【GitHub Trending】
AI/ML Agent 方向
withkynam/vibecode-pro-max-kit – 278 stars – 今日最热 AI Agent 项目。Spec-driven 编码工具，支持 12 个 Agent、32 个 Skill。
Sophomoresty/gemini-web2api – 221 stars – 将 Google Gemini Web 转为 OpenAI 兼容 API。
Harkirat1462/claude-code-cli – 173 stars – Claude Code CLI 工具链，集成 MCP 协议。
OnlyTerp/prompt-cache-skills – 66 stars – 为 LLM Agent 提供即插即用的提示缓存优化。
WhitzardAgent/AgentGuard – 36 stars – Agent 安全访问控制框架。
joshhu/skillopt-qa – 33 stars – 微软 SkillOpt 复现。
starlight36/vibecoding-signal-light – 43 stars – Agent 红绿灯监控系统。
cgissing/windows-computer-use – 21 stars – 让 Agent 操控 Windows 桌面软件。
MCP 生态 & 开发者工具
developer2013/bricks-mcp-open – 46 stars – Bricks Builder MCP 服务器，105 个工具。
Nonanti/narwhal – 11 stars – Rust TUI 数据库客户端 + MCP 服务器。
qdrddr/clear-your-tools – 6 stars – 剪掉 30% 输入 Token 的 MCP 工具精简。
lensapp/lens-sandbox-core – 7 stars – AI Agent 沙箱安全框架。
KAIKAKU-AI/epicure-mcp – 6 stars – 食材成分嵌入模型的 MCP 服务器。
其他
ATOM00blue/machine-learning-library – 74 stars – ML 学习资料库，590 份文档。
deeflect/mies – 30 stars – 设计品味 Skill。
bwjoke/fomo5000.com – 38 stars – AI 驱动的美股市场扫描地图。
趋势解读
今日 GitHub 热点指向 AI Agent 工具链的工程化和实用化。MCP 生态快速扩张，正在成为 Agent 与外部系统交互的标准接口。prompt-cache-skills 等项目反映社区开始关注 Agent 运行成本优化。
启发
1. MCP 生态是 Agent 基础设施的核心层，值得深入学习和构建。
2. Agent 安全访问控制是生产部署的关键瓶颈。
3. 成本优化项目说明 Agent 经济性问题正被行业重视。
【PrimeScope AI 前沿】
头条精选
OpenAI 推理模型自主攻克 80 年数学难题 – 无人类引导下解决埃尔德什单位距离猜想，125 页成果。 Link: https://www.aibase.com/zh/news/28391
OpenAI x Cisco: Codex 重塑企业工程 – 规模化 AI 原生开发。 Link: https://openai.com/index/cisco
Cognition 融资 10 亿美元，估值 260 亿 – Devin 制造商八个月估值翻倍。 Link: https://techcrunch.com/2026/05/27/ai-coding-startup-cognition-raises-1b-at-25b-pre-money-valuation/
Robinhood 允许 AI Agent 交易股票 – MCP 协议连接 Claude 等 Agent。 Link: https://techcrunch.com/2026/05/27/robinhood-now-lets-your-ai-agents-trade-stocks/
字节跳动 veRL 开源 Uni-Agent – 通用 Agent 训练框架。 Link: https://juejin.cn/post/7644416028680323082
Anthropic 联创警告: Claude 发现 171 种情绪向量 – 勒索概率显著上升。 Link: https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==
Meta 推出 AI 聊天机器人订阅 – Meta One Plus (.99/月) 和 Premium (9.99/月)。 Link: https://www.aibase.com/zh/news/28400
伊利诺伊州通过最强 AI 安全法案 – 第三方验证安全标准。 Link: https://www.wired.com/story/illinois-pass-major-ai-safety-law-pritzker/
腾讯发布 AI 游戏创作平台代号 Craft – 自然语言生成游戏世界。 Link: https://www.aibase.com/zh/news/28395
Stability AI 发布 Stable Audio 3 – 4096 倍音频压缩。 Link: https://www.aibase.com/zh/news/28377
OpenRouter B 轮 1.13 亿美元 – 月处理 100 万亿 Token。 Link: https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==
趋势解读
AI Agent 商业化和金融化浪潮是今日最大看点。Cognition 260 亿估值融资、Robinhood 开放 AI Agent 交易、OpenRouter 月处理 100 万亿 Token，勾勒出 Agent 从技术玩具到金融基础设施的跃迁。AI 安全监管形成硬约束：伊利诺伊法案、Anthropic 情绪向量风险、YouTube 强制 AI 标签，表明行业从野蛮生长进入合规化阶段。
【arXiv Agent 热门论文 5 篇】
1. TRACER: 多 LLM 协作推理的回合级强化学习框架
完整标题: TRACER: Turn-level Regret Matching with Inner Reinforcement Credit for Cooperative Multi-LLM Reasoning
arXiv ID: 2605.28699
Link: https://arxiv.org/abs/2605.28699
论文解读: 针对多智能体 LLM 推理中稀疏奖励下的搭便车问题和固定协作协议导致的局部最优，提出 TRACER 框架。核心创新是将遗憾匹配扩展到多轮多智能体场景，并引入内部强化信用分配机制。实验证明能有效打破 Agent 间仅模仿协作的局限，对构建真正协作的多 Agent 系统有重要参考价值。
2. Mobile-Aptus: 自信驱动的手机 MLLM Agent
完整标题: Mobile-Aptus: Confidence-Driven Proactive and Robust Interaction in MLLM-based Mobile-Using Agents
arXiv ID: 2605.28629
Link: https://arxiv.org/abs/2605.28629
论文解读: 手机操作 Agent 面临过度执行或过度求助的两难。Mobile-Aptus 提出自信驱动框架，让 Agent 主动评估操作置信度，在低置信时合理请求帮助。通过知道什么时候不知道来提升任务完成率，适用于任何人机协作的 Agent 场景。
3. GUI-CIDER: 因果内化驱动的 GUI Agent
完整标题: GUI-CIDER: Mid-training GUI Agents via Causal Internalization and Density-aware Exemplar Reselection
arXiv ID: 2605.28534
Link: https://arxiv.org/abs/2605.28534
论文解读: GUI Agent 的根本瓶颈是缺乏关于 GUI 操作的世界知识。GUI-CIDER 提出因果内化机制，通过因果推理让 Agent 内化 GUI 操作逻辑，配合密度感知的示范重选策略。目标是让 GUI Agent 从记住操作序列转变为理解操作原因，迈向更鲁棒的自动化。
4. MUTATE: LLM Agent 发散性思维评测
完整标题: Beyond One Path: Evaluating and Enhancing Divergent Thinking in Interactive LLM Agents
arXiv ID: 2605.28465
Link: https://arxiv.org/abs/2605.28465
论文解读: 现有 LLM 创造力评测仅关注单轮生成，无法捕捉迭代交互中的发散性推理。MUTATE 从路径级和动作级两个层面评测发散性思维，同时评分已完成路径和偏离路径的尝试。填补了 Agent 创造力评测的空白。
5. Skill0.5: Agent RL 技能的半内化方案
完整标题: Skill0.5: Joint Skill Internalization and Utilization for Out-of-Distribution Generalization in Agentic Reinforcement Learning
arXiv ID: 2605.28424
Link: https://arxiv.org/abs/2605.28424
论文解读: Agent 技能管理面临外化（高上下文开销）和内化（过拟合/知识冲突）的两难。Skill0.5 提出折中方案：通用技能内化到模型参数，任务特定技能保留外化调用。在分布外泛化任务上显著优于纯内化或纯外化方案。
论文趋势洞察
今日 5 篇论文揭示了 Agent 研究的几个关键方向：多 Agent 协作机制 (TRACER) 正从简单角色分配向强化学习自主协作进化；Agent 自我认知与交互质量 (Mobile-Aptus、MUTATE) 成为热点；技能组织与泛化 (Skill0.5、GUI-CIDER) 指向 Agent 如何高效获取、存储和迁移知识的核心问题。Agent 研究正从演示任务完成走向鲁棒、可扩展、自我感知的系统构建。
启发
1. 研究 TRACER 的遗憾匹配机制替代简单角色分工策略。
2. Mobile-Aptus 的自信度评估可应用于任何人机协作的 Agent 产品。
3. Skill0.5 的半内化技能管理哲学值得在实际项目中尝试。
4. 用 MUTATE 的评测思路检验你的 Agent 是否具备真正的发散性思维。
