IDEAS CONNECT PROJECTS
从一个标签出发，打开一份值得研究的档案。
共 115 个项目
以下内容已由 AI 根据历史资料整理，供本地测试，未经人工复核。
将十年设计经验编码为规则，让 AI 生成专业级 HTML 演示文稿的开源技能
guizang-ppt-skill 是由设计师歸藏开发的开源 AI Agent 技能，用于在 Claude Code、Codex 等环境中生成专业级横向翻页 HTML 演示文稿。它通过 SKILL.md 定义工作流和约束，将设计经验转化为自然语言硬规则，让 AI 在约束内执行，而非自由发挥。项目提供两套视觉系统：电子杂志风（Style A）适合叙事与个人风格，瑞士国际主义风（Style B）适合事实、产品与分析。瑞士风包含 22 种锁定版式、16 列网格和自动校验脚本，确保版式合规。核心设计决策包括不允许自定义颜色、单一视觉锚点、结构优于装饰等。此外，项目支持在 Codex 环境中通过 GPT-Image 2.0 生成配图，并可生成多平台封面（如公众号 21:9、小红书 3:4、视频号 16:9），实现从大纲到 PPT、配图、封面的全链路闭合。项目以 MIT 协议开源，GitHub 上获得 7.2k+ Stars。
从传统RAG到LLM Wiki，一文看懂五大知识检索技术流派
本文档是一份关于知识检索技术的深度对比指南，系统梳理了当前领域的五大技术流派：传统RAG、PageIndex、SirChmunk、MinerU和LLM Wiki。文档从技术概述、问题背景、核心思想、核心原理、系统架构、关键流程、技术关系、应用场景、工程落地、优缺点与适用边界等多个维度进行了全面分析。文档指出，传统RAG存在语义碎片化、静态索引僵化、近似匹配不等于真正相关、文档解析能力弱、知识不累积等五大结构性缺陷。针对这些痛点，PageIndex通过构建文档语义树实现推理式树搜索，SirChmunk采用无索引实时扫描与自进化缓存，MinerU作为文档解析上游基础设施提供高质量输入，LLM Wiki则通过编译式知识管理实现知识累积复利。文档强调，未来知识检索一定是混合方案，根据查询类型自动选择检索策略，没有银弹。
Claude Code 的虚拟工程团队，23 个角色斜杠命令即用
GStack 是围绕 Claude Code 构建的开源工具体系，定位为“虚拟工程团队”，通过 23 个角色 Skill 和 8 个工具 Skill，将 Claude Code 配置成 CEO、设计师、工程经理、QA、安全官等角色自动协作。其核心原理是角色化 Slash Command 系统，每个斜杠命令对应一个工程角色，如 /review 为代码审查员、/qa 为测试工程师。GStack 支持多 Agent 兼容，不只支持 Claude Code，还支持 Codex CLI、Cursor、OpenCode、Kiro 等 8 个 AI 编码 Agent。安装结构为纯 Markdown 文件，没有代码依赖和框架锁定，通过 ./setup --team 可让整个团队共享同一套工具，自动更新，零版本漂移。报告提及 Garry Tan 本人 60 天写了 60 万行代码（35% 测试），日均 10-20k 行，作为真实验证过的产出数据。
Claude Code 的“使用说明书”——系统化的技能、代理、命令最佳实践
Claude Code Best Practice 是一套围绕 Claude Code 构建的开源工具体系，定位为 Claude Code 的“使用说明书”，提供系统化的技能、代理、命令最佳实践。它旨在解决 Claude Code 功能丰富但官方文档分散、缺乏“什么场景用什么方案”决策指导的问题。项目采用 Commands → Agents → Skills 三层编排，简单任务用 Commands，复杂任务用 Agents，可复用能力用 Skills；并采用 Best Practice + Implementation 双轨制，每个功能都有最佳实践文档和实际实现代码。项目汇集了 Everything Claude Code、Superpowers、Spec Kit 等社区顶级方案，提供场景驱动、对比矩阵式的决策指导，帮助开发者降低学习曲线，提升功能利用率。
社区驱动的 GPT Image 2 提示词策展平台，提供已验证提示词与多语言支持
YouMind GPT Image 2 提示词库是一个由 YouMind 团队维护的社区驱动型 AI 图像提示词集合平台，覆盖 OpenAI GPT Image 2 模型。截至 2026 年 4 月 21 日，平台已收录 725+ 条提示词，并以每日更新的速度持续增长。平台提供 Web Gallery 和 GitHub 开源仓库两种使用方式，支持 16 种语言版本，采用 CC BY 4.0 开源协议。核心功能包括瀑布流布局、全文搜索、分类筛选、AI 一键生成以及社区投稿系统。平台从用途、风格、主体三个维度对提示词进行分类，共 44+ 个类别。此外，部分提示词支持 Raycast Snippets 集成，便于用户模板化使用。平台通过 GitHub Actions 每 12 小时自动同步更新，确保内容时效性。
用 Prompt 模板驱动 AI 生成 HTML 动画的示例与模板集合
AI Animation 是一个由 Unclecheng 开发的 AI Prompt 模板集合项目，专注于用 AI 生成炫酷的 HTML 动画网页。项目包含分类整理的 Prompt 模板、多种预置 HTML 动画示例（技术可视化、PPT 模板、3D 效果等），配合 Trae、Claude、GPT-4o 等 AI 工具使用。项目定位为 AI 辅助内容创作与教育可视化，目标用户包括教育者、内容创作者和技术博主。核心能力包括技术概念可视化、PPT 风格模板、3D 效果演示、UI 参考重构以及纯前端零依赖实现。所有动画示例基于 HTML5、CSS3 和原生 JavaScript，不依赖任何外部库。项目提供 40+ 个预置 HTML 动画文件，涵盖网络协议、AI/ML 概念、PPT 模板等类别，可直接在浏览器中打开使用。项目采用 MIT 协议，但明确仅限学习研究，禁止商业用途。
Yeachan-Heo/oh-my-codex为 OpenAI Codex CLI 提供结构化工作流、多 Agent 协作与持久化状态管理的开源增强层。
OMX（Oh My Codex）是 OpenAI Codex CLI 的工作流增强层，它不替代 Codex，而是在其上叠加结构化工作流、多 Agent 协作、持久化状态管理和专业角色系统。它主要解决 Codex CLI 缺乏结构化工作流、多任务并行时缺少团队协调机制、项目状态与计划无法跨会话持久化、缺少专业角色分工等问题。其核心是四个 Skill：$deep-interview 用于澄清需求边界，$ralplan 用于生成并审批实现计划，$ralph 用于单人持续执行到完成，$team 用于基于 tmux 的多 Agent 并行执行。所有计划、日志、记忆和运行时状态都持久化在项目本地的 .omx/ 目录中，并通过 Codex 原生的 .codex/hooks.json 机制集成。OMX 主要针对 macOS/Linux 平台优化，并锁定 OpenAI Codex 生态。
为 AI Agent 提供身份、支付与技能的全景金融基础设施平台
B.AI 定位为 AI Agent 经济时代的基础设施层，于 2026 年 4 月 10 日正式上线。其核心产品包括 LLM Service、x402 协议、8004 协议、Skills 与 BAIclaw 桌面终端。LLM Service 聚合 GPT、Claude、Gemini、DeepSeek 等 15+ 模型，提供统一 OpenAI 兼容 API 与智能路由；x402 协议基于 HTTP 402 标准实现「响应前付费」的自动链上支付；8004 协议为每个 Agent 铸造链上身份并记录信用档案；Skills 将 DeFi 交易、支付、数据分析等操作封装为标准化模块；BAIclaw 提供开箱即用的桌面级 Agent 客户端。平台支持 TRON、BNB Chain、Ethereum 三条公链，支持 Web3 钱包匿名登录，无需 KYC。报告同时指出其生态处于早期，存在加密货币门槛、合规风险、仅支持 macOS 桌面端等局限。
OpenAI 第二代原生图像生成模型，以 Transformer 端到端架构实现印刷级文字渲染与 UI 仿真。
GPT-image2 是 OpenAI 推出的第二代原生图像生成模型，模型 ID 为 gpt-image-1.5，属于 GPT 多模态模型家族中专门负责图像输出的成员。与 DALL·E 系列不同，它不是独立的扩散模型，而是直接嵌入在 GPT 推理架构中的图像生成能力，用同一个 Transformer 做文本理解和图像输出。该模型解决的核心问题是让 AI 生成的图片不再“一眼假”，在文字渲染、UI 仿真、细节精度、多语言支持等方面实现了跨越式提升。其核心优势包括：文字渲染达到印刷级精度，能精确模拟 App 界面、网页截图、后台管理面板，支持中文等多语言原生理解，并支持对话式迭代修改。模型通过 Responses API 和 Chat Completions API 接入，适合海报、UI 截图、试卷、书法、架构图等精确性场景。其局限包括成本较高（标准输入每张 8 美元）、生成速度较慢、审美需精细 Prompt 控制、无本地部署选项。
一套结合纵向时间线与横向竞品对比的AI驱动深度研究框架
横纵分析法是由自媒体人“数字生命卡兹克”提出并开源的一套通用深度研究方法论与AI Prompt框架，核心理念来自语言学（索绪尔的历时/共时分析）和社会科学（纵向/横截面研究），经过作者在金融行业多年实战打磨，再结合AI深度研究能力封装而成。它通过纵向（时间维度）和横向（截面维度）两条分析轴交叉还原研究对象的完整面貌，配合AI模型的Deep Research功能，能在约30分钟内生成一份1-2万字的系统性研究报告。该方法论旨在解决传统深度研究中信息碎片化、质量参差不齐、缺乏时间纵深感、横向对比缺失以及AI生成报告质量不稳定等痛点，提供可复用、结构化、AI友好的研究流水线。框架包含纵向分析、横向分析和写作风格引擎三个核心模块，适用于快速了解陌生技术、行业竞品分析、投资标的研究、跨领域学习等多种场景。
围绕 Claude Code 的开源工具体系，覆盖最佳实践、个人知识记忆与虚拟工程团队三大维度
该收藏条目围绕 Claude Code 构建的开源工具体系展开，涵盖最佳实践知识库、个人知识大脑和虚拟工程团队三大维度。报告指出，Claude Code 功能丰富但官方文档分散，缺乏场景决策指导；AI Agent 缺乏记忆，无法积累个人知识；个人开发者缺少团队级工程保障。针对这些问题，Best Practice 提供功能-场景-工具三维决策矩阵，指导用户选择 Commands、Skills、Agents 等扩展机制；GBrain 通过 Markdown 知识库、混合检索和实体图谱，实现“读-答-写-同步”的知识积累循环；GStack 提供 23 个角色 Skill 和 8 个工具 Skill，以斜杠命令形式模拟虚拟工程团队。三者可独立使用，组合使用效果最大化。报告还包含安装部署、应用场景及与相似技术的对比。
在网关层统一实现透明代理、DNS分流与广告拦截的软路由搭建指南
本指南以磊科N60Pro刷ImmortalWRT并安装OpenClash为具体方案，讲解从零搭建软路由的完整流程。软路由使用通用硬件与开源固件替代传统硬路由，在路由器层面统一解决代理、去广告、DNS分流等网络问题，所有设备连接WiFi即自动生效，无需逐台安装客户端。指南覆盖刷机流程、透明代理原理、DNS分流机制、硬件选购、配置要点、安全注意事项及常见误区，并对比了软路由与硬路由、主路由与旁路由、ImmortalWRT与OpenWRT等方案的差异。内容基于历史报告整理，未核实为事实，仅供学习参考。
anthropics/claude-for-legalAnthropic 官方法律工作流 AI 插件套件，覆盖 12 个业务领域
Claude for Legal 是 Anthropic 官方推出的法律工作流 AI 插件套件，为法律行业提供覆盖 12 个业务领域的专业化 AI Agent 能力。它不是单一产品，而是一套参考实现，包含预构建的 Agent、Skill、数据连接器和托管 Agent 范本，律师和法务团队可以直接安装使用，也可以基于自身业务定制。核心机制是冷启动面试，通过结构化面试学习团队业务规则并生成实践配置文件（Practice Profile），后续所有 Skill 都会读取该配置。插件通过 MCP 连接器对接真实法律数据库，确保引用可验证；没有连接器时，引用会被标记为 [verify]，提醒律师必须人工验证。所有输出均为供律师审查的草稿，内置审查门控，不替代律师判断。项目采用 Apache 2.0 开源许可证，支持 Claude Cowork、Claude Code 和 Managed Agent 三种运行模式。
一套从 iTerm2 + oh-my-zsh 迁移到轻量化现代终端方案的完整实践
这是一套从 iTerm2 + oh-my-zsh 迁移到轻量化现代终端方案的完整实践，由三层组成：Ghostty（Zig 语言编写的 GPU 加速终端模拟器）、Starship（Rust 编写的跨平台提示符工具）、zsh 插件与现代 CLI 工具。方案核心目标是更轻量、更快、更简洁，去掉不需要的 300 个 oh-my-zsh 插件和 iTerm2 的臃肿 GUI，只保留日常真正用到的 3 个 zsh 插件和 5 个现代 CLI 工具。Ghostty 使用 Metal API 进行 GPU 渲染，文本渲染速度比 iTerm2 快约 4 倍，配置保存即生效。Starship 采用模块化渲染引擎，每个模块独立计算、独立配色。三个 zsh 插件（autosuggestions、syntax-highlighting、completions）替代整个 oh-my-zsh 框架。五个现代 CLI 工具（fzf、zoxide、eza、bat、yazi）全面替代传统 Unix 命令。方案支持一键安装，配置全部开源，可纳入 dotfiles 版本管理。
开源 Codex Skill，自动生成中国软著申请全套材料
SoftwareCopyright-Skill 是一个开源 Codex Skill，用于自动生成中国软件著作权申请材料。它通过阅读开发者真实项目源码，自动生成申请表信息、操作手册和代码鉴别材料，全部输出为 Word/TXT 格式。项目采用 MIT 协议，完全免费，旨在替代付费代办服务。核心功能包括自动分析项目源码、生成符合要求的操作手册、生成前 30 页和后 30 页代码鉴别材料、生成申请表辅助填报文件。代码材料只来自真实项目，禁止 AI 编造。关键节点设置人工确认门禁，确保材料准确性。支持基础 DOCX 和完整 OpenXML 两种生成路径。项目属于 AI Agent 与法律合规自动化交叉领域，面向中国开发者。
对比两款开源轻量级 TTS：Supertonic 跨平台部署，MOSS-TTS-Nano 零样本声音克隆
本文档对比两款开源轻量级 TTS 系统：Supertonic 与 MOSS-TTS-Nano。Supertonic 由 Supertone Inc. 开发，基于 ONNX Runtime 完全本地运行，约 99M 参数，支持 31 种语言，提供 11 种语言 SDK，采用 Flow Matching 与语音自编码器架构，代码 MIT 许可，模型 OpenRAIL-M。MOSS-TTS-Nano 由 MOSI.AI 和复旦大学 OpenMOSS 团队开发，仅 0.1B 参数，基于 Audio Tokenizer + LLM 纯自回归架构，支持实时流式推理，可在 4 核 CPU 上运行，支持零样本声音克隆，输出 48kHz 立体声，Apache-2.0 许可。两者均解决传统 TTS 的部署、质量、工程与生态痛点，但侧重点不同：Supertonic 适合跨平台部署与极低资源设备，MOSS-TTS-Nano 适合声音克隆与中文 TTS。文档还包含架构原理、系统架构、关键流程、应用场景、优缺点与选型建议。
从零开始用 PyTorch 原生实现并训练 GPT 风格语言模型的开源项目
MiniMind 是一个开源项目，目标是从绝对零开始训练一个 GPT 风格的语言模型。项目没有使用任何第三方框架的高级抽象，所有核心算法代码均使用 PyTorch 原生实现，开发者可以逐行阅读、理解、修改每一处计算逻辑。项目覆盖了从预训练、SFT 到 DPO 的完整训练链路，并支持推理、多模态、工具调用等能力。其最小模型为 26M 参数，最低硬件要求为单张 NVIDIA 3090，最短训练时间约 2 小时。项目强调“大道至简”的理念，不追求 SOTA，而是追求“最小可理解”，旨在帮助开发者理解 LLM 的每个组件如何工作。同时，项目兼容 llama.cpp、vllm、ollama 等推理部署方案，并兼容 OpenAI API，可接入 FastGPT、Open-WebUI。
一站式 AI 短剧自动化生产平台，从剧本到成片全流程编排
Huobao Drama（火宝短剧）是由南京 AI 火宝团队开发的一站式 AI 短剧自动化生产平台，实现从剧本生成、角色设计、分镜制作到视频合成的全流程自动化。项目以 TypeScript 全栈构建，后端采用 Hono + Drizzle ORM + Mastra AI Agent 框架，前端使用 Nuxt 3 + Vue 3，数据库选用 SQLite。其核心价值在于将短剧制作拆解为剧本改写、角色提取、分镜拆解、音色分配、提示词生成五步流水线，每一步由专门的 AI Agent 负责，通过结构化数据在步骤间传递上下文。平台不依赖单一厂商，通过多厂商适配层（OpenAI、Gemini、MiniMax、火山引擎、阿里、Chatfire）实现图片、视频、TTS 的灵活切换。最终视频合成依赖 FFmpeg，支持 Docker 单镜像部署。项目采用 CC BY-NC-SA 4.0 许可证，禁止商业用途。
用LLM、文生图、文生视频与TTS串联成自动化流水线，实现从剧本到成片的批量短剧生产
AI短剧开源工作流是一类利用大语言模型（LLM）、AI图像生成、AI视频生成、TTS语音合成等技术，实现从剧本或小说文本到完整短剧视频全自动化生产的开源工具链。其核心思想是将影视生产的每个环节模型化，用LLM做编剧和导演、用文生图做美术、用文生视频做摄影、用TTS做配音，再通过Agent工作流将所有环节串联成一条自动化流水线。报告覆盖三个代表性开源项目：moyin-creator（魔因漫创）为桌面端生产级工具，深度绑定Seedance 2.0，采用6层身份锚点保证角色一致性；waoowaoo为Web端工业级AI影视平台，专攻网文转视频；huobao-drama（火宝短剧）为极简一站式平台，内置5个Mastra AI Agent，支持一句话生成完整短剧。这些项目覆盖了剧本解析、角色生成、场景生成、分镜制作、视频生成、配音合成、成片导出的核心链路，旨在将传统短剧3-6个月的生产周期压缩到数小时甚至数分钟。
一段结构化提示词，让 AI 为任意产品快速生成极简几何装置风的商业级产品海报。
这是一套基于 ChatGPT Image 2.0 的提示词设计方法论，属于 AI 图像生成领域的 Prompt Engineering 范畴。其核心是通过一段精心设计的结构化提示词，让 AI 为任意产品一次性生成极简几何装置风的产品海报，达到商业级品牌 KV 级别的视觉效果。该方法旨在解决商业产品海报制作中“质量-成本-速度”的不可能三角，通过一段提示词加一张产品图，在几十秒内产出品牌级海报。提示词支持双模式输入：提供产品图时保留其核心外观特征与配色；仅输入产品名时，则自动生成符合产品定位的外观与包装设计。其底层依赖 OpenAI 的 GPT-Image 2.0 多模态图像生成模型，但提示词的设计逻辑可迁移至其他图像生成模型。
CloakHQ/CloakBrowser源码级修改 Chromium 指纹的反检测浏览器自动化工具
CloakBrowser 是一个基于 Chromium 的隐身浏览器自动化工具，其核心思路是在 Chromium 的 C++ 源码层面修改浏览器指纹，编译出定制二进制文件，使反爬虫/反机器人系统无法识别其为自动化浏览器。它属于反检测浏览器自动化领域，介于传统浏览器自动化和商业反检测浏览器之间，提供与 Playwright/Puppeteer 完全兼容的 Python 和 JavaScript API。项目通过修改 49–57 处 C++ 源码，覆盖 Canvas、WebGL、Audio、字体、GPU、屏幕、WebRTC、网络计时、自动化标志、CDP、硬件参数、UA 等多个指纹维度，并采用种子驱动的确定性指纹生成系统，确保指纹内部一致性。同时提供 humanize 行为模拟，通过拦截页面方法调用，将鼠标移动、键盘输入、滚动等交互替换为人类模拟版本。定制 Chromium 二进制在 TLS 层面也与正常 Chrome 一致。项目支持 HTTP/SOCKS5 代理、持久化 Profile、Docker 部署及 AWS Lambda 部署。
专业工程师用编码智能体放大自身能力的软件工程新范式
Agentic Engineering（智能体工程）是2025-2026年间快速兴起的软件工程新范式，核心定义来自Simon Willison：专业软件工程师使用编码智能体（Coding Agents）来放大自身专业能力的实践。该概念由Andrej Karpathy在2026年4月Sequoia Capital的AI Ascent大会上正式推向公众视野，并明确区分了Vibe Coding与Agentic Engineering：前者抬高所有人做软件的下限，后者要保住专业软件过去已有的质量门槛。它属于AI-Native软件工程范畴，横跨AI Agent技术栈、软件工程实践和人机协同设计三个领域。其出现源于三个力量：LLM能力质变、Agentic工具成熟、代码生产成本趋近于零。核心方法包括：人类编写规格（Spec）和测试，Agent生成代码，人类审查结果；测试被视为人类与Agent之间的通信协议。该范式强调代码是廉价的、理解是昂贵的，细节可以外包、结构不能外包。
一套面向 AI 编程工具的视频翻译技能套件，将外语视频自动转为中文字幕视频和中文文稿。
xiaohuai-video-translate 是一套面向 AI 编程工具的视频翻译技能套件，由 xiaohuailabs（小灰）开发。它不是独立应用，而是由「脚本 + 说明书」组成的 AI Agent 技能，可被 Claude Code、OpenClaw、Gemini CLI、Codex 等工具加载和驱动。项目将下载、转写、翻译、润色、烧录等步骤编排为一条龙流水线，用户只需说一句话即可完成。转写使用本地 Whisper 引擎，不产生 API 费用；翻译复用已有的 AI 模型。项目包含三个独立技能：总指挥、字幕润色、下载专员，可单独或组合使用。支持中英双语字幕，通过 ASS 格式实现中文大、英文小的字号反差。全程本地运行，不上传数据，保护隐私。项目处于活跃状态，最新提交为 2026-06-08，采用 MIT 协议。
五个高质量设计灵感网站，帮助你在AI时代提升审美判断力
本合集源自X（Twitter）博主 @Jackywine 的推荐帖子，精选了五个高质量的设计灵感网站，覆盖网页设计的不同维度，包括暗色主题、页脚设计、着陆页、综合网页设计和行业奖项。这些网站不仅是设计师的灵感来源，也是产品经理、开发者、内容创作者等非设计角色提升视觉素养的高效工具。核心思想是：在AI时代，当执行能力不再是瓶颈时，审美判断力成为核心竞争力。通过分类浏览、聚焦单一维度、接触顶级案例、可操作模板和持续训练，用户可以系统性地提升审美能力。五个网站各有侧重：Dark.design专注暗色主题，Footer.design专注页脚设计，Landingly提供着陆页灵感与Figma模板，Godly.website收录顶级设计，Awwwards提供行业奖项与评审标准。它们共同构成一个分层审美训练体系，从建立全局标准到专项深挖，再到可落地执行。