GitHub AI 日报 · 2026-10-21

一、AI Coding / 编程智能体与技能生态（8 条）

一句话备注：MadsLorentzen/ai-job-search（+3,861★）、stablyai/orca（+1,565★）、ruvnet/ruflo、DietrichGebert/ponytail、Graphify-Labs/graphify、headroomlabs-ai/headroom 仍在榜，均已推送过，不重复。

二、医学 / 临床研究 AI（8 条）

备注：TomoOkuyama/clinosim、chenweidaben/JLAIharnessos、rohithreddybc/MedAgentCheck 当日均有提交，已推送过，不重复。

三、健康管理 / 营养与食品 AI（8 条）

备注：apoorvdarshan/fud-ai（486★）、PhilipAD/health-export-mcp、owen282000/life-dashboard-companion-app 当日均有提交，已推送过，不重复。

四、模型底座与 Agent 基础设施（7 条）

五、精选 5 条（事件 + 为什么值得看）

1. NVIDIA/skills：技能开始有签名、有评测集、有基准报告

地址：https://github.com/NVIDIA/skills
发生了什么：10-21 凌晨该仓库连续重新生成 metadata.json、skills.sh.json 与 benchmarks，并把 Physical AI 相关组件统一到 CDF 命名；同日同步了 CDF 异常生成、数据增强、自动标注等技能。这不是普通的"技能合集"——每个技能目录里必须带 skill-card.md（身份与治理卡）、skill.oms.sig（可对 nv-agent-root-cert.pem 验证的 OMS 分离签名）、一份 Tier-3 评测数据集（evals/evals.json 等）以及生成的 BENCHMARK.md；校验命令是 model_signing verify certificate SKILL_DIR。技能本体维护在各产品仓库，这里每天自动镜像。
为什么值得看：

• 过去半年技能生态的竞争点是"数量"和"覆盖度"，NVIDIA 把标准换成了可验证性：签名证明内容未被改，评测集证明它真的能提升，benchmark 证明提升多少。配套博客标题就叫 Capability Governance for AI Agents。
• 对医疗/健康场景尤其关键。医院采购一个"病历结构化技能"时，第一个问题必然是"这堆指令是谁写的、改过没有、有没有效果证据"。签名 + 评测集 + 基准报告，正好是三连答。
• 工程上还有一个可抄的细节：技能由产品仓维护、由目录仓每日镜像，而不是在目录仓里手改。这样"目录"永远不成为第二份真相。

2. jcode：并行 agent 的真正瓶颈，是"交接"而不是"启动"

地址：https://github.com/1jehuang/jcode
发生了什么：10-21 00:53–01:17 的六个提交全部围绕 /cloud：TUI 对"未保存的空会话"直接拒绝迁云；迁云前把全部 account-router 凭据一并搬走；托管云预检强制要求 router-credentials；/cloud 之前先落盘新会话；SSH 掉线自动重试；最后把 account-router 的配置键同步到云主机。项目本身是 Rust 写的编程 agent harness，主打"几十个 agent 并行而不烧内存"。
为什么值得看：

• 这是一个很典型的信号：当编程 agent 从"一个窗口"变成"一群进程"，最难的部分不是并发调度，而是状态与身份的迁移——会话要不要落盘、凭据跟不跟着走、断线之后谁负责重连。
• 它把"空会话不允许迁云"写成了硬规则，等于承认了一个事实：没有内容的会话搬过去只会浪费云端额度并制造脏状态。这种"拒绝"比"尽力而为"更难做，也更对。
• 对要做多 agent 流水线的团队，可以直接把它的 handoff 检查表当 checklist：会话持久化 → 凭据封闭迁移 → 预检 → 断线重试 → 配置对齐。

3. NotePilot v1.8：临床摘要的关键不是"写得像"，而是"能被核验"

地址：https://github.com/calvinpatel/notepilot
发生了什么：10-20 22:17 起连发 v1.8 系列提交，主题全是临床语义边界：a dose carries its prn（剂量必须带上"按需"条件）、an indication isn't a finding（适应证不等于所见）、a certainty window rereads a repeat（确定性窗口决定复查怎么读）。项目把每次生成拆成三段：LLM 出草稿 → 确定性匹配阶梯把每条断言映射回原文 span → 安全层检查（漏掉过敏、禁忌处方、严重程度被降级）。它的评分卡公开得很彻底：24 个合成病例 × 3 次运行，检测召回 24/24，对照特异性 87.5% → 100%，模型保真度 75% → 100%，v1.8 全部 72 次运行通过。
为什么值得看：

• 最值得学的是它对自己结论的克制：v1.7 改 prompt 完全没动那 9 个失败样本，v1.8 改成"让检查读整句所在的从句"，数字才上去；README 明说"模型没变，是检查读对了"，并且强调 24×3 只是回归绊线，不是准确率估计。
• "判断交给模型，机械部分交给代码"这条分界被写进了目录结构：过敏抽取、药物类别、禁忌核对、严重程度比较全是纯 Python，可单测、可审计。
• 对做病历生成/质控的团队，这份评分卡可以直接当模板：先造带陷阱的合成语料，再让每次构建都跑一遍，把"安全记录"变成 CI 产物。

4. 新生儿影像研究：专家水平决定 AI 是帮手还是干扰源

地址：https://github.com/junjslee/neonatal-ai-reliability
发生了什么：论文发表于 npj Digital Medicine（2026，doi:10.1038/s41746-026-03399-3，开放获取），10-20 20:21 仓库把 README 收成面向代码的导读。研究是多读者多病例（MRMC）交叉设计：14 位读者（6 位儿科放射、3 位新生儿科、5 位放射住院医）判读 11 家三级医院的 125 张外院片，共 1,750 次判读；每个病例分别在"无 AI / 可靠 AI / 故意注入错误 AI"三种条件下读。两个助手同架构——RAD-DINO（ViT-B/14）+ LoRA，其中"错误助手"是用系统性偏置标签训练出来的；统计用交叉随机效应的广义线性混合模型。
为什么值得看：

• 它把"AI 辅助"拆成了一个可测量的问题：当 AI 错的时候，不同年资的人分别怎么反应。这比再报一个 AUROC 有用得多，因为临床真正的事故来自"人没接住 AI 的错"。
• 错误注入不是随便加噪声，而是用偏置标签训练出一个"自信地错"的模型——这才是真实世界里最危险的失败模式。
• 作者自己把边界写清楚：新生儿科亚组只有 3 位读者、saliency 分析属探索性。同时提供了一个在线教学沙盒，让医生练习"查 AI 的错"，这是把研究直接转成培训工具。
• 对做临床 AI 产品的团队，这是"上线前该做什么样的读者研究"的现成范本，连样本量与研究局限的写法都能参考。

5. Open Health Sync v0.1.0：健康数据层开始有"自托管的标准出口"

地址：https://github.com/soma-intelligence/open-health-sync
发生了什么：10-20 21:52–23:08 的一串提交把它从"能同步"推到"能接入"：GET /v1/providers 明确回答每个数据源到底能给什么（#188），八份示例 recipe 全部改写为 Go（#190），补上 COROS 的调研笔记（#189），release 附带 Android 示例 APK（#193），并加了一键部署到 Vercel 的示例（#192）。v0.1.0 已覆盖 13 个源：Apple Health、Withings、Health Connect、Oura、WHOOP、Fitbit、Polar、Strava、Suunto、Ultrahuman、Dexcom、OMRON、intervals.icu；Garmin / COROS / 三星走 Health Connect 在计划中。形态是"一个 Go 二进制 + Postgres"，跑在树莓派上，AGPL-3.0。
为什么值得看：

• 它的关键设计是一份数据、四种出口：REST、FHIR R4、Open mHealth、CSV/Parquet，外加只读 MCP 与出站 webhook。这意味着同一套数据既能喂给 agent，也能喂给临床系统，还能做离线分析——不用为每种消费者再写一遍适配。
• "自托管 Terra 替代"这个定位很精准。可穿戴数据 API 过去是托管服务，价格与合规都锁在供应商手里；对健康管理类产品，这是把数据主权拿回来的最短路径。
• GET /v1/providers 这个小接口值得单独说：它把"每家能拿到哪些指标、延迟多久、要不要 OAuth 复审"变成机器可读的契约，agent 才可能自己判断"这个结论有没有数据支撑"。
• 提醒一句：v0.1.0 仍在早期，COROS 只是调研笔记，别把"planned"当"available"。

六、趋势观察

1. 技能生态进入"供应链治理"阶段。NVIDIA 用签名 + 评测集 + 基准报告定义"已验证技能"，AAS 在同一天连修"缺 release identity / 跳过源校验 / false-ready 入库"。技能不再只是内容，而是需要准入、溯源、回归的制品。医疗技能库会是第一批被要求出示这些证据的。
2. 编程 agent 的竞争点从"能力"移到"资源与交接"。jcode 主打少内存跑几十个 agent、并把迁云交接做成一串检查；t3code 把控制面搬到手机；magpie 把模型路由做进菜单栏。三者都在回答同一个问题：agent 多了以后，人和机器的边界在哪。
3. 临床 AI 开始用"读者研究 + 回归基线"证伪自己。新生儿那篇用错误注入 AI 测人的反应，NotePilot 用 24×3 的合成语料测自己的检查层，并且都主动标注局限。这个方向比刷榜更接近上线。
4. 健康数据层收敛为"自托管 + 标准出口"。open-health-sync 一份数据四种出口、HealtOS 先把导入与回滚做对、quantified-self-mcp 先修"默认监听全网"——顺序都是"先可信，再智能"。
5. 营养方向的三个新落点：专科 agent（carefold 加营养师导航员）、可解释评分（eat.me.at 的食谱营养分）、供应链卫生（SuperMealPlanner 清理泄露的中间证书）。"拍照估卡路里"不再是唯一叙事。
6. 医疗基础设施出现 Rust 化尝试。FHIR 服务器（hfs）在补检索后端，动机通常是内存占用与并发，而不是语言偏好；这条线值得按季度跟踪。

七、GitHub 地址速查

AI Coding：https://github.com/1jehuang/jcode · https://github.com/sickn33/agentic-awesome-skills · https://github.com/pingdotgg/t3code · https://github.com/croffasia/itsaplan · https://github.com/yetone/magpie · https://github.com/anthropics/knowledge-work-plugins · https://github.com/elie222/rakazo · https://github.com/cloudflare/security-audit-skill

医学：https://github.com/junjslee/neonatal-ai-reliability · https://github.com/calvinpatel/notepilot · https://github.com/HUKIDUM/STEMI-NONSTEMI-dataset-review · https://github.com/Francis1998/medagent-core · https://github.com/onblog/doctor · https://github.com/HeliosSoftware/hfs · https://github.com/venerito-lab/RheumaRepo · https://github.com/atultiwari/awesome-ai-pathology

健康 / 营养：https://github.com/soma-intelligence/open-health-sync · https://github.com/spectrayan/carefold · https://github.com/GeiserX/SuperMealPlanner · https://github.com/Code-Yves/supplementscore · https://github.com/Thecimal/quantified-self-mcp · https://github.com/M3rgen/HealtOS · https://github.com/mcdougald/eat.me.at · https://github.com/korjavin/medicationtrackerbot

底座：https://github.com/NVIDIA/skills · https://github.com/openclaw/openclaw · https://github.com/vllm-project/vllm · https://github.com/promptfoo/promptfoo · https://github.com/browseros-ai/BrowserOS · https://github.com/shiyu-coder/Kronos · https://github.com/NVlabs/ASPIRE

本期共 31 条，精选 5 条。所有条目均为 10-16 以来首次推送，无重复。