匆匆上岸
首页 / AI 日报 / 2026-11-03
GITHUB AI DAILY · 每天 10:00 更新

GitHub AI 日报 · 2026-11-03（周二）

精选 5 条2026-11-03 · 周二数据源 GitHub 公开仓库
统计窗口2026-11-02 10:00 ~ 2026-11-03 10:45（北京时间），对应 GitHub `committer-date >= 2026-11-02T02:00:00Z` 之后的默认分支提交。本期共收录 **134** 个条目，其中精选 5 条，四类分布为 ① 25 / ② 35 / ③ 32 / ④ 42。
覆盖方向AI Coding / 编程智能体与技能生态 · 医学 / 临床研究 AI 与 Agent 技能库 · 健康管理 / 营养与食品 AI · 模型底座与 Agent 基础设施
去重说明已与 10-16 至 11-02 十六期推送记录逐条比对（用 `grep -ho "https://github.com/[^/]*/[^/]*"` 抽出**累计 611 个历史仓库全集**再逐一 `grep -qx` 比对），本期 134 个条目**全部为首次出现，零重复**。另有 6 个候选仓库在窗口内经逐仓核实**确认无提交**，本期剔除、不予收录：`handsomestWei/patent-disclosure-skill`、`VectifyAI/PageIndex`、`HKUDS/RAG-Anything`、`EverMind-AI/EverOS`、`StarTrail-org/LEANN`、`snigdha-0210/Cancer-multi-agent`（后者经单独核实确有 5 次提交，但因仓库名大小写与 `search/repositories` 返回的 `Snigdha-0210/Cancer-multi-agent` 不一致导致元数据缺失，已按 `Snigdha-0210/Cancer-multi-agent` 重新核实后收录）。凡 `pushed_at` 显示更新但 `committer-date` 核实后落在窗口之外的仓库，一律剔除，不凭 `pushed_at` 收录。
核验口径所有"今天有动作"条目均以 `search/commits` 的 `committer-date` 限定查询核实默认分支的真实提交记录（`pushed_at` 仅供参考，可能来自非默认分支或 tag）。提交条数取自 `search/commits` 的 `total_count`（`per_page=1`）；批量查询因单次最多返回 100 条 items 会**静默漏掉仓库**，故每批只放 6 个 `repo:` 限定符，对被截断或缺失的仓库逐仓单独复核。**注意 `search/commits` 返回的时间戳带原始时区偏移**（如 `2026-11-01T22:34:34-05:00` 实为 UTC 11-02 03:34），必须换算后再判断是否落在窗口内。Star 数与许可证取自 GitHub API 实时快照（截至 2026-11-03 10:45 北京时间），并对 57 个仓库用 core 端点二次核对。许可证字段为 `None` 的标注为"未声明"，`NOASSERTION` 的标注为"非标准授权"——**两者均表示 GitHub 未能自动识别出标准 SPDX 许可证，不代表无授权条款**。**`ClawBio/ClawBio` 是本期最典型的例子：API 报 `NOASSERTION`，但 README 明确写"MIT licensed"，且仓库内 96 个技能经过一轮许可证审计（92 个 MIT、1 个 Apache-2.0、1 个 GPL-3.0、1 个 PROPRIETARY、1 个未声明）——本表按 README 事实记为 MIT 并加注。** 另有 3 个仓库（`grotyx/Academic_writing_c_claudecode`、`pmanko/clinical-ai-validation-harness`、`wth-lg/clinical-agent-env`）经 core 端点确认**无 LICENSE 文件**，表中记为"未声明"，选型阶段必须回查仓库根目录。

一、今日精选 5 条

1. 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

地址：https://github.com/ClawBio/ClawBio ｜ ★1,172 ｜ MIT（README 声明，API 报 NOASSERTION，见核验口径）｜ Python ｜ 生物信息学原生 AI agent 技能库，本地优先、可复现，同时提供 CLI / Python API / Claude Code 插件 / OpenClaw Gateway / Telegram·Discord 入口

事件内容

窗口内 3 次提交（11-02 08:49Z ~ 18:41Z），量不大，但都落在治理层面而不是功能层面。

  • 本期的实质动作是站点统计自动更新与一个技能文档的长度修复：chore: update site stats (automated)（自动维护贡献者、测试数、fork 数三组统计），以及合并 fix/issue-731-igv-validator-skill-md-over-5-000-words——一个 SKILL.md 超过 5000 词会被判定为不合规，这条限制被写进了 CI。
  • 技能成熟度被量化成六级，并写进机器可读的 skills/catalog.json：spec-only（只有 SKILL.md）→ scripted（有可运行代码）→ tested（有测试）→ cli-registered（可 clawbio run 调用）→ ci-validated（CI 里显式跑）→ bench-validated（有阻塞性科学基准）。"一个技能到了哪一级"是一个可查的事实，而不是 README 里的自我描述。
  • 每个技能输出都带 reproducibility/ 目录：commands.sh（本次运行的 replay 命令）、environment.yml（Conda 环境快照）、checksums.sha256（选定输出文件的 SHA-256）、runtime-lock.json。换句话说：任何一次分析结论都能被第三方离线重算。
  • 许可被拆成三个字段：每个技能分别声明 license / model_license / data_license，三者中最严格者适用。且明确规定"空 = 未声明，绝不等于宽松"——这正是选型时最容易踩空的地方。
  • 数据外传清单是代码级强制的：docs/data-handling.md 按五类列出哪些技能会向外发送数据（只下载参考数据 / 只发查询词 / 发变异 / 发完整序列 / 发聊天内容），逐条记目标 host、触发条件、发送内容、凭据变量与离线行为；测试会扫描技能的 outbound-call 代码，联网技能如果没有登记，CI 直接失败。

值得关注的原因

  • 这个仓库几乎就是我 GRPM 营养基因组学系统的目标形态。 我现在做的是：从康健医学 2526 页基因报告里提取 40 个营养相关 SNP，生成个性化补剂建议。ClawBio 的 PharmGx Reporter 做的正是同一件事的通用版——支持 23andMe / AncestryDNA 消费级基因数据（含 gzip 自动识别），提取 31 个药物基因组学 SNP、覆盖 12 个基因（CYP2C19 / CYP2D6 / CYP2C9 / VKORC1 / SLCO1B1 / DPYD / TPMT / UGT1A1 / CYP3A5 / CYP2B6 / NUDT15 / CYP1A2），识别 star allele、判断代谢者表型，查询 51 种药物的 CPIC 建议，零依赖、运行时间 < 1 秒。它把"专家分析决策"和"执行代码"分开版本化，正是我要在 GRPM 产品化（上传→分析→导出→分享）里补的"规范层"。
  • 它的反面教材比正面教材更值钱。 ClawBio 公开纠正过一次自己的成绩单：网站曾发布 benchmark 成绩 168/182 (92.3%)，实际连续运行得到的是 161/182 (88.5%)，原因是 leaderboard 工作流因 GitHub Actions 无权创建 PR 而失败、统计页面停了 87 天没人发现；回归来源之一是 nutrigx-advisor 从 10/10 掉到 0/10。"自动更新的统计页也会悄悄停摆"——这一条我记下了，因为我自己的干预报告页也有自动统计。
  • 它主动删掉了自己的"首创"声明，并加了 CI 防回归。 Integrity and governance sweep (M1) 明确"remove the 'first bioinformatics-native AI agent skill library' primacy claim"，并从 README、pyproject.toml、市场页面、workshop 页面、Bioconda recipe 里全部移除，同时新增 CI 闸门确保这句话不再出现。一个愿意把自己的宣传性表述也纳入回归测试的项目，成熟度是可信的。
  • 它撤销过一个功能，理由是科学上站不住。 soul2dna（把虚构人物档案转成基因组、按孟德尔遗传"繁殖"后代）被从技能目录中退役，理由是"there is no scientific basis for mapping traits of character to genotypes"，技能数从 97 降到 96。一个 1,172 星的项目愿意杀掉自己最酷的功能，理由仅仅是"这在科学上不成立"——这个判断标准比任何技术亮点都更值得抄。
  • 技术选型上：MIT（按 README），技能层虽有 1 个 GPL-3.0 与 1 个 PROPRIETARY，但主体可商用；且它已从 0.7.0 弃用、0.8.0 移除 MCP server。 注意这一点：它不再提供 MCP server，接入方式改为 CLI / Python API / Claude Code 插件 / Agent Skills 目录（复制到 ~/.agents/skills/）。

2. 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

地址：https://github.com/cortexkit/aft ｜ ★334 ｜ MIT ｜ Rust ｜ 编码 agent 的"感觉运动皮层"，适配 OpenCode / Pi / oh-my-pi，主机工具槽位劫持（hoist）+ aft_ 系列工具

事件内容

窗口内 253 次提交——本期提交量最高的仓库，也是唯一进入精选的基础设施类项目。

  • 架构定位是"感觉运动皮层"，分三层：感觉皮层（感知）负责 aft_outline（列出文件/目录/远程 URL 里每个符号及其类型、行范围、可见性、嵌套成员）、aft_zoom（钻进单个函数/类/类型，可加 callgraph: true）、aft_search（语义 + 词法混合检索，支持本地 / OpenAI 兼容 / Ollama 三种 embedding 后端）、aft_callgraph（跨工作区追调用方、被调方、数据流、影响分析、两点间最短调用路径）、aft_inspect（一次调用给出 LSP 错误与警告、TODO、指标、死代码、未用导出、重复代码的健康报告）。
  • 运动皮层（动作）负责 edit（模糊匹配替换，或直接按符号名替换）、write（自动建目录 + 备份 + 格式化 + 可选内联诊断）、apply_patch（多文件 *** Begin Patch 原子回滚）、aft_import（按语言增删整理 import）、ast_grep_search / ast_grep_replace（AST 模式 + 元变量的结构化替换）。
  • 脑干（OS 层）负责 bash（命令重写 cat→read、逐命令输出压缩、tree-sitter 权限扫描）、后台任务（bash_status / bash_kill / bash_watch，任务与完成状态跨重启存活）、多级输出压缩（把测试运行器 / 安装器 / docker ps / kubectl 的信息洪水压成几行，保留错误与摘要）、真实交互式 PTY 会话（可驱动 REPL 甚至嵌套 agent）、以及 aft_safety 的逐文件撤销栈 + 命名检查点 + 还原。
  • 今天的提交主线是"给各种边界情况一个明确说法"：TODO scan bounds: mark the skipped-file reason as approved（被跳过的文件要标明原因且标记为已批准）、callgraph read bound（调用图读取加上界）、mason: preserve Windows task metadata durability on equal writes（等值写入时 Windows 任务元数据仍要持久）、mason: classify planned graph loads by typed state（按类型化状态区分计划中的图加载）、mason: preserve fixture attribute policy in acquisition workers。
  • 列表被截断时必须显式说明：回复以 shown N of M <unit> (<reason>) · narrow: <knobs> 结尾，没有这一行就代表列表是完整的。

值得关注的原因

  • "没有这一行就代表列表完整"是一条可以立刻搬走的规则。 我的 4P 精准营养平台每次调 LLM 生成干预报告，如果返回的 24 个风险维度被截断了却没说，我会误以为"就这些"。给 agent 的输出加一个"完整性自证"，成本几乎为零，收益是消除一整类静默错误。
  • 撤销栈 + 命名检查点这套机制，正是我调 prompt 时最缺的东西。 上一期（11-02）我记过 agent-stash 的"改动另存为可切换的版本"——今天这个项目把同一件事做成了基础设施层：aft_safety 提供逐文件撤销栈与命名检查点，每次改动落盘前先备份，且备份跨桥接进程与宿主重启存活。我调 4P 平台补剂方案的提示词时经常覆盖原稿，事后说不清"哪个版本跑出了这个结论"——这一层直接补上。
  • 语义检索 + 调用图，是给"代码库太大、agent 只会整文件读"这件事的正解。 aft_search 用混合语义 + 词法检索找代码，aft_callgraph 追影响面。"影响分析"这个词对补剂平台同样成立——改一处算法，我要知道哪些干预报告模板会跟着受影响。
  • 它的输出压缩策略值得直接抄。 "保留错误与摘要、丢掉噪声"这一条规则，和我给 GLP-1 营养伴侣做报告瘦身时想要的完全一样：用户要的是"哪几项超标、该调什么"，不是 24 个维度全量罗列。
  • MIT 授权，可读可改可商用。 对一人公司来说这是可以直接当底座评估的选项。注意它是 Rust 二进制 + 薄适配层（OpenCode / Pi / oh-my-pi），不直接支持 Claude Code。

3. 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

地址：https://github.com/zilet/cairn ｜ ★11 ｜ MIT ｜ TypeScript ｜ 自托管健康 OS，PWA + REST + MCP，全部数据在一个你自己拥有的 SQLite 文件里

事件内容

窗口内 6 次提交（11-02 07:15Z ~ 13:47Z），主线是"从读懂你，到替你做决定"。

  • 本期推的是"已完成的目标会被回望，一场比赛的教训会塑造下一次计划"：feat(horizon): finished goals are looked back on, and a race's lessons shape the next build；以及 feat(horizon): a finished race is said back — result, recovery days, and what's next（把跑完一场比赛的结果、恢复天数、下一步说回来）。
  • 修了两个"读数骗人"的 bug，都很关键：fix(day-read): a session still being logged is not the day's work done（还在记录中的一节课不算今天已完成）；fix(week): a race effort reads as itself, and a health hold's wording agrees in number（一次比赛强度要按它本来的样子读；健康暂停的措辞数字要对得上）。
  • 把"设定热量目标"做进了对话：feat(chat): set the calorie target from chat，并发了 v2.1.11。
  • 被标记的化验指标会自己"传播"进三餐、训练与手表，每一条都带"为什么"和一条引用；记录按临床顺序分组，化验单自己的 flag 与"最优区间"分开存放；"医生包"自动生成——发现项、你的问题、身体成分、按检验项目分组的结果，可切换分区、可预览、可直接递给医生。
  • 消耗量来自你真实的体重趋势："A thin logging week lowers confidence instead of scolding"——记录稀薄的一周会降低置信度，而不是责备你。
  • 明确的产品边界写在 README 里："no scores and no streaks. Nothing is pushed at you. Every read is a suggestion; you drive. Anything clinical still waits for you to say yes."

值得关注的原因

  • "No scores, no nudges"这条产品原则，直接命中我 4P 平台的现状问题。 上一期我记过 Calibrate 的 2×2 依赖度矩阵，结论是"24 个风险维度同权重呈现 = 等于没有风险提示"。Cairn 的做法更彻底：不打分、不设连续打卡、不推送，每天只给一个"今天最值得做的一件事"，其余的团队成员（力量、耐力、营养、理疗、一个只做信息提示的健康席位）各自命名下一步，能自动落地的小改动会自己落地，并带一个"一键撤销"。
  • "能自动落地的小改动 + 一键撤销"这套边界，是 AI 助手介入健康决策时最该抄的交互范式。 我的补剂平台现在要么全靠人手动执行方案（慢），要么让 AI 直接改方案（危险、且不可回溯）。Cairn 给出了第三条路：有界的、可逆的改动自动生效，附理由 + 一键撤销；临床相关的改动一律等用户说"是"。 这几乎可以原样变成 4P 平台干预报告的"建议执行层"设计原则。
  • "记录稀薄的一周降低置信度而不是责备用户"——这一条在合规上也很重要。 我的平台目前是"要么有数据要么不给建议"，缺少中间态。置信度分级是让系统在数据不足时仍能安全运行的关键机制，而且它天然对接我上一期记的"证据不足必须是一个独立结论而不是塞进通过"。
  • 数据全部在你自己拥有的一个 SQLite 文件里，零云端、零账号。 我做的是本地优先的 4P 精准营养平台（Flask + SQLite），架构选择完全一致；Cairn 还额外提供 REST + MCP 两种接口，正好是我 4pwellness.org.cn MCP 连接器那条线的现成参考。
  • 它明确支持"教练 agent"用 Claude Code / Codex / Antigravity / Grok，装在自己的持久化 home 卷里、用自己的账号登录、没有共享 key。 这一点和我本机 dsh 生态、WorkBuddy 的模式都是同一类做法——agent 是可插拔的，密钥永远在用户手里。

4. grotyx/Academic_writing_c_claudecode：证据只支持"关联"时，措辞就不许升级成"因果"——这条规则我该直接抄进公众号的写作规范

地址：https://github.com/grotyx/Academic_writing_c_claudecode ｜ ★35 ｜ 未声明（core 端点确认无 LICENSE 文件）｜ Python ｜ ManuWright：面向 AI agent（Claude Code / Codex / Gemini）的证据约束医学论文引擎

事件内容

窗口内 7 次提交（11-02 20:50 +09:00 ~ 11-03 11:22 +09:00），一天内连发三个版本。

  • v1.10.0（11-02 22:50）：新增 manuwright bind（结果绑定提案）、短语级数字豁免、带修订痕迹的 DOCX、期刊 P 值记法。
  • v1.10.1（11-03 00:51）：manuwright figure——图表直接从结果 CSV 绘制并带溯源。
  • v1.10.2（11-03 11:22）：图形风格预设（prism 默认、nejm、grey）与更密的对数轴刻度。
  • 核心机制是"先计划、后写作"的两道门禁：drafts/draft_plan.md 计划文件必须先完成，计划检查会统计已勾选项与 [EVID:] 行的数量，允许用 None 明确声明证据缺口，并逐条点名缺失章节（用词，不是数字）。
  • 引用核验做得很硬：scripts/search_pubmed.py 审计包含加权元数据匹配、DOI 不一致检测、以及撤稿 / 关注声明 / 勘误（retraction / concern / erratum）检查；作者名按整词匹配且不要求重音字符一致，年份按数字比较，PubMed 检索按每批 200 条处理。
  • 主张强度按动词分级，而不是按名词或形容词：check_claim_strength.py 给被引用的句子评级，并遵守 evidence.md 里每条证据自带的 Claim Strength 与 Allowed Wording。关键规则是"explicit association caps a sentence at associative"——显式的关联关系把句子的结论强度封顶在"关联"。
  • 盲审与修订一致性：复审修订稿时先藏起 response letter 让审阅者独立判断；若审阅者在看完回复信后提高了结论等级，修订稿里必须存在对应的 final_anchor。审稿意见拒绝没有编号。
  • 风格来自期刊实测而非提示词：参考语料是 33 篇开放许可的原创研究论文（JAMA Surgery、JAMA Network Open、Lancet、BMJ、Nature；2019–2022），仓库里只存聚合数字、通用短语、来源 DOI 与许可证，不存论文全文。个人风格学习门槛是至少 3 篇论文 + 30 句，且永不低于期刊 p90。

值得关注的原因

  • "explicit association caps a sentence at associative"这一条，就是我公众号内容的护栏。 我做循证内容（4P精准营养观察、健康100新一观察），一直要求"零 AI 幻觉、必须附参考文献"。但"有参考文献"和"结论强度不超过证据强度"是两件事——一篇引用了横断面研究的文章写"某干预改善了动脉粥样硬化"，引用是真实的，结论是越界的。ManuWright 把这件事做成了可执行的检查：证据台账里给每条证据标注能支撑的最强措辞，越级就报错。
  • "允许用 None 明确声明证据缺口"这个设计，可以直接搬到 GRPM 的报告里。 我的营养基因组学建议里，某条 SNP 证据不足时，现在的做法是"不给建议"。改成"显式写明这个靶点证据不足" 反而更有用——关键是让"缺证据"成为一个被声明的事实，而不是一个沉默的空白。这与上一期记下的"证据不足必须是独立结论"完全一致。
  • "图表直接从结果 CSV 绘制并带溯源"（v1.10.1）对我做干预报告图表是现成的解法。 我的 GLP-1 营养伴侣有"化验指标趋势追踪"，图表目前是前端自己画的——让图表从落库的结果数据直接生成并带溯源，能消除"图上的数跟库里不一致"这类问题。
  • 撤稿 / 关注声明 / 勘误检查，是循证内容最容易被忽略的一环。 我引用文献时通常只核对"有没有这篇"，不核对"这篇有没有被撤稿"。 ManuWright 把它做进了常规审计流程。
  • 风格学习的三重门槛（3 篇 + 30 句 + 不低于 p90）值得抄。 我做内容有个长期困扰：既想让 AI 保持我的个人风格，又不想它学成模板腔。"至少 3 篇 + 30 句才允许启用，且永远不能低于期刊 p90"——这给了"学习个人风格"一个可执行的准入门槛和上限。
  • 一个必须注意的授权事实：这个仓库没有 LICENSE 文件。 所以它的方法论可以读、可以借鉴思路，但代码不能直接搬进我要卖的产品。若要商用，需要先联系作者确认授权。

5. pmanko/clinical-ai-validation-harness：只给一个总分的临床 AI 评测不算验证——它把每一次判断背后的证据整包留下来，让复核的人能自己看

地址：https://github.com/pmanko/clinical-ai-validation-harness ｜ ★3 ｜ 未声明（core 端点确认无 LICENSE 文件）｜ Python ｜ 临床 AI 验证台：跑实验、留证据、产出可复核的报告（Python 3.11+ / uv）

事件内容

窗口内 5 次提交（11-01 21:34Z ~ 11-02 05:38Z），全部围绕"怎么让人相信这个结果"。

  • 项目的第一句话就把立场说死了："The goal is evidence a reviewer can inspect: which records supported an answer, which SQL actually ran, what failed, and why a reviewer accepted or rejected a result. Aggregate scores alone are not clinical validation."
  • 本期的实质动作是引入三态标签契约与"裁判卡"：Score every check against the judge and read the three-way label contract（每项检查都对着裁判打分，并读取三态标签契约）、Judge cards, repeated passes and their agreement（裁判卡、重复跑与它们之间的一致性）、WAHS 4-Use-Case Evaluation Runner, Hard-Subset Stratification & Condenser Mode Matrix (W4, W12)（四用例评测运行器 + 难例子集分层 + 凝缩模式矩阵）、以及 Drop the live QueryStore reader from corpus alignment（把实时 QueryStore 读取器从语料对齐里摘掉）。
  • 展示规则本身也被当成规范来管：Show each answer and In-Depth the way the product does, with the checks that marked it——报告要按产品真实的样子展示答案与"深度"内容，并附上把它标出来的那些检查。
  • 每次运行都落一份完整证据包：run_manifest.json、events.jsonl、以及 results.jsonl、捕获的输入、trace 与复核记录；来源信息要么由调用方提供，要么从目标系统观测——"未知的版本号 / 模型细节被记为缺失，而不是用工作区的钉死值替换"。
  • 离线重生成是明确要求：报告必须用当时捕获的那批输入，不能用当前产品源码、实时服务或作者原始数据集目录；完整运行目录要整体复制走。
  • 改动的门槛写在 CONTRIBUTING 里：行为变更需要聚焦的测试、多样的失败 / 弃权用例、版本化元数据与记录级证据；"已接受的数据映射 / 变换必须可评审且确定性，LLM 提案仅供参考"；模型、提示、检索、映射或流水线的任何实质变更，都要有一份变更记录说明验证协议、影响与残余风险。

值得关注的原因

  • "Aggregate scores alone are not clinical validation"这一句，正好点在我 4P 平台的软肋上。 我的干预报告有 9 章结构、24 个风险维度、6 个风险级别——这本质上就是一个总分 + 分项。这个项目提供的不是另一个评分体系，而是"评分之外还要留什么" 的清单：支持这个答案的是哪些记录、实际跑的是哪条 SQL、哪里失败了、复核的人为什么接受或拒绝。把这一套搬到 4P 平台，就是我上一期记的"干预报告落库 checklist"的完整版。
  • "未知的版本号 / 模型细节被记为缺失，而不是用工作区的钉死值替换"是一条救命规则。 我做报告时经常遇到这种情况：模型换了、提示词改了，但报告里的结论还在，而且看不出是基于哪个版本生成的。宁可写"未知"，也不要用当前工作区的值去填历史记录的坑——这与上一期 yantrikdb 那个"同一进程内第二个 SQLite 实例会静默损坏存储"是同一个教训的另一面：不要用看似合理的东西填补你不确定的东西。
  • "离线重生成必须用当时捕获的输入"这条，可以直接变成 4P 平台的报告存档要求。 我的化验 OCR→AI→App 导入管线一直在做"每次交互数据持久化以支持自我进化学习"，但如果重生成一份历史报告时用的是今天的模型和今天的知识库，那份报告就不再是当初给用户看的那份了。输入包要整体归档，这一条现在就值得加。
  • "LLM 提案仅供参考，已接受的数据映射 / 变换必须可评审且确定性"——这正是我在 GRPM 报告里的边界。 SNP 到补剂建议的映射里，哪些是规则（可审计、可复现）、哪些是模型生成（仅供参考），必须分清楚，否则用户分不清哪些结论能追溯。这条同时也是合规要求。
  • 三态标签契约（通过 / 不通过 / 无法判定）又出现了。 上一期是 aureproof 的 inconclusive 闸门，本期是这里的三态标签契约 + 裁判卡的一致性检查。"证据不足"正在成为临床 AI 的标准配置，而不是各家自定义的特例。
  • 注意授权：这个仓库没有 LICENSE 文件。 方法论可以读，代码不能直接搬。

二、分类速览

① AI Coding / 编程智能体与技能生态

项目星标一句话
garrytan/gstack138,695MIT，Garry Tan 的 Claude Code 全套配置（CEO / 设计 / 工程经理 / 发布经理等 23 个强观点工具），窗口内 73 次提交
JuliusBrussee/caveman116,973Apache-2.0，给编码 agent 的"穴居人语"技能 + 代理，号称砍掉 65% token，窗口内 2 次提交
Fission-AI/OpenSpec73,735MIT，面向 AI 编码助手的规格驱动开发（SDD）框架，窗口内 1 次提交
cline/cline71,236Apache-2.0，自主编码 agent，可作 SDK / IDE 扩展 / CLI 三种形态，窗口内 5 次提交
shanraisshan/claude-code-best-practice68,479MIT，从 vibe coding 走向 agentic engineering 的 Claude Code 实践集，窗口内 14 次提交
cathrynlavery/diagram-design64,403MIT，面向 Claude Code / Codex / Copilot / Cursor 等的编辑级图表设计技能（45 种图型），窗口内 6 次提交
Imbad0202/academic-research-skills55,066非标准授权，Claude Code 学术研究技能链：research → write → review → revise → finalize，窗口内 4 次提交
ChromeDevTools/chrome-devtools-mcp54,682Apache-2.0，Chrome DevTools 官方 MCP server，给编码 agent 直接读浏览器现场，窗口内 1 次提交
alibaba/open-code-review49,303Apache-2.0，阿里的混合架构代码评审工具：确定性流水线 + LLM Agent，行级精确定位，窗口内 2 次提交
github/awesome-copilot40,733MIT，GitHub Copilot 社区指令 / agents / skills / 配置合集，窗口内 20 次提交
VoltAgent/awesome-agent-skills36,776MIT，1000+ 条精选 agent skills，兼容 Claude Code / Codex / Gemini CLI / Cursor，窗口内 15 次提交
OthmanAdi/planning-with-files27,842MIT，基于文件的持久化规划：崩溃可恢复的 markdown 计划，/clear 与压缩后会话可续，窗口内 7 次提交
google/skills21,804Apache-2.0，Google 自家产品与技术的 Agent Skills，窗口内 9 次提交
wanshuiyin/Auto-claude-code-research-in-sleep18,516MIT，ARIS：纯 Markdown 的自主 ML 研究技能（跨模型评审环、想法发现、实验），窗口内 3 次提交
lsdefine/GenericAgent14,385MIT，自我进化 agent：从 3.3K 行种子长出技能树，token 消耗降到 1/6，窗口内 7 次提交
openclaw/clawhub9,545MIT，OpenClaw 的 Skill + Plugin 注册中心，窗口内 13 次提交
repowise-dev/repowise8,109AGPL-3.0，面向人和 AI 的代码库智能：健康分、自动文档、git 分析、死代码、架构决策，窗口内 10 次提交
refly-ai/refly7,544非标准授权，开源 agent skills 构建器：用"氛围工作流"定义技能，可导出成 API，窗口内 2 次提交
Devin-AXIS/iPolloWork7,360非标准授权，企业级本地优先 Agent 工作台，统一 Codex Harness / DeepSeek Harness / OpenClaw 多引擎，窗口内 5 次提交
fallow-rs/fallow5,295MIT，TypeScript / JavaScript 代码库智能：健康分、复杂度热点、重复、架构边界、循环依赖，窗口内 21 次提交
mohitagw15856/pm-claude-skills1,507MIT，1310 条专业 agent skills（PRD、复盘、租约、医疗账单、薪资等），窗口内 2 次提交
ClawBio/ClawBio1,172MIT（README），生物信息学原生 AI agent 技能库：本地优先、可复现、技能成熟度分六级，窗口内 3 次提交
cortexkit/aft334MIT，给 agent 配一套真正的 IDE 与 OS：符号级编辑、语义检索、AST 替换、后台任务、PTY、撤销栈，窗口内 253 次提交
mojoapp-ai/agent-skills2MIT，可直接接入 Claude Code / OpenClaw 的饮食记录与 GLP-1 知识技能，窗口内 2 次提交
npbuilds/skill-library1MIT，500+ 专家人格 agent skills 走 MCP 提供（生物科技尽调等场景已压测），窗口内 1 次提交

② 医学 / 临床研究 AI 与 Agent 技能库

项目星标一句话
ivmartel/dwv1,851GPL-3.0，零足迹 DICOM Web Viewer，医疗影像库，窗口内 11 次提交
afairgiant/MediKeep553非标准授权，轻量自托管的个人医疗信息管理应用，窗口内 1 次提交
theislab/ehrapy369Apache-2.0，Python 电子病历分析框架，窗口内 2 次提交
pymedphys/pymedphys368Apache-2.0，社区共建的医疗物理 Python 标准库，靠同行评审推进，窗口内 83 次提交
PyTomography/PyTomography179MIT，Python 医学影像重建库，窗口内 7 次提交
xxPcy/PharmaLLM-Agent176MIT，基于 PharmaLLM 的医学 LLM agent 与 MRI 分割工作区（LangGraph + vLLM + BEU-Net），窗口内 1 次提交
aphp/edsnlp167BSD-3-Clause，模块化快速 NLP 框架，兼容 PyTorch 与 spaCy，专攻法语临床笔记，窗口内 2 次提交
Project-MONAI/monai-physio135Apache-2.0，用医学影像派生生理运动，生成 Omniverse 解剖模型，窗口内 2 次提交
DouglasNeuroInformatics/OpenDataCapture119Apache-2.0，远程与现场临床研究的电子数据采集平台，窗口内 8 次提交
imgag/megSAP95GPL-3.0，医学遗传学测序分析流水线，窗口内 1 次提交
CogStack/cogstack-nlp86Apache-2.0，CogStack NLP，含医学概念标注工具 MedCAT，窗口内 1 次提交
rfhb/ctrdata62非标准授权，聚合并分析公开登记平台上的临床试验数据，窗口内 1 次提交
opensafely-core/opencodelists60非标准授权，创建与共享临床术语、药品编码列表的开源平台，窗口内 4 次提交
aphp/Cohort360-FrontEnd56Apache-2.0，找病人、建队列、可视化健康记录的前端应用，窗口内 2 次提交
RASAAS/docmcp-knowledge51非标准授权，医疗器械合规开放知识库：EU MDR / FDA / NMPA 法规、标准与指导文件，窗口内 2 次提交
anshk1234/MEDUCID46MIT，把化验报告转成通俗语言的 Web 应用，原件与解读并排显示，窗口内 3 次提交
alanphys/LinaQA44非标准授权，放疗 / 诊断放射 / 核医学的医疗物理工具箱，基于 pylinac 与 pydicom，窗口内 1 次提交
grotyx/Academic_writing_c_claudecode35未声明，ManuWright：证据约束的医学论文引擎，先计划门禁、引用与数字双向核对，窗口内 7 次提交
HL7/cqf-recommendations20非标准授权，用 FHIR 表示临床实践指南推荐，窗口内 1 次提交
SidneyBissoli/medical-terminologies-mcp16MIT，统一六套医学术语的 MCP server（ICD-11 / LOINC / RxNorm / MeSH / ATC / CID-10），带 WHO ICD-10→ICD-11 权威映射，窗口内 2 次提交
tvs-sde/oxford-omop-data-mapper12Apache-2.0，以文档为中心的 DuckDB ETL，把常见临床数据集转换成 OMOP CDM，窗口内 4 次提交
Gilead-Public/qcthat11Apache-2.0，临床试验所用 R 包的质量控制框架，窗口内 1 次提交
ma3u/MinimumViableHealthDataspacev29Apache-2.0，EHDS 二次利用场景最小可行演示：临床研究机构用合成患者数据做药物重定位研究，窗口内 21 次提交
airslie/renalware9MIT，用人口学、临床、病理与肾内科数据集改进照护、做临床与行政审计，窗口内 6 次提交
cqframework/cql-tests8Apache-2.0，临床质量语言（CQL）测试仓库，窗口内 1 次提交
smart-on-fhir/cumulus-library7Apache-2.0，把 SQL 查询设计成"研究"来设计、执行与分发（质量监测 / 临床研究 / 公共卫生），窗口内 2 次提交
pacharanero/clincalc5AGPL-3.0，快速、可靠、对 LLM 友好的临床计算器 CLI，窗口内 1 次提交
SudarshanSingh1/DR-Screening-System5非标准授权，可解释的糖尿病视网膜病变筛查视觉 AI，自动分析 + 临床复核 + 农村场景，窗口内 1 次提交
Yash-Lalwani/TrialWright5MIT，临床试验方案的 AI 预检：抓出不一致、缺章节等问题（HackRU 2026 总冠军），窗口内 5 次提交
pmanko/clinical-ai-validation-harness3未声明，临床 AI 验证台：跑实验、留证据、让人复核，拒绝只给一个总分，窗口内 5 次提交
broadinstitute/via3未声明，All of Us 研究工作台的变异解读新工具，联结基因型与表型做临床分级，窗口内 2 次提交
wth-lg/clinical-agent-env1未声明，临床 agent 的运行与评测环境，窗口内 7 次提交
athril/agentic-target-evidence0Apache-2.0，多 agent 药物靶点验证：LangGraph + MCP 数据层（30+ 数据源 / 40+ 工具），六个独立视角打分，窗口内 60 次提交
pkotecha-eng/faro-clinical-agent0未声明，FARO：面向患者的临床试验情报多 agent 系统，四个专门 agent 分头检索，窗口内 2 次提交
SanjanaChoudhury1508/TrialLens0MIT，混合 RAG + 视觉文档检索 + LangGraph 的临床试验情报副驾，窗口内 4 次提交

③ 健康管理 / 营养与食品 AI

项目星标一句话
Snouzy/workout-cool8,660MIT，开源健身教练平台：制定训练计划、追踪进度、配套动作库，窗口内 1 次提交
Cawlumm/lyftr363MIT，自托管健身追踪：记录训练、追踪营养，Docker 部署、手机友好，窗口内 2 次提交
deadletterq/mcp-opennutrition208MIT，OpenNutrition 食品库 MCP server，30 万+ 食品条目、营养数据与条码查询，窗口内 1 次提交
rwestergren/cronometer-api-mcp70MIT，通过 Cronometer 移动端 REST API 接入营养追踪的 MCP server，窗口内 2 次提交
LowCarbCheck/openplate69MIT，开源自托管食物记录 PWA，BYOK AI 餐盘识别，本地优先，窗口内 9 次提交
haschildrensfoundation/pravin-elite-fitcore53未声明，印度饮食宏量计算器与私教预约应用，窗口内 3 次提交
Shell3D/power-fit-hub53未声明，AI 健身俱乐部管理系统：训练 / 饮食 / 教练 / 排课，窗口内 3 次提交
ataturhan21/Omega-LC24MIT，覆盖运动、营养、睡眠与压力的 AI 生活教练早期概念（尚未实现），窗口内 1 次提交
rfivesix/train-libre18GPL-3.0，Android / iOS 私有训练与营养追踪，窗口内 2 次提交
davidmosiah/wellness-nourish11MIT，本地优先营养 MCP：USDA 食物检索、条码与拍照、饮食记录，token 不出本机，窗口内 13 次提交
zilet/cairn11MIT，自托管健康 OS：教练团队把化验、力量、跑步、饮食与睡眠读成一幅图，只给今天最值得做的一件事，窗口内 6 次提交
healthkey-ai/promop11Apache-2.0，Django + PostgreSQL，OMOP + 肿瘤学模型，另建反范式表支撑快速临床试验匹配，窗口内 18 次提交
StefanOOEOrg/mcp-food3MIT，食物库与食谱的 MCP server（自建食物 + Open Food Facts + BLS 4.0），窗口内 2 次提交
StefanOOEOrg/mcp-nutrition3MIT，饮食日记 MCP server：三餐、饮水、目标、评估，窗口内 2 次提交
skeptrunedev/skcal3MIT，跑在 Cloudflare 的身体重组追踪 PWA，支持本地 BLE 硬件采集、无第三方，窗口内 3 次提交
jiping730/nutrition-agent3未声明，LangGraph + Grill Engine + FAISS 构建的可追问 Agentic RAG 营养助手，窗口内 5 次提交
kirmalyshev/eait2AGPL-3.0，照片优先的营养教练 eait.fit：后端、客户端契约、Web 应用与 Telegram bot，窗口内 16 次提交
ntsd/zerocoach2Apache-2.0，开源自托管隐私优先 AI 健康教练：离线移动端推理、视觉营养追踪、可穿戴同步，窗口内 4 次提交
Synapsr/Symbiose2MIT，开源 AI 优先健康伴侣：用你自己的话说出目标，拍一张照，得到方案、诚实的数字和懂你的教练，窗口内 18 次提交
Aryan-Jhaveri/mcp-foodguidecanada2MIT，对接加拿大卫生部与 Food Guide 的 MCP + CLI，46 个工具、HTTP 默认只绑本机，窗口内 44 次提交
ak111pro/ha-fddb2MIT，Home Assistant 的 FDDB 食物日记集成：热量、宏量、三餐、目标、余额都变成传感器，窗口内 1 次提交
weante/ashkb2MIT，强直性脊柱炎个人健康应用：用药提醒、症状与 BASDAI 记录、R27 运动分级、营养，窗口内 2 次提交
sealambda/chironium2AGPL-3.0，面向健康与 Wellness 从业者的开源诊所管理，基于 HL7 FHIR，窗口内 1 次提交
kadato/Dietinator2MIT，本地优先热量追踪（Android / iOS / Web），SQLite 日记、YAZIO 检索、条码扫描、端侧 AI 助手，窗口内 1 次提交
kuhyx/diet-guard2MIT，先记录才解锁的饮食追踪闸门，从测试与杂项里抽出来，窗口内 7 次提交
smcgarrigle/ihavethereceipts2MIT，AI 小票解析：细粒度字段抽取、比价、购物预测与营养数据，窗口内 5 次提交
RCM7/ask.recipes2CC-BY-4.0，远程 MCP 食谱服务器：食谱、食材匹配、营养、收藏，窗口内 1 次提交
20212661/diet-agent1未声明，"晚饭工作流"智能饮食管理助手，一个命令启动，窗口内 13 次提交
tenderzzz/body-journal1GPL-3.0，本地优先健康记录与复盘：iPhone 快捷指令记录，Mac 管理训练饮食体测，按需调用 AI，窗口内 1 次提交
ElijahZhao/MetaNutri---AI-1MIT，全栈精准营养平台（Next.js + FastAPI + PostgreSQL），研究模块在真实数据上训练可复现 ML 模型，窗口内 5 次提交
arjav1181/Darkbite-Tracker1MIT，深色模式热量与营养追踪：照片与文字记录、宏量拆分、AI 食物分析，窗口内 2 次提交
harsaas/Hybrid-Copilot-Clinical-PBM-Decision-Support-System-OKF0未声明，双引擎临床 PBM 决策支持 agent：非结构化 PDF 表格解析 + 确定性 OKF 规则，窗口内 1 次提交

④ 模型底座与 Agent 基础设施

项目星标一句话
ollama/ollama185,730MIT，本地跑 Kimi / GLM / MiniMax / DeepSeek / gpt-oss / Qwen / Gemma 等模型，窗口内 2 次提交
langgenius/dify160,274非标准授权，Agentic 工作流与 RAG 流水线平台，云上 / VPC / 自托管都能部署，窗口内 39 次提交
langflow-ai/langflow156,269MIT，可视化搭建并部署 AI agent 与工作流，窗口内 2 次提交
ggml-org/llama.cpp133,211MIT，C/C++ 实现的 LLM 推理，窗口内 30 次提交
infiniflow/ragflow93,385Apache-2.0，agent 原生数据库：从 RAG 引擎长成上下文基础设施，窗口内 40 次提交
OpenHands/OpenHands92,529MIT，AI 驱动的软件开发平台，窗口内 24 次提交
lobehub/lobehub83,734非标准授权，你的首席 agent 运营者：招聘、排班、汇报你的整支 AI 团队，窗口内 36 次提交
microsoft/ai-agents-for-beginners78,732MIT，18 节课入门构建 AI agent，窗口内 3 次提交
upstash/context764,105MIT，给 agent 的最新文档（Context7 平台），窗口内 10 次提交
BerriAI/litellm62,587非标准授权，AI 网关：Rust 内核 + Python SDK，统一 100+ LLM API，带成本追踪与护栏，窗口内 58 次提交
pathwaycom/serviette58,730MIT，无代码 RAG 服务器，答案与文档保持同步，支持 8 种向量数据库，窗口内 2 次提交
vectorize-io/hindsight58,109MIT，会学习的 agent 记忆系统，窗口内 9 次提交
Ebony-Vinyl/dsh-our-free-model57,549MIT，dsh 插件：免登录免 API Key，直接用 DeepSeek V4.1 Flash / Kimi K3 等前沿模型，窗口内 2 次提交
HKUDS/nanobot49,771MIT，轻量级开源个人 agent，窗口内 2 次提交
DeusData/codebase-memory-mcp48,020MIT，本地代码智能：把代码、文档与基础设施接进一张持久图谱，窗口内 17 次提交
langchain-ai/langgraph44,353MIT，构建可恢复的 agent，窗口内 2 次提交
agentscope-ai/QwenPaw37,240Apache-2.0，个人 AI 助手：本地或云上部署，可接多个聊天应用，窗口内 10 次提交
microsoft/graphrag36,534MIT，模块化的图谱式 RAG 系统，窗口内 1 次提交
Tencent/WeKnora36,302非标准授权，开源 LLM 知识平台：文档变可查询 RAG、自主推理 agent、自维护 Wiki，窗口内 44 次提交
agentscope-ai/agentscope35,246Apache-2.0，构建并运行看得见、听得懂、可信的 agent，窗口内 20 次提交
github/github-mcp-server34,174MIT，GitHub 官方 MCP server，窗口内 1 次提交
SigNoz/signoz32,510非标准授权，OpenTelemetry 原生可观测平台，一处看日志指标链路，含 AI agent，窗口内 10 次提交
simstudioai/sim29,979Apache-2.0，协作式构建、部署并监控 agent 与工作流的空间，窗口内 39 次提交
antirez/ds424,210MIT，DeepSeek 4 Flash 与 PRO 的本地推理引擎，支持 Metal / CUDA / ROCm，窗口内 5 次提交
jundot/omlx23,297Apache-2.0，Apple Silicon 上的 LLM 推理服务器，连续批处理 + SSD 缓存，macOS 菜单栏管理，窗口内 15 次提交
comet-ml/opik23,129Apache-2.0，调试、评测并监控 LLM 应用、RAG 系统与 agentic 工作流，窗口内 11 次提交
arc53/DocsGPT18,353MIT，私有 AI 平台：Agent Builder、深度研究、文档分析、多模型支持，窗口内 20 次提交
FlashML-org/FreeToken16,155Apache-2.0，把数据中心级模型服务搬到桌面，本地跑大模型，窗口内 3 次提交
NVIDIA/TensorRT-LLM14,994非标准授权，高性能 LLM 推理与优化 Python API，窗口内 53 次提交
NevaMind-AI/memU14,595非标准授权，跨 agent 的个人记忆，窗口内 1 次提交
LMCache/LMCache12,263Apache-2.0，给 LLM 加速的 KV Cache 层，窗口内 14 次提交
MemTensor/MemOS12,229Apache-2.0，自我进化的记忆 OS：超持久记忆、混合检索、跨任务技能复用，宣称省 35.24% token，窗口内 2 次提交
mcp-use/mcp-use10,842MIT，全栈 MCP 框架：给 ChatGPT / Claude 做 MCP App，给 AI agent 做 MCP Server，窗口内 3 次提交
EricLBuehler/mistral.rs7,796MIT，快速灵活的 LLM 推理，窗口内 1 次提交
vllm-project/vllm-omni7,497Apache-2.0，全模态模型的高效推理框架，窗口内 19 次提交
kvcache-ai/Mooncake6,957Apache-2.0，Moonshot AI Kimi 背后的服务平台，窗口内 23 次提交
google-ai-edge/LiteRT-LM6,805Apache-2.0，Google 生产就绪的高性能开源 LLM 边缘推理框架，窗口内 15 次提交
Trusted-AI/adversarial-robustness-toolbox6,295MIT，机器学习安全库：evasion / 投毒 / 抽取 / 推断，红蓝对抗，窗口内 7 次提交
NVIDIA/Model-Optimizer5,497Apache-2.0，统一量化、蒸馏、剪枝、NAS、投机解码等模型优化技术库，窗口内 11 次提交
vllm-project/aibrix5,176Apache-2.0，GenAI 推理的成本高效可插拔基础设施组件，窗口内 2 次提交
llm-d/llm-d5,128Apache-2.0，在 Kubernetes 上用现代加速器跑出顶尖推理性能，窗口内 2 次提交
durable-workflow/waterline204MIT，Durable Workflow 运行时的运维界面：健康、历史、队列、重试与修复，窗口内 14 次提交

三、今日趋势观察

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。

  • 第一，许可证正在从"一个字段"变成"三个字段 + 一次审计"。 ClawBio/ClawBio 把每个技能的授权拆成 license / model_license / data_license 三项并规定取最严者，还明确写着"空 = 未声明，绝不等于宽松"；它对 96 个技能做了一轮审计，结果是 92 个 MIT、1 个 Apache-2.0、1 个 GPL-3.0、1 个 PROPRIETARY、1 个未声明。"代码是 MIT"不等于"这个项目可以商用"——技能、模型权重、参考数据三层可能各有条款。 对要做成产品的一人公司，这一层不查清就动手是硬伤。
  • 第二，"结论强度不得超过证据强度"开始有工具了。 grotyx/Academic_writing_c_claudecode 的规则是"explicit association caps a sentence at associative"——证据只支持关联时，措辞不许升级成因果；配合撤稿 / 关注声明 / 勘误检查、DOI 一致性检查、以及"允许用 None 声明证据缺口"。这是内容合规与科研诚信的交叉点，也是我做循证公众号最缺的那把尺子。
  • 第三，临床 AI 评测的共识从"给一个分"转向"留一整包可复核的证据"。 pmanko/clinical-ai-validation-harness 直接写明"Aggregate scores alone are not clinical validation"，要求每次运行落 run_manifest.json + events.jsonl + results.jsonl + trace，并且未知的版本号记为缺失而不是拿工作区的钉死值替换；athril/agentic-target-evidence 用六个独立视角（遗传 / 生物学 / 安全性 / 临床 / 商业 / 监管）给一个靶点打分并产出带溯源的 dossier，且 README 明确写"Every verdict is LLM-generated over retrieved evidence — a preliminary research aid, not ground truth"。两个独立项目，同一句潜台词：多视角 + 显式免责声明，比一个更精细的分数更诚实。
  • 第四，健康类产品的形态正在分化成"全栈 OS"与"单点 MCP"两条路，而且两边的默认值都变了。 zilet/cairn 走全栈路线——自托管、一个 SQLite 文件、PWA + REST + MCP、教练团队读全部数据后只给一件事、不打分不催促、能自动落地的小改动都带一键撤销；davidmosiah/wellness-nourish、Aryan-Jhaveri/mcp-foodguidecanada、deadletterq/mcp-opennutrition、StefanOOEOrg/mcp-food 走单点路线——把一个数据源包装成 MCP 供 agent 调用。值得注意的是两条路的默认值都是"本地优先 + 数据不出本机 + HTTP 只绑 127.0.0.1"（wellness-nourish 本期 13 次提交里有一半是安全加固：限制未认证 HTTP 只能绑 loopback、迁移前拒绝预置的 profile 符号链接、序列化并限制共享 profile 持久化、加固 MCP 输入预算；foodguidecanada 的 44 次提交里也专门做了"24 个工具的只读、非 root 的 HTTP 冒烟测试"）。"本地优先"已经不是个人偏好，而是这类产品的默认架构假设。
  • 第五，agent 的"工具层"正在被重新设计成"像 IDE 一样的东西"，而不只是加几个 API。 cortexkit/aft 的做法是劫持宿主原有的 read / write / edit / bash 工具槽位，把底层换成 tree-sitter 解析、索引检索、输出压缩与符号级操作，再叠加 aft_ 系列工具；配套的是逐文件撤销栈 + 命名检查点，以及"列表被截断时必须显式说明 shown N of M"这类输出契约。同一时期 fallow-rs/fallow（21 次提交）、repowise-dev/repowise（10 次）、DeusData/codebase-memory-mcp（17 次）都在做代码库健康度与结构化检索——"让 agent 先看见结构、再动手"已经是共识，而"改完能撤回"正在从加分项变成底线。

四、GitHub 地址速查

精选

① AI Coding / 编程智能体与技能生态（25）

② 医学 / 临床研究 AI 与 Agent 技能库（35）

③ 健康管理 / 营养与食品 AI（32）

④ 模型底座与 Agent 基础设施（42）

← 上一期2026-11-02下一期 →2026-11-04