本周的 10 个项目，集中在一条逐渐清晰的主线：Agent 不再只是接模型和工具，还要能训练、治理、运行、观察和恢复。DeepSeek Harness、Agent Lightning、Agent Governance Toolkit、Herdr 与 Google ADK Go 分别切进运行时、训练闭环、策略治理、长任务状态和 Go 工程入口，适合从不同层面评估团队的 Agent 基础设施。
另一边，开发交付开始更强调可验证和可控：Archify 把架构图做成可追溯交付物，Playwright MCP 为浏览器自动化提供结构化入口，OpenMontage 将视频生产拆成可审计管线；AI Job Search 与 AI Engineering from Scratch 则把真实文档流程和学习过程都放回人工审阅、测试与证据留存的轨道上。
一、Agent 运行、训练与治理
1. DeepSeek Harness
介绍： DeepSeek Harness 是面向开发者的 Agent Harness，以 Cordis 插件架构组织 Web、模型、工具和运行时能力，并提供 Web 与命令行入口。
推荐依据： 本周它同时有量化爆发证据、MIT 许可证与启动、安全材料；README、架构/开发文档和第三方依赖披露提供了可追踪入口。关注点是插件化运行时的工程方向，不应把社区热度当作生产成熟度。
适合： 想研究插件化 Agent 平台、快速接入多类工具，或观察新型运行时架构的开发者。
注意： 项目仍是 developer preview，插件和 Agent 工具会扩大文件、网络与外部副作用权限；先阅读 SAFETY，在非敏感目录隔离凭据和工作区启动，并锁定版本。
2. Agent Lightning
介绍： Agent Lightning 是面向 Agent 研究与工程团队的可插拔训练、优化和评测运行时，提供从轨迹数据到训练闭环的示例管线。
推荐依据： 它把 Agent、训练器和运行时解耦，公开 Search R1、LLM-in-Sandbox、Coding Agent 与训练示例；架构图、benchmark comparison、6K training samples 管线与近期维护，使训练闭环有可拆解的落点。
适合： 想理解轨迹采集、奖励设计、训练数据清洗、运行时边界和评测闭环的 Agent 研究或工程团队。
注意： 训练需要 GPU、verl 依赖和较高成本；示例模型、奖励函数和 benchmark 结果不能外推为通用收益，还要防范奖励投机、评测污染和版本重构。
3. Agent Governance Toolkit
介绍： Agent Governance Toolkit 是面向多语言 Agent 应用的工具调用治理工具包，在调用前提供策略、身份、沙箱、审批和审计能力。
推荐依据： govern() 提供清楚的最小入口，并覆盖 OPA/Cedar、身份、MCP、红队扫描和多语言集成；示例、CI、OWASP Agentic Top 10、OpenSSF、agt verify 与 red-team scan 让治理路径不止停留在概念层。
适合： 准备为 Agent 接入真实工具，且需要逐步建立策略、审批与审计基线的研发或平台团队。
注意： 项目仍处 Public Preview，开放 Issue 较多且可能发生 breaking change；治理层不能替代模型安全、凭据管理、网络隔离和人工复核。
4. Herdr
介绍： Herdr 是面向编码 Agent 用户的 Rust Runtime/TUI，让多个持久终端会话可观察、可恢复并支持并行工作。
推荐依据： 单二进制分发、socket API、插件和稳定 Release 形成较短试用路径，安装、配置、远程与插件文档也直接回应了长任务中的阻塞识别和 reattach 问题。
适合： 同时运行多个编码 Agent、需要观察任务状态，或经常在远程开发环境恢复会话的个人与团队。
注意： 它管理真实 Agent 终端与持久会话，socket、远程访问和环境变量可能扩大执行权限；Windows 仍为 beta，先在隔离主机和非敏感仓库验证。
5. Google ADK Go
介绍： Google ADK Go 是 Google 面向 Go 团队的 code-first Agent Development Kit，用于构建、评测、编排并部署云原生 Agent。
推荐依据： Go 安装入口、samples、官方文档、模块化目录、CI 和 Release 信号齐全；agent、workflow、artifact、session、telemetry、tool 与 memory 等目录便于从一个可测试 Agent 扩展到 Cloud Run、A2A 或 MCP。
适合： 已有 Go 服务体系，希望把 Agent、工具调用和部署纳入常规工程流程的团队。
注意： 设计明显偏 Gemini/Google Cloud，其他模型和部署目标需自行验证；云凭据、配额、费用及 A2A/MCP 边界不能从样例直接推断。
二、开发交付与受控自动化
6. Archify
介绍： Archify 是面向开发者与团队的 Agent Skill，把代码库或系统描述转换为可验证、可分享的架构、流程、时序和数据流图。
推荐依据： typed JSON IR、确定性布局、原子验证和 last-good 预览，把架构图约束成可复核的交付物；Proof Lab、示例、validation receipts、设计文档和 benchmarks 进一步支持这种工程差异化。
适合： 需要在 PR 评审、系统交接、权限流说明或设计讨论中制作可追溯技术图的开发者与团队。
注意： 它验证的是输入中声明的事实，不是实时基础设施状态；生成物可能包含外部链接或截图，Skill 权限仍需审查，首次使用应锁定版本。
7. Playwright MCP
介绍： Playwright MCP 是面向 Agent 的浏览器自动化 MCP 服务，将 Playwright 操作与结构化可访问性树结合，用于网页操作、测试和采集。
推荐依据： npx 配置和多客户端兼容性降低了启动门槛，结构化 accessibility tree 为 Agent 提供了比截图更确定的控制接口；测试、CI、Docker 与 npm 发布信号让它适合作为受控试用入口。
适合： 需要给编码 Agent 接入浏览器、进行端到端测试、受控网页操作或数据采集的工程团队。
注意： 版本仍以 alpha/滚动节奏为主，浏览器凭据和点击外部副作用需要隔离；accessibility snapshot 不是完整视觉理解，也不能替代网页权限模型。
8. OpenMontage
介绍： OpenMontage 是面向内容创作者与内容团队的 Agent 视频生产系统，将研究、脚本、素材、剪辑和合成组织成多阶段管线。
推荐依据： 12 条 pipeline、provider registry、素材检索和交付前检查，把视频生成从单次 Demo 拆成可观察工作流；Quick Start、tests、schemas、AGENT_GUIDE、100+ tools 与 700+ skills 提供了可审计的拆解入口。
适合： 想研究 Agent 驱动视频生产，或需要可审计多阶段内容工作流的开发者与内容团队。
注意： AGPL-3.0 会影响闭源分发边界；provider、素材、模型许可和生成成本需逐项确认，快速迭代与大量外部依赖不等于生产 SLA。
三、真实个人流程与持续学习
9. AI Job Search
介绍： AI Job Search 是面向个人求职者的本机 AI 求职申请框架，通过多阶段工作流搜索职位、评估匹配度、定制简历与求职信并准备面试材料。
推荐依据： /setup、/scrape、/apply 与 /interview 将真实流程拆开，PDF 产物、人工审阅节点、测试和门户失败策略，使它成为比聊天 Demo 更完整的 Agent 文档生产样本。
适合： 想研究带有隐私、外部输入和人工确认节点的 Agent 文档工作流的个人开发者或产品团队。
注意： 履历、联系方式、薪资和岗位正文都涉及隐私或不可信输入；抓取可能触及网站条款，绝不能自动发送未经人工确认的申请。
10. AI Engineering from Scratch
介绍： AI Engineering from Scratch 是内容型课程与教程合集，按二十个阶段组织 AI、LLM、Agent 和生产工程学习，并要求通过运行、测试和 artifact 保留学习证据。
推荐依据： 课程把“从零实现算法”与“使用生产库复现”并置，覆盖数学、模型、Agent、MCP、强化学习和工程化；二十阶段目录、课程站点与每课保留证据的规则，给连续学习提供了清晰结构。
适合： 希望从数学、模型、Agent、MCP 到生产工程逐步建立可验证作品的学习者和教学项目组织者。
注意： 这是内容型课程而非稳定软件包，课程代码、依赖、模型和外部服务会变化；不要将教学示例当作生产架构，每课的安全、成本、数据和许可证仍需单独复核。
本周可行性精选
这些方案从本周组合研究中筛选，用于判断是否值得进行小范围验证；它们仍是可行性研究，不代表市场需求或生产可用性已经得到验证。
可行性方案 1：安全 Agent 平台（扫描-修复-验证）（组合 5 个项目，今日锚点 2 个）
方案评分：83/100（中）
业务定位：让安全扫描由 Agent 自动跑：扫出问题、给出修复建议、独立验证是否修好，每一步留证据，由人审批放行。
目标客户：企业安全团队、DevSecOps 平台组。
市场机会：Agent 带来新的攻击面（Skill/MCP/供应链），池里安全类项目（红队/审计/沙箱）也在密集出现。以上市场判断为来源报告中的待验证假设，尚未得到独立证实。
可行性依据：池里的安全审计、沙箱、代码理解组件正好能拼出'扫描→修复→验证'这条线。 本组合含今日发现项目 2 个（microsoft/agent-governance-toolkit、truefoundry/trueforge）；池中各能力面候选充足（security 85 · sandbox 113 · agent 236 · codeintel 83 · observability 100），最稀缺槽位也有 83 个候选。
组合方案：
| 角色 | 项目 | 入选理由 |
|---|---|---|
| 安全审计/扫描 | microsoft/agent-governance-toolkit | 它是今天最容易从“能运行”推进到“能解释、能追责”的项目，安装路径和多语言集成已经足够直接，风险边界也写得清楚。 |
| 隔离执行 | truefoundry/trueforge | 它的差异化不是又一个 Agent SDK，而是把“运行 Agent 所需的状态、审批、工具和 UI”集中到一条可迁移的执行层… |
| Agent 编排 | ruvnet/ruflo | 今日唯一按硬规则成立的爆发型候选，且不只是热度项目；它把 Agent 执行、记忆、路由和安全护栏都暴露为可拆解的工程组件。 |
| 代码理解 | tirth8205/code-review-graph | 今日 Trending 增长、持续工程活动、可复现评测和多宿主集成同时成立，且它解决的是 Agent 进入大型代码库后的真实瓶颈… |
| 证据与报告 | comet-ml/opik | Apache-2.0、自托管、安装入口、测试与持续 Release 同时成立，能直接补齐 Agent 项目最容易缺失的可观测和评测闭环。 |
差异化：对比传统 SAST 只报问题，它把'扫描 + 修复建议 + 独立验证'做成完整流程，且每一步有证据。
MVP 范围（做什么，不含代码）：在授权靶场跑'扫描→修复建议→独立验证'三步，保留证据与人工审批，再评估接入正式仓库。
主要风险（来源报告）：
microsoft/agent-governance-toolkit（安全审计/扫描）：项目明确是 Public Preview，可能在 GA 前发生 breaking change，且有 244 个开放 Issue；治理策略不能替代模型、凭据、网络隔离和人工复核…truefoundry/trueforge（隔离执行）：项目创建于 2026-07-23，仍处快速演进期且有 55 个开放 Issue；Local mode 默认无登录且只适合 localhost，远程共享需切到 hosted mode，并单独评估…ruvnet/ruflo（Agent 编排）：功能面极宽、默认权限与跨机器 federation 的信任边界复杂；大量 alpha/beta 能力、插件和自动学习行为不宜直接放进生产代码仓库，先在隔离 workspace 锁版本验证。tirth8205/code-review-graph（代码理解）：README 明确说明 65x 是中位数而非保证值；影响分析的 recall 参考同一图生成 ground truth，存在循环上界，且小文件变更可能不如直接读取划算。comet-ml/opik（证据与报告）：可观测平台会接触 Prompt、输入输出和用户数据；自托管仍需审计存储、权限、脱敏和数据保留策略；LLM-as-a-judge 结果不能替代领域人工验收。
验证路径：每个组件按来源报告的'上手建议/真实风险'复核（固定版本、隔离环境、自有数据复测）。
可行性方案 2：可审计的 Agent 开发/交付平台（CI 化 Agent 流水线）（组合 5 个项目，今日锚点 2 个）
方案评分：83/100（中）
业务定位：让 Agent 任务像 CI 一样跑：进沙箱执行、全程留痕、出审计报告，人工批准后才允许写仓库。
目标客户：已在使用 coding agent（Codex/Claude Code/Cursor）的研发团队与平台工程组。
市场机会：Agent 开始真正干活后，'跑挂了怎么恢复、花了多少钱、有没有越权'成为刚需；近 90 天池里隔离执行和观测组件明显变多。以上市场判断为来源报告中的待验证假设，尚未得到独立证实。
可行性依据：长任务 Agent 的失败恢复、可观测、安全执行是池里反复出现的主题，组件已成熟，适合拼成 CI 流水线。 本组合含今日发现项目 2 个（truefoundry/trueforge、microsoft/agent-governance-toolkit）；池中各能力面候选充足（sandbox 113 · observability 100 · security 85 · agent 236 · gateway 134），最稀缺槽位也有 85 个候选。
组合方案：
| 角色 | 项目 | 入选理由 |
|---|---|---|
| 执行沙箱/隔离 | truefoundry/trueforge | 它的差异化不是又一个 Agent SDK，而是把“运行 Agent 所需的状态、审批、工具和 UI”集中到一条可迁移的执行层… |
| 可观测与评测 | comet-ml/opik | Apache-2.0、自托管、安装入口、测试与持续 Release 同时成立，能直接补齐 Agent 项目最容易缺失的可观测和评测闭环。 |
| 安全审计 | microsoft/agent-governance-toolkit | 它是今天最容易从“能运行”推进到“能解释、能追责”的项目，安装路径和多语言集成已经足够直接，风险边界也写得清楚。 |
| Agent 编排 | ruvnet/ruflo | 今日唯一按硬规则成立的爆发型候选，且不只是热度项目；它把 Agent 执行、记忆、路由和安全护栏都暴露为可拆解的工程组件。 |
| 模型网关/成本 | google/adk-python | 安装、样例、CI、完整文档、稳定 Release 和近期维护至少同时满足三项实用型门槛，适合今天就搭一个可运行 Agent workflow。 |
差异化：相比单个 harness 或观测工具，它把隔离执行、trace 评测和审计报告串成一条流水线。
MVP 范围（做什么，不含代码）：受限流水线：沙箱内跑一次任务、记录 trace、输出审计报告，人工审批后才允许写仓库；成本与多 Agent 编排后置。
主要风险（来源报告）：
truefoundry/trueforge（执行沙箱/隔离）：项目创建于 2026-07-23，仍处快速演进期且有 55 个开放 Issue；Local mode 默认无登录且只适合 localhost，远程共享需切到 hosted mode，并单独评估…comet-ml/opik（可观测与评测）：可观测平台会接触 Prompt、输入输出和用户数据；自托管仍需审计存储、权限、脱敏和数据保留策略；LLM-as-a-judge 结果不能替代领域人工验收。microsoft/agent-governance-toolkit（安全审计）：项目明确是 Public Preview，可能在 GA 前发生 breaking change，且有 244 个开放 Issue；治理策略不能替代模型、凭据、网络隔离和人工复核…ruvnet/ruflo（Agent 编排）：功能面极宽、默认权限与跨机器 federation 的信任边界复杂；大量 alpha/beta 能力、插件和自动学习行为不宜直接放进生产代码仓库，先在隔离 workspace 锁版本验证。google/adk-python（模型网关/成本）：ADK 2.0 改动 agent API、event model 和 session schema，旧 1.x 兼容性有限；Google 生态优化和云服务集成可能带来 provider…
验证路径：每个组件按来源报告的'上手建议/真实风险'复核（固定版本、隔离环境、自有数据复测）。
可行性方案 3：本地优先个人 AI 工作台（组合 5 个项目，今日锚点 2 个）
方案评分：83/100（中）
业务定位：数据全部留在本机、模型可自由切换、记忆可导出的个人 AI 工作台。
目标客户：重视隐私的个人开发者、知识工作者与小型团队。
市场机会：池里本地优先、自托管类项目反复出现（记忆/桌面/网关），个人为'数据不离开本机'付费的趋势在上升。以上市场判断为来源报告中的待验证假设，尚未得到独立证实。
可行性依据：本地记忆、模型网关、Agent 编排在池里都能找到，拼起来就是个人知识工作台。 本组合含今日发现项目 2 个（tashfeenahmed/freellmapi、google/adk-go）；池中各能力面候选充足（local 144 · agent 249 · memory 72 · gateway 141 · rag 79），最稀缺槽位也有 72 个候选。
组合方案：
| 角色 | 项目 | 入选理由 |
|---|---|---|
| 本地优先/桌面形态 | tashfeenahmed/freellmapi | 综合评分 90/100；它把多 provider 的切换、限额和兼容性摩擦压缩为一次可运行的本地部署，作为第 5 个实用型复用位置… |
| Agent 编排 | google/adk-go | 综合评分 92/100；它在安装、示例、文档、CI、Release 和近期维护上同时具备强信号，是今天最接近“拉下来就能开始做”的工程入口。 |
| 长期记忆 | lyellr88/marm-memory | 虽然不是大明星项目，但它正好解决 Agent 长期记忆里“语义召回与精确配置检索混用”的真实痛点，近期维护质量明显高于普通 demo。 |
| 模型接入/网关 | google/adk-python | 安装、样例、CI、完整文档、稳定 Release 和近期维护至少同时满足三项实用型门槛，适合今天就搭一个可运行 Agent workflow。 |
| 本地知识检索 | topoteretes/cognee | 它把 Agent 长期记忆、图谱检索、MCP 和本地/云部署放在同一个可试用平台里，社区信号强但推荐主要依据是近期实质维护与工程完整度。 |
差异化：对比云端工作台，卖点是无云依赖和数据所有权；对比单点记忆工具，卖点是一整套工作台。
MVP 范围（做什么，不含代码）：先用两个组件跑通'本地记忆写入→Agent 读取→输出压缩'，再决定桌面端与多渠道接入。
主要风险（来源报告）：
tashfeenahmed/freellmapi（本地优先/桌面形态）：README 明确定位为 personal experimentation only；免费 provider 的 ToS、配额、延迟和可用性会变化，无 SLA，且自更新目录和上游模型需持续审计…google/adk-go（Agent 编排）：优化方向仍明显偏 Gemini/Google Cloud，其他模型与部署目标需自行验证；Cloud 凭据、配额、费用和 A2A/MCP 边界不能仅凭样例推断，版本升级前应锁定 API 并做端到端回归。lyellr88/marm-memory（长期记忆）：社区规模仍小，默认分支为 MARM-main 且 release 节奏很快；本地 embedding/SQLite 迁移复杂度可能带来升级风险。google/adk-python（模型接入/网关）：ADK 2.0 改动 agent API、event model 和 session schema，旧 1.x 兼容性有限；Google 生态优化和云服务集成可能带来 provider…topoteretes/cognee（本地知识检索）：功能面较大，生产接入前要验证数据隔离、LLM provider 成本、图/向量后端选择和 release notes 中部分草稿描述的准确性。
验证路径：每个组件按来源报告的'上手建议/真实风险'复核（固定版本、隔离环境、自有数据复测）。
本周优先试用
如果只先做一项低成本验证，可以从 Agent Governance Toolkit 的无副作用测试工具开始；需要浏览器能力时，用临时 profile 在测试站点试 Playwright MCP；偏 Go 服务的团队则先跑通 Google ADK Go 的本地 samples 与 Go test。
完整周报还记录了每个项目的维护证据、许可证、真实风险和具体上手建议。
阅读全文： 2026-W35 完整周报
这 10 个项目里，哪一个最接近你当前要解决的工作流？欢迎留言，说说你会先在哪里做小范围验证。
关于仓库雷达 仓库雷达持续整理值得使用、学习和二次开发的开源项目。日报负责发现，周报负责筛选，也会尽量把风险和低成本试法说清楚。
