今日 AI 圈热点高度集中：LiteLLM 供应链投毒事件引发开发者社区强烈震动，安全议题再度登顶热搜；Anthropic 在法律层面取得重要胜利，法院阻止五角大楼对其施压，为 AI 企业争取到关键的监管空间。与此同时，Agent 生态继续加速爆发——字节跳动 deer-flow、Grok 4.20 多智能体架构、NVIDIA Nemotron 120B 等重量级项目密集亮相，多智能体编排已从概念走向工程化落地。OpenAI 关闭 Sora API 则提醒业界：算力成本仍是生成式视频赛道的天花板。
deer-flow 的核心突破在于"时间维度"——它将 Agent 的执行窗口从秒级延伸到分钟乃至小时级，配合沙箱隔离、持久记忆和子智能体调度，首次在工程层面认真对待了"复杂任务分解"这一老大难问题。字节将其开源，既是技术展示，也是在 Agent 框架标准化之争中抢占先机。对企业级 AI 应用开发者而言，这是目前国内最值得深入评估的 SuperAgent 基础设施之一。
今日 GitHub 星数榜首的这个项目，代表了一种新的 AI 工具范式：技能插件化。它直接对接 Reddit、X、HN、Polymarket 等平台，自动合成带溯源的摘要，本质上是一个可组合的"信息情报模块"。配合 Anthropic 同日发布的 anthropics/skills 官方仓库，可以预见 Claude Code 的插件生态将在近期快速扩张，技能市场的雏形正在形成。
这个项目让人眼前一亮：仅凭普通 WiFi 信号实现姿态估计和生命体征监测，彻底绕开摄像头带来的隐私争议。其技术路径（WiFi CSI + AI 推理）并非全新，但工程化程度和开源完整度使其迅速出圈。对智慧家居、养老看护、无感安防等场景有直接商业价值，也为"无摄像头 AI 感知"赛道提供了一个可落地的参考实现。
120B 开放权重模型在 SWE-Bench 上以 60.47% 刷榜，是本周代码智能领域最重要的数据点。这意味着开放权重模型在软件工程任务上已开始逼近甚至超越闭源 GPT-4 级别，对需要本地部署、数据不出境的企业用户是重大利好。NVIDIA 用算力优势换来了模型能力，但真正的考验是能否在更长尾的工程任务上保持一致性。
这是今日最值得警惕的事件，没有之一。攻击者通过发布恶意 LiteLLM 版本窃取 API 密钥，受害面涉及大量依赖该库的 AI 应用。LiteLLM 作为多模型代理层的"基础水管"，一旦被污染，影响呈乘数级扩散。这次事件的深层信号是：随着 AI 工具链日趋复杂，供应链安全已成为 AI 工程的刚性需求，而非可选项。
deer-flow、oh-my-claudecode、hello-agents 在同一天密集出现，绝非巧合。这标志着 Agent 赛道已从"能不能跑起来"转向"怎么跑得稳、跑得久"——持久记忆、沙箱安全、多 Agent 协作调度成为新的核心竞争维度。未来 6 个月，Agent 框架的分化将加速：轻量插件式（skills）与重型编排式（SuperAgent）将分别服务不同场景，框架层的标准化之争已悄然开启。
Qwen 3.5 9B 的 GPQA 得分 81.7% 超越多个百亿闭源模型，Nemotron 120B 开放权重刷榜代码任务——这两个数据点共同指向同一结论：参数量不再是能力的可靠代理指标。对 API 定价依赖高昂闭源模型的商业应用来说，切换到开放权重模型的性价比窗口正在打开；对闭源厂商而言，差异化必须向更深层的数据飞轮和系统集成能力迁移。
Anthropic 诉五角大楼案胜诉、LiteLLM 供应链攻击，两件事看似无关，实则指向同一背景：AI 基础设施的战略地位已被国家行为者和黑产双双盯上。对 AI 企业来说，安全合规不再只是 SOC2 审计，而是关乎生死存亡的经营变量。未来，具备完整安全审计能力和法律应对机制的 AI 公司，将在企业采购决策中享有显著溢价。
| 项目/事件 | 建议理由 |
|---|---|
| bytedance/deer-flow | 字节出品、工程完整度高，是目前国内可落地 SuperAgent 框架的最佳参考实现，适合有长周期自动化任务需求的团队评估 |
| anthropics/skills 官方技能仓库 | Anthropic 官方维护，预示 Claude Code 插件生态的官方标准，现在跟进可以最早理解规范并贡献或复用 |
| datalab-to/chandra OCR 模型 | 能处理手写+复杂表格+完整布局，填补了通用 OCR 在非结构化文档场景的能力缺口，企业文档数字化场景直接可用 |
| NVIDIA Nemotron 3 Super 120B | 开放权重 + SWE-Bench 最强，代码智能应用的本地部署首选候选，值得在自建推理环境中基准测试 |
| LiteLLM 供应链事件复盘 | HN 上的"minute-by-minute"响应复盘是一份罕见的 AI 安全应急响应实录，对负责 AI 基础设施安全的工程师有直接参考价值 |
*数据来源：GitHub Trending / Hugging Face / Reddit / HN / Twitter·X · 整理日期：2026-03-27*