guopeiAI

《智能体开发指南》是一份基于国产大模型与火山引擎的入门教程，完整介绍从环境配置到实战案例的智能体开发全流程。内容涵盖大模型接入、MCP构建、RAG、ReAct等核心技术，以及Coze平台实践和LangChain应用。教程特别适合国内开发者，无需翻墙即可快速上手。通过12个由浅入深的章节，帮助读者掌握智能体开发核心技能，并附有本地部署框架deer-flow的实践指南。文档最后鼓励开发者持续学习，共同推动国产AI生态发展。

微软开源 Skill Recorder，通过录制用户操作自动生成可复用的 AI Agent 技能。该工具能捕获屏幕操作、语音旁白等数据，本地处理后由 GitHub Copilot 提炼为结构化意图和步骤，支持生成 Skill 文档或自动化任务。核心技术栈采用 Electron + React 19 + Vite 等前沿方案，注重隐私保护，所有敏感数据处理均在本地完成。适用于表单提交、定期报表、培训等重复性工作场景，显著提升 AI Agent 的任务执行效率。目前支持 macOS 和 Windows 平台，需

VideoCaptioner 是目前开源字幕工具里功能最完整、体验最丝滑的选择之一。安装即用：pip install 一行搞定，免费功能零配置全流程覆盖：从语音识别到字幕烧录，一个工具走完LLM 加持：语义断句、上下文翻译、反思优化，质量碾压传统工具双模式操作：CLI 命令行适合批量处理，GUI 桌面版适合日常使用推荐指数适合人群：视频创作者、翻译工作者、学习视频爱好者、自媒体运营者一行，就能告别手动字幕的时代。

这篇文章介绍了GitHub热门仓库"Claude Code Best Practice"，这是一个关于Claude代码开发最佳实践的实战指南。主要内容包括： 项目概况：GitHub日榜第一的仓库，由shanraisshan出品，获得Claude Code核心开发者Boris Cherny推荐。 核心内容： 10+核心概念（子代理、命令、技能包、工作流等） 20+热门特性（超级代码审查、自动模式、计算机控制等） 6大开发工作流（Superpowers、Spec Kit等） 特色亮点： 每个概念都提供最佳实践+

摘要： Vibe Vibe 是由 Datawhale 社区推出的国内首个系统化 Vibe Coding 开源教程，旨在帮助用户从“写代码”转变为“指挥 AI 写代码”。教程分为四大板块：基础篇（5章入门）、进阶篇（16章全栈开发）、实践篇（分人群项目实战）和优质文章篇（行业资源精选）。采用 Next.js 16 + React + TypeScript 等技术栈，支持零基础用户3分钟完成首个AI网页，并提供Docker私有化部署。项目已获5.5K Star，未来将推出云端IDE和50+ AI Skills，

《Hello Claw：OpenClaw 完整学习指南》摘要 Datawhale 社区推出的《Hello Claw》是一套覆盖 OpenClaw 命令行 AI 助理系统全生命周期的开源教程，包含三大核心模块： 领养龙虾（使用篇）：11章+7附录，从安装配置到安全运维的全链路指导 龙虾大学（实战篇）：11个场景案例，涵盖个人效率、编程开发、商务协作等实际应用 构建龙虾（开发篇）：11章源码解析，深入架构设计、安全沙箱和定制开发 特色优势： 零基础5分钟快速上手（AutoClaw） 提供中/英/日三语支持 遵循

VideoX-Fun = 阿里 PAI 出品开源视频生成流水线= CogVideoX-Fun / Wan2.1-Fun / Wan2.2-Fun 三大系列= 2B / 5B / 1.3B / 5B / 14B 多参数规格= 任意分辨率（256×256→1024×1024）+ 任意时长 + 任意 FPS= T2V / I2V / V2V / Control / Camera / VACE 六大模式= Canny / Depth / Pose / MLSD / 轨迹 / 镜头 控制。

小红书开源图像编辑基础模型FireRed-Image-Edit五大核心亮点：1）开源SOTA性能，在ImgEdit/GEdit/REDEdit三大基准测试中全面领先；2）支持10+元素智能融合，通过Agent实现自动ROI检测与拼接；3）提供专业美妆、文字风格、老照片修复等特色功能；4）30GB显存下4.5秒快速出图，支持ComfyUI原生节点；5）骨干无关设计，编辑能力可迁移至任意文本生成图像基座。该模型在身份一致性、多元素融合等关键指标上已超越部分闭源解决方案，采用Apache 2.0协议全面开源。

OpenMAIC = 清华出品开源多 Agent 互动课堂= MIT 协议 + JCST'26 论文= 一键课程生成（主题/文档 → 大纲 → 幻灯片/测验/仿真/PBL）= 多 Agent 课堂（AI 教师 + AI 同学）= 深度交互模式（3D/仿真/游戏/思维导图/编程）= 白板 + TTS 语音 + VoxCPM2 语音克隆= OpenClaw 集成（飞书/Slack/Telegram 直接生成课堂）= 导出 PPTX / HTML / ZIP（离线可用）

nanobot = 超轻量个人 AI Agent= 港大 HKUDS 出品，MIT 开源= 核心小而可读（ultra-lightweight）= 内置 WebUI（打包在 wheel 里）= 10+ 聊天渠道（Telegram/Discord/微信/飞书/Slack/钉钉/Teams/WhatsApp/QQ/Signal/Email）= /goal 持久目标（跨回合保持长期目标）= Dream 两阶段记忆= MCP 集成 + CLI Apps= 模型路由 + fallback_models。

QwenPaw：阿里开源的个人AI助手，安全可控的全能伙伴 阿里AgentScope团队推出的QwenPaw是一款开源的个人AI助手（Apache 2.0协议），主打数据自主与多功能集成。核心特性包括： 隐私保护：支持本地/云部署，数据不经过第三方 多渠道接入：兼容钉钉、微信、Telegram等主流平台 功能扩展：通过Skills插件支持文档处理、图片生成等能力 智能协作：多Agent协同处理复杂任务 本地模型：集成llama.cpp等方案，无需API密钥 安全防护：三层防护机制防范恶意操作 提供6种安装方

OpenSpec = AI 编码的规范先行框架= 在写代码前，人和 AI 先对齐"做什么"= 25+ AI 编码工具支持（Claude Code/Cursor/Copilot/Windsurf/Aider/Codex…）= /opsx:propose → apply → archive 三步工作流= 每个变更独占文件夹：proposal → specs → design → tasks= 从个人项目到企业级可扩展= MIT 开源，免费使用维度评分说明创新⭐⭐⭐⭐⭐。

Banana Slides 是一款基于 Google nano banana pro 模型的开源 AI PPT 生成工具，采用"Vibe PPT"理念，用户只需自然语言描述即可生成专业演示文稿。核心功能包括三种创作路径（一句话生成/大纲模式/页面描述）、口头修改指定内容、框选编辑（覆盖/替换/擦除）、素材工具箱一站式操作，支持上传任意模板图片智能解析。系统提供 PPTX/PDF/TTS 讲解视频三种导出格式，支持 OpenAI OAuth 免 API Key 使用，并兼容国内主流大模型。采用 Docker

Presenton = 开源 AI PPT 生成器 + API= Gamma/Canva/Beautiful AI 开源替代= Apache 2.0，无 SaaS 锁定= 16+ LLM 提供商（含 Ollama 本地）= 8 种图像提供商（DALL-E 3/Gemini Flash/Pexels/Pixabay/ComfyUI/...）= MCP Server 内置= Electron 桌面 + Docker + 云端三端部署= ChatGPT 登录即用，无需 API Key。

中科院开源PPTAgent：双顶会支持的智能PPT生成工具 中国科学院软件研究所ICIP实验室推出的PPTAgent（DeepPresenter）是一个创新的智能PPT生成框架，已获EMNLP 2025和ACL 2026双顶会收录。该系统采用两阶段反思式工作流（分析参考PPT→生成→反思修正），配备专属的DeepPresenter-9B微调模型和20+工具沙箱，显著提升生成质量。支持CLI命令、WebUI和Docker等多种部署方式，具备三大特色：1）自由设计模式打破模板限制；2）深度研究能力自动补充内容；

《Hello-Agents》是由Datawhale社区推出的免费开源Agent学习项目，提供从理论到实战的系统性教程。该项目包含16章内容，涵盖智能体基础、经典范式实现、自研框架开发、高级协议解析及三大综合案例（智能旅行助手/DeepResearch/赛博小镇），并附赠Agent面试题库。特色包括： 理论实践结合：从ReAct实现到手撸框架HelloAgents（V1.0.0） 前沿技术覆盖：包含MCP/A2A协议、Agentic-RL全流程训练等 多形态学习支持：提供在线阅读、PDF下载及13篇社区扩展文

清华大学联合团队推出开源框架UltraRAG，首次采用MCP架构实现低代码RAG开发。该框架通过将RAG组件标准化为独立MCP Server，支持YAML配置编排复杂控制流（顺序/循环/条件分支），仅需几十行代码即可构建完整流程。核心创新包括可视化RAG IDE（支持画布拖拽与代码编辑双向同步）、AI辅助设计、一键生成对话式Web UI，以及内置评估工作流和主流基准测试。基于5篇顶会论文技术积累，提供Deep Research旗舰案例和自动报告生成能力，显著降低RAG开发门槛。特色功能包含模块化扩展、研究复

字节跳动Coze团队开源了AI Agent全生命周期管理平台Coze Loop，提供Prompt开发、评估、监控一站式解决方案。该平台包含三大核心模块：1）Prompt开发模块支持实时对比调试和版本管理；2）评估模块实现多维度自动化评测；3）可观测性模块提供全链路追踪和异常监控。支持OpenAI/火山引擎Ark等大模型接入，提供Docker Compose和Kubernetes两种部署方式，包含Go/Java/Python三语言SDK。平台解决了AI Agent开发中手动试错、评估主观、线上黑盒三大痛点，通

腾讯开源 WeKnora 是一个企业级知识管理平台，通过三大核心引擎（RAG 快速问答、ReAct Agent 自主推理、Wiki Mode 知识蒸馏）将散落文档转化为可查询、可推理、可进化的活知识。支持 20+ LLM、8 种向量库、7 种 IM 渠道，提供企业级多租户 RBAC、安全加密和全链路追踪。具备文档自动同步、多格式解析、知识图谱生成等能力，适用于复杂推理、知识整理和快速查询场景。采用模块化架构，支持 Docker/K8s 部署，MIT 许可开源可商用。

「HTML-Video」是一款开源的AI视频生成工具，通过粘贴链接或GitHub仓库即可自动生成带动画的MP4视频。它支持14种AI Agent和21套精选模板，采用本地无头Chromium+ffmpeg渲染，完全开源且无需云端依赖。核心优势在于将HTML转换为视频的自动化流程，支持网页文章、GitHub仓库和自然语言描述三种输入方式，并能自动编排内容、选择模板、生成多帧动画。项目采用Apache 2.0许可证，适合需要快速制作产品宣传、数据可视化等视频的场景，大幅降低了视频制作门槛。（149字）

LongCat-Video 是美团 LongCat 团队交出的一份重量级开源答卷🏗️统一架构：T2V + I2V + 视频续写，一个模型全搞定🎬分钟级长视频：原生预训练续写，无色偏无画质退化⚡高效推理🏆性能对标商业方案：MOS 综合 3.38，反超 Wan 2.2（3.35），持平 PixVerse-V5（3.36）🧑：Whisper 编码器 + 蒸馏加速 + INT8 量化 + 风格泛化📜MIT 协议：模型权重也是 MIT，商用无忧推荐指数：⭐⭐⭐⭐⭐。

摘要：LiveTalking是一款开源商用级实时数字人解决方案，支持音视频同步对话、打断重说、声音克隆等功能，RTX 3060显卡即可实现60帧流畅运行。相比商业方案，它具有Apache 2.0开源许可、低延迟、多模型支持等优势，适用于直播、客服、教育等场景。用户可通过5步快速部署：克隆代码、安装环境、下载模型、启动服务、浏览器访问。系统采用四层架构，支持插件扩展，提供多种推流协议和API接口，并已通过商业验证。

清华大学与面壁智能联合开源的PilotDeck是一款革命性的AI Agent操作系统，通过三大核心技术突破行业瓶颈：1）WorkSpace隔离机制实现多任务并行且记忆不污染；2）白盒记忆系统使AI记忆全程可追溯、可修改；3）智能路由技术根据不同任务难度自动分配模型，实测可降低5倍Token成本。该系统支持端侧运行，提供一键安装和Docker部署方案，适用于长周期、多项目并行的生产力场景，让AI在用户离线后仍能持续工作并生成汇报。开源地址：https://github.com/OpenBMB/PilotDec

这篇文章介绍了一个名为Architecture Diagram Generator的开源工具，它能通过自然语言描述自动生成专业架构图，主要特点包括： 一键生成：只需用自然语言描述系统架构，Claude AI即可自动生成专业级暗黑主题架构图 便捷导出：支持导出PNG/PDF格式，生成的独立HTML文件无需额外依赖 智能设计：采用语义配色系统（前端蓝/后端绿/数据库紫等）、智能布局和等宽字体 高效迭代：支持对话式修改，无需重新绘制 多场景适用：支持Web应用、微服务、云服务等多种架构类型 该工具基于Claude

OpenMontage 是一个革命性的 AI 视频创作框架，能将编码助手转变为全功能视频工作室。它通过 12 条生产线、52 个专业工具和 500+ Agent 技能，实现从调研到成片的端到端自动化制作。相比当前 AI 视频工具的局限性（短片段、无故事性、缺乏参考等），OpenMontage 支持参考视频驱动、真实素材剪辑、内置网络调研和成本治理等核心能力。系统采用独特的 Agent-First 架构，以 AI 编码助手为编排器，遵循 7 阶段标准化流水线（调研→提案→剧本→分镜→素材→剪辑→合成），支持无

ViMax：全自动AI视频生成多智能体框架

文章摘要 Taste Skill 是一款专为AI编码助手设计的技能插件，旨在解决AI生成界面普遍存在的"AI审美"问题（如紫色渐变、居中布局等）。它提供三旋钮系统（设计变化度/动效强度/视觉密度）精确控制输出风格，内置反AI味规则清单禁止常见模板化设计，并支持自动匹配主流设计系统（Material/Fluent等）。核心功能包括智能需求推断、设计系统映射、暗色模式支持、组件库标准化和发货前检查清单。安装简单，支持10种风格变体，可显著提升AI生成界面的专业性和独特性。项目开源，适用于React/Vue/Sv

摘要： Open Lovable 是一款开源工具，输入网址即可自动生成 React 代码，实现网站秒级克隆。支持 8 种 UI 风格切换（如玻璃拟态、暗黑模式等），集成 GPT-5、Claude 等主流大模型，通过 Firecrawl 爬取网页内容并结构化，AI 生成可运行的 React 项目。还提供品牌风格扩展、实时沙箱预览等功能，适合快速原型设计、学习或竞品分析。需配置 API 密钥，依赖 Firecrawl 爬虫服务，技术栈基于 Next.js 15 和 Tailwind。 核心亮点： 🔥 输入 U

VoltAgent 是一个全栈开源的 TypeScript AI Agent 开发框架，提供从开发到运营的一站式解决方案。核心功能包括： 完整运行时 - 集成记忆管理、RAG检索、安全护栏、多工具调用等核心能力 工作流引擎 - 声明式多步骤自动化，支持人机协同(Human-in-the-Loop) Supervisor模式 - 主Agent协调多个专业子Agent的团队协作 生产级特性 - 持久化记忆、断线恢复、语音交互、内容安全护栏等 可视化运维 - 通过VoltOps Console实现实时监控、性能分

Understand Anything 是一个Claude Code 插件，用多 Agent 流水线分析项目，构建知识图谱，提供交互式可视化 Dashboard 来探索代码库。把任何代码库/知识库/文档变成可交互的知识图谱——Tree-sitter 确定性解析 + LLM 语义理解双引擎，7 Agent 流水线，15 平台一键安装，增量更新，团队共享。📜 开源协议：MIT License👤 作者：Lum1104免费（MIT 开源）是目前最好的代码库知识图谱工具核心优势说明🕸️三大视图。

Anthropic团队宣布改用HTML撰写文档，认为HTML比Markdown更利于读者阅读。为此，开源项目HTML Anything应运而生，它能通过AI Agent将Markdown/CSV/JSON等格式内容一键转换为精美排版的单文件HTML，支持75种模板和9种输出形态（如文章、幻灯片、海报等）。该项目无需API密钥，自动检测8种编程助手，可一键导出至微信/X/知乎等平台，由Open Design团队开发并开源。核心优势包括流式渲染、沙箱预览和格式自动检测，30秒即可快速上手，适合需要高效内容发布的

OpenScreen是一款免费开源的屏幕录制工具，可作为Screen Studio的平替方案。它具备录制窗口/区域/全屏、麦克风+系统音频采集、摄像头画中画等核心功能，支持自动缩放+运动模糊特效，提供多种精美背景模板，能通过模糊效果遮挡敏感信息，还具有光标高亮、文字/箭头标注、时间线剪辑等实用特性。支持导出MP4/GIF多种格式和比例，跨平台兼容macOS/Windows/Linux，采用MIT开源协议，个人和商业用途均可免费使用。相比Screen Studio每月29美元的费用，OpenScreen以零成

文章摘要 GreenSock 官方发布了 8 个 AI Skill，帮助开发者通过 AI Agent 正确使用 GSAP 动画库。这些技能包覆盖核心 API、Timeline 编排、ScrollTrigger 滚动动画、Flip 布局动画等关键功能，解决了 AI 生成代码中常见的过时 API、误用 CSS 动画等问题。特别值得注意的是，自 Webflow 收购 GSAP 后，所有插件（包括之前付费的 SplitText、MorphSVG）现已完全免费，无需认证令牌。开发者只需 npm install gsa

文章摘要 Oh My PPT 是一款开源本地化 AI PPT 工具，支持一句话生成完整幻灯片，30+风格可选，无需注册和联网。核心特性包括：四种创作方式（对话/文档/模板/图片识别）、可视化编辑、动画系统、字体管理、演讲稿生成等。采用HTML格式，支持导出PDF/PNG/PPTX，还能打包成单文件。基于Electron+React+TypeScript开发，MIT协议开源，保障数据隐私，适合商务汇报、教学演示等场景。解决了传统AI PPT工具格式固定、修改困难的问题，提供更灵活的本地化编辑体验。 （149字

阿里开源Agent框架AgentScope 2.0发布，带来六大核心升级： 事件流系统：支持类型化事件流，实现实时监控与流式UI 三层权限引擎：内置危险路径保护，提供5种权限模式，Deny规则无法绕过 沙箱工作区：支持本地/Docker/E2B一键切换，增强隔离性 人机协作：关键操作需人工确认，支持暂停/恢复机制 高效执行：工具并发调用+自动上下文压缩，优化长对话处理 Agent服务：内置多租户支持，开箱即用的REST+SSE服务 该框架采用"充分发挥模型能力"的设计哲学，不限制Agent工作流范式，5分钟

OpenAI推出的Symphony项目彻底改变了人机协作模式，让AI Agent自主完成编码任务。工程师只需审查结果，不再需要手动操作AI。该项目源自OpenAI内部实验：3名工程师5个月内通过Codex生成了100万行代码。Symphony核心架构包含8大组件，通过WORKFLOW.md文件定义工作流程，实现任务自动领取、独立工作区创建、代码编写和PR提交的全流程自动化。这一创新将工程师角色从"AI操作员"转变为工作管理者，大幅提升开发效率。

这篇文章介绍了Awesome DESIGN.md项目，这是一个包含73个全球顶级品牌设计系统的开源资源库。该项目通过简单的Markdown文件格式，为AI提供精确的设计规范，解决AI生成UI时"差不多"的问题。 核心亮点包括： 采用Google Stitch提出的DESIGN.md概念，纯文本格式便于AI直接读取 覆盖AI平台、开发者工具、金融科技、电商零售等多个领域的知名品牌 每个DESIGN.md文件包含完整的视觉特征：颜色、字体、间距、组件等设计规范 与传统设计系统相比，无需转换格式，任何文本编辑器都

入门简单，做起来难。写一个单 Agent 的 Hello World 只需 3 行代码，但一进入多 Agent 协作、工具集成、生产部署，代码量就指数级膨胀。PraisonAI5 行代码，从单 Agent 到整支 AI 工作团队。更让人惊叹的是，这个项目被——Musk 发推提到 “Grok 3 customer support”，引用的正是 PraisonAI 的教程。5 行代码部署 24/7 AI 自动化团队——研究、规划、编码、执行，自带记忆和 RAG，支持 100+ LLM。📜 开源协议：MIT。

这篇文章介绍了一个创新的HTML幻灯片模板库"Beautiful HTML Templates"，包含34套精心设计的模板，通过AI Agent实现智能匹配和自动排版。主要特点包括： 采用Tone-First Matching理念，通过8维元数据标签（情感、场景、风格等）智能匹配模板 模板分为四大风格：编辑杂志风、温暖自然风、活泼趣味风和专业商务风 每套模板包含完整的前端代码和元数据，支持AI Agent自动克隆和内容替换 独特的"感觉优先"设计哲学，打破传统按行业分类的模式 适用于各类演示场景，从商务报告

做演示文稿这件事，长期以来只有两条路：要么用 PowerPoint/Keynote 拖拽排版，要么用 reveal.js/Slidev 写代码。前者费时费力还容易做得丑，后者门槛高且调试痛苦。给出了第三条路——让 AI 帮你做，你只需要"看"和"选"。它是一个 Claude Code 技能（Skill），专门用来创建动画丰富的 HTML 演示文稿。最妙的是它的""理念：不需要你用语言描述"我想要什么风格"，而是直接生成 3 种视觉预览让你对比选择——看一眼胜过千言万语。