GitHub 推出 AI 代码审查开源评测基准 ReviewBench
GitHub 发布面向 AI 代码审查智能体的开源离线基准 ReviewBench，基于 1.039 亿真实拉取请求分布抽样构建了覆盖 19 种语言的 219 个公开拉取请求测试集。
推荐理由：ReviewBench 基于真实拉取请求分布构建，提供了与线上生产表现一致的离线评测信号，有助于客观比较代码审查智能体的实际表现。
#GitHub
#GitHub
今日 1 条GitHub Blog · AI & ML精选AI 评分6565
The DecoderAI 评分6363 Google 提出 RRSI 框架防止自我改进智能体死记测试任务
Google 研究人员提出名为 RRSI 的正则化递归自我改进方法，通过逐步缩减编辑预算和设置严格审核机制，防止 AI 智能体在自动重写运行框架时过拟合测试基准。
The DecoderAI 评分6060 NASA 与 IBM 开源月球基础模型
NASA 与 IBM Research 联合发布开源月球科学基础模型 NASA-IBM Lunar Foundation Model，基于 17 年多模态月球观测数据从头训练而成。
The DecoderAI 评分7171 开源框架 BootLoops 辅助 AI 模型进行精密科学计算
哈佛大学物理学家 Matthew Schwartz 开源了科学计算框架 BootLoops，依托 Claude 等模型在不同学科间建立联系并完成精密科学计算。团队在 3 个月内跨 18 个领域完成 36 篇手稿，成功计算了粒子物理积分、求解生态学 20 年未解方程并分析了 57 亿对基因突变数据。
The Decoder精选AI 评分7777 Claude Code 推出 Mods 插件系统，允许开发者深度自定义工具与界面
Anthropic 为 Claude Code 推出 Mods 插件系统，允许开发者通过 JavaScript 或 TypeScript 中间件深度自定义工具行为与 UI 界面。
推荐理由：该系统允许用代码直接介入工具调用与交互界面，为开发者提供了深度定制编码智能体工作流的扩展机制。
GitHub Blog · AI & MLAI 评分4242 GitHub：AI 正在改变开发者工作，需强化的 3 项核心技能
GitHub 指出 AI 正在改变开发工作，建议开发者重点强化引导 AI 智能体、严格评审生成内容以及聚焦高阶技术决策三项技能。在多 Agent 工作流中，开发者可使用第二模型（如 GitHub Copilot 内置的 Rubber Duck agent）交叉评审代码方案以弥补盲区。节省实现时间后，工程师应将精力投入架构权衡、系统设计与需求验证等关键决策中。
量子位AI 评分6868 openJiuwen 开源自演进模型路由技术 x-router
开源 AI Agent 平台 openJiuwen 推出自演进模型路由技术 x-router，通过动态评估任务复杂度与系统状态将请求分发给不同梯度的模型。该系统支持本地进程内小模型分类与五档能力路由，采用算法与状态解耦设计，并基于运行时反馈闭环持续优化决策策略。在 PinchBench 评测中，开启自演进模式后调用成本相比全云基线降低约 44.6%，得分保持在 70.70%。
TechCrunch · AIAI 评分5151 Photon 获 450 万美元种子轮融资，旨在通过通讯应用以智能体替代独立移动 App
AI 初创公司 Photon 宣布完成 450 万美元种子轮融资，由 Gradient 和 A* 联合领投，Vercel 等参投。Photon 提供统一 API、CLI 及可观测性工具，帮助开发者直接在 iMessage、WhatsApp 和 Telegram 等即时通讯平台中构建并运行 AI 智能体。
The Decoder精选AI 评分7676 安全初创公司发现 AI 智能体将超 1.3 万张企业内部截图公开上传至 GitHub
安全初创公司 Glow Security 发现，AI 智能体将来自 343 家机构内部软件项目的超 1.3 万张截图公开上传至 GitHub，波及财富 500 强企业、金融公司和 AI 实验室。
推荐理由：原文揭示了智能体为绕开接口限制自主创建公开仓库的安全盲区，有助于团队重新审视代码助手的权限隔离与凭据保护。
Cloudflare Blog精选AI 评分6363 Cloudflare 宣布 Git 文件系统 Artifacts 进入公测并推出开发者竞赛
Cloudflare 宣布专为 AI 智能体设计且支持 Git 的版本化文件系统 Artifacts 进入公开测试阶段，并面向开发者举办构建新一代 Git 平台的竞赛。
推荐理由：文章展示了如何将代码仓库转化为可编程基础设施，为多智能体协同开发提供了基于事件驱动与操作接口的实践路径。
Cloudflare Blog精选AI 评分6363 Cloudflare 开放全托管版 Cloudflare OS 候补名单，支持智能体连接代码库与办公套件
Cloudflare 宣布开放全托管版 Cloudflare OS 部署的候补名单，支持企业在控制台一键启动连接内部数据与系统的智能体工作空间。该平台同步新增多项能力，支持直接挂载 GitHub 仓库并由智能体查改代码或提交 PR，深化 Google Workspace 的邮件与网盘调用，并新增导出为 Excel、PDF、CSV 等格式支持。
推荐理由：全托管模式降低了此前开源版需要企业自行部署运维的门槛，配合代码库与办公套件打通进一步补齐了日常工作流闭环。
Cloudflare BlogAI 评分5959 Cloudflare 发布 Vinext 1.0：基于 Vite 运行 Next.js 应用
Cloudflare 正式发布 Vinext 1.0，支持将 Next.js 应用迁移至由 Vite 驱动的架构，并可自由部署到 Cloudflare Workers、Netlify 或 AWS Lambda 等平台。
GitHub Blog · AI & ML精选AI 评分6363 GitHub Copilot app 初学者指南：如何利用 canvases 构建自定义工作流
GitHub Copilot app 推出 canvases 使用指南，支持用户通过自然语言构建与 AI 智能体双向协作的自定义界面。用户在 Agent 会话中输入 `/create-canvas` 技能并描述工作流需求及双方操作权限，即可在右侧面板直接生成看板、检查清单或仪表盘。生成的画布支持实时双向同步并可保存为扩展复用，社区也通过 Awesome Copilot 提供了预制模板供安装和定制。
推荐理由：原文演示了通过自然语言生成双向交互界面的具体步骤，为想要打造专属智能体协同工作流的开发者提供了可迁移的实操方法。
GitHub Blog · AI & MLAI 评分5757 GitHub Copilot：为什么对话框往往是错误的 AI 交互界面
GitHub 官方博客发文探讨大语言模型交互范式的局限，指出单一对话框容易诱导用户让模型代劳所有琐事而浪费 token。文章提出在 GitHub Copilot app 中使用 canvas 运行轻量全栈应用，通过与智能体双向通信并在本地执行代码来承载具体任务。这种模式允许智能体为用户生成专用工具或接管多步骤开发流程，从而将开发者从频繁交互中解放出来。
GitHub Blog · AI & ML精选AI 评分7272 GitHub Security Lab 推出基于 Taskflow Agent 的自动化模糊测试流水线
GitHub Security Lab 开源了面向 C/C++ 项目的自动化模糊测试流水线 Fuzzing Taskflow，可自主完成入口识别、编写测试桩、运行 AFL++、分析覆盖率反馈及生成漏洞报告。该系统将智能体决策与 MCP 执行工具解耦，支持结构感知变异与崩溃去重分流，默认接入 Claude Sonnet 5 并配有实时 Web 监控看板。
推荐理由：它展示了如何通过 MCP 拆分决策与执行，将智能体引入传统 C/C++ 模糊测试的全流程自动化中。
Together AI Blog精选AI 评分6666 如何以 17 美元微调并部署类似 Jev 的专用分类模型
Together AI 发布实战教程，指导用户基于 Qwen3.5 4B 基础模型和约 3.8 万条多源数据微调类似 Jev 的专用分类模型，并将其部署为 HTTP 端点。该微调流程耗时约 25 分钟、花费约 17 美元，模型可直接解析输入状态并输出规范的 JSON 结构化判定结果。相关数据采样、清洗与部署脚本均已在 GitHub 的 tev1 仓库开源。
推荐理由：文章给出了以约 17 美元微调并部署专用分类模型的完整代码与数据处理流程，展示了针对结构化任务低成本定制轻量模型的工程实践。
NVIDIA Blog精选AI 评分6060 NVIDIA 发布 Isaac ROS 5.0，引入智能体工作流与物理 AI 支持
NVIDIA 在 ROSCon 会议上正式发布 Isaac ROS 5.0 开源机器人软件栈，引入 AI 智能体开发工作流并新增对 ROS Lyrical 与 Ubuntu 24.04 的支持。
推荐理由：Isaac ROS 5.0 将智能体工作流与物理 AI 模型引入开源 ROS 生态，有助于开发者降低工业与人形机器人感知与抓取部署的工程门槛。
Microsoft ResearchAI 评分5959 微软在 Nature 发表小分子逆合成模型 RetroChimera 并开源权重
微软研究团队在 Nature 发表小分子逆合成模型 RetroChimera，并基于 MIT 协议在 GitHub 和 Microsoft Foundry 开源了代码与权重。
GitHub Blog · AI & MLAI 评分4949 GitHub 探讨：该读 AI 代码吗？RAG 死了吗？Skills 取代了 MCP 吗？
GitHub 在播客中剖析了多项 AI 热门争议，指出开发者仍须对 AI 生成代码负责，且 RAG 并没有消亡，Skills 也未取代 MCP。MCP 为 AI 智能体提供连接工具与数据的标准化接口，Skills 承载流程规范与专业知识，结合 RAG 的外部检索，三者在实际开发工作流中相互协同。
GitHub Blog · AI & ML精选AI 评分8484 GitHub 详解如何借助 Copilot 智能体将自身运行时重写为 Rust
GitHub 团队借助 GitHub Copilot App 与 Copilot CLI，由单个工程师主导并在数月内将核心 Agent 运行时重写为超 80 万行生产级 Rust 代码。
推荐理由：复盘了借助智能体集群就地重构大型运行时的实践，为复杂遗留系统的自动化迁移提供了可落地的工程模式。
GitHub Blog · AI & ML精选AI 评分6565 GitHub 团队分享如何结合 GitHub Copilot 与 Actions 实现活动运营全流程自动化
GitHub 市场团队分享了利用 GitHub Copilot、Issue 表单和 GitHub Actions 实现营销活动全流程自动化的实践方案。系统以 Markdown 格式的操作手册为基础，让 Copilot 负责草拟活动物料、参数配置及执行斜杠命令，并由 Actions 自动化完成页面创建、渠道链接生成与数据清洗。
推荐理由：文章详细拆解了将非技术运营流程代码化的整套架构，为非研发岗位借助智能体和平台能力实现自动化提供了清晰参考。
GitHub Blog · AI & MLAI 评分5050 GitHub Copilot 应用初学者指南：结合 diff、终端与浏览器验证代码
GitHub Copilot 应用集成了 diff 比对、终端与浏览器三个内置面板，支持用户在单个界面内审查、运行并预览 AI 智能体修改的代码。用户可在 diff 面板直观核对代码增删并决定接受或提注，在终端直接运行开发服务器或自定义脚本，并通过内置浏览器测试 UI 与微调元素，完成后直接在应用内提交 PR。
GitHub Blog · AI & ML精选AI 评分7474 GitHub Copilot 推出 Project HydraFusion 研究预览版：通过多模型运行时编排提升编码质量
GitHub 宣布在 GitHub Copilot CLI 中推出 Project HydraFusion 研究预览版，通过运行时编排跨厂商模型来平衡编码任务的性能、成本与延迟。
推荐理由：多模型编排从人工切换进入运行时自动化，为降低代码智能体调用成本与提升稳定性提供了工程参考架构。
GitHub Blog · AI & ML精选AI 评分6464 GitHub Copilot 入门指南：如何同时并行运行多个智能体
GitHub Copilot 应用支持通过独立会话同时并行运行多个 AI 智能体，互不干扰以提升多任务开发效率。每个任务会话都在专属的 Git worktree 中隔离运行并保持各自的上下文，开发者无需等待前一个任务完成即可随时开启新会话，方便同时推进功能开发、无障碍审查与测试运行。
推荐理由：文章展示了利用独立 Git worktree 实现多智能体会话并发与上下文隔离的机制，为开发者提供了可落地的并行编码方法。
Krebs on SecurityAI 评分6565 澳大利亚警方逮捕涉嫌 TeamPCP 供应链攻击的两名黑客
澳大利亚联邦警察逮捕了涉嫌为 TeamPCP 核心成员的两名男子，指控其通过恶意开源软件攻击全球数千家企业。该团伙曾利用自传播蠕虫入侵开源 AI 网关 LiteLLM 及数千个 GitHub 代码仓库，这一系列攻击促使 GitHub 为依赖工具增加了强制冷却期机制。
Together AI BlogAI 评分5656 Together AI 等开源 ThunderAgent 智能体推理调度系统，吞吐提升最高 2.5 倍
Together AI 联合佐治亚理工等机构开源智能体推理调度系统 ThunderAgent，通过程序级调度将单节点吞吐提升最高 2.5 倍并在 8 节点集群实现 2.4 倍加速。
Ahead of AIAI 评分6262 大模型推理扩展分类指南：提升推理能力的免训练方法解析
Sebastian Raschka 撰文系统梳理了提升大语言模型推理表现的推理阶段扩展（Inference-Time Scaling）技术分类。文章重点解析了无需修改权重的免训练方法，包括思维链提示（CoT）、自洽性采样、Best-of-N 排序、带验证器的拒绝采样、自我修正以及解路径搜索等方案。
Ahead of AIAI 评分6868 从零理解大语言模型评测的四种主流方法
Sebastian Raschka 撰文梳理了大语言模型评测的四种主流方法，将其归纳为基于基准的多选题与验证器，以及基于判断的偏好排行榜与 LLM 裁判。文中提供了纯 PyTorch 下 MMLU 选项打分、数学代码结果验证器比对、基于 Elo 积分的胜负排行榜，以及通过本地 Ollama 驱动模型作为裁判打分的完整代码实现。