DeepSeek 官方开源的「主动式」编码 Agent 原型:监听 GitHub 与飞书,被指派后独立开工作区干活,最后回帖交付 PR。
这是 DeepSeek 团队把内部自研的 superagent 形态公开出来的研究原型。核心设计哲学写在 docs/000-philosophy.md 里:尽量少占用人的注意力、尽量多产出价值——所以它只在「被要求」或「团队写的规则允许」时才行动,只在「有人必须行动」或「有人能用上结果」时才开口。项目本身只针对单个 GitHub 仓库,但权限模型(002)、执行模型(003)、提示词体系(004)都是独立文档,可以借鉴到别的场景。README 明确声明是研究代码、非生产就绪,且部分文章里描述的设计尚未实现——这是 DeepSeek 少见地公开内部 agent 架构思路的一次,很适合做架构参考。
亮点
- 监听 GitHub Issue 与飞书消息,被指派即自动开工,不需要人守终端
- 每个任务独立 agent session + 独立目录,最终以 PR 形式交付回原会话
- 000-008 编号文档把哲学/领域模型/授权/执行/提示词/面板/架构逐层讲清
- 作者自述「大量工程由 coding agent 完成」,本身就是 agent 协作的产物
优点
- DeepSeek 官方出品,架构抽象(授权模型、面板设计)有较高参考价值
- MIT 协议,可自由改造为自己的仓库级 Agent
缺点与注意
- README 明确声明是研究原型、可能有 bug,部分设计未实现
- 只支持单仓库场景,要扩展到多仓库/多项目需要自己改造
看项目详情与各榜名次
给 AI Agent 的一套声明式视频语言(SVML):喂一条视频,它把整条工作流——画面、字幕、B-roll、特效——都锚定在「词」上而不是「秒」上。
Hypit 解决的是 AI 视频创作里一个很具体的痛点:生成模型一次能出几秒,但成片需要几十秒的编排。过去这靠人工在时间轴上拖,现在是让 Agent 写一份 SVML 源码来描述。它把自己定位成「编程语言 + 编译器」,因此可以接 Claude Code、Codex 这类 coding agent,一句话描述需求就让 Agent 写出完整工作流。更值得注意的是它的一个设计取舍:生成模型是可选的——工作流可以直接把字幕、动态图形、代码渲染的画面编译成成片,不调用任何生成模型也就不产生服务费。团队把病毒视频「换脸、换词、换 B-roll、一次出 100 个变体」作为主打场景。
亮点
- SVML 声明式语言:素材锚定到「词」而非时间码,天然适配 LLM 的语义表达
- 生成模型可选——纯代码渲染路径不烧 API 额度
- 一条命令批量产出 100 个变体,面向短视频矩阵分发场景
- 自带插件系统与 DSL/编译器架构,FFmpeg 负责最终渲染
优点
- 把视频制作变成了 Agent 能可靠编程的工程问题,而非纯提示词碰运气
- 支持从模板起步、从零写工作流、直接克隆已有视频三种入口
缺点与注意
- 许可为 NOASSERTION(自定义),商用前需自行确认条款
- 整体工作流较新,生态和文档深度不如成熟视频工具
看项目详情与各榜名次
开源的 AI 短剧 / 漫剧创作平台:剧本创作、智能分镜、角色与场景资产、图像与视频生成,全部落在无限画布上,支持本地部署和自选模型。
Toonflow 是这批项目里工程完成度最高的一个:TypeScript + Vue 桌面端,支持 Windows/macOS/Linux 全平台打包(连 HarmonyOS 兼容目录都建了),32 个 tag、108 次提交,近期还在做多租户、插件开发、Agent 消息队列、队友协作和代码沙盒。它的产品形态是「无限画布 + AI Agent + 可视化工作流」,对标 LibTV 和 TapNow,定位是短剧与漫剧的端到端生产环境。对做 AI 影视工业化的人来说,它的价值在于把剧本→分镜→资产→图→视频这条链条串成了一个可编辑的工程流程,而不是一堆散落的提示词。
亮点
- 无限画布工作流:剧本、分镜、角色/场景资产、图像生成、视频生成在同一画布
- 支持本地部署 + 自选模型 + MCP 与插件扩展,不锁定单一厂商
- 全平台桌面构建(Windows/macOS/Linux),近期新增多租户与 Agent 协作沙盒
- MIT 协议,32 个 release,活跃维护中
优点
- 本次候选中唯一具备完整「剧集级」生产流程的项目,工程化程度高
- MIT 协议,自部署友好,适合二次开发成团队内部工具
缺点与注意
- 280 天前创建、增长曲线已平缓(74 星/天),不是最前沿的增速项目
- 对硬件和模型服务有实际成本,短剧全流程跑通仍需要美术与流程配合
看项目详情与各榜名次
逆向一切视频:逐镜拆出每个镜头是实拍、AI 生成还是代码渲染,怎么做的字幕剪辑音频,并给出复刻方案。
rea-video 是 hypit 的镜像能力——一个做正向编译,一个做反向拆解。它的输出是一张逐镜表:每个镜头的机位设置、运镜、灯光(含器材清单)、调色风格,以及字幕样式、剪辑节奏、音轨构成。更有价值的是它会判断「这个镜头应该用视频模型生成,还是用 3D/代码渲染更合适」,本质上是给 Agent 一份可执行的制作决策表。README 里的对比演示很说明问题:左边是手机实拍的 TikTok 广告,右边是换了产品的 AI 复刻版,工具能判定前者全实拍、后者全生成且只需 3 次生成就能覆盖 8 个镜头。做内容拆解和仿拍的人可以直接拿它当 SOP 生成器。
亮点
- 逐镜输出:机位、景别、运镜、灯光(含器材清单)、调色
- 对每镜给出「实拍 / AI 生成 / 代码渲染 / 数字人」的判定与依据
- 复刻方案会给出提示词、批量生成策略和该用哪个模型
- 支持真人出镜、AI 短剧、3D 动画、录屏、模板视频等多类素材
优点
- Apache-2.0 协议,可商用
- 与 hypit 组合可形成「拆解 → 复刻」完整闭环,思路罕见
缺点与注意
- 7 天内涨到 2449 星,代码成熟度与 README 文档仍在快速演进
- 重度依赖 VLM 分析,效果受视觉模型能力上限约束
看项目详情与各榜名次
在你自己已有的电脑上做视频:MiniMax H3 在 8GB 显存 + 16GB 内存的消费级显卡上就能跑,硬件适配全自动化。
FreeVideo 的技术路线很务实:基于 OpenVDN 的 8 步 VDN-H3 模型和 Video DeltaNet 混合注意力,关键是那套显存调度——按 GPU 型号自动选择权重格式(GeForce/RTX 30 系走 int8,工作站与数据中心卡走 FP8),配合权重流式加载、异步预取和分块计算,把峰值显存压到 8GB。它同时提供 ComfyUI 插件形态和 Win/Mac/Linux 启动器,支持文本、首尾帧、图像/视频/音频参考多种输入,以及社区 LoRA。v0.4.0 还加上了 Agent 集成——让 Claude Code 或 Codex 自己生成视频——和一分钟以上的长视频与时间线编辑。这是「本地视频生成从不可能变可能」的典型样本。
亮点
- 最低 8GB 显存 + 16GB 内存即可推理 MiniMax H3,硬件适配全自动
- 按卡型自动选权重格式:GeForce/RTX30 走 int8,工作站与数据中心卡走 FP8
- ComfyUI 插件形态,支持两段式采样、批量生成与历史记录
- v0.4.0 起支持 Agent 自主生成视频、一分钟以上长视频与时间线编辑
优点
- Apache-2.0 协议,完全本地运行,数据不出本机
- 消费级显卡可跑,把视频生成的准入门槛真正降下来了
缺点与注意
- 53 天前创建,社区规模小于头部项目,踩坑时资料有限
- 消费级卡上生成速度和时长受限,int8 量化也会损失部分质量
看项目详情与各榜名次
Pika 官方开源的 H3 Flex 视频与音频生成推理代码,含模型适配层、补丁和示例提示词。
这是 Pika Labs 放出来的 H3 Flex 开源推理实现,仓库结构很完整:src/pika_h3 推理代码、patches 补丁、licenses 授权目录、examples/prompts 示例提示词、assets 展示素材(balcony-orbit、camera-rally、motion-graphics、motion-transfer 几组场景)。许可采用双轨制——推理与加载代码 Apache-2.0,模型权重走单独的模型许可。仓库很新(7 天,只有 3 次提交),但它同时和 FreeVideo(消费级本地推理)、openjutsu(本地换脸)形成了同一套 H3 生态的不同切面。想第一时间拿到官方实现细节、或者想在本地跑 H3 变体的人,应该从这个仓库入手。
亮点
- Pika 官方仓库,包含推理代码、模型适配层与补丁
- 内置四组场景展示素材:轨道环绕、镜头推进、动态图形、动作迁移
- 附 examples/prompts,可直接参考官方调过的提示词
- 代码 Apache-2.0 与模型许可分离,商用边界清晰
优点
- 官方一手实现,避免了第三方复现带来的偏差
- 是 H3 生态里可复用性最高的开源件
缺点与注意
- 仅 3 次提交,代码尚在早期,文档与示例偏少
- 模型权重许可另有条款,商业使用需单独确认
看项目详情与各榜名次
开源自建的 Higgsfield Genjutsu 替代方案:基于 ComfyUI + MiniMax H3 的一键视频角色替换,并接上 FLUX.3 Klein 重打光。
openjutsu 补上了一个被闭源产品垄断的能力:Higgsfield Genjutsu 的视频换脸/角色替换,现在可以在本地用开源权重完成。技术栈是 Next.js 前端 + ComfyUI 节点 + MiniMax H3 视频模型,再串一个 FLUX.3 Klein 做重打光(relight)——所以它不只换角色,还能改变打光风格。仓库有 74 次提交,带 CI(Node 22、跑 node --test 和 tsc --noEmit),最近的提交是 Claude 协作完成的,说明是 agent 参与度很高的项目。README 里的对照图很直观:原片、换脸结果、物体替换、十七种重打光效果各一组。
亮点
- 本地开源的 Higgsfield Genjutsu 替代,视频角色替换一键完成
- 串联 FLUX.3 Klein 做重打光,换角色之外还能改光照风格
- Next.js + ComfyUI 节点架构,可在既有 ComfyUI 工作流中直接复用
- 带 CI 与测试,74 次提交,近期迭代活跃
优点
- MIT 协议,可自由改造和商用
- 把闭源 SaaS 的核心能力搬到了可本地、可审计的开源实现上
缺点与注意
- 需要自备 ComfyUI、MiniMax H3 与 FLUX.3 Klein 三套模型权重
- 10 天龄项目,效果与稳定性还需更多实测验证
看项目详情与各榜名次
把 Claude Code / Codex 这类命令行 Agent 变成后台自动化中台:自己接活、自己跟进到底,只在拿不准时才发飞书卡片找你拍板。
它精准命中了命令行 Agent 的一个真实痛点:现在的用法是「人守着终端」——你输一句话、盯着它跑、关掉窗口事情就断了。agent-autoloop 把调度做成一个零外部依赖的内核,事件来源、Agent、通知通道、代码上线流水线全部拆成可插拔插件。跑完一轮 Agent 进程直接退出,不占后台资源;只有碰到删数据、重启服务、花钱、对外发消息这类需要授权的事,才推一张飞书/钉钉/企微/Slack 卡片,等你回复期间既不占进程也不耗 Token,你点一下它接着原来的对话继续干。装在自己 Mac 或 Linux 上即可,不需要云服务器也不用开公网端口。
亮点
- 零外部依赖内核 + 全插件化:事件源、Agent、通知通道、上线流水线都能插拔
- 一行配置接新 Agent——只要是能接收提示词、打印最后一条回复的 CLI 就能接
- 「拿不准才问你」:删数据、花钱、对外发消息才推卡片,等回复期间不占进程不烧 Token
- 无后台界面,全局进展用一行命令查看;支持飞书/钉钉/企微/Slack/Discord/桌面通知
优点
- MIT 协议,中文文档完整,本地自部署
- 解决的是几乎所有 CLI Agent 用户都会遇到的真问题,落地成本低
缺点与注意
- 仅 3 天、62 次提交,仍在快速迭代,接口可能变动
- 需要自己写规则把事件映射到 Agent,配置有学习成本
看项目详情与各榜名次
给 Claude Code 和 Codex 用的 skill:把「vibecode 出来的 AI 味界面」逐帧改造成有设计感的产品界面。
unslop 的工作方式像设计师做 redline 评审,而不是让模型「随便美化一下」。它先审计:列出每一处 slop(紫色渐变、发光、emoji 标签、喊叫式文案、间距不均)并指出位置;然后定方向:从你的产品里提取性格、世界观、承载色彩的一两个瞬间和一个标志性细节;再按固定顺序逐轮改——间距、颜色、图标、文案、字体、布局、细节、视觉、动效。改之前先给方案让你把关,界面本来就不错就直说并只提小修。它适配 Next.js/React/Vue/Svelte/Tailwind/纯 HTML,甚至给一个线上链接就能做。还能顺手生成一段 10 秒内「界面自己变好看」的方形短视频(需要 Playwright + ffmpeg)。
亮点
- 审计 → 定方向 → 逐轮修改的固定流程,不是无约束的「美化」
- 先给方案再动手,可以提前纠偏;已够好就只做小修
- 技术栈无关:Next.js/React/Vue/Svelte/Tailwind/纯 HTML CSS 都能用
- 额外产出:10 秒方形的「界面自我改造」短视频,可直接发社媒
优点
- 对 AI 生成 UI 的「AI 味」问题诊断得很具体,可直接用于任何前端项目
- CC BY 4.0,含署名要求即可自由使用与商用
缺点与注意
- 需要配合 Playwright + Chromium 才能跑完整流程,依赖略重
- 效果依赖底层模型的设计理解力,不同模型表现差异明显
看项目详情与各榜名次
用 Rust 重写的 IDE:沿用 IntelliJ IDEA 的快捷键、工具窗和 Search Everywhere 习惯,覆盖 60+ 语言的编辑器、调试器、Git、终端、数据库与 HTTP 客户端。
openidea 走的路子不是「另造一种 IDE」,而是「把 IDEA 的肌肉记忆搬到更快的实现上」——IntelliJ 风格的 keymap、tool window、Search Everything 全部保留,底层换成 Rust 核心(前端 Tauri)。功能面覆盖编辑器、代码洞察、调试器、Git、终端、数据库客户端和 HTTP 客户端,支持 60 多种语言,跨 macOS/Windows/Linux 构建。15 天冲到 7187 星、843 次提交,是本批开发工具类里增速最快的。它对从 JetBrains 迁过来的人尤其友好——不用重新学键位。同时 DAP(Debug Adapter Protocol)的引入说明它在调试上是走标准协议而非自造轮子。
亮点
- IntelliJ IDEA 风格 keymap / 工具窗 / Search Everything,迁移零学习成本
- Rust 内核 + Tauri 外壳,冷启动与响应速度是主要卖点
- 编辑器、代码洞察、调试器(DAP)、Git、终端、数据库、HTTP 客户端一套齐全
- 支持 60+ 语言,跨 macOS/Windows/Linux 三平台
优点
- Apache-2.0 协议,架构现代可深挖
- 为 JetBrains 用户提供了一条性能更优的迁移路径
缺点与注意
- 15 天的新项目,插件生态与疑难问题支持远不及成熟 IDE
- 部分语言支持和插件兼容性仍需时间补齐
看项目详情与各榜名次
跑在 Android 手机上的端侧 AI Agent:说一句话,它就在后台把 App 和网页操作完,直到任务真的完成。
Mika 的技术路线是端侧而非云端:靠 Android 无障碍能力驱动,在一块隐藏的后台屏幕上执行操作,所以用户可以继续用手机。README 给了不少具体场景——问「今天群里聊了什么」,它在后台滚动读完聊天记录并总结;「30 美元以下、4.5 星以上的充电器」,它加购后停在结账前;「这位创作者最近发了什么」,它打开 App 逐条读完再总结。工程上比较扎实:495 次提交、39 个 tag、Kotlin 占 95.7%,近期由 Kimi 与 Claude Code 协作修复 P0 问题。它不绑定微信/小红书等具体 App,但演示用的正是这些国内常用应用,因此对中文用户格外友好。
亮点
- 端侧执行:靠无障碍能力在隐藏后台屏幕操作 App 与网页,不占用前台
- 真实闭环任务:读聊天记录做总结、按条件加购并停在结账前、跨站比价与订票
- Kotlin 95.7%,495 次提交、39 个 tag,迭代节奏稳定
- 六种语言本地化,演示覆盖微信、小红书等国内常用应用
优点
- 端侧隐私优势——任务数据不必上传第三方云服务
- 把「手机 Agent」从概念变成了可实际使用的日常工具
缺点与注意
- 依赖 Android 无障碍服务,部分银行/支付类 App 会做反自动化限制
- 许可含第三方组件条款,分发前需逐项核对
看项目详情与各榜名次