📡 AI 资讯日报

一款用 SwiftUI 编写、可自带模型提供商的 macOS Agent，覆盖文件、Shell、浏览器、技能与 MCP 等操作。

https://github.com/Maqiaogongmin/Limare ↗

打开仓库的 Releases 页面下载已签名并公证的最新版 DMG，确认机器是 Apple Silicon 且 macOS 至少 15.0；安装后在应用内配置自己有权限使用的模型提供商和凭据，新建一个不含隐私的测试项目，让它先读取测试目录、总结 README，再尝试只修改一份副本。需要桌面操作时才单独授予辅助功能权限；测试浏览器、MCP 或远程访问前分别检查权限和数据去向，不要一开始把真实工作目录全盘放开。

仓库目前只有很少关注，确实更像早期作品，而不是又一个成熟大厂客户端。其特色是本地优先储存与用户控制凭据，开发者说明不运营模型中转或聊天记录云服务；但模型请求仍可能发给你选定的服务，且主应用不使用 Apple App Sandbox。论坛作者也直言长任务中断、浏览器互扰等问题仍待改进，适合隔离试用而非立即托管生产任务。

• 在自己的 Mac 上并排测试多个模型供应商对同一仓库修复任务的表现。
• 做个人资料整理 Agent，先从最小授权目录验证文件和浏览器工具的边界。

用浏览器里的 pdf.js 抽取 PDF 文本层，预览并复制或下载 Markdown 的免费网页工具。

https://pdftomd.tools ↗

打开网页后将一份可选中文字的 PDF 拖进 Source PDF 区，等待 Markdown preview 生成；先在预览里比对标题、列表和简单表格，再复制到笔记软件或下载 .md 文件。若输出空白，先检查原 PDF 是否只有扫描图片；这个工具明确不做 OCR，扫描件要另用识别工具。含多栏排版、图表或特殊字体的文件也应按页抽查，不能把自动提取的排版直接当成可信原稿。

官网披露免费网页路径在本地标签页处理文件、不要求账号，比较适合先把文字型资料变成可检索、可版本管理的文本。隐私表述来自产品方，敏感文档仍应自行做网络和代码审查；它不导出图片、也不支持扫描件 OCR，不能替代复杂论文图表解析。对需要喂给 RAG 或 Obsidian 的文字报告，它的低门槛胜过装一整套文档流水线。

• 将可复制文字的政策或技术 PDF 转成知识库的 Markdown 草稿。
• 把旧版产品手册转成 Git 可追踪的文本，再人工校正表格。

提供权重、推理代码和评估说明的 4B 多模态模型，核心路线是固定容量的持续历史状态。

https://github.com/rockmatrix-ai/EdgeRock ↗

先读仓库 USAGE.md 和 docs/runtime.md，确认设备与依赖，再从仓库指向的 Hugging Face 下载对应权重到磁盘空间充裕的位置；按照 USAGE.md 先装适合自己平台的 PyTorch、项目依赖，用便携 PyTorch 后端在很短的提示词上做一次生成。然后让模型处理短、中、长输入并固定输出长度，记录实际 GPU 总占用、吞吐和回答质量；有 Hopper 环境再考虑仓库给出的优化 CUDA 容器，别直接把论文最高吞吐数字套用在 Mac 上。

项目给出了对固定历史状态容量的具体定义，文档称每序列持续历史约 97.76 MiB，与序列长度无关；这里说的是历史状态，不是整机显存恒定。权重、运行协议和基准测试路径公开，适合独立复现“长生成不会线性堆积 KV 历史”的工程假设。它的 Hopper 批量吞吐是特定硬件与测试配置下的报告结果，边缘端能否划算还取决于权重大小和实测任务质量。

• 在有限显存上研究长链推理的持续状态与普通注意力 KV 缓存的差异。
• 构建边缘设备多轮助手原型，测试输出长度增长时内存曲线是否稳定。

通过 MCP 把应用行为、运行时和二进制分析能力接给编码 Agent 的开源项目。

https://github.com/morluto/rea ↗

先读仓库 README 与 Guides，检查其支持的操作系统、Node 环境、依赖工具和 MCP 配置；不要直接把未知安装脚本交给生产电脑执行。在一份你自己写的小程序或明确授权的开源应用上做演示：记录一个功能的输入与可观察输出，按官方说明接入 REA 的 MCP 服务，让 Agent 检索运行时或二进制证据，最后自己对照源代码验证结论。不要拿没有授权的商业应用做破解目标；商业反编译工具也须独立取得合法许可证。

项目把“看见某个功能”与“拿到可核验的实现线索”连接起来，而不是只让模型猜测 UI 行为；README 同时覆盖二进制、应用和运行时层面，并有中文说明。其价值更接近软件保存、兼容性排查和安全研究，不等于自动合法复制任意商业功能。尤其要区分分析工具实际提取的事实和 Agent 对实现方式的推断，保留日志与可复现实验。

• 分析自己编译的程序在不同平台出现异常时的运行路径。
• 对有授权的遗留系统做兼容性迁移，重建接口行为与测试样例。

Cohere 的 Pro/Fast 双重排模型可对检索结果排序，选用 Context Focus 时同时标出相关文字片段。

https://docs.cohere.com/v2/changelog/rerank-v5 ↗

在 Cohere 控制台申请自己的 API 凭据，按照官方 Rerank v2 文档准备一个查询和若干段你有权上传的脱敏文档；先用 `rerank-v5.0-fast` 调用重排接口，记录前几条结果及延迟，再改为 `rerank-v5.0-pro` 做对照。最后按官方示例开启默认关闭的 Context Focus，查看每篇文档返回的字符区间，只将核对无误的相关段落送入回答模型；对中文、表格、长文档分别测试排序质量和 token 消耗，注意 API 费用与数据出境要求。

官方更新明确这次不必重建向量索引，旧应用可先只替换重排模型参数。Context Focus 在同一次调用中给出片段位置，比“先重排再另写截断逻辑”更利于检查依据和控制下游上下文成本。Fast 与 Pro 的延迟质量取舍仍应在自己语料验证；不要把厂商榜单当成你的知识库效果，也不要默认免费或默认启用片段功能。

• 《红楼梦》章节问答先召回原文，再按问题重排并截取证据段落。
• 企业制度搜索高亮命中句，减少把整篇冗长附件送进模型的开销。

一个通过 WebGPU 逐次预测终端画面的实验性模型，输入按键后返回看似终端的画面，但不运行真实 Shell。

https://simedw.com/projects/worldtui ↗

使用桌面 Chrome 或 Edge 打开演示页，挑选初始屏幕并加载模型，等待浏览器 WebGPU 初始化后输入几条完全无害的命令，比如 `pwd` 或 `help`，再试进入类似 vim 的全屏界面，观察它是否会自洽地更新显示。把输出与真实本地终端比较，记录在哪些按键序列出现假文件、状态漂移或不符合真实命令的结果。不要往这个页面输入账号密码、密钥或误认为命令已在机器上执行。

作者明确说明它由 Qwen2.5-Coder 0.5B 微调而来，在网页标签页的 GPU 上运行，展示的是“界面状态预测”而不是 Shell 仿真器。这个方向可启发低成本 UI 沙盒、交互式训练数据和代理测试环境，不过作者也坦言一致性较弱，不能承担代码执行、文件系统核对或安全验证。正因为它会产生逼真的假终端，区分模拟与真实动作尤其重要。

• 给新手演示模型如何学习按键到画面变化，而不触碰系统终端。
• 研究 Agent 在模拟界面中是否会把视觉反馈误判为真实执行结果。

Matt Pocock 仓库中仍在 in-progress 分支的设计型 Skill，为远程、无状态软件工厂定义任务、运行、触发器和服务槽位。

https://github.com/mattpocock/skills/tree/software-factory-skill/skills/in-progress/software-factory ↗

打开上述分支目录先读 SKILL.md，再挑一个小仓库的真实问题，例如待审 PR 或无人处理的低风险 Bug；按文档列出 ticket tracker、git host、orchestrator、runner 等槽位，并逐一写明每种任务由谁触发、读写什么、结束后触发什么、人工在哪一步重新进入，以及如何避免重复执行。然后把确定性测试、独立自动评审、人工 PR 审核三种刹车落在一页设计文档里；第一轮只对少量工单开放触发，不要误把这个术语 Skill 当成可一键部署的流水线。

这个新分支仍是设计素材，却罕见地强调“每次运行不等待人、执行机不保留状态”，并把人工审批转换成后续事件，而非在云端长时间挂起 Agent。文档直说自动触发是油门、自动检查与人审是刹车，还要求重试循环有上限。对已在用多 Agent 写代码的人，它提供的价值是提前定义失败边界，而不是又增加一个模型或脚本。

• 设计 GitHub Issues → Agent PR → CI → 人工审核的最小软件工厂。
• 排查多个子 Agent 同时抢同一工单、反复推送或无限自修复的问题。

月之暗面新发布的多模态长上下文模型，现可在 Kimi 服务和 API 体验，开放权重尚未按承诺日期发布。

https://kimi.com/ ↗

先在 Kimi 网页版或 Kimi Code 里找 K3.1 Pro 入口，把一个你有权分享的小型项目和完整验收要求交给它，记录所改文件、执行过的测试及错误，再与现用模型做同一输入的盲对比。要接 API 时先看 Moonshot 官方平台的模型列表、价格和参数说明，以实际支持的模型 ID 为准；把短任务与长仓库问答分开测，并设预算上限。不要因为宣传里的“开放权重”就安排本地部署：官方推文说完整权重将在 11 月 4 日前放出，今天还需要等待。

官方推文宣称 100 万 token 上下文、2.8T 总参数与约 104B 激活参数，并强调完整游戏项目开发和 3D 场景；第三方 Artificial Analysis 的 10 月 23 日评测称其 Intelligence Index 为 55，属于值得复测的强信号。但分数是特定配置下的比较，不代表你自己的编码 Agent 配置一定胜出；开放权重与真正可下载、可经济地部署是不同里程碑。

• 用同一套项目验收测试比较 Kimi Code 与现有编码模型的修复质量。
• 在 API 预算可控前提下测试超长文档问答与中英混合需求分解。

SkyRL 团队披露在 64 张 B200 上对 GLM-5.3-Flash 进行最长每序列 100 万 token 的 SFT 与强化学习训练实验。

官方 GitHub 追踪帖列出对 Megatron-LM 的依赖补丁、重计算、上下文并行、MoE 分发和 CPU 卸载等工程细节，并给出 1M 时每卡峰值约 144.5 GiB、约 305 秒一步的配置结果。这不是“单卡普通配置即可训练百万 token”，也不是模型推理时免费享有百万有效上下文；多个上游 PR 仍开放，复现还要核对 pinned 依赖和训练数据。

行业关注点从模型广告的上下文窗口，转向长序列训练能否在显存、吞吐与数值一致性三方面稳定完成。对研究团队而言，这是拆解训练系统瓶颈的公开工程线索；对应用开发者而言，它还不是随手可跑的消费级方案，更不等于真实业务问题在百万 token 处都能准确检索和推理。

研究者 Jon Barron 在 X 上发布针对 Softmax 和交叉熵数值问题的论文线索，提出改写以改善极端 logits 下的梯度行为。

其公开说明提及 softmax collapse：某个 logit 极大时，相应梯度可能因浮点舍入变为零，而其他分量没有同步抵消，导致理论上应守恒的梯度和出现偏差。论文已在 arXiv 公布，但作者“所有实现都有 bug”的表述范围很广，不应直接推断 PyTorch/JAX 所有训练都失效；要结合具体 dtype、内核、损失函数实现与复现实验判断，尤其不要在生产训练中未经对照就替换核心算子。

这一线索提醒模型训练的风险不只在数据和架构，还在基础运算的数值稳定性。若独立复现成立，高置信输出附近的梯度分析、异常跳跃和长期优化轨迹可能都要重新检查；短期最实际的行动是建立边界值回归测试、记录数值精度与框架版本，而不是拿未经验证的新公式全面重训。