InferNews

OpenChatCut：讓 Agent 編輯真正時間軸影片工具

Share to X Facebook

將 AI 代理直接接入影片剪輯流程，讓文字指令可以落到可編輯的時間軸。它同時保留多軌音訊、字幕、轉場與特效，適合想把剪片交給代理協作的人。

OpenChatCut

OpenChatCut 是一個本地優先的 AI 影片編輯工具，核心不是產生一段成品影片，而是把文字指令轉成可繼續修改的真實項目。AI agent 可以直接讀、改、匯出同一條時間軸，剪輯結果不會鎖死在單次生成裡。

它把代理工作流和傳統剪輯介面接在一起，支援多軌影片與音訊、轉場、特效、LUTs、縮放、關鍵幀、逐字稿剪輯、停頓處理、講者分離，以及連動字幕。換句話說，AI 不是只幫你寫文案，而是能進一步影響鏡頭切分、節奏和素材編排。

項目比較像一套框架加編輯器的結合，使用場景偏向需要反覆修正的影片工作，而不是一次過生成完就收工。它的取捨也很明顯：功能面走向完整時間軸與多代理共用工具，代價是整體更接近真正剪輯流程，學習成本自然高過單純的聊天式影片工具。

  • 支援 agent-native 工作流，內建 agent 和外部 MCP agents 共用同一組編輯工具
  • 保留 real timeline，方便逐格調整而不是只看輸出成品
  • 逐字稿驅動剪輯，適合訪談、Podcast、教學片段等內容
  • 可處理圖片、影片、語音、音樂、音效與線上媒體搜尋
  • README 標示為 active development，較適合願意接受快速迭代的人

從目前資料看，OpenChatCut 對內容團隊、獨立創作者、以及想把 AI 代理納入剪輯流程的人最有吸引力。它不是替你省掉所有剪輯工作，而是把最花時間的整理、切段和反覆修改，搬進一個仍可手動接手的項目裡。

GitHub

Categories: 開源, Agentic, AI productions, MCP, Video

Comfy-mcp：讓 AI 直接操控本地工作流

Share to X Facebook

Comfy MCP 把本地 GPU、模型與自訂節點交給 AI 管理，令 ComfyUI 工作流可以用自然語言建立、執行及修改。

Comfy

由 MiniMac Code、Claude、Cursor、Codex 等 AI agent 用自然語言建立並執行本地 ComfyUI 工作流，正是 Comfy MCP 提供的核心能力。它屬於 Model Context Protocol（MCP）伺服器，透過 comfy-cli 連接使用者自己的 ComfyUI，處理模型、節點、工作流與輸出圖片之間原本較繁複的操作。

使用者需要先有本地 ComfyUI 及 Python ≥3.10，再把 Comfy MCP 設定到支援 MCP 的客戶端。連接後，AI 可以讀取目前安裝的節點、自訂節點、模型及 GPU，搜尋可用模板，驗證工作流圖表，修改模板欄位，提交非同步工作，監察、取消工作，以及收集輸出的 PNG 檔案。

它和只依賴固定模型目錄或靜態工作流範例的做法不同，會按本機真正載入的內容作判斷，亦能在下載模型前檢查硬件是否有足夠能力。這減少了模型版本、節點依賴和顯存不相容帶來的失敗，但生成速度、可用模型和成功率仍然取決於 GPU、ComfyUI 安裝狀態、自訂節點及工作流本身；項目資料未提供統一基準測試數據。

較適合經常製作影像或影片工作流、需要反覆試驗模型的創作者，以及想把本地 GPU 納入 AI agent 流程的開發團隊。Comfy Cloud 與本地連線可以同時使用，代理可按硬件和任務需要選擇位置，形成雲端彈性與本地模型控制之間的折衷。

  • 自然語言操作：建立、編輯、驗證及執行 ComfyUI 工作流。
  • 讀取本機環境：辨識 GPU、模型、模板及包括自訂節點在內的已載入節點。
  • 完整工作管理：支援提交、等待、監察、取消及讀取失敗結果。
  • 本地與雲端並用：同一個 MCP 連線可按任務需要配合兩種環境。

項目主頁 · GitHub · Skills

Categories: 開源, ComfyUI, Agentic, AI productions, MCP, IDE, Python, Skill 技能

ClawGym：為 Claw 類代理搭建可訓練環境

Share to X Facebook

ClawGym 讓本地、帶狀態的工作空間可用來合成資料、訓練代理同評估表現。你可以把它理解成一套面向 Claw-style personal agents 的研究與實驗框架。

Og image

ClawGym 把原本分散的代理開發流程收攏到同一個工作框架內，重點是處理本地、帶狀態工作空間中的任務生成、訓練同評測。對做 agent 研究或想驗證 Claw-style personal agents 的人來講，佢解決嘅唔係單一模型能力，而係點樣有系統咁建立可重複的實驗流程。

它嘅做法唔係只提供一個執行環境，而係同時涵蓋資料合成、agent 訓練同 benchmark 評估。令研究者可以用同一套基礎去跑不同任務，再睇代理喺有狀態工作空間入面表現有幾穩定。

幾個重點值得留意：
– 針對 local、stateful workspace，適合需要保留上下文同操作痕跡的任務
– 同時涵蓋 synthesized data、training 同 evaluation，減少流程分散
– 聚焦 Claw-style personal agents，而唔係泛用式聊天代理
– 已釋出 ClawGym-Bench 同 ClawGym-SynData，方便做對照測試同資料實驗

從公開資訊睇，ClawGym 亦一路延伸到更大範圍的 RL on general agent tasks，甚至可以透過 OpenClaw、Claude Code 呢類較複雜的 black-box agent harness 去做統一訓練。對想比較不同 agent 工作流、或者研究黑箱代理強化學習的人，佢提供咗一個較完整的基座。

項目主頁 · 模型

Categories: 開源, Agentic, MCP, 模型訓練, 軟件, Medical醫學, 安全, OpenClaw, 中國, Dataset 數據集, Skill 技能

playwright-skill 技能讓代理即寫即跑瀏覽器流程

Share to X Facebook

這個項目把 Playwright 自動化包進 Agent Skill，適合要把瀏覽器操作變成可重跑程式的場景。它偏向 code-first，重點是把測試、截圖、網絡攔截和多步流程直接交給代理生成。

Repository image for lackeyjb/playwright-skill

面對要反覆驗證頁面流程、抓截圖、做網絡攔截，或者把操作保留下來重跑的情境，這個項目提供的是一套給 coding agents 用的 Playwright 自動化技能，並同時包成 Claude Code Plugin，安裝與接入都比較直接。

它不是單純的瀏覽器控制工具，而是讓代理按需要寫出真正的 Playwright 程式，再即場執行。官方也明講，若只是一般互動式瀏覽，Playwright CLI 或 playwright-mcp 會更合適；這個項目更適合 code-first 工作流，當自動化本身就是要保留的產物。

安裝方式以 Vercel 的 skills CLI 為主，支援全域或指定項目安裝；結構上把 skill 放在 plugin 的 skills 目錄，方便不同 agent 讀取。它也主打可見瀏覽器預設開啟、穩定的模組解析、臨時檔安全清理，以及按需載入完整 API，減少代理一次讀入太多內容。

  • 適合要寫、執行、重跑 Playwright 腳本的工作流
  • 支援單步頁面測試，也支援多步流程與多個 context
  • 可用於 screenshot、video、network interception 等任務
  • 和純工具式控制相比，更重視可保存的程式碼結果
  • 受益較多的通常是做自動化測試、爬取流程驗證、代理工作流的人

整體看來，這個項目把「讓代理操作瀏覽器」提升成「讓代理產出可維護的 Playwright 程式」。它的價值不在於包辦所有瀏覽器需求，而在於把可視化執行、程式化控制和可重用性放到同一條工作流裡。

GitHub

Categories: 開源, Agentic, MCP, API, 編程, Skill 技能

GLM-5.3 強化程式與安全分析能力

Share to X Facebook

GLM-5.3 把重點放在寫程式、做 agent 同安全分析，並沿用 GLM-5.2 的架構與參數量。它同時帶來更強的開發表現與漏洞發現能力。

Og image

GLM-5.3 走的是實用取向，重點放在複雜軟件工程、agent 工作流同 cybersecurity。對要處理程式審查、漏洞發現、工具調用，或者生成較完整應用的團隊來講，它提供的是更穩定的能力提升，而不只是加大模型規模。

Z.ai 亦將它定位為旗艦模型，並強調 GLM-5.3 同 GLM-5.2 用同一個 base model，改進主要來自 post-training。這代表它嘅提升集中喺後訓練階段，而唔係重新改架構；同時，Open-Source Shield initiative 亦反映出它想推廣防禦型用途，並限制高風險濫用。

  • 在 Z.ai Code Bench 上，GLM-5.3 較 GLM-5.2 有 50% 的編碼提升。
  • 在 Terminal-Bench 3.0 同 Agents’ Last Exam (CLI) 上，取得開源 SOTA 成績。
  • 在 CyberGym 上達到 SOTA，漏洞發現能力明顯加強。
  • 在 exploit benchmarks 上，表現超過 GLM-5.2 一倍以上。
  • 它支援 1M context length 同 128K maximum output tokens，適合長流程任務。

官方亦列出多種能力，包括 Thinking Mode、streaming output、function calling、context caching、structured output 同 MCP，方便接入外部工具同資料源。對要做長對話、複雜任務編排，或者把模型接入現有系統嘅使用場景，這些功能比單次問答更有實際價值。

文中提到，GLM-5.3 在 coding、frontend design、backend logic、simulations 同 complex app generation 都有明顯進步；在 KingBench 3 上得分 73/80，即 91.25%，排到第 1。整體來看，佢更像一個偏向開發同防守用途的強力開源模型，而唔係只靠單一 benchmark 造勢的版本。

項目主頁

Categories: Agentic, MCP, API, 編程, Dataset 數據集

dembrandt：把網站風格秒轉成可追蹤的設計 tokens

Share to X Facebook

Dembrandt 直接把網站的 logo、色彩、字體和間距抽成 design tokens，方便你在 AI 工具或 CI 裡持續比對變化。它不只做擷取，還把每次改版的風格漂移記錄下來。

Dembrandt: Any website to design tokens

Dembrandt 係一個用來抽取網站設計系統嘅工具，重點係將 logo、色彩、字體、邊框、陰影等視覺元素整理成 design tokens，方便團隊快速理解一個網站嘅視覺規則。對做前端、設計系統或者品牌一致性檢查嘅人嚟講，佢可以省去逐頁抄資料嘅時間。

使用時要先準備 Chromium，因為它透過 Playwright 核心去驅動瀏覽器，唔裝 browser binaries 就冇得啟動。安裝後可以用 CLI 直接抽取，亦可以透過 MCP 接入 Claude Code、Cursor 或 Windsurf，令 AI 助手幫你讀出 tokens。

同類工具多數只做一次性擷取，Dembrandt 加入咗漂移追蹤同快照時間線，令你可以比較兩次發佈、兩個網站，或者同一個 domain 喺唔同時間嘅變化。佢仲提供視覺差異、分類分數同 baseline 比對，對 CI 監察改版影響特別有用。

  • 可把網站外觀整理成可重用嘅 design tokens
  • 需要先安裝對應 Chromium，否則無法運行
  • 支援 MCP，方便接入 AI 編程工作流
  • 可以記錄快照，持續追蹤設計漂移
  • 適合前端、設計系統同品牌檢查工作

如果團隊要維持多個頁面或多次發布之間嘅視覺一致性，呢個工具比單次擷取更有用。它將抽取、比較同追蹤放埋一齊，令設計變化唔容易悄悄走樣。

GitHub

Categories: 開源, MCP, IDE, 庫

Canvas UI 把互動介面搬上 WebGL 畫布

Share to X Facebook

想為網站加上流體、玻璃或粒子效果，又不想犧牲可點擊與可選取內容，Canvas UI 正在試一條幾少見的路。

Canvas UI

網站想做得更有動感，最麻煩往往唔係效果本身，而係效果一蓋上去，文字選取、連結點擊同原本互動就容易受影響。canvas-ui 針對的正是這個位置：它屬於開源 UI 元件庫，用 html-in-canvas 同 WebGL 把流體模擬、shader effects 同 3D scenes 疊加到現有介面之上，重點是盡量保留 live DOM 的互動性。

它吸引人的地方，不止是畫面夠華麗，而是部署方式相對直接。元件可在 React、Solid、Preact、Vue、Svelte 同 vanilla TypeScript 使用，官方提供 Docs、Components 同 Playground，亦支援透過 shadcn CLI 拉入完整原始碼，代碼會直接落到你的項目，之後可自行改 props、樣式甚至拆開重寫，唔需要長期綁死某個套件版本。

取捨同樣寫得很清楚。依賴 live HTML redraw 的元件，要用到實驗性 HTML-in-canvas API，現時主要在 Chrome 配合 flag 才能完整啟用；去到其他瀏覽器，內容會退回一般 HTML 顯示，而部分效果仍可作為純 WebGL overlay 繼續運作。換句話說，它比較適合重視前端體驗、願意接受瀏覽器能力分層的品牌網站、作品展示頁，或者想在既有介面上加入視覺層次的互動項目。

  • 提供約 33 個元件，涵蓋 Blaze、Liquid Glass、Particle Reveal、VHS 等效果
  • 同一套元件邏輯對應多個前端框架，方便跨技術棧重用
  • 以 GPU 上的 WebGL 動畫為核心，減少主執行緒長時間負擔
  • 可配合 shadcn MCP server，讓支援 MCP 的 assistant 直接查閱與安裝元件

運行策略：能用 WebGL 的效果盡量放到 GPU，瀏覽器不支援完整能力時再優雅降級。這令 canvas-ui 比一般只做靜態裝飾的元件庫更進取，但也代表它未必適合每一個企業後台或追求一致瀏覽器表現的介面；放在重視體驗展示的 UI/UX 項目，價值會更明顯。

項目主頁 · GitHub

Categories: 開源, MCP, API, 3D, UI/UX

Reasonix：DeepSeek AI 編碼 agent，用 cache-first 降低長會話嘅 token 成本

Share to X Facebook

Reasonix 係 DeepSeek 嘅終端 AI coding agent，以 cache-first loop 壓低長會話嘅 token 成本，適合反覆改碼、工具呼叫同團隊迭代。支援 CLI/TUI、桌面、Web UI 同 ACP 編輯器整合，配合 /plan、MCP 同 sandbox 權限控制。

Reasonix

Reasonix 是 DeepSeek 一個面向桌面及終端的 AI coding agent，核心價值唔係花巧介面，而係將長會話裡不斷累積的上下文成本壓低。它適合要一路改檔、一路試工具、一路追問模型的人，特別是團隊日常做修補、重構同埋持續迭代時，對 token 成本同回合延遲都會有明顯感受。

Reasonix 主打 cache-first loop，令 prompt 前綴保持 byte-identical，配合 DeepSeek 的 prefix cache 去提升長會話命中率。項目同時提供 CLI/TUI、桌面端、local browser UI，同埋支援 ACP-compatible editor integration，部署方式亦算直接：CLI 可用 npm 安裝，桌面版則有 macOS、Windows、Linux 套件可選。

Deepseek's ~OFFICIAL Code: RIP Claude,Codex! This is CRAZY GOOD!

Reasonix 唔係純粹包住模型嘅殼，而係圍繞工具呼叫修正、成本控制同 sandbox 權限去設計。/plan 會先要求模型規劃，再進入實作；MCP（Model Context Protocol, MCP）亦作為一等入口，方便把外部工具合入同一個 registry。這種做法較適合重視可控性、可追蹤性，亦需要長時間跑 session 的開發流程。

要留意嘅係，呢條 TypeScript 線已經進入 maintenance mode，主力開發搬去 Go rewrite，同步文件亦指向 main-v2 同 migration guide。現時更合理嘅理解方式，係將佢視為一個仍可用但已凍結方向的終端編碼 agent 版本，重點價值在 cache 效率、工具整合與成本壓縮，而唔係追求最新功能擴張。

  • 長會話下，prefix cache 命中率可維持在 90%+，輸入 token 成本可明顯下降
  • 同一套引擎可喺 CLI/TUI、桌面端、Web UI 同編輯器接入使用
  • /plan、權限控制同 workspace sandbox 一齊限制工具呼叫，取向偏向可控
  • 適合經常改碼、反覆驗證、又在意推理成本嘅個人或團隊

項目主頁 · GitHub

Categories: 開源, Agentic, MCP, DeepSeek, Vibe Coding, Mac, Linux, 編程

CodeNib 把代碼庫上下文交到 Coding Agent 手上

Share to X Facebook

CodeNib 讓 Coding Agent 直接取用帶引用的代碼庫上下文，減少翻找檔案和拼湊脈絡的時間。它把同一份倉庫整理成多個視圖，再按需要供應給工具和介面。

CodeNib

CodeNib 核心處理 Coding Agent 在大型項目裡最常卡住的問題：資料太散、脈絡太長、引用不清。它把倉庫編譯成 lexical、semantic、structural 同 static-navigation 多個視圖，再經 MCP、LSP-shaped providers、Python 或 HTTP API 交出去，讓工具直接拿到有來源位置的證據。

這個設計不只是做索引，而係重視增量更新同可追溯性。倉庫變動後，只會修補受影響的視圖；不適合保留的轉換才會重建。每個 view 都有獨立 manifest，記錄來源、狀態、能力同 artifact 位置，方便確認目前供緊咩上下文。

  • 主要解決 Coding Agent 讀懂倉庫時的上下文供應問題
  • 以 MCP 為核心接口，兼容 agent-native 工作流
  • Wiki、Ask view、Dependency Map 都係同一 runtime 的檢視層
  • 依賴 SCIP symbol resolution 生成 dependency map，唔靠模型猜測
  • 回答會附 file 同 line citation，方便核對

同類做法常見只係把檔案切片再丟入檢索，CodeNib 則把 lexical、dense、graph 同導航視圖放到同一個編譯流程裡。Docs 提到 live demo 支援 Python、C/C++、Go、Rust 同 TypeScript，亦展示咗一個針對 codebase 的實用取向，而唔係停留喺概念層面。

項目主頁 · GitHub

Categories: 開源, Agentic, MCP, API, Vibe Coding, Python, 編程

MiniMax H3 頂級高清影片生成

Share to X Facebook

MiniMax H3 提供咗一套較完整的影片生成 API。它重點不只是出片，仲包括參考生成同影片編輯控制。

Og image

做影片內容時，最麻煩往往不只是「生成一段片」，而係點樣令角色、鏡頭起承轉合同參考素材保持一致。MiniMax H3 屬於多模態影片模型，處理的正正係呢類控制力需求：除咗 Text-to-Video，亦支援以首幀、尾幀、參考圖片、參考影片同音訊去引導生成結果。

對內容團隊、短片創作者同需要自動化出片流程的開發者而言，呢個項目的吸引力在於輸入方式夠彈性。你可以由一段 prompt 起步，也可以加入第一張或最後一張畫面去約束開場與收尾；當需要保留人物、動作、鏡頭風格、聲線或剪接節奏，則可改用 Reference Generation。

MiniMax Just Dropped a Open Source "Seedance Killer"
  • 支援 Text-to-Video、First/Last-Frame Image-to-Video、Reference Generation
  • 統一理解 text、image、video、audio，多種素材可混合輸入
  • 輸出最高為 2K，片長 4 至 15 秒，只接受整數秒
  • 參考輸入上限包括最多 9 張圖片、3 段影片、3 段音訊，混合檔案總數上限 12

規格上，MiniMax H3 支援常見長闊比，圖片、影片與音訊都有清晰的格式及大小限制，例如影片可用 H.264/AVC、H.265/HEVC，圖片可用 JPG、PNG、WEBP，音訊則支援 WAV、MP3。音訊不能單獨提交，必須配合圖片或影片一齊使用；而較大的素材更建議用 URL 方式傳入，避免 API request body 超出 64 MB。

現有資料集中在能力範圍、輸入限制同 API 使用方向，能夠幫你快速判斷適唔適合接入工作流。

項目主頁

Categories: MCP, 多模態模型, 視頻模型, API, Video, Image, Audio, 語音, MiniMax
Page 3 of 6
1 2 3 4 5 6