清华大学THUNLP实验室联合面壁智能与OpenBMB开源智能体操作系统 PilotDeck 2.0，聚焦解决AI智能体的记忆串台、长任务执行与模型调用成本问题。系统采用工作舱实现文件与记忆隔离，提供全链路可查看修改的白盒记忆与后台常驻执行，并原生支持MCP。通过主强子弱的智能路由分层编排，在多项高难度测试中将任务成本降至顶配单体模型的六分之一左右，目前采用AGPL-3.0协议开源。
推荐理由：系统通过工作舱隔离记忆与智能路由分层调度，为长周期智能体任务提供可落地的成本控制与记忆管理方案。
GitHub 升级密钥检测流水线，采用正则表达式初筛结合微调 ModernBERT 上下文分类器的两阶段架构，在减少误报的同时提升检测效率。相比此前基于通用 LLM 的方案，新模型使推送后扫描中位执行时间缩短 86%，推理服务成本降低超 98%，仓库所有者加权采纳率提升 11.5%。
推荐理由：通过正则初筛结合微调轻量编码器模型的方案，为高吞吐场景下兼顾检测准确率与推理成本提供了实用的架构参考。
GitHub 联合微软推出基于 ModernBERT 微调的通用密钥检测分类器，将其引入推送保护流程，可在 2 毫秒内完成候选批次评估并拦截无结构凭据。平台数据显示三分之一的 PR 涉及智能体，推送总量的激增使凭据泄露绝对值增加，而人工吊销平均耗时约 40 天。
推荐理由：原文结合九个季度的泄露拦截数据与低延迟模型方案，展示了平台如何在代码吞吐量激增时通过计算前置拦截无结构凭据。
微软亚洲研究院开源 Agent Lightning v1.0，这是一个仅约 3,500 行代码的轻量级智能体强化学习框架，支持直接使用部署时的真实 harness 进行训练。
推荐理由：该框架允许直接使用部署时的真实 harness 进行强化学习训练，降低了智能体在训练框架中重复实现的成本。
GitHub 与 Microsoft 联合推出面向 AI 代码审查智能体的开源评测基准 ReviewBench，现已开放研究预览并接受评测提交。该基准包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 PR，整合人类审查、LLM 与静态分析构建多源标准集，并采用 Claude Sonnet 5 统一执行打分。
推荐理由：该基准基于海量真实代码库构建并引入多源验证，为开发者评估代码审查智能体提供了贴近生产环境的离线评测标准。
GitHub Security Lab 推出了面向 C/C++ 项目的开源自主模糊测试工具 Fuzzing Taskflow，将入口识别、harness 编写、AFL++ 运行与崩溃分类全流程交由智能体执行。
推荐理由：该方案展示了如何将决策与 MCP 工具解耦，依靠覆盖率反馈让智能体自主完成模糊测试与漏洞分类。