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 · 已应用
地图列表
不限标签5React3SQLite3开源2Claude Agent SDK2TypeScript2多模态生成1分层记忆1缓存优化1记忆系统1技能管理1桌面应用1自动化生产1

项目搜索结果

找到 5 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。

开发工具主题配图

skills-manage

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。

技能管理开源桌面应用
09.08
ArcReel README 配图
内容创作GitHub 项目

ArcReel

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。

多模态生成
Agent编排
AI视频生成
09.08
Huobao Drama 火宝短剧 README 配图
内容创作GitHub 项目

Huobao Drama 火宝短剧

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。

自动化生产AI短剧Drizzle ORM
09.08
Hermes Agent 记忆系统 README 配图
AI 智能体GitHub 项目

Hermes Agent 记忆系统

开源 AI Agent 框架 Hermes Agent 内置的多层记忆架构,以缓存优先和冷热分离为核心设计。

Hermes Agent 记忆系统是开源 AI Agent 框架 Hermes Agent(由 Nous Research 开发)内置的多层记忆架构,由四套协同工作的记忆子系统组成。第一层为固化提示词记忆,将高频关键信息存入 MEMORY.md 和 USER.md 文件,合计约 1,300 Token,会话期间固化不变。第二层为会话搜索回溯,历史对话存储在 SQLite 数据库中,通过 FTS5 全文搜索按需检索,并使用辅助模型进行摘要。第三层为技能系统,用于记住如何做事的程序记忆,技能文件存储在 ~/.hermes/skills/ 目录。第四层为可选的 Honcho 用户建模,用于跨会话、跨平台的深层用户画像。该系统的核心设计思想是缓存优先,保持系统提示词前缀稳定以最大化利用 Prompt Caching,同时采用冷热分离策略,只保存用户偏好、环境事实、错误修正、稳定规范和学到的技能五类高价值信息。

分层记忆缓存优化记忆系统
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