Product
1. OpenSEO：Semrush/Ahrefs 的开源平替，自带 MCP
项目 OpenSEO 把自己定位为 Semrush、Ahrefs 这类传统 SEO 工具的开源替代，主打按量付费、无订阅，并内置 MCP 接口。这意味着你可以直接让 Claude Code 这类智能体去查关键词、盯排名、做站点审计，也能 fork 出来 vibe code 一套属于自己的 SEO 工具，同时支持 GEO（生成式搜索优化）。它试图直击 SEO 工具「贵」和「臃肿」两个老毛病，把原本被高昂年费锁死的能力下放到独立开发者手里。MCP 化让 SEO 数据第一次能被智能体当成一等公民来调用，而不是靠网页爬取。能否在数据覆盖与刷新频率上追平商业产品，将决定其实用边界。
来源：GitHub
2. Amp 推出元智能体 Puck：管理你所有 Agent
Thorsten Ball（Amp 背后团队）发布名为 Puck 的新「元智能体」：它快速、随时可达，能做研究与读代码、检查 CI、甚至派生并与其他智能体对话，替你管理所有会话线程。官方把它定义为 the agent to manage your agents——一个位于其他 Agent 之上的编排层。Puck 可从 ampcode.com 任意位置唤起，集成了一系列工具来打理你的 Agent 日常事务。这是 Agent 编排栈向上演化的又一例：从「一个会写代码的 Agent」走向「一群被调度 Agent 之上的总管」。
来源：Meet Puck
3. ODS：让本地 AI 像装 App 一样简单
ODS 把「跑本地大模型」压缩成近乎一键的流程：安装后会自动探测你的硬件、下载最适合该硬件的模型，然后直接启动本地推理并打开 Open WebUI。在此基础上还能叠加语音、像 Hermes 这样的智能体、工作流、RAG、联网搜索、图像生成等能力。它的卖点是抹平本地 AI 的配置门槛——把「选模型、装驱动、配后端」这套麻烦事交给工具自动判断。对关心隐私与离线场景的开发者，这类「硬件自适应」入口正在成为本地推理的新标配。其模型推荐与硬件匹配的具体规则，需以官方说明为准。
4. ReactBench：专测智能体在真实 React 活儿上的表现
Aiden Bai 推出 ReactBench v1，一个专门评估前沿编程智能体在「真实生产级 React 工作」上表现的评测。它直指当下基准的盲区：模型可以刷穿现有 benchmark 的测试用例，却仍写出在生产环境里出问题的 React。发推者还借它指出 Grok 4.5 是个被低估的模型，并给出与其他模型的对比。在编程 Agent 军备竞赛里，这类贴近真实工程（而非算法题）的评测，正成为衡量模型实用度的新标尺。它的开源版也已上线 GitHub，便于社区复现与扩展。
来源：ReactBench
5. MagicPath：让 Codex/Cursor/Claude Code 直接改你的线上应用
MagicPath 上线「外部智能体」对接能力：你可以用 Codex、Cursor 或 Claude Code 把应用搭出来，再像编辑 Figma 文件一样对已部署的成品做修改。官方文档说明了如何通过 skill 把这些智能体接入，使其能从终端、IDE 甚至手机端构建与编辑设计——无论 MagicPath 是否处于打开状态。它把「设计文件」和「可部署代码」之间的界限进一步抹平：智能体产出的既是稿也是线上物。这类「Agent 直改线上产物」的工作流，正在重新定义前端交付链路。
来源：External agents | MagicPath Docs
6. OpenTUI 引入灵活布局与网格引擎
开源终端 UI 项目 OpenTUI（Nous Research 生态）新增了灵活布局与网格引擎，并配视频演示。这让在终端里构建复杂、可响应式重排的界面成为可能，把 TUI 从「逐行打印」推向接近 GUI 的排版能力。在 Agent CLI 界面越来越吃重的当下，更强的终端渲染能力直接关系到 Agent 与人的交互质量。该项目近期还陆续加入了音频流、混合滚动缓冲等特性。具体 API 与稳定性，需以仓库说明为准。
7. Cursor 用智能体集群按 835 页手册复刻 SQLite，过 100% 测试
Cursor 让一组智能体仅凭 SQLite 那 835 页官方手册，用 Rust 从零重建出一个副本，并通过了全部保留测试集。更关键的发现是：换不同的模型组合，成本能相差 15 倍——即「更聪明的规划者 + 更便宜的执行者」这种编排，比单纯换更强的模型更能压成本。这印证了「Agent 编排的重要性正在追上模型本身」这一判断，也把 swarm 经济学摆到了台面。Cursor 同步发布了 17 分钟的深度文章拆解其树状记忆与模型经济模型。这是本周关于 Agent 工程最具分量的实证之一。
来源：@cursor_ai
8. Cognition 收购 TierZero，强化 Devin Automations
Cognition（Devin 母公司）宣布引入 TierZero 团队，把其工作并入 Devin Automations——这是一个把工程工作流转化为自治智能体的平台。官方称 TierZero 的两位创始人是 exceptional 的产品构建者，并强调 Cognition 偏爱与这类创始人合作。这笔交易指向「软件上线之后让它持续自转」的能力，即把运维、修复、跟进等事后工作自动化。它折射出 Devin 的路线：从「写代码的 Agent」扩展到「软件全生命周期自治」。收购金额与整合时间表未披露。
来源：Welcoming TierZero to Cognition
9. OpenTUI 技术展望：音频流 + 混合滚动渲染
作者发布了 OpenTUI 的技术展望长文，梳理近几个月的进展：大量稳定性改进、像实时音频流这类「没必要但有趣」的特性，以及把渲染输出到滚动缓冲区、再与实时 TUI 混合显示的「混合模式」。混合模式解决的是「既想保留可滚动历史，又想要实时面板」这一长期矛盾。对一个终端 UI 框架而言，这些能力直接决定了它能否承载更复杂的 Agent 交互界面。具体 API 与向后兼容性，需以仓库说明为准。
来源：@kmdrfx
Tutorial
1. 2026 LLM 工程路线图：八支柱 + 免费开源资源
这篇长文给出 2026 年做大模型工程的八支柱路线图，并配上免费、100% 开源的配套资源。核心论点是：和 LLM 打交道远不只是提示词工程，生产级系统要求对模型如何被工程化、部署与优化有深入理解。文章同时带出 MongoDB University 的 AI Skill Badges 项目，提供面向生产级 AI 应用的动手学习路径。对想从「会调 API」跨到「能上线生产系统」的开发者，这是一份可照着走的结构化地图。八支柱的具体划分与资源链接，以原文为准。
来源：The 2026 LLM Engineering Roadmap (with free and 100% open-source resources)
Opinions/Thoughts
1. Anthropic「J-space」研究：何时语言化推理是「承重」的
这篇 arXiv 论文（Anthropic 的 J-space 工作）给「全局工作空间（Global Workspace）」在大模型里的机制化解释。要点是：如果你依赖 chain-of-thought 或 steering vectors，这项工作告诉你，模型的语言化推理在什么时候是真正承重的（load-bearing）、什么时候只是表象。对做可解释性与对齐的人，这意味着「模型说的话到底算不算数」终于有了机制层面的判据。它也直接影响我们何时该信、何时不该信模型的中间推理。具体机制细节，需读原文。
来源：@omarsar0