IDEAS CONNECT PROJECTS
从一个标签出发，打开一份值得研究的档案。
找到 21 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。
开源 AI 视频提示词反推分析工具，自动提取关键帧并生成结构化提示词
PromptLens 是一款开源的 AI 视频提示词反推分析工具，提供完整的 Web 应用体验。其核心能力是上传 AI 生成的视频或图片，自动提取关键帧，通过多模态大模型（如智谱 GLM-4V、Google Gemini、OpenRouter）分析画面内容，反向推导出可能使用的提示词，并输出结构化的、可直接复用的英文提示词。项目采用 Next.js 15 + React 19 全栈技术，使用 Supabase PostgreSQL 存储数据，Cloudflare R2 存储媒体文件，FFmpeg 进行视频帧提取，支持 better-auth 的 Google/GitHub 登录。除画面分析外，还支持通过 AssemblyAI 进行音频识别，提取视频中的语音旁白和台词。项目以 MIT 许可证开源，代码透明，可自由修改和商用。
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。
具备持续记忆与自动技能提取的自我进化型 AI Agent 框架
Hermes Agent 是由 Nous Research 团队开发的开源 AI Agent 框架，GitHub 星标超过 90,000。其核心定位不是简单的“大模型套壳聊天工具”，而是具备持续记忆、自动技能提取和跨会话成长能力的自我进化型 Agent。传统 AI Agent 每次会话后所学技能、积累经验和对用户的理解全部归零，而 Hermes Agent 引入持久化记忆系统、技能自动发现与注册机制以及三层记忆架构，使能力持续增长。框架采用“最小核心 + 最大扩展”原则，核心 Agent Loop 精简，工具、技能、记忆、提示等能力通过注册机制动态注入。记忆系统分为 MemoryStore、MemoryManager 和 MemoryProvider 三层，支持跨会话检索和上下文压缩。技能系统从实际使用中自动提取重复模式，并采用渐进式加载策略。工具体系覆盖浏览器、代码执行、语音等场景，并内置多后端架构。此外，Prompt Builder 模块化组装系统提示，内置注入守卫；Auxiliary Client 管理多模型路由与自动降级。整体生态包含 80+ 衍生项目，形成“Agent 构建生态，生态增强 Agent”的正向飞轮。
AI 原生的现代化文档平台，以 Docs-as-Code 理念简化文档创建与维护
Mintlify 是一个现代化的 AI 原生文档平台，帮助工程团队创建、管理和发布美观的文档站点。它采用 Docs-as-Code（文档即代码）理念，用 MDX（Markdown + JSX）编写内容，通过 Git 管理版本，自动构建部署。平台提供内容创作、结构组织、API 文档、AI 原生、部署托管和优化分析等核心能力。它解决了传统文档方案搭建成本高、API 文档难做、内容维护难、缺乏 AI 能力、发现性差等痛点。Mintlify 的流程是连接 GitHub、写 MDX、自动部署、AI 辅助维护，周期短且后续几乎零运维。其设计原则包括 Docs-as-Code、约定优于配置、AI 原生、托管平台和 MDX 超级 Markdown。平台支持 OpenAPI 3.0/3.1 自动生成 API 文档和交互式 Playground，内置 AI Assistant 问答和 AI Agent 自动维护，并提供 MCP Server 集成。
一个界面统一管理 28+ 个 AI 编程代理平台 Skills 的跨平台桌面应用
skills-manage 是一款基于 Tauri v2 的跨平台桌面应用，用于在一个统一界面中管理 28+ 个 AI 编程代理（Coding Agent）平台的 Skills（技能/插件）。它由社区开发者志辉（@iamzhihuix）开发，于 2026 年 4 月 20 日发布首个公开版本 v0.8.0，采用 Apache 2.0 开源协议。该应用通过“中央技能库 + 符号链接分发”的机制，将 Skills 统一存放在 `~/.agents/skills/` 目录，并通过 symlink 链接到各平台目录，实现零副本、零同步延迟的管理。它内置 Skills 市场，支持从 GitHub 仓库一键导入，并提供 AI 自动解释功能以降低理解门槛。应用采用本地优先策略，所有数据存储在本地 SQLite 中，无需账号和云服务。当前预编译包仅支持 macOS，Windows/Linux 需从源码构建。
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。
microsoft/markitdown微软开源的轻量级多格式文档转 Markdown 工具，为 LLM 与 RAG 管道提供结构化文本提取。
MarkItDown 是微软 AutoGen 团队开发并维护的开源 Python 工具，采用 MIT 协议，当前 GitHub 星标超过 105k，最新版本为 v0.1.5（2026 年 2 月发布）。它支持 PDF、Word、PowerPoint、Excel、图片、音频、HTML、EPUB 等 15 种以上文件格式，将其转换为结构化的 Markdown 文本。其核心设计目标是让 LLM 和文本分析工具能以最高效的方式“阅读”非文本文件，输出为机器可消费的结构化文本，而非人类可读的高保真转换。工具采用可插拔的 Converter 架构，每种格式对应独立转换器，核心库仅依赖 Python 标准库，其他功能通过可选依赖按需安装。v0.1.0 之后支持流式处理，不创建临时文件。基础转换不依赖 LLM，但可选用 LLM 增强图片描述与 OCR 功能。此外，项目提供 MCP 服务器，便于 AI 客户端直接调用。
一个为开发者生成可编辑 SVG Logo 与专业展示图的开源 AI Skill
Logo Generator 是由归藏（op7418/guizang.ai）开发的开源 AI Skill，用于生成专业级别的 SVG Logo 和图标，并自动创建高端展示图。它适用于 Claude Code、Gemini CLI 等 AI Agent 平台，项目托管在 GitHub，采用 MIT 协议。该工具主要解决小项目、开源项目或创业团队需要“够用的好 Logo”，但既请不起设计师、也用不好 AI 画图工具的痛点。其核心思路是“分阶段生成，先矢量后位图”：先由 AI 生成可编辑的 SVG 几何基础，再生成专业展示图。它内置设计模式库，包含点阵、线条系统、几何切割、负空间、括号/壳、六边形核心等范式，并提供 12 种静态背景风格和 6 种 WebGL 动态背景。整个流程约需 10-30 分钟，对话式交互，零设计基础也可使用。
garrytan/gbrain为 AI Agent 提供长期记忆的 Markdown 知识库与混合检索工具
GBrain 是一个为 AI Agent 提供长期记忆的开源工具，由 Garry Tan 开发。它通过 Markdown 知识库、混合检索和实体图谱，解决 AI 每次对话从零开始、无法积累个人知识的问题。其核心是一个“读-答-写-同步”四步循环：Agent 在回答前先查询大脑获取上下文，对话后更新大脑页面，使知识像复利一样增长。GBrain 采用 Markdown 即数据库的设计，每个实体对应一个文件，人类可读可编辑，并用 Git 管理。存储层默认使用嵌入式 PGLite，2 秒启动，零配置，长大后可迁移到 Supabase。检索层采用向量搜索、关键词搜索与 RRF 融合排序的混合检索，兼顾语义理解和精确匹配。集成层通过 Markdown 食谱声明式描述，Agent 读取后即可自动安装。
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。
社区驱动的 GPT Image 2 提示词策展平台，提供已验证提示词与多语言支持
YouMind GPT Image 2 提示词库是一个由 YouMind 团队维护的社区驱动型 AI 图像提示词集合平台，覆盖 OpenAI GPT Image 2 模型。截至 2026 年 4 月 21 日，平台已收录 725+ 条提示词，并以每日更新的速度持续增长。平台提供 Web Gallery 和 GitHub 开源仓库两种使用方式，支持 16 种语言版本，采用 CC BY 4.0 开源协议。核心功能包括瀑布流布局、全文搜索、分类筛选、AI 一键生成以及社区投稿系统。平台从用途、风格、主体三个维度对提示词进行分类，共 44+ 个类别。此外，部分提示词支持 Raycast Snippets 集成，便于用户模板化使用。平台通过 GitHub Actions 每 12 小时自动同步更新，确保内容时效性。
让 LLM 成为知识库的编译器和维护者，实现知识的持续积累与复利增长
LLM Wiki 是 Karpathy 于 2026 年 4 月提出的一种用 LLM 构建和维护个人知识库的方法论。其核心主张是不再把 LLM 当作临时问答工具，而是让它成为知识库的编译器和维护者，像程序员维护代码库一样，持续读取源材料、写入 Wiki 页面、更新交叉引用、标记矛盾。该方法论横跨个人知识管理、LLM 应用范式和知识编译三个领域，旨在解决传统 RAG 模式没有知识积累、无法发现矛盾、无法跨文档综合、查询结果无法沉淀以及人类维护负担过重等痛点。其核心思想是让 LLM 成为知识库的编译器和维护者，而非临时检索引擎。底层基于三层架构：Raw Sources（原始源材料）、The Wiki（知识库）和 The Schema（配置规范），并通过 Ingest（摄入）、Query（查询）、Lint（健康检查）三个核心操作实现知识的增量编译和持续维护。该方法论适合长期深度研究、个人知识管理等场景，但存在 Token 消耗高、冷启动成本高、幻觉风险等局限。
crafter-station/petdex面向 OpenAI Codex CLI 的动画宠物公共画廊平台
Petdex 是一个面向 OpenAI Codex CLI 的动画宠物公共画廊平台，由 crafter-station 组织维护。它解决了 Codex 宠物散落在 GitHub、Reddit 等各处，缺乏统一浏览、预览和安装入口的问题。平台提供公共画廊，支持按类型、颜色、风格分类浏览，每个宠物可预览所有动画状态。用户可通过 `npx petdex install <name>` 一行命令安装宠物。宠物由社区创作和提交，平台提供自动审核（OpenAI LLM）与人工审核双重机制。此外，平台支持合集（Collections）、排行榜、个人图鉴以及社区宠物请求匹配功能。技术栈为 Next.js 15 + TypeScript + Bun + Drizzle ORM + Neon Postgres + Cloudflare R2 + Clerk 认证，采用 MIT 开源协议。截至 2026 年 5 月，平台已收录 1146+ 个社区提交的宠物。
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 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。
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。
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。
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。
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。