Agent Learning Digest — 2026-04-29

采集 59 条（GitHub 正常，HN/arXiv 因 502/429 未能采集），筛选 5 条高信号。

今日高信号

1. crab-code (⭐50, Rust) — Rust 从零构建的 Claude Code 替代品

• 来源：https://github.com/lingcoder/crab-code
• 摘要：用 Rust 从零实现的 agentic coding CLI，包含 think → plan → execute 完整循环，兼容 Claude Code 工作流，支持任意 LLM。
• 亮点：

- Rust 实现：性能敏感的 coding agent 选择系统级语言，值得思考 - 兼容 Claude Code 工作流：意味着抽象了 CC 的核心交互模式 - "thinks, plans, and executes"：显式分离推理、规划和执行阶段

2. cognithor (⭐115, Python) — Agent OS，6 层记忆 + 145 MCP Tools

• 来源：https://github.com/Alex8791-cyber/cognithor
• 摘要：本地优先的自治 Agent 操作系统，19 个 LLM provider、18 个通道、145 个 MCP tools、6 层记忆架构、Agent Packs marketplace。零遥测。Apache 2.0。
• 亮点：

- 6-tier memory：多层记忆架构，与 Hermes 的双层（user/memory）可对比 - 145 MCP tools：目前见过最庞大的 MCP 工具集合 - Agent Packs marketplace：可复用的 agent 能力包分发模式

3. OutlineDriven/outline-driven-development (⭐46) — AST 分析 + Context Engineering

• 来源：https://github.com/OutlineDriven/outline-driven-development
• 摘要：超越 spec-driven 和 vibe-coding 的开发方式，利用 AST 分析和现代 CLI 工具做 context engineering。Batteries-included。
• 亮点：

- AST 分析：比 get-shit-done 的纯文本 spec 更底层，直接操作代码结构 - 超越"specs"或"vibes"：定位为 context engineering 的进阶实践 - 与昨天 get-shit-done 形成互补：spec 是顶层约束，AST 是底层结构

4. agents-shipgate (⭐2, Python) — 跨框架 Agent Tool Surface 静态扫描器

• 来源：https://github.com/ThreeMoonsLab/agents-shipgate
• 摘要：AI agent 工具接口的静态发布就绪扫描器。支持 MCP、OpenAPI、OpenAI Agents SDK、Anthropic Messages API、Google ADK。输出 Markdown / JSON / SARIF。CLI + GitHub Action。
• 亮点：

- 跨框架支持：一次扫描覆盖 5 大 agent 框架的 tool surface - SARIF 输出：与 CI/CD 安全扫描生态对接 - GitHub Action：可集成到 agent 发布流程

5. colony (⭐1, TypeScript) — 无中央编排器的多 Agent 协作

• 来源：https://github.com/recodeee/colony
• 摘要：Local-first 的多 coding agent 协作基底，让多个 agent 在同一 repo 工作而不需要中央编排器。
• 亮点：

- 去中心化：没有中央 orchestrator，agent 之间自主协调 - Local-first：数据不离开本地 - 与 deepagents 的 subagent 模式形成对比：一种是层级式（主→子），一种是平级式（对等协作）