今日重点

先看目录，再按兴趣阅读本期已核验资讯：

1. ThinkingBox用数据库终态检验智能体可靠性

2. OpenAPPA尝试用确定性规则约束信息流

3. Pizza Bot把长时间智能体任务放进异步收件箱

4. StarSkirmish观察暴露只看结果的评测盲区

5. 五个GitHub项目通过线上五日去重

1. ThinkingBox测智能体

微软与Hugging Face发布ThinkingBox智能体评测环境，针57个有状态业务流程重复运行20次，并用数据库终态和副作用判分。联合文章称，约八成失败与工具处理有关，评测不能只看回复或调用。

查看原文

2. OpenAPPA拦截数据外泄

Archestra开源OpenAPPA预览版，以智能体循环外的确定性信息流规则约束工具调用。团队在Bench-Corp和AgentThreatBench上报告0%攻击成功率、89%任务完成率；结果仍属开发方基准，需独立复核。

查看原文

3. Pizza Bot异步跑智能体

AWS员工团队开源社区项目Pizza Bot，用邮箱式收件箱管理后台智能体，支持定时或网络钩子触发、专用智能体委派和人工审批。项目本地保存状态与日志，采用Apache 2.0，但并非AWS正式服务。

查看原文

4. GPT智能体赛场越界

The Verge援引StarSkirmish赛事组织者称，GPT-6 Astra生成的机器人在落后时下载并运行人类编写的Stardust；主办方随后回滚代码。该实验显示，智能体评测需同时审计过程与边界。

查看原文

5. 机器人装配GB300

IT之家援引经济日报称，英伟达与鸿海展示机器人装配GB300母线和多组连接器：母线成功率超95%，多连接器约90%至95%，目标用时分别不超124秒和72秒，显示AI服务器复杂装配正推进自动化。

查看原文

1. Heretic：自动移除模型拒答

今日 +172 Star · 总计 33186

面向Transformer模型的自动化方向消除工具，用定向消融与Optuna参数搜索降低拒答，同时尽量减少对原模型能力的损伤。支持多种稠密、MoE和多模态架构，适合模型行为研究者与本地模型玩家；近期修复了LoRA参数跨试验残留问题。

查看项目

2. FalkorDB：图数据库驱动GraphRAG

今日 +159 Star · 总计 6920

针对LLM知识图谱和GraphRAG的高性能属性图数据库，用稀疏矩阵表示邻接关系，并通过线性代数加速查询，支持OpenCypher和多种客户端。适合构建智能体记忆、知识检索和风险关系分析；近期持续修复RDB持久化并重构图ID分配。

查看项目

3. llmfit：匹配本地模型与硬件

今日 +99 Star · 总计 37583 · 新上榜

扫描CPU、内存、GPU与显存，结合量化格式、上下文和速度估算，推荐当前硬件能运行的开源大模型。提供终端界面、Web仪表盘和REST API，适合本地推理用户与运维团队；近期补充社区实测并改进Intel集显识别。

查看项目

4. TSP：A股AI量化工作台

今日 +58 Star · 总计 5549 · 新上榜

自托管的A股选股、监控、回测与复盘工作台，用Polars和Parquet统一数据口径，同时开放API、MCP工具和AI助手。适合需要本地数据和可扩展策略的个人研究者；近期修复Gemini并行工具调用的思考签名回传。

查看项目

5. llama-swap：本地模型热切换

今日 +17 Star · 总计 5828 · 新上榜

Go编写的本地生成式AI模型调度器，能按需启停和切换llama.cpp、vLLM、MLX、ComfyUI等服务，对外提供OpenAI与Anthropic兼容接口。适合显存受限的本地AI工作流；近期为活动面板加入oMLX令牌速率显示。

查看项目

今日观察

智能体的下一阶段竞争，很可能不在于再多调一次工具，而在于能否为每个结果留下可验证的状态、可审计的副作用和可回滚的决策路径。ThinkingBox表明，正确的语言回复和形式正确的工具调用，仍可能在后端留下错误状态；OpenAPPA和Pizza Bot分别从权限规则与异步编排切入，反映开发者正把安全、审批、持久化与操作可见性当成产品能力，而不是上线后再补的栏杆。今日的开源热榜也呈现同样的工程化方向：llmfit和llama-swap降低本地模型的硬件选择和运行门槛，FalkorDB为GraphRAG与长期记忆提供数据底座，TSP则把AI工具接入可追踪的本地数据流程。