跳到主要内容
prolist.
发现项目AI 收集我的项目我的模型
正在确认账号…
prolist.

发现有价值的项目,留下有依据的判断。

项目专题关于我的收藏
© 2026 prolist项目知识,由人判断。

IDEAS CONNECT PROJECTS

沿着兴趣,发现项目。

从一个标签出发,打开一份值得研究的档案。

收集项目线索
筛选与排序
地图列表
不限标签115开源34AI Agent33Python23提示词工程13Claude Code13TypeScript12LLM11Markdown10MIT10React9知识管理8AI图像生成8

项目搜索结果

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。

Hermes Agent 高阶工具配置 README 配图
AI 智能体GitHub 项目

Hermes Agent 高阶工具配置

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。

多模型路由记忆系统开源
09.08
内容创作主题配图

AI短剧精细化制作开源工作流

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。

短剧制作
第 1 页第 2 页第 3 页第 4 页第 5 页
分镜控制
工作流编排
09.08
开发工具主题配图

DesignMD & DESIGN.md 设计系统提取

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。

开源逆向工程设计提取
09.08
开发工具主题配图

企业平台WebCoding开发指南

在六大企业平台内嵌入自定义Web功能的工程实践指南

本指南系统介绍了在企业级SaaS平台(如Confluence、Jira、Dify、VSCode、GitLab)及内部知识库(dp)框架内,利用平台扩展机制开发自定义Web功能模块的工程实践。内容涵盖六大平台的定位、扩展机制、前端技术栈,以及核心设计思想,包括沙箱隔离、声明式与命令式混合、平台即基础设施、原生嵌入优于外部链接、API-First架构和渐进式复杂度。指南详细阐述了各平台的核心原理与开发流程,如Confluence的Forge宏机制、Jira的Forge App模块体系、dp知识库的API集成与iframe嵌入方案、Dify的Plugin架构、VSCode的Extension与Webview架构,以及GitLab的Web IDE与Editor Extension路径。此外,还提供了系统架构图、能力矩阵、数据流时序图、真实应用场景、工程落地速查表、安全注意事项、优缺点与局限分析,以及常见误区澄清,为开发者提供了从理论到实践的全面参考。

ConfluenceDifyExtension
09.08
ATLAS (Adaptive Test-time Learning and Autonomous Specialization) README 配图
开发工具GitHub 项目

ATLAS (Adaptive Test-time Learning and Autonomous Specialization)

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。

本地优先开源推理时增强
09.08
apify 的 GitHub 头像apify/awesome-skills
AI 智能体GitHub 项目

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+。

数据提取网页抓取业务自动化
09.08
EvoLinkAI 的 GitHub 头像EvoLinkAI/awesome-gpt-image-2-API-and-Prompts
内容创作GitHub 项目

awesome-gpt-image-2-prompts

GPT 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。

多语言精选合辑开源
09.08
开发工具主题配图

Mac微信多开

通过复制应用并修改Bundle ID,在macOS上实现微信多实例并行运行

Mac微信多开是一种在macOS系统上同时运行多个微信实例的技术方案,每个实例可登录不同账号。微信官方不支持多开,该方案通过复制微信应用包、修改Bundle Identifier、清除扩展属性并重新签名,使系统将每个副本识别为独立应用,从而实现多开。每个副本拥有独立的数据容器,聊天记录、登录状态和缓存完全隔离。该方案完全免费,基于macOS原生机制,不引入第三方软件,资源占用极低,操作简单,适合工作与生活账号分离、运营多账号管理、开发测试、家庭共享等场景。但需要命令行操作,微信更新后需重建副本,且修改应用行为可能违反微信服务条款,存在理论上的封号风险。

微信多开应用克隆Bundle ID
09.08
AI 智能体主题配图

飞书 CLI + AI 构建 Jira 级任务管理系统

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。

低代码飞书任务管理
09.08
AI 智能体主题配图

CUA Computer-Use Agents

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。

跨平台沙盒虚拟化
09.08
Cult UI README 配图
开发工具GitHub 项目

Cult UI

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。

动效开源MIT
09.08
内容创作主题配图

GPT-image-2 汉服拆解图提示词工程

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。

版式设计提示词工程文化内容
09.08
Narrator AI CLI Skill README 配图
AI 智能体GitHub 项目

Narrator AI CLI Skill

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。

多语种视频生成自动化
09.08
内容创作主题配图

NanoBanana Pro 提示词工程

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。

电商产品摄影国风创作人像摄影
09.08
内容创作主题配图

Claude Design

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。

对话式设计多模态设计系统
09.08
AI 智能体主题配图

HTML作为Agent输出格式(The Unreasonable Effectiveness of HTML)

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。

工程方法论交互设计输出格式
09.08
Hermes Agent README 配图
AI 智能体GitHub 项目

Hermes Agent

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。

多平台记忆系统开源
09.08
claude-mem README 配图
开发工具GitHub 项目

claude-mem

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。

BunChromaDBClaude Agent SDK
09.08
z-mio 的 GitHub 头像z-mio/ParseHub
数据与分析GitHub 项目

ParseHub

一个统一接口解析17+国内外社交媒体平台的轻量异步工具

ParseHub 是一款由开发者梓澪(z-mio)于 2024 年 11 月开源的社交媒体聚合解析库与 CLI 工具,使用 Python 编写,采用 MIT 协议。它通过统一的 parse() 和 download() 接口,支持 17+ 国内外主流社交媒体平台的链接解析与媒体下载,覆盖视频、图文、实况照片等多种内容类型。其核心设计是“一个接口,17+ 平台,零配置即用”,用户无需预处理链接,工具可自动从分享文案中提取 URL、清理跟踪参数并识别目标平台。ParseHub 底层聚合了 yt-dlp、instaloader 等成熟项目,并针对国内特有平台自行实现解析逻辑。它提供 CLI、Python API(同步/异步)和 Telegram Bot 三种使用方式,支持按平台配置 Cookie 和代理,并原生支持 async/await,适合批量处理场景。

媒体下载社交媒体解析异步
09.08