IDEAS CONNECT PROJECTS
从一个标签出发，打开一份值得研究的档案。
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。
让 LLM 通过文本转录而非逐帧图像来理解和编辑视频的开源工具
video-use 是由 browser-use 团队开源的 LLM 驱动视频编辑工具，专为 Claude Code 设计。其核心理念是让 LLM "读"视频而不是"看"视频，通过音频转录和按需可视化，将原始视频素材压缩为约 12KB 的文本摘要，再由 Claude Code 进行对话式剪辑决策。该工具主要解决传统视频编辑流程中人工操作链条长、视频对 LLM 不可读、填充词检测依赖人工或粗粒度工具、跨镜头一致性难以保证以及动画/字幕叠加工程复杂度高等痛点。其工作流程包括素材盘点、预扫描问题、对话交互、策略确认、执行、渲染和自评估。项目包含 12 条硬规则以确保生产正确性，并支持通过并行子 Agent 生成动画。该工具适用于口播视频、教程、采访等"说话为主"的内容，不适用于音乐 MV、体育赛事剪辑、电影级特效合成等场景。
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。
一款将文档编译为结构化、互相关联知识库的跨平台桌面应用
LLM Wiki 是一款跨平台桌面应用，由开发者 nashsu（Yong Su）基于 Andrej Karpathy 提出的 LLM Wiki 模式构建，将抽象设计模式转化为功能完整的桌面软件，能够自动将文档转化为结构化、互相关联的知识库。其核心定位是编译式知识管理，区别于传统 RAG 的检索式模式。应用采用三层架构（Schema 层、Wiki 层、Raw 层），支持 Ingest、Query、Lint 三大核心操作。其关键创新是 Two-Step Chain-of-Thought Ingest，将单步摄取拆分为分析和生成两步，以提升页面质量。知识图谱采用四信号模型（直接链接、来源重叠、共同邻居、类型亲和）并结合 Louvain 社区检测。查询采用多阶段检索管线，包含分词搜索、可选向量搜索、图谱扩展和预算控制。应用支持多格式文档导入、Chrome 扩展 Web Clip、Deep Research 等功能，数据完全本地化，Wiki 目录兼容 Obsidian。
以 LLM 为知识编译器的个人知识库构建方法
本条目整理自一份关于 Andrej Karpathy 个人知识库构建方法的技术拆解报告。报告指出，Karpathy 于 2026 年 4 月公开分享了一套基于 LLM 的知识库构建方法，其核心是从“操作代码”转向“操作知识”，将 LLM 视为知识库的核心引擎。系统采用五层架构：数据摄取层将网页、论文、代码等原始数据统一收集到 raw/ 目录；知识编译层由 LLM 将原始数据“编译”为结构化的 Markdown Wiki，包括摘要、概念文章、反向链接和索引文件；查看与浏览层使用 Obsidian 作为前端；问答层通过 LLM Agent 检索知识库并生成结构化回答；维护层通过 LLM 健康检查确保知识库一致性。报告强调，在约 40 万词的规模下，LLM 可以自动维护索引，无需传统 RAG 组件。每次查询的结果会回写知识库，实现增量增强。
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。
对比两款开源轻量级 TTS：Supertonic 跨平台部署，MOSS-TTS-Nano 零样本声音克隆
本文档对比两款开源轻量级 TTS 系统：Supertonic 与 MOSS-TTS-Nano。Supertonic 由 Supertone Inc. 开发，基于 ONNX Runtime 完全本地运行，约 99M 参数，支持 31 种语言，提供 11 种语言 SDK，采用 Flow Matching 与语音自编码器架构，代码 MIT 许可，模型 OpenRAIL-M。MOSS-TTS-Nano 由 MOSI.AI 和复旦大学 OpenMOSS 团队开发，仅 0.1B 参数，基于 Audio Tokenizer + LLM 纯自回归架构，支持实时流式推理，可在 4 核 CPU 上运行，支持零样本声音克隆，输出 48kHz 立体声，Apache-2.0 许可。两者均解决传统 TTS 的部署、质量、工程与生态痛点，但侧重点不同：Supertonic 适合跨平台部署与极低资源设备，MOSS-TTS-Nano 适合声音克隆与中文 TTS。文档还包含架构原理、系统架构、关键流程、应用场景、优缺点与选型建议。
从零开始用 PyTorch 原生实现并训练 GPT 风格语言模型的开源项目
MiniMind 是一个开源项目，目标是从绝对零开始训练一个 GPT 风格的语言模型。项目没有使用任何第三方框架的高级抽象，所有核心算法代码均使用 PyTorch 原生实现，开发者可以逐行阅读、理解、修改每一处计算逻辑。项目覆盖了从预训练、SFT 到 DPO 的完整训练链路，并支持推理、多模态、工具调用等能力。其最小模型为 26M 参数，最低硬件要求为单张 NVIDIA 3090，最短训练时间约 2 小时。项目强调“大道至简”的理念，不追求 SOTA，而是追求“最小可理解”，旨在帮助开发者理解 LLM 的每个组件如何工作。同时，项目兼容 llama.cpp、vllm、ollama 等推理部署方案，并兼容 OpenAI API，可接入 FastGPT、Open-WebUI。
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。
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。
用LLM生成结构化提示词，再交给图像模型产出可切割发布的小红书九宫格大图
这是一套利用大语言模型自动生成高质量图片提示词，再交给AI图像生成工具产出可直接发布的小红书九宫格内容的工作流方法。核心不在于让AI直接画图，而在于让AI先设计完整的图文方案，包括视觉风格、排版结构、每格内容和配色方案，然后一次性生成一张可切割的九宫格大图。该方法由程序员Austin在2026年4月公开分享，帖子获得58赞、7转发、76条评论和4600+浏览。它属于AI辅助内容创作领域，是方法论、工作流与提示词模板的组合，不依赖特定平台，只要有LLM和图像生成工具就能使用。报告指出，传统流程制作一组九宫格可能需要2-4小时，而用AI工作流可以压缩到15-30分钟。