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115开源34AI Agent33Python23提示词工程13Claude Code13TypeScript12LLM11Markdown10MIT10React9知识管理8CLI8

项目搜索结果

找到 8 个项目 · 标签:CLI 移除标签

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。

val1813 的 GitHub 头像val1813/kwcode
AI 智能体GitHub 项目

KWCode天工开物

为本地小模型优化的确定性流水线 Coding Agent CLI 工具

KWCode(天工开物)是一个专为本地开源模型优化的 Coding Agent CLI 工具,由中国开发者 val1813(ValHuang)开发,MIT 协议开源。其核心定位是让 8B-30B 参数的小模型也能完成编程任务,数据不出网。 KWCode 采用确定性专家流水线架构,LLM 只负责任务分类和代码生成,文件定位、验证、调试等环节由确定性代码完成。内置 5 个确定性工具,支持 BM25+AST 调用图定位、三阶段重试、Debug Subagent 运行时调试、DAG 多任务编排、专家飞轮自动积累经验等功能。 项目支持 Windows/macOS/Linux 平台,Windows 原生运行,无需 WSL2。系统要求 Python 3.10+,支持任意 OpenAI 兼容 API。当前处于 MVP 阶段,AST 引擎主要支持 Python,社区规模较小。

本地模型开源确定性流水线
09.08
opencli-rs README 配图
开发工具GitHub 项目

opencli-rs

用 Rust 重写的命令行信息获取工具,一条命令访问 55+ 网站并支持 AI 生成适配器

opencli-rs 是一款用纯 Rust 编写的命令行工具,旨在通过一条命令从 55+ 个网站获取结构化信息,覆盖 Twitter/X、Reddit、YouTube、HackerNews、Bilibili、知乎、小红书等主流平台,同时支持控制 Electron 桌面应用和集成本地 CLI 工具。它是基于 TypeScript 实现的 OpenCLI 的完整 Rust 重写版本,编译为 4.7MB 的单一静态二进制,零运行时依赖。其核心设计包括声明式 YAML Pipeline、编译时嵌入适配器、AI 原生适配器生成以及浏览器会话复用。工具内置 333+ 命令,支持 table/json/yaml/csv/markdown 等多种输出格式,并专为 AI Agent 设计了工具发现机制。项目采用 Apache-2.0 许可证,截至 2026 年 4 月开源不到两周,生态和文档仍在完善中。

开源浏览器桥接信息获取
09.08
HyperFrames README Logoheygen-com/hyperframes
开发工具GitHub 项目

HyperFrames

用 HTML 写视频,为 AI Agent 而生的确定性渲染框架

HyperFrames 是由 HeyGen 开源的一个 HTML-to-Video 渲染框架,核心理念是“Write HTML. Render video. Built for agents.”。它允许用户用纯 HTML 文件定义视频内容,通过 data-* 属性控制时间轴、轨道和布局,然后通过 CLI 一键渲染成 MP4。该框架采用声明式数据模型、可插拔动画运行时和确定性逐帧渲染引擎,旨在解决 AI Agent 无法操作传统视频编辑工具的问题。它支持非交互式 CLI、Vercel Skills 规范,并提供 50+ 预制 Block。HyperFrames 使用 TypeScript 开发,开源协议为 Apache 2.0,最新版本为 v0.4.3。

AI AgentApache-2.0CLI
09.08
内容创作主题配图

md2wechat

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。

内容创作排版微信公众号
09.08
AI 智能体主题配图

AI Agent 技能工具

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。

脚手架视频解说信息获取
09.08
AI 智能体主题配图

飞书 CLI + AI 构建 Jira 级任务管理系统

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。

低代码飞书任务管理
09.08
Narrator AI CLI Skill README 配图
AI 智能体GitHub 项目

Narrator AI CLI Skill

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。

多语种视频生成自动化
09.08
z-mio 的 GitHub 头像z-mio/ParseHub
数据与分析GitHub 项目

ParseHub

一个统一接口解析17+国内外社交媒体平台的轻量异步工具

ParseHub 是一款由开发者梓澪(z-mio)于 2024 年 11 月开源的社交媒体聚合解析库与 CLI 工具,使用 Python 编写,采用 MIT 协议。它通过统一的 parse() 和 download() 接口,支持 17+ 国内外主流社交媒体平台的链接解析与媒体下载,覆盖视频、图文、实况照片等多种内容类型。其核心设计是“一个接口,17+ 平台,零配置即用”,用户无需预处理链接,工具可自动从分享文案中提取 URL、清理跟踪参数并识别目标平台。ParseHub 底层聚合了 yt-dlp、instaloader 等成熟项目,并针对国内特有平台自行实现解析逻辑。它提供 CLI、Python API(同步/异步)和 Telegram Bot 三种使用方式,支持按平台配置 Cookie 和代理,并原生支持 async/await,适合批量处理场景。

媒体下载社交媒体解析异步
09.08