IDEAS CONNECT PROJECTS
从一个标签出发，打开一份值得研究的档案。
找到 19 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。
让 LLM 通过文本转录而非逐帧图像来理解和编辑视频的开源工具
video-use 是由 browser-use 团队开源的 LLM 驱动视频编辑工具，专为 Claude Code 设计。其核心理念是让 LLM "读"视频而不是"看"视频，通过音频转录和按需可视化，将原始视频素材压缩为约 12KB 的文本摘要，再由 Claude Code 进行对话式剪辑决策。该工具主要解决传统视频编辑流程中人工操作链条长、视频对 LLM 不可读、填充词检测依赖人工或粗粒度工具、跨镜头一致性难以保证以及动画/字幕叠加工程复杂度高等痛点。其工作流程包括素材盘点、预扫描问题、对话交互、策略确认、执行、渲染和自评估。项目包含 12 条硬规则以确保生产正确性，并支持通过并行子 Agent 生成动画。该工具适用于口播视频、教程、采访等"说话为主"的内容，不适用于音乐 MV、体育赛事剪辑、电影级特效合成等场景。
从创意到发布的全流程自动化短视频生产工具链
AI短视频全流程自动化工具链是一组开源项目按“生成→剪辑→翻译→发布”顺序串联形成的工作流体系，利用大语言模型、语音识别、语音合成、机器翻译和浏览器自动化等技术，将短视频内容创作的全生命周期从“人工逐环节操作”升级为“一键自动化流水线”。工具链由四个核心项目组成：MoneyPrinterTurbo负责视频生成，FunClip负责智能视频剪辑，KrillinAI负责视频翻译配音，social-auto-upload负责多平台一键发布。它属于“AI辅助内容创作”技术体系，核心价值是把一个短视频从“创意到上线”的全流程压缩到分钟级别，并且一个人就能完成传统需要文案、剪辑师、翻译、运营四个人协作的工作。传统短视频制作周期通常需要1-3天，该工具链可大幅缩短制作时间。
Donchitos/Claude-Code-Game-Studios将单个 Claude Code 会话改造为完整游戏开发工作室的开源模板仓库
Claude Code Game Studios（CCGS）是一个开源模板仓库，将单个 Claude Code 会话改造为一个完整的游戏开发工作室。它不是一个独立工具或引擎，而是一套运行在 Anthropic Claude Code CLI 环境之上的组织架构层，通过 49 个专业 AI Agent、72 个 Slash Command（Skill）、12 个自动化 Hook、11 条路径作用域规则和 39 个文档模板，模拟真实游戏工作室的层级分工与协作流程。CCGS 属于 AI 多 Agent 协作模板，不提供新的 AI 能力，而是把 Claude Code 已有的 Agent 机制组织成一套游戏开发专用的流程体系。其核心是三级 Agent 层级，对应真实工作室的组织架构，并采用用户驱动的五步协作协议。CCGS 支持 Godot 4、Unity、Unreal Engine 5 引擎，主要测试平台为 Windows 10 + Git Bash，兼容 macOS 和 Linux。
AI Agent 驱动的开源小说视频生成工作台
ArcReel 是一个开源的 AI 视频生成工作台，由 AI Agent 全程驱动，能够将小说文本自动转化为完整的短视频。其完整工作流为：小说 → 角色/场景/道具设计 → 剧本 → 分镜图 → 视频片段 → 最终成片。它本身不训练模型，而是通过统一的抽象层集成 Google Gemini、火山方舟、xAI Grok、OpenAI 等多个 AI 供应商，用 Agent 智能体协调完成从文本到视频的端到端生产流程。项目采用 React 19、Python 3.12+ / FastAPI、Claude Agent SDK 等技术栈，支持 SQLite 与 PostgreSQL 数据库，可通过 Docker 一键部署。ArcReel 旨在解决 AI 视频生成中角色一致性、场景连贯性、分镜拆分、多供应商调度与任务编排等工程问题，将传统人工串联多个 AI 工具的制作流程，转变为 Agent 自动编排与人工确认相结合的标准化流水线。
在 Claude Code 工作流中直接调用 OpenAI Codex CLI，实现跨模型协作的官方插件
Codex Plugin for Claude Code 是 OpenAI 官方推出的 Claude Code 插件，让用户可以在 Claude Code 工作流中直接调用 OpenAI Codex CLI，实现跨模型协作——用 Claude 做主力编程，用 Codex 做代码审查和任务委派。插件通过 Claude Code 的 Plugin System 注册自定义 Slash Commands、Hooks、Subagents 和 Skills，在命令触发时通过 Bash 调用本地 Codex CLI 的 App Server 接口。它提供六个 Slash Command，覆盖代码审查、对抗性审查、任务委派和任务管理；通过 SessionStart、SessionEnd、Stop 三种 Hook 实现生命周期管理和自动质量门控。其核心创新是 Review Gate，在 Claude Code 完成代码修改后自动触发 Codex 审查，审查结果为 ALLOW 则放行，BLOCK 则阻止 Stop 并让 Claude 继续修复，形成自动化的写代码、审查、修复循环。插件支持后台运行任务、灵活选择 Codex 模型，并自动读取现有 Codex 配置。
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。
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。
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。
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。
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。
用自然语言描述系统，几秒钟生成可嵌入文档的 SVG+PNG 技术图表
Fireworks Tech Graph 是一个专为 Claude Code 设计的开源 Skill，能够将自然语言描述直接转换为生产级质量的 SVG + PNG 技术图表。它支持 8 种图表类型、5 种视觉风格，并内置了深厚的 AI/Agent 领域知识（RAG、Agentic Search、Mem0、Multi-Agent、Tool Call 等）。核心解决的问题是让开发者和技术写作者不用学习任何图表 DSL（如 Mermaid 语法、PlantUML、Graphviz DOT），也不用打开 draw.io 等可视化编辑器，只需要用自然语言描述系统，就能获得出版级的技术图表。它本质上是一套注入到 Claude Code 中的专业绘图知识和规则体系，包含 9 步固定工作流、语义形状系统、语义箭头系统、5 套完整的视觉设计系统、40+ 产品图标库以及 AI/Agent 领域的 7+ 内置架构模式。输出为可编辑的 SVG 文件和 1920px 高清 PNG 文件，完全离线使用，不依赖外部 API 或 CDN。
用5个开源工具串联选品到客服，构建可自托管的一人电商全链路工作流
这是一套基于5个开源项目组合而成的一人电商全链路工作流，覆盖从选品到客服转化的完整电商运营链路。它不是一个单独的技术框架，而是通过将5个成熟的开源工具串联起来，构建一支"虚拟电商团队"。该工作流属于开源电商工具链体系，不绑定任何单一平台，所有组件都可以自托管，数据完全掌控在自己手中。它通过 changedetection.io 解决选品研究，PicPilot 处理素材生成，Medusa 搭建无头电商后端，n8n 实现工作流自动化，Chatwoot 提供全渠道客服。核心思想是用开源工具替代团队角色，用自动化工作流替代人工协调，让一个人具备完整电商运营能力。报告指出其适合有基础技术能力、重视数据自主权、追求高度定制化的个人或小型团队，但不适合完全没有技术背景、只求快速上线的纯运营型卖家。
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。
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。
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。
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。
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。
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。