Eon 发布 Era:为智能体生成完整模拟公司
Eon 工程师发布 Era,为智能体生成完整的模拟公司,覆盖 Salesforce、Slack、Jira、Google Drive 等系统,同一批客户、交易和员工贯穿所有系统,并通过 MCP server 和兼容真实厂商的 API 暴露,可直接把已有智能体指向它做测试和基准评测。
推荐理由:Era 把同一家公司投影到 11 个系统并暴露 MCP 与厂商 API,读者可据此判断智能体评测环境的搭建方式。
AI 产品与应用的功能上新、改版与商业化动态——谁家的产品变强了、变贵了、能用了。
Eon 工程师发布 Era,为智能体生成完整的模拟公司,覆盖 Salesforce、Slack、Jira、Google Drive 等系统,同一批客户、交易和员工贯穿所有系统,并通过 MCP server 和兼容真实厂商的 API 暴露,可直接把已有智能体指向它做测试和基准评测。
推荐理由:Era 把同一家公司投影到 11 个系统并暴露 MCP 与厂商 API,读者可据此判断智能体评测环境的搭建方式。
Skytail 是一个用 TypeScript 和 three.js 写的无尽飞行游戏,同一份代码既能在浏览器运行,也能通过 GeaStack CLI 提前编译成 C++ 原生 macOS 和 Xbox 应用,原生版本不依赖 JavaScript 引擎。
推荐理由:同一份 TypeScript 代码经 GeaStack 编译为 C++,在浏览器、macOS 和 Xbox 上复用同一套 three.js 渲染器,可看跨平台原生构建的可行路径。
Possiblymadebyahuman 发布 Chrome 扩展,可记录用户在评论、论坛回复和邮件等文本框中的写作过程,并用哈希链签名生成可公开校验的短链接。作者称无法证明内容由人类所写,但可以记录写作过程并断言作者身份,因为服务器时间戳跨度二十分钟意味着伪造同样跨度也需二十分钟。除 Chrome 扩展外,还支持在 /write 页面或 Emacs 中写作。
推荐理由:通过记录编辑过程与哈希链签名来佐证人类写作,读者可了解一种反向图灵测试式的思路。
past.dev 发布面向 AI 智能体的记忆层,今日开放自助注册,通过 Memory API 的 ingest、recall 三次调用返回带日期来源的当前事实。
推荐理由:原文给出记忆层在 BEAM 各历史长度上的完整成绩与 API 调用方式,可据此判断它相对向量检索的差异。
PR Lens 是一个把 pull request 渲染成动画架构图和数据流图的工具,图会以评论形式直接贴在 PR 内,颜色区分新增、修改和删除的代码。
推荐理由:作者把 PR 评审的认知负担转成动画架构图,并给出 GitHub、GitLab、Bitbucket 与本地 CLI 的接入方式。
作者发布 Postquel,一款面向 macOS 15 及以上、支持 Apple silicon 和 Intel 的免费开源 PostgreSQL 客户端,用 SwiftUI 和 AppKit 构建在 libpq 之上。
推荐理由:作者自述这款 macOS 原生 PostgreSQL 客户端如何复用本机已登录的 Claude Code、Codex 或 Cursor 账号做只读查询与改表预览。
SelfBench 是一个面向编码智能体的私有基准工具,把仓库已合并的 PR 还原成带隐藏测试的任务,再运行不同模型与 harness,按准确率和单任务成本绘制 Pareto 前沿。
推荐理由:用仓库自身已合并 PR 生成带隐藏测试的私有基准,并按准确率与成本画出 Pareto 前沿,为选型提供可复现依据。
HackerRank 在约六个月测试后,于周一将 AI 面试官 Chakra 正式开放给客户,测试期间已完成超过 50 万场面试,Snowflake、Snorkel、Capgemini 等公司参与试用。
推荐理由:HackerRank 把 AI 面试官从测试推向商用,并给出可疑行为标记下降 70% 至 80% 这一可比较的数据。
GitHub 发布 ReviewBench,一个面向 AI 代码审查智能体的开放离线基准,研究预览版已上线官网。基准基于 1.039 亿个 GitHub pull request 的分布构建,包含 19 种语言、187 个开源仓库的 219 个 pull request,采用多来源 golden set 与统一评分标准,发布前由资深工程师独立复核,一致率 96.6%。
推荐理由:GitHub 公开了代码审查基准的构建方法与评测口径,读者可据此判断自家审查智能体的强弱与取舍。
Usermods 是一个开源浏览器扩展,在任意网页侧边栏描述需求后,编码智能体会检查页面、编写用户脚本并实时测试,再交给用户试用或保存,保存后的脚本在匹配页面自动运行。
推荐理由:开源浏览器扩展把编码智能体接进网页改造流程,读者可据此判断自建用户脚本工具链的可行路径。
Agentic Telemetry 发布 alpha 版,这是一个面向智能体系统的轻量遥测采集器,用 SQLite 存储事件并支持按 run 或 agent 查看活动,仅依赖 Python 标准库。
推荐理由:原文给出了一个仅依赖 Python 标准库的智能体可观测性工具,读者可据此判断本地调试智能体流程的接入成本。
作者发布 v1.0,把 374K 参数的语言模型用汇编跑在 Game Boy Color 上,并新增第二张卡带 Rei,一个会问名字并记住的对话角色。故事模型和 token 未变,编码器改为精确实现并快 150 倍,首个 token 从 6.8 秒降到 1.8 秒,速度 0.46 秒/token。
推荐理由:作者把 374K 参数模型塞进 Game Boy Color 并给出逐项实测数据,可看端侧推理的极限工程取舍。
Abralo 发布开源本地工作区 v0.1.3-preview,让开发者与编码智能体在同一房间协作,可为智能体分配构建、评审等角色并通过 @ 提及触发交接。工作区基于 React 界面、本地 Node/Fastify 服务、SQLite 与原生编码运行时,默认绑定 127.0.0.1:4317,仓库任务使用独立 Git worktree。
推荐理由:原文给出多智能体协作工作区的架构、Provider 限制与预览版下载方式,可据此判断本地协作编码的可行边界。
作者在 Show HN 发布 moji rama,一个覆盖 1,260,645 部电影和电视剧的快速搜索工具,可按剧情、演员、情绪、模糊记得的片名或 emoji 检索。搜索由 Clef-Flash 在全部条目上规划执行。
推荐理由:作者自建覆盖 126 万部影视的剧情语义搜索,可看语义检索在超大规模数据上的落地方式。
作者 henry-xli 发布 Chrome 扩展 net19,将 170 多个热门网站的界面设计冻结在 2019 年的样式。该扩展免费、本地运行、开源且不干扰浏览,用户可在 GitHub 仓库推荐新增网站或反馈问题。
推荐理由:作者把网页改版带来的体验落差做成可安装的浏览器扩展,读者可了解其覆盖范围与开源入口。
开发者 Arpit Agarwal 发布开源 macOS 菜单栏应用 Leftovers,用于清理编码智能体留下的残留进程。
推荐理由:作者以自家 macOS 工具为例,说明编码智能体残留进程如何占用内存与磁盘,并给出可复用的清理与保护规则。
Designobo 在 Show HN 发布,是一款用 40kb JavaScript 实现的 AI 原型设计工具,用户描述需求后由 AI 生成可点击的 HTML 界面、流程与交互,不含后端和应用代码。
推荐理由:原文给出了产品形态、MCP 接入方式和免费额度,读者可据此判断它能否嵌入现有智能体工作流。
Jurl 是一个命令行网页抓取工具,用户描述想要的内容后,它用决策模型 Jev 读文本、Clef 看图片,只判断每个段落、链接或图片符合要求的概率,再按页面原样输出命中的内容,不做改写或摘要。
推荐理由:作者给出命令行抓取工具的实现思路与实测耗时成本,可据此判断它能否接入现有脚本或智能体流程。
Cachetoast 是一个面向编码智能体的本地工具,当会话至少 100k tokens 且空闲超过缓存 TTL 时,它会拦下你的下一条提示,避免智能体以未缓存输入的价格重读整个上下文,并给出在新会话继续的交接。
推荐理由:原文说明了提示缓存过期后重读上下文的成本机制,以及用本地交接在新会话继续的做法。
Recast 是一个用 LLM 在运行时自我修复的 Smalltalk 实验应用,它把 LLM 接入运行中应用的异常路径:失败调用会提供调用栈、方法源码、接收者状态和测试,模型提出修复方案,由另一个 VM 校验后再替换实时镜像中的方法,后续调用无需重新构建或重启即可使用新代码。
推荐理由:演示了把 LLM 接入运行时异常路径、由独立 VM 校验后再热替换方法的完整闭环,可据此判断自动修复的边界。