正在整理你需要的资料…
站内每天采集到的 GitHub 开源项目,一共 574 个符合当前条件。 每条都配了中文说明和适用场景 —— 仓库自己的英文描述对中文读者没什么用。
一支 MV 从点子到成片,按次付费的云端工具会吃掉大半预算。Maestro 全程跑在你自己机器上:Director 模式从一句提示规划整支音乐视频或短片,Studio 模式给出可手动多轨剪辑的编辑器,底层是 WanGP 管线;本地模型自己挑,外部 AI 服务只是可选项。授权继承自上游 Wan2GP,属非商用评估许可。
在 ChatGPT 里问「帮我安排旧金山的一天」,回来的不是一段文字,而是一张地图、几张照片和一份能改的行程表。open-intelligent-ui 用开源组件把这套「智能 UI」复刻出来:答案流式输出成可交互界面,引用、代码与公式块都在,HTML 还能在沙箱 iframe 里跑起来。
线上炸过的问题,回归测试里往往没有。Tracely 以 trace 为原生数据,按 OTLP 收进线上链路,逐条打分、把失败聚成 issue、冻成可重放用例,在 PR 上拦下复现的改动。后端 Postgres+pgvector、ClickHouse、Redis、MinIO、FastAPI,前端 Next.js。
ComfyUI 的节点图要一格格点,批量出图更烦。comfyui-mcp 由 MCP 服务器加侧栏 Agent 组成,能生成图像视频音频、编排并运行工作流、用自然语言改实时节点图,178 个工具、36 个技能,任意 LLM 都接得住。一份配置通吃本地、局域网、VPS 或 Comfy Cloud。
Agent skill for hill-climbing local LLM serving speed (decode, speculative decoding, prefill, KV, startup, TTFT) on any hardware and quantization
Web、小程序和安卓 iOS 的活儿散在好几套工具里,证据还要手工汇总。「全链哨兵」把它们收进同一个中文 Web 控制台:Web 渗透、安卓和 iOS App 测试、批量打点、自动化应急响应、开源漏洞监测,仪表盘汇总任务和漏洞,项目按容器隔离,内置审批模式、MITM 中心与 WebFuzz 工作台;版本 2.3.0。
长视频里场景一改就变脸,世界模型这块一直难做。Solar 开源框架给出两块:长时程视频世界模型 SolarWM 开放 143 万条视频片段、完整数据流水线和 5B–33B 四种骨干的权重;结构化条件视频渲染器 SolarRenderer 四步出片,还能实时交互式生成。
给 AI 描述一个界面 bug,写三段话不如录一段。scrawl 按下快捷键开始录屏,你可以边说边在画面上画,结束后把屏幕、语音和手写标注打包成关键帧拼图、逐字稿与结构化清单;配上 skill,Claude Code、OpenCode、Codex 能直接读。需要 Apple 芯片 Mac 与 macOS 15 以上,Windows 版还没签名。
一部漫剧从点子到分镜,提示词得写好几轮。ai-manju-skills 备好 21 个题材的 AI 漫剧全流程技能包,发一句故事点子,就能拿到企划案、资产图提示词、分集剧本、分镜图与视频提示词,连发布文案都带上。每个模板就是一个 SKILL.md,不用装任何依赖,粘进对话就能开工。
同一张图要在 GPT、Grok、Gemini、NovelAI 间来回试,提示词和参数一丢就白干。ima2-gen 把这些和本地 ComfyUI 工作流收进同一套界面,浏览器、Mac App、命令行都能用,也能当 MCP 交给编码 Agent;每次生成都记着提示词与参数,节点图能分叉多路,可抠图导出带 alpha 的图。
长篇小说改成短剧,中间隔着剧本、分镜、角色设定好几道工序。Reveric「幻界」是智能体为核心的桌面创作工作台:作品存本地 SQLite,章节、大纲、人物、伏笔放在同一个工作区且向智能体开放,模型按需自选(OpenAI、Anthropic、Gemini、DeepSeek、Seedance、H3),从小说一路写到成片。
图像、视频、配音和文案散在几个平台,就是一次次填 key、一次次等。flatkey-cli 把它们收进一条命令行:一个 API Key、一份额度余额通吃图像、视频、语音和文本,--json 输出干净好接脚本,--output 直接把文件落到本地,还能列出可用模型、语音和剩余额度。macOS、Linux、Windows 都有 npm 包。
内容有没有被 GPT、Perplexity 抓走,站长后台其实看不到。GEOInflow 自托管,把网站访客、AI 搜索引荐、服务器爬虫日志和内容清单汇总到同一站点视角,给出 GEO 报告、爬虫证据与转化归因。由猎看科技与北京日报社智源 GEO 联合发布,MIT 协议,自部署要备 PostgreSQL 等环境。
Agent 改完代码要你点一下「允许」,却只把这句话打进你根本没看的终端。bigarrow 是 macOS 命令行工具,在任何窗口上画大箭头、方框和文字指引:点击可穿透、键盘焦点不丢,画完自动消失。另附 Claude Code 和 Codex 的 Agent Skill,一张图就能告诉你它刚才点了哪里。
批量产中文短视频,最怕供应商半夜抽风。这条流水线把选题到分发拆成七层且各层可替换:FastAPI 编排,Spring Boot 管鉴权、路由、熔断、计量与全链路可观测,Java 网关用 Resilience4j 聚合 Qwen、GLM 并在供应商失败时自动切换,CLIP 判图文一致,trace_id 打通 Java 与 Python。
把一台计算机直接编译进语言模型的权重里,可解释性研究里少见的方向。qwenputer 把 RISC-V CPU 塞进 Qwen3.5-4B,前置 11 层 Transformer 当 CPU,借模型自身的 Gated DeltaNet 状态当内存,不经过任何外部工具调用,跑得动 C 和 MicroPython 程序。
Steam 库存里的饰品到底值多少钱,摊到社区市场和各大现金平台上各算一遍才说得清。steam-stash-value-report-card 在命令行里给 CS2、Dota 2、TF2 等游戏的库存同时定价,输出可分享的成绩卡 PNG,每张图带 card.json 边车文件可离线重渲。Windows 免安装版直接跑。
An agent skill that draws animated icons in one consistent style, for Claude Code, Codex and other coding agents. Comes with 2,600+ open-source icons for React, Vue and SVG, and a website to browse them.
模型写的说明文读着像机器味,光删几句套话不够 —— 多数 humanizer 只去掉「Great question!」这类开场,句子照样又长又绕。这个 Agent 技能分两遍改写:先摘掉 Wikipedia《Signs of AI writing》里的 26 个写作特征,再把句子往航空手册的 ASD-STE100 受控英语方向重写八成,一句一个意思、主动语态。
查资料、填表、抓网页这类重复上网操作,手点一遍就是一遍。Outcrawl 开源的 Scout 用真实浏览器按自然语言指令读、点、输入、滚动,直到任务完成才交回结果;完不成时说明缺什么,并返回已经拿到的信息。跑在 Outcrawl 云端最稳,浏览器有验证码处理和运行回放,自己本机跑也行,需要 Node 22 以上。
把 DeepSeek 塞进自己的微信账号,它会在群里接话、记住私聊里说过的事,还发表情包、语音和每日日记。鲸鲸是本地跑的:Windows 桌面端加 WPF 启动器,没有浏览器界面,127.0.0.1:8787 只开本地 HTTP API;安装包自带 Node.js、Python 3.12 和 .NET 10 运行时。
一条知识短片要过选题、查证、写稿、配音、成片、质检发布,渲染管线自己搭很累。vibe-knowledge 是 Claude Code 技能,把一个知识点走完全流程:内置 44 套视觉风格与三套渲染方案,画面由代码逐帧渲染、旁白配音一并生成,交付 1080p60 成片和发布包,全程在对话里完成。
让智能体自己改自己的目标、触发器和工具,改完还跨任务保留——这是研究假设,不是现成产品。Octopus-SI-OS 用约 4.5 万行 Rust 内核把能力做成可组合的契约:Agent 可自行修订目标、触发器、工具与上下文,一个智能体底层不过两个 JSON 文件,想开几个开几个。需要 macOS 14 以上与 Node 24。
想讲一条财经新闻,又不会写脚本、配音和剪画面?wallstreet-explainer 是给 AI 编程工具用的短片技能包,给它一个选题,它自动走完写文案、找新闻截图、抠当事人、配音、渲染到混音的整条流程,成片是金色大数字加深蓝织物底、镜头一直在走;样片《打仗了,黄金为什么反而跌》29 秒。