这里汇总历史技术笔记、专题阅读路线、系统教程和常用导航。可以按最新文章浏览，也可以直接进入教程中心或专题路线学习。
轻量展示，每小时更新：2026-06-16 23:17:39
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。
Obscura 是 h4ckf0r0day 开源的 Rust 无头浏览器，不依赖 Chromium，用 V8（deno_core）跑真实 JS，却自研 HTML 解析、CSS 级联、布局与 CPU 绘制管线，并通过 CDP 协议成为 Puppeteer/Playwright 的平替。本文基于 0.2.2 发行二进制在 Linux 上一手实测：抓 Hacker News 含 JS 执行与 DOM 抽取真实墙钟 0.152s、最大驻留内存 40,052KB、markdown/assets 抽取与并行 scrape 正常、SSRF 默认拦截内网；并通读九个 crate 约 15.3 万行 Rust 与 render-repros 中 66 个像素级 CSS 对拍夹具，拆清它「V8 + Taffy + tiny-skia + ab_glyph」的渲染架构、单 V8 isolate 的并发取舍、看门狗预算模型，以及自研引擎在长尾 CSS、媒体播放、字体栅格化上的真实边界。注：本站 9 月 4 日曾介绍其轻量化特性，本篇只谈渲染引擎本身与实测证据，不重复功能清单。
DSH-Creator（Jacky Creator）是一个 DeepSeek Harness 桌面端插件，把选题、脚本、录屏、字幕、封面、多平台发布、数据回收、复盘装进同一条本地内容流水线。本文基于 v0.1.0-beta.8 源码实测：56 个测试文件、351 个用例全绿，14 个 jacky_creator_* 工具，核心设计是一条片子一个普通文件夹、磁盘文件为唯一真相源、所有写操作先预览后确认。文章讲清它和云端内容 SaaS 的路线差异、最小上手路径、可选能力矩阵，以及谁现在该用、谁该等。
Hypit 是 hypit.ai 开源、面向 Claude Code/Codex 等 AI Agent 的视频生产框架（GitHub 1k+ star，v0.1.8，Apache-2.0 修改版）。它用一门叫 SVML 的视频标记语言把短视频描述为可编译的程序：Script 里只有词没有时间码，字幕、B-roll、特效全部锚定语义而非帧点，改一句台词整条片子自动重排；官方三个爆款样片真实生成成本仅 1.07–1.15 美元，由 64 个无头 Chromium 进程并发渲染。我通读仓库 100+ 个 workspace 包、quickstart 文档与三个样片的 reference.svml，拆清它的四层架构、Model/Provider 分离、失败不重复花钱的 Build 状态机，并指出修改版协议的商用限制、对 Agent 与模型生态的依赖等真实门槛。
ViMax 是港大数据科学实验室 HKUDS 开源的 Agentic 视频生成框架（GitHub 12.4k star / 1861 fork，arXiv 2606.07649，MIT），把一句话创意、完整剧本或长篇小说自动改编成分镜一致的分钟级视频。我克隆仓库通读了 1.37 万行 Python：13 个专职 Agent、三条 pipeline、FAISS+rerank 检索、静态/动态角色特征分离、VLM 视觉判官多候选选图、机位树首帧、asyncio 分级信号量并发、多供应商可插拔后端，并指出 Novel2Video 源码顶部的未完成标注、纯画外音角色跳过肖像等真实坑，给出安装路径与谁该用、谁先等的判断。
niwo-render-everything 是 MontageAI 开源的 Agent Skill：把 PDF、论文、网页、Word 或 AI 对话话题整理成可上传 Niwo 视频工作台渲染的短视频素材包。我克隆仓库通读了 425 行 SKILL.md、两份字段协议和 689 行本地校验器，拆清它「Agent 产内容、工作台管渲染」的两段式设计、content.json 的 7 字段严格协议、hook_headline 与成片形态的双向绑定、版本自检退出码机制，并给出安装路径、环境门槛与谁该用、谁先等的判断。
Jellyfish 是一个 Apache-2.0 的 AI 短剧端到端生产工作台（6.3k star）：剧本拆解、分镜候选确认、角色/场景/道具/服装实体一致性、关键帧与视频生成、Celery 异步任务中心。我克隆仓库读了 FastAPI 后端的 chains、状态机与任务执行层，拆清它和即梦/可灵网页版的本质差别、三状态分离设计、Docker Compose 部署路径，并给出谁该用、谁先等的判断。
Y2A-Auto 是一个把 YouTube 视频自动搬运到 AcFun/bilibili 的开源工具（GPL v3，3256 star）。我克隆仓库读了 5 万行 Python，拆解它的 8 阶段 checkpoint 状态机、字幕 ASR+翻译+QC 分层质检、转载声明合规默认值、YouTube 监控配额预算和 HEVC 硬编回退，并说清它适合谁、要承担什么账号与版权风险。
Model X Studio 是一个纯前端 3D 爆炸视图项目：334 个网格零件沿滑块渐进拆解、可点选隔离、零后端部署。我实际跑了线上 demo、扒了全部源码，讲清楚它的布局算法、性能取舍和工程上的诚实之处。
PostBot 是一款开源的多平台内容同步浏览器扩展，覆盖公众号/微博/小红书/知乎/抖音/B站等十几家平台。我读了它近 1.9 万行源码，拆解它如何在不开放平台 API、不要账号密码的前提下，用本地登录态+内容脚本 DOM 自动化+多标签页扇出实现一键分发，以及它的边界与风险。
book-to-skill 把 PDF/EPUB/DOCX 技术书与文档转换成结构化 Agent Skill：4K token 常驻核心 + 1K 按需章节，比把整本书塞进上下文省 24–51 倍 token，单书生成成本约 1 美元。本文含我实跑提取器的第一手输出、源码级工程洞察与适用边界。
OpenMontage 是首个开源的、AI Agent 驱动的视频制作系统，把你的 AI 编程助手变成完整视频工作室——12 条流水线、57 个工具、60+ 提供商、零 API Key 也能出片。
dsh-ego-browser 是 DeepSeek Harness 的一个开源插件，给 AI Agent 提供了可见可控的浏览器操作能力，让你能实时看到 Agent 操作网页，还能随时接手干预。
Navop 是一个基于 Rust+GPUI 构建的开源原生桌面应用，把数据库管理、SSH/SFTP、终端、远程桌面、AI 工具整合到一个工作台，替代多个付费工具，提升开发效率。
TL;DR ：Voice Pro 是一个一站式开源AI语音处理工具，支持YouTube视频下载、语音分离、语音识别、多语言翻译、零声语音克隆和文字转语音，完全免费，一键本地部署，替代付费的ElevenLabs等服务，适合内容创作者快速处理多语言视频内容。 如果你是内容创作者，经常需要处理YouTube视频，做字幕翻译、配音克隆，那今天这个开源项目一定会让你惊...
diagram-design 是一个跨 Claude Code、Codex、Factory Droid、Pi 的开源 Agent Skill，用自包含 HTML+SVG 产出 39 种编辑级图表：无阴影、无 Mermaid 自动布局味，能读你的网站 60 秒匹配品牌色，还能把 draw.io / Mermaid 旧图重绘成同一套设计系统。本文梳理它的机制、上手方式与适用边界。
VoiceStudio是一个完全本地运行的全能语音AI开源平台，支持16个TTS引擎、11个ASR引擎、646种语言，不需要API Key，不需要订阅，隐私安全，完全可以替代ElevenLabs等付费语音服务。本文带来详细测评和使用指南。