全球首个开源的智能体视频生产系统:12 条生产流水线、100 多个工具、700 多份技能与制作知识文件,把研究、写稿、资产生成、剪辑到合成全部交给编码智能体。
OpenMontage 把「做一个视频」拆成一条可交给智能体的产线。它最关键的设计是区分了两种视频:一种是常见的把几张静帧动起来,另一种是真正从免费素材库和开放档案里检索真实运动片段、剪成时间线再渲染出成片,README 明确说后者才是它的目标。入口有两条,从空白提示词开始,或者贴一条 YouTube、Short、Reel、TikTok 或本地片段,让智能体先分析转录、节奏、场景、关键帧与风格,再给出两到三个差异化的概念、诚实的工具路径、成本估算和样片,等你认可再投入生产。产物侧有一个叫 Backlot 的本地看板,把流水线正在做什么摊开成一块板:阶段逐个点亮,剧本落成分镜页面,每个供应商的选择与每一美元花费都写在墙上;更关键的是分镜变成了真正的审批闸口,资产生成按场景暂停在接触印相表上,你逐镜头看过、选过、确认过才继续。渲染前还有一道多点自检,ffprobe 校验、抽帧、音频电平分析、交付承诺核对与字幕检查一起跑,供应商选择按七个维度打分并留下可审计的决策日志。
亮点
- 12 条生产流水线、100 多个工具、700 多份智能体技能与制作知识文件
- 从免费素材库检索真实运动片段剪辑渲染,而不是把静帧动起来
- Backlot 本地看板实时展示阶段状态、供应商决策与每一笔花费
- 分镜是真正的审批闸口,资产生成按场景暂停等你点头
优点
- 开源的完整产线,AGPL-3.0 许可,仓库自述为同类首个
- 成本在生成前就能给出估算,还有可审计的决策日志
- 渲染前跑 ffprobe、抽帧、音量、字幕等多点自检
- 可以用你已有的视频做参考,起步比空白提示词快
缺点与注意
- 依赖 FFmpeg、Node.js 特定发行版与 Python 3.10+,环境不轻
- AGPL-3.0 许可,闭源商业集成需要留意传染性
- 需要接入图片、视频、语音等多个外部供应商才有完整效果
- 仓库定位有产品化倾向,部分文档指向外部站点
看项目详情与各榜名次
给 Claude Code 与 Codex 用的视频技能:124 张镜头配方卡、150 个动效预览,代码驱动渲染产品宣传片,卡点对齐、音效设计、交付后可继续编辑。
video-shotcraft 的立意很明确,README 第一句就声明它不是视频生成器。每一帧都由代码从你自己的真实截图和文案画出来,所以结果锐利、贴合品牌并且完全可编辑。流程是:智能体抓取你的产品页面,从一套经过调校的动效配方库里挑镜头,分镜、用 Remotion 动起来、卡点对齐、加音效设计、逐帧检查,最后交出一个 MP4。镜头库是它的核心资产,124 张配方卡分成十个类别共 150 个镜头,每个类别都有 Gallery 预览可以按名字直接引用;每张卡对应一份 Markdown 配方和一套 Remotion 实现,可以直接接进自己的项目。交付之后还有 Motion Workbench,一个浏览器里的剪映式编辑器,片子按镜头、转场、字幕、音效分轨,选中镜头可以改文案、字号、颜色,可以移动、裁剪、变速,可以把库里任意镜头拖进来再导出,预览与渲染帧对帧一致。还可选导出成剪映(CapCut 国内版)草稿,每个镜头独立片段、字幕轨与音效音乐轨分离,在剪映专业版 11.2 上验证过。
亮点
- 124 张镜头配方卡分十个类别,共 150 个镜头,Gallery 可按名字引用
- 明确不是生成器,每帧由代码从你的截图与文案画出,完全可编辑
- Motion Workbench 浏览器编辑器按镜头、转场、字幕、音效分轨
- 可选导出剪映草稿,分镜头片段与字幕音轨,已在专业版 11.2 验证
优点
- 产物是 Remotion 项目源码,每个镜头都是可改的 React 组件
- Apache-2.0 许可,内置国内 AtomGit 镜像方便克隆
- 含页面抓取脚本、音效检索工具与 5 首 BGM,开箱可用
- 预览与最终渲染帧对帧一致,改完心里有数
缺点与注意
- 偏产品宣传片方向,不是通用影视或叙事长片工具
- 依赖 Remotion 与 Node 环境,渲染有等待时间
- 内置部分第三方 API 赞助商通道,使用前需自行确认成本
- 镜头库是既定风格,做不到完全自由的分镜设计
看项目详情与各榜名次
腾讯 IEG ARC 与南京大学的工作:Future Chunk Prediction,让自回归视频模型在训练时预测更远的未来片段,只靠像素监督就提升物理一致性。
Looking Ahead 是一篇刚放出代码与权重的视频生成研究,出自腾讯 IEG ARC Lab、南京大学与浙江大学。作者提出的问题很具体:自回归视频生成依赖教师强制训练,而时间上的冗余会诱使模型走捷径,只学局部的时间相关性,于是学到的是「看起来像」而不是「物理上合理」。他们的做法是 Future Chunk Prediction,加一条辅助分支,从当前片段的中间特征去预测时间上更远的视频片段。关键在于只用视频像素监督,不额外引入标注或奖励模型,作者声称这样就能改善生成视频的物理一致性,并学到更有语义结构的表征。仓库给出训练与推理代码,以及 1.3B 与 5B 两档文生图生视频模型的权重,基座分别是 Wan2.1-T2V-1.3B 与 Wan2.2-TI2V-5B,配置里能看到 tf 与 fcp 两组分别对应的 yaml。环境要求也写清楚了:Linux、Python 3.12、PyTorch 2.10.0 加 CUDA 12.8,提供 uv 与 conda 两种安装路径。
亮点
- Future Chunk Prediction 用辅助分支从中间特征预测时间更远的片段
- 只用视频像素监督,无需额外标注即可提升物理一致性
- 放出 1.3B 与 5B 两档文生图生视频模型权重与配置文件
- 论文、代码、权重与演示数据集全部公开,基座为 Wan2.1 与 Wan2.2
优点
- 方法有明确的理论动机,论文与代码同期开源可复现
- 训练与推理代码、配置文件、权重一并提供
- 不引入额外监督信号,训练成本相对可控
- 提供了参数量两档,便于按算力选择
缺点与注意
- 研究代码而非产品,需要自己承担训练与调参
- 对硬件与 CUDA 版本有明确要求,消费级显卡门槛较高
- 论文刚发布,第三方复现与横向对比数据尚缺
- 仓库许可未明确标注,商用需自行确认
看项目详情与各榜名次
英伟达的高效生成模型全家桶:SANA、SANA-Video 2.0、SANA-Streaming、Sol-RL 与 Sol 推理引擎同仓,目标是把高分辨率图像与视频生成做快做省。
Sana 是一个效率导向的高分辨率图像与视频生成代码库,训练与推理管线齐全。仓库现在把一整条产品线收在一起:SANA 基础模型、SANA-1.5、SANA-Sprint 的零步蒸馏加速、SANA-Video 与 SANA-Video 2.0、SANA-WM 世界模型、SANA-Streaming 流式生成,以及 Sol-RL 强化学习方案,推理侧还开了 Sol-Engine 分支,把这些模型的推理引擎都搬了进去。近期最有代表性的进展是 2026 年 10 月的 Sol-H3:把 MiniMax-H3 压到单张 RTX 5090 或者 DGX Spark 上跑,一段 1344x768 带音频的片段 35.5 秒出一条,而原始 50 步模型需要 989 秒,同步进了 ComfyUI;同月的 StreamRender-H3 则把可控的 Three.js 游戏引擎接到多卡 H3 流式渲染器上,用浏览器做视频反馈。9 月的 SoL-Refiner 是一步精修,把低分辨率视频草稿变成高分辨率,对应 LTX-2.3 与 MiniMax-H3。论文侧是 ICLR 2025 Oral、ICML 2025 与 ICCV 2025 Highlight,2026 年的 ICLR 2026 也是 Oral。
亮点
- Sol-H3 把 MiniMax-H3 压到单张 RTX 5090,带音频片段 35.5 秒一条
- SANA、SANA-Video 2.0、SANA-Streaming、SANA-WM、Sol-RL 同仓提供
- SoL-Refiner 一步精修把低分辨率草稿变高分辨率,适配 LTX-2.3 与 H3
- 训练与推理管线完整,模型权重、文档与 Demo 页面齐全
优点
- Apache-2.0 许可,权重与代码完整开放
- 效率是主线,单卡可跑的成果对预算敏感的用户友好
- 图像、视频、世界模型、流式生成与 RL 方案统一在同一代码库
- 有 ComfyUI 集成,推理引擎也单独开分支维护
缺点与注意
- 仓库体量很大,代码分支与子模型多,上手成本高
- 要拿到完整效果通常需要多卡与 CUDA 环境
- 部分最新能力依赖 2026 年的新框架版本,环境配置有门槛
- 生产级部署仍需自己解决调度与稳定性
看项目详情与各榜名次
DeepSeek Harness 的 Android 客户端:内置 Linux 环境免 Root 免 Termux,手机本机就能跑,也能一键切去电脑上的 DSH 接着用同一段对话。
dsh-Go 把 DeepSeek Harness 装进口袋,是它 15 天涨到一万七千多星、日均过千星的主要原因之一,它也是 Trendshift 全语言日榜第一。它解决的是编码智能体的使用场景摩擦:内置 Linux 环境,免 Root 也免 Termux,不需要折腾终端模拟器。真正有意思的是接力机制,电脑上装了 DSH 之后,手机上可以一键切过去接着用同一段对话;反过来,本机跑完的对话也能在原生界面与官方网页版之间切换,停在同一段对话,下次打开还是上次用的那个。交互上支持在回复中途插话,排队中的消息可以立即发送,做完的过程折叠成一行不让屏幕被日志淹没。它还带了两只桌宠,深鲸与鲸娘,敲代码时会动,干完会举手等你确认,甚至能跟随到桌面。分享方面,回复可以一键做成分享卡,整段对话生成链接供对方在浏览器回放,链接端到端加密。当前提供 Android 8+ 的 arm64 APK,作者表示后续适配 iOS 与鸿蒙。
亮点
- 内置 Linux 环境,免 Root、免 Termux,手机本机直接跑
- 一键从手机切到电脑上的 DSH 接着用,同一段对话不断
- 回复中途可插话,排队消息立即发送,过程自动折叠成一行
- 端到端加密的对话回放链接与分享卡,桌宠可跟随到桌面
优点
- 15 天日均超千星,是本轮候选里增速最高的一档
- 解决了手机端跑编码智能体最大的环境门槛
- 手机与电脑接力,同一段对话不中断
- AGPL-3.0 许可,APK 从 GitHub Releases 或官网下载
缺点与注意
- 目前只有 Android,arm64 为主,iOS 与鸿蒙尚未适配
- 覆盖安装会清空对话、Linux 环境与设置,需要先卸载旧包
- 手机算力有限,复杂任务仍要依赖电脑端
- AGPL-3.0 许可,闭源集成需评估
看项目详情与各榜名次
把任意代码库连同文档、SQL schema、配置和 PDF 编成可查询的知识图谱:本地确定性 AST 解析,每条边都标注来源,不建向量库。
graphify 解决的是编码智能体读代码的方式问题。它的做法是把整个项目连同文档、SQL schema、配置文件甚至 PDF 一起映射成一张知识图谱,让智能体查询图而不是翻文件。命令行敲 /graphify 之后会产出三个文件:graph.html 可以直接在浏览器里点节点、筛选、搜索,GRAPH_REPORT.md 给出关键概念、意外的连接与建议问题,graph.json 则是随时可查的完整图谱,同时带 schema_version 与 graphify_version 供集成方检测格式变更。技术上最关键的是它不用向量索引,没有嵌入也没有向量库:代码用 tree-sitter 做本地确定性解析,不调大模型也不外传,文档与多媒体的语义环节才需要后端且可配置。图谱里每条边都带置信度标签,EXTRACTED 表示源码里明确写着,INFERRED 表示推导得出,你一眼能分清哪些是读到的、哪些是猜的。它还能通过 Leiden 算法把图切成社区并给出不含 LLM 的标签,跨文件关系在约四十种语言里靠 AST 解析出 calls、imports、inherits 与 mixes_in,注释里的 WHY 与 NOTE 以及 ADR、RFC 引用也变成一等节点。基准方面,LOCOMO 上 recall@10 拿到 0.497,mem0 是 0.048、supermemory 是 0.149;LongMemEval-S 的问答准确率 76%,与稠密 RAG 打平;图构建的 LLM 消耗是 0。
亮点
- tree-sitter 本地确定性 AST 解析,不调大模型、数据不出本机
- 每条边标注 EXTRACTED 或 INFERRED,读到的与推导的一目了然
- 不是向量索引,是真能遍历的图,能追两个概念之间的路径
- LOCOMO recall@10 0.497,图构建 LLM 消耗为 0
优点
- 本地优先,代码解析环节零 LLM 成本,隐私面小
- 产出三件套齐全:可交互页面、要点报告与完整图谱
- 支持约四十种语言的跨文件关系解析与文档引用节点
- 被 YC 收录,社区与文档较完整
缺点与注意
- 云端版本是商业订阅,免费额度与长期成本需要评估
- 文档与多媒体的语义环节仍需配置后端,默认不开
- 社区标签由算法给出,命名未必符合团队术语习惯
- 对超大仓库的构图耗时与内存占用需要自行评估
看项目详情与各榜名次
Rust 增量编译器:守护进程把项目编译态留在内存里,改完只编译变动的函数再自己链接,实测比重编快 10 到 24 倍。
blaze 想解决的是 Rust 编译反馈太慢这件事。它的用法简单到有点粗暴:把 cargo 换成 blaze,blaze run、blaze test、blaze build、blaze check、blaze bench 都支持,其余 cargo 子命令暂时还不支持。工作方式是常驻一个守护进程,把项目编译态留在内存里,第一次构建会加载项目并编译所有 crate,不用 cargo build 也不用 rustc,之后每次编辑只编译真正改动的函数,再用它自己的链接器把程序链接起来。README 给的实测数字是:改一个函数重编在 macOS arm64 上平均快 10 倍,Linux aarch64 快 24 倍,Linux x86-64 快 11 倍;Linux x86-64 的具体项目里 ripgrep 从 508 毫秒降到 56 毫秒,nushell 从 1.25 秒降到 236 毫秒,helix 从 2.15 秒降到 116 毫秒,bun 这个一百二十五万行 Rust 的项目从 9.11 秒降到 451 毫秒。配合 live edit,从存盘到程序跑起新代码约 20 毫秒,官方自己的追踪数据里 bevy 是 83 毫秒到 3.79 秒,egui 是 15 毫秒到 219 毫秒。代价也写得很直白:用内存换速度,小项目也要几个 G;它是自带工具链的,用自己的 blaze-2026-10-27 版本编译,不看你项目 pin 的版本,你的工具链和 CI 才是最终裁决;Windows 还没有安装器,v2 在上面也没跑过。
亮点
- 守护进程常驻编译态,改完只编译变动函数再自行链接
- 实测改一个函数重编比 cargo build 快 10 到 24 倍
- live edit 从存盘到跑起新代码约 20 毫秒
- 基准逐平台逐项目公开在仓库里,趋势图随每次合并重跑
优点
- Apache-2.0 许可,Linux 与 macOS Apple silicon 一条命令装
- 真实项目跑过重测试:cargo、zed、servo、bun、Codex CLI 等
- 基准数据与测量方法完全公开,可自行复现
- canary 通道可用,新版本出来即推
缺点与注意
- 自带工具链,不跟随项目 pin 的 Rust 版本,nightly 约 125 到 160 MB
- 用内存换速度,小项目也要几个 G
- Windows 无安装器,v2 未在该平台验证
- 项目自己承认年轻,建议保留 cargo check 或 CI 作为最终裁决
看项目详情与各榜名次
用 Rust 写的原生 GPU UI 框架,自带渲染器、文本、布局与弹簧动画,跨 macOS、Windows、Linux 与网页;每个应用都能无头运行,智能体可渲染 PNG 并 dump 元素树自检。
rune 是一个原生 GPU 渲染的 Rust UI 框架,覆盖 macOS、Windows、Linux 与网页,渲染器、文本排版、布局系统与弹簧动画都是自带的,不依赖浏览器内核。它的写法是函数式的:view 函数接收状态返回元素树,el、col、text 这些组合子搭出界面,主题通过令牌取色,事件用 on_press 之类的方式挂上去,示例代码里一个开关组件十行就写完了。仓库还带了一套 rune-kit 组件库与若干完整示例应用,其中一个是用 Rune 做的编码智能体界面。最特别的一点是每个应用都可以无头运行,智能体因此能够渲染出 PNG、dump 出元素树、再用脚本化输入驱动它自己检查工作,README 给的用法就是把这个仓库交给编码智能体,让它从 examples/hello 起步,然后靠无头渲染检查自己的产出。项目处于预发布状态,建议 pin dev 分支的一个 rev,dev 从不改写。仓库不接收 pull request,而是让智能体去开 issue 描述问题与想法,官方说他们的智能体通常很快就能给出回应。
亮点
- 原生 GPU 渲染,自带渲染器、文本、布局与弹簧动画,不依赖浏览器
- 每个应用都能无头运行,可渲染 PNG、dump 元素树并脚本驱动
- 跨 macOS、Windows、Linux 与网页四端
- 函数式视图与元素树写法,组件库与示例应用齐备
优点
- MIT 许可,跨平台覆盖广,适合做原生桌面应用
- 无头可渲染这一点对智能体做界面自检极有价值
- 自带渲染与文本栈,不受 WebView 性能与体积拖累
- 示例与组件库齐全,入门成本低
缺点与注意
- 预发布阶段,API 与组件仍可能变动,需 pin dev 的具体 rev
- 不接收 pull request,贡献方式与传统项目不同
- 生态与文档相比成熟框架仍薄,遇到问题自力更生
- Windows 与 Linux 上的实际成熟度需自行验证
看项目详情与各榜名次