Show HN: Astrum – 集成 AI 助手的终端复用器
开源终端复用器 Astrum 0.11.0 发布,单文件本地或 SSH 运行,内置 AI Agent 可在当前 shell 中提议并执行命令。 支持 Ollama、Anthropic、Amazon Bedrock 等模型端点,通过 MCP 服务器和 Skills 扩展工具,会话状态在关闭窗口或重启后保留。
开源终端复用器 Astrum 0.11.0 发布,单文件本地或 SSH 运行,内置 AI Agent 可在当前 shell 中提议并执行命令。 支持 Ollama、Anthropic、Amazon Bedrock 等模型端点,通过 MCP 服务器和 Skills 扩展工具,会话状态在关闭窗口或重启后保留。
开发者通过在 AgenticRetrieveStream 请求中添加 memoryConfiguration,即可将 AgentCore 记忆功能与知识库结合,实现多租户场景下的用户数据隔离。
测试显示,Lovable 和 Bolt 生成的 105 个联系表单中,27 个显示“已发送”但未实际提交,54 个正常发送。测试通过拦截网络请求确保无消息到达网站所有者,并识别出 16 个无演示标记的虚假表单。
Nathan Broadbent 提出 Standard Support 规范草案,定义 4 类工具让 AI 智能体通过 MCP 接口自动提交并读取工单回复。 规范包含 support_open_ticket 等工具及 watch_url 轮询机制,支持智能体跨会话获取团队响应,CC0 授权发布。
CopySpeech 是一款支持剪贴板双重复制触发 AI 语音朗读的工具,默认使用本地 Kokoro 引擎,也兼容 OpenAI 和 ElevenLabs 等云端 API。该工具具备实时字幕、0.25×–4× 变速及文本清理功能,并支持通过浏览器伴侣和 Hermes 插件扩展使用,最新稳定版本为 0.3.0。
Everything Antigravity (EAG) 是一款开源的 AI 智能体框架,支持 Linux、macOS 和 Windows 跨平台运行。项目包含 30 多项技能模块、10 个自主智能体配置文件以及 AgentShield MCP 服务器,可实时拦截凭证泄露、提示词注入和破坏性命令。
团队发布开源 AI 控制评估框架 Control Tower,基于 Inspect 构建,并推出 Control Leaderboard 用于对比不同控制协议。该框架解决各研究团队独立开发环境导致结果难以复制和比较的问题,支持将已有研究的环境与协议移植到共享基础设施中,便于跨模型和环境迭代测试。
Stromboli 是一款自托管的开源 AI SRE 智能体,在警报触发时优先提出回滚或扩容等具体缓解措施以止住损失,随后通过日志和指标分析根本原因并将报告发布至 Slack。该工具默认保持只读,但在 Fly.io 环境下经人工审批后可执行重启或克隆等机器操作,支持接入 Claude、GPT-5 等多种 LLM 模型及 MCP 协议,允许用户通过自定义服务目录连接不同的日志和监控系统。
推荐理由:原文详细展示了该开源工具如何通过分离紧急缓解与根因分析,并结合人工审批机制,实现安全的自动化事故处理流程。
summary_zh: 开发者构建了 Golden Board,这是一个 512 KiB 的二进制消息,旨在无共享语言或先验知识的前提下,向未知接收者教授国际象棋。
GammaRips 发布开源智能体工作流,将约 3500 只美国期权标的每日筛选至流动性高、交易优势强的精选合约,并通过 MCP 协议分发数据。 筛选采用严格量化门槛:Mid Price >= $1.00,Open Interest >= 500,Delta 0.22–0.48,DTE 10–45,RV/IV >= 0.85。 该工具非投资建议,默认配置为模拟交易,用户需结合自有催化剂研究层使用。
RightNow 推出开源模型推理服务,优化至 GPU kernel,支持 DeepSeek、GLM、Qwen 等模型。
DocBlocks 发布 DocBench 基准,评估本地模型在文档审阅、写作、图表和字幕清理等 6 类任务上的表现。测试覆盖 0.8B 至 35B 参数的 24 个模型,Qwen 3.8 27B Q4 以 81 分领先,Gemma 4 12B 紧随其后;云端模型得分均在 87 分以上。基准发现 3B 以下模型在审阅任务中往往输出噪音而非有效建议。
Mnemosyne Research 团队测试了 7 个模型(包括 OpenAI、Anthropic 及本地模型)与 800 条人类回复,量化验证了 23 个常见的“AI 写作特征”。
推荐理由:通过对比模型与人类在相同任务下的写作习惯,量化了哪些“AI写作特征”真实存在,并指出当前特征列表的局限性。
Alibaba 发布旗舰模型 Qwen4-Max,将 MoE 总参数设定为 2.4 trillion,激活参数 71 billion,上下文窗口 1 million tokens。
独立开发者发布Aura系统73页预注册研究报告,证实确认性实验满足全部24项标准。Aura基于MacBook运行27B级语言模型,具备持久内存与全局工作区等架构,能玩2048及调试Pong。研究指出其存在实质性数学计算与集成缺陷,未通过同行评审。
summary_zh: CoderBaba 是一款免费开源的终端 AI 编程智能体,支持任意开源模型。它通过规划、编辑、运行测试生成可审批 diff,实现代码构建。
Cloudflare 宣布其面向 AI Agent 的无状态浏览器引擎 Kitesurf 已在 GitHub 上以 Apache 2.0 协议开源。Kitesurf 完全运行在 Cloudflare Workers 之上,解析 HTML、应用 CSS、执行页面 JavaScript 并渲染截图,无需浏览器容器。
推荐理由:原文交代了 Kitesurf 开源后的本地运行与部署方法,读者可以据此搭建属于自己 AI agent 的轻量级浏览器环境。
ARTEX 是一个自托管、LLM 驱动的自主渗透测试平台,通过规划器分解目标、工作者执行真实工具,并双图记录资产与探索状态。所有发现均绑定请求/响应证据,且包含人工审批、范围限制及预算控制等安全机制。
Mnestiq 作为开源取证工具,可将防火墙网络连接回溯至触发该行为的 AI 智能体具体运行步骤。 支持 Apache-2.0 协议,兼容 Anthropic 和 OpenAI API,使用 Ed25519 签名确保日志记录不可篡改。 帮助安全团队解答“哪个智能体、为何执行、如何证明未改动”三大核心问题。
Linux Foundation 宣布将 Agent Name Service(ANS)纳入其项目,为 AI 智能体提供基于现有 DNS 基础设施的身份验证、注册与跨网络发现标准。
阿里巴巴正式发布全新一代基座大模型Qwen4-Max,总参数2.4T,原生支持视觉能力与百万上下文。新模型采用MoE架构,每次尝试平均Token用量较上代减少近50%,完成单个任务的平均费用降低58%。在CodeArena全球盲测中,Qwen4-Max前端排名全球第6;同时,Qwen4-Max已上线千问AI平台提供API服务,其系列中的中小尺寸模型将陆续开源。
ggml-org 发布 libllama 和 libggml 1.0.0,确立主版本 API/ABI 不兼容策略。 开发者需检查绑定 API 变更、固定包输入、验证实际加载库、测试全生命周期及 RPC 协议。 保留回滚方案并记录性能指标,确保生产环境升级安全。
blue-harness 提供二进制逆向加固与审计工具,实测显示 AI 破解加固后二进制消耗 token 增至 16,785,耗时 195 秒且失败。 该工具支持 ELF、PE、Mach-O 格式,集成九种对抗措施及 Claude 技能,CI 验证 362 项检查通过。 它使软件在 AI 辅助逆向场景下的防御策略可被量化验证。
Codecaine 是一款面向已有代码的免费桌面设计编辑器,支持 macOS 和 Web 端。 它将运行中的项目映射为可编辑画布,支持与 Claude Code、Codex 等 AI Agent 协同工作,修改直接写回源码,无需配置环境。
华为云正式发布并开源昇腾原生具身世界模型 CloudRobo-WM1.2。该模型基于国产算力昇腾训练,在 RoboTwin 2.0 和 LiberoPro 2.0 两大评测基准中均排名第一。
vstack 是一个开源工具,允许用户在现有的编码智能体(如 Claude Code, Codex)上运行管理者定期写作工作流。它将任务定义为JSON文件,通过私有仓库隔离公司敏感数据,并确保生成的文档经过证据收集、多轮校验和隐私检查后才作为草稿落盘。
新发布的 benchmark 通过对比任务前后数据库快照,评估 computer-use agent 在真实业务应用中的实际改动。该测试基于 635 个评分 episode,揭示版本升级导致的静默破坏及多步任务执行失败问题。 结果显示 Odoo 18 升级使附带损伤率升至 21%,三步复合任务成功率仅为 0/50,且 GPT-6 Luna 单任务成本低至 1-3 美分。
PerfArena 发布开源 LLM 代码性能评测竞技场,基于正确性、时延、内存和能耗对 13 个模型进行跨语言排名。 在 10 个 CLBGComp 基准和 99 个 LeetCodeComp 问题中,got-6-astra 是唯一在时延、能耗和内存上未被显著超越的模型,且解决率分别达 100% 和 99.7%。 该榜单持续更新,帮助开发者依据性能指标而非仅价格选择 LLM。
研究人员提出 GT-FENG 框架,统一规则治理领域的事实评估与错误归因。 该框架将回答与适用规则比对,Medicaid 案例显示记录本州档案可使仅匹配他州数值的错误减少 68-78%。 框架作为开源 Python 包 gtfeng 发布,为构建相关评测基准和工具包奠定基础。
NER-D 基准测试涵盖 9 个领域的 13 个数据集,用于评估德语命名实体识别模型。 测试对比了 GPT-5.4 mini 与开源小模型,结果显示 GPT-5.4 mini 在 13 个数据集中的 6 个上表现更优。 LoRA 微调使小型模型性能大幅超越专有模型基准,且基准测试资源已公开可用。
MMAO-Cls 在七个标准表格基准测试中,集成验证目标得分 0.9433,排名第二仅次于 GA-lite (0.9446)。 其在留一法测试中平均得分为 0.8882,优于 RandomSearch (0.8808) 和 GA-lite (0.8857),且使用最紧凑的特征子集(特征比率 0.4881)。 结果表明该多智能体优化器适用于分类任务,但社区共享对测试性能的具体贡献尚未完全解决。
研究人员推出 CTF-Dojo 平台及自动化工具 CTF-Forge,包含 658 个容器化 CTF 挑战,支持可验证反馈训练。 基于 486 条高质量轨迹训练 LLM 智能体,在 InterCode-CTF 等基准上取得最高 9.9% 绝对提升。 最佳 32B 模型 Pass@1 达 31.9%,超越 DeepSeek-V3-0324 等前沿模型,确立开源新纪录。
Cyber-Zero 是首个免运行时框架,通过逆向工程 CTF 题解生成智能体轨迹,在三大基准上较基线提升最高 11.4%。 该框架利用公开 CTF 题解与角色驱动 LLM 模拟,无需实际环境即可生成长程交互序列。 其最佳模型 Cyber-Zero-32B 在开放权重模型中创 SOTA,性能媲美 DeepSeek-V3-0324 与 Claude-3.5-Sonnet。
summary_zh: DeltaBox 提出基于变更的 OS 级沙箱检查点机制,实现毫秒级状态保存与回滚,解决现有方案高延迟瓶颈。 通过 DeltaFS 冻结可写层实现文件状态 copy-on-write,DeltaCR 从冻结模板进程 fork 恢复内存状态,两者协同保证一致性。
基于 nnU-Net 的 ISLA 框架在 590 例独立多中心临床队列中优于预训练模型,实现约 5 秒/例的处理速度。 该模型结合集成学习与域适应,在低对比度病灶上表现优异,代码权重开源。
针对现有扩散模型固定原子数量导致无法准确捕捉分子性质与大小联合分布的问题,研究提出名为 Morph 的灵活尺寸生成模型。 该模型基于几何图结构,通过非平衡最优传输动态调整分子大小,在保持性能的同时显著增强了属性导向采样灵活性。 研究展示了 Morph 在分布外生成任务中超越了先前固定尺寸模型在特定区域表现不佳的局限。
参数高效微调(PEFT)方法面临适配器规模与表达力的权衡,BoostLoRA 提出一种梯度提升框架以打破此限制。该框架通过迭代训练和合并极简适配器,利用 ROTATE SVD 基策略使累积有效秩随轮数线性增长,且合并后消除推理开销。
论文提出一种无监督领域适应管线,用于解决字符分类与手写文本识别中目标域标注数据匮乏的问题。 管线通过源域预训练、无监督目标域适应及源域风格化微调三步,弥合领域分布差距,且不增加推理开销。 在Safran-MNIST-DLS数据集上取得76.17% Macro F1分数的新SOTA,并在READ 2018数据集上获得具有竞争力的结果。
LuthorSQL 是一款 7B 非自回归 Text-to-SQL 模型,单 GPU 上 0.84 秒/题,BIRD 隐藏测试集执行准确率 68.03%。 结合 Claude Opus 5.5 构建级联系统,本地解答近半数问题,降低 33.3% API 成本,且 8-bit 量化后仅需 9 GB 内存。
Superfluid 是开源 LLM 服务器,用于本地设备上的 LLM 推理,支持单设备多智能体共享模型及跨设备集群服务。
推荐理由:原文给出了具体硬件下的延迟改善和吞吐数据,读者可据此评估分布式本地推理在实际混合算力场景中的可行性。