IDEAS CONNECT PROJECTS
从一个标签出发，打开一份值得研究的档案。
找到 20 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。
AI驱动的个人新闻雷达，自动完成多源抓取、评分、去重、背景补充与双语日报生成
Horizon 是由开发者 Thysrael 开源的个人新闻雷达系统，定位为"AI 新闻编辑"而非传统 RSS 阅读器。它从 Hacker News、RSS/Atom、Reddit、Telegram、Twitter/X、GitHub 六类信息源并发抓取内容，通过 URL 归一化与标题相似度进行跨平台去重，再调用大语言模型按用户兴趣领域进行 0-10 分评分，仅保留超过阈值的高分新闻。随后自动搜索补充背景知识、收集并摘要社区评论，最终生成中英双语 Markdown 日报，并通过 GitHub Pages、邮件订阅、Webhook 通知及 MCP Server 等多渠道分发。项目使用 Python 编写，支持 Claude、GPT、Gemini、DeepSeek、豆包、MiniMax 等多种模型提供商，可通过 Docker 或 GitHub Actions 部署，并内置交互式配置向导降低使用门槛。
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。
基于 GPT Image 2 与 MaxHermes 的自动化生图套利方法体系
本收藏记录了一套基于 OpenAI GPT Image 2 图像生成能力与 AI Agent（MaxHermes）自动化编排的商业化变现方法体系。核心思路是利用 GPT Image 2 的高质量生图能力，结合 MaxHermes 的自动化任务编排，将原本需要人工完成的生图任务变成 7×24 小时自动运行的流程。报告指出，该方法体系解决了“知道能赚钱但没时间做”的痛点，并提供了从低到高的六种变现路径，包括老照片修复、教育素材资料包、电商商品图、社媒起号、倒卖 API 和接单赚钱。报告还介绍了四层技术架构，包括图像生成能力、提示词工程、AI Agent 自动化编排和远程控制层，并说明了自进化 Skill、定时任务和微信控制等核心机制。报告同时指出了该方法的局限，如窗口期短、平台依赖、竞争加剧、质量不稳定和客户获取难等。
一站式 AI 语音工作台，从视频下载到多语言配音全流程自动化
Voice-Pro 是一款面向创作者和开发者的 AI 音频全流程处理工具，由韩国创业公司 ABUS 开发，基于 Gradio WebUI 构建。它将视频下载、音频分离、语音识别、多语言翻译、文本转语音（TTS）和零样本声音克隆集成到一个统一的 Web 界面中，定位为 ElevenLabs 的开源替代方案。核心价值在于将传统需要 5-8 个工具配合的流程（下载、分离、识别、翻译、配音、字幕）串联成一条自动化管道，用户只需输入视频链接，即可获得多语言配音视频和字幕。工具支持四种 Whisper 变体用于语音识别，三种零样本声音克隆引擎（F5-TTS、E2-TTS、CosyVoice），以及 Edge-TTS、kokoro 等多语言 TTS。完全开源免费，本地运行，数据不出机器。需要 NVIDIA GPU（最低 4GB 显存，推荐 8GB+），首次部署需下载模型，耗时较长。
基于Git Worktree物理隔离与DAG调度的多智能体并行编程方案
Codex 是 OpenAI 于 2025 年开源的终端 AI 编程助手，其多智能体能力将编程任务拆解为有向无环图（DAG），由 Manager 调度多个 Subagent 在独立的 Git Worktree 中并行执行，通过 Harness 层统一管理上下文压缩、状态同步和执行环境隔离。该方案旨在解决多智能体并行时的 Token 消耗暴涨、上下文失控和状态无法收敛等痛点，强调控制成本、控制状态、控制依赖，而非追求最大并行度。核心机制包括 Manager 负责任务拆解、依赖分析和结果合并，Subagent 在独立工作区中执行具体编码任务，Harness 提供执行环境隔离、上下文自动压缩和状态同步。配置采用全局与项目级双层体系，支持 MCP 工具集成和自动化审批。报告指出并发数 4 左右是甜点区间，超过后 Token 消耗指数增长但收益递减。该方案适用于全栈应用并行开发、大型项目重构、多模块库开发等场景，但 Token 成本高、合并冲突风险和学习曲线陡峭等局限也需注意。
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。
让 AI Agent 在用户已登录的 Chrome 浏览器中直接执行网页自动化任务
Codex Chrome Extension 是 OpenAI 于 2026 年 5 月 7 日发布的 Chrome 浏览器扩展插件，让 Codex AI Agent 能够直接操控用户已登录的 Chrome 浏览器，执行网页自动化任务。该插件解决了 Codex 此前无法操作需要登录的网站的问题，通过复用浏览器已有的 Cookie 和登录状态，使 AI 能够访问邮箱、社交媒体、公司后台等需要认证的页面。其核心能力包括身份共享、多标签页并行处理和多代理协同。用户通过 @Chrome 指令触发浏览器操控，Agent 在独立标签页中工作，不接管整个浏览器，用户可正常使用。该插件需要 Codex CLI 0.129.0 或更高版本，支持 macOS 和 Windows 平台。
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。
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。
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。
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。
一个让 LLM Agent 通过 Unix Socket 直连用户 Chrome 的自愈式浏览器控制框架
Browser Harness 是由 browser-use 团队开发的一个自愈式浏览器控制框架，总计约 592 行 Python 代码，直接基于 Chrome DevTools Protocol（CDP）构建。它让 LLM Agent 能够通过一个 Unix Socket 连接到用户已运行的 Chrome 浏览器，实现完全自由地完成任何浏览器任务。其核心定义是：最简单、最轻量的自愈式浏览器控制装置——Agent 在任务执行过程中发现缺少什么功能，就当场写出来补上，无需重启、无需框架更新。该项目旨在解决 LLM Agent 如何以最少的前置代码、最大的灵活性控制真实浏览器的问题。传统方案要么依赖重量级框架（如 Playwright、Selenium），要么把所有交互逻辑预先编码。Browser Harness 反其道而行，只提供一个极薄的 CDP 桥接层（daemon + helpers），剩下的能力由 Agent 在任务执行中即时编写。
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。
AI 信息源智能筛选系统，先判断再接入
伯乐 Skill（Scout Skill）是基于开源项目 ai-news-radar 构建的 AI 信息源智能筛选与新闻雷达系统，由 LearnPrompt 创始人卡尔的AI沃茨开发，2026 年 5 月发布 v0.4.0。其核心定位不是又一个新闻聚合站，而是帮助用户从一堆信源里选出千里马的 AI 信息源筛选系统。它解决 AI 从业者追踪行业动态时的信息淹没、原始来源丢失、接入方式差异大、个性化需求无法满足、缺乏健康评估机制以及 Agent 自动化维护门槛高等痛点。核心设计思想是“先判断，再接入”，在信息源层面做第一轮判断，区分一手源与聚合源，并尊重每个源的原生接入方式。系统支持九类信源，内置 22 个默认信息源，通过六阶段 Pipeline 完成信源分类、抓取、去重、过滤、健康统计和静态站点生成。核心流程不依赖大模型 API，也不需要服务器，运行在 GitHub Actions 和 GitHub Pages 上，每 30 分钟自动更新。
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。
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+。
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。