🔥 GitHub 热门项目

• OpenClaw ⭐ 210,000+ — 2026 年 GitHub 增长最快的开源项目，本地运行的个人 AI 助手，通过本地网关将 AI 模型连接至 WhatsApp、Telegram、Slack、Discord 等 50 余个平台，完全在用户设备上运行，强调隐私与自主性。

• Ollama ⭐ 持续高热 — 用 Go 语言编写的轻量级 LLM 本地运行框架，3 月新版本专注于速度优化与更广泛的硬件支持，让用户无需 GPU 即可在本地运行大型语言模型。

• llama.cpp ⭐ LLM 生态基石 — 允许强大模型在 CPU 上运行的关键项目，3 月初新版本聚焦推理速度提升与更广泛硬件兼容性，是本地 AI 生态的重要基础设施。

• n8n ⭐ 持续上升 — 开源工作流自动化平台，结合可视化无代码界面与自定义代码灵活性，内置 LangChain 集成，支持在工作流中直接接入 LLM，AI agent 自动化能力大幅增强。

• garrytan/gstack ⭐ 新晋热门 — Garry Tan 的 Claude Code 精选配置集，包含 10 个精心调校的工具，TypeScript 编写，展示了当下 AI 辅助开发工作流的最佳实践。

📄 前沿论文与模型

• MiroThinker-H1：长程推理 AI Agent — 研究团队 — 在 GAIA 基准上取得 88.5 分，专为长程推理与深度研究查询设计，报告质量优于同类模型，已被 ICLR 2026 接收。

• OpenMOSS：AI 科研品味框架 — 复旦大学 — 提出"科研品味"概念，通过社区反馈强化学习（RLCF）训练模型预测论文影响力，在判断与生成高影响力研究想法方面超越顶尖专有 LLM。

• MoDA：混合深度注意力机制 — 华中科技大学 & 字节跳动 Seed — 允许 LLM 深层动态检索所有前序层信息的新架构组件，有效提升大模型对长上下文的处理能力。

• Fast-WAM：高效世界动作模型 — 清华大学 & Galaxea AI — 机器人任务执行推理延迟降低 4 倍以上，在 LIBERO 和 RoboTwin 基准上达到 97.6% 成功率，大幅推动机器人 AI 落地。

📰 行业新闻与产品动态

• Anthropic 推出记忆功能与新模型 — 3 月初向所有 Claude 用户开放跨对话记忆能力，同步发布支持 100 万 token 上下文窗口的 Claude Sonnet 4.6 与 Opus 4.6 测试版，并推出企业应用市场，允许客户通过现有预算采购第三方 Claude 应用。 来源

• OpenAI 融资 1100 亿美元，营收破 250 亿 — OpenAI 完成史上最大规模 AI 融资，年化营收已超 250 亿美元，正探索 2026 年底上市可能；与此同时 GPT-5.4（含 Standard、Thinking、Pro 三个版本）已全面推出，支持 105 万 token 上下文。 来源

• Meta "Avocado" 旗舰模型延期至 5 月 — 内部测试显示该模型在推理、编程与写作任务上落后于 Google、OpenAI 和 Anthropic 的竞品，发布时间从 3 月推迟至 5 月。 来源

• Apple 重磅发布 AI 原生 Siri 与 MacBook Air M5 — 全新 Siri 将于 iOS 26.4 亮相，具备屏幕感知与跨 App 协作能力，底层由 Google Gemini 驱动；M5 MacBook Air 每个核心内置神经加速器，为复杂 AI 任务提供更强算力。 来源

• NVIDIA 开源 Nemotron 3 Super，SWE-Bench 登顶 — NVIDIA 发布新一代开放权重模型 Nemotron 3 Super，在 SWE-Bench Verified 上以 60.47% 准确率成为最强开源编程模型，同步扩展面向 Agentic、物理 AI 与医疗 AI 的开放模型家族。 来源

🛠️ 工程与实践

• RAG vs Fine-Tuning 2026 终极指南 — 核心原则：将易变知识放入检索系统，将稳定行为放入微调模型。混合检索（向量 + 关键词）已成 2026 年默认推荐方案，Anthropic 的 Contextual Retrieval 技术可将检索失败率降低 49%。

• Fine-Tuning LLM 实战：LoRA & DPO 完整指南 — 2026 年微调门槛大幅降低，OpenAI、Anthropic 均提供微调 API，Hugging Face PEFT + LoRA 让个人开发者也能低成本定制模型；文章重点强调：评估不可省略，务必让真实用户对比基础模型与微调模型输出。

• RAGAS：RAG 系统评估框架最佳实践 — 详解如何用 RAGAS 建立测试→度量→调整→部署的完整循环，覆盖 prompt 调优、检索器行为优化与生产系统扩展，是构建可靠 RAG 系统的工程必读。