CoworkOS：2D/3D 網頁任務統一工作流

2026 年 11 月 3 日 Share to X Facebook Copy link

複雜項目往往要跨多日推進，也需要人手覆核和中途調整。CoworkOS 讓 AI 代理接手分工與持續監察，並保留進度、記錄及待審核成果。

從研究、文件到 CAD 和 Blender，CoworkOS 讓人與 AI 代理在同一工作空間協作，處理需要多步推進、跨日跟進的工作。它屬於開源 AI 協作執行框架，目標是把任務由規劃、分工一路帶到可檢查的成果；長時間運行的 Jobs 會保留狀態和日誌，遇到等待或中斷後仍可接續處理。

代理工作分成三層：Main Agent 制定計劃、分派任務及檢查成果；Coordinator Runtime 負責派送子任務並追蹤進度；可選用的 Subagents 則執行範圍明確的工作。模型負責決定任務策略，執行環境則維持協調、回饋和工作連續性，避免把多代理協作的管理全交由模型自行處理。

CoworkOS 把 CLI、搜尋、檔案和 MCP 接到文件編輯器、簡報、CAD 與 Blender 等工具，人和代理可以共同修改文件、模型及場景。階層式工作空間和語意記憶用來延續項目脈絡；候選修改會保留版本資訊，讓人先檢查再整合。這種做法適合需要覆核、追蹤及中途改方向的團隊，但可用工具和模型服務的實際配合仍會影響工作流程。

研究團隊也可用同一套機制建立長期監察迴圈，例如分析模型失誤、改善訓練資料、執行訓練及驗證結果。配套研究報告記錄了 Qwen3.6-35B-A3B 經五輪後訓練後，在八個基準的平均分由 33.19 升至 42.95；這是特定實驗結果，各任務仍有升跌，不能直接視為其他模型或工作流程的保證。

• Jobs 保留長時間任務的狀態與日誌，方便中斷後繼續監察。
• Main Agent、Coordinator Runtime 和 Subagents 分別負責規劃、協調與執行。
• 人與代理可共同處理文件、簡報、CAD 模型及 Blender 場景。
• 候選修改可先經人手檢查，再整合到項目成果。

CoworkOS 面向使用 macOS 的研究人員及需要多工具協作的團隊，支援 Apple Silicon，並要求 macOS 14 或以上及 Node.js 22.19.0 或以上。儲存庫資料提及可透過 npm 安裝，亦提供文件、展示及即時示範連結，開始部署前，仍需查閱項目文件確認模型服務與工作空間的配置方式。

項目主頁 · GitHub

Categories: 開源, 北京大學, Agentic, MCP, 模型, 模型訓練, Qwen, 框架, 工具, Mac, 庫, 中國, 蘋果, Dataset 數據集

---

NorthCUA：讓桌面與網頁任務留下可查證成果

2026 年 11 月 3 日 Share to X Facebook Copy link

交給 AI 的桌面任務，可以連同操作過程與成果一起檢查。NorthCUA 容許自選模型，但接入仍有能力要求。

讓 AI 操作桌面與網頁後，還能檢查最終檔案或軟件狀態，NorthCUA 把這一步納入開源執行框架 Harness。它串連操作、畫面資訊、工作筆記與結果檢查，讓長任務保留中間進度。

框架建基於 NexAU，不綁定單一模型，但接入的視覺模型須支援結構化工具呼叫。NorthCUA 模型系列則基於 Qwen3.5，提供 Nano、Mini、Pro 三種規模；框架與模型應分開理解。

• 可先試免金鑰的本機教學，再接入模型執行任務。
• docs/first-run.md；所附節錄未提供完整安裝步驟。
• 支援可恢復的批次執行，並保留過程記錄供檢查。

項目公布 Pro 在 OSWorld-Verified 得分為 88.6%，測試涵蓋 361 個任務、上限 100 步，排除 8 個 Google Drive 任務。參考模型的操作介面與結果彙整方式不同，不能直接視為同條件比較。

需要追查操作失敗原因、驗證交付成果的自動化團隊較容易受益；具體任務能否完成，仍要接入模型後測試。

項目主頁 · GitHub

Categories: 開源, 模型, 視覺模型, Qwen, 框架, 教學, 軟件, 工具

---

387 篇獨特論文與資源，關於影片生成遇上 Harness

2026 年 11 月 3 日 Share to X Facebook Copy link

想了解 AI 影片生成如何由單次生成走向規劃、互動和持續改進，這份研究索引整理了 387 篇論文與相關資源，並提供三條互補的閱讀路徑。

由創作影片、探索生成世界，到改進生成系統，研究者關心的問題各不相同。Awesome Agentic Video Generation 是一份論文與資源索引，整理 Agent harness 如何連接目標、工具、記憶、回饋與執行流程，協助讀者追蹤 Agentic Video Generation、Agentic World Modeling 和 Recursive Self-Improvement（RSI）相關研究。

三條閱讀路徑分別聚焦影片創作流程、生成世界中的行動與狀態，以及資料整理、模型訓練、評估和改進程序。它們代表不同研究情境，而非能力排名；同一項資源亦可能出現在多條路徑中，387 是去重後的總數。

索引收錄的題目涵蓋從創作簡報規劃影片、生成鏡頭和後期剪輯，到讓代理在生成世界中行動並維持狀態。例如 CutVerse 聚焦媒體後期剪輯的 GUI agents benchmark；CineAGI 探討以 LLM 編排多模態生成及跨場景整合。這些題目讓讀者可以按工作流程或研究問題尋找相關方向，但索引本身不代表每個項目都已證明具備 RSI。

• 創作：查找規劃、素材、鏡頭生成、剪輯與來源追蹤相關研究。
• 互動：追蹤動作條件影片、語意控制、狀態記憶及互動世界評估。
• 改進：了解資料、訓練、評估和 harness 改進如何支援未來的 RSI 研究。
• 延伸閱讀：資源連結通往論文或項目；整理者亦提供貢獻入口，方便提交新資源。

對研究者、影片生成系統開發團隊，以及需要快速掌握相關文獻的讀者，這份索引可作為分類閱讀的起點。它的價值在於整理與導覽，而非提供可直接執行的影片生成工具。

項目主頁 · GitHub

Categories: 開源, Agentic, AI productions, 模型, 多模態模型, 視頻模型, 模型訓練, Video, World-Action Model, 工具, Dataset 數據集

---

IIT：讓小學生用簡單指令與 AI 對話

2026 年 11 月 2 日 Share to X Facebook Copy link

香港小學將逐步引入 IIT，讓七歲學生以簡單提示或指令與 AI 交流。

七歲學生將有機會用簡單提示或指令，與人工智能（artificial intelligence，AI）作簡單「對話」；香港小學由 2028 年 9 月起逐步引入 Information and Innovation Technology（IIT）新科目，回應數碼素養、創意及創新科技學習需要。

課程《Information and Innovation Technology Curriculum Framework for Primary Schools (Provisional Draft)》，AI 是其中一項重點。學生先認識相關技術，再以簡單命令與 AI 互動，學習重點不只接觸工具，也包括培養好奇心及對創新科技的興趣。

對學校而言，IIT 提供一個讓學生較早接觸 AI 的課程位置；對學生而言，互動形式把抽象的 AI 概念拉近到提問、下指令和接收回應等熟悉行為。資料未有交代課堂會採用哪些 AI 系統、設備、評核方式或具體教學活動，亦未提供安裝、下載或使用流程。

• 由 2028 年 9 月起在香港小學逐步推行
• 學生年紀可低至七歲
• 以簡單提示或指令與 AI 作基本互動
• 目標包括提升數碼素養、創意及對創新科技的興趣

目前公布內容屬臨時課程框架草案，實際推行安排仍可能隨後續課程設計而調整。家長、教師和教育科技項目策劃者可先把它視為小學 AI 素養教育的方向訊號，但現有資料不足以判斷課程深度或學生可使用的系統範圍。

項目主頁

Categories: 框架, 教學, 香港, 工具, 新聞, 中國

---

ai-manju-skills 一句故事點子延伸成動漫製作流程

2026 年 11 月 1 日 Share to X Facebook Copy link

由企劃、分集劇本一路寫到分鏡提示詞和發布文案，這套模板把 AI 漫劇製作拆成可逐步推進的工作流程。21 種題材可供選用，但測試覆蓋程度不一，生成內容仍需自行檢查。

由一句故事點子開始，創作者可以逐步整理出企劃、人物與世界設定、分集劇本、分鏡和影片提示詞，再準備封面及發布文案。ai-manju-skills 是一套 AI 漫劇創作模板，針對製作流程中不同階段的內容整理，提供 21 種題材的 SKILL.md，不需要安裝依賴。

流程分成五部分：企劃案、人物與場景等資產提示詞、分集劇本、分集導演手冊，以及發布包。預設規格為 30 集、每集約 4 分鐘和 9:16 直屏，亦可以在故事點子中指定其他設定；篇幅較長的輸出會分批生成，再用「繼續」推進。這讓創作者能逐段修改內容，而不是一次處理整部作品。

模板可貼到 DeepSeek 等聊天工具使用，也支援 Claude Code 和 WorkBuddy。聊天工具的做法是選定題材、貼上完整模板，待模板就緒後再提供故事點子；一部劇建議使用獨立對話，減少不同故事設定混在一起。Claude Code 則可把所需題材資料夾放入 ~/.claude/skills/；使用其他影片工具時，提示詞用 {{Mixed N}} 引用第 N 張參考圖，換工具時需改成相應寫法。

目前版本已在 WorkBuddy 測試；玄幻修仙版曾作實際使用測試，宮斗、宅斗、年代文、系統無限流、總裁甜寵、重生復仇和職場商戰完成安裝檢查或階段試跑，其餘題材尚未逐一測試。模板要求人物和設定保持原創，但生成內容的品質、版權和平台合規仍需創作者自行把關，懸疑刑偵與民俗怪談亦要留意平台規則及 AI 生成標示。

• 21 種題材模板，涵蓋幻想、古代、現代和類型片。
• 由故事企劃延伸至劇本、分鏡提示詞和發布文案。
• 可在聊天工具、Claude Code 或 WorkBuddy 使用，毋須安裝依賴。
• 預設每部 30 集、每集約 4 分鐘，可按故事需要調整。
• 測試並未涵蓋全部題材，發布前須自行核對內容與平台要求。

GitHub

Categories: 開源, AI productions, DeepSeek, Video, 提示詞, 工具, Content Creator, Anthropic, Skill 技能

---

RGB MoCap：把影片動作變成可編輯角色動畫

2026 年 11 月 1 日 Share to X Facebook Copy link

拍一段影片即可重建人體動作，再修正接觸點、套用角色並匯出動畫。

拍攝一段人物影片後，RGB MoCap 會重建人體動作，讓你在 3D 預覽中檢查身體網格與骨骼，再輸出可編輯的人體動畫。這個項目屬於本地運行的 Windows 動作捕捉工具，主要處理由普通影片取得角色動作、修正滑步，以及套用到不同角色格式的工作。

它不只追蹤身體，還提供腳掌和手掌接觸修正，接觸時間可以手動調整；動作可重新套用到 Mixamo FBX、VRM 和 PMX 人形角色，並輸出 FBX，亦可選擇是否連同網格一併匯出。多個 AI 模型的結果能分開保存，方便比較和重做。

安裝需要 Git for Windows、Blender、FFmpeg，以及 ExMR、FlowHMR、GVHMR 等模型運行環境；模型權重和註冊的人體檔案要在 Model Manager 另行準備，部分模型需要帳戶登記和手動下載。MAMMA 與 PromptHMR 屬於可選運行環境，另需 Visual Studio 2022 C++ Build Tools、Windows SDK 和 CUDA Toolkit 12.8；PEAR 則可用於 webcam 或影片中的單人即時身體及手指骨骼預覽。

• AI 處理在本機完成，適合重視素材私隱的 Windows 使用者
• 支援多人重建、動作骨骼預覽和 Multi Cam MoCap 工作流程
• 接觸修正可減少滑步，但仍需人工檢查時間點和追蹤結果
• 角色重定向涵蓋 Mixamo FBX、VRM、PMX，方便接入 3D 製作流程

提供安裝、更新、模型準備和恢復指引，也附有動作捕捉及角色重定向示例。適合視為可本地測試的製作工具，而不是已有完整性能保證的商用捕捉系統；動畫師、VRM／PMX 角色創作者，以及需要把影片動作帶入 Blender 的團隊會較容易受益。

GitHub

Categories: 開源, AI productions, 模型, NVIDIA, API, Video, 工具, Content Creator, 3D, 庫, 動畫, Dataset 數據集

---

HDR mini-skill 讓 AI 片由 SDR 轉為 HDR

2026 年 10 月 31 日 Share to X Facebook Copy link

纯 ffmpeg + 自己生成的 3D LUT，不依赖 zscale / libplacebo / drawtext（Homebrew 的 ffmpeg 常常没带）。

把普通（SDR）視頻或其中一段，轉成 10-bit HEVC / HLG / BT.2020 的 HDR 文件：在 HDR 屏幕上，雲、太陽、水面反光、 金屬高光會“發光”。還能做左右對比：同一個文件里左邊 SDR、右邊 HDR。

• 輸出 HLG HDR、10-bit HEVC 及 SDR/HDR 對比片。
• 效果取決於素材。 米色卡片、文字、PPT 這類畫面轉成 HDR 只是把“紙”變亮，不適合。
• 只有在 HDR 屏（Mac XDR、iPhone）上用 QuickTime 才有效果；普通播放器里會發灰、紅偏橙，這是正常的。
• 原片已經是 HDR 的，腳本會拒絕（退出碼 2）。
• 沒在真正的 HDR 屏上做過觀感驗證，也沒驗證過上傳各平台後是否保持 HDR；詳見 SKILL.md 末尾“已驗證 / 沒驗證”。

GitHub

Categories: 開源, 文字轉語音, AI productions, 數字人, 模型, Video, 框架, 工具, Content Creator, 3D, 庫, 語音, Anthropic, MiniMax, Skill 技能, LoRA

---

WeVisCut 單一 9B 模型自主剪出多分鐘知識影片

2026 年 10 月 31 日 Share to X Facebook Copy link

由文章或旁白稿生成多分鐘影片，WeVisCut 讓模型逐步選擇剪輯工具，並可在時間線上修改成片。運行 9B 模型約需 24 GB NVIDIA GPU。

把知識文章或旁白稿變成多分鐘影片，通常要處理分段、鏡頭、配音、素材、字幕和配樂。WeVisCut 是一個長流程影片剪輯 Agent，由單一 9B 模型讀取剪輯狀態，每次呼叫一項工具，逐步完成製作；它處理的是長篇內容轉成可編輯成片的流程，而非只生成單一畫面或短片段。

模型不依照寫死的階段流程前進，而是按當前狀態決定下一步；防護規則只會拒絕不合法的操作，不會代替模型選擇。每次任務通常約有 12 次工具呼叫，涵蓋文章分段、鏡頭規劃、語音合成、素材檢索、動畫模板、配樂、檢查、修正及合成。檢查與反思本身也是工具，模型可按檢查結果修補未達要求的部分。

Studio 提供八條同步時間軌，成片完成後仍可手動編輯，也支援暫停與續做、聊天修改、單鏡頭重製及版本回退。這讓內容團隊能把它用作長篇解說影片的初剪與修改工作台；成片仍需要人手確認素材、旁白和敘事是否合適。要運行 bf16 9B 模型，項目列出的硬件需求約為 24 GB NVIDIA GPU；只開啟介面、不執行模型則不需 GPU。資料未提供完整安裝及素材服務設定流程，不能只憑這些資訊判定部署所需的全部硬件與外部服務。

評估使用 100 項保留任務，整體分數為 90.5；項目亦報告，每分鐘成功輸出的生成 token 數約比 Claude Opus 5 少 33 倍。這些數字反映項目設定下的測試結果，不足以單獨證明不同影片類型或工作環境都能得到同樣成效。訓練資料則由 3,750 個完成影片項目還原剪輯意圖，再經驗證重播整理出 134,771 個訓練例子；開放的資料建構流程可供研究長流程工具操作的團隊參考。

• 輸入知識文章或旁白稿，輸出多分鐘剪輯影片。
• 單一 9B policy 每次呼叫一項工具，按編輯狀態自行規劃後續動作。
• Studio 保留可編輯時間線，支援逐鏡修改與版本回退。
• bf16 9B 模型約需 24 GB NVIDIA GPU；純介面模式毋須 GPU。

項目主頁 · GitHub · 模型

Categories: 開源, 騰訊, Agentic, AI productions, 模型, 模型訓練, NVIDIA, Video, 工具, 語音, Anthropic, 動畫

---

WebAnything 把真實網站重建成可重設的測試環境

2026 年 10 月 30 日 Share to X Facebook Copy link

從網站獲其內容重建互動網站，能在可重設的環境中完成任務。

要訓練或評測 Web agent，截取網站畫面並不足夠，代理還要能操作控制項、切換頁面並完成多步任務。WebAnything 是一套研究程式碼，將網站證據轉成可執行、可重設的代理環境，目標是保留任務流程，而不只是重現畫面。

建構流程先由 Builder 透過瀏覽器探索網站，記錄頁面狀態、互動資料、DOM、畫面截圖及網絡資源，再重建環境。候選環境會先凍結，交由 Verifier 獨立檢查；發現實作錯誤或證據不足時，系統會針對問題修正。Full 模式適合追求較廣覆蓋，JIT 則按代理任務需要建構環境，兩者在完整度與建構成本之間作取捨。

項目分析了 6,172 個獲接納的來源任務執行紀錄，平均每個任務使用 10.4 個工具步驟，中位數為 8 步；34.7% 的任務超過 10 步，最長達 89 步。這些數字反映任務包含多步互動，但不能單獨代表重建保真度或代理能力；評估亦分別涵蓋歷史頁面狀態的保真度，以及模型在指定基準測試中的下游效用。

• 適合研究 Web agent 訓練與評測、需要可重複網站任務環境的團隊。
• Builder 和 Verifier 使用支援 Responses API 的模型服務；兩者需配置模型 ID、API URL 及 API key。
• 本機需安裝 Chromium，瀏覽器操作由 Playwright 支援；代理亦需要終端機存取權。README 未列出最低 CPU、記憶體或 GPU 規格，不能據此判定具體硬件門檻。
• 儲存庫提供建構流程及 244 個歷史網站項目的清單，但網站原始碼與第三方媒體存放在外部 artifact store，並未隨儲存庫附上。

Web agent 提供 Python 套件、命令列工具及設定流程，並可把本機 agent skill 安裝給 Codex 或 Claude Code；這個 skill 不是 MCP server。

項目主頁 · GitHub

Categories: 開源, Agentic, MCP, 模型, 模型訓練, Qwen, API, 工具, Python, 庫, Anthropic, 中國, Dataset 數據集, Skill 技能

---

OpenCode V2：程式碼探索與修改兩種模式

2026 年 10 月 30 日 Share to X Facebook Copy link

新功能加入 /goal，能持續目標驅動循環（自主執行直至目標完成）。接手陌生程式碼時，OpenCode 會先協助分析，再切換至開發模式；但模型配置與硬件門檻仍未交代。

V2 連續 3 日更新！OpenCode 能在接手陌生程式碼時，先讓 OpenCode 分析結構及規劃修改，再交由開發模式處理。這個開源 AI 編程代理工具以不同權限配合工作階段，並非獨立模型。

很多時，開發技術差異在於代理模式：預設 build 具完整存取權，負責開發；plan 則以唯讀方式探索程式碼，執行 bash 指令前會要求批准。兩者是操作模式，不是兩款模型。

• build 適合需要修改程式碼的開發工作。
• plan 適合熟悉陌生儲存庫及規劃變更。
• 可透過 npm、Homebrew 等套件管理器安裝。
• 另有桌面應用程式測試版，可於 opencode.ai/download 下載。

需要先審視再修改程式碼的開發者，可考慮這套分工方式；選用前仍須確認模型配置與運算需求。安裝前亦應移除早於 0.1.x 的版本。

GitHub

Categories: 開源, 模型, 工具, 庫, 編程

---