01
AI Agent 书籍
李博杰开源的《深入理解 AI Agent：设计原理与工程实践》围绕 Agent = LLM + 上下文 + 工具 这个公式展开。
全书共 10 章，从 Agent 基础、上下文工程、用户记忆和知识库，一路讲到 Coding Agent、评估、模型后训练、多模态交互和多 Agent 协作。
还放了 92 个配套实验，其中 70 多个可以独立运行。
你读到 MCP、RAG、上下文压缩或 Agent 评估时，不需要停留在概念层面，可以跟着代码自己跑一遍。
阅读方式也准备得很完整。
项目提供 PDF、EPUB 和在线版本，支持全文搜索和章节折叠。目前已有简体中文、正体中文、英文、俄语、越南语、日语和泰米尔语版本。
它目前拿到了约 1.9 万 Star，本周新增超过 1.7 万，排在 GitHub Trending 周榜第一。
如果你最近准备系统学习 Agent，这本书很适合作为主线资料。
先把 10 章的知识框架搭起来，再根据自己的方向深入 Coding Agent、记忆系统或多 Agent。
开源地址：https://github.com/bojieli/ai-agent-book02
把一段长视频实时还原成 3D 场景
LingBot-Map 是 Robbyant 团队开源的前馈式 3D 基础模型。
输入连续图像后，模型会逐帧估计相机轨迹、场景结构和几何信息，让三维地图跟着视频不断生长。
项目提出了 Geometric Context Transformer，把坐标定位、稠密几何线索和长距离漂移校正放进同一个流式框架。
它还加入了分页 KV Cache，用来控制长视频推理时的内存开销。
在 518×378 分辨率下，LingBot-Map 可以达到约 20 FPS，并处理超过 1 万帧的长序列。
下面是一个约 2.5 万帧、时长 13 分钟的室内行走演示。
它比较适合机器人建图、空间智能、无人机、自动驾驶和数字孪生等方向。
开源地址：https://github.com/Robbyant/lingbot-map03
两台电脑传文件，一个口令就够了
开源地址：https://github.com/schollz/croc发送端运行 croc send，工具会生成一段短语。
接收端输入这段短语，文件就会通过中继服务传过去。 双方使用 PAKE 完成密码认证密钥协商，传输内容采用端到端加密。
它支持 Windows、macOS、Linux 和浏览器，能传单个文件、多个文件或整个文件夹。
网络中断后可以续传，也不需要配置端口转发。
IPv6 优先，无法使用时会回退到 IPv4，还能通过 Tor 等代理运行。
croc 已经是一个相当成熟的项目。 目前约有 3.8 万 Star，本周又新增了约 2500。
这类工具没有太多花里胡哨的功能，解决的问题却每天都可能遇到。
临时给同事传大文件、在新旧电脑之间搬资料，或者跨系统传输，都可以把它留在工具箱里。
macOS 可以这样安装：
brew install croc发送与接收：
croc send 文件或文件夹
# Linux 与 macOS 默认用环境变量传入口令，避免口令出现在进程名中CROC_SECRET=接收口令 croc04
真正能落地的 UI 规范
UI Skills 把设计工程中的检查规则整理成了一组可供编码 Agent 调用的 Skills。
其中的 baseline-ui 会约束间距、排版、组件、动画和布局， 重点清理常见的 AI 生成界面问题。
fixing-accessibility 负责可访问名称、键盘操作、焦点和表单错误。
fixing-motion-performance 会检查布局动画、滚动监听、模糊效果和图层使用。
仓库还提供 create-design-md，可以从现有产品代码或网页中提取设计语言，生成供 Agent 持续参考的 DESIGN.md。
开源地址：https://github.com/ibelick/ui-skillsimprove-ui 则会先核对项目自己的设计证据，再输出可执行的改进计划。
这套项目的价值在于规则足够具体。
它会告诉 Agent 图标按钮需要 aria-label，交互反馈别超过 200 毫秒，大面积元素不要持续做模糊动画， 设计审查也不能凭感觉随便改。
项目目前约有 6300 Star，本周新增超过 2100。做 AI 前端、设计系统或 Design Engineer 工作流的人，可以重点看看。
使用命令：
npx ui-skills start05
Kimi Code
Kimi CLI 是 Moonshot AI 开源的终端 AI Agent。
旧版开源地址：https://github.com/MoonshotAI/kimi-cli
新项目地址：https://github.com/MoonshotAI/kimi-code它能读取和修改代码、执行 Shell 命令、搜索网页，并在任务进行中自己调整计划。
按下 Ctrl-X 可以在 Agent 对话和 Shell 命令模式之间切换。
你还可以通过 MCP 给它接入外部工具，或者使用 ACP 把它接进 Zed、JetBrains 等兼容编辑器。 官方也提供了 VS Code 扩展和 Zsh 插件。
它目前有约 1.1 万 Star，本周新增约 1500。
![图片展示了Kimi Code的界面。上方显示“Welcome to Kimi Code! Send /Help for help information.”，并列出目录、Session、Model、Version等信息。下方有“Kimi-k2.6 thinking ~/Developer/kimi-code main \[r1\]”提示，右下角有“/yolo: toggle yolo | ctrle: cancel”及“context: 0.0% (0/262.1k)”字样。该图片与文档中介绍Kimi Code的内容相关，直观呈现了其运行状态及部分功能。](https://media.fange-kb.cn/assets/d7/d7c5c8a8f5450684153024b2cd5f4d9b0c5eaac78cd7832ee3718f0296617398/original.gif)
安装入口：
# Linux 与 macOS
curl -fsSL https://code.kimi.com/kimi-code/install.sh | bash06
给 pi Agent 装上一个本地 Web 工作台
Pi Web 给 pi coding agent 增加了一个运行在本地的浏览器界面。
它会读取本机已有的 pi 会话文件， 把 Markdown、工具调用和执行结果整理成更清楚的消息视图。
左侧可以浏览项目和历史会话，右侧能够预览源码、文档、图片、音频和 PDF。
开源地址：https://github.com/agegr/pi-web你可以从某条旧消息继续尝试另一种方案，也能把会话分叉成独立路线。
项目还支持切换 Git Worktree，让新会话和文件浏览器跟着当前工作目录变化。
模型登录、API Key、模型测试和 Skill 开关也能在页面里管理。
顶部会显示上下文用量、成本和压缩状态， 排查 Agent 为什么突然忘事时会方便很多。
运行时不需要全局安装：
npx @agegr/pi-web@latest浏览器打开：
http://localhost:3014107
Rust 写的 Agent
地址：https://github.com/1jehuang/jcodejcode 是一个用 Rust 编写的编码 Agent Harness，重点放在 多会话、性能、记忆和 Agent 协作上。
它支持 Claude、OpenAI、Gemini 等模型来源，也能连接兼容 OpenAI API 的服务。
会话可以运行在持久化服务中，再从多个客户端接入。
jcode 的记忆系统会把对话轮次转成语义向量，在记忆图中检索相关内容。它也会周期性提取、整理和合并记忆，让 Agent 在多次会话之间保留有用信息。
更有意思的 是 Swarm 模式。
你可以在同一个仓库里启动多个 Agent，服务端负责同步文件变化、传递消息和处理冲突。Agent 也能自行拉起协作者，把任务拆开并行完成。
性能是它最吸睛的部分， jcode 首帧时间约为 14 毫秒。
关闭本地嵌入后，单会话 PSS 内存约为 27.8 MB。这些数字来自项目方自己的测试环境，适合用来理解设计目标，不宜当成所有机器上的固定结果。
目前 jcode 已有约 1.1 万 Star，本周新增约 2600。
安装方式：
# macOS 与 Linux
curl -fsSL https://jcode.sh/install | bash08
本周还有这些项目值得留意
mattpocock/skills
Matt Pocock 公开的个人 Agent Skills 合集， 聚焦真实软件工程工作流 。它本周新增超过 1 万 Star，也是 Agent Skill 走向工程化的一个明显信号。
diegosouzapw/OmniRoute
连接多个模型供应商的 AI 网关，支持额度感知、自动降级和 Token 压缩。 经常在不同模型之间切换的人，可以用它减少配置和容灾工作。
tirth8205/code-review-graph
给 AI 编程工具使用的本地代码知识图谱。它会 建立持久化代码地图 ，帮助 Agent 少读无关文件，把上下文留给真正重要的部分。
Nutlope/hallmark
一套面向 Claude Code、Cursor 和 Codex 的设计 Skill， 重点清理 AI 生成界面的套路感。做产品页面和前端原型时很值得翻一下。
earendil-works/pi
包含统一 LLM API、Agent Loop、终端界面和编码 Agent CLI 的工具箱。 想研究终端 Agent 如何组织模型、工具和会话，可以从这里入手。
rohitg00/ai-engineering-from-scratch
面向 AI 工程实践的学习项目，内容围绕学习、构建和交付展开。比较适合想从模型调用走向完整 AI 产品开发的人。
ruvnet/RuView
项目宣称可以利用普通 Wi-Fi 信号实现空间感知、存在检测和生命体征监测。概念很吸睛，实际采用前建议核对论文、硬件条件和独立测试。
HKUDS/DeepTutor
面向长期学习场景的个性化 AI Tutor，重点放在持续辅导和个体知识状态。教育 Agent 方向的读者可以关注。
kvcache-ai/ktransformers
面向异构硬件的大模型推理与微调框架，重点利用 CPU、GPU 等组合降低本地运行大型模型的硬件压力。
apache/ossie
Apache 推动的语义元数据规范项目，希望统一分析、AI 和 BI 平台之间的数据语义交换。它的热度没有 Agent 工具那么抢眼，长期影响值得观察。
