Balanov/skein

deepseek-ai/dsh-superagent-prototype：迈向更自主的智能体系统

deepseek-ai/dsh-superagent-prototype: Towards a More Autonomous Agent System

这是 DeepSeek 在 GitHub 上发布的研究原型仓库 dsh-superagent：一个面向单个 GitHub 仓库的主动式编码 agent，打包为 DeepSeek Harness 的 bundle。它监听 GitHub（可选监听飞书），当被授权的人提出工作请求时，会创建 work item，在自己的 agent 会话和目录中处理，并在原对话中回复，例如提交 pull request；另有网页面板展示哪些事项需要人工介入。README 注明这是仅供参考的研究原型、并非官方 DeepSeek 产品，工程由 coding agent 大量完成，可能存在缺陷、代码风格与工程实践不一致，使用前需自行审查调整。材料未给出更具体的适用读者说明。

yuatemycat/SuperGhidra

GitHub 仓库，项目自述为面向 Ghidra 的 Python 工具集：自主智能体逆向工程、无锁 Ghidra 守护进程及 C++ 恢复套件，采用 AGPL-3.0-or-later 许可，要求 Python 3.10 以上。其功能描述包括让 Ghidra 的脚本编写更快、把反编译原始输出改写为可编译的 C，以及执行 Ghidra 未自带的静态分析（如 MSVC RTTI），并提供 MCP 集成；标签涉及 arm64、x86-64、P-code、Z3/SMT 求解等。

一个用于从可穿戴传感器数据中筛选候选生物标志物的 AI 工具

An AI tool for prioritizing candidate biomarkers from wearable sensor data

介绍 Google Research 的 Biomarker Discovery Framework，一个多智能体系统，通过迭代式假设生成、统计分析和基于文献的推理，支持从可穿戴传感器数据中发现候选生物标志物。文章指出可穿戴设备能连续采集心率、睡眠等生理信号，瓶颈已从数据采集转向如何将其转化为可靠的临床生物标志物，并提到现有基于语言模型的智能体系统在生理时间序列数据上容易出现伪相关、数据泄漏和脆弱特征等问题。该框架将候选生物标志物的筛选组织为在人工监督下进行的研究循环，结合假设生成、并行统计分析、模型训练、对抗式验证等环节。

8B逆袭32B！开源首个长程交互SQL Agent框架，面向真实数据库

新智元报道，介绍港科大与微软等团队推出的 HarnessSQL：面向真实数据库的首个原生长程环境交互训练框架，在密闭沙盒与专用 SQL Harness 中进行长程轨迹监督微调与执行奖励强化学习。文中把交互式 Text-to-SQL 形式化为 POMDP，并分析传统静态训练导致的「训练与部署脱节」问题。结果显示，在 Spider 2.0-SQLite 上 8B 模型取得 45.2% 执行准确率，14B 模型达 54.8%，并与 32B 专用模型和多智能体系统做了对比。文内附论文与开源代码链接。