给编码 Agent 一套叫 SVML 的视频语言:丢一个成片进去,它把素材、字幕、B-roll、特效整体克隆成一份锚定到词的工作流,换主角换产品就能再出几十个变体。

核心思路是把「一条视频」拆成一份声明式的组合文件,而不是一次性的渲染产物。字幕和口播按词对齐而不是按秒硬切,所以换掉旁白之后节奏不变;B-roll、表情板、排名板这些是可插拔组件,官方例子把换成本地球员的香蕉猫、把榜单翻转后梅西变 C 罗,都做成同一份工作流的参数改动。官方给出三组完整样例(20 秒足球榜单、18 秒播客、26 秒街头采访),每组都列了生成模型、WhisperX 对齐方式、64 进程并发渲染,总成本分别写明 1.15、1.07、1.09 美元。装法是一条 npx skills 命令,也可以让 Agent 自己从零写工作流。
亮点
- 工作流锚定到词而不是秒,换旁白、改文案之后剪辑节奏自动跟着走
- 组件可插拔:主播、字幕样式、表情板、排名板各自独立,换一个不动其他
- 官方样例给出完整成本账(1.07 到 1.15 美元一条),含所用生成模型与并发渲染进程数
- 不调用生成模型也能出片:纯靠字幕、动效和代码绘制的画面编译成成品,不产生模型服务费
优点
- 30448 星、3579 个 fork,是今天这批里被真实使用得最久的一个视频项目
- 产出是可再跑的工作流,不是渲完就没的 MP4
- 成本账写在 README 里,不是模糊的「便宜」
缺点与注意
- 许可不是标准 Apache-2.0:仓库 LICENSE 是加了附加条款的修改版,明确写了多租户对外服务要另买商业授权
- 官方推荐用它自家的托管模型服务(HypiHub),自带 API 或本地模型也能接但文档要自己读
- 样例里出现指向网盘分享的「100 个免费 AI 形象」链接,来源不明,建议不要直接用
看项目详情与各榜名次
把商业产品 Higgsfield 的图像、视频、VFX、音频四类创作应用整套搬到底层 ComfyUI 上,120 个应用没有一个专属代码,界面和显存表都是从一份 app.json 清单生成的。

技术路线是「清单驱动」:每个应用就是一个文件夹,里面放一份 app.json 和一份 ComfyUI API 格式的工作流,网页表单、运行器、模型下载、显存地图、测试全部从这些清单反推出来,所以加新应用不用写代码,用 import_workflow.py 从任意 ComfyUI 工作流生成草稿即可。120 个应用里有 39 个自带工作流,72 个是模板应用,另 5 个是 IC-LoRA 应用。模型全部开放权重,每个都在 app.json 里标了 HuggingFace 仓库、体积和许可,没有 API 节点也没有合作方节点。跑法三选一:Modal、RunPod 或 Vast.ai 的按小时 GPU、或者自己的 ComfyUI,README 里逐条写明了显存下限、CUDA 版本和磁盘要求。
亮点
- 120 个应用共享同一套机制,界面和显存地图全部由 app.json 生成,加应用几乎不写代码
- 每个模型都标了仓库、体积与许可,48 次 GPU 实测记录(含耗时与峰值显存)逐条留档
- CI 每次推送都跑清单校验、测试、类型检查,并用 CPU 版 ComfyUI 验证全部工作流
优点
- MIT 许可,仓库 994 个文件、487 张图,是把闭源商业产品做开源复刻的完整样本
- 既能云上租 GPU 也能本地 ComfyUI,模型清单写得很清楚
- README 明确写了每个应用在 24GB 卡上装不装得下
缺点与注意
- 起步门槛不低:至少 24GB 显存、CUDA 13.0 以上,而且明确写了 V100 被 CUDA 13 抛弃不能用
- 默认模型包 64 个应用要下 22.9GB,RunPod 上还得手动加 60GB 磁盘卷
- 文档和界面全是英文,中文用户上手要自己啃
看项目详情与各榜名次
给 Claude Code 和 Codex 用的产品宣传片技能:它截取你真实的页面,从 124 张镜头配方卡里挑镜头、分镜、用 Remotion 逐帧画出来,交付一支还能继续剪的 MP4。

关键点是它不生成画面。每一帧都是代码按你的真实截图和文案画出来的,所以成品不会糊、不会跑偏品牌,改文案后重跑就行。库里有 216 个演示,收敛成 124 张卡、150 个镜头,覆盖开场、界面入场、镜头运动、转场、节奏、字体、结尾几类。流程是:抓真实页面、挑配方卡做分镜、Remotion 动画、按节拍剪切、加音效设计、逐帧质检,交付 MP4 之外还给一个 Motion Workbench(浏览器里的 CapCut 风格编辑器)和一份剪映草稿,每镜独立片段、原生字幕轨、音效与 BGM 分轨。
亮点
- 画面全部代码绘制,产出的 MP4 每一帧都能改,导出剪映草稿后可以接着手工调
- 124 张配方卡分门别类列在文档里,Agent 按镜头类型直接查,不用自己编分镜
- 除了做宣传片,同作者的旁白视频兄弟项目把每个动效对齐到语音
优点
- 21011 星、1932 个 fork,分镜库是长期积累的不是一次凑出来的
- 有公开画廊和社区样片库,可以先看效果再决定用不用
- Apache-2.0 许可,商业使用没有额外限制
缺点与注意
- 整体还标着 v0.1,仓库状态徽章写的是 v0.1.0
- README 里挂着多家 API 中转和云厂商的赞助推广位,读的时候要分清哪些是正文哪些是广告
- 只能在 Node 22.15 加 pnpm 10.33 的环境里跑,要装 Remotion 和项目依赖
看项目详情与各榜名次
把一段口播稿批量做成会动的火柴人动画解说片,14 种画风各有配音、运镜和音效,不用 After Effects 也不用每月 50 美元的剪辑软件。

定位很明确:给不想露脸、想日更的频道做无脸动画。输入是脚本,输出是成片,14 种风格从经典黑白、极简线稿、复古电视到恐龙卡通、橡胶软管动画各有各的调色与运镜,README 里每种风格都配了真实样片。技能形态是可以挂进 Codex 的 skill,配合 agent-skills-manager 使用。仓库同时在卖「解锁更多风格」的路线图,这也是它需要留意的点。
亮点
- 14 种风格全部有真实成片样例可看,不是概念图
- 配音、镜头运动、音效设计一次做完,脚本进去片子出来
- 走 agent-skills-manager 技能体系,能在编码 Agent 里直接调用
优点
- 6781 星、1178 个 fork,是火柴人动画这个细分方向上被用得最多的开源项目
- MIT 许可
- 同作者还做了 78 个旁白样例的兄弟项目,可以互相参考
缺点与注意
- README 明写在做「解锁到 10000 星」的路线图,功能往付费能力上收的意图比较明显
- 样例画面以欧美场景为主,本土题材和中文排版要自己验证
- 免费风格之外的部分效果是否持续免费,仓库没有明确承诺
看项目详情与各榜名次
MiniMax 官方放出 H3-Image 的模型权重,一套能出 1600 万像素图像、并做多图参考编辑的本地生成模型,附带一个把想法写成好提示词的技能。

官方仓库,权重在 HuggingFace 和魔搭上都能下。它主打的是两个别的开源模型普遍做不好的点:一是超大分辨率输出,二是一次给多张参考图做一致性的编辑和多图合成,官方 showcase 分了高级开源能力、创意应用、视觉挑战三组,每组都写了输入参考图和输出图的对照。仓库还带了一个 h3-image-prompt-writing 技能,把一句短想法扩写成完整提示词,能在 Claude Code、Codex、Cursor 里直接用;走 MiniMax 官方 API 渲染需要 MINIMAX_API_KEY,国内平台地址是 api.minimax.cn。
亮点
- 1600 万像素出图,是当前开放权重里分辨率最高的一档
- 多参考图编辑与多图合成是主打能力,官方 showcase 给了「十六个人六个场景」「十张参考图拼出一个客厅」这类对照
- 提示词写作技能可以直接装进编码 Agent,把想法扩写成完整提示词并渲染
优点
- MiniMax 官方仓库,权重同时在 HuggingFace 和魔搭提供
- Apache-2.0 的社区许可在同级别的开放权重里算宽松
- 仓库 206 个文件、151 张样例图,能对照着判断能力边界
缺点与注意
- 许可不是标准开源:仓库 LICENSE 是 MiniMax-H3-Image COMMUNITY LICENSE AGREEMENT,自带地域与用途条款,GitHub 也就识别成 NOASSERTION
- 本地跑要自己准备显存环境和推理依赖,仓库只放了权重与文档,没有一键脚本
- 用技能走 API 渲染要单独申请 API key,且这部分的费用和本地推理不是一回事
看项目详情与各榜名次
华为做的模型无关量化框架:图像、视频、音频、文本模型都能压,1220 亿参数的模型只用 32.5GB 显存、64 分钟就能压完,压完还是标准格式能直接跑。

论文在 arXiv 上,权重在 HuggingFace 上有官方集合。和只做 GGUF 文本量化的工具不同,MACaQ 的后端横跨五条线:Diffusers 走 W4A4 量化扩散模型做图像视频音频生成,llama.cpp 走 2/3/4 bit 的 GGUF,vLLM 支持 W4A4 与纯权重量化,PyTorch 做语音生成,另外还支持昇腾。每个后端单独一个目录、一套独立 Python 3.12 环境。仓库同时提供 MACaQ-R,用来在已有 GGUF 上做二次精修,把质量调高并适配你自己的任务,同时保持标准 llama.cpp 兼容。
亮点
- 1220 亿参数模型只用 32.5GB 设备内存、64 分钟量化完,官方给了和 MR-GPTQ、DuQuant++ 的困惑度对比
- 图像、视频、音频的扩散模型也能量化,Diffusers 侧支持 FLUX.2、Wan2.2、stable-audio 这类模型
- MACaQ-R 可以把已有的 GGUF 再精修一遍,不用从头再来
优点
- 华为官方开源,Apache-2.0 许可,没有商业限制
- 论文、代码、权重三件套齐全,还有昇腾后端
- 各后端独立环境,不会互相污染依赖
缺点与注意
- 要 Python 3.12 且每个后端单独建环境,C++ 内核还要自己编译
- README 里写明 Qwen4-27B 的 MACaQ 量化版是「即将推出」,读者当下拿不到
- Diffusers 侧的图像视频量化路径要另开文档看,主 README 只给了指引
看项目详情与各榜名次
装在安卓手机上的 AI 助手:它在后台自己开微信找人发消息、逛小红书做总结、加购物车,在你自己那块屏幕上什么都不显示。

最有意思的一点是它不靠各家 App 的接口,而是像人一样看屏幕找按钮,所以任何 App 都能用,不挑应用。执行放在一个隐藏后台窗口里,你继续用手机,需要看的时候点一下实时画面即可。它还带一个内置浏览器,在网页上直接说话就能操作当前页面。数据完全留在本机,没有 Mika 的服务器,自己填模型 API key 或者登录 ChatGPT、xAI、OpenRouter 账号都行。用熟之后它会把完成过的任务固化成技能,下一次更快也更稳。
亮点
- 像人一样看屏幕点按钮,不依赖任何 App 私有接口,通用性强
- 后台隐藏窗口执行,主屏照常使用,可以随时点开实时画面查看
- 没有自己的服务器,模型 key 或账号由你自己选,数据留在本机
优点
- 8970 星、2031 个 fork,Trendshift 的 Kotlin 日榜与周榜第一
- Apache-2.0 许可,APK 从 Releases 直接下
- 中文使用场景覆盖得比同类好,微信、小红书、外卖、招聘都有实拍演示
缺点与注意
- 需要 Android 11 以上,且要在设置里走一遍无线调试配对才能操作手机 App
- 手机上跑视觉理解要持续调用模型,官方没有给这一步的耗电或流量数字
- 「后台窗口」在部分国产 ROM 上可能被系统杀掉,稳定性依赖系统策略
看项目详情与各榜名次
让编码 Agent 把你的整个应用一块一块改写成 Rust:每改一块就用事先录下来的原程序行为回放校验,全部对上才算这一块过。

它不做代码翻译,Rust 代码由你的 Agent 或你自己写,它负责 Agent 猜不准的那部分:先 profile 出时间花在哪、该先搬哪一块,再生成桥接层让原代码调用 Rust 时 API 完全不变,然后用 record 把原程序在边界输入上的行为录下来,diff 阶段把 Rust 版对着这批录制逐条回放,最后 bench、shadow、gate 三道关。官方给出的数据是 38251 条录制用例零不匹配。跨语言支持 Node、Python、C、Go、Ruby、Java,PHP 和 C# 在预览阶段。
亮点
- 整条链路是 profile 到 analyze 到 bridge 到 record 到 diff 到 bench 到 shadow 到 gate,每步都有对应命令
- record 会在生成的边界输入上跑原程序,包括非 ASCII、emoji、负零、NaN、整数除浮点这些语义陷阱
- 全应用模式下还有入口点分析与 shadow 并行影子运行,两边同时对外服务以证明行为一致
优点
- 发布一天就 1327 星、88 个 fork,是今天增速最高的新项目
- MIT 许可,crates.io 与 npm 都有分发,另有 macOS、Linux、Windows 预编译包
- 作者写明它与 Rust 基金会无关联,不蹭官方背书
缺点与注意
- PHP 与 C# 的单元级移植还没做完,只能对整个应用做录制回放
- 「录下来再回放」只能覆盖录制到的行为,README 自己单列一节说明它抓不到什么
- 项目才一天大,README 里的性能数字是作者自测,且明确说单次调用 Rust 通常比 JIT 更慢,得找对值得搬的循环
看项目详情与各榜名次
Vercel 把界面里的行为拆出来做成库:键盘导航、焦点管理、选中、关闭、弹层、拖放和配套的无障碍属性都在核心包里,React、Vue、Svelte、Solid、Web Components 各有一层适配。

出发点是组件库里的行为逻辑和组件写在一起,Agent 很难可靠地复用,于是把行为抽成可组合的 primitive:一个组件由 behaviors 定义,框架适配层只负责把这些 part 映射到各自的渲染方式,五个框架的映射表是同一份。同时官方给了一个 ui-sdk 技能给 Agent 装,README 的说法很直接:不用学怎么写,你的 Agent 会写,而且它们写得很好。所以这个库本质是给 Agent 准备的一份界面行为词汇表。
亮点
- 行为与渲染分离,五个框架共用同一份 part 定义
- 焦点恢复、弹层、类型联想这些最难写对的部分由核心包统一处理
- 附带 ui-sdk 技能,可直接装进编码 Agent
优点
- Vercel 官方维护,Apache-2.0 许可
- 5562 星、183 个 fork,文档站公开
- 示例代码在 README 里把五种框架的写法并排列出,迁移成本看得见
缺点与注意
- 处于 beta 阶段,官方明确写了框架、API、文档与行为在正式发布前都可能变
- 仓库有近八千个文件,克隆和构建都不轻
- 只有英文文档,中文团队接入要自己啃概念
看项目详情与各榜名次
给 Claude Code、Codex 和 Antigravity 用的反 AI 味技能:先揪出紫渐变、发光、emoji 标签、夸张文案这些烂摊子,定好方向,再像设计师批注那样一屏一屏改。

作者自己拍了那期 Unslopping 系列,这个技能就是把这套手工流程写成可执行的规程。它的顺序是:先审屏幕并列出问题,再给出方向,你确认后才动手,所以可以在它改坏之前拦住。它不绑定任何框架,Next.js、React、Vue、Svelte、Tailwind、纯 HTML CSS 都能用,甚至只给一个线上链接也能做——那一路要装 Playwright 与 Chromium。做故事视频还要额外装 ffmpeg。仓库里留了改前改后的对照帧可以直接看效果。
亮点
- 先审后改,动手前会给出方向建议,页面已经够好时它会说够好而不是强行重设计
- 不绑定框架,线上链接、本地工程、落地页、仪表盘都能处理
- 仓库留了逐帧对照参考图,能直观看到改前改后的差别
优点
- 17776 星、1046 个 fork,是这批里增速最高的成熟项目之一
- 能装成 Claude Code 插件并按项目或全局分发,团队可以统一规范
- 流程可复现,不像让 Agent 自由发挥那样每次结果都不一样
缺点与注意
- 许可写的是 CC-BY-4.0,这是内容创作许可而不是常见的代码许可,用在软件仓库上是否合适要看具体用法
- 依赖 Claude Code、Codex 或 Antigravity 三者之一,纯手工环境跑不了
- 故事视频那一路还要装 Playwright 的 Chromium 和 ffmpeg,环境准备成本不低
看项目详情与各榜名次
装在编码 Agent 底下的命令过滤器:Agent 跑 git status 时它把 40 行输出压成 3 行摘要再喂给模型,测试日志只留失败项,一条命令装好就不用管。

设计取向是零侵入:跑一次 rtk init -g 注册钩子,Agent 照旧发 git status、cargo test,实际执行的是 RTK 的压缩版本,Agent 读到的已经是裁剪过的结果,工作方式完全不变。覆盖 100 多种命令,单次处理低于 25 毫秒。开发者社区贡献的 bash 压缩器是它最火的部分,作者说这个部分被 8.5 万开发者点过星,现在进一步做的是 pipeline:把重读取交给更便宜的模型、清理 API 流量而不破坏提示词缓存,一个与 Agent 无关的管线文件,可以装现成的、也可以自己写再分享。
亮点
- 零配置零学习成本,装完 Agent 照常用,输出自动变短
- 100 多种命令有专门压缩规则,每条规则上线前必须至少省下 20% 才发版
- 自带用量统计:rtk gain 列出今天和累计省了多少,还能按天、按会话导出
优点
- 86944 星、两千多名贡献者,是这批里工程化程度最高的项目
- Rust 单文件二进制,Homebrew 与 winget 都有,官方也提了 crates.io 上有同名包要注意
- 作者明确写了压缩输出不等于压缩账单,token 数按字节除四估算,百分比可靠绝对值近似
缺点与注意
- Linux 与 macOS 的安装方式是 curl 加管道直接执行安装脚本,介意的话得自己看一遍脚本
- RTK Pro 那部分是收费的控制层,免费版能压缩但企业级治理另算
- 压缩规则是为常见场景写的,遇到输出格式特殊的命令可能反而丢信息
看项目详情与各榜名次
244 个像素画特效,每一段都是一小段代码:火焰、爆炸、天气、拾取物、小怪、UI 特效都能实时播放、改色、镜像,导出成任何引擎都能用的精灵图。

它的方法论来自美术作者 Hugo Duprez 写的那篇怎么用 Claude 画出好看的像素特效,仓库把这件事做成了库级规模加一个技能:效果代码是黏土,信任你的眼睛,拿参考图喂给它。每个带角色的特效都演完整套动作,蓄力、释放、命中僵直、恢复,被击中的目标也有反应,十二个完整招式能把特效串成一套攻击。作者写明方法来自 Sprite Fusion 的开源效果并做了适配。仓库还挂了一个配套平台,可以把效果直接拼成浏览器小游戏。
亮点
- 244 个特效分类成 40 多组,每组都有明确清单文档
- 带角色的特效动作完整,能串成从蓄力到恢复的连续招式
- 能实时播放、换色、镜像,导出精灵图给任意引擎用
优点
- 7990 星、1043 个 fork,像素动画方向的参考实现
- MIT 许可,有公开画廊可以先看再决定
- 附带的 Claude Code 技能让 Agent 按像素画家的口味继续做新的
缺点与注意
- 244 个特效一次全装进浏览器会明显卡,README 自己建议只挑需要的用
- 面向的是像素风游戏与动画,做写实或者高分辨率素材用不上
- 配套平台那部分和开源库是两套东西,别混在一起理解
看项目详情与各榜名次