* AI·应用 · 重磅 7/10
德国电信联手OpenAI：打造AI原生电信运营商 德国电信与OpenAI合作，全面转型为AI原生电信公司。应用覆盖客户服务、员工工作流、网络运营及未来语音交互，旨在通过AI重构电信行业运营模式。
> 电信巨头全面拥抱AI原生，传统行业数字化转型的‘样板间’出现了。
Digest
AI 前沿情报站 — 每周精选资讯、教程与开源项目，自动追踪 GitHub 热门趋势
56篇资讯 · 35个教程 · 99个工具 · 30个GitHub项目 · 65个Skills
每日自动更新 · 最后更新：2026-07-10
今日主编精选
AI·应用 9/10
GPT-5.6 成为 Microsoft Copilot 365 首选模型 尽管 OpenAI 与微软关系出现裂痕传闻，OpenAI 仍确认其最新模型系列 GPT-5.6 将继续作为 Microsoft Copilot 365 的首选模型，为办公套件提供动力。
> 商业合作高于传闻，GPT-5.6 巩固了微软生态的 AI 底座。
AI·Infra 7/10
微软 2026 年碳排放激增 25%，AI 扩张成主因 微软发布 2026 年可持续发展报告，显示其 2025 年碳排放量同比增长 25%，达到 3400 万吨。报告指出，排放增长主要由数据中心和 AI 基础设施的扩张驱动，微软在气候目标上面临严峻挑战。
> AI 的繁荣正以环境为代价，科技巨头的绿色承诺面临现实拷问。
AI·论文 8/10
AgentLens：生产级评估框架，全轨迹评测编码Agent 论文提出AgentLens，一个基于生产环境评估的交互式代码Agent基准。不同于传统仅关注任务是否通过的单一指标，AgentLens评估整个执行轨迹，包括指令遵循、工具使用、错误恢复及用户交互等维度，结合形式化验证提供更全面的性能度量。
> 代码Agent评测从“结果论”转向“过程论”，更贴近真实使用体验。
AI·论文 8/10
理论揭示上下文搜索何时有效：反思驱动推理的采样复杂度分析 该论文对LLM的上下文搜索能力进行理论分析，将其建模为推理轨迹上的近似推断过程，其中基础模型定义先验，自我反思提供后验更新反馈。研究推导了推理时的采样复杂度，阐明了反思驱动推理有效性的边界条件。
> 为“模型自我纠错”提供了理论支撑，解释了为什么有时反思有效、有时无效。
AI·论文 7/10
LLM赋能智能体建模：突破传统ABM静态先验限制 研究将大语言模型（LLM）引入基于智能体的建模（ABM），提出可扩展的混合方法。传统ABM依赖静态先验，无法适应实时变化；LLM则能预测人类决策，使模型动态调整，显著提升政策制定等场景的模拟准确性。
> LLM为传统仿真建模注入了动态决策能力，是计算社会科学的重要进展。
AI·论文 7/10
QANTIS：在IBM Heron量子处理器上实现硬件校准的POMDP信念更新 论文提出QANTIS，将量子处理器作为校准的信念更新服务，用于部分可观测环境下的自主系统。它在IBM Heron硬件上处理序贯Tiger POMDP问题，接收先验和观测模型，估计罕见事件证据项，并返回后验概率给经典规划器。
> 量子计算与经典AI规划的结合尝试，但当前硬件下的实用性仍有待验证。
AI·论文 8/10
低成本Agent方案攻克ARC-AGI-1：开源模型+严格预算实现抽象推理 研究探索了ARC-AGI-1基准的第三种解法路径：使用开源模型DeepSeek V3.2的非思考模式，在严格预算下（无ARC特定训练或进化搜索）实现抽象推理与泛化。该方法成本远低于前沿模型的大规模测试时计算方案，但性能仍有竞争力。
> 证明了在资源受限条件下，开源模型也能在抽象推理任务上取得亮眼表现。
AI·论文 7/10
SageMath增强的LLM Agent：用于计算与实验数学的ReAct框架 论文提出结合LLM推理与SageMath计算机代数系统的ReAct风格Agent，并引入Context7获取最新文档。该Agent在解决研究级数学问题上评估了多个前沿模型，展示了LLM与符号计算系统协同解决复杂数学问题的潜力。
> AI数学能力从定理证明延伸到计算实验，符号计算与LLM的融合是正确方向。
AI·论文 8/10
“编排效应”揭示：企业Agentic AI的Token经济学由设计决定 论文指出当前Agentic AI开发存在“Token最大化”问题：通过更长推理链、更多轮次、更大工具负载来换取能力，导致Token消耗增长快于任务价值。研究认为关键杠杆在于“编排层”（harness），即上下文组装、工具暴露、任务委派等设计，直接影响企业AI的Token经济效率。
> 点出了AI应用落地的核心矛盾：能力与成本之间的平衡，编排设计是破局关键。
AI·论文 8/10
空间关系模型惊现“指令转录”陷阱：无目标时推理崩塌 arXiv:2607.06925 研究揭示，紧凑世界模型在条件化语言目标时，看似达到0.90的关系读取准确率，实则是“指令转录”而非真正的空间感知。当移除目标指令后，模型性能急剧下降，暴露了其依赖目标泄露而非理解空间关系的根本缺陷。
> 高准确率可能是假象，模型在“作弊”而非真正理解空间关系，这对具身智能的鲁棒性提出严峻挑战。
AI·论文 8/10
大型行为模型LBM：可提示的零售客户数字孪生 arXiv:2607.06993 提出大型行为模型(LBM)，通过统一的人物-环境公式，直接从大规模零售交易中学习客户决策过程。该模型不仅优化预测准确性，还能基于真实行为数据模拟用户，为推荐和营销提供可解释的决策支持。
> 将行为建模与数字孪生结合，有望彻底改变零售业个性化推荐的可解释性和真实性。
AI·论文 7/10
时序图网络可解释性突破：回溯记忆与拓扑归因 arXiv:2607.07716提出一种新方法，通过回溯时序图网络(TGN)的记忆模块和拓扑归因，解释模型预测背后的历史事件驱动因素。该方法首次关注TGN核心的记忆组件，揭示过去事件对预测的影响路径。
> 让时序图网络开口说话，记忆回溯是关键钥匙。
AI·论文 7/10
长尾胸部X光分类中的公平性审计：谁被漏诊了？ arXiv:2607.07717研究长尾多标签胸部X光分类模型在部署前的公平性问题，提出诊断阶梯方法分离类别级长尾损失、子组感知加权和阈值调整，揭示在VinDr-CXR和MIMIC-CXR数据集中，稀有阳性患者（尤其特定子组）更容易被漏诊。
> AI医疗的公平性不能只看排名，阈值下的漏诊才是真问题。
AI·论文 8/10
LLT：局部线性Transformer，高效学习PDE算子 arXiv:2607.07718提出LLT（局部线性Transformer），通过引入局部交互偏置和线性复杂度注意力机制，解决标准Transformer在PDE算子学习中二次复杂度高和缺乏局部先验的问题，为神经算子加速数值模拟提供新方案。
> 给Transformer装上局部先验，PDE学习终于不再大炮打蚊子。
AI·论文 8/10
ReCoLoRA：频谱感知递归整合，让LLM持续微调不遗忘 arXiv:2607.07719提出ReCoLoRA框架，通过从预训练权重的随机SVD初始化适配器、逐层有效秩估计和递归整合，解决LoRA在连续任务微调中的灾难性遗忘问题，实现频谱感知的持续学习。
> LoRA堆叠不再覆盖旧知识，频谱感知让持续微调有了记忆。
AI·论文 8/10
Omni-Sleep：层次对比学习构建睡眠基础模型 arXiv:2607.07720提出Omni-Sleep，一种利用中枢神经系统(CNS)和自主神经系统(ANS)动态的层次对比学习框架，融合多模态多导睡眠图信号（EEG、EOG、EMG、ECG、呼吸），克服现有模型忽略生理组织的问题。
> 睡眠AI终于有了基础模型，CNS-ANS双系统对比学习是神来之笔。
AI·论文 8/10
不确定性门控选择：让块稀疏注意力不再短视 arXiv:2607.07724提出基于信息价值的不确定性门控路由器，解决块稀疏注意力中top-k选择的短视问题。当第k和k+1块得分接近时，该路由器动态评估决策确定性，避免因过早截断而丢失关键证据块，提升长上下文模型性能。
> 稀疏注意力不再盲目截断，不确定性门控让长上下文推理更聪明。
AI·论文 7/10
SHIFT：从非完整异构基因组数据中预测生存率 arXiv 新论文提出 SHIFT 方法，解决基因组预测模型因测序面板差异导致的结构性特征缺失问题。现有方法限制分析共享基因或依赖测试时插补，降低鲁棒性。SHIFT 旨在利用多中心数据，提升生存预测的泛化能力。
> 精准医疗的绊脚石——数据异构性，终于有了针对性的解决方案。
AI·论文 8/10
Jet-Long：动态双焦RoPE实现高效长上下文扩展 针对LLM在长上下文应用（如RAG、仓库级编码）中零样本扩展的挑战，论文提出Jet-Long方法。现有方法使用单一固定缩放因子，效果受限。Jet-Long采用动态双焦RoPE，更灵活地处理远超预训练窗口的输入，提升长上下文性能。
> 长上下文是LLM落地的关键，动态RoPE比固定缩放更聪明。
AI·论文 7/10
MetaNCA：实现神经网络的架构泛化 受生物神经元局部交互和适应性启发，论文提出MetaNCA（元神经细胞自动机）模型。该模型通过局部信息驱动的集体行为实现自组织，旨在学习如何泛化到不同架构，提升神经网络的适应性和学习效率。
> 让神经网络学会“自我组织”，向生物智能又迈进了一步。
AI·论文 7/10
LiST：通过Lipschitz缩放训练实现鲁棒且校准的神经网络 论文提出LiST方法，旨在同时提升神经网络的准确性、鲁棒性和校准性。Lipschitz约束模型可保证鲁棒性，但手动选择约束值L会影响准确率-鲁棒性权衡，且校准性未被充分探索。LiST通过缩放训练自动优化这一权衡。
> 准确、鲁棒、校准三者兼得，是可靠AI的“不可能三角”吗？LiST给出了新解法。
AI·论文 7/10
Selective Left-Shift：将测试时计算转化为低资源代码生成训练数据 针对LLM在Julia等低资源编程语言上性能差的问题，论文提出Selective Left-Shift方法。该方法通过将测试时计算和基于难度的数据筛选转化为训练数据，克服了小模型在低资源语言上面临的数据稀缺、推理成本高和强化学习效果差的三难困境。
> 用“测试时计算”反哺训练，为小众编程语言的大模型应用开辟新路。
AI·论文 6/10
强化学习代理中跨诊断类障碍表型的空间建模 论文提出在强化学习代理中建模心理障碍的新方法。以往工作通过手动调整奖励来诱导一两种障碍，而本研究将障碍建模视为对认知评估信号的可控剂量操作，在PPO代理中探索跨诊断的障碍表型空间，为计算精神病学提供新视角。
> 用AI模拟精神障碍，为理解人类心智的“故障模式”提供了可控实验平台。
AI·论文 6/10
量子启发式混合专家策略实现图像分类 论文提出一种量子启发的混合专家策略用于图像分类。传统CNN使用扩散模糊和块池化进行下采样，而新方法采用更高效的量子启发式策略，结合混合专家模型，旨在提升特征提取和分类任务的效率。
> 量子计算尚未成熟，但量子启发的算法已在经典计算机上展现出潜力。
AI·论文 7/10
编码器选择的重要性：一项表格-图像多模态研究 论文首次评估了最先进的表格模型作为图像-表格多模态设置中的编码器。以往工作多使用简单MLP作为表格编码器，但表格数据是深度学习“最后的未征服城堡”。研究发现编码器选择对多模态性能至关重要，并指出上下文学习方法存在障碍。
> 别再用MLP糊弄表格数据了，好的编码器是多模态学习的基石。
AI·论文 8/10
可扩展且可信的地球观测基础模型 论文探讨了地球观测领域的基础模型。由于卫星数据量大、重访率高且多模态，但可靠标签稀疏，该领域迫切需要通用预训练模型。论文强调遥感基础模型需具备可扩展性和可信赖性，以应对环境监测等关键任务。
> 地球观测是基础模型的下一个金矿，但可信赖性是其落地的生命线。
AI·论文 7/10
组合优化视角下的可信机器学习：综述与研究展望 该综述从组合优化视角审视可信机器学习。现代ML模型行为复杂，在透明度、可解释性、鲁棒性、公平性、隐私和可认证性等方面表现各异。论文系统梳理了如何利用组合优化方法来解决这些可信赖性问题，并展望了未来研究方向。
> 将可信赖问题转化为优化问题，为构建负责任的AI提供了数学框架。
AI·论文 8/10
哈密顿视频动力学模型突破时间泛化瓶颈 arXiv:2607.07763 提出哈密顿生成网络（HGN），解决世界模型只能以固定步长预测离散时间物理动力学的问题。HGN 基于哈密顿力学原理，支持在多个时间尺度上查询同一动力学过程，对分层规划、仿真到现实迁移及科学引擎应用具有重要价值。
> 将物理先验引入视频预测，让模型学会“时间缩放”，是迈向通用世界模型的关键一步。
AI·论文 7/10
深度强化学习评估与设计范式原则性分析 arXiv:2607.07769 系统回顾了深度强化学习从 DQN 到无规则求解的十年进展，聚焦于评估与设计范式的关键要素，为领域提供了方法论层面的原则性指导。
> 当 RL 越来越像一门工程学科，这种“元分析”比新算法更值得从业者细读。
AI·论文 7/10
图正则化深度学习提升脑电情绪识别心理一致性 arXiv:2607.07773 提出图正则化学习框架，将情绪视为图节点，利用维度情绪理论定义边距离，解决了现有深度学习方法忽略情绪心理依赖性的问题，提升了基于脑电信号的情绪识别准确性。
> 给 AI 情绪识别补上心理学课，比单纯堆数据更聪明。
AI·论文 8/10
两层神经网络鲁棒性定律获任意权重版本证明 arXiv:2607.07778 证明了 Bubeck-Li-Nagaraj 猜想：对于通用数据，拟合 n 个噪声标签的两层神经网络（m 个神经元）的 Lipschitz 常数至少为 √(n/m)，且无需对权重大小施加限制，完善了深度网络鲁棒性的理论基石。
> 理论证明“没有免费午餐”：模型容量越大，对抗鲁棒性越差，这是有数学保证的。
AI·应用 6/10
机器学习预测葡萄牙海岸有害藻华爆发 arXiv:2607.07834 开发了基于卫星遥感数据的时空机器学习框架，用于预测葡萄牙大西洋沿岸 Pseudo-nitzschia 硅藻引发的有害藻华，利用 5882 个样本在现实预报约束下评估了模型性能。
> AI 海洋环保应用，但数据量和场景局限性使其更像一次有价值的可行性验证。
AI·论文 8/10
神经网络海森矩阵零特征值起源获对称性解释 arXiv:2607.07845 提出神经网络损失景观中大量近零海森特征值源于网络参数化连续对称性的伪戈德斯通模。在深度线性网络中这些对称性精确，产生平坦方向；在非线性网络中对称性近似，导致特征值接近零。
> 为深度学习优化中“大量零曲率方向”这一长期谜题提供了优雅的物理类比解释。
AI·论文 7/10
重新定义持续学习：从遗忘管理到能力增长 arXiv:2607.07847 指出当前持续学习研究过度聚焦于上下文管理和缓解遗忘，忽略了核心目标——随世界变化提升模型能力。论文从空间（新领域）和时间（新任务）两个维度解构变化，为 LLM 持续学习提供了新框架。
> 一语惊醒梦中人：持续学习不是“不忘”，而是“变强”。
AI·论文 7/10
NFTR：流模型解决离线目标条件RL的乐观偏差与模式坍缩 arXiv:2607.07855 提出 NFTR 方法，利用归一化流子目标策略和三角松弛重加权，解决 HIQL 中基于值函数优势选择子目标导致的乐观偏差（将随机结果视为技能）和模式坍缩（多模态分布退化为单高斯均值）问题。
> 给离线 RL 的子目标选择装上“概率校正器”，比简单取均值靠谱得多。
AI·论文 7/10
小数据约束下的物理信息机器学习：磨料水射流铣削案例 arXiv:2607.07863 针对物理主导加工过程数据稀缺（n=155）的问题，提出将基于物理的数据清洗与统计整理分离，并对比不同物理融合形式的影响，为小样本物理信息学习提供了方法论指导。
> 当数据只有 155 条时，数据清洗和物理先验比模型架构更重要——工程领域的 AI 真理。
AI·论文 7/10
深度标量线性网络最优学习率缩放依赖数据分布 arXiv:2607.07884 在深度标量线性网络（可精确求解）中发现，最优深度方向学习率缩放依赖于数据分布，数据无关的缩放规则无法跨深度迁移。在数据依赖的最优缩放下，学习动力学与数据无关且弱于深度依赖。
> 连最简单的线性网络都如此，说明“万能学习率缩放公式”可能根本不存在。
AI·论文 8/10
线性注意力架构全面对比：机制、权衡与跨层路由 本文对softmax注意力与DeltaNet、Gated DeltaNet、Kimi Delta Attention、Gated DeltaNet-2四种线性注意力架构进行了系统比较，用统一的循环记忆符号表示其差异，揭示了不同架构在长上下文处理中的机制与权衡。
> 为突破Transformer二次复杂度瓶颈提供了清晰的路线图。
AI·论文 8/10
KronQ：基于Kronecker分解Hessian矩阵的LLM量化新方法 KronQ提出一种新的后训练量化框架，通过引入Kronecker分解的Hessian矩阵来优化量化目标，挑战了GPTQ等现有方法仅依赖输入激活统计量的假设，实现了更优的模型压缩效果。
> 二阶量化方法的一次重要突破，有望显著降低大模型部署成本。
AI·论文 8/10
多模态遗忘技术综述：视觉、语言、视频与音频的统一框架 本文系统综述了多模态基础模型中的遗忘技术，涵盖视觉语言模型、扩散模型、大语言模型和音频基础模型，针对编码敏感、版权、偏见等跨模态关联问题，梳理了现有方法、数据集和基准测试。
> AI安全治理的关键技术，为合规删除训练数据提供了系统方案。
AI·论文 9/10
潜人格对齐：仅用66条语句实现高效LLM安全对齐 LPA方法通过对抗训练仅66条与危害无关的语句，替代传统显式拒绝机制，在保持模型效用的同时显著提升了对对抗攻击的鲁棒性，大幅降低了安全对齐的数据需求。
> 用极简数据实现强鲁棒安全对齐，堪称AI安全的'小样本奇迹'。
AI·论文 9/10
PGD-NO：预计算几何分解实现百万级3D物理模拟 PGD-NO提出预计算几何分解的神经算子架构，将计算负载从单节点VRAM瓶颈中解放，首次实现百万级网格分辨率的3D物理模拟，大幅加速工程仿真。
> 打破神经PDE求解器的内存天花板，工程仿真领域里程碑式进展。
AI·论文 7/10
时间序列基础模型在极端野火PM2.5预测中的泛化性评估 首次系统评估时间序列基础模型在加州野火PM2.5极端事件中的零样本预测能力，揭示了现有模型在罕见、危险级峰值预测中的根本性挑战。
> 为AI在气候灾害预警中的应用敲响警钟。
AI·论文 7/10
Collate：面向延迟敏感边缘系统的协作神经网络学习 针对联邦学习在实时边缘系统中设备异构性导致的推理性能下降问题，提出Collate框架，在保护隐私的同时优化推理速度，突破传统FL仅关注训练效率的局限。
> 让联邦学习真正落地实时边缘场景的关键一步。
开源项目 7/10
path_boost：基于路径梯度提升的可解释图级预测Python包 发布path_boost包，实现PathBoost算法，通过自动发现图中预测性标记路径进行梯度提升，生成基于路径特征的加性预测模型，解决了图神经网络难以解释的问题。
> 图学习可解释性领域的实用工具，让黑盒预测变得透明。
AI·论文 6/10
分布式数据分区草图在OLS回归中的最优性证明 研究分布式草图在普通最小二乘回归中的应用，通过在分区子集上构建草图并平均估计器，在固定设计下刻画了精确超额损失，相比全数据集草图进一步降低计算成本。
> 理论贡献扎实，但应用场景相对局限。
AI·论文 7/10
辅助博弈中可证明最优的学习算法 针对知情者（人类）与不知情者（AI助手）重复交互的辅助博弈在线变体，首次提出可证明高效的学习算法，为AI助手理解人类意图提供了理论保障。
> 人机协作博弈论基础的重要突破，理论价值极高。
AI·论文 7/10
小模型VLM量化新框架：从组件分析到硬件感知边缘部署 论文提出针对3B参数以下视觉语言模型(VLM)的系统量化评估框架，在Jetson Orin NX和AGX上验证了五种假设和六种量化配置，分离视觉与语言组件进行硬件感知优化，为边缘端多模态智能部署提供实用指南。
> 量化是边缘AI落地的关键瓶颈，这篇论文把组件级分析做透了，工程价值很高。
AI·论文 8/10
LLM记忆压缩新视角：率失真理论指导的遗忘与保留策略 论文从率失真理论出发，统一分析LLM和Agent中KV缓存、长提示、循环状态等记忆压缩问题，提出在计算与内存约束下如何决定“该记住什么、该遗忘什么”，为高效推理提供理论框架。
> 记忆管理是LLM推理的隐形成本黑洞，率失真视角有望带来根本性优化。
AI·论文 9/10
贝叶斯扩散模型泛化相变：信息论精确刻画 论文提出可解析的贝叶斯信息受限扩散(BIRD)模型，从信息论角度揭示了扩散模型如何在高维空间避免维度灾难、实现泛化而非记忆，精确刻画了泛化相变边界。
> 扩散模型的理论基础一直模糊，这篇论文给出了一个漂亮的数学框架。
AI·安全 8/10
自验证LLM安全分析：宪法元STPA框架 论文提出宪法元STPA方法，让LLM在分析系统安全时同时自我验证分析过程，避免LLM辅助工具本身成为安全盲点，解决幻觉导致的风险遗漏问题。
> 用LLM做安全分析却忽略LLM自身风险，这个框架补上了关键漏洞。
AI·论文 7/10
多模态掩码扩散模型生成顺序优化 论文研究扩散语言模型在文本到图像合成和多模态理解中的自适应生成顺序优化，证明非固定生成顺序能显著提升数学推理和代码合成性能。
> 生成顺序优化是扩散模型的新突破口，多模态场景下潜力更大。
AI·Infra 8/10
系统感知KV缓存优化综述：LLM推理效率新路径 综述从系统行为视角回顾KV缓存优化技术，涵盖缓存压缩、量化、调度等策略，提出系统感知KV基础设施(sKis)概念，为降低LLM推理内存成本和延迟提供全面指南。
> KV缓存是LLM推理的瓶颈，这篇综述把系统级优化思路梳理得很清晰。
AI·论文 7/10
VLM推理链不确定性量化：三种熵行为模式 论文首次对思考模式视觉语言模型(VLM)的答案熵行为进行三族实证刻画，在POPE对抗样本上发现Qwen3-VL-8B-Thinking完全崩溃、GLM-4.1V-9B-Thinking无崩溃等三种模式。
> VLM的推理链不确定性比想象中更复杂，不同模型差异巨大。
AI·论文 6/10
跨模态生成框架：从胎儿心电信号到多普勒波形 论文提出跨模态生成框架，从胎儿心电信号重建多普勒超声波形，揭示电活动与机械血流动力学之间的可恢复与不可恢复成分，为胎儿心血管功能评估提供新工具。
> 医疗AI的跨模态生成很有应用前景，但离临床落地还有距离。
精选领域视频
B站 11:13:48
LangChain
【全网炸裂的大模型教程】3天速通大模型，轻松搞定大模型原理、Prompt、langchain、RAG、agent、大模型微调等，从入门到精通一口气学完！
在科技浪潮奔涌向前的当下，大模型已毋庸置疑地成为领航未来的关键力量，学习大模型不仅是顺应时代趋势，更是在为自己解锁通往无限可能未来的钥匙，希望本套视频对大家有所帮助
B站 2:57:23
Midjourney
【Midjourney教学】零基础开始的MJ保姆级教程（2025新手入门实用版）从安装到实战，全程干货无废话！超详细的midjourney教程！！
本套AI绘画 Midjourney教程从安装部署开始详细讲解，由基础到进阶，搭配实操案例展示，适合零基础或刚入门的用户学习。
B站 27:17
通义千问
【保姆级教程】阿里云百炼+通义千问四大新模型
阿里云百炼+通义千问四大新模型保姆级教程，由同济子豪兄讲解，帮助用户快速上手通义千问。
Skills 技能包
查看全部 →
Claude Code Skills
Anthropic 官方 Skill 系统，让 Claude 学会你的工作流。支持代码风格、项目规范、领域知识等可复用技能包，跨会话持久化共享。
AI编程Agent技能包
MCP Servers 生态
Model Context Protocol 标准协议，5000+ Server 接入。文件系统、数据库、API、浏览器、GitHub 等工具统一接入，Agent 互操作的行业标准。
MCPAgent协议
Cursor Rules 编码规范
Cursor IDE 的 .cursorrules 配置体系。定义项目架构约定、代码风格、最佳实践，AI 编程自动遵循团队规范。
IDE编码规范AI编程
Windsurf Cascade 引擎
Codeium Windsurf 的级联式 AI 引擎，理解整个代码库上下文。支持多文件编辑、重构、测试生成，深度代码理解能力。
AI编程IDECascade
Trae AI 编程平台
字节跳动出品的 AI IDE，内置 Agent 模式可自主完成复杂编码任务。支持全栈开发、调试、部署一站式流程。
AI编程IDE字节跳动
GitHub Copilot Workspace
GitHub 官方 Copilot 升级版，支持完整 Issue→PR 自动化工作流。自然语言描述需求，AI 自主完成编码+提交+PR。
AI编程GitHub自动化
开源项目快讯
查看全部 →openclaw/openclaw
376.3k跨平台 AI 助手框架，支持 Discord/Telegram/WhatsApp/Slack 等多平台接入，可执行代码、管理文件、控制设备。6 月 GitHub 登顶项目。
TypeScript AI·Agent
obra/superpowers
215.9kAgent 技能即插即用框架 —— 50+ 预置技能（GitHub 操作/代码审查/项目规划），兼容 Claude Code/Codex/Cursor。
Shell AI·Agent
affaan-m/ECC
204.1kAgent 性能优化系统 —— 帮 Agent 省 40-60% Token 消耗。Skills 懒加载 + 上下文压缩 + 记忆缓存 + 安全沙箱。
JavaScript AI·Infra
Significant-Gravitas/AutoGPT
168.0k自主 AI Agent 先驱项目 —— 目标驱动自动拆解任务链，联网搜索/代码执行/记忆管理，Agent 领域的开山之作。
Python AI·Agent
AUTOMATIC1111/stable-diffusion-webui
145.0k最流行的 Stable Diffusion WebUI —— ControlNet/LoRA/Inpainting 全支持，插件生态丰富，14.5 万星。
Python AI·多媒体创作
huggingface/transformers
135.0kHuggingFace Transformer 模型库 —— 20万+ 预训练模型，覆盖 NLP/CV/音频/多模态，PyTorch/JAX/TF 三框架后端。
Python AI·模型
精选工具箱
Claude
Anthropic 出品，百万 Token 上下文，最强编程和推理能力。支持 Claude Code 终端助手和 Skill 系统。
AI助手AI编程大模型
ChatGPT
OpenAI 出品，GPT-5 驱动，原生多模态 + Agent 能力。支持 Code Interpreter、DALL-E、联网搜索。
AI助手AI编程大模型
Gemini
Google 出品，1M Token 上下文，原生代码执行。Gemini 2.5 Pro 在数学和代码基准上领先。
AI助手AI编程大模型
DeepSeek
中国最强开源大模型，DeepSeek-V3 性能对标 GPT-4o，推理成本仅 1/50。支持长上下文。
AI助手大模型开源
Kimi
月之暗面出品，长上下文专家（支持 200 万字），擅长文档分析、翻译、代码理解。
AI助手AI阅读大模型
通义千问
阿里云出品，Qwen3 系列开源模型，支持工具调用、代码生成、多模态理解。
AI助手大模型多模态