AI 速递 2026-03-28

生成时间：2026/3/28 09:08:08（UTC: 2026-03-28T01:08:08.713Z）

开源热门

数据来源：Trendshift · GitHub Trending

Yeachan-Heo/oh-my-claudecode

⭐ 11,771 · TypeScript

专为 Claude Code 打造的 Teams 优先多智能体编排框架。该项目展示了如何在实际开发环境中组织和调度多个 Agent 协同工作，对探索复杂工程任务的自动化拆解与执行具有很高的参考价值。

mvanhorn/last30days-skill

⭐ 8,351 · Python

这是一个能跨越 Reddit、X、YouTube 等平台进行主题检索并生成总结的 AI Agent 技能。从工程视角来看，它提供了一个极佳的多源数据聚合与信息降噪的参考实现，非常适合需要构建深度研究型 Agent 的场景。

datalab-to/chandra

⭐ 5,546 · Python

支持复杂表格、表单和手写内容并保留完整排版的视觉 OCR 模型。高质量的文档解析是 RAG 系统的核心痛点，该模型在复杂版面还原上的能力可以直接提升企业级知识库的数据预处理质量。

SawyerHood/dev-browser

⭐ 4,374 · TypeScript

为 Agent 赋予网页浏览器使用能力的 Claude 技能扩展。它为大模型操作真实网页提供了一个轻量级的工具调用范例，适合需要集成自动化 Web 交互、端到端测试或数据抓取能力的 Agent 架构。

论文精选

CUA-Suite：面向计算机使用智能体的大规模人工标注视频演示数据集

👍 84 · arXiv

该论文指出连续视频而非离散截图是扩展计算机使用智能体（CUA）的关键，并开源了大规模高质量的视频演示数据集。这为开发和微调能够执行复杂桌面工作流的通用 GUI Agent 提供了至关重要的训练资源。

为什么自我蒸馏（有时）会降低大语言模型的推理能力？

👍 37 · arXiv

研究发现，虽然自我蒸馏能缩短推理路径，但在数学等复杂任务中会抑制模型表达不确定性的能力，从而导致性能下降。这对我们在工程中对 Agent 底层模型进行后训练或蒸馏优化时，如何平衡响应速度与推理准确性敲响了警钟。

UI-Voyager：通过失败经验学习的自进化 GUI 智能体

👍 36 · arXiv

针对长周期 GUI 任务中稀疏奖励和错误归因的痛点，提出了一种两阶段自进化移动端 GUI Agent 架构。其核心启发在于引入了从失败轨迹中高效学习的机制，为提升自动化测试或端侧 Agent 的鲁棒性提供了新思路。

Intern-S1-Pro：万亿参数规模的科学多模态基础模型

👍 87 · arXiv

作为首个万亿参数的科学多模态模型，它不仅提升了图文理解能力，还显著增强了 Agent 智能和科学领域的专家推理能力。这为构建垂直领域（如科研辅助、复杂数据分析）的高级智能体提供了强大的基座模型选择。

版本更新

Ollama v0.19.0-rc0：改进了启动逻辑和 TUI 聊天标题显示，在 Linux 上包含了 MLX JIT 头文件，并针对本地模型上下文长度低于 64k 的情况增加了警告。提升了本地模型部署的开发者体验。Release 链接
LangChain v1.2.23 (langchain-core)：核心库常规更新，回退了 metadata 中追踪调用参数的变更，并升级了 requests 依赖。主要为底层稳定性修复。Release 链接
CrewAI 1.13.0rc1：多智能体框架的预发布版本，主要更新了文档和变更日志，为即将到来的 1.13.0 正式版做准备。Release 链接

开发者工具

Continue v1.3.38-vscode：修复了访问时 config.yaml 文件的存在性与填充问题，并更新了底层依赖。进一步提升了这款开源 AI 编程助手的配置稳定性。Release 链接
OpenAI Codex CLI rust-v0.118.0-alpha.3：OpenAI 官方命令行工具的 Rust 版本 Alpha 更新，持续优化终端环境下的 AI 编码交互体验。Release 链接

行业动态

解剖 .claude/ 文件夹：Claude Code 的本地状态管理 深度解析了 Claude Code 在本地工作区生成的 .claude/ 隐藏文件夹的内部结构与状态管理机制。这对于想要理解或逆向工程本地 AI 编程助手如何维持上下文和记忆的开发者非常有价值。
Agent 到 Agent 的结对编程实践 探讨了让两个 AI Agent 相互协作进行代码编写的架构设计。文章分析了多智能体在代码生成、审查和迭代中的交互模式，为构建更可靠的自动化编码工作流提供了思路。
关于 AI 编程智能体的一些“令人不适”的真相 从一线开发者的视角，客观剖析了当前 AI 编码 Agent 在实际工程落地中面临的上下文丢失、重构困难等局限性。有助于技术团队在引入 AI 辅助工具时设定合理的预期并调整开发流程。
LiteLLM 恶意软件攻击的分钟级响应复盘 详细记录了开源 LLM 网关 LiteLLM 遭遇供应链投毒攻击后的应急响应过程。对于维护 AI 基础设施和依赖大模型 API 代理网关的团队来说，这是一篇必读的安全警示与实战案例。
从零开始理解模型量化（Quantization） 一篇极具深度的交互式技术长文，从底层原理详细讲解了 LLM 量化技术。对于需要将大模型部署到边缘设备或进行本地推理优化的 AI 工程师来说，是极佳的理论与实践指南。
Cursor 推出 Composer 2 与后台自动化 Agent 功能 Cursor 迎来了重大更新，Composer 2 提供了前沿的编码性能，同时新增的 Automations 功能允许开发者定义触发器和指令，构建永远在线的后台 Agent。这标志着 AI IDE 正从“辅助编写”向“自主执行”演进。
仅用一天通过 AI 重写 JSONata，每年节省 50 万美元 分享了使用 AI 工具将复杂库（JSONata）进行跨语言移植（Vibe Porting）的真实商业案例。展示了 AI 在遗留系统改造和高性能重写场景下的巨大工程杠杆效应。