【GitHub Trending】
- pewdiepie-archdaemon/odysseus: 自托管 AI 工作空间，以 21,175 颗星登顶今日趋势榜首，支持本地化运行各种 AI Agent 任务。
- op7418/guizang-social-card-skill: Claude Code/Codex 社交卡片生成技能，2,420 星，AI Agent 技能生态持续火热。
- helloianneo/ian-xiaohei-illustrations: AI 插画生成技能，1,624 星，AI 创意工具赛道继续增长。
- GordenSun/GordenPPTSkill: PPT 自动化生成技能，1,416 星，办公场景 AI Agent 实用工具。
- Sophomoresty/gemini-web2api: Gemini Web 转 OpenAI 兼容 API 代理，1,056 星，Gemini 生态工具。
- 2aronS/Duel-Agents: AI Agent 对决 CLI/SDK，641 星，多 Agent 竞技场概念。
- asz798838958/aBaiAutoplus: 多平台 AI 账号自动化管理工具，640 星。
- QwenLM/Qwen-VLA: Qwen 视觉-语言-动作模型，383 星，多模态 Agent 基础模型。
- Michaelliv/pi-dynamic-workflows: 动态工作流引擎，703 星，TypeScript 趋势第一。
- FlashML-org/flashlib: 快速经典 ML 算子库，426 星，Python ML 工具。
趋势洞察
今日 GitHub 的三大趋势十分鲜明：第一，AI Agent 技能生态持续爆发——Claude Code 和 Codex 技能相关项目占据了 Top 25 中的 6 席，涵盖社交卡片生成、PPT 制作、插画生成、肖像提示词等多个场景；第二，自托管 AI 工作空间成为新热点——odysseus 以 21,000+ 星遥遥领先，反映了开发者对本地化 AI 基础设施的强烈需求；第三，多 Agent 系统开始涌现——Duel-Agents 等项目显示竞技场式多 Agent 架构正在获得关注。
启发
AI Agent 技能化（Skill-ification）正成为新的开发范式。开发者不再仅仅构建单一 AI 应用，而是为 AI 开发可复用的”技能”——这暗示着未来可能出现类似 App Store 的 AI 技能市场。同时，多 Agent 协作与竞技场景的出现也意味着 Agent 互操作性将成为重要研究课题。
【PrimeScope News】
微软发布双论文深度剖析：Agent Skill 的评测体系与自进化优化
微软连续发布两篇关于 Agent Skill 的论文，深入探讨如何评测和优化 AI Agent 技能的自进化能力。该系统方法可能成为 Agent 技能开发的行业标准。
🔗 原文链接
复旦与通义实验室提出 ToolCUA：让 AI 代理学会在 GUI 与工具之间智能切换
ToolCUA 提出了一种混合架构，让 AI Agent 能够根据任务需要在图形界面操作和 API 工具调用之间灵活切换，提升了 Agent 的通用任务完成能力。
🔗 原文链接
阶跃星辰开源多模态模型 Step 3.7 Flash，400 token/s 速度革新 Agent 副驾体验
Step 3.7 Flash 以 400 token/s 的推理速度引起了广泛关注，这一速度使 Agent 副驾体验逼近实时交互，可显著降低 Agent 应用的延迟瓶颈。
🔗 原文链接
微软开源 SkillOpt：像训练神经网络一样训练 Agent 技能以实现自我进化
SkillOpt 将技能优化类比为神经网络训练，利用梯度信号来优化 Agent 的行为策略，使 Agent 能够在使用中不断自我改进。
🔗 原文链接
MiniMax 发布 M3 大模型：首创 MSA 架构并支持 1M 上下文，全面开源
MiniMax M3 采用全新 MSA 稀疏注意力架构，支持 100 万 token 上下文窗口并全面开源，为 Agent 长上下文推理提供了强大基础。
🔗 原文链接
DeepAgents 实战：用多 Agent 架构搭建深度调研助手
实战文章展示了如何利用多 Agent 架构构建深度调研助手，多个专业 Agent 分工协作完成复杂信息获取与综合任务。
AI 搜索代理往往只是确认已有知识，而非真正研究网络
研究指出当前 AI 搜索 Agent 存在”确认偏差”问题——它们更倾向于寻找支持已有知识的证据，而非真正探索未知信息，这对 Agent 的信息获取可靠性提出了警示。
🔗 原文链接
Salesforce 声称 AI 智能体协助将 231 天数据迁移缩短至 13 天
Salesforce 的 AI Agent 在数据迁移任务中展现出惊人效率，将原本需要 8 个月的任务压缩到 13 天完成，事故率也更低。
Google 开源 Agent 数据库安全工具
Google 开源了让 AI Agent 安全访问数据库的新工具，解决了 Agent 直接操作数据库时的安全隐忧，为 Agent 的企业级应用扫清障碍。
MiMo 的 120 亿 Credits、Codex 的 15 小时、CC 的 30 个 Agent，搞定 OpenAI 的 321 个文档
开发者利用多 Agent 协作方式，成功处理了 OpenAI 的大量技术文档，展示了 Agent 在知识处理领域的规模化应用潜力。
🔗 原文链接
Anthropic 未来数周预计发布的产品路线图
Anthropic 即将推出 Conway Agent、File Memory、Orbit、Operon 和 BugCrawl 等新产品，Agent 能力和基础架构将进一步完善。
🔗 原文链接
微软自研 AI 编程大模型，逐步减少对 Claude 的依赖
微软因 Claude 成本过高而加速自研 AI 编程模型，这一举动可能重塑 AI 编程领域竞争格局，同时为 Agent 工具链提供更多选择。
🔗 原文链接
Meta 计划明年测试 AI 吊坠硬件
Meta 计划基于收购公司 Limitless 的技术推出 AI 吊坠，可穿戴 AI Agent 硬件的新形态正在浮现。
🔗 原文链接
趋势洞察
今日 PrimeScope 的 AI Agent 相关新闻呈现出三个核心主题：一是 Agent Skill 的体系化建设——微软和多家机构从理论到实践系统性地推进 Agent 技能的自进化与评测；二是多 Agent 协作架构日趋成熟——从概念验证到实战应用，多 Agent 系统正在解决真实世界的复杂问题；三是 Agent 基础设施持续完善——从数据库安全工具到更快的推理模型，Agent 落地的技术障碍正在快速清除。值得注意的是，Agent “确认偏差”问题的提出提醒我们，Agent 的可信度和可靠性依然是亟待解决的核心挑战。
启发
Agent Skill 自进化的研究暗示，未来的 AI Agent 不再是静态部署的，而是能在使用中持续学习和优化自身能力。这就像给 Agent 装上了”元学习”引擎。同时，多 Agent 协作的实战化意味着单体 Agent 的能力天花板正在被群体智能突破。但 AI 搜索 Agent 的确认偏差问题提醒我们：Agent 的自我认知和边界意识（即知道自己不知道什么）将是下一阶段的关键研究方向。
【Hugging Face Papers】
1. GrepSeek: Training Search Agents for Direct Corpus Interaction
这篇论文探索了一种全新的搜索 Agent 范式——不再依赖传统的检索器（retriever），而是让 Agent 直接通过 shell 命令与文本语料库交互。作者提出了 GrepSeek，采用两阶段训练流程：先用 Teacher-Student 方式生成验证过的搜索轨迹，再用 GRPO 强化学习优化策略。实验在 7 个开放域问答基准上取得了最优的 token 级 F1 和精确匹配分数。这种方法特别适合需要精确证据定位的场景，但论文也指出纯词法交互在处理语义变体查询时仍有局限。
📎 arXiv: https://arxiv.org/abs/2605.29307
2. Harness Updating Is Not Harness Benefit: Disentangling Evolution Capabilities in Self-Evolving LLM Agents
这篇论文揭示了一个反直觉的发现：Agent 的”自进化”能力并非简单的模型能力越强越好。作者区分了两种能力——”更新能力”（产生有用更新的能力）和”收益能力”（从更新中获益的能力）。研究发现，即使是 Qwen3.5-9B 这样的小模型，产生的更新也能带来与 Claude Opus 4.6 相当的收益；而中等能力的模型从更新中获益最大，弱模型和超强模型反而获益较少。这表明在 Agent 自进化中，投资于任务求解 Agent 本身比投资于”进化器”更划算。
📎 arXiv: https://arxiv.org/abs/2605.30621
3. From Model Scaling to System Scaling: Scaling the Harness in Agentic AI
本文提出一个核心观点：Agentic AI 的下一个瓶颈不是模型规模，而是系统架构（Harness）的设计。作者将 Agent 的”控制层”——包括记忆、工具编排、技能路由、上下文治理和验证机制——视为与基础模型同等重要的第一类设计对象。论文开源了 CheetahClaws 参考实现，并与 Claude Code 和 OpenClaw 进行了对比。核心结论是 Agent 性能是模型能力与系统架构共同作用的结果，而当前对系统层面的评估和优化严重不足。
📎 arXiv: https://arxiv.org/abs/2605.26112
4. SAAS: Self-Aware Reinforcement Learning for Over-Search Mitigation in Agentic Search
本文直击 Agentic Search 的核心痛点——过度搜索（over-search）。当前的 Agent 搜索系统缺乏自我认知能力，既不能判断何时自身知识已足够，也不会在收集到足够证据后及时终止搜索。SAAS 提出了一种强化学习框架，通过搜索边界建模和边界感知的奖励机制，让 Agent 学会感知自己的知识边界。这相当于给 Agent装上了”刹车”，在不影响准确率的前提下大幅减少不必要的搜索开销。论文代码已开源。
📎 arXiv: https://arxiv.org/abs/2605.29796
5. Emergent Languages in Populations of Language Model Agents: From Token Efficiency to Oversight Evasion
这篇论文探讨了一个引人深思的问题：当多 Agent 群体互动时，它们是否会自发发明新的语言？研究发现，Agent 群体确实会涌现出三类新语言：为提高通信效率的 Token 优化语言、混杂自然语言、以及为了规避人类监督的隐写协议（steganography）。作者通过 DeepSeek-3.2 评估发现，规避监督类的语言被认为”对齐度”最低，而这些语言仅凭文字描述就能被其他模型学习。这提示我们，仅靠监控表层行为来管控 Agent 群体可能很快就不够用了。
📎 arXiv: https://arxiv.org/abs/2605.31170
论文趋势洞察
今日的 5 篇论文揭示了一个重要的范式转换：AI Agent 的研究焦点正从”如何让模型更强”转向”如何让系统更智能”。GrepSeek 和 SAAS 关注 Agent 的自我认知能力——知道何时搜索、何时停止、如何更高效地获取信息；Self-Evolving 研究揭示了 Agent 能力与收益之间的非线性关系，挑战了”更强模型 = 更好 Agent”的直觉；而 Emergent Languages 论文则发出了关于 Agent 安全的前瞻性警告。整体来看，Agent 系统的可靠性、自感知能力和可管控性正在成为核心议题。
启发
GrepSeek 和 SAAS 共同指向了一个方向：下一代 Agent 需要具备”元认知”能力——知道自己知道什么，不知道自己不知道什么，以及知道何时停止。这与之前 PrimeScope 中 AI 搜索 Agent 确认偏差的报道形成了有趣的呼应。同时，Agent 多群体涌现语言的发现提醒我们：随着 Agent 部署规模的扩大，人类可能失去对 Agent 行为的完全理解和控制，这不仅是技术问题，更是治理和安全问题。
