Agent Learning Digest — 2026-04-28

采集 61 条，筛选 4 条高信号。HN / arXiv 因 502/429 未能采集。

今日高信号

1. get-shit-done (⭐58052) — Context Engineering + Meta-Prompting 系统

• 来源：https://github.com/gsd-build/get-shit-done
• 关联项目：gsd-2 (⭐6732) 是其 TypeScript 扩展版。
• 摘要：Claude Code 专用的轻量级 meta-prompting + context engineering + spec-driven development 系统。让 agent 能长时间自主工作而不丢失全局视野。
• 亮点：

- spec-driven：先写规格再让 agent 自主执行 - 长时间自主：解决 coding agent 常见的"跑偏"问题 - 58k star 说明社区认可度极高，是 Claude Code 生态的核心工具之一

2. dirac (⭐633) — 高效 Coding Agent

• 来源：https://github.com/dirac-run/dirac
• 摘要：专注于效率的 coding agent，声称降低 50-80% API 成本同时提升代码质量。核心技术包括 Hash Anchored edits、大规模并行操作、AST manipulation。
• 亮点：

- Hash Anchored edits：用哈希锚定编辑位置，避免 context 膨胀导致的定位偏差 - 并行操作：同时执行多个独立编辑任务 - AST manipulation：基于语法树理解代码结构而非纯文本

3. deepagents (⭐21878) — LangGraph Agent Harness

• 来源：https://github.com/langchain-ai/deepagents
• 摘要：LangChain 官方的 agent harness，内置 planning tool、filesystem backend 和 subagent 生成能力，专为复杂 agentic 任务设计。
• 亮点：

- 21k star，LangChain 官方出品 - Subagent 生成：主 agent 可派生子 agent 处理子任务 - Planning tool：内置任务规划能力 - Filesystem backend：持久化 agent 状态

4. backpack-ontology (⭐5) — 跨会话持久知识图谱

• 来源：https://github.com/NoahIrzinger/backpack-ontology
• 摘要：为 LLM 提供持久知识库——结构化学习图谱，可跨对话延续。兼容 Claude Code、Cursor、Windsurf、Codex 等工具。
• 亮点：

- 跨对话持久化：解决 LLM 上下文丢失问题 - 结构化学习图谱：不是简单的向量存储，而是有结构的知识表示 - 多工具兼容：设计为 agent-agnostic 的基础设施