Docker 發佈面向 AI 編碼智能體的官方技能集 Docker Skills
Docker 發佈面向 AI 編碼智能體的官方技能集 Docker Skills,讓智能體依照 Docker 官方指引處理 Docker 相關工作。截至 9 月 26 日,技能目錄收錄 11 項,涵蓋 Dockerfile 與建置、Compose、Docker Sandboxes、Docker Agent 及破壞性操作確認等範疇。
Docker 發佈面向 AI 編碼智能體的官方技能集 Docker Skills,讓智能體依照 Docker 官方指引處理 Docker 相關工作。截至 9 月 26 日,技能目錄收錄 11 項,涵蓋 Dockerfile 與建置、Compose、Docker Sandboxes、Docker Agent 及破壞性操作確認等範疇。
OpenMOSS.github.io 儲存庫提供 OpenMOSS 網站原始碼,內容包括團隊介紹、論文及研究頁面,並列出 MOSS-VL、MOSS-Audio 和 EasyWAM 項目。
MOSS-TTS-Nano 示範網站展示一款 100M 參數的多語言語音生成模型及樣本,模型支援 CPU 推理和聲音複製。網站提供模型下載及本機執行方式;ONNX CPU 部署、聲音複製和微調的資訊則見 MOSS-TTS-Nano README。
Agent Skills 官方規格合併兩項更新,明確允許技能目錄隨附 SKILL.md 以外的任意檔案與目錄,並限定 metadata 的鍵和值均為字串。更新只釐清既有規則,並非新增要求;metadata 不可使用巢狀物件、陣列、布林值或數字。
開源開發者 Wind 發布 TypeScript 試算表引擎 hucre v1.0.0,毋須執行時依賴套件。它支援 XLSX、CSV、ODS、JSON、NDJSON、XML 的讀寫,並可在 Node.js 18 以後、Deno、Bun、現代瀏覽器及邊緣環境運行。專案採用 MIT 授權,v1 將 hucre/ooxml 以外的公開 API 維持為穩定版。
前端開發者 David Haz 以 MIT + Commons Clause 授權條款開源發布 Web 視覺效果元件庫 Canvas UI,基於試驗性 HTML-in-Canvas API 建構。
FunAudioLLM 是 Alibaba Group Tongyi Speech Lab 的開源語音理解與生成模型項目。項目提供各子項目的示範首頁,列有 SenseVoice、CosyVoice、CosyVoice2.0、MinMo、InspireMusic、Fun-ASR 及 Fun-Audio-Chat。
LlamaIndex Readers 的 FunASR 整合可將音訊轉錄為 LlamaIndex Document,使用 SenseVoice、Paraformer 或 Fun-ASR-Nano 在本機執行語音轉文字,毋須雲端 API。它擅長中文及 50+ 種語言,內置 VAD 可處理任何長度的音訊。
QwenAudio/funasr-haystack 儲存庫由擁有人於 Jun 17, 2026 封存,現已設為唯讀。GitHub 頁面顯示,該儲存庫沒有內容。
MOSS-Audio-Tokenizer 是基於 Cat 架構的統一離散音訊 tokenizer,具備 1.6 billion 參數,可將 24kHz 原始音訊壓縮至 12.5Hz 幀率,並支援 0.125kbps 至 4kbps 的重建。模型以 3 million hours 多元音訊資料訓練,兼顧高保真重建與語義對齊,適用於語音理解及生成等下游任務。ીએમ
Spirit-v1.5 開源專案提供 VLA 模型的官方實作,以及重現 RoboChallenge 評測結果所需的 runtime wrapper;模型採用 Qwen3-VL backbone 與 DiT head。
美團 LongCat 的 meituan-longcat/WBench-weights 儲存庫整合 WBench 評測模型權重,供互動影片世界模型評估使用。WBench 從影片質素、設定遵循、互動遵循、一致性及物理規則符合度五個維度評估,涵蓋 289 個測試案例及 1,058 個互動回合。這些權重僅供學術研究及評估用途。
Vercel Labs 公開以 Apache 2.0 授權的系統程式語言 Zero,專為 AI 智能體編程而設。編譯器會以 JSON 輸出結構化資訊及程式碼修復所需的中繼資料,檔案和網絡存取等外部互動則明確列於函數簽名中。Zero 仍處於實驗階段,開發持續進行,運作尚未穩定。
Bun 創辦人 Jarred Sumner 發佈 Zig-to-Rust 移植指南,並表示團隊尚未承諾重寫 Bun。指南的「phase A」旨在擷取程式邏輯,即使 Rust 程式碼尚不能編譯;「Phase B」則逐個 crate 令程式碼可編譯。Sumner 表示,這些程式碼很可能會全部棄用,他想了解可運作版本的表現和使用感受。
Microsoft 在 GitHub 公開早期 DOS 開發資料,包括 86-DOS 1.00 與 PC-DOS 1.00 的核心程式碼。資料源自 Tim Paterson 提供的紙本原始碼清單,由歷史學者及保存工作者組成的團隊 OCR 掃描及轉錄;掃描清單及轉錄程式碼以 MIT 授權發布。部分清單保留當時的工作狀態和手寫註記,可呈現功能實作、錯誤及修正的時間線。
Google Labs 於 2026 年 4 月 21 日將 Stitch 使用的 DESIGN.md 草稿規格開源,讓這種格式可供不同工具及平台使用。DESIGN.md 以可選的 YAML front matter 記錄機器可讀的設計 token,並在 Markdown 正文説明其用法和設計意圖。
llama.cpp 以純 C/C++ 實現大語言模型推理,目標是在不同硬件上以精簡設定提供高效能推理。專案支援多種量化精度、CPU 與 GPU 混合推理,以及 CUDA、Vulkan 和 SYCL 等後端。它亦支援多種文字及多模態模型,並提供命令列工具和相容 OpenAI 的 API 伺服器。
ThinkSound 是一個由思維鏈(CoT)推理引導流匹配的統一 Any2Audio 音訊生成框架,支援以影片、文字及音訊生成或編輯音訊。它透過多模態大語言模型推理,分階段生成 Foley 音景、按指定物件修整聲音,並按自然語言指令編輯音訊。程式碼、模型及數據集僅供研究及教育用途,禁止商業使用。
Fun-CineForge 開源面向多元電影場景的零樣本配音數據集流程及模型,並以此建立大型中文電視配音數據集 CineDub-CN,收錄豐富標註及多元場景。模型在獨白、旁白、對話及多説話者場景中,於音質、唇形同步、音色轉換和指令遵循方面持續優於現有先進方法。reW
OpenMOSS/TTSD-eval 提供多説話人對話生成的客觀評測流程,以説話人歸屬準確率(ACC)和説話人相似度(SIM)為核心指標。WER 作為評估可理解度的補充指標,數值愈低愈好;測試集設有中文和英文子集,每種語言各含 50 段對話樣本。流程使用 MMS-FA 對齊輸入文字與生成音訊,並以輸入稿的説話人標籤核對預測結果。
draw.io 於 2026年2月23日公開供 Claude Code 使用的 Draw.io Skill,可直接生成可編輯的 .drawio 檔案,並按需輸出 PNG、SVG 或 PDF。
OpenAI 推出開源工具包 GABRIEL,利用 GPT 將定性文本和圖像轉化為定量數據,協助社會科學家大規模分析研究。工具以開源形式提供。
GitHub 上的 Spirit-AI-Team/issac_moz1 儲存庫目前為空。頁面沒有提供專案內容。
OpenMOSS/SummerQuest-2025 暑期集訓已結束,課程講義和錄像只供參與課程的同學及組內同學查看,課程練習則對外公開並長期接受 PR。day-1、day-2、day-3 練習及 day-5 的 hw5_1、hw5_2 可透過自動化測試評測,其餘練習由人工評閲。
Miles 作為面向大規模 MoE 訓練及生產工作負載的企業級強化學習框架正式推出,並建基於 slime。框架透過基礎設施方案支援真正的 on-policy 訓練,消除訓練與推理不匹配,將 KL divergence 降至 0。RL 訓練期間對 draft model 進行線上 SFT,與凍結的 MTP 相比,rollout 速度提升 25% 以上。
OpenAI 的 ChatKit 進階範例倉庫提供四個情境式示範,均以 FastAPI 後端配合 Vite + React 前端,並連接 ChatKit Python SDK 與 ChatKit.js。範例涵蓋虛擬貓照護、航空客户支援、新聞導覽及地鐵路線規劃,展示服務端和客户端工具、互動 widgets、附件與語音聽寫等功能。
OpenAI ChatKit Starter Templates 儲存庫提供兩款用作精簡 ChatKit 整合參考實作的起始應用程式。兩個範例分別展示自託管 ChatKit 整合,以及配備託管工作流程的 Managed ChatKit 整合。
Answer.AI 開源 Python 套件 cachy,透過快取並重用 Anthropic 或 OpenAI Python SDK 的 HTTPX 回應,避免相同 LLM 呼叫再次發送。
SyGra 是面向 LLM 和 SLM 的低程式碼/無程式碼框架,用於簡化資料集建立、轉換與對齊,讓團隊可專注於提示詞工程。它透過 Python 程式庫整合現有 ML 工作流程,支援 vLLM、Hugging Face TGI、Triton 和 Ollama 等推理後端。框架可生成 Q&A、DPO、推理及多語言資料,亦支援篩選和整理資料。
ClusterX 為不同雲服務供應商的叢集調度提供統一 CLI 和 Python API,統一任務啟動、查看及停止介面,讓任務可在其支援的叢集間遷移。它提供 `run`、`get-job`、`log`、`stop` 和 `list` 等命令,可提交 CPU、GPU 及多機任務。
OpenAI 公開了一個基於 Responses API 的客服 AI 智能體人機協作示例程式庫,設有客户與人工客服兩種聊天介面。示例使用內置 file search 工具提供知識庫檢索和建議回覆,敏感操作由人工確認,非敏感操作可自動執行。示例中的函數目前只是佔位實現,不會實際修改資料;項目亦未達生產環境使用要求,用於生產環境前需補充輸入防護措施、用户身份驗證等安全措施。
OpenAI Developers 提供結合 Realtime API 與 Twilio 電話通話能力的 starter app,用於構建 AI 電話助手。示例以 NextJS 前端和 Express WebSocket 後端串接 Twilio 雙向通話串流與 Realtime API,後端亦向前端轉發訊息。
OpenAI 的 Realtime solar system 示範專案以語音連接 Realtime API 與 Spline 3D 太陽系場景,並透過 function calling 觸發應用程式操作。
FlagOpen/RoboSkill 以 MCP 規範統一廠商整合規格,建立具身機械人的通用技能商店,讓機械人技能可一鍵整合至機械人框架。技能按廠商名稱及機械人型號分層註冊,建議配合 FlagOpen/RoboOS 廠商適配流程使用;開發者可依 MCP 規範編寫技能函數,並以 `mcp dev skill.py` 本地測試。
SciSage 是開源多智能體科研綜述生成框架,具備帶備援機制的 arXiv 論文抓取、AI 論文理解及大綱生成。它亦能生成附有引用的分節分析,兼容 GPT-4、本地模型及雲端服務,並採用 MIT License。
dottxt 與 Hugging Face 合作推出 outlines-core,將 Outlines 的結構化生成核心算法移植至 Rust。項目現已公開並整合至 outlines,Python 綁定版本 0.1.0 已推出,索引編譯速度平均提升 2x。輕量化核心讓其他程式庫更易整合結構化生成,亦可建立 Python 以外語言的綁定。
NERL 是致力推進具身基礎模型與大型資料集的開源社羣,目標是建立持續增長的資料、模型及基準測試生態。項目整合網絡、模擬及真實機械人資料,並提供涵蓋資料處理、模型訓練與評估的端到端工具套件及排行榜。NERL 正準備 Robo-VLM,這款具身多模態語言模型可接收圖像、影片、3D 場景及關鍵點,輸出文字回答與策略規劃。
CoLLiE 是一套從零開始訓練大型語言模型的工具箱,提供資料預處理、模型微調、儲存及訓練指標監測,並整合並行策略、高效微調方法和優化器。它基於 DeepSpeed 和 PyTorch,支援 MOSS、InternLM、LLaMA 和 ChatGLM 等模型,以及 DP、PP、TP、ZeRO、LOMO、LoRA 和 Flash Attention。
FunAudioLLM-APP 提供 Voice Chat 和 Voice Translation 兩款應用,分別支援互動式語音對話及即時語音翻譯,方便不同語言的用戶溝通。項目運用語音理解及語音生成模型,並提供 CosyVoice、SenseVoice 的資源連結,以及安裝和執行指引。
Pollen Robotics 推出開源 pollen-vision 函式庫,整合零樣本視覺模型,支援以影像和文字輸入建立物件偵測及分割流程。首批模型包括 OWL-VIT、Mobile Sam 和 RAM,並結合深度資訊估算物件在 3D 空間中的 (x, y, z) 位置,為機械人抓取提供基礎。目前尚未支援完整 6D 姿態估計,OWL-VIT 的偵測結果亦可能不一致。