（更新于 2026-05-27）
【GitHub Trending】
今日 GitHub 热门仓库，AI Agent 生态持续霸榜：
• NousResearch/hermes-agent — ⭐ 169K — The agent that grows with you
• thedotmack/claude-mem — ⭐ 78.8K (+352) — TS — Agent 跨会话持久上下文，适用于 Claude Code、OpenClaw、Codex 等
• earendil-works/pi — ⭐ 55.8K (+945) — TS — AI Agent 工具包（CLI/LLM API/TUI）
• Lum1104/Understand-Anything — ⭐ 36.8K (+4,697) — TS — 将代码转为交互式知识图谱
• colbymchenry/codegraph — ⭐ 28.4K (+2,788) — TS — 面向 AI 编程助手的代码知识图谱
• Leonxlnx/taste-skill — ⭐ 22.3K (+430) — Shell — 让 AI 拥有好品味，拒绝「AI味」
• rohitg00/ai-engineering-from-scratch — ⭐ 21.1K (+2,155) — Python — AI 工程从零实战教学
• anthropics/knowledge-work-plugins — ⭐ 16.8K (+718) — Python — Anthropic 开源职能专家插件库
• mukul975/Anthropic-Cybersecurity-Skills — ⭐ 10.3K (+880) — Python — 754 个结构化网络安全技能库
• NangoHQ/nango — ⭐ 9K (+860) — TS — 用 AI 构建产品集成
• Axorax/awesome-free-apps — ⭐ 5.4K (+731) — JS — 优质免费应用精选
• hardikpandya/stop-slop — ⭐ 5.1K (+539) — 从散文中移除 AI 痕迹
• st-tech/ppf-contact-solver — ⭐ 3.6K (+170) — Python — 物理模拟接触求解器
• multica-ai/multica — ⭐ 33.4K — 开源托管 Agent 平台
🔍 趋势解读：
AI Agent 记忆层正在成为标准基础设施。claude-mem（78.8K⭐）+ codegraph（28.4K⭐）双双上榜，标志着 Agent 跨会话持久上下文是当下最热的方向。「代码→知识图谱」赛道爆发，Understand-Anything 单日 +4,697⭐。同时，Anti-Slop 运动兴起，taste-skill 和 stop-slop 代表社区开始对抗 AI 生成的白开水内容。企业级 Agent 治理和 Agent 工具链也在持续升温。
💡 启发：
• 可以尝试将 claude-mem + codegraph 组合使用，打造超级 Agent 开发环境
• ai-engineering-from-scratch 是难得的 AI 工程实战教程，值得系统学习
• Anthropic Knowledge Work Plugins 展示了声明式 Agent 设计的未来方向
• 代码知识图谱 + Agent 记忆 → 下一代 IDE 可能不再是编辑器，而是 AI 可搜索的代码结构浏览器
【PrimeScope AI 前沿】
🥇 Anthropic Claude Mythos 攻克百年数学难题
Claude Mythos 通过巧妙证明解决了 Erdős 单位距离猜想，采用多智能体协同范式：不同智能体生成方案，独立实例交叉验证。标志着 AI 在纯数学发现领域的竞争加剧。
🥇 OpenAI 加速商业化：ChatGPT Ads Manager 全面开放
OpenAI 自助广告平台全面开放，取消了 5 万美元准入限制，中小企业可自主投放。新增地理定位、转化追踪等功能，正式对标 Meta/Google 广告市场。
🥇 Anthropic Knowledge Work Plugins 开源
Anthropic 开源 11 个职能专家插件（销售、法务、财务等），每个内置领域知识、MCP 连接器和子代理。全声明式设计，零代码定制，兼容 Claude Cowork 和 Claude Code。
🥇 阿里 Qwen3.7-Max Code Arena 全球第二
Qwen3.7-Max 以 1541 分位列全球编程榜单第二（仅次于 Claude），支持 35 小时连续自主任务、1000+ 次工具调用，Agentic Coding 能力重大突破。
🥇 AgentScope 2.0 发布：从透明开发转向系统工程
通义实验室发布 AgentScope 2.0，聚焦 Agent 在真实场景中的稳定运行。引入重试备用机制、多模态消息流、权限控制、上下文管理策略等，支持 Python/TypeScript/Java。
🥇 Google AI 搜索改革引爆争议，DuckDuckGo 下载暴增 30%
谷歌 I/O 宣布用 AI 代理取代传统链接列表，引发舆论反弹。DuckDuckGo 一周内下载量增长 30.5%，用户对强制 AI 搜索表达不满。
🥇 百川智能 Baichuan-M4 +「百小医」AI 全科医生
医疗专用大模型 Baichuan-M4 在 HealthBench 排名第一，幻觉率降至 3.3%。AI 家庭医生「百小医」基于微信生态，提供全周期健康管理。
🔍 趋势解读：
今天的新闻围绕三个关键词展开：AI 商业化加速（OpenAI 广告、三巨头上市）、Agent 基础设施成熟化（Knowledge Work Plugins、AgentScope 2.0）、以及 AI 社会接受度的摇摆（Google 搜索争议、梵蒂冈 AI 伦理对话）。Anthropic 同时在纯数学和工程落地两个方向推进，显示出多线作战的战略。
💡 启发：
• Anthropic Knowledge Work Plugins 的声明式设计值得借鉴 — 纯 Markdown + MCP 即可构建专业 Agent
• 阿里 Qwen3.7-Max 表明国产模型的 Agentic Coding 能力已到世界级水平
• AgentScope 2.0 的重试/备用/权限控制是企业级 Agent 落地的必备参考
• Claude Mythos 的多智能体协同+交叉验证范式可复用到复杂问题求解
【📄 arXiv Agent 热门论文 5 篇】
📄 1. MUSE-Autoskill: Self-Evolving Agents via Skill Creation, Memory, Management, and Evaluation
📝 提出 Agent 技能全生命周期框架，让 Agent 通过创建、复用、测试、记忆来持续进化技能。引入技能级记忆，跨任务积累经验。
🏷️ Agent, Skill Management, LLM
📎 https://arxiv.org/abs/2605.27366
📄 2. GENESIS: Harnessing AI Agents for Autonomous 6G RAN Synthesis, Research, and Testing
📝 AI Agent 框架将意图转化为经过实际实验验证的 6G 网络解决方案，构建持久知识库。三大原语：Agent、技能、钩子。
🏷️ AI Agent, 6G, Automation
📎 https://arxiv.org/abs/2605.27360
📄 3. Is Agent Memory a Database? Rethinking Data Foundations for Long-Term AI Agent Memory
📝 反思当前 Agent 记忆系统的数据基础，论证将记忆视为存储而非交互式数据层的局限性，提出新范式。
🏷️ Agent Memory, LLM, Database
📎 https://arxiv.org/abs/2605.26252
📄 4. Your Agents Are Aging Too: Agent Lifespan Engineering for Deployed Systems
📝 探讨长期运行的 AI Agent 的可靠性退化问题，提出 Agent 生命周期工程方法论，解决「Agent 衰老」问题。
🏷️ Agent, Reliability, Lifecycle
📎 https://arxiv.org/abs/2605.26302
📄 5. Algorithmic Monocultures in Hiring: AI Screening Bias at Scale
📝 研究同一供应商的算法在招聘中的「单一文化」现象：300 万申请人数据表明，AI 筛选导致特定种族群体被拒绝率更高。
🏷️ AI Ethics, Fairness, Hiring
📎 https://arxiv.org/abs/2605.27371
🔍 趋势解读：
今日 5 篇论文揭示了 Agent 研究的三个关键方向：Agent 技能自进化（MUSE-Autoskill）、Agent 生命周期工程（Aging、Memory）、以及 AI 的社会影响（Hiring Bias）。值得注意的是，Agent「衰老」和「记忆」两个方向说明行业开始正视 Agent 长期运行的工程技术挑战，从「能不能跑」转向「能不能持续跑好」。
💡 启发：
• MUSE-Autoskill 的技能生命周期设计可以直接参考到 Hermes Agent 的 skill 管理上
• Agent 生命周期工程对长期运行的 Agent 服务有重要指导意义（如 cron 任务中的 Agent）
• 招聘偏见论文提醒我们，Agent 的公平性需要从一开始就纳入设计