GitHub AI 日报

⭐⭐⭐ 「技能」今天同时出现了三种制度化形态：厂商维护 + 社区维护 + 论文流水线。 Chrome/Edge/Firefox/MDN 维护 203 条带评测仪表盘的网页指南；CQF 社区维护 12 个每个都配 evals 的临床技能；AS…

• 浏览器厂商开始给「网页知识」配评测仪表盘：Google Chrome 把 203 条指南做成了需要持续回归的资产
• 临床知识第一次有了「官方技能库」形态：CQF 把 CQL、FHIR、临床推理全部写成带评测的 Agent Skill
• 「证据锚定」的技能库长出了工业规模：ASB 从方法学论文蒸馏出 11,830 条代谢组学技能

今天最值得记的一件事，是「评测器自己也要被评测」。 超声报告元评测给出了本期最硬的一组数字：BLEU、ROUGE-L、chrF、BERTScore、RaTEScore 在「植入临床错误 vs 无害改写」这一对基准上，检出限从未达到 AURO…

• 给「打分器」本身做评测：BLEU/BERTScore 根本抓不住植入的临床错误，能抓的是结构化事实抽取加图像定位
• 技能也要有质量门：NVIDIA 把「失败的评测臂」和「没跑的评测臂」在报告里严格区分开
• 标签照片进 App：食品标签识别被拆成「AI 只读、数值按每 100 g 归一、能量与宏量交叉校验」

⭐⭐⭐ 技能（skill）正在从「提示词片段」变成「可携带、可评测、可更新的方法论资产」，并且已经有了公开的工业级样本。 本期 awslabs/hcls-agent-skills 把 43 个医疗与生命科学技能按 reasoning（方法论…

• awslabs/hcls-agent-skills：AWS 把 43 个医疗与生命科学技能做成了「可移植的标准件」，并用 410 道两两对比题证明它比不加载技能更强
• openai/codex-security：官方给 agent 装上了「安全扫描器」，并且开始把别的扫描器的结果也纳入统一证据链
• awslabs/unified-kg-rag-on-aws：四种图谱 RAG 跑在同一套索引上，并且开始把「重命名」当成一次需要回滚的迁移

⭐⭐⭐ 「读了没有」正在变成一个可以被机器判红的问题。 11-10 我记的 astryx 是「测试失败报具名场景」，11-09 我记的 squad 是「规范/文档/矩阵三者对齐代码 + 回归守卫」，今天 assay 直接把这件事做到了 ag…

• Prabh54/groundedmed：让生物医学 RAG 自己证明自己没编——每条结论都带引用校验，批评者模型还能打回重写
• Muratovnik/assay：给 coding agent 装上「读过的文件必须列全」的门禁——它把「我读过代码」这句话变成可自动核对的声明
• vxxqv/openomicsbench：把「组学软件怎么验」做成能离线跑的包——v13 刚把 RNA-seq 输入包与校验和一起发出来

本期最清楚的一条主线是：AI 系统正在被要求"能被独立验证"，而这一期把验证做到了三个从未触及过的深度——制品级、哈希级、盲审级。 bpf-benchmark 把一篇已被 ACM ATC '26 接收的论文做成可被第三方独立评测的制品，并要…

• meta/astryx：Meta 把内部用了八年的设计系统开了源，150+ 组件全部"开放内部结构"——它要解决的不是好看，而是让 agent 改 UI 时能读懂、能下手
• github/squad：GitHub 官方下场做"一支人来指挥的 AI 开发团队"——它把团队成员的 charter（岗位说明书）写进仓库文件，让治理与代码住在同一个 git 里
• wld007/dsh-medical-anonymizer：给 DeepSeek Harness 装一个"病历批量脱敏"插件——规则先跑、模型盲审、没查清的绝不静默通过，每一批都留下审计报告

本期最清楚的一条主线是：AI 生成的产物正在被系统性地要求"自己证明自己站得住"，而这一次要求落实到了三个不同的层面——证据的适用条件、执行的可回放性、以及改动的可追溯性。 mTOR Atlas 要求每条结论带"测量条件"与"失效边界"，并…

• open-mtor-atlas/atlas：一份把 mTOR 研究按"证据能承担什么结论"分级编目的数据库——400+ 篇原始研究每条都带来源、测量条件，以及它在哪里就不再成立
• hherb/bmlib：把"这篇文献到底能不能信"做成一整套可编程的基础设施——撤稿状态四态判定、Cochrane 九域偏倚评估、PICO 每一段都必须有论文自己的引文支撑
• ccch1mneyyy/dsh-Go：把 DeepSeek Harness 装进手机——本机跑得动，也能反过来遥控你的电脑，而且它在对话中途就允许你插话

本期最明显的一条主线是：约束正在从"提示词里的要求"下沉成"运行时里不可绕过的闸门"，而且闸门开始自带三样东西——阈值来源、判定理由、以及拒绝记录。 lights-out 的八道闸门每道只打印一行 GO/NO-GO 并注明阈值出处，assa…

• nicolaguglielmi/lights-out：把 AI 写代码这件事变成"暗灯工厂"——八道数值闸门逐 PR 放行、每张工单有自己的围栏、灰度异常自己回滚，而最后一步永远要一个人点头
• Rul1an/assay：给"特权工具调用"造一份可离线重算的证据档案——它明确说"工具返回 success 只是提供方的断言，永远不是证明"，并把声明分成四档
• rootstudioyaml/sprag：把"这次活该由哪个模型干"变成可复算的规则——同一批 12 个请求，账单从 6.68 美元降到 1.83 美元，而每条规则都有能打开的回放用例

本期最明显的一条主线是：约束正在从"提示词里的要求"变成"运行时里不可绕过的闸门"，而且闸门开始自带证据。 skill-diet 用"旧版/新版/无版三路对照 + 盲评 + 评分器自己也会失败"来保证瘦身不引入回归；navigator 让 …

• nicobailon/skill-diet：给 agent 的"技能包"做减法——70–80% 的 token 就能砍掉而不掉分，而且它把"在别的模型上还灵不灵"也变成了一张可复算的表
• qf-studio/navigator：把"上下文管理"从提示词搬进运行时——它会拦住没写完任务的退出信号、拦截手写的任务文件，并给每次拒绝留一行日志
• Mason-Levyy/myfitnesspal-mcp：让 AI 直接写进你的饮食日记——但写入后必须"读回日记"验证，这是我见过最朴素也最可靠的一条防幻觉做法

本期最明显的一条主线是："把承诺写进代码，而不是写进提示词"这一形态正在从医疗 AI 扩散到整个 agent 工程。AdelIA 把临床契约、红旗短路、逐字引文与拒答阈值做成带测试的代码；cf-skills 把证据采集做成不经过语言模型的 …

• santiagopatinoserna/AdelIA：把"临床承诺"从提示词里搬到代码里——每一条临床陈述都必须带引用，没有证据就整句拒答，红旗信号直接短路模型
• 12burb/hermes-fledge：把"谁来给 agent 写的技能打分"从模型手里拿走——技能得靠证据挣得翅膀，出错的技能进试用期而不是直接上线
• senseiewok/cf-skills：一个囊性纤维化研究实验室把自己的循证方法做成了 47 条命令——每个答案都是一条带来源、日期、依赖字段和"不许留空的局限说明"的证据记录，而且它从不调用语言模型

本期最值得记住的一条判断：AI 工具的竞争焦点正在从"谁能生成"移向"谁能证明"。 三个互不相干的项目在同一周给出了同一个答案。agent-desktop 的快照 JSON 里带 complete 字段、过期引用返回 STALE_REF、目…

• ovumcy/ovumcy-web：把"预测可不可信"变成一道代码闸门——不只算出受孕期，还要在数据不够时整段扣住不放
• vercel-labs/agent-desktop：让 agent 操作桌面不靠"看图猜坐标"，而是读系统的无障碍树并给每个可点元素一个稳定引用——今天正式加上了 MCP
• zarnautovic/tdeemon：把补剂/热量方案的"硬底线"写进代码里，AI 只能提议、不能执行——而且有一个 AI 永远无法下调的下限

今天的 134 个条目里，最值得注意的不是哪个仓库涨了多少星，而是"证据与授权"这两件事正在从"文档里的善意提醒"下沉成"代码里的硬约束"。四个方向上是同步发生的。

• ClawBio/ClawBio：把"领域专家的分析决策"写成可版本化、可评审、可复现的机器合同——这套技能库的组织方式，正是我 GRPM 营养基因组学系统最缺的那一层
• cortexkit/aft：给 agent 配一套真正的 IDE 与 OS——把"读文件改代码"换成"按符号读写"，并且给每次改动都留一个能撤销的备份
• zilet/cairn：把化验单、训练、饮食、睡眠读成一幅图，然后只给今天最值得做的那一件事——"不做分数、不做催促"是它最反潮流的一句话

今天的 102 个条目里，主线只有一条：agent 生态开始出现"分层的自我怀疑"——不是让模型更聪明，而是给模型配套的评测、记忆与安装链路补上验证层。这在四个方向上是同步发生的。

• Alice39s/agent-stash：给 DSH 装的"技能抽屉"——从已结束的会话里提炼可复用流程，审核后存成 Skill，这正是我专家包工作流缺的那一环
• MarissaFamularo/Calibrate：把"医生该不该信 AI"做成可测量的 2×2 矩阵——过度依赖与反射性否定这两个词，精准命中了我做补剂方案时的真实风险
• richmondgoh8/macro-longevity：把"覆盖率回归"写进健康应用——140 项化验参考逐条映射到可用字段，这是 4P 补剂平台最该抄的一块

今天最值得记的一条主线是：AI agent 生态的重心正在从"能不能跑通"整体转向"边缘情形有没有被处理干净"——而这个转向，几乎在四条线上同时发生。 37,251 星的 oh-my-pi 在修"标题漂移判定"和"按 wire 上真实字符串…

• can1357/oh-my-pi：把 IDE 真正接进编码 agent——37,251 星的 pi 分支在 24 小时内跑了 74 次提交，今天的主题是"让 agent 少猜、多量"
• ayuayue/PiDeck：中文社区里把 pi 与 DSH 两个后端塞进同一个桌面工作台——而 DSH 正是我本机在跑的那套 harness
• OpenAdaptAI/OpenAdapt：把"agent 说自己成功了"变成可以证伪的命题——在开源 EHR 上，30 次故意写坏的记录被读回校验抓住

今天最值得记的一条，是「凭据不进模型上下文」这件事被提到了比运行时拦截更靠前的一层。 上一期 hashgraph-online/hol-guard 讲的是 agent 运行中如何阻断危险工具调用与密钥访问；今天 lightpanda-io/…

• lightpanda-io/browser：AI 专用浏览器开始替模型「遮住密码」——把凭据从模型可见的上下文里抹掉，这比任何运行时拦截都靠前一层
• seancpc/MedAgent-EHR：Planner–Executor–Verifier 三段式 + 两阶段写入，临床 agent 在 300 题 MedAgentBench 上做到约 88%，且完全自架本地模型
• whiteravens20/diet-app：把营养计算做成确定性引擎、AI 降级为可选助手——"it never invents nutrition facts" 是写进 README 的一句话

今天最值得记的一条，是腾讯云把"云开发后端"正式做成了 Agent 生态位。 CloudBase-AI-Toolkit 38 个 MCP 工具、482 个测试用例、托管远程连接器走 Streamable HTTP + OAuth 并已提交审…

• TencentCloudBase/CloudBase-AI-Toolkit：腾讯把「云开发后端」正式做成了 AI 编程 Agent 的插件、Skill 与 MCP 三件套
• itsoso/health-llm-driven：中文圈把「个人健康 OS」做成了产品——数字健康孪生、安全守护、行动排序、干预周期四段闭环
• craft-b/formula-forge：临床营养配方 agent 划出了一条硬边界——模型只许提结构，营养数字一律由确定性层重算

今天最清晰的一条主线是「本地优先」从口号变成了架构约束，而且是被逼出来的。 stjude/MyGPT 明确以"跑在一台 1839 美元的 Mac mini 上"为前提；open-healthcare-agentic-platform 为 A…

• cindy：把「装好就能用」的 AI Agent 做成了桌面 + 双端 + 群聊的完整产品，而不是又一个终端框架
• open-healthcare-agentic-platform：医疗 agent 开始正面回答"模型说了不算，规则说了算"
• stjude/MyGPT：把临床级 RAG 做到「跑在一台 1839 美元的 Mac mini 上」，并把论文与评测代码一并开源

今天最一致的动作不是"造更强的 agent"，而是"给 agent 加一层便宜的分流器"。 mu 用小 judge 接管例行判断、lemoncrow 做运行时加速、LLMKube 把算力编排开——三件事都在同一处下刀：把成本从每次调用挪到固…

• mu (μ)：给编码 agent 装一个"小而快的裁判"，把例行决策从大模型上摘下来
• bmlibrarian：多智能体生物医学文献系统，并且今天修的是"把研究数量当成样本量"这种硬伤
• OpenNutriTracker v2.5.0：离线优先的热量与微量营养记录器，10-24 上线了新的"待记录清单"录入流

"写权限"成了医疗 agent 的分水岭。昨天的医疗 agent 还在比"答得准、说得清"，今天的 last-ehr 直接把问题改写成："谁批准了这次写入、批准的是不是提交的那一份、事后能不能追"。Proposal → Decision →…

• Omnigent：11k★ 的"元 harness"，把 Claude Code / Codex / Cursor 收进同一层并开始管住它们
• Last EHR：把"agent 写病历"做成一个可审批的协议，并公开自己的覆盖上限
• HL7 官方仓库一天之内把"分子肿瘤委员会"从患者横幅做到 AI 综合

Harness 白热化后的差异化押注：hermes-agent（环境休眠 + 六后端）、openhuman（$10 VPS 跑 500 agent）、deer-flow（沙箱生命周期）、omnara（托管关机语义）同日活跃，说明 harne…

• Vector Institute 开源 Odyssey：可解释的患者时序基础模型，把"每个声明都可证伪"写进了工程
• Google 官方发布 Elephant-Goldfish Model：规格驱动开发插件，用"零上下文子代理"给规格书做压力测试
• Nous Research Hermes Agent：256k★ 的开源 Agent Harness，把"环境随用随睡"做成了默认能力

瓶颈从"模型"移到"协作协议"。今天最热的三个 AI Coding 项目——git-ai（源码管理）、reason-network（agent 之间通信）、kandev/harp（几十个会话的可观测与调度）——没有一个是模型，全是在解决"多…

• git-ai：把 Anthropic 内部 Scion 的"为 Agent 重做源码管理"公开复刻出来了
• 腾讯混元 Hy-Memory：把"编程记忆"做成独立的双系统认知引擎（MemHub 打通 5 类编码工具）
• HasteHealth：给"AI 原生健康应用"的开源 FHIR 服务器，MCP 与 SMART on FHIR 是内置件

技能生态进入"供应链治理"阶段。NVIDIA 用签名 + 评测集 + 基准报告定义"已验证技能"，AAS 在同一天连修"缺 release identity / 跳过源校验 / false-ready 入库"。技能不再只是内容，而是需要准入…

• NVIDIA/skills：技能开始有签名、有评测集、有基准报告
• jcode：并行 agent 的真正瓶颈，是"交接"而不是"启动"
• NotePilot v1.8：临床摘要的关键不是"写得像"，而是"能被核验"

医疗 Agent 的竞争点从"能力"移到"中间层"。MedMCP 管工具与数据不出院，HealthClaw 管 PHI/审计/认证，M4 管临床语义，Hospilot 管可观测性——四家都在做"模型之外"的事，且都默认自托管。 2. 临床技…

• MedMCP：医学影像的 Agent 化，选择了"机房内"这条路
• M4 v0.5.9：临床研究数据库的"临床语义层"开始按技能版本化发版
• ai-memory：编程 agent 的记忆正在变成跨厂商的基础设施

Agent 生态的重心继续从"模型能不能写代码"移向"谁的 Agent 记得住、跑得久、权限收得住"；医疗健康侧则出现两个新信号——医学研究技能库开始"做深不做广"，以及临床评测从"答得对"转向"证据变了行动会不会变"。

• MadsLorentzen/ai-job-search — Agent 的第一个"白领流程"爆款
• android/skills — 平台厂商开始自己定义"技能"
• Aperivue/medsci-skills — 医学技能库从"广"走向"深"

技能库的"人格化"：mattpocock/skills、agency-agents、ponytail 共同说明——Agent 技能正在从"工具说明书"演化为"可安装的工程人格/方法论"，个人 .claude 目录成为新的技术资产形态。 2.…

• deepseek-ai/deepseek-harness：模型厂亲自下场做"插件化 Agent 运行时"
• mattpocock/skills：156k Star 证明"方法论 > 模型"
• MedicalHarness：医疗 Agent 的分数，四分之一是 Harness 的功劳

"Agent 该用什么接口"出现路线分化：MCP 派（标准化协议，但需人建人维护）与 CLI 包装派（CLI-Anything 式翻译层，复用几十万存量工具）正面相遇。真正的胜负手不是协议本身，而是沙箱与权限模型做得够不够硬。同日的 NVI…

• CLI-Anything：MCP 之外的另一条路——把"命令行"翻译成 Agent 接口
• 医学证据合成开始"可审计"：ReviewPilot 把 PRISMA 流程做成带来源的多智能体
• 一个人 + 一个编程 Agent，开源了一整套 MRI 分析工具包

技能（Skill）成为新的分发单位：无论是编程还是医学，生态竞争都从模型转向"技能包 + MCP 服务器"，医学侧已出现 869 项规模的技能库。 2. 本地优先（Local-first）在医疗健康赛道成为默认选项：OpenMed、Food…

• 医学 AI 技能库进入"千项规模"竞争——OpenClaw-Medical-Skills 与 scientific-agent-skills 同日上榜
• 端侧医疗数据脱敏：OpenMed 把 HIPAA 合规做成本地能力
• 食品营养 AI 从"记录"走向"审计"：FoodTruth 用视觉模型拆穿包装话术