AnyGoal 提出世界模型组合泛化基准，现有模型在目标偏移任务上普遍失败
arXiv 论文 AnyGoal 研究世界模型在专家轨迹之外能否泛化，并配套发布一套目标偏移任务基准和开源库。每个任务中单个状态因子与动作都仍在训练支撑范围内，但它们的组合在专家轨迹里出现稀少，用来检验模型能否把熟悉的因素重组为有效动力学。
#Agent
#Agent
今日 15 条arXiv cs.AI / cs.LG 最新AI 评分5353 arXiv cs.AI / cs.LG 最新AI 评分6060 Agima 训练框架让智能体先想象行动后果再决策
研究者提出 Agentic Imagination（Agima）训练框架，用单个 omni 模型先提出动作、生成动作结果的图像，再在这些想象出的未来上推理，决定实际执行哪一步。
arXiv cs.AI / cs.LG 最新AI 评分5252 WeAct 将动态权重切换纳入智能体动作空间
WeAct 提出在冻结主干上训练多个能力专用的 LoRA 适配器，并把适配器选择加入智能体的动作空间，通过模型原生工具调用接口按需组合能力。在八个深度研究基准上，Qwen3-32B 配合 WeAct 相比全量微调平均准确率提升 6.2%，相比最强的静态 LoRA 合并方法提升 27.5%，且算力消耗更少。作者还展示了模块化持续适配，新增代码计算适配器、更新写作适配器时主干与其他适配器均保持不变。
arXiv cs.AI / cs.LG 最新AI 评分5959 arXiv 论文提出 PhysRSI-eval，用五轴指标刻画 LLM 策略的物理递归自我改进
这篇 arXiv 技术报告提出 PhysRSI-eval，用首次尝试表现、效率、成功率、预算和失败后的改进五个轴量化物理递归自我改进。作者在固定交互预算下用 18 个操作任务评测多个 VLM，据此提出物理木桶假说，认为不同能力约束改进的不同环节。五轴指标可区分公开榜单平均分接近的系统，高分未必对应更早或更高效的改进；工作区干预实验还显示移除历史会降低后期成功率。
Hacker News · Show HNAI 评分3232 Show HN：AML CYCLE 2，面向智能体长期记忆的评测基准
AML CYCLE 2 是面向智能体长期记忆的评测基准，已在 Show HN 展示。它用于评估智能体在长期记忆方面的表现，当前页面显示 1 分、0 条评论。
Hacker News · Show HNAI 评分5858 Yana 发布本地优先、人类掌权的 Rust AI 运行时与 IDE
Yana 发布本地优先、人类掌权的 Rust AI 运行时 yana-rt 与桌面 IDE Yana Studio，模型只能提议动作，能否执行要经能力清单、策略和人工审批逐层判定。
Hacker News · Show HNAI 评分6060 AppMaker 发布，用自然语言生成业务应用并可导出 Node.js 代码
AppMaker 在 Hacker News 的 Show HN 发布，用户用自然语言描述业务应用，AI 在平台已有的表单、数据、用户角色和服务端逻辑骨架上生成可运行的应用。
Hacker News · Show HNAI 评分5555 Show HN 发布 Claude Code 常亮软件工厂样板仓库
一位开发者发布面向 Claude Code 的常亮软件工厂样板仓库，基于其为 Votito 搭建的配置，编排器把 token 消耗相比直接跑 Claude Code 工作流降低约 80%。
Hacker News · Show HNAI 评分5454 Omasharp：用 C# 和 .NET 构建 Omarchy 应用
Omasharp 提供一套用 C# 与 QML 编写 Omarchy 应用的模板和工具链，开发者只改 Backend.cs 和 Main.qml 两个文件。dotnet publish 把 C# 编译成原生代码并配一个 Qt 宿主，运行时不需要安装 .NET，应用跑在 Omarchy 自带的 Qt 上。
Hacker News · Show HNAI 评分5858 OpenFlow 发布多智能体工作流可视化构建器，基于 opencode 分支
OpenFlow 是一个可视化搭建多智能体 AI 工作流的工具，把角色卡拖到画布上连成流水线（planner、architect、coder），保存后由真实并行的 agent 执行。
Hacker News · Show HNAI 评分6262 barn.app 发布 macOS 智能体监控工具，界面类似 Stream Deck
barn.app 是一款 macOS 上的智能体监控工具，能在进程表里自动发现你已经在跑的编码 Agent，并显示它们处于工作、等待还是完成状态。它会把对应的 Ghostty、iTerm2、Terminal 标签页、tmux 面板或 VS Code、Cursor 窗口调到前台，Agent 弹出权限确认或提问时发出通知，另有快捷键唤出的切换器。
TechCrunch · AIAI 评分5656 Microsoft 推出 Guardian Agents 监控企业 AI 智能体，称前沿模型不可信
Microsoft 推出 Guardian Agents，用于监控企业使用的 AI 智能体，属于 6 月发布的 Project Perception。Microsoft Defender 同时新增智能体检测，可识别 Claude Code、Codex、OpenClaw 等最多 60 类员工带入的智能体，并提供数据访问限制、权限动态调整和高风险操作人工审批。
Hacker News · Show HNAI 评分2828 Show HN：Flyingcar.pet——用 Claude Opus 5.5 模拟 Tesla Roadster 飞行特技
开发者用 Claude Opus 5.5 和 three.js 构建 Flyingcar.pet，以物理模拟还原 Tesla Roadster 的飞行特技视频。项目原预计一两次生成，最终迭代多日，Opus 先需识别视频中的五辆停放 Tesla 与六辆车的尺寸。之后逐帧校正 Roadster 的左偏轨迹、翻滚及飞行中推进器点火，以贴近视频。
Hacker News · Show HNAI 评分5757 Craig 开源 TUI 上线，可在独立 Git worktree 中并行运行编码智能体
Craig 是一个开源 TUI 编排器，能同时运行 Claude Code、Codex 和 Cursor，为每个任务新建分支和独立 Git worktree，让多个智能体分目录并行工作。
Hacker News · Show HNAI 评分6767 Claude Code 技能库 agent-workflow 发布，用退出码证明修复的测试在旧代码上失败
ehnruiz 发布 Claude Code 技能库 agent-workflow，含 21 个技能、子代理和 hooks，可作为插件安装。supervisor 把多步任务拆成工单派给更便宜的模型，同一工单失败两次就升一档；tdd 要求先写失败测试，regression-proof 在临时 worktree 里证明无修复时新测试确实失败，门禁按退出码判定。
Hacker News · Show HNAI 评分2424 Show HN：更高效使用 DNS-AID 发布智能体的方法
DNS-AID 让智能体通过互联网现有的去中心化 DNS 命名基础设施相互发现。作者提出一种更有效地通过 DNS-AID 发布智能体的方法。
Hacker News · Show HNAI 评分7070 Krites 开源 Claude Code 插件，用检查命令的退出码强制测试通过才放行停止
Krites 是 Quinn Lott 开源的 Claude Code 插件，智能体每次尝试停止时由插件自己运行仓库里配置的检查命令，第一个失败就拦下停止并回传该命令和最后 60 行输出。
Hacker News · Show HNAI 评分3030 Show HN：Vibetown 公共沙盒让陌生人用 AI 智能体一起 vibecode
Vibetown 在 Show HN 展示公共沙盒，任何人都能用 AI 智能体参与，与陌生人一起 vibecode。页面提供 Roulette、Open sandboxes 和 Live sandboxes，并列出多个 Live 房间。其目标场景包括与陌生人互动和结识新朋友。
Hacker News · Show HNAI 评分5959 开源应用 iphone-use-app 让 LLM 在本机控制 iPhone 应用，运行时不需 Mac
开源应用 iphone-use-app 在 GitHub 发布，让视觉模型直接在同一台 iPhone 上截图并操作其他 App，运行时不需要 Mac、额外硬件或越狱。
Hacker News · 高分新帖精选AI 评分7878 MiniMax 发布 M3.1 Flash，推理提速近 3 倍、使用成本降低 70%
MiniMax 正式发布 M3.1 Flash，官方称其在线推理速度提升近 3 倍、使用成本降低 70%，面向智能体任务、编码、Computer Use 和网络安全。
推荐理由：做 Agent 与编码自动化的团队可把长链工具调用任务迁到 MiniMax API 的 M3.1 Flash，按每百万 token 输入 $0.15 估算成本。
TechCrunch · AIAI 评分6464 Replika 创始人发布个人 AI 助手 Wabi，主打多线程与多人共享
Replika 创始人 Eugenia Kuyda 正式向所有用户发布 Wabi，一款以即时通讯为形态的个人 AI 助手，支持多个线程分别对应不同任务，线程还能共享成多人聊天。
GitHub Blog · AI & MLAI 评分3838 如何在 VS Code 中继续 GitHub Copilot 应用会话
GitHub Copilot 应用中的会话可直接在 VS Code 打开继续，对话、代码改动和工作上下文保持完整。教程涵盖逐行审查 diff、在 Copilot 侧边栏继续提问或修改、手动编辑，并用集成终端运行测试。完成后可将更新推送到该会话关联的 pull request。
TechCrunch · StartupsAI 评分6363 AI 助手创企 Town 上线四个月获 1.08 亿美元 B 轮融资，估值达独角兽
AI 助手创业公司 Town 宣布完成 1.08 亿美元 B 轮融资，由 Forerunner Ventures 与 Menlo Ventures 联合领投，估值达到独角兽级别。
TechCrunch · AIAI 评分7171 Nvidia 发布 Nemotron 3.5 Super VL 与两款 Bolt 开源权重模型
Nvidia 发布面向企业智能体和端侧计算的开放权重模型，包括 120B 参数的 Nemotron 3.5 Super VL，以及 Nemotron 3.5 Bolt 74B-A9B、Bolt E4B 两款轻量模型。
Hacker News · Show HNAI 评分6060 Jocasta 发布开源网络设备清单工具，按 MAC 地址跨 VLAN 追踪设备
Jocasta 是一个以单个二进制运行、带 Web 界面的开源网络设备清单工具，用 MAC 地址识别设备，IP 变化后设备的标签、分组和备注仍然保留，并记录每次变更。
Hacker News · Show HNAI 评分6969 OpenFilm 开源发布，把任意编码 Agent 变成视频编辑器
OpenFilm 是开源的 AI 视频工具，让 Codex、Claude Code 等编码 Agent 把影片写成 film.html，再由跑在本地的浏览器编辑器 Studio 查看和修改。
Hacker News · Show HNAI 评分7070 0sql 以 MIT 协议开源，用 Rust 把业务语义查询编译成 SQL，单次规划约 70µs
0sql 以 MIT 协议开源，是一个用 Rust 实现的语义到 SQL 规划器，把按业务字段描述的查询编译成一条确定的 SQL 语句，无法解析时返回说明原因的拒绝。
Hacker News · Show HNAI 评分6666 ApolloOffice 开源本地 AI 工作流水线，把 GitHub issue 变成带测试的 PR
ApolloOffice 是一套跑在本地电脑上的 AI 工作流水线，能把 GitHub issue 复现成经过验证的 PR。它由 Scout、Guard、Vet、Hunter、Repro、Fixer、CI、Reviewer、Submit、Watcher 等固定环节组成，会先确认回归测试在修复前失败、修复后通过并跑通项目测试，默认把 PR 连着 diff 和验证结果交给你批准。
Hacker News · Show HNAI 评分5757 Illos.dev 上线 61 个动效插画及让编码智能体复刻同款风格的 Skill
Illos.dev 在 Hacker News 的 Show HN 发布 61 个动效插画，并附带一套 Skill，教 Claude Code、Cursor、Codex 等编码智能体按同一套配色与线宽规则继续画出新插画。
Hacker News · 高分新帖AI 评分3434 不自己运行 LLM proxy，怎么知道 LLM 调用发生了什么？
Hacker News 上一则讨论帖以「如果不自己运行 LLM proxy，怎么知道发生了什么」发问，围绕不自建代理层时对 LLM 调用的可见性展开，已获 271 分、184 条评论。帖中未给出具体产品或实现方案。
Hacker News · Show HNAI 评分6262 Gsearch 开源 MCP 服务，用真实 Firefox 让 AI 智能体拿到 Google 搜索结果
Gsearch 是开源的 MCP 服务，让 AI 智能体调用 google_search 拿到 Google 真实结果页的 JSON，含还原后的真实链接、AI Overview、People also ask 和相关搜索。
Hacker News · Show HNAI 评分5454 Truth Firewall 0.1.0 发布，独立核验 Codex 是否真的完成任务
作者发布 Truth Firewall 0.1.0，在 Codex 声称完成后按用户事先写好的验收条件独立复核，给出 VERIFIED_DONE、REJECT_DONE、HUMAN_REQUIRED 或 ERROR 四类结论。
Hacker News · Show HNAI 评分6060 Open Artifacts 开源上线，把 AI 智能体产出托管到自有 Cloudflare 账号
Open Artifacts 是 MIT 许可的开源工具，把 Claude Code、Codex、Cursor、OpenCode 等智能体产出的页面、文档、代码和 PDF 存进用户自己的 Cloudflare 账号。
Hacker News · Show HNAI 评分4949 Show HN：sim-xp 用 Agent 把工程博客、故障或想法变成模拟
sim-xp 的 story-to-playbook 技能可把工程博客、事故复盘或想法转成经校验的 playbook.json 模拟并运行。用户可用 npx skills add smarchone/sim-xp --skill story-to-playbook -g 安装，并在 Claude Code 中执行 /story-to-playbook 生成。
Hacker News · 高分新帖AI 评分7171 HybridAgents：在潜空间推理、通过文本行动的混合推理智能体
arXiv 论文提出 HybridAgents 混合推理智能体，在统一生成过程中动态切换潜空间推理与文本交互。轻量模块 HybridLink 负责两种模式的转换，连续工作记忆在多次交互中保留无损的混合上下文，潜空间中的思考过程可直接检查，同时保留调用工具的能力。
Hacker News · Show HNAI 评分5757 Hypereffect 发布超媒体协议，服务端用 JSON 描述界面由各平台原生渲染
Hypereffect 是一个超媒体协议，服务端发送 signals 和 elements，由各平台 renderer 用自身原生控件绘制，组件固定为 18 个。
Hacker News · Show HNAI 评分5555 TriHerm Labs 发布本地优先的 macOS 视频录制剪辑工具 Cutmark，支持 MCP
TriHerm Labs 发布本地优先的 macOS 视频录制与剪辑工具 Cutmark 0.3.0，素材默认存放在 ~/Movies/Cutmark 并以普通文件管理。
Hacker News · Show HNAI 评分7171 OpenDesk 发布开源客服系统，对标 Zendesk 和 Intercom
OpenDesk 是一个 Apache-2.0 开源的客服系统，把邮件、在线聊天和帮助中心汇成一个共享工单队列，代码在 GitHub 上公开开发。内置 AI 助手 Ollie 能从帮助文档中找答案、起草回复、翻译和分流，所有动作都标注为 Ollie，管理员可为整个工作区关闭 AI。
Hacker News · Show HNAI 评分6464 fin 发布本地财务数据 CLI，可汇总银行账户与 Amazon、Costco 订单
fin 是一个在本地运行的命令行工具，通过 Plaid 连接银行、信用卡和券商，并读取 Amazon 与 Costco 的订单和收据。交易数据存进本地的 DuckDB，终端输出表格、给 Agent 输出 JSON，也可用 fin ui 在浏览器查看净资产走势、月度支出对比和 SQL 编辑器。
Hacker News · Show HNAI 评分6464 Pi-cowboy 开源多智能体编排器，可把 Codex、Claude Code、OpenCode 当作子智能体并行运行
Pi-cowboy 是作者以 MIT 协议开源的 Pi 多智能体编排器，可通过 npm 安装。它把大任务拆成子任务交给后台智能体并行执行，每个智能体运行在独立的 Herdr 终端窗格和 copy-on-write Git worktree 中，可混用 Pi、Claude Code、OpenCode、Codex 等 harness，完成后逐个合并分支并清理。