🔥 今日最热
GitHub 正式发布 spec-kit：规范驱动开发工具包 [新发布]
[工具链] [开发范式]
是什么：GitHub 官方推出 Spec Kit，一套帮助开发者实践”Spec-Driven Development”（规范驱动开发）的开源工具包。核心理念：与其 vibe coding（随意编码），不如先定义产品场景和预期输出，再让 AI 按规范生成代码。工具包提供 spec 模板、验证流程和与 Copilot 的集成。
解决什么问题：当前 AI 编码的典型痛点是”生成快但质量不可控”。开发者和 AI Agent 在没有明确规范的情况下编码，产出往往需要大量返工。Spec Kit 让”先写 spec，再写代码”成为可执行的流程而非口号。
为什么值得关注：这是 GitHub 官方对”如何正确使用 AI 编码”的正式回答。+321⭐/day 且来自 GitHub 自家，说明规范驱动开发正在从社区实践升级为平台级推荐。结合昨天的 ECC 和 learn-claude-code，Agent 工程化的方法论正在收敛：spec → harness → code。
chopratejas/headroom — AI Agent 上下文压缩层 +3,142⭐/day
[推理优化] [工具链]
持续爆发（首次报道 06-03，连续 3 天 Trending）。今日 +3,142⭐，总 star 持续攀升。Headroom 提供 6 种压缩算法，可在将工具输出、日志、文件和 RAG 分块发送给 LLM 前压缩 60-95% 的 token，且保持答案质量不变。支持 library、proxy、MCP server 三种使用方式。
增量：headroom 的增长轨迹（06-03 首报 → 06-04 +3,530⭐ → 06-05 +3,142⭐）显示其在 Agent 上下文管理这个细分领域找到了强 PMF。与 spec-kit 的互补关系值得关注：spec 管输入质量，headroom 管输入体积。
🔗 github.com/chopratejas/headroom
OpenAI 发布 “Dreaming”：ChatGPT 记忆系统升级 [新发布]
[产品] [记忆]
是什么：OpenAI 为 ChatGPT 推出名为”Dreaming”的全新记忆机制。类似人类睡眠中的记忆巩固过程，ChatGPT 在对话间隙对交互历史进行”梦化”处理——提取关键信息、遗忘冗余细节、重组知识关联，从而在后续对话中提供更个性化和连贯的回复。
解决什么问题：当前 ChatGPT 的记忆功能本质上是简单的键值存储（“记住用户偏好 X”），缺乏对长期对话上下文的深层理解和整合。随着用户与 ChatGPT 交互时间增长，原始记忆堆积导致检索精度下降。Dreaming 试图通过”压缩+重组”解决记忆衰减问题。
为什么值得关注：这是 LLM 产品中首次将认知科学的”记忆巩固”概念工程化。如果 Dreaming 的记忆质量确实优于简单存储，它将改变用户与 AI 的长期关系——从”每次对话都像新认识”变成”AI 真正了解你”。对 Agent 系统也有启示：Agent 的长期记忆不应只是数据库查询，而需要主动的知识整理。
🔗 openai.com — Dreaming: Better memory for a more helpful ChatGPT
🔥 持续热门
| 项目 | 今日变化 | 累计 Star | 首次报道 |
|---|---|---|---|
| headroom | +3,142⭐ | 持续爆发 | 06-03 |
| ECC | 稳定 | 207K+ | 06-04 |
| Open-LLM-VTuber | +581⭐ | 持续增长 | 06-04 |
| learn-claude-code | 64K+ | 稳定 | 06-04 |
| career-ops | 48K+ | 稳定 | 06-04 |
🧩 Agent 生态
mvanhorn/last30days-skill — 跨平台 Agent 研究技能 [新上榜]
[Agent框架] [研究工具] +199⭐/day
是什么：一个 AI Agent 技能插件，自动在 Reddit、X、YouTube、Hacker News、Polymarket 和全网研究任意话题，然后综合出基于真实互动数据（点赞、投票、真金白银）的摘要。支持 Claude Code、Codex、Cursor、Copilot 等 50+ Agent 平台，零配置即装即用。
解决什么问题：Agent 做研究时面临信息源分散、质量参差不齐的问题。last30days 把多个平台的信号聚合起来，用”社区投票+真金白银”作为质量过滤器，而非依赖编辑推荐或算法排序。
为什么值得关注：它代表了一种新趋势——Agent Skill 作为跨平台的可插拔能力模块。用户不换 Agent 就能获得统一的研究能力，这与 MCP 协议的理念一脉相承。
🔗 github.com/mvanhorn/last30days-skill
openclaw/openclaw-windows-node — OpenClaw Windows 原生套件 [新上榜]
[Agent应用] [桌面端] +411⭐/day
是什么：OpenClaw AI 个人助手的 Windows 原生配套套件，由 Scott Hanselman 主导开发。包含系统托盘应用（WinUI 3）、共享客户端库和 CLI 工具，支持 WebSocket 连接、配对和诊断。还提供 PowerToys Command Palette 扩展。
为什么值得关注：AI 助手从 Web/Chat 界面深入操作系统层面的又一个信号。Scott Hanselman（微软开发者关系负责人）参与开发，暗示微软生态对 AI 助手桌面化的支持态度。
🔗 github.com/openclaw/openclaw-windows-node
github/copilot-sdk — GitHub Copilot 多平台 Agent SDK [新发布]
[SDK] [Agent框架] +38⭐/day
是什么：GitHub 发布 Copilot CLI 的正式 SDK，支持 Python、TypeScript、Go、.NET、Java、Rust 六种语言。开发者可以编程式调用 Copilot 的 Agent 引擎——定义行为后，Copilot 处理规划、工具调用、文件编辑等。无需自建 Agent 编排层。
为什么值得关注：将 Copilot Agent 从 CLI 工具升级为可嵌入任何应用的 SDK。与昨天的 GitHub Agent 路线图一致——GitHub 正在把 Copilot 从”编码助手”重新定位为”Agent 平台”。
🔗 github.com/github/copilot-sdk
lfnovo/open-notebook — 开源 NotebookLM 替代品 [新上榜]
[RAG] [工具] +212⭐/day
是什么：Google NotebookLM 的开源替代品，主打隐私优先和更灵活的功能。支持本地部署，用户可以将文档、网页等内容导入后进行 AI 驱动的问答和摘要。
为什么值得关注：NotebookLM 是目前最好的”AI+文档”产品之一，但它的闭源和云依赖限制了企业采用。open-notebook 填补了本地化部署的空白。
🔗 github.com/lfnovo/open-notebook
🤖 模型与推理
NVIDIA Nemotron 3 Ultra 获 vLLM Day-0 支持 [新发布]
[开源模型] [推理]
是什么：NVIDIA 发布 Nemotron 3 Ultra 模型，vLLM 和 Ollama 同步提供 Day-0 支持。Ollama 已可直接 ollama run nemotron3-ultra 运行。
为什么值得关注：NVIDIA 从芯片厂商持续向模型厂商渗透。Day-0 支持（模型发布当天即适配主流推理框架）说明 NVIDIA 正在建立”芯片→模型→推理框架”的垂直整合链路。与 NVIDIA Cosmos（下方）一起，NVIDIA 正在构建从物理 AI 到语言模型的完整栈。
🔗 vllm.ai — Day-0 Support for Nemotron 3 Ultra 🔗 ollama.com — NVIDIA Nemotron 3 Ultra
NVIDIA Cosmos 3 — 物理世界模型平台 [持续热门]
[世界模型] [机器人] +133⭐/day
是什么：NVIDIA Cosmos 是面向物理 AI 的开放世界模型平台，包含 Generator（生成物理场景视频）和 Reasoner（物理推理）两大能力。Cosmos 3 是最新版本，支持 Diffusers、vLLM-Omni 和 NIM 推理。
为什么值得关注：世界模型是具身智能的关键基础设施。Cosmos 3 的 Generator+Reasoner 架构让机器人可以在仿真环境中学习和推理，降低真实世界训练的成本和风险。
PaddlePaddle/PaddleOCR — 文档 AI 引擎 [持续热门]
[OCR] [文档解析] +141⭐/day
是什么：百度飞桨 OCR 工具包，可将 PDF 和图像文档转为结构化数据（JSON/Markdown），支持 100+ 语言。被 Dify、RAGFlow、Cherry Studio 等顶级项目采用。
为什么值得关注：70K+ Stars，定位为 RAG 和 Agent 应用的文档处理基础设施。与昨天的 opendataloader-pdf 形成竞争关系——两者都瞄准”文档→LLM 就绪数据”这个关键管道。
🔗 github.com/PaddlePaddle/PaddleOCR
- vLLM × DeepLearning.AI 新课程 (vLLM Blog) — 面向开发者的 vLLM 高效推理实战课程。链接
🛡️ 安全与伦理
OpenAI 发布生物防御战略文件 [政策]
[安全] [生物风险]
OpenAI 发布”智能时代的生物防御”（Biodefense in the Intelligence Age）战略文章。讨论 AI 在生物威胁检测、疫苗开发和流行病学建模中的应用，同时提出 AI 被滥用于生物武器设计的风险管控框架。与昨天的前沿 AI 治理蓝图和公共政策议程一起，OpenAI 本周连续第三天发布政策文件，系统性地构建安全叙事。
🔗 openai.com — Biodefense in the Intelligence Age
reconurge/flowsint — OSINT 图谱调查平台 [新上榜]
[安全] [OSINT] +308⭐/day
是什么：开源的 OSINT（开源情报）图谱探索工具，面向网络安全分析师和调查人员。提供可视化、灵活且可扩展的图谱式调查界面。
为什么值得关注：将 AI 时代的 OSINT 从”命令行工具”提升为”可视化图谱平台”。对安全分析师来说，图谱化的关联分析比列表化的结果更直观高效。
🔗 github.com/reconurge/flowsint
- Simon Willison 引用 404 Media (Simon Willison) — 关于 AI 内容的”略微不同版本”问题的讨论，涉及 AI 生成内容的版权和溯源。链接
🏭 行业动态
OpenAI × Endava：围绕 AI Agent 重构软件交付 [案例]
[企业] [Agent]
OpenAI 分享 Endava（全球 IT 咨询公司）如何围绕 AI Agent 重新设计软件交付流程的案例。标志着 Agent 从”开发者工具”向”企业交付方法论”的演进——不仅是用 Agent 写代码，而是用 Agent 重新定义整个软件生命周期。
🔗 openai.com — How Endava is redesigning software delivery
Google 多项行业动态 [行业]
- Gemini for Education 进军犹他州 K-12 — Utah State 与 Google 合作，将 Gemini 带入所有 K-12 学校。链接
- Kaggle 推出 AI Benchmark 无代码创建 — 让开发者无需编程即可构建 AI 基准测试。链接
- Google 在德州 Gray 和 Roberts County 建新数据中心 — 扩大 AI 基础设施投资。链接
- Latent Space: Reality — The Final Eval (Latent Space) — Andon Labs 联合创始人讨论 AI Agent 的”现实世界评估”问题——如何评估 Agent 在真实环境中的表现。链接
- Latent Space: Reve 2 和 Ideogram 4 (Latent Space) — AI 图像生成领域的布局控制能力更新。链接
- Simon Willison: AI 爱好者 vs AI 怀疑者 (Simon Willison) — “AI 爱好者在和时间赛跑，AI 怀疑者在和熵增赛跑”的思考。链接
🔮 趋势总结
1. GitHub 正在定义”AI 编码的正确姿势”：spec-kit（规范先行）+ copilot-sdk（Agent 平台化）+ ECC/headroom（Harness 工程化），三条线同时推进。平台方不再是只提供模型，而是提供方法论。
2. AI 记忆从”存储”走向”认知处理”：OpenAI 的 Dreaming 不只是”记住更多”，而是模拟人脑的记忆巩固过程——压缩、重组、遗忘冗余。这将改变 Agent 长期记忆系统的设计思路。
3. NVIDIA 全栈渗透加速：从芯片（GPU）→ 世界模型（Cosmos 3）→ 语言模型（Nemotron 3 Ultra）→ 推理框架（Day-0 vLLM/Ollama 支持），NVIDIA 正在建立 AI 全产业链的垂直整合。