PhotoCraft 是用纯 Rust 从零实现的开源 Adobe Photoshop 替代品，隶属于 ArtCraft 社区。与依赖 Electron/WebView 的方案不同，它使用 wgpu 作为 GPU 渲染后端，支持 Metal、Vulkan、DX12 和 WebGPU，覆盖 macOS、Windows、Linux、FreeBSD，并可通过 We…
仓库攻略
43 篇 · 43 个项目 · 多模态 · Agent 智能体
oilui 是一个 AI 原生 UI 设计方法论框架，本质上是一套结构化设计流程（不是 Figma 插件，也不是代码库），通过一套明确的步骤让 AI Agent 生成高质量、可交付的网页或 App 界面设计。 它以 Claude Code Skill（或兼容 npx skills 的 Agent）的形式分发，安装后直接把设计任务交给 Agent，Agent …
PolymarketPerpetualBot 是一个面向 Polymarket 预测市场的终端交易机器人，基于 Polymarket 的 Polygon CLOB（Central Limit Order Book）API 构建。它以键盘驱动的 TUI（终端用户界面）呈现，集成了行情浏览、实时订单簿查看、策略引擎和持仓追踪四大模块，支持模拟交易（paper t…
§0 自检:1) 公开 README 抓取 ✓ · 2) GitHub 200 OK ✓ · 3) Android/iOS 构建命令均来自 README ✓ · 4) 许可证 PolyForm Noncommercial 1.0.0(README 显式标注)✓ · 5) 反方 v2 三段式按主线分布(见 §6)✓ · 6) 立标候选(主分类:移动端本地多模态…
§0 自检：1) 公开 README 抓取 ✓ · 2) GitHub 200 OK ✓ · 3) 安装/卸载命令均来自 README ✓ · 4) whisper 模型大小 1.6 GB 由 README 给出 ✓ · 5) 反方 v2 三段式按主线分布(见 §6)✓ · 6) 立标候选(主分类: 桌面端会议录制;副分类: 本地 ASR;★ 候选)✓ · …
YuE2Studio 是 YuE2（MAP 团队开源歌曲模型）的桌面工作室。YuE2 是一个约 30 亿参数的音乐生成模型，输入歌词和风格描述，先写一份可编辑的乐谱（ABC 记谱法），再基于乐谱演唱为完整歌曲——含人声、伴奏、节拍结构（引子/主歌/副歌/桥段/尾奏）。 传统 AI 音乐工具生成后无法修改，YuE2Studio 的核心差异化在于乐谱先行、演出可…
AI Model World（大模型世界）是一个把 500+ 大模型可视化成像素小镇的互动网站。每个模型是某家厂商"小屋"里的一个像素角色，网站首页八块领奖台分别标注"今日最聪明""最会编程""最划算""最便宜""记性最好""最新发布""国内最强""开源最强"，三秒扫完当天格局。背后数据来自 models.dev、Epoch AI、LiveBench、Hug…
academicwritingskills 是面向 Claude Code / ChatGPT / Codex / OpenCode / Hermes Agent 等 Agent Skills 兼容客户端的论文写作 skill 套件（MIT 协议，Star ~49、周增 +16）。它把"研究定位 → 论点架构 → 扩展大纲 → 证据驱动的写作 → 双向对齐 …
⚠️ 数据来源：仅 GitHub README 原文 + Remotion / Claude Code / Codex 官网（截至 20260913 抓取）。web_search 命中的 X、Instagram、SkillsLLM 等三方页视为不可信，不引用其 stars / forks 数字。本文不下 npm、不跑 Remotion、不发 TTS 调用。 …
Sa2VA 是字节跳动 Seed 团队联合 UC Merced / WHU / PKU 在 2026 年开源的 Pixel LLM 系列旗舰仓库，核心论文《Sa2VA: Marrying SAM2 with MLLM for Dense Grounded Understanding of Images and Videos》已被 IEEE TPAMI 202…
PyGPT 是一个开源桌面 AI 助手，用 Python 开发，支持 Linux / Windows 1011 / Mac 三平台。它的工作方式类似 ChatGPT，但完全离线运行在你自己电脑上——API 密钥你自己管，数据不经过任何第三方服务器。 当前版本 2.8.6（build 20260903），支持从 GPT5、GPT4、o1/o3/o4，到 Goo…
OMNI 是一个 Rust 写的本地 CLI + host hooks 套件，专为 agent 宿主（Claude Code、Codex CLI、Gemini CLI、OpenClaw、Cursor、Aider、Hermes、Pi、Cline、Roo、Copilot 等）做工具输出瘦身。它有两件普通过滤器做不到的事，下面分别展开。它做两件普通过滤器做不到的事…
ComfyUIOpenClaw 是 ComfyUI 的安全优先编排层，将 ComfyUI 从纯生成工具升级为可自动化、可管控的生产级 AI 工厂。核心思路是：在不修改 ComfyUI 本身的前提下，通过自定义节点 + 嵌入式 HTTP API + 独立管理控制台，把 ComfyUI 变成一个可靠的自动化目标。 项目自称"安全第一"，体现在：RBAC 权限控制…
coderonion/awesomellmandaigc 是一个 LLM / VLM / VLA / AIGC 领域的精选资源列表（Awesome List），按 Framework（模型/训练/推理/量化/RAG）、Application（IDE/聊天机器人/具身智能/代码助手/知识库等）、Dataset、Learning Resources、Commun…
LearnPrompt 是一个永久免费开源的中文 AI 学习教程仓库，由 B站 up 主"卡尔的AI沃茨"（GitHub @LearnPrompt）维护。它起步于 2023 年的 AIGC 工具教程（ChatGPT、Midjourney、Stable Diffusion），如今已演化为一套面向真实工作场景的 AI Native 教程体系，涵盖 Claude …
AudioGPT是由 AIGCAudio 团队开源的多模态音频理解和生成框架，发布于 2023 年 4 月（arXiv:2304.12995）。其核心设计思路是：将 LLM（大语言模型）作为音频任务的统一调度层，底层对接各类音频/语音专有的预训练基础模型（Foundation Models），用户通过自然语言 Prompt 控制音频生成与理解任务。 GitH…
dshvisionrouter 是 DeepSeek Harness（DSH）的视觉增强插件，专为"只能处理文本"的 Agent 提供图像理解能力。它的核心思路是：把看图变成一次普通的工具调用，让 Agent 可以用 vision_ground、vision_crop、vision_describe 等 11 个像素级工具按需操作图像，而不是把图片压缩成一段…
dshpluginwritingguard 是 DeepSeek Harness（DSH）的论文写作守卫插件，在论文撰写和修改过程中自动检测常见 AI 写作风格、修改残留、防御性表达与机械化句式，同时提供 Scholarship Lock 功能在 AI 润色时保护科研事实（数字、p值、图表编号等核心实体不被悄悄改动）。定位是学术写作 linter——不是"写…
NVIDIA Video Search and Summarization（VSS）Blueprint 是一套GPU 加速的视频语义理解和分析参考架构。它将视觉语言模型（VLM，如 NVIDIA Cosmos）、大语言模型（LLM，如 Nemotron）、RAG 和 NVIDIA NIM 微服务整合在一起，实现用自然语言搜索视频内容、实时异常检测、视频问答和…
skillpromptgenerator 是一个双平台 AI 提示词生成系统： 三种生成模式： ⚠️ README 中提到的 .claude/CLAUDE.md 入口文档实际 fetch 返回 404（仓库根 README 列出的 /blob/main/.claude/CLAUDE.md 路径不可访问，⚠️ 未核验），用户需要直接通过 Skill 名称调用。…
HITszTMG/VideoClaw 是一个面向创意视频生产的 AI 导演系统，来自哈尔滨工业大学（深圳）TMG 实验室。它不是单点式的文生视频工具，而是一条覆盖"剧本策划 → 角色/场景设计 → 分镜规划 → 参考图生成 → 视频生成 → 后期剪辑"的全流程生产线。 用户只需给出一句想法或故事梗概，VideoClaw 就会自动拆解为可执行的影视工作流，生成…
spritegen 是一个面向游戏美术的 AI 驱动精灵图（sprite atlas）生成 pipeline，以 Codex/Claude Skill 形式运行。给一张角色基础图，它驱动 AI 图像模型逐动作状态（idle、jump、attack…）生成一行帧图，依次完成去背景、连通分量提取、帧切割、帧级别校正，最后打包出一张含真实 alpha 通道的透明精…
AIGCDetectorRewriterSkill 是一个面向学术论文写作的 AI 生成内容（AIGC）风险检测与最小化改写技能，兼容 OpenClaw 与 HermesAgent。支持英文论文、中文论文（含中文模板化表达检测），针对 Turnitin AI 检测、知网 AIGC 检测等主流工具提供保守改写方案。 核心原则：最小化改写——不重写全文，不过度润…
DramaClaw 是一套"工业级短剧 AIGC 生产线"的社区版（Community Edition / CE），由 dramaclaw 团队自用后开源。它把"小说 → 知识图谱 → 分集/分镜 → 剧本 → 分镜图与首帧 → 配音 → 合成成片"整条链封装在一个 Docker 编排里，强调"一套跑到底、关掉浏览器也能交付成片"，目标是把原本只有大厂才拼得…
quill 是一个超轻量、纯本地运行的 macOS 会议录音 + 自动转写工具。一个菜单栏图标，点击录音，再点停止，自动在机器上完成转写，生成带说话人标签的文本记录。所有数据永不离开本机，无需账户、无需联网、无需订阅。 它名字的灵感来自羽毛（羽毛笔），是 digimata 工具链中的"录音 + 转写"担当（兄弟项目是 parrot）。整个工具是一个 Swif…
videoshotcraft 是一个 AI Agent 技能，专门用于让 Claude Code 或 Codex 变身电影感产品宣传片制作工作室。它提供 104 张镜头配方卡（shot recipe cards）、161 条动态预览、161 种运动风格，以及一套经过实战验证的六阶段制作流水线。底层渲染引擎是 Remotion（用 React/TSX 写视频）…
vllmmlx 是一个专为 Apple Silicon（M 系列芯片）打造的推理服务器，核心思路是：把 vLLM 在 CUDA 硬件上的核心优化（连续批处理、页级 KV 缓存、前缀缓存）移植到苹果的 MLX 框架上，通过 Metal 驱动统一内存直接跑模型，无需任何格式转换。 它同时暴露 OpenAI /v1/ 和 Anthropic /v1/message…
Paddler 是一款用 Rust 写的开源 LLM/VLM 推理负载均衡与服务平台。架构非常克制：只有两个组件——balancer（对外暴露 OpenAI 兼容推理接口、管理面和 Web 控制台）和 agent（真正跑推理，注册到 balancer 上即可上线）。底层直接用 llama.cpp 推理引擎（fork 版本，Paddler 自己实现了 slot…
img2threejs 是一个代码优先的图像→3D 重建工具。你给它一张参考图，它生成一段 TypeScript 代码，在浏览器里跑出一个 THREE.Group 工厂函数——所有几何体都由原始几何体（BoxGeometry、CylinderGeometry 等）、程序化着色器和生成式几何拼出来，没有 mesh 文件，没有 GLB 下载，产物天然是"代码"而…
img2threejs 是一个代码驱动式图像→3D 重建工具。它接受一张物体参考图，通过 AI Agent（Claude Code / Codex / OpenCode）驱动一个分阶段质量门控流水线，输出一段 TypeScript Three.js 工厂函数，将该物体用几何体 Primitive、程序化材质和自定义几何重建出来——不是生成 mesh 文件，而…