IDEAS CONNECT PROJECTS
从一个标签出发，打开一份值得研究的档案。
找到 12 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。
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。
为 Hermes Agent 提供浏览器端图形界面的纯 UI 层，让会话、文件与工具调用可视化。
Hermes WebUI 是 Hermes Agent 的浏览器端图形界面，由 Nathan Esquena（@nesquena）开发并开源。它本身不运行 Agent，而是对接用户已有的 Hermes Agent 服务，所有数据仍存储在用户机器上。项目采用 Python 后端与原生 JS/CSS/HTML 前端，零框架、零构建步骤，通过 REST API 与 SSE 流式传输实现通信。它主要解决传统终端与聊天平台交互的痛点，包括会话不可追溯、文件操作割裂、Profile 管理原始、工具调用黑盒以及跨设备访问受限等问题。WebUI 提供三栏布局，左侧会话列表、中间聊天区域、右侧文件浏览器，并支持 CLI 会话桥接、Profile 热切换、工具调用卡片展示等功能。部署方式包括本地脚本启动、Docker 容器以及 macOS 原生客户端（Swift/WKWebView 封装）。项目为 MIT 开源，适合需要可视化管理 Hermes Agent 会话与工作区的用户。
多语种语音生成模型，支持3秒声音克隆与流式合成
CosyVoice 是阿里巴巴达摩院 FunAudioLLM 团队开发的多语种大语音生成模型，提供推理、训练和部署的全栈能力。其核心能力包括仅需 3 秒参考音频即可实现零样本声音克隆，覆盖 9 种常见语言和 18 种以上中文方言，并支持跨语种克隆。模型采用 LLM 生成语义 Token 与 Flow Matching 渲染声波的双阶段架构，CosyVoice 2.0 起支持双向流式合成，延迟低至 150ms。CosyVoice 3.0 引入多任务 Tokenizer 和可微分奖励模型后训练，训练数据扩展至 100 万小时。项目采用 Apache-2.0 许可证，支持本地部署，提供 Docker、FastAPI、gRPC、vLLM、TensorRT-LLM 等多种部署方式。
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。
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。
开源在线 AI 简历编辑器，所见即所得，数据本地存储
Magic Resume 是一款开源的在线 AI 简历编辑器，由开发者 Siyue 创建并维护。它提供所见即所得的编辑体验，左侧编辑内容，右侧实时预览最终效果。所有简历数据存储在浏览器 localStorage，不上传服务器，从根本上解决隐私问题。内置 AI 辅助写作，支持 Gemini、DeepSeek、豆包等多个大模型，可进行内容润色、语法检查和简历导入。基于 TanStack Start、Tiptap v3、Zustand 等现代技术栈构建，支持多套模板和深色模式。PDF 导出时自动调整字号和间距，确保简历恰好一页。采用 Apache 2.0 开源协议，个人使用免费，商业使用需单独授权。支持 Docker 一键部署，无需数据库和后端。
AI 驱动的多平台热点聚合与智能推送工具
TrendRadar 是一款 AI 驱动的舆情监控与热点聚合工具，由开发者 sansan0 于 2025 年 4 月创建。项目定位为面向信息过载时代的一站式热点助手，核心能力包括一键聚合 35+ 平台实时热点（如抖音、B 站、知乎、微博、头条、财联社、华尔街见闻等），通过 AI 智能筛选、翻译和深度分析，生成趋势预测、情感洞察、跨平台关联等简报，并支持 10+ 智能推送渠道（企业微信、微信、飞书、钉钉、Telegram、邮件、Slack 等）。项目采用时间线智能调度，针对早高峰、晚上、周末等不同时段配置不同推送策略。技术栈包括 Python、GitHub Actions、GitHub Pages、Docker 和 MCP Server，开源协议为 GPL-3.0。项目支持 MCP 架构，可接入 AI Agent 生态，实现自然语言对话分析。
开源 PDF 科学文档翻译工具，翻译全文并保留公式、图表与排版。
PDFMathTranslate（命令行工具名 pdf2zh）是一个开源的 PDF 科学文档翻译工具，其核心能力是在翻译 PDF 全文的同时，完整保留原始排版、数学公式、图表、目录和批注。它通过 PDF 解析、元素分类、文本翻译、原位回填四个阶段处理文档，使用 DocLayout-YOLO 模型识别并跳过公式区域，避免公式被翻译引擎误读。翻译引擎可插拔，支持 Google、DeepL、OpenAI、Ollama 等十余种后端，并支持 CLI、GUI、Docker、MCP Server、Zotero 插件等多种部署形态。工具同时生成纯译文版和双语对照版，满足不同阅读需求。项目以 AGPL-3.0 许可证开源，论文被 EMNLP 2025 录用。
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。
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。
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。