IDEAS CONNECT PROJECTS
从一个标签出发，打开一份值得研究的档案。
找到 97 个项目
清除筛选以下内容已由 AI 根据历史资料整理，供本地测试，未经人工复核。
基于节点的 AI 多模态画布编辑器，通过可视化连线编排文本、图像、视频与音频生成
AI-CanvasPro 是一款基于节点的 AI 多模态画布编辑器，由独立开发者阿硕（ashuoAI）打造，采用纯原生 HTML/CSS/JS 前端与 Python 后端，支持 Windows、macOS 与 Web 平台。它通过无限画布上的可视化节点连线，让用户组合文本、图像、视频、音频等 AI 能力，实现多模态内容的一站式创作。项目定位为 ComfyUI 的“轻量中文替代”，中文原生支持，无需本地 GPU，通过 API 调用即梦、RunningHub、PPIO、GRSAI 及 OpenAI 兼容接口等云端模型。核心机制包括连线数据流、@引用跨节点嵌入、多供应商适配、资产与工作流复用，以及遮罩重绘、抠图、高清放大等图像编辑工具链。项目采用 Source Available 许可证，禁止商业使用。
用LLM生成结构化提示词，再交给图像模型产出可切割发布的小红书九宫格大图
这是一套利用大语言模型自动生成高质量图片提示词，再交给AI图像生成工具产出可直接发布的小红书九宫格内容的工作流方法。核心不在于让AI直接画图，而在于让AI先设计完整的图文方案，包括视觉风格、排版结构、每格内容和配色方案，然后一次性生成一张可切割的九宫格大图。该方法由程序员Austin在2026年4月公开分享，帖子获得58赞、7转发、76条评论和4600+浏览。它属于AI辅助内容创作领域，是方法论、工作流与提示词模板的组合，不依赖特定平台，只要有LLM和图像生成工具就能使用。报告指出，传统流程制作一组九宫格可能需要2-4小时，而用AI工作流可以压缩到15-30分钟。
深入解析 Claude Code 的工程体系：从动态提示词编排到工具治理与多 Agent 协作
本报告基于对 Claude Code 源码的深度分析，揭示了其作为 AI 编程助手的核心工程体系。报告指出，Claude Code 的价值不仅在于提示词，更在于一整套将行为制度、工具治理、Agent 分工、上下文经济学和生命周期管理连成闭环的系统。其动态 System Prompt 编排将静态“宪法”与动态“当期政策”分离，并通过缓存友好边界优化成本。工具调用经过完整的治理流水线，包括输入校验、权限检查、风险预判和 Hook 拦截。系统内置多个专职子 Agent，如 Explore、Plan、Verification，实现角色分离，避免利益冲突。此外，报告还介绍了 Skill、Plugin、MCP 三套扩展机制，以及上下文经济学中的缓存复用、按需加载等策略。报告也指出了其学习曲线陡峭、成本较高、依赖 Anthropic API 等局限性。
面向微信公众号的 Markdown 转 HTML 排版与全流程创作 CLI 工具
md2wechat 是一款专为微信公众号设计的 Markdown 转 HTML 排版及全流程创作 CLI 工具，由开发者 geekjourneyx 创建，GitHub 2.1k+ Stars。其定位是“AI 时代的公众号创作工作台”，覆盖从写作、去 AI 痕迹、排版、AI 配图到推送草稿箱的完整流程。工具采用 Go 1.26+ 实现，提供 40+ 专业主题（Minimal / Focus / Elegant / Bold 四大系列）和 43 个结构化 `:::block` 高级排版模块。架构上分为 AI 模式（免费，生成 prompt 由 LLM 执行，输出不确定）和 API 模式（专业服务，确定性输出，需付费）。md2wechat 为 Agent 集成设计了完整的发现协议，原生兼容 Claude Code、Codex、OpenClaw。许可证为 BUSL-1.1，个人/学习/非商用免费，商用需授权，2030-01-01 后自动转为 Apache 2.0。
将十年设计经验压缩为规则文件，让 AI 按杂志级排版生成单文件网页 PPT
Guizang PPT Skill（magazine-web-ppt）是由设计师歸藏（op7418）开源的一个 Claude Code / AI Agent Skill，用于生成单文件 HTML 横向翻页网页 PPT，视觉基调定位为“电子杂志 × 电子墨水”。它不是一个 PPT 编辑器，而是一套“人 × AI 协作做 PPT”的接口，把十年设计经验压缩成一个 SKILL.md 规则文件，让 AI 按照专业杂志排版规则自动生成网页幻灯片。项目发布于 2026-04-24，采用 MIT 协议，语言为 HTML 100%，拥有 396 Stars 和 60 Forks。核心工作流包括 6 问需求澄清、大纲与叙事弧规划、拷贝模板并选主题色、类名预检与主题节奏规划、挑选布局并填充内容、Checklist 自检。产物为单文件 index.html，浏览器直接打开，零依赖。
面向 AI Agent 的影视解说自动化与互联网信息获取技能工具
本收藏条目涵盖两个面向 AI Agent 的技能工具：Narrator AI CLI Skill 与 Agent Reach。Narrator AI CLI Skill 是专为 AI Agent 设计的视频解说自动化技能文件，对应 CLI 客户端 narrator-ai-cli，封装了 Narrator AI 开放平台的完整 API，支持 Claude Code、OpenClaw、Windsurf 等主流 AI Agent 平台。其核心能力是用一句自然语言指令，自动完成从脚本生成到成片输出的全流程影视解说视频生产，内置 93 部电影素材库、146 首 BGM、63 种配音音色（覆盖 11 种语言）、90+ 解说模板，提供「改编解说」和「原创解说」两条工作路径。Agent Reach 是一个开源的 AI Agent 互联网能力脚手架，由 Panniantong 开发，作为一键安装器和配置管理器，将 15+ 个平台的内容读取能力（如 Twitter、Reddit、YouTube、B站、小红书、GitHub、微信公众号、抖音、LinkedIn、微博、V2EX、雪球、RSS 等）集成到任何 AI Agent 中，核心价值是零 API 费用、零配置门槛，所有底层工具均为开源免费的 CLI 工具，通过本地 Cookie 和抓取方式访问平台内容，数据只留在本地。
一套将地标建筑转化为博物馆展陈感档案模型视觉图的六层参数化提示词方法论
「地景档案模型 / Landscape Archive Model」是 @MrLarus 基于 OpenAI ChatGPT-Image-2.0 设计的一套地标建筑提示词方法论，将长城、珠峰、外滩、珠江等知名地标浓缩成具有博物馆展陈感的档案级实体模型视觉图。其核心是「参数化分层控制」，将提示词拆解为基础设定、画面结构、细节要求、说明系统、构图镜头、材质光影六个独立可调的控制层。该方法内置主题类型路由机制，可覆盖自然地貌、城市空间、混合景观三类主题；并遵循三层色彩纪律（主色调 70-80%、辅助色 15-25%、点缀色 3-5%），强调低饱和、克制的档案感。核心视觉概念是「三维生长」——立体主体从二维地图底板中自然生长出来，而非简单叠加。该方法天然支持系列化生成，固定基础参数只换主题即可产出风格统一的地标图集。
开源 AI Agent 框架 Hermes Agent 内置的多层记忆架构，以缓存优先和冷热分离为核心设计。
Hermes Agent 记忆系统是开源 AI Agent 框架 Hermes Agent（由 Nous Research 开发）内置的多层记忆架构，由四套协同工作的记忆子系统组成。第一层为固化提示词记忆，将高频关键信息存入 MEMORY.md 和 USER.md 文件，合计约 1,300 Token，会话期间固化不变。第二层为会话搜索回溯，历史对话存储在 SQLite 数据库中，通过 FTS5 全文搜索按需检索，并使用辅助模型进行摘要。第三层为技能系统，用于记住如何做事的程序记忆，技能文件存储在 ~/.hermes/skills/ 目录。第四层为可选的 Honcho 用户建模，用于跨会话、跨平台的深层用户画像。该系统的核心设计思想是缓存优先，保持系统提示词前缀稳定以最大化利用 Prompt Caching，同时采用冷热分离策略，只保存用户偏好、环境事实、错误修正、稳定规范和学到的技能五类高价值信息。
一个整合终端操作、代码编辑、浏览器控制、记忆系统与语音交互的开源 AI Agent 框架。
Hermes Agent 是由 Nous Research 开发的开源 AI Agent 框架，定位为自我进化的个人 AI 助手。它整合终端操作、代码编辑、浏览器控制、记忆系统、语音交互于一体，通过 Skill 系统实现无限扩展能力。其核心差异在于内置学习循环，能从经验中创建和改进 Skill，并跨会话构建对用户的深度理解。 该框架采用 CLI 与 GUI 双形态，支持 MCP 协议，不绑定单一 LLM，可灵活切换模型提供商，并支持跨平台部署。其能力分为身份与记忆、感知、表达、效率与成本、生态扩展五大层。记忆系统包含会话内、跨会话和知识图谱三层架构。感知能力涵盖网页抓取、搜索、浏览器自动化等。表达层支持语音合成、语音识别和图片生成。效率层提供 Token 监控、压缩和智能路由工具。生态方面拥有 380+ 社区 Skill。 报告指出其优点包括全能性、丰富的 Skill 生态、强大的记忆系统和零成本可行性，但也存在学习曲线陡、生态碎片化、文档不完善等缺点。
开源工具链将AI短剧生产从一键生成升级为逐镜头可控的工业化流水线
AI短剧精细化制作工作流利用开源工具链，将剧本解析、角色与场景一致性管理、分镜编辑、视频生成和后期剪辑串联成一条可精细调控的工业化生产线。与粗放式一键生成方案不同，它强调逐镜头控制和全流程可回溯，让创作者能对每个分镜的景别、运镜、情绪、时长、氛围进行精确调整，最终输出商用品质的竖屏短剧。报告覆盖两个代表性开源项目：Jellyfish AI短剧工厂主打人物一致性和精控镜头，从剧本到后期全闭环；Toonflow主打智能剧本改编和无限画布工作台，适合小说IP转视觉内容。两者均属于AI视频生成加工作流编排技术体系，为AI视频生成能力增加导演级控制力和制片级管理能力。
从任意网站提取设计规范，生成 AI 可读的 DESIGN.md 文件
DesignMD 是一款由 Crowdlinker 开发的 AI 驱动设计系统提取工具，用户输入任意网站 URL 或描述项目需求，即可自动生成符合 Google Stitch DESIGN.md 规范的完整设计系统文档。DESIGN.md 是 Google Stitch 项目提出的一种纯 Markdown 格式的设计系统文档，AI 编码代理可以直接阅读并据此生成一致的 UI。配套的 awesome-design-md 是由 VoltAgent 维护的开源仓库，收录了 68 个全球顶级品牌的现成 DESIGN.md 文件，Star 数达 57.6k，MIT 协议开源。该工具免费使用，无需注册，打开即用。核心价值在于让 AI 编码工具（如 Cursor、Claude Code）能“看懂”设计意图并复刻 UI。
完全本地化、无需 API 的 AI 编程助手，通过推理时增强让 14B 小模型在单张消费级 GPU 上达到接近前沿模型的编程能力。
ATLAS（Adaptive Test-time Learning and Autonomous Specialization）是一个完全本地化、无需 API 的 AI 编程助手，由 Virginia Tech 商学院学生 Isaac Tigges 独立开发，采用 AGPL-3.0 开源许可。其核心思路是冻结小模型（如 Qwen3-14B），通过智能推理基础设施在推理阶段提升输出质量，而非微调模型。在 RTX 5060 Ti 16GB 显卡上，ATLAS 在 LiveCodeBench v5 上达到 74.6% pass@1-v(k=3) 的分数，接近 GPT-5 和 Claude 4.5 的水平。其 V3 Pipeline 包含三阶段：候选生成（PlanSearch、BudgetForcing、DivSampling）、Lens 路由评分和 PR-CoT 自验证迭代修复。ATLAS 支持 8 个工具调用，通过语法约束解码保证 JSON 输出格式正确，并采用 T1/T2 文件分级机制智能路由简单与复杂任务。主要优势是 100% 本地运行、零 API 成本（每任务约 $0.004 电费）和数据隐私，但需要 16GB VRAM 的 NVIDIA GPU，安装复杂且仅支持 Linux。
apify/awesome-skills为 AI 编程助手提供网页抓取与业务自动化能力的社区驱动 Skills 合集
Apify Awesome Skills 是 Apify 官方维护的社区驱动 AI Agent Skills 合集，为 Claude Code、Cursor、Codex、Gemini CLI 等 AI 编程助手提供网页抓取、数据提取和业务自动化的预置能力。它不是独立运行的软件，而是一套以 Markdown（SKILL.md）为载体的指令包与工具编排规则，安装后 Agent 可通过自然语言指挥 Apify 云端的爬虫 Actors 执行数据采集任务。项目包含受众分析、品牌监控、竞品情报、内容分析、电商数据、KOL 发现、线索生成、市场调研、趋势分析等九个垂直领域 Skills，覆盖 Google Maps、Instagram、TikTok、Amazon 等主流平台。其核心设计原则包括声明式触发、云端执行零本地依赖、领域垂直化、多 Agent 兼容、按结果付费和社区共建。项目采用 Apache-2.0 开源协议，主要语言为 JavaScript（91%）和 Python（9%），前置条件包括 Apify 账号、API Token 和 Node.js 20.6+。
EvoLinkAI/awesome-gpt-image-2-API-and-PromptsGPT Image-2 提示词社区精选百科，收录 31+ 条真实案例与五大类别
awesome-gpt-image-2-prompts 是由 EvoLinkAI 团队维护的 GPT Image-2 提示词精选合辑，托管在 GitHub 上，采用 CC BY 4.0 协议开源。项目定位为 GPT Image-2 提示词的百科全书式参考库，收录人像摄影、海报插画、角色设计、UI 仿真、社区实验等五大类别的真实提示词与生成效果图。截至 2026.4.19，收录 31+ 条精选案例，来自 X/Twitter、创作者社区和公开演示。项目提供 11 种语言版本，持续更新。核心理念是"真实案例 > 理论指导"，强调提示词原汁原味、图证合一、创作者溯源。项目还提炼了五种提示词写作模式，包括摄影参数式、设计需求式、规格清单式、场景仿真式和极简指令式，帮助用户理解和掌握 GPT Image-2 提示词的写法。
用一句话在飞书里搭建 Jira 级任务管理系统
本项目介绍了一套利用飞书官方 CLI 工具（lark-cli）配合 AI 编程助手（如 Claude Code、Codex），通过自然语言 Prompt 在飞书多维表格（Bitable）中自动生成任务管理系统的方法。该系统包含字段设计、公式计算、自动化工作流、看板视图和数据仪表盘，旨在让小团队和个人开发者以零代码、零 UI 操作的方式，获得与 Jira 对标的任务管理能力，并直接嵌入已有的飞书工作环境。报告指出，该方案解决了传统任务管理工具录入摩擦高、工具选择困难、字段膨胀、自动化配置繁琐、平台割裂以及小团队缺乏基础设施等痛点。其核心思想是降低录入摩擦、将 AI 作为配置器，并采用 Agent-Native 三层架构。系统包含 11 个实际使用的字段和 3 条自动化工作流，支持通过自然语言进行日常任务录入和提醒。报告也指出了该方案的局限性，例如绑定飞书生态、不支持复杂工作流、依赖 AI 工具等。
开源全平台 AI 桌面操控基础设施，沙盒隔离、后台驱动、模型无关
CUA（Computer-Use Agents）是由 trycua 组织开发的开源基础设施项目，为 AI Agent 提供「像人一样操控电脑」的完整能力栈，覆盖 macOS、Linux、Windows、Android 全平台。项目提供沙盒环境、Agent SDK、桌面驱动、基准测试和虚拟化工具，核心组件包括 Cua Driver（macOS 后台桌面驱动）、Cua Sandbox（跨 OS 沙盒环境）、CuaBot（多 Agent 协作沙盒 CLI）、Cua-Bench（基准测试与 RL 环境）、Lume（Apple Silicon 虚拟化管理）和 Lumier（Docker 兼容接口）。CUA 的设计强调沙盒优先、一个 API 覆盖所有平台、后台驱动不抢光标、模型无关、云加本地双模式以及内置可观测性。它通过统一的 Sandbox API 抽象了 Docker、QEMU、Apple Virtualization.Framework 等底层虚拟化技术，并支持 Claude、GPT、Gemini、Qwen 等主流视觉语言模型。项目采用 MIT 许可证，本地使用免费，云沙盒提供免费额度和按量付费选项。
面向 Design Engineer 的开源动效组件集，通过源码复制模式扩展 shadcn/ui 生态
Cult UI 是 nolly-studio 开发的开源前端组件集，提供 60+ 动效丰富、可定制的 UI 组件，兼容 shadcn/ui 生态，采用"复制即拥有"的分发模式。它解决的核心问题是 shadcn/ui 只提供无样式底层原语，当产品需要"好看"和"有动效"的组件时，开发者需从零编写。Cult UI 通过 shadcn registry CLI 分发源码，组件代码复制到项目后完全归开发者所有，可自由定制。技术栈为 React + TypeScript + Tailwind CSS v4 + motion。项目还提供 AI SDK Agents（92+ 免费 Agent 模式）、Cult Pro（129 个付费 Block 和 10 个 Starter Template）以及 MCP Server，覆盖从组件到产品的完整链路。
一套面向 GPT-image-2 的提示词模板，用于生成博物馆图鉴级中文拆解信息图。
该项目是一套针对 OpenAI GPT-image-2（gpt-image-1.5 模型）设计的提示词工程方法论，核心是一段通用模板，通过替换【主题】变量，即可生成博物馆图鉴级别的中文拆解信息图。它主要解决传统 AI 图像生成在中文文化内容上的三大短板：结构准确性不足、中文文字渲染困难、图鉴专业感缺失。其实现方式是通过版式约束、风格锚定和结构分区三重机制，并依托模型的 VQ Token 统一空间、高分辨率输出和多轮对话迭代能力。提示词包含角色设定、内容要求、自主决策权、风格锚定、排除清单、版式约束和条件分支七个层次，并固定为顶部标题、左侧拆解、右上材质、右中纹样、底部流程的五区版式。该模板适用于传统服饰、器物、建筑、盔甲、凤冠等文化主题，但存在结构准确性不可控、非矢量图、历史准确性需验证等局限。
让 AI Agent 通过自然语言对话自动完成电影解说视频全流程生产的技能描述文件
Narrator AI CLI Skill 是一个 AI Agent 技能描述文件，教会 AI Agent（如 OpenClaw、Claude Code、Cursor、Windsurf 等）如何调用 narrator-ai-cli 命令行工具，完成电影/短剧解说视频的全自动化生产。它解决的核心问题是让不懂视频剪辑、命令行和 API 调用的普通用户，通过自然语言对话就能完成从搜片、选模板、选 BGM、选配音、生成文案到合成视频的完整流水线。项目采用 SKILL.md 主文件加 references/ 子目录的结构化行为规范，将 CLI 的调用顺序、参数依赖、错误处理和决策逻辑编码为机器可读的说明书，并定义了 Fast Path（原创文案）和 Standard Path（二创文案）两条工作流路径。内置约 100 部电影素材、146 首 BGM、63 个配音音色（11 种语言）和 90+ 解说模板，支持多语种出海场景。项目采用积分计费模式，MIT 开源协议，版本 v1.0.5，已在 9 个 AI Agent 平台验证。
系统化掌握 NanoBanana Pro 提示词工程，释放模型全部潜力
本收藏基于社区分享的 NanoBanana Pro 提示词指南整理，系统介绍了该高性能 AI 图像生成模型的提示词工程方法论。内容涵盖模型定位、核心优势、常见使用痛点、七层提示词结构、视觉词汇表、中文提示词优势、标准生成流程、对话式迭代优化方法、真实应用场景、工程落地模板、质量检查清单、优缺点与局限、常见误区及学习路径。指南强调通过“精确描述 + 结构化组织 + 排除干扰”实现高质量输出，并指出大多数用户仅使用了模型 1% 的能力。适用于希望提升 AI 图像生成质量、掌握结构化提示词技巧的创作者。
AI 驱动的视觉设计协作工具，通过自然语言对话实现从想法到视觉的快速创作。
Claude Design 是 Anthropic Labs 于 2026 年 4 月 17 日发布的 AI 驱动视觉设计协作工具，属于 Research Preview 阶段，由 Claude Opus 4.7 驱动。它通过自然语言对话与 Claude 协作，创建设计方案、交互原型、演示文稿、产品 One-Pager 等视觉作品。该工具旨在解决传统设计工作流中探索受限、非设计人员视觉表达壁垒、设计到开发交接断层、原型制作代码依赖以及品牌一致性执行漂移等问题。其核心创新包括自动构建设计系统、多粒度编辑系统（对话级、标注级、精确级）、组织级协作以及多种交付方式（如 PDF、PPTX、HTML、Canva 集成、Claude Code Handoff）。Claude Design 支持代码驱动的原型，包括 3D、Shader、语音、视频等前沿能力。它适用于快速视觉探索、原型制作和跨角色协作，与 Figma 等专业工具形成互补而非替代关系。
让 Agent 用 HTML 而非 Markdown 向人类传达复杂信息，以可视化与交互让人重新进入决策循环。
本文档基于 2026 年 5 月 8 日 Anthropic Claude Code 团队成员 Thariq Shihipar 发表的长文《Using Claude Code: The Unreasonable Effectiveness of HTML》整理而成。其核心主张是，当 AI Agent 需要向人类传达复杂信息时，HTML 应取代 Markdown 成为首选输出格式。文章指出 Markdown 存在信息密度不足、可读性差、分享困难、无法交互、编辑范式转移以及人与 Agent 的 Loop 断裂等六大痛点。HTML 则凭借其高表达力、视觉可读性、零摩擦分享、双向交互、数据摄取优势及情感连接等特性，成为更优的 Agent 输出格式。该方法论强调自包含的 HTML 文件、导出闭环以及让人类重新参与 Agent 决策过程。文章还对比了 HTML 与 Markdown、Claude.ai Artifacts 及 Notion/飞书文档的差异，并提供了九大输出场景、Prompt 模板、工程落地技巧及优缺点分析。
一个自带学习闭环的开源 AI Agent 运行时
Hermes Agent 是由 Nous Research 开发的开源 AI Agent 框架，定位为通用的、可自我改进的 AI Agent 平台。它通过终端 TUI 或 15+ 消息平台与用户对话，调用 47+ 内置工具操作终端、浏览器、文件系统等，并支持通过 MCP 协议扩展能力。其核心特色是闭环学习系统：通过持久化记忆（MEMORY.md + USER.md）、技能（Skills）自创建与改进、以及会话搜索（FTS5），从经验中持续成长。它支持 18+ LLM 提供商，可随时切换模型，避免供应商锁定。此外，它提供六种终端后端（本地、Docker、SSH 等）和内置 Cron 调度器，适用于开发助手、运维监控、知识管理等场景。
为 Claude Code 提供跨会话持久记忆的插件，自动观察、压缩并注入上下文。
Claude-Mem 是一个为 Claude Code 设计的持久化记忆压缩系统，以插件形式运行。它通过生命周期钩子自动捕获 Claude Code 在编码会话中的所有工具使用行为，利用 Claude Agent SDK 对这些观察数据进行 AI 压缩提炼，生成语义摘要，并在未来的会话中自动注入相关上下文。其核心管线为“观察-压缩-注入”，由 6 个 Hook 覆盖会话生命周期，Worker 服务负责异步处理和 AI 压缩，数据存储采用 SQLite、FTS5 和可选的 ChromaDB 三层架构。系统支持渐进式披露检索，通过 mem-search Skill 或 MCP 工具实现约 10 倍的 token 节省。安装后全自动运行，无需手动操作，并支持通过标签排除敏感内容。