guopeiAI

《智能体开发指南》是一份基于国产大模型与火山引擎的入门教程，完整介绍从环境配置到实战案例的智能体开发全流程。内容涵盖大模型接入、MCP构建、RAG、ReAct等核心技术，以及Coze平台实践和LangChain应用。教程特别适合国内开发者，无需翻墙即可快速上手。通过12个由浅入深的章节，帮助读者掌握智能体开发核心技能，并附有本地部署框架deer-flow的实践指南。文档最后鼓励开发者持续学习，共同推动国产AI生态发展。

「HTML-Video」是一款开源的AI视频生成工具，通过粘贴链接或GitHub仓库即可自动生成带动画的MP4视频。它支持14种AI Agent和21套精选模板，采用本地无头Chromium+ffmpeg渲染，完全开源且无需云端依赖。核心优势在于将HTML转换为视频的自动化流程，支持网页文章、GitHub仓库和自然语言描述三种输入方式，并能自动编排内容、选择模板、生成多帧动画。项目采用Apache 2.0许可证，适合需要快速制作产品宣传、数据可视化等视频的场景，大幅降低了视频制作门槛。（149字）

LongCat-Video 是美团 LongCat 团队交出的一份重量级开源答卷🏗️统一架构：T2V + I2V + 视频续写，一个模型全搞定🎬分钟级长视频：原生预训练续写，无色偏无画质退化⚡高效推理🏆性能对标商业方案：MOS 综合 3.38，反超 Wan 2.2（3.35），持平 PixVerse-V5（3.36）🧑：Whisper 编码器 + 蒸馏加速 + INT8 量化 + 风格泛化📜MIT 协议：模型权重也是 MIT，商用无忧推荐指数：⭐⭐⭐⭐⭐。

摘要：LiveTalking是一款开源商用级实时数字人解决方案，支持音视频同步对话、打断重说、声音克隆等功能，RTX 3060显卡即可实现60帧流畅运行。相比商业方案，它具有Apache 2.0开源许可、低延迟、多模型支持等优势，适用于直播、客服、教育等场景。用户可通过5步快速部署：克隆代码、安装环境、下载模型、启动服务、浏览器访问。系统采用四层架构，支持插件扩展，提供多种推流协议和API接口，并已通过商业验证。

清华大学与面壁智能联合开源的PilotDeck是一款革命性的AI Agent操作系统，通过三大核心技术突破行业瓶颈：1）WorkSpace隔离机制实现多任务并行且记忆不污染；2）白盒记忆系统使AI记忆全程可追溯、可修改；3）智能路由技术根据不同任务难度自动分配模型，实测可降低5倍Token成本。该系统支持端侧运行，提供一键安装和Docker部署方案，适用于长周期、多项目并行的生产力场景，让AI在用户离线后仍能持续工作并生成汇报。开源地址：https://github.com/OpenBMB/PilotDec

Codex++ 是 OpenAI Codex App 的增强工具，通过外部注入方式提供多项实用功能，无需修改原始文件。主要特点包括：解锁插件入口、支持中转 API 注入、新增会话删除功能、Markdown 导出、项目移动等。工具采用双入口设计（静默启动器+Tauri管理面板），通过 Chromium DevTools Protocol 实现安全注入，支持多配置切换和自动更新。适用于 Windows 和 macOS 平台，特别适合需要灵活使用中转 API 或增强 Codex 功能的开发者。项目地址：https

这篇文章介绍了一个名为Architecture Diagram Generator的开源工具，它能通过自然语言描述自动生成专业架构图，主要特点包括： 一键生成：只需用自然语言描述系统架构，Claude AI即可自动生成专业级暗黑主题架构图 便捷导出：支持导出PNG/PDF格式，生成的独立HTML文件无需额外依赖 智能设计：采用语义配色系统（前端蓝/后端绿/数据库紫等）、智能布局和等宽字体 高效迭代：支持对话式修改，无需重新绘制 多场景适用：支持Web应用、微服务、云服务等多种架构类型 该工具基于Claude

OpenMontage 是一个革命性的 AI 视频创作框架，能将编码助手转变为全功能视频工作室。它通过 12 条生产线、52 个专业工具和 500+ Agent 技能，实现从调研到成片的端到端自动化制作。相比当前 AI 视频工具的局限性（短片段、无故事性、缺乏参考等），OpenMontage 支持参考视频驱动、真实素材剪辑、内置网络调研和成本治理等核心能力。系统采用独特的 Agent-First 架构，以 AI 编码助手为编排器，遵循 7 阶段标准化流水线（调研→提案→剧本→分镜→素材→剪辑→合成），支持无

ViMax：全自动AI视频生成多智能体框架

文章摘要 Taste Skill 是一款专为AI编码助手设计的技能插件，旨在解决AI生成界面普遍存在的"AI审美"问题（如紫色渐变、居中布局等）。它提供三旋钮系统（设计变化度/动效强度/视觉密度）精确控制输出风格，内置反AI味规则清单禁止常见模板化设计，并支持自动匹配主流设计系统（Material/Fluent等）。核心功能包括智能需求推断、设计系统映射、暗色模式支持、组件库标准化和发货前检查清单。安装简单，支持10种风格变体，可显著提升AI生成界面的专业性和独特性。项目开源，适用于React/Vue/Sv

摘要： Open Lovable 是一款开源工具，输入网址即可自动生成 React 代码，实现网站秒级克隆。支持 8 种 UI 风格切换（如玻璃拟态、暗黑模式等），集成 GPT-5、Claude 等主流大模型，通过 Firecrawl 爬取网页内容并结构化，AI 生成可运行的 React 项目。还提供品牌风格扩展、实时沙箱预览等功能，适合快速原型设计、学习或竞品分析。需配置 API 密钥，依赖 Firecrawl 爬虫服务，技术栈基于 Next.js 15 和 Tailwind。 核心亮点： 🔥 输入 U

VoltAgent 是一个全栈开源的 TypeScript AI Agent 开发框架，提供从开发到运营的一站式解决方案。核心功能包括： 完整运行时 - 集成记忆管理、RAG检索、安全护栏、多工具调用等核心能力 工作流引擎 - 声明式多步骤自动化，支持人机协同(Human-in-the-Loop) Supervisor模式 - 主Agent协调多个专业子Agent的团队协作 生产级特性 - 持久化记忆、断线恢复、语音交互、内容安全护栏等 可视化运维 - 通过VoltOps Console实现实时监控、性能分

Understand Anything 是一个Claude Code 插件，用多 Agent 流水线分析项目，构建知识图谱，提供交互式可视化 Dashboard 来探索代码库。把任何代码库/知识库/文档变成可交互的知识图谱——Tree-sitter 确定性解析 + LLM 语义理解双引擎，7 Agent 流水线，15 平台一键安装，增量更新，团队共享。📜 开源协议：MIT License👤 作者：Lum1104免费（MIT 开源）是目前最好的代码库知识图谱工具核心优势说明🕸️三大视图。

Anthropic团队宣布改用HTML撰写文档，认为HTML比Markdown更利于读者阅读。为此，开源项目HTML Anything应运而生，它能通过AI Agent将Markdown/CSV/JSON等格式内容一键转换为精美排版的单文件HTML，支持75种模板和9种输出形态（如文章、幻灯片、海报等）。该项目无需API密钥，自动检测8种编程助手，可一键导出至微信/X/知乎等平台，由Open Design团队开发并开源。核心优势包括流式渲染、沙箱预览和格式自动检测，30秒即可快速上手，适合需要高效内容发布的

OpenScreen是一款免费开源的屏幕录制工具，可作为Screen Studio的平替方案。它具备录制窗口/区域/全屏、麦克风+系统音频采集、摄像头画中画等核心功能，支持自动缩放+运动模糊特效，提供多种精美背景模板，能通过模糊效果遮挡敏感信息，还具有光标高亮、文字/箭头标注、时间线剪辑等实用特性。支持导出MP4/GIF多种格式和比例，跨平台兼容macOS/Windows/Linux，采用MIT开源协议，个人和商业用途均可免费使用。相比Screen Studio每月29美元的费用，OpenScreen以零成

文章摘要 GreenSock 官方发布了 8 个 AI Skill，帮助开发者通过 AI Agent 正确使用 GSAP 动画库。这些技能包覆盖核心 API、Timeline 编排、ScrollTrigger 滚动动画、Flip 布局动画等关键功能，解决了 AI 生成代码中常见的过时 API、误用 CSS 动画等问题。特别值得注意的是，自 Webflow 收购 GSAP 后，所有插件（包括之前付费的 SplitText、MorphSVG）现已完全免费，无需认证令牌。开发者只需 npm install gsa

文章摘要 Oh My PPT 是一款开源本地化 AI PPT 工具，支持一句话生成完整幻灯片，30+风格可选，无需注册和联网。核心特性包括：四种创作方式（对话/文档/模板/图片识别）、可视化编辑、动画系统、字体管理、演讲稿生成等。采用HTML格式，支持导出PDF/PNG/PPTX，还能打包成单文件。基于Electron+React+TypeScript开发，MIT协议开源，保障数据隐私，适合商务汇报、教学演示等场景。解决了传统AI PPT工具格式固定、修改困难的问题，提供更灵活的本地化编辑体验。 （149字

阿里开源Agent框架AgentScope 2.0发布，带来六大核心升级： 事件流系统：支持类型化事件流，实现实时监控与流式UI 三层权限引擎：内置危险路径保护，提供5种权限模式，Deny规则无法绕过 沙箱工作区：支持本地/Docker/E2B一键切换，增强隔离性 人机协作：关键操作需人工确认，支持暂停/恢复机制 高效执行：工具并发调用+自动上下文压缩，优化长对话处理 Agent服务：内置多租户支持，开箱即用的REST+SSE服务 该框架采用"充分发挥模型能力"的设计哲学，不限制Agent工作流范式，5分钟

OpenAI推出的Symphony项目彻底改变了人机协作模式，让AI Agent自主完成编码任务。工程师只需审查结果，不再需要手动操作AI。该项目源自OpenAI内部实验：3名工程师5个月内通过Codex生成了100万行代码。Symphony核心架构包含8大组件，通过WORKFLOW.md文件定义工作流程，实现任务自动领取、独立工作区创建、代码编写和PR提交的全流程自动化。这一创新将工程师角色从"AI操作员"转变为工作管理者，大幅提升开发效率。

这篇文章介绍了Awesome DESIGN.md项目，这是一个包含73个全球顶级品牌设计系统的开源资源库。该项目通过简单的Markdown文件格式，为AI提供精确的设计规范，解决AI生成UI时"差不多"的问题。 核心亮点包括： 采用Google Stitch提出的DESIGN.md概念，纯文本格式便于AI直接读取 覆盖AI平台、开发者工具、金融科技、电商零售等多个领域的知名品牌 每个DESIGN.md文件包含完整的视觉特征：颜色、字体、间距、组件等设计规范 与传统设计系统相比，无需转换格式，任何文本编辑器都

入门简单，做起来难。写一个单 Agent 的 Hello World 只需 3 行代码，但一进入多 Agent 协作、工具集成、生产部署，代码量就指数级膨胀。PraisonAI5 行代码，从单 Agent 到整支 AI 工作团队。更让人惊叹的是，这个项目被——Musk 发推提到 “Grok 3 customer support”，引用的正是 PraisonAI 的教程。5 行代码部署 24/7 AI 自动化团队——研究、规划、编码、执行，自带记忆和 RAG，支持 100+ LLM。📜 开源协议：MIT。

这篇文章介绍了一个创新的HTML幻灯片模板库"Beautiful HTML Templates"，包含34套精心设计的模板，通过AI Agent实现智能匹配和自动排版。主要特点包括： 采用Tone-First Matching理念，通过8维元数据标签（情感、场景、风格等）智能匹配模板 模板分为四大风格：编辑杂志风、温暖自然风、活泼趣味风和专业商务风 每套模板包含完整的前端代码和元数据，支持AI Agent自动克隆和内容替换 独特的"感觉优先"设计哲学，打破传统按行业分类的模式 适用于各类演示场景，从商务报告

做演示文稿这件事，长期以来只有两条路：要么用 PowerPoint/Keynote 拖拽排版，要么用 reveal.js/Slidev 写代码。前者费时费力还容易做得丑，后者门槛高且调试痛苦。给出了第三条路——让 AI 帮你做，你只需要"看"和"选"。它是一个 Claude Code 技能（Skill），专门用来创建动画丰富的 HTML 演示文稿。最妙的是它的""理念：不需要你用语言描述"我想要什么风格"，而是直接生成 3 种视觉预览让你对比选择——看一眼胜过千言万语。

Shotcut是一款免费开源的专业级视频编辑器，经过20年持续迭代已发展成熟。核心优势包括：永久免费开源、真正跨平台支持、无需导入直接编辑、专业监看支持和4K/8K分辨率处理能力。功能方面提供多轨道时间线编辑、丰富的视频滤镜（含10-bit色彩管线）、专业音频处理、语音转文字、字幕工具等。基于MLT框架和FFmpeg等技术栈，支持多种硬件加速。最新v26.4版本新增GPU加速语音转文字、任务栏进度显示和LUT文件支持等功能。作为一款功能全面且无商业限制的开源软件，Shotcut为视频创作者提供了专业级Pre

《一人企业方法论》是一套面向独立开发者和创业者的6万字实践指南，提出了不融资、不内卷的个人创业路径。核心内容包括四大模块：定义一人企业（区别于个体户和创业公司）、规划策略（聚焦小众刚需赛道）、业务构建（从副业验证开始）和基础设施搭建（自建可控技术栈）。最新2.1版本新增了AI Agent技能集，提供9个自动化工具辅助商业分析、产品设计和运营复盘。该方法论强调通过认知差和资产杠杆实现"小而美"的商业模式，特别适合数字产品、在线服务等轻资产领域，帮助个人以极低成本启动可持续的被动收入业务。

剪映越来越贵、Premiere 太重、DaVinci 太专业、在线编辑器要上传视频到云端。你想要的其实很简单——一个够专业、够快、够安全、不要钱的剪辑工具。就是这个答案。它是开源界的剪映替代品，一个完全在浏览器中运行的专业视频编辑器，不需要安装任何软件，不需要上传视频，不需要付费订阅。浏览器里跑的 DaVinci Resolve——开源、免费、隐私、GPU 加速。📜 开源协议：MIT📊 代码规模：130,000+ 行。

AI视觉创作工具包baoyu-skills为AI Agent提供24种视觉创作技能，涵盖内容生成、AI图片创作和实用工具三大类。核心功能包括：一键生成小红书卡片（12种风格×6种布局）、专业信息图（20种布局×17种风格）、SVG架构图（5种图表类型）以及PPT幻灯片等。该工具包支持Node.js环境，采用MIT-0开源协议，能显著提升AI在视觉内容创作方面的能力，实现从文案到出图的全流程自动化。

OfficeCLI 是一个革命性的开源工具，专为AI Agent设计的Office自动化解决方案。它通过单一命令行接口实现了对Word、Excel和PPT的完整控制，无需安装Office软件或编写复杂代码。该项目采用.NET技术栈，提供创建、读取、修改文档等核心功能，支持实时预览和结构化JSON输出。相比传统python-pptx等库需要数十行代码的操作，OfficeCLI只需一行命令即可完成，极大简化了AI操作Office文档的流程。其独特的内置渲染引擎让AI能"看到"文档效果，解决了传统自动化工具"盲操

用 Claude Code 的朋友一定有过这种痛苦体验——每次开新会话，AI 就像失忆了一样。你精心解释过的项目架构、踩过的坑、做过的技术决策，全都烟消云散。你得从头再来一遍。claude-mem就是来终结这个痛点的。它是一个为 Claude Code 打造的持久化记忆压缩系统，能自动捕获 Agent 在会话中的工具使用行为，生成语义摘要，并在未来会话中智能注入相关上下文。你的 AI 终于能"记住"之前做过什么了。给 AI Agent 装上长期记忆，让上下文跨会话存活。

这篇文章介绍了一个名为Open Design的开源AI设计工具，它作为Claude Design的替代品，在两周内获得了40k+的Star。以下是关键要点： 核心优势：开源、本地运行、支持16种AI Agent和31个可组合技能，完全免费 主要功能： 129套品牌设计系统 多媒体生成能力（图片/视频/动效） 5种视觉风格预设 支持多种导出格式（HTML/PDF/PPTX等） 技术特点： 采用Next.js + Express + Electron技术栈 本地SQLite存储 支持Claude Design项

open-slide：AI驱动的幻灯片框架革新 摘要：open-slide是一款创新的开源幻灯片框架，通过AI编码助手实现自然语言生成专业PPT。用户只需描述需求，AI即可自动编写React代码生成幻灯片，支持1920×1080固定画布、任意React组件、浏览器内审查修改、演讲者模式等功能。项目采用pnpm+Turbo架构，内置/create-slide和/slide-authoring技能，实现评论驱动的快速迭代。相比传统PPT工具，open-slide在技术分享、产品演示等场景下效率更高，但需要基本的

NarratoAI 是目前 GitHub 上少有的AI 影视解说+自动化剪辑一站式工具，它将视觉理解、文案生成、TTS 配音、自动剪辑四大环节串联成完整流水线，让影视解说从"手工活"变成"流水线"。对于想要快速批量产出影视解说内容的朋友来说，NarratoAI 绝对值得一试。搭配硅基流动等低成本 API 平台，一条 10 分钟的解说视频成本可能还不到一毛钱。🔥推荐指数：⭐⭐⭐⭐（4/5）扣一分是因为自动剪辑精细度还有提升空间，但整体完成度和更新节奏在同类项目中表现优秀。

PPT Master 是目前唯一一个认真做"AI 生成真正可编辑 PPT"的开源项目。它的核心理念很简单——打不开编辑的文件不配叫 PPT。在这个理念下，它用 DrawingML 原生输出、模板复刻、原生动画、旁白配音、语音克隆、视频导出一整套能力，覆盖了从内容生成到最终交付的完整链路。加上开源免费、数据本地、无平台锁定、模型任选的设计哲学，它不只是又一个 AI PPT 工具，而是一个真正站在用户立场上的生产力方案。🌟推荐指数：⭐⭐⭐⭐⭐。

告别手动画图！这个开源项目让你用自然语言描述系统，即可自动生成7种风格的高清技术架构图（SVG+PNG）。支持14种UML图类型，特别优化AI/Agent领域，提供语义形状和箭头系统，内置40+产品图标。相比Mermaid和draw.io，它能实现"描述即出图"，无需学习语法或手动调整样式，大幅提升架构图制作效率。安装简单，支持中英文输入，是技术文档、博客和演示文稿的理想工具。

一键生成学术PPT的开源神器Paper

摘要： Skills Manager 是一款轻量级桌面应用，帮助开发者统一管理 15+ AI 编程工具（如 Cursor、Claude Code、Copilot 等）的 Skills。通过集中存储、场景切换和批量同步功能，解决多工具 Skills 配置混乱的问题。支持从 Git/本地/市场安装 Skills，提供 AI 搜索、标签分类、Git 备份及项目级管理，实现跨工具、跨设备的无缝工作流切换。基于 Tauri 2 + Rust 构建，具有高性能和低资源占用特点，适合团队协作及多场景开发者使用。 核心功能

《GitHub热门第一！Claude Code速成指南》介绍了一个开源教程项目，该项目通过可视化图表和可复制模板，帮助用户快速掌握Claude Code。教程包含10大模块，涵盖斜杠命令、Hook脚本等核心功能，提供渐进式学习路径和自测评估。项目采用MIT协议，支持多语言和离线阅读，15分钟即可上手使用。相比官方文档，该指南更注重功能组合和实战应用，适合不同水平的用户。目前项目保持与Claude Code同步更新，但仅聚焦于该工具本身。

【短视频工厂：AI自动化短视频生成神器】这个开源项目通过AI技术实现短视频全流程自动化生产，用户只需输入提示词和素材，即可自动完成文案生成、语音合成、视频剪辑和字幕添加。支持跨平台运行（Windows/macOS/Linux），兼容主流AI接口，内置EdgeTTS语音和FFmpeg视频处理，能批量生成高质量短视频。特别适合自媒体运营、电商从业者快速制作营销内容，具有本地运行、数据安全、操作简单等优势，虽然字幕样式和语音选择还有提升空间，但已能显著提升短视频生产效率。

slides2video 是一款开源工具，可将 PPT 幻灯片一键转换为带 AI 旁白的视频。它使用豆包 TTS 语音合成 API，支持 100+ 音色，包括普通话、方言、英语及 IP 仿音。工具支持 HTML 幻灯片或 PNG 图片输入，通过四阶段流水线处理，独创 PCM 无缝拼接技术消除音频间隙。安装简单，5 分钟即可上手，支持断点续跑和自定义音色，是制作演示视频的高效解决方案。

pi-mono是一个开源的一站式AI Agent工具包，由libGDX作者开发。它采用Monorepo架构，包含7个紧密协作的包：统一LLM API调用、Agent运行时管理、编码Agent CLI、终端UI库、Web组件、Slack机器人和GPU Pod管理。核心亮点包括支持20+LLM供应商的统一接口、可扩展的插件系统、会话分支管理、Token成本追踪等。通过简洁的CLI工具和TypeScript扩展，实现了高度灵活的AI编程助手功能，同时避免了过度复杂的架构设计。