue、Angular、Svelte 和 vanilla JS 支持，并强调自托管。它把 Office 文档处理变成可嵌入组件，这对合同、报告和企业文档 agent 很直接。
–
引用来源 · References
61 条 · 引用- 1 ToolAnchor: Anchoring Counterfactual Context to Boost Agentic Tool-use Capability. arXiv:2607.14145https://arxiv.org/abs/2607.14145 ↩ 回到正文 · back to text
- 2 Tactile: Giving Computer-Using Agents Hands and Feet. arXiv:2607.14443https://arxiv.org/abs/2607.14443 ↩ 回到正文 · back to text
- 3 Are LLM-Generated GPU Kernels Production-Ready? A Trace-Driven Benchmark and Optimization Agent. arXiv:2607.14541https://arxiv.org/abs/2607.14541 ↩ 回到正文 · back to text
- 4 colomalabs/coloma. GitHubhttps://github.com/colomalabs/coloma ↩ 回到正文 · back to text
- 5 callstack/agent-device. GitHubhttps://github.com/callstack/agent-device ↩ 回到正文 · back to text
- 6 MemoHarness: Agent Harnesses That Learn from Experience. arXiv:2607.14159https://arxiv.org/abs/2607.14159 ↩ 回到正文 · back to text
- 7 AI Agents Do Not Fail Alone: The Context Fails First. arXiv:2607.14275https://arxiv.org/abs/2607.14275 ↩ 回到正文 · back to text
- 8 CIPHER: A Decoupled Exploration-Selection Framework for Test-Time Scaling of Data Science Agents. arXiv:2607.14386https://arxiv.org/abs/2607.14386 ↩ 回到正文 · back to text
- 9 Reward-Free Evolving Agents via Pairwise Validator. arXiv:2607.14408https://arxiv.org/abs/2607.14408 ↩ 回到正文 · back to text
- 10 Eta Given Delta: Defining LLM Tool Efficiency With Marginal Tool Utility. arXiv:2607.14108https://arxiv.org/abs/2607.14108 ↩ 回到正文 · back to text
- 11 Structured Feedback Improves Repair in an LLM Agent Loop. arXiv:2607.14167https://arxiv.org/abs/2607.14167 ↩ 回到正文 · back to text
- 12 Bad Memory: Evaluating Prompt Injection Risks from Memory in Agentic Systems. arXiv:2607.14611https://arxiv.org/abs/2607.14611 ↩ 回到正文 · back to text
- 13 MemPoison: Uncovering Persistent Memory Threats and Structural Blind Spots in LLM Agents. arXiv:2607.14651https://arxiv.org/abs/2607.14651 ↩ 回到正文 · back to text
- 14 Alipay-PIBench: A Realistic Payment Integration Benchmark for Coding Agents. arXiv:2607.14573https://arxiv.org/abs/2607.14573 ↩ 回到正文 · back to text
- 15 Proof-or-Stop: Don’t Trust the Agent, Trust the Evidence. arXiv:2607.14890https://arxiv.org/abs/2607.14890 ↩ 回到正文 · back to text
- 16 SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration. arXiv:2607.15257https://arxiv.org/abs/2607.15257 ↩ 回到正文 · back to text
- 17 Early Adoption of Agentic Coding Tools by GitHub Projects. arXiv:2607.14037https://arxiv.org/abs/2607.14037 ↩ 回到正文 · back to text
- 18 Dockethttps://withdocket.com/self-hosted ↩ 回到正文 · back to text
- 19 Maxxhttps://meetmaxx.co/ ↩ 回到正文 · back to text
- 20 A zoomable timeline of 4M Wikipedia eventshttps://app.everything.diena.co/ ↩ 回到正文 · back to text
- 21 Bean Network Testerhttps://donislawdev.itch.io/bean-network-tester ↩ 回到正文 · back to text
- 22 Lifichttps://lific.dev ↩ 回到正文 · back to text
- 23 Rockspector. GitHubhttps://github.com/RaisinTen/rockspector ↩ 回到正文 · back to text
- 24 Local Search Agent. GitHubhttps://github.com/wiss84/local-search-agent ↩ 回到正文 · back to text
- 25 Watch bots interact with an SSH honeypot in real timehttps://honeypotlive.cc/ ↩ 回到正文 · back to text
- 26 Typst-WASMhttps://typst-wasm-playground-cloudflare.will-bradshaw50.workers.dev/ ↩ 回到正文 · back to text
- 27 ReasonGate. GitHubhttps://github.com/cgrtml/reasongate ↩ 回到正文 · back to text
- 28 Mojibakehttps://mojibake.zaerl.com/ ↩ 回到正文 · back to text
- 29 Libretto PR agentshttps://libretto.sh/debug-agents ↩ 回到正文 · back to text
- 30 Forall. GitHubhttps://github.com/astrio-labs/forall ↩ 回到正文 · back to text
- 31 PocketVeto. GitHubhttps://github.com/pocket-veto/pocket-veto ↩ 回到正文 · back to text
- 32 Mozilla: The state of open source AIhttps://stateofopensource.ai/ ↩ 回到正文 · back to text
- 33 Apple targets dozens of OpenAI employees with legal lettershttps://www.ft.com/content/1b8c9d52-88a9-426b-ba47-f1811f859166 ↩ 回到正文 · back to text
- 34 AWS: Inaccurate Estimated Billing Data - $1.7 billionhttps://news.ycombinator.com/item?id=48945241 ↩ 回到正文 · back to text
- 35 NotebookLM is now Gemini Notebookhttps://blog.google/innovation-and-ai/products/gemini-notebook/notebooklm-gemini-notebook/ ↩ 回到正文 · back to text
- 36 LM Studio Bionic: the AI agent for open modelshttps://lmstudio.ai/blog/introducing-lm-studio-bionic ↩ 回到正文 · back to text
- 37 OpenAI: A scorecard for the AI agehttps://openai.com/index/a-scorecard-for-the-ai-age ↩ 回到正文 · back to text
- 38 Pebble Mega Update - July 2026https://repebble.com/blog/pebble-mega-update-july-2026 ↩ 回到正文 · back to text
- 39 VulnHunter: Capital One’s agentic AI code security toolhttps://www.capitalone.com/tech/open-source/announcing-vulnhunter/ ↩ 回到正文 · back to text
- 40 Kaggle Measuring AGI: evidence of inconsistencies in evaluation process and selection of winnershttps://www.kaggle.com/competitions/kaggle-measuring-agi/discussion/724918#3498423 ↩ 回到正文 · back to text
- 41 CVE-2026-25089: FortiSandbox unauthenticated command injection added to CISA KEVhttps://hellorecon.com/blog/cve-2026-25089 ↩ 回到正文 · back to text
- 42 Learning a few things about running SQLitehttps://jvns.ca/blog/2026/07/17/learning-about-running-sqlite/ ↩ 回到正文 · back to text
- 43 Kimi K3, and what we can still learn from the pelican benchmarkhttps://simonwillison.net/2026/Jul/16/kimi-k3/ ↩ 回到正文 · back to text
- 44 Quoting Kimi K3https://simonwillison.net/2026/Jul/17/kimi-k3/#atom-everything ↩ 回到正文 · back to text
- 45 Firefox in WebAssemblyhttps://simonwillison.net/2026/Jul/16/firefox-in-webassembly/#atom-everything ↩ 回到正文 · back to text
- 46 Mermaid to ASCII arthttps://simonwillison.net/2026/Jul/16/mermaid-ascii/#atom-everything ↩ 回到正文 · back to text
- 47 The human-in-the-loop is tiredhttps://pydantic.dev/articles/the-human-in-the-loop-is-tired ↩ 回到正文 · back to text
- 48 The LLM Critics Are Right. I Use LLMs Anywayhttps://www.theocharis.dev/blog/llm-critics-are-right-i-use-llms-anyway/ ↩ 回到正文 · back to text
- 49 Claude Code: Anatomy of a Misfeaturehttps://www.olafalders.com/2026/07/17/claude-code-anatomy-of-a-misfeature/ ↩ 回到正文 · back to text
- 50 Detecting LLM-Generated Texts with “Classical” Machine Learninghttps://blog.lyc8503.net/en/post/llm-classifier/ ↩ 回到正文 · back to text
- 51 AI News: not much happened todayhttps://news.smol.ai/issues/26-07-16-kimi-k30/ ↩ 回到正文 · back to text
- 52 apache/ossie. GitHubhttps://github.com/apache/ossie ↩ 回到正文 · back to text
- 53 PostHog/posthog. GitHubhttps://github.com/PostHog/posthog ↩ 回到正文 · back to text
- 54 PrismML-Eng/Bonsai-demo. GitHubhttps://github.com/PrismML-Eng/Bonsai-demo ↩ 回到正文 · back to text
- 55 lobehub/lobehub. GitHubhttps://github.com/lobehub/lobehub ↩ 回到正文 · back to text
- 56 ibelick/ui-skills. GitHubhttps://github.com/ibelick/ui-skills ↩ 回到正文 · back to text
- 57 microsoft/coreutils. GitHubhttps://github.com/microsoft/coreutils ↩ 回到正文 · back to text
- 58 memvid/memvid. GitHubhttps://github.com/memvid/memvid ↩ 回到正文 · back to text
- 59 prefix-dev/pixi. GitHubhttps://github.com/prefix-dev/pixi ↩ 回到正文 · back to text
- 60 HKUDS/OpenHarness. GitHubhttps://github.com/HKUDS/OpenHarness ↩ 回到正文 · back to text
- 61 superdoc-dev/superdoc. GitHubhttps://github.com/superdoc-dev/superdoc ↩ 回到正文 · back to text