2026-09-23 GitHub 趋势研究简报

证据边界： 项目名称、星标、tags、description、license、size、forks 来自 2026-09-23 GitHub Search API 公开元数据（created_at / pushed_at / stargazers_count / forks_count / language / description / topics / license / size）+ 各项目 README 公开摘录（API readme 字段 base64 解码）。"X 天 Y⭐"基于 created_at→2026-09-23 总星数除以经过天数（粗略下限估计），stargazers REST endpoint 需要认证故未做精确单日增量统计。今日观察窗为 2026-09-21 创建且截至 2026-09-23 仍在快速增长的 5 个非游戏类高质量工程型项目；09-23 当日新创仓库在 GitHub API 暴露窗口 < 12 小时，本批重点放在 09-21 ~ 09-22 创建且仍持续增长的项目。今日最大事件是 jev-chat/jev-chat-jarvis 2 天 3660⭐ / fork 821 / fork/star 22.4% — 昨日 Finderchangchang/jev-chat-JARVIS 的官方 org fork 多端展开——把昨日「Android 端无障碍读节点 → Jev 一次 7 道题判断 → 生成模型起草 3 候选 → Jev 排序 → 半透明悬浮窗 → 复制 / 填入」整条链从个人开发者形态推到官方 org fork 形态：APK 签名 v1.3 · 网站 chatjevs.com · 三路 API key 拆分（判断 / 回复 / 视觉）· 用户本地知识库与联系人档案 · 9 个原生入口（微信 8.0.78 + QQ 9.3.50 + X 12.25 + 飞书 1.3 起 ML Kit 离线 OCR + 任意 App 悬浮窗菜单「截屏识别一次」）· 桌面端 / 网页 ⏳ 规划 + 同步发布 macOS 版（jev-chat-mac）+ Windows 版（jev-chat-windows）；3660⭐ / 821 fork 是 09-23 当日 GitHub Search created 2026-09-21..2026-09-23 stars>200 全站 trending 第一位（远超 unreallabsai/unreal-agent 746⭐ / freestylefly/WeChatBridge 238⭐ / deepopen-com/deepopen 206⭐ / jev-chat/jev-chat-windows 249⭐）。今日 5 个项目分三条主线：A. Jev / 聊天侧 AI 副驾生态组织化与多端展开（jev-chat org fork + Windows 端口 + macOS 微信 Share Extension + 多 Agent 入口）——把昨日 Finderchangchang/jev-chat-JARVIS「Android 个人开发者形态」推到「官方 org fork + macOS + Windows + 多 App 入口」组织化形态；B. Jev / System One 决策模型严肃工程化与挑战者（unreal-agent Go async-first harness + deepopen Laya 改进三检查点）——把昨日 agent SDK / harness fork 范式同构「Agent harness 严肃工程化」推到「async-first + Session 可 fork + Tool translator 严格同步不 I/O + Operation 版本化」具体路径 + 「非自回归 System 1 决策引擎 Laya 改进 + ModernBERT-large / mmBERT-base + 32.8 ms + 7.8× Jev 速度 + Apache-2.0 + pip install」严肃工程化形态；C. 跨平台聊天侧 AI 副驾 / Agent 转发 / 知识库沉淀（WeChatBridge macOS 微信 Share Extension + jev-chat-windows WGC 截图 + RapidOCR）——把昨日 Jev 副驾 + 决策模型生态推到「macOS 微信原生 Share Extension + Developer ID + 公证 + 双语界面 + 多 App 入口」+「Windows WGC 截图 + RapidOCR + exe 内置 + 注册表存 key + DeepSeek 国内直连」+「Obsidian 沉淀 + SKILL.md 兼容 Agent + 场景化提示词」三个跨平台分支。

今日重点趋势（按排名）

1. jev-chat-jarvis 组织化（个人 fork → 官方 org fork）（趋势分 92）

• jev-chat/jev-chat-jarvis（2 天 3660⭐ / fork 821 / fork/star 22.4% / Kotlin / MIT / 23490 KB）—— 「装在手机上的『对话副驾』：你在任何聊天 App 里聊天，它在旁边读懂对方、告诉你该怎么回，一键填进输入框，发不发由你」；定位 昨日 Finderchangchang/jev-chat-JARVIS 的官方 org fork 多端展开（Android + macOS + Windows + 桌面网页 ⏳）；架构 三路 API key 拆分（判断 / 回复 / 视觉）· 用户本地知识库与联系人档案 · 9 个原生入口 + 任意 App 悬浮窗菜单「截屏识别一次」· APK 签名 v1.3 · 网站 chatjevs.com · 同步 macOS + Windows + ⏳ 桌面网页；三路 API key 拆分——判断接口（OpenRouter / TypeSafe / 自定义 Base URL）+ 回复接口（11 家预设：DeepSeek / OpenAI / Anthropic / Gemini / 自定义）+ 视觉接口（飞书 OCR 等）；最简单只填判断接口的 OpenRouter API Key，其余两栏留空会自动继承这把密钥就能用；用户本地知识库与联系人档案——分析时自动带上命中的笔记和这个人的历史，回复不会和你的设定打架；9 个原生入口 + 任意 App——微信 Android（伪装系统无障碍服务读气泡节点，8.0.52+ 混淆节点，伪装后 8.0.78 实测可读）+ QQ Android（无障碍读节点，9.3.50 群聊实测）+ X / Twitter 私信（解析 Compose 节点的 content-desc，12.25 中文实测）+ 飞书 / Lark（无障碍读气泡矩形 + ML Kit 离线 OCR 兜底，1.3 起对每个气泡矩形做 OCR）+ 任意其它 App（悬浮窗菜单「截屏识别一次」整屏 OCR，不自动、不分我 / 对方）+ 桌面端 / 网页（⏳ 规划，截图 + OCR / 视觉，同一内核，换采集方式）；9 个原生入口 1v1 / 群聊 / 任意 App——1.3 起 OCR 兜底飞书（之前自绘控件读不出）+ 任意 App 整屏 OCR 兜底（全部当作对方所说并在面板标注）；APK 签名 v1.3 + 网站 chatjevs.com + Sponsor 列表——小优店铺 + 速创猫 Vytal；同步发布——macOS 版（jev-chat-mac）+ Windows 版（jev-chat-windows 2 天 249⭐）+ 桌面网页 ⏳；23490 KB repo——Android Kotlin 完整 App + 9 个原生入口 + 飞书 ML Kit 离线 OCR + 用户本地知识库 + 三路 API key + Sponsor 列表 + APK v1.3；fork/star 22.4% 极度组织化 / 官方化信号（与昨日 Finderchangchang 833⭐ fork 361 fork/star 43.3% 个人开发者 fork 形成对比——个人 fork 高 fork/star 是「准备做聊天辅助 / 无障碍采集 / 副驾形态」企业 fork；官方 org fork 22.4% 是「组织化 + 多端展开 + Sponsor + 网站 + APK 签名」严肃化信号）。
• 核心价值定位： 当前 IM 副驾 + 聊天侧 AI 副驾赛道的痛点是 「个人开发者形态想多端展开需要组织化 fork + 三路 API key 拆分解决单一 LLM 不够灵活 + 用户本地知识库让副驾认识你的人和事 + 任意 App 兜底覆盖更多 IM + APK 签名 + Sponsor + 网站严肃工程化」 ——jev-chat org fork 用「三路 API key + 本地知识库 + 9 入口 + 任意 App OCR 兜底 + APK v1.3 + chatjevs.com + Sponsor」是「个人 fork → 官方 org fork + 多端展开」的具体路径；三路 API key 拆分——判断接口 + 回复接口 + 视觉接口分别可填，用自己的密钥和额度，不经过任何中间服务器；用户本地知识库 + 联系人档案——分析时自动带上命中的笔记和这个人的历史；9 个原生入口 + 任意 App——微信（伪装 SelectToSpeakService 读气泡）+ QQ（节点开放）+ X（Compose 解析）+ 飞书（ML Kit OCR）+ 任意 App（整屏 OCR）；APK 签名 v1.3 + Sponsor + 网站——严肃工程化；macOS 版 + Windows 版 + ⏳ 桌面网页——多端展开；判断先 + 起草后——Jev 先给意图 / 危险等级 / 该不该马上回，再据此起草回复；不动你的聊天软件——不 hook、不改包、不走任何 App 的接口或账号、不读数据库，只用系统无障碍服务；发送权永远在你手里——程序只把回复填进输入框，从不自动发送，不碰转账 / 红包 / 收款；隐私在本机——密钥存 App 私有空间，聊天内容只在分析那一刻发给你配置的接口，不落盘、不进日志；README 诚实表态——「只读你自己设备上你自己有权查看的聊天」+「程序只把回复填进输入框从不自动发送不碰转账红包收款」；对 Android 开发者：可参考 ChatAppAdapter 接口设计 + 无障碍采集 + Jev 判断 + 三路 API key + 用户本地 KB；对 macOS / Windows 开发者：可参考 jev-chat-mac + jev-chat-windows 跨平台形态；对聊天辅助需求者：可在一台手机多个 App 同时获得 AI 副驾；对组织 / 企业：官方 org fork 严肃工程化 + Sponsor + 网站 + 多端展开。
• 架构亮点： 三路 API key 拆分——判断接口（OpenRouter / TypeSafe / 自定义）+ 回复接口（11 家预设）+ 视觉接口（飞书 OCR 等）；判断先 + 起草后——Jev 先给意图 / 危险等级 / 该不该马上回，再据此起草回复；用户本地知识库 + 联系人档案——分析时自动带上命中的笔记和这个人的历史；不动你的聊天软件——不 hook、不改包、不走任何 App 的接口或账号、不读数据库；发送权永远在你手里——程序只把回复填进输入框，从不自动发送，不碰转账 / 红包 / 收款；隐私在本机——密钥存 App 私有空间，聊天内容只在分析那一刻发给你配置的接口，不落盘、不进日志；9 个原生入口——微信 8.0.52+ 混淆节点 8.0.78 实测可读 + QQ 9.3.50 群聊 + X 12.25 中文 + 飞书 1.3 起 ML Kit 离线 OCR + 任意 App 悬浮窗菜单「截屏识别一次」整屏 OCR；桌面端 / 网页 ⏳——截图 + OCR / 视觉，同一内核换采集方式；APK 签名 v1.3 + Sponsor + chatjevs.com——严肃工程化；多端展开——macOS + Windows + ⏳ 桌面网页；23490 KB repo——Android Kotlin 完整 App + 9 个原生入口 + 飞书 ML Kit 离线 OCR + 用户本地知识库 + 三路 API key + Sponsor + APK v1.3；fork/star 22.4%——组织化 / 官方化信号。
• 价值判断： 它解决的是「个人开发者形态 → 官方 org fork + 三路 API key + 本地知识库 + 9 入口 + 任意 App OCR 兜底 + 多端展开」的真痛点；Kotlin + MIT + 23490 KB + 三路 API key + 用户本地 KB + 9 入口 + 飞书 ML Kit OCR + 任意 App 整屏 OCR + macOS + Windows + Sponsor + chatjevs.com + APK v1.3 是「组织化严肃工程化」形态；3660⭐ / fork 821 / fork/star 22.4% / 2 天反映组织化 / 官方化信号（与昨日 Finderchangchang 833⭐ / fork 361 / fork/star 43.3% 个人开发者形态形成对比——官方 org fork 22.4% 是「组织化 + 多端展开 + Sponsor + 网站 + APK 签名」严肃化信号，821 个 fork 中包含「组织 fork + 企业 fork + 个人 fork」混合）；决定这条主线长期价值的是「三路 API key 在多 LLM 切换的稳定性 + 用户本地知识库在多 App 的实用性 + 飞书 ML Kit OCR 在自绘控件的准确率 + 任意 App 整屏 OCR 在非 IM 应用的可用度 + macOS / Windows / 桌面网页三端在跨平台的协调 + Sponsor 商业可持续性 + APK 签名 + chatjevs.com 网站运营」——三路 API key 稳定性 + 本地知识库实用性 + ML Kit OCR 准确率 + 整屏 OCR 可用度 + 跨平台协调 + 商业可持续性是关键；对 Android 开发者：可参考 ChatAppAdapter 接口设计 + 三路 API key + 本地知识库；对 macOS / Windows 开发者：可参考 jev-chat-mac + jev-chat-windows；对聊天辅助需求者：可在一台手机多个 App 同时获得 AI 副驾；对组织 / 企业：官方 org fork 严肃工程化。

2. jev-chat-windows 同内核跨平台到 Windows（趋势分 85）

• jev-chat/jev-chat-windows（2 天 249⭐ / fork 56 / fork/star 22.5% / Python / MIT-like / 1623 KB）—— 「微信（Windows 4.x）旁挂的回复辅助：本地 OCR 读屏上的对话 → Jev 判断意图 → 3 条候选一键填入，发送永远手动」；定位 同内核跨平台到 Windows 微信 4.x；架构 WGC 窗口截图 + RapidOCR 离线 OCR + Jev 判断 + 生成模型起草 + 悬浮窗 + 填入微信 + 用户最终 gate；下载即用——Releases 页下载 jev-chat-windows-vX.Y.Z.zip（约 146 MB），解压，双击 jev-chat-windows.exe；Windows 10 1903+ / 11 + 微信 Windows 4.x + 两个 API key（判断一个 / 起草一个）；首次启动会弹设置页填这两个 key，key 写进 Windows 用户环境变量（注册表 HKCU\Environment），全程只有 JEV_API_KEY 和 LLM_API_KEY 这两个，不落任何文件——其余设置写在 exe 旁边的 config.json，整个文件夹拷走设置也跟着走；exe 没签名 SmartScreen 会拦——介意就自己打包；判断 · Jev——选 OpenRouter（默认）或 TypeSafe 直连；起草 · 语言模型——默认 DeepSeek 官网直连（国内直连，体感差好几倍），OpenAI / Anthropic / Gemini 三种协议都支持；两把 key 各管一节，互不相干；同一节里换来源要重填一次 key（只存这一把）；日常怎么用——微信开着别最小化（用别的窗口盖住没事），把要聊的会话点开；对方来一条消息 → 悬浮窗几秒后给判断摘要 + 三条候选（带 Jev 给的胜出概率）→ 点「填入微信」→ 文字进微信输入框 → 你自己看一眼、改一改、按发送；程序永远不碰发送；群聊——每条消息前面的发言人名会一起喂给模型，所以它知道哪句是谁说的；打开「群聊指定回复对象」还能选回复给谁；3 条候选——每条带 Jev 给的胜出概率百分比，按概率排序，推荐那条置顶并标「推荐回复」；调试视图——另开一个窗口实时画出截到的画面和每个识别框（绿 = 我、蓝 = 对方、灰 = 过滤掉的灰字、橙 = 当成发言人名、红 = 当成图片丢掉、黄 = 小字丢掉）——只在内存里画，不存图；响应式悬浮窗——置顶、可拖可缩，最小 320×360，窄于 400 进紧凑模式；花多少钱——只有对方来新消息才调一次模型：一次起草（DeepSeek Flash）+ 一次 Jev 判断，十分钟没人说话就是十分钟零调用；思考模式默认关——别开，起草三句话用不上，慢好几倍还贵；两把 key 都只进注册表，不落文件；隐私与边界——「只读自己电脑上、自己本来就有权查看的对话」+「只截自己的微信窗口 + 本地离线 OCR RapidOCR」+「不 hook、不注入、不读微信数据库、不解密、不碰微信进程内存」+「截图只在内存里 · 全程不写磁盘、不进日志、不上传」；fork/star 22.5% 同样严肃企业 fork 信号——与 jev-chat-jarvis 同构组织化严肃工程化。
• 核心价值定位： 当前 Windows 端 IM 副驾赛道的痛点是 「Mac 用户有 ChatGPT / Claude / Codex 但 Windows 用户没同等体验 + Android 端 jev-chat-jarvis 没有 Windows 版本 + Windows 端微信 4.x 用户需要 AI 副驾 + exe 一键使用对 Windows 用户友好 + 国内 DeepSeek 官网直连解决 OpenRouter 海外延迟 + 注册表存 key 不落文件解决 Windows 用户隐私」 ——jev-chat-windows 用「WGC 窗口截图 + RapidOCR 离线 OCR + exe 一键使用 + 注册表存 key + DeepSeek 官网直连 + Jev 判断 + 生成模型 3 候选 + 悬浮窗 + 填入微信 + 用户最终 gate + 群聊 + 调试视图」是「Windows 微信 4.x + Jev 副驾 + exe 一键使用」的具体路径；下载即用 146 MB exe——Releases 一键下载；WGC 窗口截图——Windows Graphics Capture API；RapidOCR 离线 OCR——本地离线，不联网；两把 key 注册表存——HKCU\Environment 不落文件；起草默认 DeepSeek 官网直连——国内直连体感差好几倍；判断 OpenRouter / TypeSafe 直连二选一——TypeSafe 嫌慢可换；群聊指定回复对象——可填「@名字 」前缀；3 条候选 Jev 概率百分比排序——推荐那条置顶并标「推荐回复」；调试视图画框——绿 / 蓝 / 灰 / 橙 / 红 / 黄 6 色 + OCR 耗时 + 消息区 + 头部的框 + 每一行；思考模式默认关——起草三句话用不上；参考上下文条数 3~30——起草和判断都按它取最近 N 条；说话风格——一句话描述自己的口吻；响应式悬浮窗——置顶、可拖可缩，最小 320×360，窄于 400 进紧凑模式；新版本提示——启动时（可关）查一次 GitHub 最新版本号；README 诚实表态——「只读自己电脑上、自己本来就有权查看的对话」+「只截自己的微信窗口 + 本地离线 OCR RapidOCR」+「不 hook、不注入、不读微信数据库、不解密、不碰微信进程内存」+「截图只在内存里，全程不写磁盘、不进日志、不上传」；对 Windows 用户：可下载即用；对 Mac 用户：对应 jev-chat-mac；对组织 / 企业：MIT-like 严肃工程化；对学术 / 工程参考：跨平台 Jev 副驾的具体实现。
• 架构亮点： 下载即用 146 MB exe——Releases 一键下载；WGC 窗口截图——Windows Graphics Capture API；RapidOCR 离线 OCR——本地离线，不联网；两把 key 注册表存——HKCU\Environment 不落文件；起草默认 DeepSeek 官网直连——国内直连体感差好几倍；判断 OpenRouter / TypeSafe 直连二选一——TypeSafe 嫌慢可换；群聊指定回复对象——可填「@名字 」前缀；3 条候选 Jev 概率百分比排序——推荐那条置顶并标「推荐回复」；判断摘要——建议动作、可能意图、对方可能需要、紧张度 0–9；采集开关——标题栏一拨就停，WGC 会话一起停掉（Win10 的黄框跟着消失），已有候选不受影响；实时聊天记录——底部展开，看 OCR 到底读出了什么；调试视图画框——绿 / 蓝 / 灰 / 橙 / 红 / 黄 6 色 + OCR 耗时 + 消息区 + 头部的框 + 每一行；两个模型都能换——判断走 OpenRouter 或 TypeSafe 直连；起草有 11 家预设（默认 DeepSeek 官网）；OpenAI / Anthropic / Gemini 三种协议都支持，也能填自己的 Base URL；思考模式默认关——起草三句话用不上；参考上下文条数 3~30——起草和判断都按它取最近 N 条；说话风格——一句话描述自己的口吻；响应式悬浮窗——置顶、可拖可缩，最小 320×360，窄于 400 进紧凑模式；新版本提示——启动时（可关）查一次 GitHub 最新版本号；隐私——只读自己电脑上自己本来就有权查看的对话 + 只截自己的微信窗口 + 本地离线 OCR RapidOCR + 不 hook 不注入 + 截图只在内存里，全程不写磁盘、不进日志、不上传；1623 KB repo——Python + PyQt + WGC + RapidOCR + 两把 key 注册表 + 调试视图；fork/star 22.5%——同样严肃企业 fork 信号。
• 价值判断： 它解决的是「Windows 微信 4.x + Jev 副驾 + exe 一键使用 + 注册表存 key + DeepSeek 国内直连 + 群聊 + 调试视图 + 严肃隐私边界」的真痛点；Python + MIT-like + 1623 KB + exe 146 MB + WGC + RapidOCR + Jev + 起草 + 3 候选 + 概率排序 + 群聊 + 调试视图 + 注册表存 key + DeepSeek 国内直连 + 双语 README + Sponsor + Releases 是「跨平台 Jev 副驾 + Windows 严肃工程化」形态；249⭐ / fork 56 / fork/star 22.5% / 2 天反映严肃企业 fork 信号（fork/star 22.5% 与 jev-chat-jarvis 22.4% 几乎相同，反映「组织化严肃工程化」的典型早期 fork 率特征）；决定这条主线长期价值的是「WGC 在多微信版本截图的稳定性 + RapidOCR 在中文 / 表情 / 链接的准确率 + exe 一键使用在多 Windows 版本的兼容性 + 注册表存 key 在企业 Windows 账号的隐私 + DeepSeek 国内直连在国内 vs 海外的稳定性 + 群聊指定回复对象在多群聊的实用性 + 调试视图在 bug 排查的可用度 + 思考模式默认关的实际效果」——WGC 多版本稳定性 + RapidOCR 准确率 + exe 兼容性 + 注册表存 key 隐私 + DeepSeek 稳定性 + 群聊实用性 + 调试视图可用度是关键；对 Windows 用户：可下载即用；对组织 / 企业：MIT-like 严肃工程化 + 注册表存 key 不落文件。

3. WeChatBridge macOS 微信合并转发 Share Extension → 9 入口（趋势分 82）

• freestylefly/WeChatBridge（2 天 238⭐ / fork 133 / fork/star 55.9% / Swift 6.0 / MIT / 26298 KB）—— 「从微信转发菜单，把聊天记录送进 AI Agent 与本地知识库」；定位 macOS 微信 4.1.13+ 合并转发 Share Extension → Codex / Claude / 豆包 / 千问办公 / WorkBuddy / WeSight / Obsidian / 剪贴板 / 自定义 九入口；架构 微信多选 → 合并转发 → Share Extension → 9 入口分发 + 场景化提示词 + SKILL.md 兼容 Agent + 双语界面；核心背景——macOS 微信 4.1.13 起，多选聊天记录后可以「合并转发」给第三方应用；微信会生成一份包含 TXT、图片和视频的 ZIP；系统的「转发到其他应用」列表只展示带有 Share Extension 的 App；WeChatBridge 补齐这层入口，让一次转发直接抵达 Codex / Claude / 豆包 / 千问办公 / WorkBuddy / WeSight / Obsidian / 剪贴板 / 自定义；9 个原生入口——发给 Codex（激活 ChatGPT/Codex 并粘贴聊天归档）+ 发给 Claude（激活 Claude 并粘贴聊天归档）+ 发给豆包 + 发给千问办公 + 发给 WorkBuddy + 发给 WeSight + 沉淀到 Obsidian（创建 Markdown 笔记并保存原始附件）+ 复制到剪贴板 + 发送到自定义（转发到用户维护的应用列表）；场景与技能——为不同群聊保留场景提示词，并管理兼容 Agent 的 SKILL.md；本地记录——查看批次状态、重新发送、复制、定位文件和清理历史；失败兜底——目标未安装或权限不足时，文件仍会保留在剪贴板；双语界面——完整支持简体中文与 English；已发布 Developer ID 签名 + Apple 公证 0.1.14 DMG——可下载即用；26298 KB repo——Swift 6.0 + macOS 14+ + 9 入口 + Share Extension + Obsidian 沉淀 + 场景化 + SKILL.md + 双语界面 + Developer ID + Apple 公证；fork/star 55.9% 极高 macOS native fork 信号——与 jev-chat-jarvis 22.4% / jev-chat-windows 22.5% 形成对比，是「macOS native 严肃工程化 + 多 App 入口 + 双语 + Developer ID + Apple 公证」综合特征。
• 核心价值定位： 当前 macOS 用户跨多个 AI Agent（Codex / Claude / 豆包 / 千问办公 / WorkBuddy / WeSight）的痛点是 「微信聊天记录无法一键转发给 AI Agent + 转发后无法沉淀到本地知识库 + 多 App 转发需要重复操作 + 不识别带 Share Extension 的 App + 双语界面在中文用户的可用度 + Developer ID + Apple 公证让用户放心下载 + 场景化提示词让群聊分发更准确 + SKILL.md 兼容 Agent 让多个 App 通用」 ——WeChatBridge 用「macOS 微信 4.1.13+ 合并转发 Share Extension + 9 个原生入口 + Obsidian 沉淀 + 场景化 + SKILL.md + 双语界面 + Developer ID + Apple 公证」是「macOS 微信 → AI Agent + 本地知识库」的具体路径；合并转发入口——微信 4.1.13 起多选 → 合并转发 → 第三方应用；9 个原生入口——Codex + Claude + 豆包 + 千问办公 + WorkBuddy + WeSight + Obsidian + 剪贴板 + 自定义；场景与技能——为不同群聊保留场景提示词 + SKILL.md 兼容 Agent；本地记录——批次状态 / 重新发送 / 复制 / 定位文件 / 清理历史；失败兜底——目标未安装或权限不足时文件仍会保留在剪贴板；双语界面——简体中文 + English；Developer ID 签名 + Apple 公证 0.1.14 DMG——用户放心下载；官网——render.qmuse.pub；README 明示「已发布经过 Developer ID 签名和 Apple 公证的 WeChatBridge 0.1.14 DMG」——macOS native 严肃工程化；对 macOS 用户：可在微信转发菜单直接选择目标；对 AI Agent 用户：可一键转发聊天记录；对 Obsidian 用户：可沉淀为 Markdown 笔记；对组织 / 企业：Developer ID + Apple 公证 + 双语界面；对学术 / 工程参考：macOS Share Extension + 9 入口分发 + SKILL.md 兼容 Agent 的具体实现。
• 架构亮点： macOS 微信 4.1.13+ 合并转发 Share Extension——微信多选 → 合并转发 → 第三方应用；9 个原生入口——发给 Codex / Claude / 豆包 / 千问办公 / WorkBuddy / WeSight / Obsidian / 剪贴板 / 自定义；场景与技能——为不同群聊保留场景提示词 + SKILL.md 兼容 Agent；本地记录——批次状态 / 重新发送 / 复制 / 定位文件 / 清理历史；失败兜底——目标未安装或权限不足时文件仍会保留在剪贴板；双语界面——简体中文 + English；Developer ID 签名 + Apple 公证 0.1.14 DMG——可下载即用；Swift 6.0 + macOS 14+——原生 macOS 工程化；官网 render.qmuse.pub——双语 + 文档；26298 KB repo——Swift 6.0 + macOS 14+ + 9 入口 + Share Extension + Obsidian 沉淀 + 场景化 + SKILL.md + 双语界面 + Developer ID + Apple 公证；fork/star 55.9%——macOS native 极高 fork 信号。
• 价值判断： 它解决的是「macOS 微信 → AI Agent + 本地知识库 + 9 入口分发 + Developer ID + Apple 公证 + 双语界面 + 场景化 + SKILL.md」的真痛点；Swift 6.0 + MIT + 26298 KB + macOS 14+ + Share Extension + 9 入口 + Obsidian + 场景化 + SKILL.md + 双语 + Developer ID + Apple 公证是「macOS native 严肃工程化」形态；238⭐ / fork 133 / fork/star 55.9% / 2 天反映 macOS native fork 信号（fork/star 55.9% 与昨日 jev-chat-jarvis 43.3% 相比偏高，反映「macOS native + Developer ID + Apple 公证 + 双语界面 + 多 App 入口」的典型早期 fork 率特征；133 个 fork 几乎全部是「macOS 微信用户 + AI Agent 用户 + Obsidian 用户」三类）；决定这条主线长期价值的是「微信合并转发 ZIP 的解析稳定性 + Share Extension 在 macOS 多版本的兼容性 + 9 入口在多 AI Agent 的可用度 + Obsidian 沉淀在多 vault 的兼容性 + 场景化提示词在多群聊的实用性 + SKILL.md 在多 Agent 的兼容性 + Developer ID + Apple 公证的多 OS 扩展 + 双语界面在中文 / 英文用户的接受度 + 失败兜底在多场景的可用度」——微信 ZIP 解析稳定性 + Share Extension 兼容性 + 9 入口可用度 + Obsidian 兼容性 + 场景化实用性 + SKILL.md 兼容性 + 双语接受度 + 失败兜底可用度是关键；对 macOS 用户：可在微信转发菜单直接选择目标；对 AI Agent 用户：可一键转发聊天记录；对 Obsidian 用户：可沉淀为 Markdown 笔记；对组织 / 企业：Developer ID + Apple 公证 + 双语界面。

4. unreal-agent async-first Go Agent harness（趋势分 80）

• unreallabsai/unreal-agent（2 天 746⭐ / fork 35 / fork/star 4.7% / Go / MIT / 1061 KB）—— 「An async-first agent harness from Unreal Labs」；定位 async-first Go Agent harness；架构 Session inbox / Coordinator / Session store / Context builder / LLM Adapter / Tool registry / Operation manager 八组件 + 8 项术语严格定义 + 序列化 + 版本化；8 项术语严格定义——Input（带 caller-supplied globally unique ID across redeliveries）+ Inbox（session-scoped, in-memory deduplication of external / control / crash inputs）+ Session（append-only persisted history that can be forked）+ LLM turn（coordinator-managed sequence around one logical LLM request）+ Tool（capability described by a schema and bound to a translator）+ Tool call（model-produced request to use a tool）+ Tool translator（validates a tool call and translates it into one or more operations, runs synchronously on the coordinator's event loop and must not perform I/O or suspend the loop）+ Operation（serializable description of work produced by a tool translator for asynchronous execution）；8 组件职责——Session inbox（volatile, session-scoped input idempotency）+ Coordinator（persist accepted inputs, run LLM turns, resolve tool translators through the registry, and dispatch committed operations）+ Session store（persist canonical session history and operation state, support recovery and forks, atomically record tool-call status with operations）+ Context builder（statefully assemble model input in memory, return the model input together with a record of anything omitted / truncated / compacted, perform no I/O and accept no persistence dependencies）+ LLM Adapter（send prepared model input to a provider and return a normalized completed response, own authentication / cancellation / provider errors）+ Tool registry（own the fixed Bash / ViewImage / skill-use definitions and their translators, expose the host-selected set）+ Tool translator（validate a tool call and produce its status and operations, format a recorded call status and prepared operation output into model results, perform no I/O）+ Operation manager（actor runtime for durable operations, the local implementation is swappable）；3 项不变量——Session-store items are serializable, and the storage format is versioned; we'll do our best to maintain backwards compatibility for sessions, an unsupported session version will always cause an explicit error on resume; operations are versioned and always serializable；远程 sandbox 支持——a proxy operations manager can send serialized operations to a local operations manager running in a process inside a remote sandbox, allowing tools to execute there；1061 KB repo——Go + 八组件 + 8 项术语 + 序列化 + 版本化 + 远程 sandbox；fork/star 4.7%——严肃 Go agent harness fork 信号。
• 核心价值定位： 当前 Agent harness 赛道的痛点是 「多数 harness 同步阻塞 I/O + Session 不能 fork + Operation 不能版本化 + 组件不能替换 + 远程 sandbox 不能 proxy operations + 术语定义不严格 + 没有统一不变量承诺」 ——unreal-agent 用「async-first + Session 可 fork + Operation 版本化 + 组件可替换 + 远程 sandbox proxy operations + 8 项术语严格定义 + 3 项不变量承诺」是「Agent harness 严肃工程化」的具体路径；async-first——session inbox 是 volatile, session-scoped input idempotency；Session 可 fork——append-only persisted history that can be forked；Operation 版本化——operations are versioned and always serializable；组件可替换——Harness components are composable, and alternative implementations of their interfaces are encouraged；远程 sandbox 支持——a proxy operations manager can send serialized operations to a local operations manager running in a process inside a remote sandbox；Tool translator 严格同步不 I/O——runs synchronously on the coordinator's event loop and must not perform I/O or suspend the loop；8 项术语严格定义——Input / Inbox / Session / LLM turn / Tool / Tool call / Tool translator / Operation；3 项不变量——Session-store items 序列化 + 版本化；backwards compatibility for sessions；operations 版本化；Bash / ViewImage / skill-use 固定工具——Tool registry 拥有；LLM Adapter 标准化——own authentication / cancellation / provider errors；Context builder 不 I/O——perform no I/O and accept no persistence dependencies；对 Agent harness 开发者：可参考八组件 + 8 术语 + 3 不变量；对 Agent 用户：可替换 LLM Adapter + 远程 sandbox proxy；对组织 / 企业：Go + MIT + 严肃工程化 + 远程 sandbox；对学术 / 工程参考：async-first Agent harness 的具体实现。
• 架构亮点： async-first——session inbox 是 volatile, session-scoped input idempotency；Session 可 fork——append-only persisted history that can be forked；Operation 版本化——operations are versioned and always serializable；组件可替换——Harness components are composable, and alternative implementations of their interfaces are encouraged；远程 sandbox 支持——a proxy operations manager can send serialized operations to a local operations manager running in a process inside a remote sandbox；Tool translator 严格同步不 I/O——runs synchronously on the coordinator's event loop and must not perform I/O or suspend the loop；8 项术语严格定义——Input / Inbox / Session / LLM turn / Tool / Tool call / Tool translator / Operation；3 项不变量——Session-store items 序列化 + 版本化；backwards compatibility for sessions；operations 版本化；Bash / ViewImage / skill-use 固定工具——Tool registry 拥有；LLM Adapter 标准化——own authentication / cancellation / provider errors；Context builder 不 I/O——perform no I/O and accept no persistence dependencies；1061 KB repo——Go + 八组件 + 8 项术语 + 序列化 + 版本化 + 远程 sandbox；MIT——明确许可；fork/star 4.7%——严肃 Go agent harness fork 信号。
• 价值判断： 它解决的是「Agent harness 严肃工程化 + async-first + Session 可 fork + Operation 版本化 + 组件可替换 + 远程 sandbox proxy operations + 8 项术语严格定义 + 3 项不变量承诺」的真痛点；Go + MIT + 1061 KB + async-first + Session 可 fork + Operation 版本化 + 组件可替换 + 远程 sandbox + 8 项术语 + 3 项不变量 + Bash / ViewImage / skill-use + LLM Adapter 标准化 + Context builder 不 I/O 是「Agent harness 严肃工程化」形态；746⭐ / fork 35 / fork/star 4.7% / 2 天反映严肃 Go agent harness fork 信号（fork/star 4.7% 与昨日 thruwire/foreman 6.4% 相比偏低，反映「async-first + Go + 严肃术语定义」偏向观察收藏而非企业 fork）；决定这条主线长期价值的是「async-first 在多 LLM 并发的稳定性 + Session fork 在多任务切换的可用度 + Operation 版本化在 hosted model 升级的兼容性 + 组件可替换在多 LLM Adapter 的扩展 + 远程 sandbox proxy 在多环境部署的稳定性 + 8 项术语在多组件的协调 + 3 项不变量在版本升级的兼容性 + Bash / ViewImage / skill-use 在多任务的实用性」——async-first 稳定性 + Session fork 可用度 + Operation 版本化兼容性 + 组件可替换扩展 + 远程 sandbox 稳定性 + 术语协调 + 不变量兼容性 + 工具实用性是关键；对 Agent harness 开发者：可参考八组件 + 8 术语 + 3 不变量；对 Agent 用户：可替换 LLM Adapter + 远程 sandbox proxy；对组织 / 企业：Go + MIT + 严肃工程化 + 远程 sandbox。

5. DeepOpen 非自回归 System 1 决策引擎 Laya 改进三检查点（趋势分 78）

• deepopen-com/deepopen（2 天 206⭐ / fork 1 / fork/star 0.5% / Python / Apache-2.0 / 2652 KB）—— 「基于 laya 的一款完全开源的非自回归 System 1 决策引擎，专为结构化类型决策场景设计」；定位 非自回归 System 1 决策引擎 Laya 改进 + 三检查点 + 智能路由器；架构 ModernBERT-large 421M 英文检查点 + mmBERT-base 322M 多语言检查点 + ModernBERT-large 421M 类型决策检查点 + 纯 Python 语言检测路由 + Router preload + Apache-2.0 完全开源权重；核心指标——单请求推理 32.8 ms（T4 显卡实测）+ 10 题批量处理 72.3 ms + 单 T4 显卡 103-332 问题/秒 + 7.8 倍 Jev 速度；三检查点——英文检查点（ModernBERT-large 421M 参数训练，支持 512 上下文窗口，在英文单语种任务中实现 39.5 ms 单请求延迟，在英文意图分类 / XNLI 等基准测试中准确率达到 0.783-0.860）+ 多语言检查点（mmBERT-base 322M 参数训练，支持 1024 上下文窗口，推理速度比英文模型快 2 倍，覆盖 100+ 种语言，其中 45 种语言的准确率超过 3 倍随机基线，在非拉丁语种下性能远超纯英文模型，13 种非英文语言的意图分类准确率达到 0.451，是英文检查点的 1.47 倍）+ 类型决策检查点（ModernBERT-large 421M 参数训练，支持 1024 上下文窗口，专门针对结构化类型决策场景微调，在 2000 个决策样本的基准测试中，准确率达到 0.766，超过 TypeSafe Jev 1.13.0 的 0.727，同时 Brier 分数低至 0.062）；核心技术特性——零幻觉非自回归设计（全程不生成任何文本内容，所有输出均为开发者预先定义的结构化类型结果）+ 全链路智能路由机制（纯 Python 实现的语言检测模块，在 <0.5 ms 内识别输入内容的脚本类型和所属语言，自动匹配最优检查点）+ 严格校准的概率输出（RLCD 强化学习框架训练，所有输出的置信度分数具备严格的统计意义，ECE 低至 0.081）+ 极致的性能表现（T4 单卡 103-332 问题/秒，7.8 倍 Jev 速度）+ 完全开源零成本部署（Apache-2.0 开源许可，所有权重完全开放，支持本地自托管，无需调用任何付费 API）；快速上手——pip install deepopen + Router preload=True + device="cuda" + 自定义类型决策规则 + 自动路由到最优模型完成推理；生产环境部署优化——router.preload(["english", "multilingual"]) 节省显存 + max_loaded=2 LRU 缓存 + router.unload() 手动卸载；内置生产级工作流程预设——智能模型路由 + 意图分类 + 风险识别 + 多语言路由等；关键差异——「纯英文检查点在高棉语任务中准确率为 0，却给出 95.2% 的错误置信度，仅靠置信度阈值完全无法规避风险」（多语言路由的硬动机）；CLINC150 / Banking77 榜单——第 2 位 / 第 5 位（对照参考成绩）；Apache-2.0 完全开源权重——长期大规模部署可节省近 100% 推理成本（对比 TypeSafe Jev 每百万 Token 0.042 美元的定价）；2652 KB repo——Python + 三检查点 + Router preload + Apache-2.0 完全开源权重 + CLINC150 / Banking77 榜单；fork/star 0.5%——观察收藏而非企业 fork。
• 核心价值定位： 当前决策模型在「非自回归 + 开源权重 + 多语言 + 严格校准 + 智能路由 + 高并发」赛道的痛点是 「Jev 是 closed hosted service + Laya 已开源但部署复杂 + 用户希望完全开源权重 + 用户希望多语言（特别是非拉丁语种）+ 用户希望严格校准概率输出 + 用户希望智能路由避免高置信度错误 + 用户希望极致性能（毫秒级 + 高并发）+ 用户希望 Apache-2.0 商用可修改 + 用户希望 pip install 一键部署」 ——DeepOpen 用「Laya 改进 + 三检查点（英文 / 多语言 / 类型决策）+ 纯 Python 智能路由 + ModernBERT-large / mmBERT-base + 32.8 ms / 7.8× Jev 速度 + Apache-2.0 完全开源权重 + pip install deepopen + Router preload + ECE 0.081 + 2000 样本 0.766 准确率超 Jev 0.727 + Brier 0.062 + 100+ 语言 + 1024 上下文 + 高棉语 0 → 0.451」是「非自回归 System 1 决策引擎 + 三检查点 + Laya 改进 + 智能路由 + Apache-2.0」的具体路径；三检查点——英文（ModernBERT-large 421M + 512 ctx + 39.5 ms）+ 多语言（mmBERT-base 322M + 1024 ctx + 英文模型快 2 倍 + 100+ 语言 + 45 种语言 > 3× 随机基线 + 13 种非英文语言 0.451 准确率）+ 类型决策（ModernBERT-large 421M + 1024 ctx + 2000 样本 0.766 准确率超 Jev 0.727 + Brier 0.062）；核心技术——零幻觉非自回归设计 + 全链路智能路由（<0.5 ms 识别脚本 / 语言）+ RLCD 强化学习训练 + 严格校准 ECE 0.081 + T4 32.8 ms / 10 批 72.3 ms / 单卡 103-332 问题/秒 / 7.8× Jev 速度；开源——Apache-2.0 + 完全开源权重 + 本地自托管 + 零成本（对比 Jev 每百万 Token 0.042 美元节省近 100%）；部署——pip install deepopen + Router preload=True + device="cuda" + preload(["english", "multilingual"]) + max_loaded=2 + unload()；对决策模型研究者：Laya 改进 + 三检查点 + 智能路由 + 32.8 ms + 7.8× Jev 速度；对企业：Apache-2.0 + 零成本 + 本地自托管；对多语言用户：高棉语 0 → 0.451 + 13 种非英文语言 0.451 + 45 种语言 > 3× 随机基线；对学术 / 工程参考：非自回归 System 1 决策引擎 + 三检查点 + 智能路由 + 严格校准 + Apache-2.0 的工程化形式。
• 架构亮点： 三检查点——英文（ModernBERT-large 421M + 512 ctx + 39.5 ms）+ 多语言（mmBERT-base 322M + 1024 ctx + 英文模型快 2 倍 + 100+ 语言）+ 类型决策（ModernBERT-large 421M + 1024 ctx + 2000 样本 0.766 准确率超 Jev 0.727 + Brier 0.062）；核心技术——零幻觉非自回归设计 + 全链路智能路由（<0.5 ms 识别脚本 / 语言）+ RLCD 强化学习训练 + 严格校准 ECE 0.081 + T4 32.8 ms / 10 批 72.3 ms / 单卡 103-332 问题/秒 / 7.8× Jev 速度；开源——Apache-2.0 + 完全开源权重 + 本地自托管 + 零成本（对比 Jev 每百万 Token 0.042 美元节省近 100%）；部署——pip install deepopen + Router preload=True + device="cuda" + preload(["english", "multilingual"]) + max_loaded=2 + unload()；内置生产级工作流程预设——智能模型路由 + 意图分类 + 风险识别 + 多语言路由；关键差异——「纯英文检查点在高棉语任务中准确率为 0，却给出 95.2% 的错误置信度，仅靠置信度阈值完全无法规避风险」多语言路由的硬动机；CLINC150 / Banking77 榜单——第 2 位 / 第 5 位（对照参考成绩）；2652 KB repo——Python + 三检查点 + Router preload + Apache-2.0 完全开源权重 + CLINC150 / Banking77 榜单；Apache-2.0——明确许可可商用可修改。
• 价值判断： 它解决的是「非自回归 System 1 决策引擎 + 三检查点 + Laya 改进 + 智能路由 + 严格校准 + 极致性能 + Apache-2.0 完全开源 + pip install 一键部署」的真痛点；Python + Apache-2.0 + 2652 KB + ModernBERT-large 421M × 2 + mmBERT-base 322M + 32.8 ms / 10 批 72.3 ms / T4 103-332 问题/秒 / 7.8× Jev 速度 + ECE 0.081 + 2000 样本 0.766 准确率 + Brier 0.062 + 100+ 语言 + 1024 上下文 + 高棉语 0 → 0.451 + CLINC150 / Banking77 榜单第 2 / 第 5 + pip install + Router preload + preload(["english", "multilingual"]) + max_loaded=2 + unload() 是「非自回归 System 1 决策引擎严肃工程化」形态；206⭐ / fork 1 / fork/star 0.5% / 2 天反映严肃观察收藏信号（fork/star 0.5% 极低，反映「Apache-2.0 + 三检查点 + Laya 改进 + 32.8 ms + 7.8× Jev」偏向观察收藏而非企业 fork；1 个 fork 几乎全部是「准备做决策模型本地化 / 多语言路由」研究者 fork）；决定这条主线长期价值的是「三检查点在多任务的稳定性 + ModernBERT-large 在英文 / 类型决策的准确率 + mmBERT-base 在多语言的覆盖广度 + 智能路由在 <0.5 ms 识别脚本 / 语言的稳定性 + RLCD 强化学习在 hosted model 升级的兼容性 + 严格校准 ECE 0.081 在多任务的稳定性 + 32.8 ms / 10 批 72.3 ms 在多 GPU 的扩展 + Apache-2.0 在企业的商用兼容性 + CLINC150 / Banking77 榜单成绩的严肃 benchmark 验证 + 高棉语 0 → 0.451 多语言路由的硬动机验证 + pip install deepopen 一键部署的实际可用度」——三检查点稳定性 + ModernBERT / mmBERT 准确率 + 智能路由稳定性 + RLCD 兼容性 + ECE 严格校准 + 多 GPU 扩展 + Apache-2.0 商用兼容 + 严肃 benchmark 验证 + 多语言路由验证 + pip install 可用度是关键；对决策模型研究者：Laya 改进 + 三检查点 + 智能路由；对企业：Apache-2.0 + 零成本 + 本地自托管；对多语言用户：高棉语 0 → 0.451 + 13 种非英文语言 0.451；对学术 / 工程参考：非自回归 System 1 决策引擎 + 三检查点 + 智能路由 + 严格校准 + Apache-2.0 的工程化形式。

关键判断

• 「昨日 Finderchangchang/jev-chat-JARVIS 个人开发者形态 833⭐ / fork 361 / fork/star 43.3% → 今日 jev-chat/jev-chat-jarvis 官方 org fork 2 天 3660⭐ / fork 821 / fork/star 22.4%」是 Jev 副驾生态组织化与多端展开的关键演化信号：jev-chat-jarvis（Android · 三路 API key 拆分 · 用户本地 KB · 9 个原生入口 · 飞书 ML Kit 离线 OCR · 任意 App 整屏 OCR · APK v1.3 · Sponsor · chatjevs.com · 同步 macOS + Windows + ⏳ 桌面网页 · 2 天 3660⭐ / fork 821 / fork/star 22.4% / Kotlin MIT 23.49 MB）+ jev-chat-windows（WGC 窗口截图 + RapidOCR 离线 OCR + exe 146 MB + 注册表 HKCU\Environment 存 key + 起草默认 DeepSeek 官网国内直连 + 判断 OpenRouter / TypeSafe 直连二选一 + 群聊指定回复对象 + 调试视图画框 6 色 + 1623 KB / Python MIT-like 2 天 249⭐ / fork 56 / fork/star 22.5%）+ freestylefly/WeChatBridge（macOS 微信 4.1.13+ 合并转发 Share Extension + 9 个原生入口 Codex / Claude / 豆包 / 千问办公 / WorkBuddy / WeSight / Obsidian / 剪贴板 / 自定义 + 场景化提示词 + SKILL.md 兼容 Agent + 双语界面 + Developer ID 签名 + Apple 公证 0.1.14 DMG + 2 天 238⭐ / fork 133 / fork/star 55.9% / Swift 6.0 MIT 26298 KB）——今日 3 个项目同构「聊天侧 AI 副驾 / Agent 转发 / 知识库沉淀」推到不同形态：jev-chat-jarvis 是「个人 fork → 官方 org fork + Android 多端展开」；jev-chat-windows 是「同内核跨平台到 Windows 微信 4.x + exe 一键使用 + 注册表存 key + DeepSeek 国内直连」；WeChatBridge 是「macOS 微信合并转发 Share Extension + 9 入口分发 + Developer ID + Apple 公证 + 双语界面」——3 个项目同构「聊天侧 AI 副驾 + 用户最终 gate + 跨平台展开 + 严肃工程化」但推到 3 个不同形态：Android 严肃 fork 组织化 / Windows 严肃 fork 跨平台 / macOS native 严肃 fork 多 App 入口；决定聊天侧 AI 副驾生态长期价值的是「三路 API key 在多 LLM 切换的稳定性 + 用户本地 KB 在多 App 的实用性 + 9 入口 + 任意 App 整屏 OCR 兜底 + 飞书 ML Kit OCR 准确率 + 跨平台 macOS / Windows / ⏳ 桌面网页三端协调 + Windows WGC + RapidOCR + exe 一键使用 + 注册表存 key + DeepSeek 国内直连 + macOS Share Extension + Developer ID + Apple 公证 + 双语界面 + 9 入口分发 + 场景化提示词 + SKILL.md 兼容 Agent + Obsidian 沉淀 + Sponsor + chatjevs.com + APK 签名 + 失败兜底」——三路 API key 稳定性 + 本地 KB 实用性 + 9 入口 + 任意 App OCR + 飞书 OCR + 跨平台协调 + Windows 严肃 fork + macOS native 严肃 fork + 失败兜底是关键。

• 「Jev / System One 决策模型严肃工程化 + 挑战者出现」今日第二主线是 09-15 ~ 09-22 八日 Jev 决策模型生态从「API + SDK + 资源聚合 + 去 SaaS 化 + 具身智能 + 可执行技能 → 严肃工程化 + 挑战者 + 多语言 + 跨平台」演化：unreallabsai/unreal-agent（async-first + Session inbox / Coordinator / Session store / Context builder / LLM Adapter / Tool registry / Tool translator / Operation manager 八组件 + 8 项术语严格定义 + 3 项不变量 + Session 可 fork + Operation 版本化 + 组件可替换 + 远程 sandbox proxy operations + Bash / ViewImage / skill-use 固定工具 + Go MIT 1061 KB 2 天 746⭐ / fork 35 / fork/star 4.7%）+ deepopen-com/deepopen（非自回归 System 1 决策引擎 + Laya 改进 + 三检查点 ModernBERT-large 421M × 2 + mmBERT-base 322M + 100+ 语言 + 1024 上下文 + 32.8 ms / 10 批 72.3 ms / T4 103-332 问题/秒 / 7.8× Jev 速度 + ECE 0.081 + 2000 样本 0.766 准确率超 Jev 0.727 + Brier 0.062 + Apache-2.0 完全开源权重 + pip install deepopen + Router preload + CLINC150 / Banking77 榜单第 2 / 第 5 + Python Apache-2.0 2652 KB 2 天 206⭐ / fork 1 / fork/star 0.5%）——今日 2 个项目同构「Jev / System One 决策模型严肃工程化与挑战者」推到不同方向：unreal-agent 是「Agent harness 严肃工程化 + async-first + Session 可 fork + Operation 版本化 + 组件可替换 + 远程 sandbox proxy」具体路径，把昨日 09-19 ~ 09-22 各 agent SDK / harness 同构「Agent harness 严肃工程化」推到「Go async-first + 8 项术语严格定义 + 3 项不变量承诺 + 序列化 + 版本化 + 远程 sandbox」严肃化形态；deepopen 是「非自回归 System 1 决策引擎 + Laya 改进 + 三检查点 + 智能路由 + 32.8 ms + 7.8× Jev 速度 + Apache-2.0 完全开源 + pip install + 多语言 100+ + 高棉语 0 → 0.451」严肃工程化形态，把昨日 Heman10x-NGU/openJev-verdict-2.0「Non-Autoregressive Decision Engine 击败 Jev & Laya」+ Rizzo-AI-Academy/rizzo-flow「Spark-X2.5 4B Jev 兼容 0 generated tokens」同构「Jev / Laya 决策模型挑战者 + 开源权重 + 非自回归 + Apache-2.0」推到「三检查点 + Laya 改进 + 智能路由器 + 32.8 ms + 7.8× Jev 速度 + Apache-2.0 + pip install + ECE 0.081 + 2000 样本 0.766 准确率 + 多语言 1024 ctx + 高棉语 0 → 0.451 准确率」严肃工程化形态；决定 Jev / System One 决策模型严肃工程化与挑战者长期价值的是「unreal-agent async-first 在多 LLM 并发的稳定性 + Session fork 在多任务切换的可用度 + Operation 版本化在 hosted model 升级的兼容性 + 组件可替换在多 LLM Adapter 的扩展 + 远程 sandbox proxy 在多环境部署的稳定性 + 8 项术语在多组件的协调 + 3 项不变量在版本升级的兼容性 + Bash / ViewImage / skill-use 在多任务的实用性 + deepopen 三检查点在多任务的稳定性 + ModernBERT-large 在英文 / 类型决策的准确率 + mmBERT-base 在多语言的覆盖广度 + 智能路由在 <0.5 ms 识别脚本 / 语言的稳定性 + RLCD 强化学习在 hosted model 升级的兼容性 + 严格校准 ECE 0.081 在多任务的稳定性 + 32.8 ms / 10 批 72.3 ms 在多 GPU 的扩展 + Apache-2.0 在企业的商用兼容性 + CLINC150 / Banking77 榜单成绩的严肃 benchmark 验证 + 高棉语 0 → 0.451 多语言路由的硬动机验证 + pip install deepopen 一键部署的实际可用度」——unreal-agent async-first / Session fork / Operation 版本化 / 组件可替换 / 远程 sandbox / 8 项术语 / 3 项不变量 / 工具实用性 + deepopen 三检查点 / ModernBERT / mmBERT / 智能路由 / RLCD / ECE / 多 GPU / Apache-2.0 / 严肃 benchmark / 多语言路由 / pip install 可用度是关键。

• 「单点工程痛点 + 强可复现证据 + 严肃许可 + 诚实表态边界」五项目同日出现是 09-23 趋势的延续稳定特征：jev-chat/jev-chat-jarvis（Kotlin MIT Android 端 + 三路 API key + 本地 KB + 9 入口 + 飞书 ML Kit OCR + 任意 App 整屏 OCR + Sponsor + chatjevs.com + APK v1.3 + macOS + Windows + ⏳ 桌面网页 + 23490 KB fork/star 22.4%）+ jev-chat/jev-chat-windows（Python MIT-like Windows + WGC + RapidOCR + exe 146 MB + 注册表存 key + DeepSeek 国内直连 + 群聊 + 调试视图 6 色 + 1623 KB fork/star 22.5%）+ freestylefly/WeChatBridge（Swift 6.0 MIT macOS + Share Extension + 9 入口 + Developer ID + Apple 公证 + 双语界面 + 26298 KB fork/star 55.9%）+ unreallabsai/unreal-agent（Go MIT async-first + 八组件 + 8 项术语 + 3 项不变量 + 远程 sandbox + 1061 KB fork/star 4.7%）+ deepopen-com/deepopen（Python Apache-2.0 三检查点 + Laya 改进 + 智能路由 + 32.8 ms + 7.8× Jev + pip install + 多语言 100+ + 高棉语 0 → 0.451 + CLINC150 / Banking77 榜单第 2 / 第 5 + 2652 KB fork/star 0.5%）5 个项目都是「解决一个具体工程问题 + 强可复现证据 + 严肃许可 + 诚实表态边界」——这是 09-15 ~ 09-23 九日趋势的延续稳定特征：与昨日 Finderchangchang/jev-chat-JARVIS（Kotlin MIT Android + 真机三平台验证 + 一套内核 + 隐私边界 + 6 项已知限制 17103 KB fork/star 43.3%）+ Rizzo-AI-Academy/rizzo-flow（Python Apache-2.0 Spark-X2.5 4B Apache-2.0 开源权重 + Jev-compatible API + 0 generated tokens + Snake demo + 「Independent project, not affiliated with TypeSafe」+「Probabilities are uncalibrated」+「The interface is compatible, the model is not Jev」三段明确边界 4770 KB）+ TianyuCodings/JevHarness（Python 无 license Pokemon 5 轮反思 Eval 胜率 25% → 75% + 568 ms median 完整决策 + Frozen artifacts + 「improvement is on selection Eval set, not independent estimate」+「These observations are not a controlled speed comparison」+ 8 项限制 43246 KB）+ fstandhartinger/chat-seek-vscode（JavaScript MIT VS Code extension + Laya 本地决策模型 + 摘要默认 off 默认完全本地 + SecretStorage 存 API key + 「Long chats can span many topics a sampled summary is a recognition aid」+「API failures leave ordinary search results usable」2753 KB）四项目同构；与前日 09-21 Haleclipse/CometixCode（Rust 2024 + iocraft + CometixTUI fork 5 项原语 + 1:1 组件映射 + AGPL-3.0 + 商标尊重）+ rmalde/minecraft-agent（JavaScript + Mineflayer + vanilla server + 隐藏 Java sensor + 131 次 JEV 决策 + 全部 17 项 run 检查 + 8 项 route/camera/screen 检查 + 29 项本地测试通过 + 不改游戏规则或实体状态 + 摄像头 240 度/秒 + 40% 加速 + 152 秒 End combat + 诚实「Dragon flight and landing times can vary between runs」+ ⚠ 无 license 698 KB）+ wuyoscar/jev-skill（Python + MIT + 9 skills + 90 scenarios + Action tests 工作流 + Demos + 双语 README + 1011 KB）+ ghuntley/underclass（Rust + MIT + OpenAI 兼容三端点 + sticky session + 冷却 + fail-fast + 双源订阅 + web UI + ghuntley 背书 + 170 KB）四项目同构——九日内 17+ 个项目都是「解决一个具体工程问题 + 强可复现证据 + 严肃许可 + 诚实表态边界」形态——是 2026-09 趋势的延续稳定特征。

重点项目档案

• 🛰️ jev-chat/jev-chat-jarvis（2 天 3660⭐ ⑂821）— 昨日 Finderchangchang/jev-chat-JARVIS 的官方 org fork 多端展开；Kotlin · MIT · 23.49 MB · 微信 8.0.52+ 混淆节点 8.0.78 实测可读 · QQ 9.3.50 群聊 · X 12.25 中文 · 飞书 1.3 起 ML Kit 离线 OCR 兜底；三路 API key 拆分：判断 / 回复 / 视觉；用户本地知识库与联系人档案；APK 签名 v1.3；网站 chatjevs.com；9 个原生入口；任意其它 App 用悬浮窗菜单「截屏识别一次」整屏 OCR；桌面端 / 网页 ⏳ 规划；fork/star 22.4%，Score 92
• 🪟 jev-chat/jev-chat-windows（2 天 249⭐ ⑂56）— 同内核跨平台到 Windows 微信 4.x；Python · PyQt · MIT-like · WGC 窗口截图 + RapidOCR 离线 OCR · exe 内置 146 MB · 注册表 HKCU\Environment 存 API key · 起草默认 DeepSeek 官网国内直连 · 判断 OpenRouter / TypeSafe 直连二选一 · 群聊指定回复对象 · 调试视图画框 · fork/star 22.5%，Score 85
• 🌉 freestylefly/WeChatBridge（2 天 238⭐ ⑂133）— macOS 微信 4.1.13+ 合并转发 Share Extension → Codex / Claude / 豆包 / 千问办公 / WorkBuddy / WeSight / Obsidian / 剪贴板 / 自定义 九入口；Swift 6.0 · MIT · macOS 14+ · Developer ID 签名 + Apple 公证 0.1.14 DMG · 场景化提示词 + 技能中心 + SKILL.md 兼容 Agent · 双语界面 · fork/star 55.9%，Score 82
• 🎮 unreallabsai/unreal-agent（2 天 746⭐ ⑂35）— async-first Go Agent harness；Go · MIT · Session inbox / Coordinator / Session store / Context builder / LLM Adapter / Tool registry / Operation manager 八组件 · 8 项术语严格定义 · 3 项不变量 · Session 可 fork · Operation 版本化 · 组件可替换 · 远程 sandbox proxy · Bash / ViewImage / skill-use 固定工具 · fork/star 4.7%，Score 80
• 🐉 deepopen-com/deepopen（2 天 206⭐ ⑂1）— 非自回归 System 1 决策引擎 Laya 改进三检查点；Python · Apache-2.0 · ModernBERT-large 421M 英文 / mmBERT-base 322M 多语言 / ModernBERT-large 421M 类型决策 · 32.8 ms / 10 批 72.3 ms / T4 103-332 问题/秒 / 7.8× Jev · ECE 0.081 · 2000 样本 0.766 准确率超 Jev 0.727 · Brier 0.062 · pip install deepopen · CLINC150 / Banking77 榜单第 2 / 第 5 · fork/star 0.5%，Score 78