逆向拆解任意视频:逐个镜头判断是实拍、AI 生成还是代码做的,再给出可执行的复刻方案。
rea-video 解决的是创作者最难手工完成的一步:看懂一条爆款视频到底怎么做的。它把视频切成镜头、把音频拆成人声/音乐/音效,然后逐镜头取证——量帧率节奏、传感器噪点、整幅画面是否像一张平面图平移、元数据里的 AIGC 标签,同时看手部、文字、物理合理性,听 BPM、调性、是人唱还是合成。硬证据优先于「看起来像」,有冲突就标记出来交给 Agent 视觉复核。判断的依据是可复现的:官方给了调参集 15 条、留出集 16 条、再编码微信视频 10 条三组评测,纯离线工具在留出集上 99.6% 命中,同一批微信压缩视频掉到 88.6%,接上视觉模型回到 99.6%,加上 Agent 视觉复核做到 100%。除了「怎么做的」,它还输出怎么复刻:按目标视频模型的单段时长、多镜头支持与参考图数量来分批生成,并给出一句总结(例如 41% AI 视频 + 59% 代码界面,8 秒真实录屏,122 BPM 的曲库音乐)。字幕可以导出 SRT/ASS,连音频落点和剪辑节奏都给了。整条链路设计成 Agent 技能:Claude Code 或 Codex 里说一句「拆解这个视频」即可,依赖只有 ffmpeg 和 Python 3.10 以上。
亮点
- 镜头级证据链:帧率节奏、传感器噪点、AIGC 元数据标签、音频 BPM 与调性
- 给出可复现评测:留出集 99.6%,微信重编码视频 88.6%,接视觉模型回到 99.6%
- 复刻方案按目标视频模型的时长与参考图限制分批生成
- 字幕、贴纸、音效落点一并导出,整条链路是 Agent 技能
优点
- Apache-2.0 许可,12 天 6376 星,日增 531 星
- 评测数据与复现脚本都放在仓库里,结论可自己验证
- 不接模型也能跑,接上 Gemini/豆包可再生成每个镜头的逆向提示词
- 依赖极轻,只要 ffmpeg 与 Python 3.10 以上
缺点与注意
- 仓库 112MB,含大量示例视频,克隆成本偏高
- 平台压缩过的视频会抹掉噪点证据,判断准确率明显下降
- 输出是分析与方案,不直接产出成片,还要接生成模型
- README 只有 12 天历史,接口与产物格式可能变
看项目详情与各榜名次
DeepSeek 官方的自主 Agent 研究原型:监听 GitHub 与飞书,被人点名时自己开工单、做完给出 PR。
dsh-superagent 是 DeepSeek 团队把内部自主 Agent 系统公开出来的研究原型,也是今天增速最高的项目(10 天 2.2 万星,日增 2218 星)。它的核心命题写在 README 第一段:尽可能少地占用人的注意力,尽可能多地产生价值。具体机制是围绕单个 GitHub 仓库运行的主动性编码 Agent——它监听 GitHub(可选加飞书),当被授权的人提出需求时,不是回到对话里问下一句,而是自己开一个工单、在独立的 Agent 会话和独立目录里干活,最后回到原对话交付结果,比如一个 PR;一个 Web 面板专门显示哪些事在等人。它的克制之处在于边界意识:只在被请求时或团队自己写的规则允许时才动手,只在真的需要人拍板或可以利用结果时才开口,授权、领域模型、执行、提示词、面板、部署与架构都拆成了编号文档(000 到 008),每篇只依赖前面那篇。仓库同时承认这是研究代码而非生产就绪软件,说很多工程由编码 Agent 完成、风格可能不一致,并且论文中讨论的若干设计尚未实现。整体看,它更像一份「自主 Agent 应该长什么样」的设计说明,而不是可以直接上生产的框架。
亮点
- 主动性模型:被授权的人提出需求后自动开工单、独立会话干活、回原对话交付 PR
- 同时监听 GitHub 与飞书,Web 面板专门显示待人处理的事项
- 000 到 008 编号文档,从理念、授权、执行到部署、架构、扩展数据源
- 仓库规模仅 37KB,代码量极小,设计文档占比高
优点
- DeepSeek 官方出品,MIT 许可,10 天 2.2 万星
- 文档结构清晰,是理解自主 Agent 设计取舍的好教材
- 强调「少打扰人」的原则,把人的注意力当成真正的稀缺资源
- 工程实现多由编码 Agent 完成,可作为 Agent 写 Agent 的参考样本
缺点与注意
- README 明确声明是研究原型,不建议直接用于生产环境
- 只支持单个 GitHub 仓库的场景,通用性有限
- 论文中讨论的多项设计尚未在原型里实现
- 10 天内 2.7 千 fork、零 issue,生态与稳定性尚未验证
看项目详情与各榜名次
纯 Rust 的逆向工程引擎:320 个工具既能拆开一个软件,也能让编码 Agent 照着造一个自己的版本。
craft-anything 分成两个产品形态共用一套引擎。表面是 Craft Anything:指向一个网站、桌面应用、手机应用、游戏或文件,让编码 Agent 造一个你自己的版本,引擎自己负责研究、构建、检查、就绪四步——研究阶段用真实检视工具(各宽度下的页面、代码、文件、运行方式)取证,构建阶段由 Agent 用你指定的语言或框架写出新项目,检查阶段把两者逐项比对并列出还没对上的地方,然后继续精修。深层的 Crafting Apps 更像一个创作社区平台。技术上它的底座是一个纯 Rust 的逆向引擎,带 320 个工具,覆盖原生程序、.NET、Java、Android、Apple、Electron/JavaScript、网站、固件、抓包、数据库与游戏文件;自己的解码器、反汇编器和反编译器不依赖外部程序,深度模式还会调用 Ghidra,同一套引擎同时驱动桌面应用、CLI 与 MCP 服务,部分代码以 WebAssembly 跑在浏览器里。授权边界设计得很克制:默认「洁净室」模式明确拒绝读取原物的代码、文件与页面源码,只依据你提供的截图、访客视角的网页信息与允许后的窗口截图工作;只有显式切到深度模式才会读代码。构建环节需要你本机已登录的编码 Agent,Claude Code 是首选,Codex 适配器尚未在真实安装上验证,Copilot、Grok Build 与其他走 ACP 的 Agent 可按后端切换。
亮点
- 纯 Rust 逆向引擎,320 个工具同时是 CLI 命令和 MCP 工具
- 洁净室与深度两种模式,洁净室会主动拒绝读取原物代码
- 研究、构建、检查、精修四步闭环,检查结果逐项列出差异
- 桌面应用、CLI、MCP 服务、浏览器 WebAssembly 共用同一引擎
优点
- Apache-2.0 许可,10 天 2.6 万星,日增 2633 星,Rust 实现
- 工具数量与覆盖范围在同类中少见,且不依赖外部反编译工具
- 明确区分洁净室与深度模式,授权边界写在产品里而非靠自觉
- 任何 Agent 都能用同一个引擎驱动,接入成本低
缺点与注意
- 需要 Rust 1.97 以上,桌面版在 Debian/Ubuntu 上还要装多个图形库开发包
- 构建环节必须本机有已登录的编码 Agent,Codex 适配器尚未真实验证
- 302 个未关 issue,仍在剧烈迭代,功能与接口可能变动
- 洁净室模式只是产品层面的约束,不是操作系统级沙箱
看项目详情与各榜名次
让命令行 Agent 在后台自己接活、跟进到底,只有拿不准时才发一张卡片找你拍板。
agent-autoloop 解决的是所有命令行 Agent 用户都遇到过的那个瞬间:你让 Claude Code 或 Codex 干了件需要几分钟的活,人一走开或窗口一关,事情就断了。它把任务调度做成一个零外部依赖的内核,事件来源、Agent、通知通道甚至代码上线流水线全部拆成可插拔插件,装在一台电脑上、一条命令就能跑,不用买云服务器也不用开公网端口。内核只对 Agent 提出一个约定:把结果写在最后一条回复里。干完一轮 Agent 进程直接退出,不占后台资源;遇到删数据、重启服务、花钱、对外发消息这类事,内核推一张卡片到飞书、钉钉、企微、Slack、Discord 或桌面通知,等你回复期间它既不占进程也不消耗 Token,你选完它接上原来的会话把剩下的干完。规则写在 rules.json 里,不写胶水代码:什么时候触发(cron、GitHub Issue 事件、HTTP 接口)、交给哪个 Agent、在哪个目录干都能声明,还能配 skill 与并发度。插件体系四个方向都可替换——事件(Webhook、HTTP、定时、Issue 轮询)、Agent(Claude Code、Codex、ACP、DeepSeek Harness、通用命令)、通道、交付(即插即用的 CI/CD)。仓库还预置了每日早报、跟进 Issue、线上告警排查、网站巡检、飞书周报、收件箱分诊、PR 自动交付等场景模板。
亮点
- 零外部依赖内核,一台机器一条命令启动,不开公网端口
- 拍板走飞书、钉钉、企微、Slack、Discord 或桌面通知,等待期间不占进程不烧 Token
- Agent 只需在最后一条回复里交代结果,Ask/Notice/Resolve/Later/Events 五种指令
- 事件、Agent、通道、交付四个方向全部可插拔替换
优点
- MIT 许可,7 天 4429 星,日增 632 星,仓库仅 1.4MB
- 不绑死任何 Agent,能接提示词并打印最后一条回复的命令行工具都能接
- 规则改完几秒内自动生效,可先 check 再试跑
- 内置的场景模板开箱可用,附中文文档
缺点与注意
- 需要 Node 24 以上与一个已登录的命令行 Agent
- 作者自己说明样例数据都是虚构的,只用本地 HTTP 与假飞书 CLI 验证过
- 与本项目的定时任务机制功能重叠,需要评估是否值得多装一层
- 第三方 Agent 与通道的实测覆盖不全,部分组合未验证
看项目详情与各榜名次
用代码写电影:编码 Agent 写剧本、逐帧用代码搭出来、配好声音,交给你一个 MP4。
cinecode 走的是与主流 AI 视频模型完全相反的一条路——不是生成像素,而是生成代码,画面由浏览器无头渲染。它支持 Claude Code(桌面应用、VS Code 扩展、终端)与 Cursor,不强制付费服务,声音可以用你自己的 Gemini key(有免费额度)、ElevenLabs,或免费的土耳其语音色。四类成片都覆盖:代码短片、十分钟以上的 YouTube 长片、广告与产品片、社交平台竖版解说。设计上有个细节值得注意——它不满足于普通想法,而是把想法与世界中随机取来的真实事物结合(博物馆藏品、动物、太空照片、旧发明、历史地点、某门手艺),并且每个提案都会与你此前做过的片子比对,不重复推荐同一个点子。风格上你可以选真实光影的 3D、2D 动画、水彩、水墨、纸艺、黏土、动态图形或像素风,视觉从真实电影截图搭成的面板里挑,整部片子建成之前先看前两场并确认。长片模式下它还负责把每个论断写成带来源的调研文本、第一分钟立下一个开放问题并画出好奇地图、用公开档案里的照片地图文献影像、该用代码的地方就自己画地图画图表,混音做到 -14 LUFS 响度标准化并附一份供视频简介使用的制作名单。仓库有中、英、日三语 README。
亮点
- 画面全部由代码生成,无头浏览器逐帧渲染
- 短片、广告、十分钟以上长片、竖版解说、音乐视频五种成片形态
- 提案会与世界中的真实事物结合,并与历史作品去重
- 长片自带调研来源、开放问题与好奇地图、-14 LUFS 标准化与制作名单
优点
- MIT 许可,7 天 2059 星,日增 294 星
- 不强制付费服务,免费音色与 Gemini 免费额度即可起步
- 可复现:同一份代码渲染出同一画面,便于迭代与协作
- 三语 README,示例短片在仓库里可直接看
缺点与注意
- 仓库只有 7 天历史,没有任何 release 与 issue 沉淀
- 仓库无 topics 元数据,生态与外部集成情况不明
- 文档主体是土耳其语,中英日版本较薄
- 画面质量取决于编码 Agent 的产出,长片成本与耗时都不低
看项目详情与各榜名次
5B 参数的 DiT 图像基座模型,主打版面控制与中文文字渲染,权重与代码全部公开。
MOSS-Image 是今天唯一一条正经的图像模型路线,其余项目都是在别人的模型之上搭工具。它同时放出 Base 与 SFT 两版权重,能力集中在四处:版面控制(能指定文字与视觉元素在画面中的位置)、强文字渲染(生成的字清楚准确)、超长提示词(最多 4K token)、风格覆盖(动漫与写实都能出高质量图)。骨干只有 5B 参数,因此生态围绕微调展开:官方放出了 KohakuMossTrainer,支持全量微调与 LoRA(LyCORIS)训练,优化器覆盖广、混合精度到 BF16/FP16/FP8/MXFP8/INT8,多卡训练支持 DDP、FSDP 与流水并行,还带 CPU offloading,最低 6GB 显存就能训适配器,硬件上覆盖 NVIDIA SM70 到 SM120 以及 Intel Arc。落地路径铺得很宽——SGLang、vLLM-Omni、ComfyUI 都是 day-0 支持,DiffSynth-Studio 支持全量微调与 LoRA,社区还贡献了去竖向色带 LoRA、8 步 DMD 蒸馏 LoRA、ComfyUI 内的隐藏态预测加速节点,以及一个不依赖 PyTorch 与 Python 的 C++/CUDA 推理引擎 mossimage.cpp(会按实际显存规划并在装不下时流式加载)。此外还有一个浏览器里的版面编辑器,画布上摆好文字、物体、人物框就能编译成与官方提示词增强技能一致的提示词,整个过程不触发任何生成调用。
亮点
- 版面控制与强文字渲染,提示词最长可到 4K token
- Base 与 SFT 两版权重开放,KohakuMossTrainer 最低 6GB 显存可训 LoRA
- SGLang、vLLM-Omni、ComfyUI day-0 支持,另有纯 C++/CUDA 推理引擎
- 浏览器版面编辑器,编译出的提示词与官方技能一致且不触发生成
优点
- Apache-2.0 许可,25 天 2788 星,权重与代码都公开
- 5B 骨干对个人显卡友好,微调门槛低
- 社区项目丰富,训练、加速、推理三条线都有现成方案
- 支持异构 GPU 训练,含 Intel Arc
缺点与注意
- 5B 骨干在复杂构图与写实人像上仍难与一线闭源模型相比
- 中文文字渲染强,但中文字体与排版细节仍需人工校验
- 仓库 87MB,含大量示例与文档
- 官方技术报告发布不到一个月,长期稳定性待观察
看项目详情与各榜名次
本地 GPU 上的一键视频换角色:开源版的 Higgsfield Genjutsu,MiniMax H3 加 SAM 3.1 加 FLUX 全套跑在本地。
openjutsu 复刻的是闭源产品 Higgsfield 的 Genjutsu 换角色功能,做法是丢一个视频加一张角色照片,点一下生成,画面里的主角就被换掉,摄影机、剪辑、运动与原声保持不动;还能改头发、改衣服、移除物体、换背景,或者反过来用一张照片生成新造型并重新打光。技术路线是全开源权重全本地:视频生成用 MiniMax H3,人物追踪用 SAM 3.1,看图写提示词用 Qwen3-VL 8B(INT8 默认,另有 4B FP8 与 Gemma 4 E2B INT8 供小显存机器选),准备角色图与重打光用 FLUX.3 Klein。形态是一个 Next.js 前端加一套 ComfyUI 工作流,走 Comfy 官方的 comfy-reshoot 参考实现。工作流分四档:简单动作迁移(一个角色替掉画面占比最大的人)、高级动作迁移(1 到 4 个角色按角色分配,追踪到的人逐镜头匹配角色,没匹配上的人保持原样)、物体替换(改 SAM 追踪的对象、移除对象、只重生成周边区域)、从图片出发(FLUX 先把角色摆到原视频的姿势与身体裁切里,确认或重生成后再设时长、分辨率、LoRA、步数与种子并渲染视频)。它还提供重打光开关,17 种光照预设配示例图可挑,FLUX 只看你的图,Qwen 3.5 9B 的提示词增强器负责从视频帧读出姿势。
亮点
- 全本地:MiniMax H3 生成、SAM 3.1 追踪、Qwen3-VL 描述、FLUX.3 Klein 重打光
- 四档工作流:简单换人、1 到 4 角色高级换人、物体替换、从图片出发
- 重打光一次生成内完成,17 种光照预设带示例图
- Next.js 前端加 ComfyUI 工作流,跟随 Comfy 官方参考实现
优点
- MIT 许可,15 天 2137 星,日增 142 星
- 开源本地替代方案,视频与隐私都不出本机
- 模型全部是公开权重,不依赖任何付费 API
- 仓库 70MB,包含可直接导出的 API 格式工作流
缺点与注意
- 需要一块能跑 MiniMax H3 的显卡,显存要求不低
- 48 个未关 issue,仓库仍在快速变动
- 视觉描述模型的选择直接影响匹配质量,换模型结果差别明显
- 只解决换角色与重打光,不覆盖剪辑、字幕与配音
看项目详情与各榜名次
用 Rust 重写的 IntelliJ:保留键位与工具窗口习惯,内存与启动速度是数量级差异。
openidea 的目标很明确:把 IntelliJ IDEA 那套工作方式(键位映射、工具窗口、Search Everything)搬到一个原生应用里,核心用 Rust 写。功能面覆盖编辑器、代码洞察、调试器、Git、终端、数据库与 HTTP 客户端,支持 60 多种语言,提供 macOS、Windows、Linux 三个平台构建。它给出了一组自测对比:在 32 核 AMD、62GB 内存的 Windows 11 上打开一个约 770 个 Python 文件的 freqtrade 项目,取 5 次运行中位数,OpenIDEA 打开项目窗口 0.9 秒、就绪 1.1 秒、内存 169MB、就绪前 CPU 时间 2.4 秒、退出 0.3 秒;IDEA 2026.2.3 对应 3.1 秒、13.2 秒、2011MB、47.9 秒、5.9 秒。作者也诚实标注了差异:IDEA 对 Python 的分析更深,两边「就绪」并不代表同样多的工作完成,并且给了 perf/compare 让你在自己机器上复现。插件体系是另一条值得注意的线:插件可以增加动作、补全、快速修复、工具窗口、自定义编辑器、主题、文件图标与语言,运行在沙箱化的 WebAssembly 组件里,主题、图标主题与语言甚至不需要写代码,同时提供 openidea-plugin new 命令来起一个插件工程。官方也写明与 JetBrains 无关,IntelliJ IDEA 是 JetBrains 的商标。
亮点
- 自测对比:打开项目 0.9 秒对 3.1 秒,就绪 1.1 秒对 13.2 秒,内存 169MB 对 2011MB
- Rust 核心的原生桌面应用,覆盖 macOS、Windows、Linux
- 插件运行在沙箱化 WebAssembly 组件里,可用命令行起新插件工程
- 编辑器、代码洞察、调试器、Git、终端、数据库与 HTTP 客户端,60 多种语言
优点
- Apache-2.0 许可,20 天 8398 星,日增 419 星
- 内存占用不到 IDEA 的十分之一,退出几乎瞬时
- 插件 API 预览阶段就有可用生态与官方模板
- benchmark 可在本地复现,不是纯宣传数字
缺点与注意
- 171 个未关 issue,功能覆盖与 IDEA 仍有差距
- 官方承认 IDEA 的 Python 分析更深,性能对比不完全对等
- 插件 API 仍是预览阶段,可能不兼容
- 主体语言标记为 TypeScript,核心为 Rust,语言统计容易误导
看项目详情与各榜名次