刚刚 Claude Code 源码泄露！我扒出了 11 个隐藏秘密
ClawKeeper 是 SafeAI-Lab-X 開發的開源專案，提供 OpenClaw 自主代理的全面即時安全框架。 ClawKeeper 透過三層架構保護 OpenClaw 代理：技能層（指令級政策注入）、插件層（運行時執行與監控）、監視器層（獨立外部監督，可中斷高風險動作）。它防範提示注入、憑證洩漏、代碼注入等威脅，並支援跨平台與雲端部署。
ClawKeeper 是 SafeAI-Lab-X 開發的開源專案，提供 OpenClaw 自主代理的全面即時安全框架。
ClawKeeper 透過三層架構保護 OpenClaw 代理：技能層（指令級政策注入）、插件層（運行時執行與監控）、監視器層（獨立外部監督，可中斷高風險動作）。
它防範提示注入、憑證洩漏、代碼注入等威脅，並支援跨平台與雲端部署。
GStack 由 Y Combinator 總裁 Garry Tan 開發，已獲近 5 萬 GitHub 星標，提供 20+ 角色工具如 CEO 審核、工程經理和 QA。安裝簡單，只需在 Claude Code 貼上指令，即可透過 /gstack 命令啟用辦公室會議、程式碼審核等流程。適合 solo 開發者模擬矽谷團隊，基於 Tan 的創業經驗。 NousResearch 的 Hermes Agent 類似 OpenClaw，已有 12k+ 星標，具自改善迴圈，能從經驗產生技能並優化。支援終端介面、多聊天 app（如 Telegram）、並行子代理和記憶遷移。強調自主學習，適合想探索 OpenClaw 替代者的你。 Obra 的 Superpowers 插件給 Claude Code 超能力，已超 11 萬星標，聚焦 TDD（測試驅動開發）和工作樹平行化。安裝只需 claude plugin install superpowers，即用 /s brainstorm 等命令規劃、執行和審核程式碼。強調從腦storm […]
You NEED to try these open-source AI projects right now...
GStack 由 Y Combinator 總裁 Garry Tan 開發，已獲近 5 萬 GitHub 星標，提供 20+ 角色工具如 CEO 審核、工程經理和 QA。
安裝簡單，只需在 Claude Code 貼上指令，即可透過 /gstack 命令啟用辦公室會議、程式碼審核等流程。
適合 solo 開發者模擬矽谷團隊，基於 Tan 的創業經驗。
NousResearch 的 Hermes Agent 類似 OpenClaw，已有 12k+ 星標，具自改善迴圈，能從經驗產生技能並優化。
支援終端介面、多聊天 app（如 Telegram）、並行子代理和記憶遷移。
強調自主學習，適合想探索 OpenClaw 替代者的你。
Obra 的 Superpowers 插件給 Claude Code 超能力，已超 11 萬星標，聚焦 TDD（測試驅動開發）和工作樹平行化。
安裝只需 claude plugin install superpowers，即用 /s brainstorm 等命令規劃、執行和審核程式碼。
強調從腦storm 到部署的全流程，適合開發導向使用者。
Paperclip 旨在打造零人力公司，33k+ 星標，使用 Node.js 和 React UI 協調 AI 代理團隊追蹤目標、成本和工單。
如 CEO、CTO 等角色自動處理 issue，支援心跳排程和審計日誌，但作者警告不易立即獲利。
未來將加知識庫和 OpenClaw 整合，適合實驗自主業務。
Pulse of Motion 讓你在觀看影片時「感覺更舒服」，但看不到技術本身。目前很多生成影片（如 SVD、Pika 等）的動作時間常常跑偏，作者稱這種現象為 chronometric hallucination，也就是「看起來平滑但實際上時間尺度錯亂」。 現在很多生成模型會「時間錯亂」角色走路太快／太慢；手勢、動作和音效不搭；看起來動作很順，但「感覺怪怪的」。這套技術可以用來：調整生成模型的輸出（例如：自動快慢放或重採樣），讓影片「更像真實拍攝」，看起來更舒服。自動檢測影片的 真實時間尺度；
Pulse of Motion 讓你在觀看影片時「感覺更舒服」，但看不到技術本身。目前很多生成影片（如 SVD、Pika 等）的動作時間常常跑偏，作者稱這種現象為 chronometric hallucination，也就是「看起來平滑但實際上時間尺度錯亂」。
現在很多生成模型會「時間錯亂」角色走路太快／太慢；手勢、動作和音效不搭；看起來動作很順，但「感覺怪怪的」。這套技術可以用來：調整生成模型的輸出（例如：自動快慢放或重採樣），讓影片「更像真實拍攝」，看起來更舒服。自動檢測影片的 真實時間尺度；
LumosX 是一個針對 個性化多主體視訊生成（personalized multi‑subject video generation）提出的框架，重點在： 簡單說：一樣可以做 text‑to‑video + ID conditioning，但對多個人物、每個人對應什麼屬性，控制得更精細、更一致「可控視訊生成」與「多主體個性化內容」場景，例如多角色劇本生成、廣告、虛擬試衣、多角色 VTuber 相容演出等。
LumosX 是一個針對 個性化多主體視訊生成（personalized multi‑subject video generation）提出的框架，重點在：
- 讓每個「身份」（例如不同人物）和其對應的屬性（年齡、外貌、服飾、動作等）有明確、精準的對齊；
- 用關係性注意力機制來強化「組內一致性」（同一組人物屬性一致）和「組間區分度」，減少多主體時的屬性糾纏（attribute entanglement）。
簡單說：一樣可以做 text‑to‑video + ID conditioning，但對多個人物、每個人對應什麼屬性，控制得更精細、更一致「可控視訊生成」與「多主體個性化內容」場景，例如多角色劇本生成、廣告、虛擬試衣、多角色 VTuber 相容演出等。
TRIBE v2（Trimodal Brain Encoder）是一個多模態基礎模型，用於輸入一段影片、音訊或文字，然後輸出一個對應的「全腦神經活動圖」（約 7 萬個體素的 fMRI‑style 活動預測）。它在 Algonauts 2025 獲獎架構上進一步提升，準確度約是上一代 2–3 倍，空間解析度提高約 70 倍，並支援跨受試者、跨語言、跨任務的 zero‑shot 預測。 可以當成一個「神經科學可視化工具」，用來研究。例如內容設計（影片、廣告、UI）如何觸發大腦特定區域（視覺皮層、語言區等）。又或者多模態 embedding 是否真的對齊人類大腦的處理路徑。 若你在做 RAG、多模態搜尋或 Brain‑AI 類實驗，可以拿這個 demo 來：比較不同 prompt／多模態輸入對「腦激活圖」的差異（例如：同一段文字用不同語氣、圖片風格重製）。
TRIBE v2（Trimodal Brain Encoder）是一個多模態基礎模型，用於輸入一段影片、音訊或文字，然後輸出一個對應的「全腦神經活動圖」（約 7 萬個體素的 fMRI‑style 活動預測）。
它在 Algonauts 2025 獲獎架構上進一步提升，準確度約是上一代 2–3 倍，空間解析度提高約 70 倍，並支援跨受試者、跨語言、跨任務的 zero‑shot 預測。
可以當成一個「神經科學可視化工具」，用來研究。例如內容設計（影片、廣告、UI）如何觸發大腦特定區域（視覺皮層、語言區等）。又或者多模態 embedding 是否真的對齊人類大腦的處理路徑。
若你在做 RAG、多模態搜尋或 Brain‑AI 類實驗，可以拿這個 demo 來：比較不同 prompt／多模態輸入對「腦激活圖」的差異（例如：同一段文字用不同語氣、圖片風格重製）。
PrismAudio 是一套影片生音訊框架，把強化學習帶進 V2A 任業，並以 Chain-of-Thought 拆開語意、時間、美感、空間四個目標，讓生成結果更貼合人類偏好。
以往 Video-to-Audio（V2A）模型總要在語意對不對、聲畫同步、音色好唔好聽、空間定位準唔準四個指標之間拉鋸，往往一個 loss function 包起晒，結果邊樣都做唔好。PrismAudio 想處理嘅就係呢個「目標纏結」問題。
佢最特別嘅做法係把生成過程拆成四個專門嘅 Chain-of-Thought 模組，分別對應語意、時間、美感、空間，每個模組配對一組針對性嘅 reward function，再用 RL 聯合優化。換句話講，模型唔再係靠單一總分亂試，而係四個維度各自有指引。
訓練成本係 RL 常見痛點。PrismAudio 提出 Fast-GRPO，用 ODE 同 SDE 混合採樣，比起一般 GRPO 實現大幅減低開銷，令多維度 RL 訓練變得貼地。
團隊亦同步推出 AudioCanvas 基準，包含 300 個單事件類別同 501 個多事件樣本，比現有數據集更貼近真實多樣場景。喺 VGGSound 同 AudioCanvas 上，PrismAudio 都拎到四個感知維度嘅 SOTA。
配搭 Sora 2、Veo 3 等頂級影片生成模型時，PrismAudio 可以補上立體聲音軌，令短片多一層沉浸感。對做 AI 影片、數字人、內容創作嘅人來說，多咗一件可以直接嵌入成片流程嘅音訊工具。
重點摘要
- 首次把強化學習引入 V2A 生成流程。
- 四個 Chain-of-Thought 模組對應語意、時間、美感、空間 reward，拆解目標纏結。
- Fast-GRPO 以 ODE-SDE 混合採樣降低 RL 訓練成本。
- 自建 AudioCanvas 基準涵蓋更多真實多事件場景。
- 喺 VGGSound 同 AudioCanvas 上四個感知維度都達到 SOTA，並可配合頂級影片模型輸出立體聲。
- 語義合理性（Semantic）
- 音視同步性（Temporal synchrony）
- 音質美感（Aesthetic quality）
- 空間準確度（Spatial accuracy）
作者的關鍵點是：現有模型通常把這些目標混在一個損失函數裡，會造成「目標互相干擾」（objective entanglement），而 PrismAudio 用 分解式 Chain‑of‑Thought（CoT）推理＋多維度強化學習（RL） 來避免這個問題。
Matrix‑Game 3.0 是一個基於 Diffusion Transformer（DiT）的記憶增強世界模型，目標是做 720p 解析度、可達 40 FPS 的實時長序列互動視訊生成，用於第一人稱、第三人稱等遊戲／虛擬世界場景。它能根據滑鼠＋鍵盤輸入一邊生成新畫面，一邊維持場景長時間的一致性（例如分鐘級序列），並可擴展到 2×14B 甚至 28B MoE 規模。 三大技術層面
Matrix‑Game 3.0 是一個基於 Diffusion Transformer（DiT）的記憶增強世界模型，目標是做 720p 解析度、可達 40 FPS 的實時長序列互動視訊生成，用於第一人稱、第三人稱等遊戲／虛擬世界場景。它能根據滑鼠＋鍵盤輸入一邊生成新畫面，一邊維持場景長時間的一致性（例如分鐘級序列），並可擴展到 2×14B 甚至 28B MoE 規模。
三大技術層面
- Data Engine
- 用 Unreal Engine 生成合成資料，加上對 AAA 遊戲的大規模自動錄製、與真實影片資料增強，產出高品質的 Video–Pose–Action–Prompt 四元資料。
- 這種「工業級無限資料機器」讓模型能學習大量互動式行為與視角變化。
- 記憶增強模型（Memory‑augmented DiT）
- 高效實時推論（Distillation + Quantization）
RealRestorer 是一個開源、通用型實拍圖像修復模型，目標是統一處理多種真實世界降級（blur、rain、low‑light、noise、haze 等），同時盡量保留原始場景結構與細節。
RealRestorer 是一個開源、通用型實拍圖像修復模型，目標是統一處理多種真實世界降級（blur、rain、low‑light、noise、haze 等），同時盡量保留原始場景結構與細節。
daVinci‑MagiHuman 是一個 15B 參數、專注數字人（human‑centric）的文本到視頻生成模型，同時支援視頻與音頻 token 的聯合生成，主打「人類主體」表現力。daVinci‑MagiHuman 由 SII‑GAIR Lab（中國上海人工智慧實驗室 SII‑GAIR）與 Sand.ai 這兩方聯合開發
daVinci‑MagiHuman 是一個 15B 參數、專注數字人（human‑centric）的文本到視頻生成模型，同時支援視頻與音頻 token 的聯合生成，主打「人類主體」表現力。daVinci‑MagiHuman 由 SII‑GAIR Lab（中國上海人工智慧實驗室 SII‑GAIR）與 Sand.ai 這兩方聯合開發
- 單流 Transformer — 一個統一的 150 億參數、40 層的 Transformer，僅透過自註意力機制即可聯合處理文字、視訊和音訊。無需交叉注意力，也無需多流處理。
- 🎭卓越的以人為本的品質— 富有表現力的面部表情、自然的語音表達協調、逼真的身體動作以及準確的音視頻同步。
- 🌍多語言— 支援中文（國語和粵語）、英語、日語、韓語、德語和法語。
- ⚡超快推理－在單一 H100 GPU 上，可在2 秒內產生 5 秒 256p 視頻，在38 秒內產生5 秒 1080p 影片。
- 🏆最先進的結果—在超過 2,000 次的成對人工評估中，與 Ovi 1.1 的勝率達到80.0% ，與 LTX 2.3 的勝率達到60.9% 。
- 📦完全開源— 我們發布完整的模型堆疊：基礎模型、精煉模型、超解析度模型和推理程式碼。