OmniRoute

OmniRoute 開源平台：多模型聚合、RTK 與 Caveman 壓縮，支援 177 家 AI 供應商

因Anthropic收緊Claude存取，開發者尋求替代方案。OmniRoute以RTK與Caveman壓縮、177供應商聚合，提供單一端點與自動後備。此專案降低token成本並提升多模型彈性，可能改變台灣AI開發工作流。同時採用MIT授權，支援桌面與PWA介面，讓本地部署更易上手。

Model Context Protocol

Model Context Protocol (MCP) 開源工具箱：結合 LangChain、CrewAI 與向量資料庫快速構建 Agentic AI 代理

MCP讓開發者能以簡易步驟建置AgenticAI與生成式AI代理，結合LangChain、CrewAI等工具，支援向量資料庫與Docker部署，快速落地應用。跨平台、低配需求、開源MIT授權，適合團隊快速驗證AI工作流。同時支援向量資料庫如ChromaDB、FAISS與Pinecone，降低資料檢索。

Cocada：多模型協作的 LLM 自動化交付平台快速走紅 GitHub Trending

Cocada 是一套以聊天驅動的多大型語言模型（LLM）協作框架，透過不同模型分工完成規劃、編碼、審查等工作，降低 token 消耗並提升交付品質。該專案在 GitHub 上獲得顯著關注，24 小時內星標快速上升，顯示開發者對多模型協同自動化的需求。

零侵入遠端控管：Lucarne 以 Rust 打造本機 AI 代理，直接透過 Telegram/WeChat 通知

Lucarne在GitHubTrending快速竄升，提供零侵入的本地AI代理遠端管理。透過Telegram或WeChat即時通知、QR碼快速授權，讓開發者可在手機上批准或回覆代理請求，提升工作流靈活性。同時支援多平台部署與低記憶體佔用，適合本地化開發環境。

開源測試框架 jqwik 內建刪除指令 引發 AI 安全與倫理爭議

開發者在開源Java測試框架jqwik1.10.0版加入隱藏指令，利用提示注入欲讓AI編碼代理刪除測試與程式碼。指令透過ANSI控制序列隱蔽，未警告使用者。此舉引發資安與倫理爭議，開發者社群呼籲更嚴格的AI代理治理，此事件突顯AI工具在開源生態的治理盲點，也促使業界重新檢視安全防護機制。

Mozilla 以 Anthropic Mythos 與 Agent Harness 發掘 271 件 Firefox 漏洞，誤報率近零

Mozilla 近期公開使用 Anthropic Mythos 搭配自製 Agent Harness，於兩個月內於Firefox原始碼發掘271項安全缺陷，誤報率極低，顯示AI結合專屬測試管線或將提升漏洞自動化發現的可信度與效率。此舉對資安產業與開源社群的長遠影響值得關注。

Anthropic Claude 讓 80% 程式碼自動生成：AI 代理人重塑企業開發流程

Anthropic公布5月80%產線程式碼由ClaudeAI產出，藉由自動化編碼代理人從聊天輔助升級為全自主寫程式，導致每位工程師每季交付量提升8倍，同時也帶來代碼審查與安全治理新挑戰。此舉顯示AI代理人已成為企業開發新基準，亦引發安全與職場文化的深層討論。

Apple 首度批准 Poke AI 代理人上架 Messages for Business 平台

Poke 這家新創在 3 月推出的 AI 代理人，現在成為首個獲 Apple 核准能在 iMessage 商務訊息平台上運行的 AI 代理人。該服務原本支援 SMS、Telegram 與 WhatsApp，現在加入 iMessage 後，使用者只要以文字對話即可安排日程、管理行事曆、追蹤健康、控制智慧家庭與編修相片。

Nemotron 3.5 內容安全：全域多模態與跨語言客製化防護概覽

NVIDIA 於 2026 年 6 月推出 Nemotron 3.5 內容安全模型，結合 4 億參數的多模態與跨語言能力，支援圖片、文字與回應的同時判斷。新模型加入客製化政策規則與可審核的推理追蹤（THINK 模式），並以 Google Gemma 3 為基礎，透過 LoRA 進行安全微調，適合 8GB 以上 GPU 即時部署。

「Grimlock」利用 eBPF 與 TLS 1.3 在 kTLS 資料平面實現高授權代理系統安全防護

隨著代理系統在多雲環境中大量使用者自訂編排程式碼，信任與授權管理變得難以一致驗證。Grimlock利用eBPF強制所有沙箱流量經過守護代理，並結合TLS 1.3後置驗證與kTLS資料平面，產生短命範圍令牌以實現最小權限委派。實驗證明此架構在不改變應用程式碼的情況下，提供可審計的跨雲代理通訊，提升安全與效能。

以相位類型分布取代高斯解碼器，解決深度生成模型的重尾問題

研究指出傳統變分自編碼器（VAE）使用高斯解碼器與 Lipschitz 限制的神經網路，無法生成重尾分布。作者以馬可夫鏈為基礎的相位類型（Phase‑Type）分布取代高斯解碼器，保持編碼器與訓練流程不變，能精確逼近任意正值分布，包括重尾族。

「Inclusion‑of‑Thoughts」提升大型語言模型多選題推理穩定性的零樣本方法

研究指出大型語言模型在多選題中易因干擾選項產生偏好不穩定。提出Inclusion‑of‑Thoughts透過自我過濾僅保留可信選項，減少認知負荷。實驗顯示在算術、常識與教育基準上提升數百分點，且計算成本低。相較於自我一致性或大量抽樣，IoT僅需三階段即可穩定預測，預示未來可於AI服務中廣泛部署。