CheetahClaws
CheetahClaws：Python 多模型 AI 代理框架快速上手與安全加固指南
SafeRL-Lab推出的CheetahClaws為Python原生的AI代理框架，支援多模型與工具使用，提供快速安裝與QQ、Telegram等即時通訊橋接。透過安全加固與守護程式設計，提升系統穩定性與資料保護。此專案已獲711顆星，預計加速長期任務與多模型協同開發。
Python
Claude Code
awesome-claude-skills 專案分析：Claude Code 技能分類、開發流程與授權概覽
GitHubExplorer發現awesome-claude-skills專案，整理大量ClaudeCode技能並以主題分類。專案以Python為主，提供技能開發流程、測試與文件範例，強調模組化與可重用性。結果是為開發者與代理人整合提供實用資源，促進社群協作與生產化採用。
model-compose
model-compose：YAML 驅動的可組合 AI 工作流程與可攜式部署
model-compose在GitHub上以單一YAML檔描述AI系統，借鏡docker-compose概念，將模型、代理與RAG管線視為可組合模組，強調可攜帶性與混合部署能力，幫助開發團隊降低供應商綁定風險並在本地、容器與生產環境間靈活遷移。
RAG
Dynamiq 技術評析：整合 RAG 與代理化工作流程的 Python 框架
Dynamiq是一個開源的代理協調框架，專為代理式人工智慧與大型語言模型（LLM）應用設計。專案以檢索增強生成（RAG）與代理編排為核心，提供Python套件與範例文件，便於開發者在本地或雲端建構多步驟代理工作流。
Claude Code
ccstory：以 Python 自動從 Claude Code 會話紀錄生成週檢報告
ccstory 是一款把 Claude Code 本機會話紀錄轉為分門別類週報的 Python 工具，會掃描 jsonl 檔自動分類並輸出 Markdown 摘要，顯示各類活動時數、回合數與成本概覽，協助開發者把 token 花費對應到實際工作，改善週報撰寫與成本檢視效率。
Python
Swarmauri SDK 概覽：模組化代理架構、套件化安裝與向量整合
本報導介紹開源專案SwarmauriSDK，為Python模組化代理框架，提供核心抽象、實作樣板、向量庫、工具與分包安裝選項；支援開發模式與完整套件安裝，授權Apache‑2.0，對想組裝LLM與代理工作流的工程團隊具實務參考價值。專案README具多語說明與安裝範例，可快速上手。
MCP
nyc-property-intel：以 MCP 與 Claude 整合紐約市公開房產資料（Python／PostgreSQL）
nyc-property-intel 是一個開源 MCP 伺服器專案，目的是讓 Claude 人工智慧能查詢並整理紐約市的公開房產紀錄，涵蓋違規紀錄、交易歷史、所有權資料、建照與消防紀錄等超過 20 類資料集。專案同時提供託管服務與完整自建部署說明，支援以 HTTP MCP 介面串接到 Claude 的桌面或程式端。
速報
MaxKB：以 Python 打造的開源企業級人工智慧代理人平台
在GitHub上出現一個名為MaxKB的開源專案,主打簡化企業級AI代理人建置。專案以Python為主,支援代理整合、RAG與客製化設定,並提供跨平台安裝流程。初步能加速企業內部自動化工作流程與知識管理。使用者可透過Releases下載並在Windows、macOS與Linux上安裝。
GENesis-AGI
GENesis‑AGI：具持久記憶與自我學習的 Python 自主代理框架
專案在 GitHub 上公開一套以持久記憶與自我學習為核心的自主代理架構；README 展示與 Claude Code、Node.js、Playwright 等整合，並以可視化儀表監控子系統健康；此類設計可為代理式工作流與長期任務提供實驗基底，惟實務部署與安全治理仍需更多基準驗證。
深度分析
Linux 核心 CVE-2026-31431「Copy Fail」漏洞：單一 Python 腳本即可取得系統管理員權限
近期發現的Linux核心缺陷CopyFail允許任意使用者提升至系統管理員權限，利用Python腳本直接攻破多數發行版。漏洞源於加密子系統對splice的處理缺陷，導致頁快取損毀不被寫入磁碟，監控工具難以偵測。修補已於4月併入主線，但多數發行版尚未即時更新，資安風險持續升高。
深度分析
LLM 生成 ODD 規範的 Python 代理人模型：GPT‑4.1 表現最佳
本研究評估大型語言模型能否依ODD規範自動生成可驗證的代理人模型程式碼，使用PPHPC捕食者‑獵物模型作基準，結果顯示GPT‑4.1能穩定產出統計相符且效能佳的Python實作，其他模型表現參差，突顯LLM在模型工程的潛力與局限。此結果對未來科研自動化具啟示。
LLM
FindJobs-Agent：以 Python 與 LLM 整合的職缺爬蟲、履歷解析與模擬面試工具
FindJobs-Agent 是一個開源的求職自動化套件，結合大型語言模型（LLM）、網路爬蟲與人工智慧面試模組，從職缺爬取到面試準備提供一條龍流程。專案具備多廠商職缺爬蟲（API 與 Selenium 雙模式）、自動化資料清理、技能標註與重要性評分、履歷解析與匹配計算，以及多回合面試模擬與即時回饋。