想用 AI 写量化策略，光是找行情数据、接各种 API、调试回测代码，就要折腾半天。 港大 HKUDS 团队开源的 Vibe-Trading，把这些流程整合到了一起。 直接用自然语言描述你的交易想法，Agent 就能自动编写策略代码、运行历史回测，并生成图表和分析报告。 GitHub： 内置六大市场数据源，覆盖 A 股、美股、加密货币和外汇，不用自己从头对接数据接口。 还提供了几十个预设 Agent，可以从宏观经济、市场研报、技术指标等多个角度分析交易策略。 支持 Docker 部署，也可以通过 MCP 接入现有的 AI 工作流。 想用 AI 写策略、跑回测、验证自己的交易想法，可以研究一下这个项目。

一个 Agent 的 skill 装得越多，选错的那一次代价越大。 OpenSpace 来自港大的 HKUDS 实验室，最近刚开源，定位是给 Agent 管 skill 的一层。它管四件事，找得到、信得过、传得开、改得动。 它最实在的部分，是给 skill 留下运行记录。任务跑完，它记下了这份东西是否被选中、被用上，还是中途换了别的做法。工具变慢、变得不稳或者有风险时，对应的 skill 会被标出来。新提交的默认先放在试用区，通过几轮真实任务的检验，才进入放心选的那一档。 官方给了一组对照，测的是 Terminal-Bench 2.1。同一个冻结的 Hy3 底座，冷启动 65.2%，跑热之后是 78.7%。这里没有换模型，抬分的是那份慢慢攒下来的 skill 库。 它还做了件反直觉的事。云端那份只管发现，别人分享出来的 skill 摆在明面上，但要先导入到本机，才轮到自己的 Agent 去用。 这类工具适合 skill 库已经堆到记不清的程度的人。手上只有十几份，装它等于多养一个服务；等到自己写过什么都忘了，它才开始有用。 🔗链接：

🧠 港大实验室开源了一套 agent 骨架，自带一个能直接干活的 agent，叫 Ohmo。 GitHub 已经 14.3k star，出自香港大学数据智能实验室 HKUDS，就是做 LightRAG 那个团队，硬背书。 自己从零搭一个能用的 agent，光是把记忆、工具调用、多步任务调度这些底座拼起来就够折腾一星期。 OpenHarness 把这套骨架给你搭好了，你想要一个能读文件、能联网、能记住你偏好的 agent，装上就能跑，不用再自己造轮子。 想认真研究 agent 到底怎么工作、又不想被复杂框架劝退的，这个是很好的起点。 想学 agent 内部原理，读它的代码比读十篇博客强的多。 GitHub：

现在的 AI agent 单兵很能打，可一旦想让团队用起来就散了：强 agent 困在某个人终端里别人看不见，换个 runtime 上下文从头重建，凭据/工具调用/对外动作没地方审，跨天任务没人接力。港大 HKUDS 刚开源的 AgentSpace 给的解法是别把 agent 当工具，当「数字员工」来管。 它是一套「飞书式」的人机协同工作空间，每个 agent 都有 role、owner、技能和权限边界；人类管方向和授权，agent 管协调和执行。四块拼到一起看： 调度靠 AgentRouter，把 Claude Code、Codex、OpenClaw、Hermes 这些 CLI 的事件、session、工具审批、诊断归一成一套执行契约，同一个 agent 不重建，自动给每个任务挑最合适的 runtime（Gemini/OpenCode/NanoBot 走 legacy 模式兜底）。 能力上有「数字员工看板」，把藏在私人账号里的 agent 变成组织资产，role/skills/knowledge/runtime 绑定全可见，能借用、能申请，owner 和 admin 双重审批。协作上 agent 跨 channel、私聊、inbox、文档、任务板干活，高风险动作进 TabTabTab 式人工审批门，人审批的同时 agent 继续推进。治理上有一整套权限控制平面，成员、channel、runtime grant、daemon token、文档、Google Workspace OAuth 委派统一治理，还能诊断「权限漂移」。 工程也很扎实：独立打包的 remote daemon 默认给 12 小时 task timeout 专门扛跨天任务，托管和自托管两种部署零功能差，TypeScript monorepo 约 15.5 万行，Apache 2.0。 说到底它解决的不是「让 agent 更聪明」，而是让一群 agent 在有边界、有记录、有 owner 的操作面上，跟人一起把真实工作做完。

传统的 RAG 检索在遇到跨文档复杂推理时，表现往往像个只看关键词的机械硬盘。港大团队开源的 LightRAG 直接打爆了传统方案，用轻量知识图谱把大模型检索速度和准确率拉到了顶级。 项目来自港大 HKUDS 实验室，拿下了 EMNLP 2025 顶会。GitHub 狂揽 38k+ Star，采用 MIT 开源协议。 图谱+向量双引擎： 自动提炼实体和关系构建知识图谱，复杂问题不再漏答。 检索速度极快： 相比微软 GraphRAG，Token 消耗降了几个数量级，速度翻倍。 增量实时更新： 新增文档直接增量融合，不需要每次都重新建库。 多模态与全能模式： 支持 PDF、表格、图片解析，还提供局部/全局/混合 5 种查询模式。 🔗 项目链接：

AI 剪视频终于开始像个真正的剪辑师了。 以前做一个视频，得在字幕、剪辑、配音、素材生成几个工具之间来回切。 现在有人直接把这些能力塞进了一个 Agent 框架。 最近在 GitHub 上发现 HKUDS 开源的 VideoAgent，目标就是让 AI 自己理解视频、规划流程、调用工具，完成剪辑、总结、改编甚至重新创作。 GitHub：

卧槽兄弟们！ AI视频剪辑终于有救了！！ 以前做个视频，理解内容、剪辑、生成新素材，得开仨四个工具来回倒腾，现在直接塞进一个智能体框架里全干了！ HKUDS团队搞的 VideoAgent，思路就一个： 让AI自己看视频、自己剪、自己生成，你动动嘴它就动手！ 先不说到底好不好用，但这方向绝对是大家想要的！ 谁还愿意一帧一帧手动抠啊？别手动了！ 开源的，白嫖党福音！感兴趣的赶紧拉下来自己跑跑看！ 你怎么看呢？