Terminal Mac：讓 AI Agent 操作虛擬 macOS 電腦

2026 年 11 月 5 日 Share to X Facebook Copy link

代理可在獨立的 macOS 桌面操作應用程式，不必移動實體 Mac 的滑鼠或改動剪貼簿。terminal-mac 把虛擬機畫面帶到終端機，並提供 MCP 工具供代理控制。

讓電腦操作代理在另一個 macOS 桌面開啟應用程式、輸入文字和檢查畫面，同時保留實體 Mac 的滑鼠與剪貼簿不受代理操作影響。terminal-mac 是為 Computer-use agents（CUAs）提供獨立 macOS 虛擬機的工具，透過終端機檢視畫面及下達操作。

它使用 Apple Virtualization 執行真正的 macOS guest，guest 有自己的應用程式、檔案、帳戶和權限，不會沿用主機已登入的工作階段。代理透過 MCP 工具截圖、點擊、拖曳、捲動、輸入文字及按鍵，並可依照「觀察、操作、確認」的流程檢查結果。

首次啟動會從 Apple 下載並快取相容的還原映像，也可使用既有的 .ipsw；之後會重用已建立的虛擬機。項目面向 Apple silicon、macOS 14 或更新版本，預設虛擬磁碟邏輯容量為 64 GiB，主機亦須預留還原映像和虛擬機所需的資源。Ghostty、Kitty 或 iTerm2 可顯示終端機內嵌畫面，其他終端機則可改用原生虛擬機視窗及代理命令列工具。

主機輸入與螢幕 API 不會用來執行代理操作；guest 內的 helper 會檢查硬件型號是否以 VirtualMac 開頭，避免操作意外落到主機。這項檢查不是硬件認證，也不能防範已遭入侵的主機。項目仍屬早期候選版本，乾淨 Mac 上的 guest 驗收尚未完成，發行版本亦未經 Apple 公證；tmux passthrough 和自動分割終端機目前不支援。

• 適合需要隔離代理操作與個人桌面、帳戶及剪貼簿的測試工作。
• Claude Code 可透過 MCP server 和 skill 接入代理工作流程。
• 首次建立虛擬機需要網絡下載 macOS，或自行提供相容的還原映像。
• 虛擬機會佔用主機 CPU、記憶體和儲存空間，預設磁碟邏輯容量為 64 GiB。

GitHub

Categories: 開源, Agentic, MCP, API, 工具, Mac, Anthropic, 蘋果, Skill 技能

---

Embodied Agent Arena：測試十款 VLM 的任務能力

2026 年 11 月 4 日 Share to X Facebook Copy link

十款前沿視覺語言模型接受 1,000 個具身任務測試，結果顯示，能生成可執行動作，不代表能完成多步操作或精細接觸任務。

要判斷視覺語言模型（Vision-Language Models，VLMs）能否勝任機械人通用操作，不能只看它有沒有成功發出動作。Embodied Agent Arena 是一個具身代理評測項目，以共同測試流程比較十款模型在五類能力上的表現，涵蓋 1,000 個案例，並把幾何理解、空間推理和視覺定位納入評測。

項目把任務理解、推理和動作選擇交由模型處理，再以同一套精簡評測框架測試不同模型。測試資料整合 32 個既有來源，另加入 168 個案例的 GeoProbe 幾何基準；相比只看機械人互動任務，這種安排能同時檢視模型理解空間資訊的能力，以及能力能否轉化為實際任務成果。

結果反映，單一指標容易掩蓋任務是否真正完成。Gemini 4 Argon 的 3D 路徑誤差最低，為 0.310 米，但 56 條路徑中只有 24 條符合全部限制；Manipulation 成功率最高的 Opus 5.5 亦只有 47.8%。CALVIN 測試中，100 個序列有 60 個完成第一個目標，完成全部五個目標的只有 9 個；在五項 ManiSkill 診斷任務中，Opus 5.5 能完成拾取、放置和堆疊，卻未能完成插入插銷或充電器。

• 同一批 157 項 Planning 任務中，至少有一款模型完成 142 項；仍有 15 項十款模型全部失敗。
• Astra 的 31 項失敗任務耗用 55.5% token；失敗任務平均耗用的 token 是成功任務的 5.1 倍。
• CALVIN 有 65 個序列曾遇到執行錯誤；其中 62 個後來能無錯執行程式碼，但只有 3 個最終完成序列。
• Case Atlas 收錄 181 個涵蓋五類能力的案例，提供十款模型的紀錄；缺少影片的項目會使用共用任務場景，API 中斷則標記為失敗嘗試。

這些結果適合用來比較模型在哪些環節失手，亦提醒研究團隊不要把路徑精度、程式碼執行成功或單一步驟操作，直接當成完整任務能力。項目提供線上結果、案例影片、資料集及程式碼。

項目主頁 · GitHub · 數據集

Categories: 開源, 香港中文大學, 香港科技大學, Agentic, AI productions, 世界模型, Qwen, DeepSeek, Gemini, API, VLA, Robotic, 框架, 香港, Anthropic, Dataset 數據集

---

vibe-knowledge：把知識點做成可查證短片

2026 年 11 月 4 日 Share to X Facebook Copy link

vibe-knowledge 將查證、旁白、逐幀渲染和質檢串成一套對話式短片製作流程，亦把生成成本攤開給你核准。

把一個知識點變成有旁白、逐句附來源的 1080p60 短片，vibe-knowledge 以 Claude Code skill 串起選題、查證、寫稿、配音、程式渲染、OCR 質檢和發布包；它屬於 AI 內容製作工作流項目，處理的是知識內容由文字走到可觀看影片時的流程分散問題。

vibe-knowledge 需與 ai-teardown 一併安裝，後者提供 cine 渲染引擎、工作區及配音腳本。渲染環境需要 Python、NumPy、SciPy、Pillow、Playwright、Chromium headless shell 和 ffmpeg；macOS 的 OCR 質檢則依賴 Vision 及 swiftc。

每次提交生成前，流程會列出鏡頭、模型、提示詞和 estimate cost，等使用者在對話中明確同意才繼續。基礎檔可用 0 積分完成程式插畫版；增強檔加入 Renoise 生成的配圖與 Wan 動態鏡頭，示例《商鞅立木》使用 246 積分，常見檔次約為 25–40、250–300 及 600–700 積分。

• Claude Opus 負責編排，畫面由程式逐幀渲染
• 早期提供古風、星空、像素、字幕新聞等多套風格
• 基礎檔與增強檔可保留同一旁白及腳本作比較
• Release v1.0.0 已提供多段樣片，但未有獨立準確率或品質基準

適合需要持續製作歷史、科普或解釋型短片的內容團隊，尤其重視來源標註、成本審批和可重複流程的工作情境。Renoise 增強檔能擴充視覺效果，代價是積分及外部模型依賴增加；片中亦會標示「AI 示意」，不能當作史實畫面或紀錄片素材直接使用。

GitHub

Categories: 開源, AI productions, 模型, Video, 提示詞, Mac, Python, 新聞, Anthropic, Skill 技能

---

Lemo-Opuscar：讓 coding agent 用 66 種程式影像風格拍片

2026 年 11 月 4 日 Share to X Facebook Copy link

想把故事變成風格鮮明的短片，可以從 66 種程式製作的影片風格選擇，再交由 coding agent 協助導演。

想把文字故事變成短片，又希望畫面不只停留在一般生成影像的風格，Lemo-Opuscar 提供 66 種可直接選用的程式影像風格，並支援自行修改或從空白開始創作。它是一套以程式碼製作影片的風格工具箱，讓 coding agent 按所選風格處理故事呈現；每種風格亦附有短片示例，方便先看效果再決定方向。

畫面由 canvas 和 WebGL 網頁逐格繪製，音樂採用免費取樣音源製作原創配樂，旁白則使用文字轉語音。這種做法把視覺風格、配樂和旁白組合成一條影片製作流程，適合想快速嘗試不同美術呈現的創作者，也可用於資料敘事、紀錄片及短片概念驗證。

使用者可以先到線上風格展示頁瀏覽範例，再挑選風格、提供故事，或修改既有風格及自行建立新風格。

風格針對 Claude Opus 5.5 調校，作者提醒其他模型未必能重現相同效果；這是選用工具時需要納入考慮的限制。項目亦展示每部作品配合相應風格呈現，說明這套方法可用於較長篇幅的主題作品。

• 提供 66 種可用影片風格，並可修改或自行創作。
• 以 canvas、WebGL 逐格繪製畫面，並結合配樂與文字轉語音旁白。
• 可先瀏覽線上展示頁和短片範例，再決定風格與故事方向。
• 風格主要針對 Claude Opus 5.5 調校，其他模型的重現效果未有保證。

GitHub

Categories: 開源, 文字轉語音, Agentic, AI productions, 模型, Video, Image, Vibe Coding, 工具, Content Creator, 編程, 語音, Anthropic, 音樂

---

huashu-motion：AI Agent 按節奏製作產品宣傳片

2026 年 11 月 4 日 Share to X Facebook Copy link

由 Claude Code 或 Codex 讀取產品內容、編排動畫和配樂，再讓你在瀏覽器畫面上指定位置修改。製作流程可在本機完成，配樂亦毋須呼叫付費接口。

想把產品介紹變成一支短片，可以直接向 Claude Code 或 Codex 提出需求；huashu-motion 會先閱讀產品內容，提供三個創作方向，再編寫動畫與配樂，並在瀏覽器開啟編輯器。它是一套供 AI Agent 使用的動畫製作 skill，處理從產品內容到宣傳片、再到局部修改的工作流程。

修改方式著重畫面定位：在預覽中按 C，再點選要調整的位置並留下意見。評論會附上時間點、場景、所選元素及其原始碼位置，Agent 可針對該處修改；版本會保留，亦可撤回。標題、數字、顏色和停留時長等項目則可直接在編輯器輸入框調整。

配樂不是完成影片後才補上的背景音。Agent 會先按節奏單寫 ABC 記譜法樂譜，並以樂譜標記配合場景切換；樂器音色可選本機採樣或合成音色，音效則配合畫面元素落地的時刻。本機生成配樂不需付費接口；使用三腳鋼琴、弦樂和鼓組等真實樂器音色，需另行下載約 55MB 採樣。口播亦屬可選功能，Kokoro 中文語音和逐字對齊各有額外安裝需求。

項目列出以 Chrome、Chromium 或 Edge 執行截帧、檢查及匯出，不需另外下載渲染器；也展示 Claude Code、Codex 和 DeepSeek V4.1 Flash 等案例。當中一支 22 秒動效片以 DeepSeek V4.1 Flash 製作，經三輪修改，不到半小時完成；文中記錄當時費用為 1.95 元，不能視為固定成本或其他模型的效能保證。安裝方式雖有列出，但資料沒有完整說明各平台的操作流程，首次使用仍要按所選音色和口播功能處理相應依賴。

• 先閱讀產品內容，再提供三個方向並生成完整短片。
• 在預覽指定畫面位置，讓 Agent 針對局部修改；版本可保留和撤回。
• 配樂以 ABC 樂譜和場景標記同步，音樂及音效可在本機生成。
• 可透過瀏覽器截帧、檢查和匯出；真實樂器採樣與中文口播需額外依賴。

這套流程適合需要快速製作產品發布片、又希望保留逐處審核和修改能力的產品及設計團隊。它把創作交給 Agent，但仍讓人透過畫面評論調整細節；採樣下載、語音工具安裝及各平台實際操作方式，則是導入前需要確認的成本。

GitHub

Categories: 開源, Agentic, AI productions, 模型, DeepSeek, Video, 工具, 語音, Anthropic, 動畫, 音樂, Skill 技能

---

teardown：把機器原理變成可拆解的 3D 模擬器

2026 年 11 月 4 日 Share to X Facebook Copy link

想了解引擎、手錶或挖掘機怎樣運作，可以讓 Claude Code 生成一頁式模擬器，邊看機器運轉，邊拆開部件追蹤數值。

想弄清楚四衝程引擎如何運作，單看文字或靜態圖解未必容易掌握部件之間的關係。teardown 是一項 Claude Code skill，會按自然語言指示生成離線 HTML 3D 模擬器，讓機器在畫面中央運轉，周邊面板同步顯示數值，亦可按鈕打開正在工作的部件。

使用者可在 Claude Code 以日常語句描述想了解的機械，例如機械手錶或液壓挖掘機臂，再要求生成模擬器；項目亦附有 V8 引擎、Cessna 飛機和 Strandbeest 機械生物三個例子，可用 Node.js 建成單一 HTML 頁面。安裝需要 Node.js 20 或更新版本，以及 Playwright 的 Chromium；影片輸出另需 ffmpeg，聲效製作則需 Python。主要使用方式是透過 Claude Code 提出描述。

生成的頁面會把 three.js 和字體內嵌，方便離線開啟；模擬器閒置時會自動巡覽，亦可把畫面逐格輸出成 60 fps MP4，並配上時間軸聲效。相較只提供動畫的展示頁，它把機械運作、即時數值與可拆解部件放在同一介面。

較適合製作互動式教學素材、概念展示或機械原理解說的教育工作者、設計師和工程團隊。要留意，生成品質會受描述與 Claude Code 產出影響；若內容用於工程驗證或安全判斷，仍需另行核實模型設定與數據。

• 以自然語言要求 Claude Code 建立機械 3D 模擬器。
• 單一離線 HTML 頁面包含機器動畫、數值面板和部件拆解互動。
• 可將模擬器畫面輸出為 60 fps MP4，並加入程序化聲效。
• 內附 V8 引擎、Cessna 飛機及 Strandbeest 三個示例。
• 文件未提供物理準確度評測，生成結果不宜直接當作工程驗證。

GitHub

Categories: 開源, AI productions, 模型, Video, 教學, 3D, Python, 安全, Anthropic, 動畫, 聲效, Skill 技能

---

Motion Prompt：萬用 AI Motion Graphic

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

想叫 AI 加入某種鏡頭運動或網頁效果，卻不知道該怎樣描述？Motion Prompt 把名稱、動態示例和提問範本放在一起，方便查找與轉交創作要求。

描述鏡頭運動、動態圖像或網頁效果時，光靠「有感覺一點」往往難以讓 AI 掌握方向。Motion Prompt 是一個創作名稱與示例庫，收錄 192 個名稱，每項附有動態示範、簡短解釋和提問例句，涵蓋動態圖像、鏡頭運動、UI 元件、網站效果和攝影風格。

使用者可在網上 Gallery 播放示例、搜尋名稱，再選取多項並附上備註，將整理好的要求交給 AI；不使用技能時，也可複製提示詞和示例連結。 packs/ 提供五種語言的名稱清單，包括繁體中文。項目亦提供建立自訂領域及語言版本的提示詞；說明了技能安裝方式，但沒有提供完整的手動部署流程。

與只列術語的詞典相比，Motion Prompt 把可觀看的動態參考和可直接改寫的提問放在同一項目；每個示例的參考實作以 Canvas 2D 撰寫，不依賴外部程式庫，並可逐格繪製及用於影片輸出。它提供的是創作參考與溝通素材，不代表不同 AI 模型都能產生相同效果，也沒有提供量化性能評測。

• 可播放示例，並按名稱或編號查找。
• 多選示例、加入備註，再把要求交給 AI。
• 不使用技能時，可複製提示詞及參考連結。
• 提供繁體中文清單，以及製作自訂名稱庫的提示詞。

影片創作者、設計師和需要以 AI 協作的前端團隊，可用它把抽象的視覺想法轉成較具體的術語與參考。若工作流程依賴特定模型或成品品質，仍需自行測試提示詞能否帶出預期結果；現有內容主要是示例庫，並非生成模型或效果保證。

項目主頁 · GitHub

Categories: 開源, AI productions, 模型, Video, Image, 提示詞, Content Creator, 庫, Anthropic, Skill 技能, UI/UX

---

Phone Harness MCP：AI 直接操作雲端上的手機模擬器

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

要測試手機 App，AI 代理可以直接查看 iPhone 或 Android 模擬器畫面，再進行點按、輸入和滑動。Phone Harness MCP 讓這些操作透過 MCP 連接器交給代理執行。

測試手機 App 或重現操作流程時，AI 代理可以透過 Phone Harness MCP 查看手機畫面、點按、輸入文字、滑動及開啟 App。它屬於 MCP 工具，將雲端專用 iPhone 或 Android 模擬器接到 Claude、Cursor、ChatGPT、Codex 等 MCP client，讓代理直接操作裝置。

連接方式是把 Phone Harness 加入支援自訂連接器的 MCP client，使用服務網址登入；連線採用 Streamable HTTP，OAuth 要求 phone:drive 權限，也可用 API key 作 Bearer token。項目聲稱毋須 Mac、adb 或裝置配對，但這代表操作依賴雲端裝置，並非連接使用者手上的手機。

和需要本機裝置、開發環境及配對程序的測試流程相比，Phone Harness 把裝置控制交由雲端服務處理，減少本機準備工作；代價是要登入並授予手機操作權限，亦須視乎服務提供的裝置與連線狀態。項目提供 Claude、Cursor、ChatGPT 和 VS Code 的連接方法，但未提供效能數據或完整的裝置供應、費用及可用性細節。

適合需要讓 AI 代理測試 App、執行手機操作流程，或在不同 MCP client 中驗證代理能力的開發者和測試團隊。連接前可先確認團隊帳戶是否支援自訂 MCP server；ChatGPT 網頁版的自訂連接器只供 Business、Enterprise 和 Edu 工作區使用，Pro 帳戶則只支援讀取及擷取工具，不能用來操作手機。

• 支援雲端專用 iPhone 和 Android 模擬器。
• 代理可查看畫面、點按、輸入、滑動及開啟 App。
• 透過 MCP 連接器和服務網址登入，不需本機 Mac 或 adb。
• OAuth 要求 phone:drive 權限，亦可使用 API key 作 Bearer token。
• ChatGPT Pro 帳戶不能透過自訂 server 驅動手機。

GitHub

Categories: 開源, MCP, OpenAI, API, 工具, IDE, Mac, Anthropic

---

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

---

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

---