把 YouTube/B站视频变成一本能读的书
作者介绍了自己开发的 Chrome 插件「乔木剪藏」新增的视频阅读模式，可将带字幕的 YouTube/B站视频转为可阅读文本。功能包括：中英双语对照、点击字幕时间戳回看视频、划线直接向 AI 提问、接入 Obsidian 沉淀笔记。适合学习长播客访谈和课程。项目已在 GitHub 开源（qiaomu-clipper）。评论区还讨论了中文视频自动字幕识别错误导致乱码的问题及 AI 转写的应对方案。
全部文档 / 标签: 开源
639 篇
两句话，55 分钟，一条 3D 纪录片：我把它做成了一个 skill（已开源）
作者用 Claude 制作 3D 历史纪录短片，通过将制作经验封装成开源 skill（code-doc-film），把《郑和下西洋》片子的制作时间从 116 分钟压缩到 55 分钟，只需两句指令。skill 本质是一个包含说明文档和脚本的文件夹，核心是一张「翻车表」：记录镜头钻山、音画不同步、史实错误、渲染纯色等 7 类踩坑问题及自动化校验方案。文章同时坦承 skill 的局限：人物建模粗糙、未做过的题材仍慢、事实核对只保证有出处不保证正确。
把照片变成复古印刷：我做了一个小工具，免费开源！
作者开源了一个名为「孔版印刷机」的网页小工具，可将照片转成复古孔版印刷风格。工具提供7组控制项：油墨颜色、色彩数量、明暗阈值、网点大小、套印偏移、纸张颗粒和效果强度，支持原图/效果图对比查看与随机配色。图片在浏览器本地处理，使用WebGL加速并提供本地Worker回退，可导出原尺寸PNG。项目采用MIT许可，源码托管在GitHub，可直接打开index.html使用，为内容创作者提供了新的封面风格选择，也是动手做工具的起点。
adu-motion-video：用模板化 Skill 让 AI 高效生成动画视频
文章介绍了 adu-motion-video，一个 MIT 协议的模板级动画 Skill。作者阿杜改变了让 AI 从零写动画的低效做法，先将场景、动作、转场、音效做成模板，AI 只负责按用户口播、文案和录屏填充内容，报模板编号即可产出 MP4 成片和可编辑工程。目前包含两大类模板、7 种风格、17 个镜头组，并附带 11,028 个精选 Lottie 动画的公开素材接口。模板复用带来 token 消耗低、系列视频质量更稳的优势，支持 Codex 和 Claude Code，限 macOS 横屏 1080p60。
DeepSeek 开源 dsh-libreoffice-kit：给 AI 配上「看文档的眼睛」
DeepSeek 悄悄开源了 dsh-libreoffice-kit 组件，原本隐藏在 DeepSeek Harness 中。该组件解决了 AI 生成文档却看不到排版效果的痛点：可将 Word、PPT 渲染成图片让 AI 查看排版，真实计算 Excel 公式以核对结果，自带字体管理避免中文乱版，并支持文件级隔离处理防止单点故障。这使 AI 能够自己写、自己看、自己改文档，无需人工逐页返工。文章指出 AI 办公领域的竞争不只在于模型能力，底层基础设施同样关键。
Hermes Agent 到底能做什么？三个公开部署案例，拆开“自我进化”的真相
文章通过三个公开部署案例，理性拆解 Hermes Agent 的真实能力：为太阳能销售团队维护每日看板与知识库、将工作/学习/家庭拆分为多条 Agent 车道、以及在单台 VPS 上运行市场情报和数十个定时任务。作者澄清了常见误解——“长期记忆”只是两份有字数上限的文件，“自我进化”并非重新训练模型，开源自托管也不等于数据绝对安全。文章还分析了 Hermes 的架构（模型、工具、记忆、技能、调度）、官方部署路径、真实成本构成、安全权限防护要点，并给出验收标准：先让 Agent 稳定完成一件小事七天，再考虑扩大权限和自动化规模。
从零开始理解 Agent Harness（What is a Harness）【译】
本文译自 Earendil 的 What is a Harness?，以攀岩安全带类比 Agent Harness，面向初学者介绍其概念与工作原理。文章指出 Agent = Model + Harness，Harness 是为 AI 模型提供运行环境的软件，核心职责包括四点：提供系统提示、提供可调用的工具、构建 Agent 循环、以及作为转换层支持多种 AI 模型。作者通过比较小学排名并撰写建议邮件的示例，演示了 Agent 循环的完整流程。文章还强调开源中立 Harness（如 Pi、OpenClaw 等）能将自主权交还用户，用户可以拥有、改造自己的 Harness，自由选择模型并比较结果与成本，从而避免对 AI 实验室单一应用的依附。
开源小红书相关搜索词爬虫Skill
作者开源了一个用于采集小红书相关搜索词的Skill，部署到Codex后，输入一个或多个词根，AI自动抓取搜索框下拉词，并逐层扩展得到二级相关词。每条词保留截图、展示位置和来源路径，去重后按行业评分商业价值（1到10分），最终汇总为Excel文件。用「留学公司」测试获得110条路径、93个去重词。作者还回应了账号风险问题：该Skill不刷页面、无点击动作，抓取数千词量未触发风控。
DeepSeek Harness v0.2 桌面版发布
DeepSeek 发布 Harness v0.2 预览版，推出 macOS 和 Windows 桌面应用。新版本改进了文件显示、内容预览和代码变更展示，简化定时任务的设置与管理。核心亮点是插件系统：新增插件管理器，无需终端命令即可安装、禁用或卸载插件；实验性创作者模式允许用户用自然语言描述需求，自动创建插件。官方数据显示 Harness 是 DeepSeek API 用户中最广泛使用的编码 Agent。未来计划改进沙箱与安全、Agent 团队、长期记忆、浏览器自动化、远程访问，并建设官方插件市场，完善插件 API 兼容性。
GitHub 从零开始详细教程
这是一篇面向零基础新手的 GitHub 入门教程。文章首先区分了 Git（本地版本管理工具）和 GitHub（在线托管平台）的概念，然后详细讲解了注册账号的注意事项、如何阅读仓库的 README、Releases、Issues、LICENSE 等关键信息，以及如何安全下载和使用开源项目。教程还演示了在网页上创建仓库、发布作品（如提示词、模板）的完整流程，介绍了 Commit、History、Branch、Remote 等 Git 基础概念，并强调了公开发布前的安全检查要点，包括避免泄露 API Key、密码等敏感信息，以及 .gitignore 的正确用法。最后介绍了最少量 Git 操作将本地项目上传到 GitHub 的方法。
Jeff：把 Jev 类决策模型压到 0.8B，跑在本地
Mathias Strasser（Scissero）基于 Qwen3.5 和 Gemma 4 微调出 Jeff 系列 0.8B/2B 决策模型，用于零样本分类：输入描述与选项，一次前向传播返回各选项校准概率。模型在 RTX PRO 6000 上约 22 毫秒、M4 Max 上 28 毫秒即可完成一次决策，0.8B 仅 1.7GB，可直接本地部署。整体基准分 Jeff-2B 达 83.1，几乎追平 Jev 的 83.0；Doom 零样本测试中 Jeff-0.8B 在无人提示规则下达到 6.55，追平 Jev 公布成绩。作者诚实列出局限：不能推理、最多 26 个选项、只支持英文文本等。代码 MIT、权重 Apache 2.0 开源。
测试了500多种风格，终于做出一个能帮个人和企业打造专属IP形象的Skill
作者DAAI分享了开发da-brand-ip Skill的过程与成果。为了解决内容创作中人物形象不一致、缺乏辨识度的问题，作者测试了500多种视觉风格，最终筛选出124种收录进风格库，涵盖扁平插画、复古线稿、毛绒玩偶等多种方向。该Skill面向个人和企业，可基于照片或品牌信息生成主形象设计卡、三视图、动作表情总览三张基础资产图，并支持将IP形象延展到文章配图、海报、宣传图等实际场景。项目已开源至GitHub，后续将持续更新风格与应用案例。
开源100万月活级产品AIHOT，愿每个行业也都有自己的「AIHOT」
作者宣布将其月活百万的AI热点资讯网站AIHOT正式开源。AIHOT最初是公司内部监控热点找选题的飞书机器人，经过七八个月迭代发展成百万月活产品。作者一直想开源但因旧架构质量差而不敢。利用中秋假期，作者借助Claude Opus 5.5、GPT-6 Astra等AI工具，采用'将旧代码蒸馏为功能文档再重写'的第一性原理方法，用3天完成项目重构，上线AIHOT 2.0并开源，包括采集流程、评分流程及所有Prompt，希望各行各业都能基于此框架打造自己的行业热点监控产品。
有人把 Jev 开源复刻了，还给出了「自己微调」的完整闭环
Jared Palmer（Cognition）开源了 Kev，一族建在 Qwen3.5/3.8 之上的 Jev 式小型决策模型（0.8B~27B，Apache-2.0）。文章介绍了 Kev 与 Jev 的对比数据：Kev-27B 在新数据源上与 Jev 相差一个点以内，但作者强调这不是受控比较。最有价值的部分是完整的微调闭环：通过 coding agent 的 skill，可自动从用户代码中找出问题、转换已有标签、在 Modal 上微调并部署，一次 Kev-4B 训练在 H100 上约 1 美元，示例中把准确率从 67.7% 提到 73.6%。文章还总结了校准温度、问题隔离设计等工程细节，以及作者诚实的自我限制态度。
公文 Skill 四十多万阅读后，我才补测红头：AI 加快了开发，没省掉返工
作者分享其开源公文排版 Skill 走红后的复盘：发布后自测发现电子红头模式存在标题贴线、字体错误等问题，坦言自己常用路径绕过了该功能，导致未经验证的信任。随后逐项核对国标，通过生成 18 份 Word/PDF 共 37 页的场景测试，修复了间距、字段挤位、命令格式理解偏差、标题样式缺失、红头纸套打和字体替换等隐蔽问题。文章核心观点：AI 大幅加快了开发速度，但无法省掉面向真实使用场景的验证与返工，'测试过了'需要具体化到场景、环境和结果。
107 个不到 50 星的宝藏：能让 Claude 做视频的 180 个开源 Skill 全分类
作者使用 AI 助手 Jev 逐个阅读 README，将 180 个能让 Claude Code、Codex 等 agent 直接做视频、剪辑、动效的开源 skill 和工具包分为 10 个类别并做安全评级，以约 200 美元成本产出开源仓库和在线筛选页面，每 8 小时刷新。文章介绍了各分类分布：剪辑与后期 35 个、讲解科普 32 个、框架 29 个等，重点分析 OpenMontage、HyperFrames 和 Remotion 两大技术路线，并指出代码化出片、配方卡资产化、小仓库信息密度被低估三个观察。
107 个不到 50 星的宝藏：能让 Claude 做视频的 180 个开源 Skill 全分类
作者用 AI 工具 Jev 逐个阅读 README，整理出 180 个能让 Claude Code、Codex 等编程 agent 直接制作、剪辑视频和动效的开源 skill 仓库，分为剪辑与后期、讲解科普、框架工具包等 10 个类别，每个都附安全评级（178 个 SAFE）。文章指出代码化出片（Remotion、HyperFrames）是主流路线，占四成；镜头配方卡正在成为通用资产；107 个不到 50 星的小仓库信息密度被严重低估，按星数排序会漏掉它们。仓库与在线筛选页面均已开源，每 8 小时刷新。
把你的代码历史拍个属于你的短片 - git-story-film skill
作者介绍了自己开发的 git-story-film skill：只需提供一个 GitHub 仓库链接，Claude Opus 5.5 就能像导演一样，从 git 提交历史中挖掘故事，为项目设计主角、画风和镜头语言，最终生成一部两分钟左右的 4K 手绘动画短片。文章展示了 Raven、CC Switch、Cherry Studio、LobeHub 四个仓库的成片案例，每个项目都有独特的视觉隐喻。作者详细拆解了七步视频法 SOP（提纲、主角、全片提纲、分镜、详细编写、Studio 预览、4K 渲染），并总结了八条设计原则，如导演而非生成器、画面与提交一一对应、只说真话等，还分享了制作过程中的翻车与惊喜。
终于搞完了整合到了edulab中开源
作者宣布将数学解题视频生成器skill整合到edulab项目并开源。该skill让其他模型也能拥有类似Opus的视频生成能力，作者已测试Codex的sol模型和workbuddy的Hy4 preview模型，均可正常生成视频。与Opus相比，差异主要在解题思路的清晰度上，Opus的解题过程更清晰易懂且额度消耗更少。语音合成使用了GLM TTS，也支持其他TTS方案，可让AI帮忙微调。该项目在GitHub上开源，欢迎用户体验。
7 万人围观的 AI 剪辑片子：教程 + 开源都在这
作者开源了 AI 自动化视频剪辑项目 SeeCut，实现从数字人口播到网感精剪的全流程自动化。文章详细介绍了项目的四个关键设计：利用 Gemini 实现真正的视频理解、AI 自剪自评的迭代循环（用左右对比代替打分）、宁可截取真实界面也不生成假画面、基于 536 个镜头拆解总结的露脸决策表。流程分三步：数字人出镜（HeyGen）、AI 网感精剪、导出剪映草稿供人工微调。项目一句话即可通过 Claude Code 安装，作者也坦诚目前存在的速度慢、音效一般等不足，采用 PolyForm 非商业协议开源。
我用 Codex 复现了 Opus 5.5 的动画玩法
作者因 Claude 账号被封，无法使用 Opus 5.5 的代码动画玩法，于是尝试用 Codex 复现该路线：将参考视频交给 Codex 分析画法、编写剧本、拆分镜，最终用 p5.js 和 Canvas 生成动画并导出带中文旁白、配乐的 MP4。作者还将做法整理成开源 Skill（wtt-code-animation-studio），支持剧本编写、十种画风推荐与选择、配音、渲染导出等全流程，并验证了同一角色在扁平、沙画、粒子等画法下的多种组合，以及随机三种风格混合的新故事测试片。
开源了39种风格视频库后，我学会了如何用Opus5.5稳定出片
作者分享了用 Claude Opus 5.5 通过代码逐帧渲染制作视频的经验，并开源了包含 39 种风格视频样片的 Lemo-opuscar 库。库内包含导演方法（DIRECTOR.md）、技术方法（TECHNIQUE.md）和 39 份风格文档。文章阐述了如何稳定出片的关键：agent 手里要有成熟的方法论，用户需求要说到点上。作者详细讲解了需求表述的六个要点（主题、故事、节奏、导演能力、素材、审阅检验），并提供了万能提示词模板，还针对非 Opus 5.5 用户给出了降低难度、拆分步骤、强弱模型协作等替代方案。
开源 Company Brain：多玩家 Agent Harness 的架构设计
Supermemory 团队宣布开源其 Company Brain 产品，并详细介绍了背后的多玩家 Agent Harness 设计。该系统构建于 Cloudflare Agents SDK 之上，核心是一个以组织 ID 为键的 Durable Object，负责回合生命周期、状态管理、权限策略、记忆边界和工具调用。文章重点阐述了如何设计一个'像队友而非机器人'的 Agent：包括 Slack 事件的分类路由、基于置信度模型而非二元判断的主动性决策、审批流程、steering 处理、运行时恢复等。作者还解释了停止该产品的原因——团队希望专注于构建世界领先的 Agent 记忆 API。
2026 年最全免费 AI 资源盘点
作者花费 20 天实测了各类免费或近免费的 AI 模型获取渠道，包括免费 API、促销额度、创始人和学生计划、开源维护者资助等。文章指出多数“免费 AI”汇总信息过时且不准确，并从三个维度评估：永久配额与限时额度的区别、实验用途与生产用途的区别、以及隐藏的数据隐私代价。详细分析了 Google AI Studio、Groq、Cerebras、Mistral、Cloudflare Workers AI、OpenRouter、Cohere、OpenAI 等平台的免费额度与限制，还涵盖初创企业资助、学生福利、开源维护者计划以及地理限制，最后强调本地部署模型是唯一不可撤销的保底方案。
依旧抖音百万预定：用 AI 实现口播视频自动剪辑与长视频矩阵分发
作者分享了自己用 AI 搭建口播视频自动化剪辑管线的实践：结合 Hypit 的爆款拆解逻辑、Talkcraft 剪辑管线、Hyperframes 动效组件、数字人口播生成，以及 Gemini 视频理解接入 Claude Code 做质检，实现从数字人口播到自动出片并推送剪映工程文件的完整流程。此外，作者还开发了一个 Codex Skill「ah-longform-clip-matrix」，基于语义块拆解与重组，将 8 分钟长视频切分成多条角度不同的短视频用于矩阵分发，源码已开源。作者同时分享了 AI 自媒体低粉变现的经验与新手入局建议。
构建实时语音 AI Agent 的四种模式：看、说、想、写代码
本文介绍使用 Gemini 3.8 Live 和 Google Agent Development Kit (ADK) 构建实时保险理赔语音代理的四种核心模式：1）工具标记为 NON_BLOCKING，让代理在执行代码时保持对话流畅，重要信息可打断；2）通过独立记录所见、来电者所述及验证结果，并用第二个模型复核照片证据，避免盲从口头描述；3）一个模型负责通话，后台由七个步骤的 SequentialAgent 团队异步整理理赔文书；4）模型负责理解对话，Python 负责执行金额、日期、安全等硬性规则。文章包含完整开源代码和本地运行指南。
开源 X Growth OS 增长系统并实测 AI 视频工具 Pexo
作者宣布将自用的 X Growth OS 增长操作系统开源，该系统采用本机优先、不可变草稿、本地证据账本的工程化方式经营 X 账号，作者靠它半年副业收入超 40 万。同时作者用 AI 视频创作工具 Pexo 从零生成了一条 45 秒商业白板解说视频，全程自然语言对话完成分镜、配音、字幕和包装，并展示了其核心亮点 Mark to Fix 画圈批注局部修改功能，将传统需要多轨剪辑数天的工作压缩为几轮确定性对话，大幅降低商业视频制作门槛。
AI 桌面换装视频火了，1 分钟教你复刻！
AI 桌面换装视频近期在 Twitter 爆火，作者程序员鱼皮分享了如何复刻这类视频的完整流程。核心方法是使用其开源的「AI 桌面换装视频」生成 Skill：用户只需与 AI 对话回答主角、场景、造型、台词等问题，AI 会自动生成完整的视频提示词，复制到即梦等支持 Seedance 模型的视频工具即可出片，也可直接调用 API 生成。核心原理是让 AI 逐帧分析原版爆款视频，拆解换装镜头的机关细节，生成提示词模板并封装成可复用技能，全程开源到 GitHub。作者强调借助 AI 的 Agent 与视觉理解能力，从拆片到发布几乎全由 AI 完成。
拆解 Qwen-Image 官方「智能改写」：我把生图和改图经验总结成了一个 Skill
作者在测试 Qwen-Image 2.1 时发现，生图和改图效果不佳的主要原因是创作意图未被准确传递给模型，如负面文字被印进海报、改姿势只换了衣服等。作者将经验整理成 qwen-image-gen Skill 并提交开源：区分文生图、局部编辑和参考人物创作；将人物动作、接触关系、镜头和画面文字写成模型可执行的描述；落实比例决策并检查返回图片真实像素；将质量反馈带回下一版。四组对照实验显示三组改善、一组失败，证明提示词改写有价值但非几何纠错器。
图片存下来了，Prompt 呢？
作者分享了开发一个 ChatGPT 生图内容导出工具的过程与思考。工具的核心不是下载图片，而是把图片与创作过程准确关联：区分 Base Prompt 与增量 Revision、识别聊天中真正的生图 Prompt、将参考图与生成图分类（Generated/Edited/Reference），并把创作信息写入 Eagle 素材注释，方便日后按项目与链路检索。工具还处理了长对话加载、批量导出去重、限流重试、断点续传等细节，并诚实说明了局限。作者已将工具开源，旨在保留 AI 视觉探索的完整创作链路，而非仅保存成片。
