本周开源精选：本地记忆图谱与超轻量级工具调用模型

开源AI生态持续涌现令人眼前一亮的技术方案。本周有两个项目格外值得关注：一款将个人工作记录转化为可追溯记忆图谱的本地优先基础设施，以及一款仅14MB大小的端侧工具调用模型。这两个项目虽然定位不同，但都指向同一个趋势——让AI更好地理解用户上下文，同时降低对云端服务的依赖。

概述

MyContext：个人工作记忆图谱构建工具

MyContext：个人工作记忆图谱构建工具

MyContext是千问办公推出的本地优先上下文基础设施，旨在为办公场景的AI Agent持续提供真实业务上下文。它的工作方式很有特色：将即时通讯、文档、会议和协作记录采集到本地SQLite数据库，提取人物、项目、话题、事件、工作结论及其相互关系，形成可供Agent查询的个人记忆图谱。 与普通知识库仅保留摘要不同，MyContext会完整记录每条信息的来源、时间和原始内容。当新旧消息发生冲突时，系统会判断应该合并还是覆盖；无法自动判断的内容则交给用户确认，而用户确认后的结论不会再被模型自动改写——这是一个很有价值的设计选择，确保了关键结论的稳定性。 目前项目包含钉钉和飞书的数据接入路径，但实际采集范围仍受账号权限和平台接口能力限制。部分云文档路径可能只能获取摘要。项目采用Elastic License 2.0，允许本地部署和企业内部使用，但禁止将核心功能作为托管服务提供给第三方。值得注意的是，项目仍处于开发者预览阶段，后续可能出现破坏兼容性的变更。

Needle 2：超轻量级端侧工具调用模型

Needle 2是一款45M参数的端侧工具调用模型，大小仅约14MB，完整会话约占28MB内存。它专门解决一个问题：把自然语言转换为符合工具Schema的结构化调用，适用于智能家居、可穿戴设备、机器人及离线自动化场景。 模型的核心技术方案是将工具定义编译成字节级Grammar，在生成过程中约束JSON结构、参数名称与参数类型。每次响应会返回置信度评分，开发者可以设置阈值：高置信度调用自动执行，低置信度请求转交给更大的模型或人工处理。 Needle 2支持通过Python装饰器注册工具，也能根据Pydantic模型从文本中提取结构化数据。开发者可以使用LoRA微调基础模型，并把适配器、量化权重和推理配置合并为单个.cact文件，方便部署到隔离或资源受限的设备。其主要限制是256-token滑动窗口，每轮只向模型呈现检索出的前5个工具，因此不适合长文本对话和复杂通用推理。

其他值得关注的开源更新

除了上述两个核心项目，本周还有多个开发框架和工具发布了重要更新。LobeHub v2.2.14将Projects和Goals提升为Agent长程工作的一级容器，支持同时接入七个CLI编码Agent，并加入Local Sandbox让Agent能在真实工作目录中执行任务。OpenAI Agents JS v0.16.1为JavaScript Agent增加了模型超时、独立沙箱目录和断网执行控制，降低长任务失控与环境串扰风险。GitHub Agentic Workflows v0.87.0则专注于安全加固，让Agent在严格范围与安全检查下批准Fork PR工作流。

如有侵权，请联系删除。