🔥 今日最热
NVIDIA/SkillSpector +319⭐ — AI Agent 技能安全扫描器：64 种漏洞模式、16 大类别 [Agent安全] [工具链]
是什么：NVIDIA 发布 SkillSpector——专门针对 AI Agent 技能（Claude Code、Codex CLI、Gemini CLI 等使用的 skills）的安全扫描工具。支持扫描 Git 仓库、URL、zip 文件、目录等多种输入格式，覆盖 64 种漏洞模式、16 大类别，包括：提示注入、数据泄露、权限提升、供应链攻击、过度代理、系统提示泄露、记忆投毒、工具滥用、恶意代码（AST 分析）、污染追踪、YARA 签名等。
解决什么问题：NVIDIA 的研究表明 26.1% 的 AI Agent 技能存在安全漏洞，5.2% 具有明确恶意意图。当前 Agent 技能生态在隐式信任模型下运行——用户安装 skills 时几乎没有安全审查机制。SkillSpector 填补了这一安全空白，在安装前帮你回答”这个 skill 安全吗？”
为什么值得关注：这是 Agent 生态安全化的标志性事件。NVIDIA 不是安全公司，而是 GPU/AI 基础设施巨头——它发布安全工具说明 Agent 安全已上升为行业基础设施级问题。随着 agent-skills、superpowers 等技能框架爆发式增长，安全问题成为下一个必答题。SkillSpector 可能成为 Agent 技能市场的”杀毒软件”标配。
🔗 github.com/NVIDIA/SkillSpector
msitarzewski/agency-agents +1599⭐ — AI 代理机构：15+ 专业角色 Agent 集合 [Agent应用] [多角色]
是什么：一个精心打造的 AI Agent 个性化角色集合，每个 Agent 都是特定领域的专家——前端开发、Reddit 社区运营、创意注入、现实检验等。每个角色拥有独立人格、工作流程和可交付成果。原生支持 Claude Code，通过 claude install 一键安装。源自 Reddit 帖子和数月迭代。
解决什么问题：通用 AI 助手在专业领域深度不足。通过为 Agent 注入领域专长、工作风格和交付标准，让 Agent 在特定任务上达到”专业顾问”水平，而非”什么都懂一点”的通用助手。
为什么值得关注：+1599⭐ 的高增长反映了一个趋势：Agent 正从”通用工具”走向”专业团队”。这与 agent-skills（工程技能）、pm-skills（产品技能）形成互补——后者提供能力框架，agency-agents 提供角色人格。未来 AI 团队可能由多个专业化 Agent 组成，各司其职。
🔗 github.com/msitarzewski/agency-agents
OpenAI 宣布收购 Ona [行业动态] [并购]
是什么：OpenAI 宣布收购 Ona，这是其在企业级 AI 服务领域的又一重要布局。收购标志着 OpenAI 从模型提供商向全栈 AI 服务商的持续转型。
为什么值得关注：OpenAI 的收购策略正从模型/基础设施公司转向应用层和企业服务公司，说明大模型基础能力的竞争阶段已过，现在比拼的是谁能更快地将 AI 能力嵌入企业工作流。Ona 的加入可能补强 OpenAI 在企业定制化服务方面的短板。
🔥 持续热门
| 项目 | 今日变化 | 累计 Star | 首次报道 |
|---|---|---|---|
| addyosmani/agent-skills | +3278⭐ | 持续加速 | 06-10 |
| apple/container | +2430⭐ | 持续高温 | 06-11 |
| obra/superpowers | +1322⭐ | 持续增长 | 06-11 |
| phuryn/pm-skills | +1978⭐ | 持续加速 | 06-09 |
| soxoj/maigret | +661⭐ | 持续增长 | 06-11 |
| refactoringhq/tolaria | +604⭐ | 稳定 | 06-10 |
| ECC | 稳定 | 213K+ | 06-04 |
🧩 Agent 生态
hexo-ai/sia +199⭐ — 自我改进 AI 框架：Agent 自动优化 harness 和权重 [Agent框架] [自我进化]
是什么：SIA（Self-Improving AI）来自论文 “SIA: Self Improving AI with Harness & Weight Updates”（Hebbar et al., 2026）。核心机制：语言模型 Agent 同时更新自身的 harness（运行框架代码）和 weights（模型权重），形成持续进化闭环。论文报告 LawBench 提升 56.6%、GPU 内核优化减少 91.9% 运行时间、单细胞 RNA 去噪提升 502%。
解决什么问题：当前 AI Agent 的性能优化依赖人工调参和外部评估。SIA 让 Agent 能够”自己优化自己”——自动发现瓶颈、调整策略、更新代码，形成无需人类干预的持续改进循环。
为什么值得关注：如果自我改进闭环成立，这是通向 AI 自主进化的关键技术路径。与 RLHF（人类反馈驱动）和 Constitutional AI（规则驱动）不同，SIA 代表了”性能驱动”的第三条路线。
kenn-io/agentsview +114⭐ — 编码 Agent 的会话分析与成本追踪 [Agent工具] [可观测性]
是什么：本地优先的编码 Agent 会话智能分析工具。支持 Claude Code、Codex 等 20+ 种编码 Agent，可浏览搜索会话历史、追踪成本花费。号称 ccusage 的 100 倍快速替代品。提供 CLI、桌面 App 和 Docker 三种部署方式。
解决什么问题：编码 Agent 使用量快速增长，但缺乏统一的成本追踪和会话分析工具。开发者难以量化 Agent 的投入产出比，也不方便回顾和复用成功的 Agent 会话模式。
为什么值得关注：Agent 可观测性是从”能用”到”可管理”的关键基础设施。随着企业规模化部署编码 Agent，成本控制和会话审计成为刚需。这个方向的工具会越来越多。
🔗 github.com/kenn-io/agentsview
alchaincyf/zhangxuefeng-skill — 张雪峰认知操作系统：高考志愿/职业规划 Agent Skill [Agent技能] [教育]
是什么：基于张雪峰 5 本著作、15+ 篇权威媒体采访、30+ 条一手语录、11 个关键决策记录和完整人生时间线，提炼出 5 个核心心智模型和 8 条决策启发式。不是语录合集，而是可运行的思维框架——安装后 Agent 以张雪峰的”就业倒推法”等决策逻辑回答高考志愿、考研和职业规划问题。由女娲.skill 生成。
为什么值得关注：这是一个标志性案例——将个人专家的认知体系蒸馏为可执行的 Agent 技能。“知识蒸馏为技能”正在成为新的内容形态，未来每个领域专家都可能有自己的 .skill 版本。
🔗 github.com/alchaincyf/zhangxuefeng-skill
thedaviddias/Front-End-Checklist — 前端质量清单新增 MCP Server：385 条规则对 Agent 开放 [Agent工具] [前端]
是什么：经典前端质量检查清单项目重大升级。新增 MCP Server（mcp.frontendchecklist.io），让 AI Agent 可以直接调用前端审查能力。覆盖 385 条英文规则、11 个活跃分类。定位从”人类参考清单”进化为”人机共用质量系统”。
为什么值得关注：这是传统开发工具主动适配 Agent 生态的典型案例——不是新建 Agent 专用工具，而是给已有工具加 MCP 接口。随着 MCP 标准普及，更多成熟工具会走这条路。
🔗 github.com/thedaviddias/Front-End-Checklist
🤖 模型与推理
maziyarpanahi/openmed +426⭐ — 本地优先医疗 AI：1000+ 专用模型，患者数据不出网 [医疗AI] [边缘推理]
是什么：本地优先的开源医疗 AI 平台。将临床文本转化为结构化洞察——实体提取、PII 去标识化，1000+ 专用医疗模型完全在本地硬件运行。支持 Python 一行调用和 Apple iPhone 原生 Swift App（基于 Apple MLX）。无云依赖、无供应商锁定、患者数据不离网。
解决什么问题：医疗 AI 的核心矛盾——需要强大模型能力，但患者隐私法规（HIPAA、GDPR）严格限制数据外传。OpenMed 用本地部署解决合规性，用 1000+ 专用小模型解决专业性。
为什么值得关注：+426⭐ 反映了医疗行业对”AI 可用但数据不出网”方案的迫切需求。Apple MLX 原生支持意味着 iPhone/iPad 可直接运行——这是医疗 AI 真正进入临床的路径。
🔗 github.com/maziyarpanahi/openmed
Ollama MLX 性能创 Apple Silicon 新高 [推理优化] [Apple Silicon]
是什么：Ollama 发布基于 MLX 的性能优化更新，在 Apple Silicon 上实现迄今最高推理性能。MLX 是 Apple 专为自家芯片设计的机器学习框架，可更好地利用统一内存架构和 Neural Engine。
解决什么问题：Apple Silicon 算力强大，但通用推理框架（如 llama.cpp）无法充分利用其架构特性。MLX 原生优化释放了 M 系列芯片的全部推理潜力。
为什么值得关注：Apple Silicon 是本地 AI 推理的最佳硬件平台之一。Ollama + MLX 的组合让 MacBook 成为真正的个人 AI 工作站——不需要独立 GPU，不需要云服务，打开电脑就能跑大模型。
HuggingFace: PyTorch 算子融合——从 nn.Linear 到 Fused MLP [推理优化] [PyTorch]
是什么：HuggingFace 发布 PyTorch 性能优化系列第二篇，详细讲解如何将 nn.Linear 层级融合为 MLP 以提升 GPU 推理效率。
为什么值得关注：算子融合是提升推理吞吐量最直接的优化手段之一。HuggingFace 持续输出高质量工程实践内容，对实际部署模型的开发者有直接参考价值。
🛡️ 安全与伦理
Anthropic 撤回可能”破坏” AI 研究者的政策 [AI政策] [学术自由]
是什么：Anthropic 撤回了一项引发争议的政策——该政策可能限制使用 Claude 进行 AI 研究的研究者的工作。Simon Willison 跟踪报道了这一政策反转。
为什么值得关注：AI 公司在安全与研究自由之间的张力持续存在。Anthropic 以安全著称，但过度限制可能适得其反。这次快速纠错反映了社区监督的力量——当政策可能伤害研究生态时，响应速度和透明度比固执己见更重要。
DeepMind 投资多 Agent AI 安全研究 [AI安全] [多Agent]
是什么：Google DeepMind 宣布投资专门针对多 Agent 系统的 AI 安全研究。当多个 AI Agent 协同工作时，安全风险不是单个 Agent 风险的简单叠加——交互产生的涌现行为可能带来全新威胁。
为什么值得关注：多 Agent 系统正在从研究走向生产部署（AutoGPT、agency-agents 等），但安全研究严重滞后。DeepMind 的投入标志着行业开始认真对待”Agent 群体安全性”问题。与 NVIDIA SkillSpector 从两个不同角度（运行时安全 vs 设计时安全）共同推动 Agent 安全化。
🏭 行业动态
- OpenAI 支持欧洲可信 AI 生态系统 (OpenAI Blog) — OpenAI 表态支持欧盟 AI 监管框架，为在欧洲市场合规运营铺路。链接
- BBVA 用 OpenAI 改造银行业核心 (OpenAI Blog) — 西班牙跨国银行 BBVA 将 AI 深度嵌入银行业务流程，金融行业 AI 落地实践。链接
- Simon Willison: Claude Fable 极度主动 (Simon Willison) — 分析 Anthropic 新模型 Claude Fable 的”极度主动”行为特征，主动型 Agent 设计的参考。链接
- Simon Willison: datasette 1.0a33 (Simon Willison) — datasette 数据探索工具持续迭代。链接
- CherryHQ/cherry-studio 47K+⭐ — AI 生产力工作室，300+ 助手和主流 LLM 统一入口。链接
🔮 趋势总结
1. Agent 安全成为基础设施级问题：NVIDIA 发布 SkillSpector 不是安全公司的产品，而是 GPU 巨头的安全布局。26.1% 技能存在漏洞这一数据，可能触发整个 Agent 生态的安全审计浪潮——类比 npm audit 对 Node.js 生态的影响。与 DeepMind 的多 Agent 安全投资共同构成”运行时 + 设计时”的双重安全防线。
2. Agent 角色化加速——从”工具”到”团队成员”：agency-agents（+1599⭐ 专业角色集合）、zhangxuefeng-skill（专家认知蒸馏）、superpowers（行为方法论）三条路线正在汇聚。未来的 AI 团队可能像人类团队一样分工——设计师、PM、安全审计师、前端专家各司其职，而 Agent Skills 是他们的”岗位说明书”。
3. 本地推理突破性能天花板：Ollama MLX 在 Apple Silicon 上创性能新高 + OpenMed 在 iPhone 上跑 1000+ 医疗模型，标志着本地推理从”能用”走向”好用”。患者数据不出网、个人数据不上云——隐私优先的 AI 正在成为主流路线，而 Apple Silicon + MLX 是这条路线的核心技术栈。