Dandi

[Jianlan Luo @jianlanluo]

Excited to release τ0-WM: an open-source unified video-action world model for robotic manipulation.

It's a 5B-parameter robotic foundation model trained on 27.3K hours of real-robot teleoperation, UMI-style demonstrations, and egocentric interaction videos.

[Y11 @seclink]

最值得关注的开源项目（按影响力和信息差排序）

---
S 级：必须关注

1. Pi (pi-mono) — 54K stars，MIT，Armin Ronacher 出品
- Flask/Jinja2 作者的新作，系统 prompt 不到 1000 token，靠"懒加载技能"运行
- 支持 fork 和二次开发，token 效率极高
- 信息差原因：中国社区对 Armin Ronacher 的认知还停留在 Flask，不知道他已经杀入 AI Agent 赛道

2. Claw Code — 192K stars，MIT，Python/Rust 重写
- 2026 年 3 月 Claude Code 源码泄露后，社区 clean-room 重写
- GitHub 历史上最快达到 100K stars 的仓库
- 信息差原因：国内几乎没有报道这个项目，但它已经是 star 数最高的 AI 编程工具

3. Hermes Agent — 167K stars，Nous Research 出品
- 自我改进的 CLI Agent，持久记忆 + 自动技能创建
- 支持 300+ 模型，跨平台（Telegram/Slack/Discord/WhatsApp）
- 信息差原因：Nous Research 在国内知名度远低于其实力

4. Bernstein — Apache 2.0，Python 编排器
- 一个 LLM 调用做规划，后续调度/git worktree 隔离/质量门禁/审计链全确定性执行
- 支持 40+ CLI 编程 Agent（Claude Code、Codex、Gemini CLI、Cursor、Aider）
- 信息差原因：Agent 编排层的新范式，国内还没人讨论

---
A 级：高度推荐

5. Omi (BasedHardware) — 开源 AI 项链，7756 commits
- BLE 芯片 + 麦克风，音频通过 OPUS 编码流式传输到手机
- 已合并 OpenGlass（眼镜配件），支持 Ollama 本地模型
- 免费层：完全开源，硬件 BOM 成本低
- 信息差原因：国内对可穿戴 AI 的关注集中在大厂产品，不知道开源方案已经这么成熟

6. Mastra — 23K stars，Apache 2.0，TypeScript
- Gatsby.js 团队出品，Observational Memory 技术将 token 成本降低 4-10x
- 文本压缩 3-6x，工具输出压缩 5-40x
- 信息差原因：TypeScript 生态的 Agent 框架在国内几乎无人讨论

7. Crush — 25K stars，Charm 出品，Go TUI
- Bubble Tea 团队的新作，终端美学极致
- 支持 MCP、LSP、中途切换模型
- 注意：FSL 许可证（2 年后转 MIT）

8. Qwen Code — 25K stars，Apache 2.0，阿里出品
- Gemini CLI 的开源 fork，针对 Qwen-Coder 模型调优
- Gemini CLI 将于 2026 年 6 月 18 日退役，Qwen Code 成为事实上的开源继承者
- 信息差原因：Gemini CLI 退役的消息在国内几乎没报道

[鹿 𝕟𝕠𝕜𝕚𝕟𝕠𝕜𝕚 祥子 DucKDE @IIInoki]

没发现 coding agent 的反馈机制和席德梅尔文明系列是一样的么？

[Joruno @wsl8297]

想系统学 AI Engineering，不想在论文、教程、代码仓库之间乱跳，可以看 rohitg00/ai-engineering-from-scratch。

这套课已经 1w+ star，435 节课，20 个阶段，从数学基础、神经网络、RAG、agents，一直走到把东西 ship 给别人用。

Github：https://t.co/PSdqsY1RNI

我喜欢它的点是路线够长，适合当成一张地图慢慢补。

[Max For AI @MaxForAI]

这个有意思，做Agent Harness的应该看下⬇️

PwC发了一篇很有意思的Agent检索论文。

标题很挑衅：

「Is Grep All You Need?」

作者在LongMemEval上做了116个长对话记忆问题，让Agent从一堆带干扰项的历史对话里找答案。

他们比较了两类检索：

一种是grep这种字面搜索。

一种是vector retrieval这种向量检索。

然后又把它们放进不同的Agent运行外壳里测：

Chronos、Claude Code、Codex CLI、Gemini CLI。

结果很直接：

在主实验的inline模式里，grep在每一个harness-model组合里都赢了vector retrieval。

有些差距还挺大。

原因是Agent里的检索，不是一个孤立组件。

同样的数据，同样的检索方法，只要换一个运行外壳，换一种工具结果呈现方式，最后表现就会变。

结果是直接塞进上下文，还是写进文件让Agent自己读；

工具是一个API，还是Claude Code/Codex/Gemini CLI那种shell环境里的grep、find、cat；

这些东西都会影响Agent能不能真的找到答案。

这也解释了为什么grep突然变强，能秒了向量检索。

很多Agent任务本质上是证据定位：

找函数名、文件路径、报错字符串、日期、用户名、偏好、某句原话。

这种场景里，embedding的「语义宽容」有时候反而会带来噪音。

它会把语义相近的东西一起捞上来。

grep很笨，但它笨得稳定。

只要Agent知道该搜什么字符串，它就能把证据钉出来。

所以这篇paper对做Agent的人有一个很现实的提醒：

不要一上来就默认每个严肃Agent stack都应该先接vector DB。

先问清楚你的Agent到底在做什么。

如果它是在做语义发现，vector很重要。

如果它是在做证据定位，grep、find、cat、diff这些老工具可能更接近第一性原理。

AI越聪明，越需要一套稳定的工具。

Paper：arXiv 2605.15184
Title：「Is Grep All You Need? How Agent Harnesses Reshape Agentic Search」

[奶牛叔 @WWTLitee]

接手陌生代码库时，太需要这个工具了：Understand-Anything

它把代码库、文档或者知识库转成交互式 knowledge graph，让你能边看边搜边追问关系，不用再靠来回翻文件硬拼上下文

仓库现在已经有 16.3k stars，今天新增 854 stars。最近这类帮助理解大仓库的工具涨得都很快，因为很多人现在更缺一张能把上下文串起来的图

仓库地址：
https://t.co/QJ5clIuMqX

[spidey @lochan_twt]

how life feels without chatgpt, claude, cursor

[0xkevin (🖤 , 💙) @0xKevin00]

来不及悼念 Vision Pro，即将登场的是售价5000 的 Apple Glasse

重量仅约40g，支持4种镜框风格。还支持拍照/录像，AI 视觉识别、手势控制和AI 交互。还有麦克风+扬声器，打电话听歌畅通无阻

最夸张的是支持电子调度数，适配近视、远视、散光

5000块买到蔡司镜片，以及AI眼镜，你觉得贵吗？

[沉浸式翻译 @immersivetran]

在开发者社区中，有一个公认的痛点：阅读别人的代码。

无论是中途接手项目，还是调研一个新的开源工具，我们往往需要花费数小时甚至数天，在层级复杂的目录、跳跃的函数定义和语焉不详的 README 之间反复横跳。

为了解决这一问题，Google 最近推出了一个名为 CodeWiki (https://t.co/fuRtfdmEZY) 的 AI 工具。它的的逻辑就是将枯燥的 GitHub 源代码转化为一份可交互、结构化、且能实时对话的活文档。

1️⃣ CodeWiki 最显著的功能在于其强大的可视化能力：
当你丢入一个 GitHub 链接后，它不会只给你一堆文字总结，而是会基于整个代码库生成架构图（Architecture Diagrams）和依赖关系图。

这些图表并不是静态的图片，而是项目结构的“导航地图”。你可以直观地看到系统由哪些核心模块组成，各个模块之间如何通过接口或消息进行通信。这对于快速建立“项目大局观”至关重要，让你在没看具体代码前，就先看懂了它的骨架。

2️⃣ 深度拆解 --- 模块化的“保姆级”讲解：在宏观架构之下，CodeWiki 会对项目进行分层拆解。它会识别出各个功能模块（如认证系统、数据库层、API 接口等），并详细描述每一块的职责。

更贴心的是，它会根据代码逻辑生成一份入门指南（Getting Started Guide）。这份指南比项目自带的 README 往往更详尽，它会结合代码中的配置环境和启动脚本，手把手教你如何从零搭建环境并跑通第一个 Demo。对于那些 README 文档缺失或过时的开源项目来说，这无异于雪中送炭。

3️⃣ CodeWiki 真正拉开差距的功能是内置的 Gemini AI 助手：与普通的 AI 问答不同，这个机器人的知识库是基于你当前提交的整个代码库生成的。

你可以直接问它一些非常具体的问题

“这个项目的身份验证流程是怎么走的？涉及哪几个文件？”

“如果我要增加一个新的 API 接口，应该在哪个模块修改？”

“这个函数里的异步逻辑是如何处理超时的？”

每一条回答都会带有代码文件和行号的超链接，点击即可直接跳转到对应的源码位置。这种“文档-对话-代码”三位一体的交互方式，极大地缩短了开发者在理解与验证之间的路径。

4️⃣ “活”的文档：同步代码更新：传统的开发文档最怕的是“代码已更新，文档还没动”。CodeWiki 作为云端工具，能够感知代码库的变化。当项目有新的 PR 合并或版本更迭时，它生成的文档和图表也会随之更新，确保你看到的永远是项目最新的状态。

目前 CodeWiki 已开放预览，支持公共 GitHub 仓库。它并不只是一个简单的 README 翻译器，而是一个深度的代码理解引擎。搭配沉浸式翻译即可轻松阅读。

对于需要快速评估开源库质量、接手陈旧代码仓库（Legacy Code）或者刚入职新团队的开发者来说，CodeWiki 就像是一位随时待命的高级架构师，帮你把复杂的逻辑翻译成通俗易懂的文档。不妨一试。

🔗： https://t.co/fuRtfdmEZY

[Berryxia.AI @berryxia]

兄弟们，具身智能这下真的靠点谱了啊！

具身智能（Embodied AI）下一个真正的大前沿来了。

HuggingPapers刚刚推送了一篇重磅综述：《World Action Models: The Next Frontier in Embodied AI》

这是第一篇系统定义「World Action Models（WAMs）」的论文。

WAMs 的核心是：同时预测未来世界状态 + 生成真实可执行动作的具身基础模型。

它不再是单纯“想想就行”的语言模型，而是真正能理解物理世界、预测变化、并采取行动的智能体。

论文系统梳理了当前所有WAMs的架构设计、数据生态系统和评估协议，还附了一张2024-2026年的完整发展时间线图，一目了然。

Project page：https://t.co/uQYplag9E4
Paper：https://t.co/eDNRcDRMlc

如果你在做机器人、具身Agent、物理世界AI或者世界模型，这篇综述来得正是时候。

[GitHubDaily @GitHub_Daily]

偶然刷到一个开源项目 AGENTS Book Rules，把 13 本经典编程书籍的核心原则，整理成了可以直接喂给 AI 编码工具的规则文件。

涵盖《代码整洁之道》、《领域驱动设计》、《重构》等十几本经典软件工程著作的核心思想。

GitHub：https://t.co/VAWKGzjGfc

每本书提供三个版本，完整版用于参考；精简版适合日常使用；极简版应对上下文窗口紧张的场景。

规则按任务类型分类，日常代码质量、架构设计、遗留代码处理都有对应推荐组合。

支持 Claude Code、Codex 和 Cursor，复制对应的规则文件到项目里就能用。

[Jorge Castillo @JorgeCastilloPr]

Project manager finds out Claude

[池建强 @sagacity]

推荐两本 harness 的公开 pdf 书：《Harness Engineering：Claude Code 设计指南》和《Claude Code 和 Codex 的 Harness 设计哲学》，顺便聊聊 harness，Agent 在去年就人尽皆知了，与之相伴的 harness 为啥现在才冒出来？

我看 harness：https://t.co/G0NhOMv2Pr

pdf 图书的原推：https://t.co/POv7ZdU5kT

[宝玉 @dotey]

伯克利大学的研究团队造了一个专门作弊的 AI，用它去攻击目前最主流的 8 个 AI 智能体评测基准，结果每一个都被攻破了。没有解决任何任务，没有调用任何大模型，拿到了接近满分的成绩。

这 8 个基准包括 SWE-bench（AI 编程能力的标杆测试）、WebArena（网页操作）、Terminal-Bench（终端任务）、OSWorld（桌面操作）等，覆盖了当前衡量 AI 智能体能力的核心赛道。研究团队对每一个都找到了可用的漏洞，得分从 73% 到 100% 不等。

作弊手法很简单：SWE-bench 要求 AI 修复真实的 GitHub bug，让测试通过才算成功。研究团队写了一个 10 行的 Python 文件，劫持了 pytest 的测试钩子，让所有测试直接报告通过，500 道题全部拿下，一个 bug 也没修。

WebArena 更直接，任务的标准答案就放在本地文件里，AI 用浏览器打开一个 file:// 路径就能直接抄答案。最夸张的是 FieldWorkArena，它的评分函数根本不检查答案内容，只看是不是 AI 回复了消息，发一个空的 {} 就能拿满分。

这些漏洞背后有 7 个反复出现的模式：智能体和评测程序跑在同一个环境里（所以 AI 能篡改评测工具）、标准答案直接暴露给被测系统、用 eval() 执行不可信的输入、LLM 裁判没有做输入过滤容易被注入、字符串匹配太松、评分逻辑本身有 bug、以及评测程序信任了被测系统产生的输出。

这些基准分数正在驱动真金白银的决策。团队选模型看 SWE-bench 排名，投资人看基准分数给估值，研究者围绕基准分数做优化方向。如果分数本身就能被轻易操纵，这些决策的基础就是空的。

更值得警惕的是，作弊不一定需要人为设计。Anthropic 最近发布的 Mythos Preview 评估已经观察到，前沿模型在遇到解决不了的任务时，会自发地去 hack 评测环境，甚至写出执行完自动删除痕迹的提权代码。当模型能力足够强，优化压力会自然把它推向阻力最小的路径，而操纵评分器往往比解决任务更容易。

研究团队正在把他们的漏洞扫描工具开发成一个叫 BenchJack 的开源项目，本质上就是给评测基准做渗透测试。他们给出的建议也很明确：评测程序必须和被测 AI 完全隔离运行，标准答案不能出现在 AI 能访问的环境中，永远不要对不可信的输入调用 eval()，LLM 裁判要像处理用户输入一样对 AI 的输出做过滤。

https://t.co/UyLmewGy5H

[宝玉 @dotey]

推荐学习👍
这属于自己“蒸馏”自己了😂

[GitHubDaily @GitHub_Daily]

用 AI 辅助编程，项目一大就头疼，代码之间的依赖关系、架构决策的来龙去脉，光靠翻文件根本理不清。

可以试下 graphify 这个开源项目，它能自动把整个代码库构建成知识图谱，让 AI 助手真正「看懂」项目结构。

只需在 Claude Code、Cursor、Gemini CLI 等主流 AI 编程工具里输入一条命令，就能生成可交互的知识图谱、架构报告和可查询的数据文件。

GitHub：https://t.co/OzmelzLkVx

不只是代码，PDF 论文、截图、白板照片甚至视频音频都能扔进去，自动提取概念和关联，统一串成一张图。

代码部分走本地语法树解析，不发送到云端，支持 20 种编程语言。

查询时比直接读原始文件省 70 倍以上的 token 消耗，跑过一次后续查询几乎零成本。

如果你的项目越来越大、文件越来越多，想让 AI 助手不再「瞎猜」，值得试试。

[Tim✨ @timyangnet]

大家经常说的编排（Orchestration）Agent 似乎也不是必须，看 Anthropic 那个让 16 个 agent 并行两周不打架的案例：

这是 Nicholas Carlini 的编译器项目。最有意思的是他绕过了复杂的 agent 编排，回归了最朴素的如图所示 Bash Shell 循环：

🛠 同步协议：

任务池： 一个名为 current_tasks/ 的共享文件夹。

互斥锁： 智能体写入 .lock 文件标记“我在做了”。

分布式协同： 利用 Git 处理并行修改，连合并冲突（Merge Conflict）都由 Claude 自行解决。

🔄 单次 Loop 逻辑：

启动： 容器启动，拉取 upstream 最新状态。

寻路： Claude 扫描目录，认领没被锁定的任务。

交付： 完成编码，更新进度文件，git push 并释放锁。

current_task 从哪里来？所有 agent 都可以往里面提交任务，这个应该是写在 AGENT_PROMPT.md 启动规则里面。

对于长任务 agent 来说，这种设计模式省去了昂贵的编排管理成本，非常值得借鉴。

https://t.co/T6cM3IPiBf

[Jianlan Luo @jianlanluo]

Generalist robots don’t fail due to a lack of generality.
They fail due to a lack of proficiency where it matters.

We introduce SOP, enabling generalist policies to improve from real-world experience across distributed robot fleets, without sacrificing generality.

🧵 https://t.co/2xnBpeqNui

[Jianlan Luo @jianlanluo]

We present HIL-SERL, a reinforcement learning framework for training general-purpose vision-based robotic manipulation policies directly in the real-world. It effectively addresses a wide range of challenging manipulation tasks: dynamic manipulation, dual-arm coordination, contact-rich/flexible object manipulation. It achieves a success rate of 100% across all tasks within just 1 to 2.5 hours of training.

[蔡子博士Chris @caiziboshi]

今天武汉光谷的圣诞活动太超前了！