jackssybin 的个人博客

vercel-labs/agent-desktop 是 Vercel Labs 开源的 Computer Use CLI（Apache-2.0，Rust 约 35 万行、2628 个源文件）：与主流「截图+视觉模型+像素坐标」的 computer use 不同，它直接读取操作系统的无障碍树（macOS AX API / Windows UI Automation / Linux AT-SPI），把桌面 App 的界面结构化成带 ref 的 JSON，Agent 对 ref 点击、输入，再重新快照验证，形成确定性的 observe→act→verify 循环，内部不含任何模型。默认无头（不移动鼠标、不抢焦点），60 个命令名/56 个操作命令，支持 CLI、C 库和 stdio MCP server，npm 月下载约 3.1 万。本文克隆仓库拆解它的快照/ref 严格解析机制、三态证据模型、防窗口句柄复用的身份校验、平台适配架构和安全边界（快照可能含隐私、密钥走 stdin），也说清它的局限：依赖 App 无障碍支持质量、部分操作必须 headed、1.2 版仍在快速迭代。

anneheartrecord/charles-video-maker 是一个 MIT 协议的 Agent Skill：文字稿进去，带配音、逐字字幕、封面和发布文案的竖屏成片出来，画面由模型写一个 render(t) 网页、用 Playwright 逐帧截图再经 FFmpeg 合成，不是抽卡式一句话生视频。它合并了 xilo-opus-video 的代码渲染流水线与 Anatomy 等距机器插画，内置事实核查闸门、-14 LUFS 响度、Whisper 逐字时间戳对齐、静止帧检查，还能实录/原片/免版税空镜打底、接 53 种 Lemo-Opuscar 画风。最有话题性的是它的抖音知识号模式：从一条正在爆的原片出发做风格复刻，作者用它零粉丝新号 13 天做到 37 万播放、0 投流，代表作 78 秒 23.1 万播放。本文克隆仓库（约 2.9 万行脚本）拆解它的制作流水线、四种画面路线、D-1→D5 抖音起号工作流和质量闸门，也说清它不做什么（不剪辑已有视频、不用视频模型、Claude 不亲手写文案）以及真实数据背后的边界。

pbakaus/impeccable 是 jQuery UI 作者 Paul Bakaus 开源的「编码 Agent 设计词汇表」：一句 npx impeccable install 装进 Claude Code、Cursor、Codex、Copilot、Gemini CLI 等 20 来种 AI 编程工具，用 24 个设计命令（bolder/quieter/polish/critique/audit 等）精确指挥 AI 改设计，再用一个无 LLM、无 API Key、62 条确定性规则的「AI 味检测器」在提交前拦截紫色渐变、Inter 全家桶、卡片套卡片、侧栏色边等典型 slop。Rust 写的引擎约 26 万行，Apache-2.0，支持命令行/CI/浏览器扩展三种检测方式，还能在浏览器里 live 热替换设计变体。本文克隆仓库、实跑检测器拆解它的命令体系、规则清单、PRODUCT/DESIGN 上下文机制和实时迭代模式，也说清它最适合改已有界面、99K Star 的时间线与遥测边界。

tars1230/douyin-favorites-to-knowledge 是一个 MIT 协议的 Python 小工具：授权登录自己的抖音账号后，把新增收藏（和可选的喜欢）同步成本地可搜索的 Markdown，可直接进 Obsidian，还能用 SiliconFlow SenseVoice 免费把口播视频转成全文、用免费 OCR 读图文画面上的字，每晚 23:00 自动出日报。本文克隆仓库（v2.3.6，约 3500 行 Python）拆解它的工作流、收藏与喜欢严格隔离、防重账本、原子事务（scan→review→promote）、安全边界（不存 Cookie/Key、Referer 防盗链）和三种转录方案的取舍，也说清它只是个人授权同步、不绕过平台控制、不做内容下载器这些边界。

storytold/filmcraft 是 ArtCraft 团队 2026 年 9 月底开源的专业非线性视频编辑器（NLE），纯 Rust 从零写到比特流：自研 H.264/HEVC/ProRes/AAC 编解码器、GPU 合成器、整数时间基、广播级响度表，约 42 万行 Rust、1138 个源文件，一个月 16914 Star。它还把整个编辑器做成 650+ 条可被 AI Agent/MCP 驱动的命令。本文克隆仓库拆解它的剪辑/调色/音频/格式/导出能力、分层架构和诚实的成熟度数据（功能广度约86%、真正可干活约56%、alpha 阶段），也说清不内置 FFmpeg、暂不支持 .prproj 和插件这些边界。

paperclipai/paperclip 是 2026 年 3 月建仓、八个月涨到 10.8 万 Star 的 MIT 开源项目：它不做 Agent，而是把 Claude Code、Codex、OpenClaw、Cursor、Gemini、OpenCode、Grok、Hermes 等一众 Agent 编排成一家有组织架构、预算、审批和 KPI 的「公司」。Node.js 服务端 + React 仪表盘，支持心跳唤醒、原子任务认领、成本预算硬停止、技能工作室、定时例行任务和多组织隔离。本文克隆仓库（1.2 万+文件、2700+ 已合并 PR）拆解它的四大支柱、控制平面架构、接入方式与自托管部署，也说明它和 OpenBot 这类桌面工作台的差别、6766 个 open issues 与默认遥测这些需要留意的地方。

nightly-labs/openbot 是 2026 年 8 月才建仓、两个多月涨到 1.8K Star 的本地优先多 Agent 桌面工作台：Codex、Claude Code、Grok CLI、OpenCode、Gemini、Cursor CLI、Cline CLI 各占一个独立工作区，支持 FIFO 任务队列、Agent 互发消息、内置浏览器和 Computer Use，还能部署成 VPS 常开服务器并用 iPhone 远程指挥。本文克隆 v0.51.1 源码，拆解它的架构、七个 Provider 的接入方式、协作模型和安全边界，也如实说明它 PolyForm 非商用许可证和 danger-full-access 的风险。

obra/superpowers 是一年涨到 30 万 Star 的编码 Agent 方法论插件：15 个可组合 skill 加一个 SessionStart 钩子，强制 AI 先头脑风暴、再写规格与计划、用子 Agent 执行、TDD、评审。本文克隆 v7.0.0 源码、实跑启动钩子，拆解它的注入机制、七步工作流、跨 16 种 Agent 外壳的适配，以及那个反直觉的 94% PR 拒绝率。

Lemo-Opuscar 是 Lemomo 开源的 Claude Code 电影工作室：43 种影片风格每种都带一支纯代码成片，画面是 window.render(t) 确定性函数，Playwright 逐帧截图，TTS 配音、采样器配乐、ffmpeg 标准化混音。本文克隆仓库通读 DIRECTOR/TECHNIQUE 与 core/ 源码，讲清它的机制、上手成本与能力边界。

REA（morluto/rea）是一个 8.3 万 Star 的 MCP 服务，把 Hopper、Ghidra、JADX、浏览器等逆向工具统一接到 Claude Code、Codex、Hermes 等 17 种 AI Agent 上。本文克隆源码、读架构，并在本机用真实的 Electron 小工程跑通静态分析，拆解它的证据契约、能力边界与适用人群。

res-downloader（爱享素材下载器）是 GitHub 上 20.4k Star 的开源资源嗅探下载器，支持视频号、小程序、抖音、快手、小红书、m3u8、直播流。本文基于源码拆解其 MITM 代理 + 规则筛选 + 插件化处理的实现机制，给出完整使用步骤、证书风险提示与谁该用/谁该等的判断。

anything2explainer 是一个 Claude Code/Codex skill：给一个主题，产出黑底 MG 风格的科普讲解视频，带 TTS 配音、字幕和章节进度条。画面全部由 Remotion 代码绘制，事实可追溯、可逐帧修改、可复现，无需视频生成模型和 GPU。

浙江大学与北京大学开源的社媒内容工作台 Easel，基于 OpenClaw 提供 114 个可执行技能，覆盖发现、策划、创作、发布、归因五层闭环，支持小红书、抖音、知乎等 7 个平台直发，Apache-2.0 协议。

Jev Ultrafast 是 browser-use 最新开源（MIT）的极速浏览器 Agent：不给模型截图、不让模型生成选择器或代码，而是把每个网页观察压缩成一张带编号的元素表，由 TypeSafe 的 Jev 模型在一次网络往返里同时选出「操作」和「目标」，仅在 TYPE_TEXT 时才调用小模型写字。官方实测：Google Flights 苏黎世→伦敦单程搜索端到端 7.073 秒完成并通过独立校验，相比旧循环中位耗时降 25%，浏览器协议调用从 1092 次降到 101 次。本文基于仓库源码（agent.py / model.py / snapshot.js）、design.md 与 performance.md 的实测数据，讲清它的动态索引动作空间、推测式 target 头、新鲜度守卫的工程细节，给出最小上手路径，并明确指出 shadow root、iframe、canvas 等能力边界与谁该用、谁该等。

HelpWriting（lfdc-code/helpWriteing）是一个本地运行的公众号 AI 内容工作台：Python + CrewAI 多智能体 + AIForge 搜索 + FastAPI + PyWebView 桌面壳，把热搜选题、联网取证、多 Agent 写作、维度化创意变换、本地去 AI 味（硬编码短语表 + 说人话引擎 + humanizer skill 三层）、34 套 HTML 模板排版、微信草稿 API 上传串成一条八段管线，并提供小说连载与漫画图文出口。本文基于 master-pro 分支源码（unified_workflow.py 1026 行、local_humanizer.py、dimensional_engine.py、license 模块）与仓库自带的腾讯朱雀检测实证截图，讲清它的编排机制、去 AI 味三层设计、AI 检测器本身的误判问题；同时重点指出：项目虽挂 Apache 2.0，NOTICE 却附加非商业、禁止未经授权分发和 SaaS 的条款，法律上更接近 source-available 而非真正开源。最后给出谁该用、谁该等的判断。

World Monitor 是 AGPL-3.0 协议的实时全球情报仪表盘：把 461 个新闻/OSINT 信息流、57 种地图图层、748 个归属数据源收进 deck.gl/globe.gl 双引擎地图，并对外提供 MCP Server、REST API、CLI 和四种语言 SDK。本文基于 GitHub 仓库（87.1k Star、7596 次提交）、ARCHITECTURE.md 与 docs/algorithms.mdx 源码级文档，加上对线上仪表盘、CII v8 国家不稳定指数实时接口和公开 MCP tools/list 的实际取证，讲清三件事：它和普通新闻聚合墙的本质区别、CII 评分算法里反直觉的工程设计、以及把它接进 AI Agent 的最小路径。最后给出谁现在该用、谁该等的明确判断。

agnes-image-tool（Agnes Creator Studio）是一个 MIT 协议的 Gradio 开源工作台，用四个 Python 依赖把文生图、图生图、文生视频、图生视频、多图关键帧、批量生成和历史记录收进同一个 7860 端口。本文基于源码实测：通读 app.py / api_client.py / config.py 共 2379 行，核对出七个标签页的真实能力边界、视频帧数写死 8n+1 的工程原因、图像 Data URI 与视频公网 URL 的不一致设计、Docker/HF Spaces/VPS 四条部署路径的实际成本，以及仓库里还藏着一个 Next.js 15 重写版 agnes-forge。文章给出谁现在该装、谁该等的明确判断。

liquidslr/system-design-notes 是 GitHub 上最火的系统设计面试资料之一：2 万 star，把 Alex Xu 两卷《System Design Interview》28 章重制成 5.2 万词英文笔记和 392 张手绘架构图。本文没有停留在 star 数：我克隆仓库逐章统计，确认它的真实结构是「4 章方法 + 9 个分布式组件 + 15 个完整系统」，每章统一采用 Step1 理解问题、Step2 高层设计、Step3 深入设计、Step4 总结的四步推演骨架；同时核实了三个必须讲清的边界——GitHub API 显示 license 为 null（内容源自付费书，仅适合个人学习）、全仓库 0 行可运行代码、延迟数字表标注的是 Latency (2020)。文章给出三周冲刺路线和谁该用、谁该等的明确判断。

开源自建的 AI 图片视频生成平台

story-to-handdrawn-video 是 gnipbao 开源的 Agent Skill：把中文故事文案或一组有序手绘图片，转成 3:4 竖屏手绘日记动画，1080×1440、30fps、H.264 静音画面轨，内置 20 种画风。它不是一个脚本，而是 Remotion 渲染器（React 19 + Remotion 4.0.487）加可分发 Skill 的两段式工程，用 text→黑白稿→彩色稿从左到右擦除的统一动画语法，默认 Codex Image2 出图、本地 FFmpeg 派生黑白层，中文走马善政毛笔字体渲染以保证零错字。我在全新 clone 上实测 npm ci、plan、build 全部跑通，同时发现一个 README 没提的真实缺陷：npm run check 在干净克隆上退出码 1——自带 storyboard 引用了被 gitignore 的生成资产。本文给出完整流水线、20 风格家族梳理、输出契约和规避方法，以及谁该用谁该等的判断。