VisioArt
一站式 AI 图片和视频创作平台
—
DEV TRENDS / DAILY DISCOVERIES
2026年6月25日大家都在做什么
每天发现开发者社区的新项目、新产品与开源趋势。
Lang Study
中文汉字描红练习平台，支持描红、复习和练习题
—
ClassGamifyy
把课堂内容变成互动学习游戏的教学平台
—
xtimer
用于演讲、工作坊、课堂和现场活动的远程计时器
—
Mobyform
表单构建工具，支持问卷调查、工作流和回复收集
—
Seedance 2.5
Seedance 2.5 视频生成模型在线体验，输入文字或图片即可生成高质量 AI 视频
—
aniv
一站式 AI 创作工具站，浏览器打开即用：AI 文生图、AI 文生视频、视频画质增强、字幕合成
—
AI Product Scout：AI 产品商业化案例库
AI Product Scout 项目简介：AI Product Scout 是一个 AI 产品商业化案例库，整理 AI 产品、垂直行业、商业模式、增长路径和产品定位分析。站点把本地研究稿整理成公开文章库，支持中英文页面、搜索、标签过滤和稳定链接，适合关注 AI 产品、独立开发、SaaS 出海和商业化案例的读者参考。 内容不是工具黄页，而是偏案例研究和产品拆解，覆盖医疗、法律、营销、开发者工具、企业效率、消费应用等方向。 中英双语 SEO 和标签体系方便检索历史案例。 对独立开发者和产品经理来说，可以作为观察 AI 产品商业化路径的资料库。 作者：Alex Carter
—
anti-vibe-writing：去除 AI 写作味，让你的AI文案倍儿地道的 Agent Skill
【开源自荐】antivibewriting：去除 AI 写作味的 Agent 写作技能 < antivibewriting 是一个用于去除“AI 写作味”的开源 Agent 写作技能。 现在很多人已经习惯用 AI 起草文章、帖子、README、产品文案、技术文档或内部报告。但 AI 生成的文字常常有一种很明显的模板感：过度分点、满屏 Markdown、空泛总结句、咨询腔、翻译腔、破折号滥用，以及那种“看起来很完整，但不像真人写的”的味道。 这个项目想解决的就是这个问题。 它不是一个单纯的 prompt 集，也不是所谓“AI 检测绕过工具”，而是一套可以接入 Agent 工作流的写作风格校正层。Claude Code、Codex 或其他 Agent 先完成初稿之后，再由它做最后一遍清理：在尽量不改变原意和事实的前提下，去掉明显的生成式痕迹，让文本更自然、更干净、更像人写的。 项目目前支持中英文，并针对两种语言分别整理了常见的 AI 写作痕迹。 中文部分重点处理： “赋能、打通、沉淀、抓手”等模板化表达 “首先、其次、最后”式机械分层 “不是……而是……”式 AI 常用对仗 欧化句式和翻译腔 过度四字词、过度总结、过度升华 明显不像真人会在社交平台上写出来的句子 英文部分重点处理： generic AI tone templated phrasing overstructured Markdown fake balance corporate / consulting voice em dash overuse Reddit / forum 场景里容易被看出 AI 痕迹的表达方式 它的一个特点是：不只做“变口语化”，而是区分不同写作场景。 目前内置了几类场景预设： X / Twitter 微博 / 中文短帖 Reddit / 英文论坛评论 博客 / Newsletter / 公众号 播客 show notes / 视频脚本 README / 产品文档 技术备忘 / 内部报告 / 提案 不同场景的目标不一样。社交媒体要像真人随手发，README 要清楚但不堆格式，技术备忘要保留判断和密度，Reddit 评论则要更像一个人在认真帮忙，而不是 AI 账号在回答问题。 另一个比较有意思的点是，它提供了三种声音模式： 1. 默认干净模式 适合大多数文档，只做去模板、去冗余、去 AI 腔。 2. 人味儿质感模式 适合个人博客、创始人笔记、社交媒体。会在合适的位置保留一点真人写作的节奏，比如短句、残句、语气转折，但不会故意制造错误。 3. 学习模式 可以根据用户提供的真实写作样本，提取一份可复用的 host profile，让后续文本更接近某个具体作者的声音。 我觉得这个项目的核心价值在于：AI 写作越来越普及之后，“会不会生成”已经不是问题，“生成之后像不像人写的”开始变成问题。尤其是中文内容里，AI 痕迹非常容易被看出来。很多时候不是观点不对，而是语言太像系统组装出来的。 antivibewriting 把这些经验整理成了一套可以复用、可以迭代、可以放进 Agent 工作流里的规则。 它本质上是一套 Markdown 规则文件，不绑定具体平台。可以 clone 仓库使用，也可以直接把 SKILL.md 和相关 references 放进自己的 Agent 上下文、项目指令或自定义 prompt 里。 项目采用 MIT 协议开源，欢迎试用和提建议。
—
TUI-easy-past：清理从终端 / TUI 复制出来的乱码式文本，一个指令让TUI文案粘贴更简单
【开源自荐】tep：清理从终端 / TUI 复制出来的乱码式文本 < tep 是一个很小的命令行工具，用来清理从终端或 TUI 程序里复制出来的文本。 现在很多开发者开始在 Claude Code、Codex CLI、lazygit、vim、fzf、htop 这类终端界面里工作。但从这些界面里复制内容时，经常会遇到一个很烦的问题：粘贴到 X、Reddit、GitHub Issue、文档或聊天窗口之后，文本格式全乱了。 常见情况包括： 每一行前面都带着 TUI 的缩进 原本一段话被终端硬换行切成很多短行 表格、边框、竖线、框线符号一起被复制出来 ANSI 颜色控制符混进文本 Markdown 结构被破坏 代码块和普通段落混在一起，粘贴后很难读 tep 解决的就是这个小痛点。 它的使用方式很简单：在 TUI 里正常复制文本，然后运行 tep。它会读取系统剪贴板，自动清理内容，再把清理后的文本写回剪贴板。之后直接粘贴到任何地方即可。 这个工具比较适合经常使用 Claude Code、Codex CLI 或各种终端工具的人。比如你在 Claude Code 里复制了一段回答，粘贴到 GitHub Issue、X、Reddit 或文档里，原本经常会出现一堆断行和缩进；现在只需要运行一次 tep，就可以得到干净的文本。 它的一个特点是会自动区分 Markdown 和普通文本： 普通文本：自动把终端硬换行重新合并成自然段落 Markdown：保留标题、列表、引用、表格、代码块等结构，只修复被终端折行打断的正文 代码块：尽量原样保留，不随便重排 边框和 TUI chrome：自动剥离 ANSI 转义符：默认清理掉 它不是一个复杂的大工具，而是一个很典型的“每天可能用好几次”的开发者小工具。尤其是在 AI coding agent 变成日常开发入口之后，很多内容都从终端窗口里产生，再被复制到网页、文档和社交平台。tep 相当于给这个复制粘贴链路补了一层清理器。 安装方式： go install github.com/weijt606/TUIeasypast/cmd/tep@latest 常用方式： tep：清理剪贴板并写回 tep dryrun：只输出清理结果，不修改剪贴板 tep explain：显示它检测到了什么、改了什么 tep markdown：强制按 Markdown 处理 tep plain：强制按普通文本处理 tep norejoin：只清理边框和缩进，不合并换行 项目使用 Go 编写，没有第三方依赖。macOS 可以直接使用系统自带的 pbcopy / pbpaste，Linux 支持 wlcopy、xclip、xsel，Windows 使用系统剪贴板命令。 我做这个项目的原因是：TUI 工具越来越多，AI coding agent 也越来越多，但“从终端复制到外部世界”这个动作仍然很粗糙。tep 想把这个小摩擦磨平。 项目采用 MIT 协议开源，欢迎试用和提建议。
—
「开源自荐」2026 世界杯实时战报 ⚽-worldcup-report
2026 世界杯实时战报 ⚽ 一个数据可实时更新的 2026 世界杯（美/加/墨，48 队）战报应用。体育热血风，覆盖八大板块，含 AI 冠军预测与球迷投票。 线上地址: 八大板块 | Tab | 内容 | ||| | 积分榜 | 12 组小组赛积分榜，前二晋级（绿）/ 最佳第三 8 席（金）高亮，顶部今日速递含进球队员 | | 射手榜 | 进球排序，前三领奖台，含点球数，中文名 + 国旗展示 | | 淘汰赛 | 近期赛程（按日）+ 冠军之路漏斗 + 依当前积分推演的晋级席位 | | 预测 | 9 维加权冠军预测模型（FIFA 排名 / 阵容身价 / 状态 / 底蕴 / 攻防 / 伤病 / 大赛经验 / 势头）+ 球迷投票（冠军/亚军/季军） | | 球队 | 点选球队看积分、近期战绩、核心射手，按分组折叠呈现 | | 数据 | 各组进球、各轮进球、射手榜 Top10（recharts）+ 关键指标 | | 战报 | 由真实比分模板化生成的中文战报，可按"爆冷/血洗/进球大战"等标签筛选 | | 精彩瞬间 | ABC News 专业赛事图集，灯箱浏览 + 照片点赞 | 数据架构 三级数据回退，确保任何环境都有数据： 前端每 60s 自动轮询 ↓ 后端 /api/wc/（Cloudflare Pages Functions） ├─ 1. footballdata.org 实时 API（收费版，含完整赛程/积分/射手） ├─ 2. Supabase 数据库缓存（自动同步 + 进球数据注入） └─ 3. data/snapshot.json 快照（离线兜底） Supabase 后端 | 表 | 用途 | ||| | wcdata | 积分榜 / 射手榜 / 球队名单缓存 | | wcmatches | 比赛数据（含进球详情注入） | | wcsyncmeta | 同步元信息（时间戳 / 数据源） | | gallerylikes | 照片点赞 + 应用全局点赞 + 冠军投票（复用表，键前缀区分） | 进球数据注入 footballdata.org API 的 matches 端点不返回 goals 字段。应用通过 Supabase 种子数据双策略注入进球信息： 策略 1：按 match ID 精确匹配 策略 2：按球队名对模糊匹配（种子数据 ID 10011072 vs live API ID 537xxx） 自动同步 通过 /api/sync 端点 + Cron Worker 定时拉取 footballdata.org 最新数据并写入 Supabase，保证数据库缓存始终最新。 冠军预测模型 9 维加权评分 + softmax 概率归一化： | 维度 | 权重 | 数据来源 | |||| | FIFA 排名 | 18% | FIFA.com（2026.06.11） | | 阵容身价 | 16% | Transfermarkt（2026.06） | | 小组赛状态 | 14% | footballdata.org 实时 API | | 世界杯底蕴 | 10% | FIFA 官方历史档案 | | 伤病跟踪 | 10% | ESPN / BBC / Sky Sports | | 攻击效率 | 8% | footballdata.org 实时 API | | 防守稳固 | 8% | footballdata.org 实时 API | | 大赛经验 | 8% | 世界杯冠军/决赛历史 | | 近 3 场势头 | 8% | footballdata.org 实时 API | | 东道主加分 | +4 | — | 所有知识库数据均来自公开可验证来源，未收录球队使用明确默认分，不做猜测。模型仅供参考娱乐。 球迷投票 预测页底部内置投票功能： 选择冠军 / 亚军 / 季军（三个名次不可重复） 提交后实时展示各名次 Top 5 球队得票分布 localStorage 防重复投票 乐观更新 + 失败回滚 快速开始 bash npm install npm run dev 环境变量 复制 .env.example 为 .env，按需填写： env FOOTBALLDATATOKEN=xxx footballdata.org API token（必填，实时数据） SUPABASEURL=xxx Supabase SUPABASESERVICEROLEKEY=xxx Supabase servicerole key（必填） SYNCSECRET=xxx /api/sync 鉴权密钥（可选） NEWSAPIKEY=xxx NewsAPI key（可选，精彩瞬间图集） 不配置也能跑 —— 自动回退到内置快照数据。 脚本 bash npm run dev 本地开发（Express + Vite 中间件） npm run build 构建前端到 dist/client npm start 运行生产构建 npm test 数据转换 / 战报生成单元测试 npm run lint tsc 类型检查 npm run snapshot 重新生成 data/snapshot.json 快照 npm run deploy 构建 + 部署到 Cloudflare Pages（Production） npm run collect 收集精彩瞬间图集到本地缓存 部署 项目部署在 Cloudflare Pages，使用 Pages Functions 提供 API： wrangler pages deploy dist/client projectname=worldcupreport branch=main Pages Functions 路由： /api/wc/[type] — 赛事数据（standings / scorers / matches / teams） /api/wc/gallery — 精彩瞬间图集 /api/wc/gallery/likes — 照片点赞 /api/app/likes — 应用全局点赞 /api/app/vote — 冠军投票 /api/sync — 数据同步（Cron 触发） 技术栈 React 19 · Vite 6 · Tailwind v4 · TypeScript · Cloudflare Pages Functions · Supabase · Express · recharts · motion · lucidereact 说明 数据仅供学习演示。国旗来自 flagcdn。
—
夏至日测地球：利用太阳影子计算地球半径
上周日是端午假期，也刚好是北半球的夏至日，在正午时做了一次日影实验，测量并计算地球大小 夏至日测地球：利用太阳影子计算地球半径
—
Show Me the Codes：给独立开发者展示产品的个人主页
showmethe.codes 示例主页：showmethe.codes/corey 很多独立开发者会同时做 SaaS、小工具、开源项目、newsletter、播客，但这些作品常常散在 X、GitHub、Product Hunt、个人博客和各种落地页里，很难用一个链接说清楚“我到底做了什么”。 Show Me the Codes 想做 indie hackers 的 linkinbio：每个 maker 可以认领一个用户名，得到 showmethe.codes/<you，然后把自己做过的产品放在一个 bento 卡片墙里展示出来。 主要功能： 认领唯一 username，生成公开个人主页； 用 bento 卡片展示产品 、地点和社交账号； 每个 maker 都有连续会员编号，例如 0001； 支持产品状态标记，比如 building、live、for sale、acquired； 支持中英文，深色 Tokyo Night 风格； 免费使用，Pro 一次性解锁自定义域名、访问统计、主题和去品牌标识。 这是我做的独立项目，面向 indie hacker、solopreneur 和 building in public 的开发者。欢迎大家认领自己的名字，也欢迎反馈还应该支持哪些展示方式。 Me the Codes OG
—
—
网站存档工具，扒掉js，把网站打包成一个可执行文件
kage（日语影的意思）会将一个网站克隆到一个文件夹中，供你离线浏览，并剥离其中的所有脚本。它会用真实的无头 Chrome 打开每个页面，等待页面加载稳定，对人类所看到的 DOM 进行快照，然后删除所有 JavaScript，并将 CSS、图片和字体下载到本地路径。最终落在磁盘上的内容看起来和线上网站一模一样，却不会运行任何代码。 有个问题你应该也遇到过。你在某个想保存的页面上点了"另存为"，半年后再打开，却发现屏幕一片空白、加载圈永远转个不停，又或者那份副本还在试图连接一个早已不存在的服务器。这个页面其实从来就不属于你——它不过是别人 JavaScript 的一个瘦客户端。 kage 走的是另一条路。它驱动一个真实的浏览器，让页面完成它该做的一切，抓取最终结果，然后把所有脚本统统扒掉。没有追踪，没有网络请求，没有意外。剩下的只是 .html 文件——你可以直接从磁盘打开，发给朋友，或打包成一个文件，然后尘封十年。 完整文档和指南位于 kage.tamnd.com。
—
使用六边形架构理念实现的书签管理工具，支持导入chrome书签文件
📖 Bookmark Manager 一个基于 Rust 生态构建的高性能、轻量级书签管理 Web 应用。 用户名：guest 密码：guest 🚀 特性 极致性能：基于 Rust 的 axum 框架与 PostgreSQL 构建，内存占用低、响应速度快。 现代化全栈体验：结合 htmx 与 askama 模板引擎，无需引入重量级前端框架即可实现无刷新的动态交互。 优雅 UI：采用 TailwindCSS 构建，界面现代、布局响应式。 生产级部署：内置开箱即用的 Nginx、Systemd 配置，并支持多环境配置分离。 🛠️ 技术栈 后端：Rust（axum） 数据库：PostgreSQL + Redis（用于缓存与会话管理） 模板引擎：Askama（编译期类型安全的 HTML 模板） 前端：htmx + TailwindCSS + Bun（构建期工具）
—
一个在网页上加上文字水印的chrome插件，支持中英文，
我本身是一个测试，遇到一个问题是，在网页端测试时，要区分测试or生产环境，在生产环境操作数据时，需要额外小心 所以想着可以在页面上加一个水印，提醒自己在生产环境谨慎操作
—
世界杯排名预测
根据现有的排名积分，做了一款预测世界杯排名的项目。方便大家预测排名
—
CyberVerse：开源实时数字人 Agent 框架
CyberVerse 软件介绍 CyberVerse 是一个开源的实时数字人 Agent 框架。 我做这个项目时，一直想解决一个很具体的问题：数字人不应该只停留在“生成一段视频”或“播放一个虚拟形象”的阶段。更有意思的状态，是你打开一个界面，选择一个角色，给它配置声音、人设、记忆和模型，然后它真的可以开始和你说话，可以被打断，可以接着聊，也可以在不同会话之间保留一点连续感。 所以 CyberVerse 更像一个数字人工作台：它把角色选择、角色编辑、离线生成和实时通话放在同一个系统里。只需要一张参考图，就可以创建自己的角色；如果暂时没有本地 Avatar GPU，也可以关闭视频能力，把它当作纯语音 Agent 使用。 功能特性 角色工作台：支持创建、编辑和启动角色，可以配置形象、声线、角色描述、人设风格、欢迎语和系统提示词。 实时语音 / 视频会话：基于 WebRTC，支持麦克风输入、文本输入、语音打断和长会话恢复。 数字人视频：支持通过 FlashHead、LiveAct 等 Avatar 后端驱动实时头像视频，也支持待机视频和离线视频生成。 角色记忆与知识库：会话历史可持久化，支持导入文档、人物生平和知识材料，用 RAG 让回答更贴近角色。 PersonaAgent + SubAgent：前台 PersonaAgent 负责自然对话，搜索、整理、报告生成等耗时任务可以交给后台 SubAgent。 插件化模型配置：LLM、Omni、ASR、TTS、Embedding、RAG、Avatar 都可替换，通过 YAML 和 Web UI 配置不同厂商服务。 可退化到纯语音模式：没有 GPU 时也可以运行核心语音 Agent，不强依赖数字人视频链路。 功能预览 角色选择 进入 CyberVerse 后，可以看到一个角色库。每张卡片对应一个可启动的数字人角色：有偏真实的角色，也可以是动画角色；每个角色都有自己的声线、描述和启动入口。这个页面像是把角色从文件夹里请出来的入口，而不是只展示一组静态素材。 角色编辑 角色编辑页可以设置形象来源、角色名称、角色描述、语音模型、人设风格等。这里想解决的是数字人常见的“空壳感”：它不只是图片会动，还应该知道自己是谁、用什么声音说话、以什么语气陪你聊天。 Workspace / 离线生成 Workspace 支持文本驱动和语音驱动，可以先用脚本生成视频，也可以调整输出设置后再进入实时会话。它更像一个创作台：先把角色、声音、画面调到合适的状态，再让角色进入更自然的交互。 实时通话 实时通话界面左侧是数字人视频，右侧是对话记录，底部可以直接语音输入。这个部分花了很多精力处理 WebRTC、音画同步、待机视频与说话片段衔接。因为只有当一个数字人能及时回应、能被打断、长聊时不掉上下文，它才不只是“生成出来的视频”，而更像一个可以一起相处的 Agent。 CyberVerse 还很早期，很多地方仍在继续打磨。但我希望它能成为一个可以自己搭建、自己调角色、自己接模型的实时数字人系统。欢迎对语音 Agent、数字人、虚拟角色和 WebRTC 感兴趣的朋友试用和交流。
—
版式建议：在微信版的期刊上为文中链接生成二维码小图片
在《科技爱好者周刊》的微信号中，文章中的网址没有做成超链接的形式，读者无法直接点击，这可能是平台有所限制？ 我在其他电子期刊中看到一种处理方法：为文中的网址生成二维码的小图片，附加在每一个段落后。读者只需要长按图片，就会弹出‘识别二维码’的菜单，即可打开链接。 因地制宜。
—
一个根据位次自动匹配冲/稳/保志愿的微信小程序——志愿鲸AI。
解决的问题：高考出分后，面对几千所院校和海量录取数据，家长和学生往往不知道自己的分数"能上什么学校"。 核心功能：输入分数 + 省份 + 选科，自动换算等效位次、匹配历年录取数据，输出冲/稳/保三档院校推荐。每所学校还能展开查看具体专业的录取分数和招生计划。 数据来源：爬取了百度高考 3000+ 高校的历年录取数据，覆盖各省份、各科类的院校分数线、专业分数线、一分一段表和招生计划。 几个设计上的点： 1：使用位次匹配而非简单分数比对——分数年年变，位次才是稳定的锚点。 2：冲/稳/保三档按分差自动归类（冲：历年分差 < 0，稳：0~5 分，保： 5 分）。 3：支持 3+3 和 3+1+2 两种高考模式的选科匹配。 微信扫码或搜索「志愿鲸AI」体验。
—
GoldMonitor，本地运行的黄金价格监控与预警工具
GoldMonitor 是一个本地运行的黄金价格监控工具，提供 Windows 桌面版和 macOS DMG 安装包，用于查看国际金价、人民币克价和 USD/CNY 汇率，并设置本地预警。 主要特点： 实时显示 XAU/USD、人民币克价和 USD/CNY 汇率，并展示数据源、更新时间和缓存状态。 支持上涨、下跌、关键价位和短时波动提醒，可配置弹窗、声音、邮件和 Webhook 通知。 支持目标价观察清单，可以维护多个人民币克价或国际金价目标。 支持本地持仓看板，维护人民币克价和国际金价持仓，自动计算成本、市值、浮动盈亏，并导出 CSV。 支持本地价格历史、复盘时间轴、图表事件标记、CSV 导出和本地复盘报告。 配置和持仓数据保存在本机，敏感配置优先写入系统凭据存储。 适合关注黄金价格、需要桌面预警工具，或者希望本地记录贵金属持仓盈亏的用户。 最新发布版本：
—
ARES —— Go 语言生产级自愈多智能体运行时
大家好，我是 ARES 的作者 Timwood0x10。 ARES（Adaptive Resilient Evolution System）是一个用纯 Go 实现的生产级 MultiAgent Framework，专注于解决当前 Python Agent 生态在高并发、系统韧性、生产部署和持续进化上的痛点。它不是简单拼装 LangChain 式工具，而是从协议层到基础设施层完整自研的运行时。 核心亮点 动态编排引擎（MutableDAG）：支持运行时热变更（运行中随意添加/删除节点和边，耗时 <1μs），内置拓扑排序、增量循环检测和热重载。工作流可以根据实时情况动态调整，而不需要重启或停止执行。 Agent 自愈与复活机制：完整的 Leader Failover + Agent Resurrection 能力。Leader 崩溃后自动通过 checkpoint 恢复任务并重新分配；任意 Agent 崩溃也能自动检测并复活（支持 pluggable health check），结合事件溯源（Event Sourcing）实现双维度（操作 + 认知）恢复。 混沌工程 Arena：内置故障注入框架，支持 processkill、networkpartition、latencyspike 等多种真实故障测试，并给出 Resilience Scoring。支持 Survival Mode 持续压力测试，让系统在混沌环境中验证和提升韧性。 自主进化（遗传算法）：集成多代种群进化引擎（Selection + Crossover + Mutation），通过 Arena 回归测试 + Welch’s ttest 评估策略优劣，实现 Dream Cycle（触发→变异→评估→采纳→记录谱系）。支持 Elite Preservation 和 Bandit 反馈循环，持续优化 Agent 决策质量。 其他关键能力还包括： 自研 AHP 分布式协作协议（心跳、死信队列、背压） 三级 Memory Distillation 流水线 + pgvector 向量记忆 MCP 协议完整支持 + OpenTelemetry 可观测 + Web Dashboard 可插拔存储（PostgreSQL + pgvector 生产就绪，其他后端一键切换） 基准测试：大量热路径 <1μs，零分配关键操作，race 全通过 有详细的 READMECN.md 中文文档、dockercompose 一键启动，以及大量 advanced examples（包括 dynamic dag、agent resurrection、autonomous evolution 等）。 目前迭代到 v0.2.3，欢迎大家 Star、试用、提 Issue 或 PR。特别适合对生产级可靠 Agent 系统、动态工作流、容错自愈感兴趣的同学或团队交流。 谢谢大家！
—
AI Agent Map：一张帮你选择 AI Agent 工具的地图
【开源自荐】AI Agent Map：一张持续更新的 AI Agent 生态地图 Agent Map banner < AI Agent Map 是一个面向开发者和 AI 产品使用者的 AI Agent 选型地图，也是一个周更、持续维护的 AI Agent 生态观察项目。 现在 AI Agent 生态变化非常快。Claude Code、Codex、Cursor、Cline、Devin、OpenHands、LangGraph、CrewAI、n8n、AutoGPT、Agent Zero 等工具和框架层出不穷，但真正要选择时，很多资料只是在堆链接，或者单独介绍某一个产品，很少回答更实际的问题： 我到底该从哪个工具开始？ 这个项目想解决的就是这个问题。 AI Agent Map 不是一个单纯的 awesome list，而是一个偏“选型指南 + 生态周报”的知识库。它会按照使用场景、产品形态、能力边界和维护成本，把主流 AI Agent 工具放到同一张地图里比较，帮助读者更快得到一个合理 shortlist。 项目目前把 AI Agent 生态分成几类： 日常编码 Agent：Claude Code、Codex、Cursor、Cline、Windsurf、Continue 等 通用 / 多任务 Agent：Devin、OpenHands、AutoGPT、BabyAGI、Agent Zero 等 Agent 框架与平台：LangGraph、LlamaIndex、CrewAI、Haystack、Semantic Kernel、DSPy 等 Runtime 与工具层：Open Interpreter、LiteLLM、Pydantic AI、n8n、Flowise、MemGPT 等 Harness / Skills / Orchestration 相关项目：用于理解 Agent 背后的执行循环、技能系统和编排层 它的重点不是告诉你“哪个最火”，而是帮你判断“哪个适合当前任务”。 比如： 想做日常 coding，是选 Claude Code、Codex，还是 Cursor？ 想要更强的自动化，是选 Devin / Jules 这类云端托管 Agent，还是本地 CLI Agent？ 想自己搭建内部 Agent 系统，是该看 LangGraph、CrewAI，还是 Pydantic AI？ 想理解 Agent 的底层执行结构，是该看 SWEagent、minisweagent、OpenHands，还是 OpenHarness？ 想做工作流自动化，是该看 n8n、Flowise，还是直接写自己的 orchestration layer？ 这个仓库希望提供的不是结论，而是一套比较框架。 项目里包含： AI Agent 生态地图 主流 Agent 项目目录 单项目介绍 使用场景指南 横向对比矩阵 能力维度拆解 每周 AI Agent 生态更新 最近热门项目观察 中英文内容入口 我觉得这个项目的价值在于：AI Agent 领域现在最大的问题不是缺少工具，而是选择成本太高。很多人第一次接触 Agent，会被各种名词绕晕：agent、workflow、runtime、framework、harness、skills、MCP、orchestration、memory、approval、sandbox、deployment……这些概念混在一起，很容易把“产品”“框架”“运行时”和“方法论”都混为一谈。 AI Agent Map 试图把这些东西拆开。 它会更关注几个实际问题： 这个工具适合什么任务？ 不适合什么任务？ 是产品、框架、runtime，还是 harness？ 需要多少人工监督？ 是否适合本地运行？ 是否适合团队或企业环境？ operator cost 高不高？ 学习成本和维护成本如何？ 它在整个 Agent 生态里处在哪一层？ 最近一周有什么重要变化？ 这个项目会保持周更，持续跟踪 AI Agent 生态里的变化。比如 .claude/skills 这类 skill layer 的兴起，Codex / Claude Code 这类 coding agent 的产品变化，以及开源 harness、runtime、workflow layer 的新项目。 我做这个项目的原因是：过去一年我自己一直在使用 coding agent、搭建 agent workflow，也在研究 metaharness、loop engineering 和 skillbased agent 架构。越深入越发现，AI Agent 不是一个单一产品形态，而是一整个正在快速分层的生态。对普通开发者来说，真正有用的不是再收藏一堆链接，而是有一张地图，知道自己站在哪里、下一步该看哪里。 AI Agent Map 就是想做这样一张地图。 项目采用 MIT 协议开源，会持续维护和每周更新。欢迎试用、补充项目和提交建议。
—
基于Cloudflare Serverless生态构建的实时 Web 聊天与通话应用
Live Repo: Room based，集成多人聊天、WebRTC 通话、Durable Objects 状态管理与 D1 数据库，提供低延迟、高可用的 Serverless 聊天体验。支持自行部署。
—
Tokenscope - 一款大模型调用tokens消耗、美刀消耗的dashboard
通过这个工具，你能知道智谱 lite Code plan 5h用量约等于20M，火山 pro Code plan 5h用量约等于70M
—
—
—
Gitoza - 本地优先、Git 驱动的 Rust+Tauri 测试用例管理客户端
项目官网（全球 CDN 直连）： GitHub 项目简介 Gitoza 是一款使用 Rust + Tauri + React 开发的本地优先（Localfirst）测试用例管理客户端。 时至今日，仍有很多团队使用 Excel 管理用例，存在版本控制差、同步困难等痛点；而传统的云端 SaaS 工具通常较为臃肿、响应慢且费用高昂。此外，在 AI 辅助开发的今天，开发者用 Copilot 生成了大量用例，却仍需繁琐地手动复制粘贴到各效能平台上，导致工作流脱节。 Gitoza 提倡用例资产回归本地，将用例以标准的 YAML 文件形式存储在用户自己的 Git 仓库中。 核心特点 完全的数据主权：用例随代码走，100% 留在本地 Git ，无需担心数据泄露、断网或服务商跑路。 AI 工作流无缝闭环：在 IDE 里打开用例项目，可直接利用现有的 GitHub Copilot 或其他 AI 插件批量生成 YAML 用例，文件即用例，无需手动复制搬运。 基于 Git 的协同优化：借助 Git 的分布式特性解决多团队协同痛点，并在 UI 层面优化了冲突合并体验。 万级用例流畅渲染：底层由 Rust 驱动，前端采用虚拟滚动（Virtual Scrolling）技术。即使面对上千、上万个 YAML 小文件的变态并发读取，依然能保持毫秒级流畅响应，绝不假死。 本软件对国内的所有大小团队和同行完全免费开放，100% 纯净、无广告、无后门，仅在启动时检测并自动升级。欢迎大家提供压测。
—
Amiyadyuti Ghosh
dyuti518@gmail.com Go AMIYADYUTI GHOSH Hello world I'm Amiyadyuti Ghosh 亮点 markdown 截图或演示视频
—
Hello Amiya Ghosh
Project URL dyuti518@gmail.com Category Kotlin Project Title I'm Amiyadyuti Ghosh Project Highlights Hello world I'm Amiyadyuti Ghosh Example Code markdown or Videos
原文—
[Open Source]
Project URL dyuti518@gmail.com Category Kotlin Project Title dyuti518@gmail.com Project Highlights Example Code markdown or Videos
原文—
妙幕：本地媒体创作工作台，支持六大 ASR 模型的音视频字幕生成、翻译、校对、烧录工具
JS 妙幕：本地媒体创作工作台，字幕生成、翻译、校对、烧录 妙幕（SmartSub）是一款本地优先的桌面应用，帮你一站式完成「音视频转字幕 → 翻译 → 校对 → 合成」。所有转写都在本地完成，无需上传文件，隐私无忧；支持批量处理与 GPU 加速，可在 Windows / macOS / Linux 上运行。 支持 whisper.cpp、fasterwhisper、FunASR、Qwen3ASR、FireRedASR、以及本地 Whisper CLI 多种引擎 支持多达 17 家翻译服务商以及兼容OpenAI的ai服务商 亮点 1. 6 大 ASR 引擎自由切换，中文场景针对性拉满 打破了绝大多数本地字幕工具「只依赖 Whisper 系列」的同质化局限，原生集成 whisper.cpp、fasterwhisper、FunASR、Qwen3ASR、FireRedASR 5 种引擎，还支持调用用户自行安装的本地 Whisper CLI。 其中 FunASR、FireRedASR 均为中文识别表现更优的专项模型，对中文语音、方言（粤语）场景的识别精度显著优于通用 Whisper 模型。所有引擎都做了开箱即用封装：FunASR 等通过 sherpaonnx 原生库运行，fasterwhisper 自带独立 Python 运行时，用户无需手动配置开发环境，在应用内即可下载管理。 2. 全显卡厂商 GPU 加速，真正零门槛启用 这是同类工具中少有的「全场景加速」方案，彻底解决了非 N 卡用户只能纯 CPU 跑转写的痛点： NVIDIA 显卡支持 CUDA 加速，覆盖多个主流版本 AMD / Intel 显卡新增 Vulkan 后端，Windows/Linux 平台均可硬件加速 macOS Apple 芯片原生支持 Core ML / Metal 加速 同时做到了用户零配置：软件自动识别显卡型号、自动下载对应加速包、加载失败自动回退 CPU，无需手动安装 CUDA Toolkit 等复杂依赖。 3. 真正的全链路一站式闭环，无需跨工具跳转 从音视频导入到最终带字幕的视频输出，全程在单一软件内完成，覆盖完整工作流： 上游：多格式音视频批量转写、外部字幕文件导入 中游：17 种翻译服务、AI 一键润色、逐句对照视频的专业校对台 下游：硬字幕烧录 + 无损软字幕封装，支持字体、字号、颜色、描边、阴影、九宫格位置等全量样式自定义，搭配所见即所得实时预览 省去了用户在「转写工具 → 翻译工具 → 字幕编辑器 → 剪辑软件」之间反复切换的成本。 4. 翻译系统高度可定制，自由度远超同类 内置 17 个翻译服务，覆盖百度、谷歌、腾讯等传统机器翻译，以及豆包、DeepSeek、通义千问、Ollama 本地模型等大模型方案，兼容所有 OpenAI 格式的自定义接口。 更具差异化的是界面化自定义参数能力：用户无需修改代码，直接在图形界面中为每个翻译服务配置请求头、请求体参数，支持字符串、数值、布尔、数组等多种数据类型，还支持配置导入导出，高阶用户可以精细控制翻译效果，这在字幕工具中非常罕见。 5. 产品化完成度高，中文用户体验友好 摆脱了多数开源工具「功能堆砌、交互粗糙」的通病：采用任务式启动台设计，功能分区清晰，自带新手引导、命令面板、快捷键系统、任务活动中心；针对国内用户做了大量本土化优化，支持国内镜像源下载模型、夸克网盘安装包、Homebrew 一键安装，降低了国内用户的使用门槛。 markdown 截图或演示视频 主界面 | 视频合成（字幕烧录） | 字幕校对 | | | | | | |
—
AI 辅助长篇写作桌面应用
Go AI 辅助长篇写作桌面应用 桌面 AI 长篇写作系统。内置角色关系、伏笔回收、故事弧线、地点图谱、读者认知五维结构化记忆，AI 每写完一章自动检查状态变更，生成 Diff 等你确认。本地语义搜索不联网搜几十万字，安装包 <60MB，填 Key 即用，MIT 开源。 亮点 写完自动维护设定状态，不是一次性对话。 每章结束后 AI 强制自查：角色有哪些变化、伏笔该收了还是超时了、弧线推到哪个节点、读者认知从「未知」变「已知」了吗？生成 Diff 等你逐行审批确认。不用手动提醒 AI「记得更新人物状态」，系统自己推。 纯离线语义搜索，几十万字按意思搜。 内置 ONNX Runtime + BGE 中文语义模型，写完自动增量索引。搜「主角第一次展露能力」能找到相关段落，哪怕措辞完全不同。全程本地运行，不用联网。 Git 全版本管理，每次对话自动 commit。 所有 AI 改动生成 Diff 逐行对比，确认才写入，不满意一键 Revert。写作记录永远可追溯，不怕改坏。 30+ 工具 + 六套可视化面板，IDE 级工作台。 AI 自主调用角色查询、伏笔检索、前文搜索等工具，前端有细腻的六阶段执行动画。角色关系有向图、地点层级图谱、弧线泳道图、时间线等面板让创作世界一目了然。 7 个国产模型 Provider 开箱即用 + 8 个内置创作方法论。 填 DeepSeek/GLM/Kimi/Qwen/豆包/MiniMax/MiMo 的 Key 就能用。内置场景节拍、对白潜台词、悬念钩子、去 AI 味等 Skill，用 Markdown 就能写自己的方法论，热重载，零代码扩展。 markdown 截图或演示视频
—
BB Spec
一条 spec 驱动的 Claude Code 流水线,把模糊需求一路带到可交付的代码。
—
Leo Labs
记录我用 Codex、Claude、Cursor 构建研究、内容和自动化工作流的个人实验室。
—
AIdeals - AI 模型价格与能力全景对比
一站式 AI 大模型定价对比平台，覆盖 Claude、GPT、Gemini、GLM、DeepSeek 等主流模型。编程套餐订阅与 API 按量付费双维度对比，帮助开发者和企业找到最优方案。
—
GrowthCore — AI 实践者的增长社群
GrowthCore 是以增长为核心的 AI 实践者社群。互信值机制让你的每一份贡献可量化、可流通、可变现。
—
BotBlog - Agent 原生博客
一个完全由 AI Agent 驱动的博客平台。所有内容由 AI 创作、编辑和发布，没有写作界面，只有纯粹的阅读体验。
—
xbtlin / ai-berkshire
AI 时代的伯克希尔：基于 Claude Code 的价值投资研究框架。巴菲特·芒格·段永平·李录四大师方法论 + 多Agent并行研究。| AI-era Berkshire: a value investing research framework built on Claude Code. 4 masters' methodologies + multi-agent adversarial analysis.
1764
mauriceboe / TREK
A self-hosted travel/trip planner with real-time collaboration, interactive maps, PWA support, SSO, budgets, packing lists, and more.
原文6497
2408
aws / agent-toolkit-for-aws
Official, AWS-supported MCP servers, skills, and plugins to help AI agents build on AWS
原文1099
2万
3.5万
opendatalab / MinerU
Transforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.
原文6.9万
1.8万
NanmiCoder / MediaCrawler
小红书笔记 | 评论爬虫、抖音视频 | 评论爬虫、快手视频 | 评论爬虫、B 站视频 ｜ 评论爬虫、微博帖子 ｜ 评论爬虫、百度贴吧帖子 ｜ 百度贴吧评论回复爬虫 | 知乎问答文章｜评论爬虫
5.3万
ScottSloan / Bili23-Downloader
开源、免费、跨平台的 B 站视频下载工具，支持多线程加速、音视频分离、弹幕元数据获取、自定义命名与分类等功能。Open Source, Free, Cross-Platform Bilibili Video Downloader.
5253
7396
halo-dev / halo
Halo 是一款强大易用的开源建站工具，从个人博客、知识库，到企业官网、在线商城，Halo 都能助您轻松实现，一站式满足您的多样化建站需求。
3.9万
Evil0ctal / Douyin_TikTok_Download_API
🚀「Douyin_TikTok_Download_API」是一个开箱即用的高性能异步抖音、快手、TikTok、Bilibili数据爬取工具，支持API调用，在线批量解析及下载。
1.8万
xszyou / Fay
fay是一个帮助数字人（2.5d、3d、移动、pc、网页）或大语言模型（openai兼容、deepseek）连通业务系统的agent框架。
1.3万
cxasm / notepad--
一个支持windows/linux/mac的文本编辑器，目标是做中国人自己的编辑器，来自中国。
9773
shadow1ng / fscan
一款内网综合扫描工具，方便一键自动化、全方位漏扫扫描。(An intranet comprehensive scanning tool, enabling one-click automated, all-round vulnerability scanning)
1.4万
hiroi-sora / Umi-OCR
OCR software, free and offline. 开源、免费的离线OCR软件。支持截屏/批量导入图片，PDF文档识别，排除水印/页眉页脚，扫描/生成二维码。内置多国语言库。
4.6万
MaaAssistantArknights / MaaAssistantArknights
《明日方舟》小助手，全日常一键长草！| A one-click tool for the daily tasks of Arknights, supporting all clients.
2.2万
2.3万
—
—
—
—
—
—
—
—
—
—
—
—
—
—
—
—
—
—
—
—
没有找到相关项目
换一个关键词或分类试试。
持续热门3 个精选⌄
15 个仓库已在最近 3 期日报出现，不再作为今日新发现重复展示。
calesthio/OpenMontage
开源智能体视频制作系统，含12条制作管线、100+工具和700+技能文件，让AI编程助手成为视频制作工作室。
今日 +3553 stars · 近 3 期出现 1 次
google-labs-code/design.md
A format specification for describing a visual identity to coding agents. DESIGN.md gives agents a persistent, structured understanding of a design system.
原文今日 +1407 stars · 近 3 期出现 1 次
apple/container
A tool for creating and running Linux containers using lightweight virtual machines on a Mac. It is written in Swift, and optimized for Apple silicon.
原文今日 +1366 stars · 近 3 期出现 1 次
DEV TRENDS / COMMUNITY
讨论本期日报
使用 GitHub 登录，分享你的看法、问题或补充信息。