🔥 GitHub 热门项目

• OpenClaw ⭐ 210,000+ — 2026年最火爆的开源项目，本地化个人 AI 助手，支持 WhatsApp、Telegram、Slack、Discord 等 50+ 集成，所有数据均在本地设备运行，无需上传云端。

• n8n ⭐ 高速增长 — 开源工作流自动化平台，融合可视化 no-code 界面与自定义代码灵活性，原生支持 AI 能力，适合将 LLM、数据源、外部工具与业务流程编排成完整 pipeline。

• vLLM ⭐ 高速增长 — 高吞吐量、内存高效的 LLM 推理与服务引擎，贡献者数量增长最快的开源项目之一，是生产部署 LLM 的首选框架。

• Ollama ⭐ 持续领先 — 用 Go 编写的轻量级本地 LLM 运行框架，无需昂贵 GPU 即可在自有硬件上运行和管理大语言模型，是本地部署 AI 的最佳入口。

• awesome-ai-agents-2026 ⭐ 新上榜 — 2026年最全面的 AI agents 资源清单，收录 300+ 工具、框架与资源，涵盖 20+ 分类，每月更新。

📄 前沿论文与模型

• Fine-Tuning with RAG (ICLR 2026) — 多机构联合 — ICLR 2026 正式收录论文，系统研究将 RAG 与 fine-tuning 结合的方法论，证明两者结合在特定领域任务上显著优于单独使用任一方案。

• Mamba-3 — 学术研究团队 — 改进版状态空间模型（SSM）架构，在序列建模与推理效率上超越前代 Mamba，为 Transformer 提供强力替代方案，适合长序列任务。

• OpenMOSS — OpenMOSS 团队 — 利用强化学习从社区反馈与引用数据中获取"科学品味"的 AI 框架，探索如何让模型自动评估研究质量，是科学 AI 方向的新突破。

• LTX Video 2.3 — Lightricks — 开源视频生成模型新里程碑，单次 pass 即可生成原生 4K 视频并同步音频，彻底改变开源视频生成的质量上限。

📰 行业新闻与产品动态

• NVIDIA GTC 2026：Agentic AI 成核心主题 — Jensen Huang 在 GTC 2026 发表主题演讲，宣布新一代 AI 芯片与 agentic AI 基础设施全面升级，强调从"问答式 AI"到"任务执行型 AI agent"的时代转变。来源

• 白宫发布国家 AI 政策框架 — 美国白宫于 3 月 20 日正式发布国家 AI 政策框架，建议国会建立监管沙盒、开放联邦数据，并通过《AI 问责法》要求在招聘、贷款、医疗等关键决策中部署 AI 的企业定期发布偏见审计报告。来源

• 图灵奖得主 Yann LeCun 创业获史上最大种子轮融资 — AMI Labs（Advanced Machine Intelligence）完成 10.3 亿美元种子轮融资，估值 35 亿美元，创欧洲史上最大种子轮纪录；LeCun 团队致力于构建"世界模型"——一种有别于 LLM 的全新 AI 架构。来源

• Anthropic 推出 Claude 插件市场 + 全用户开放记忆功能 — Anthropic 在 3 月初为所有 Claude 用户开放跨对话记忆功能，并推出企业插件市场，首批合作伙伴包括 Snowflake、Harvey 和 Replit。来源

• Perplexity 发布 Personal Computer：专属本地 AI agent — Perplexity 推出可持续运行在本地设备（如 Mac Mini）上的 AI agent，能访问文件、应用并自主执行任务，被视为对 OpenAI Operator 的直接挑战。来源

🛠️ 工程与实践

• AI Tooling for Software Engineers in 2026 — Pragmatic Engineer 深度报告，全面梳理 2026 年软件工程师工具链现状：Claude Code 以 95% 活跃使用率领跑，AI coding 工具平均每周为工程师节省 3.6~4.1 小时，并使 PR 数量提升 60%。

• Building a RAG Pipeline with OpenClaw: The Complete 2026 Guide — 从零构建 RAG pipeline 的完整 2026 教程，涵盖环境配置、检索组件、生成组件到高级优化技巧，以 OpenClaw 为核心工具进行实战演示。

• RAG vs Fine-Tuning 2026: Complete Guide — 2026 年最新 RAG vs Fine-tuning 决策指南，深入分析两种方案的优劣与适用场景，并指出最佳实践是将 fine-tuning 作为行为基础、RAG 负责动态知识获取的混合架构。