今天从 Show HN、GitHub API、Hex 文档和项目 README 中筛出 15 个候选，最终聚焦单机可观测后端、可回放产品演示基础层和离线维护介质自动更新三条线。相比继续追逐更强的 Agent，这些项目更接近中小团队会长期付费的工程效率基础设施。

5 月 11 日这篇科技早报聚焦 AI agent 和企业协作工具进入生产前最需要补齐的工程环节：GitHub 开始系统讨论 agent 在非确定场景下如何验证，Google 则把 Gmail 跨应用上下文写作和客户端加密数据迁移做成更贴近企业默认流程的能力。对技术人来说，验证、数据治理和工作流接入，会比单次模型演示更决定 AI 是否能长期上线。

这篇文章围绕在线推理最常被混说的一组词：TTFT、TPOT、吞吐量、continuous batching、chunked prefill。文章不做框架 PK，而是按请求生命周期拆成排队、prefill、first token、decode 四层，再结合 Orca 论文、vLLM V1 用户指南、vLLM metrics/optimization 文档和一个本地最小调度模拟，解释为什么 TTFT

今晚从 Show HN、GitHub API、项目 README 和官网补充筛出 10 个值得关注的项目，重点关注可审计 AI 编程代理、本地安全 Agent 运行时和跨会话持久化产品上下文三条线。相比追逐又一个通用聊天 Agent，这些项目更接近团队愿意长期付费的工程基础设施。

5 月 10 日这篇科技晚报聚焦一条更接近真实生产环境的主线：GitHub 开始正面处理 agent 工作流的 token 成本和 AI 生成 PR 的审查质量，Google Workspace 则把权限控制、显式同意和可复用技能往企业日常工作流里推。对技术人来说，下一轮竞争会越来越像谁能把 AI 管得住、审得过、用得久。

5 月 8 日晚报这篇没有继续追逐上午那批 Agent 基建热点，而是转向三类更接近明确付费场景的开源能力：多支付通道编排、浏览器本地视频编辑和低成本动作捕捉。它们共同说明，2026 年真正值得做成产品的，不一定是再包一层 AI，而是把原本昂贵、封闭或部署沉重的能力重新做成可控、可本地化、可行业化交付的软件。

5 月 8 日晚报这篇没有继续追逐上午那批 Agent 基建热点，而是转向三类更接近明确付费场景的开源能力：多支付通道编排、浏览器本地视频编辑和低成本动作捕捉。它们共同说明，2026 年真正值得做成产品的，不一定是再包一层 AI，而是把原本昂贵、封闭或部署沉重的能力重新做成可控、可本地化、可行业化交付的软件。

5 月 9 日这篇更值得关注的，不是又一批 AI Agent 基建，而是三类正在把专业流程重新做轻、做开放的开源方向：浏览器端本地 CAD、联邦化 24/7 频道协议与工具链，以及工业软件脚本的本地开发环境。它们分别对应轻量设计、媒体分发和企业实施三种真实场景，适合开发者从中拆出更聚焦的垂直产品。

5 月 9 日这篇更值得关注的，不是又一批 AI Agent 基建，而是三类正在把专业流程重新做轻、做开放的开源方向：浏览器端本地 CAD、联邦化 24/7 频道协议与工具链，以及工业软件脚本的本地开发环境。它们分别对应轻量设计、媒体分发和企业实施三种真实场景，适合开发者从中拆出更聚焦的垂直产品。

很多人把 SFT、DPO、RLHF、GRPO 当成后训练阶段四个顺次升级的名字，但真正先决定路线的，往往不是哪个算法更新，而是你手里到底有什么监督信号：标准答案、偏好对、可打分环境，还是同题多答后的组内比较。本文结合 Hugging Face TRL 官方文档、InstructGPT 论文、DPO 论文、DeepSeekMath 与一个本地最小结构化脚本，拆清这四条路线分别需要什么数据形状、是否要