jackssybin 的个人博客

AndyMik90/Aperant（前身 Auto Claude）是一个 1.46 万 Star 的自主多会话 AI 编码框架，以 Electron 40 + React 19 桌面应用形态，把 Claude Code CLI 编排成最多 12 个并行 agent 终端：每个任务在独立 git worktree 中规划、编码、自验证、智能合并，主分支保持只读安全。本文基于 1146 个 TS 文件、约 31.4 万行源码实测，拆解它的自主编码闭环（spec 规划→parallel-executor 并行→qa-loop 自验证→auto-merger 语义合并）、worktree 隔离机制、基于 libSQL 图数据库与五级 embedding 降级的记忆层、OS 沙箱/文件系统限制/命令白名单/secret-scanner 四层安全模型，也如实说清它的本质是 Claude Code 的工程化外壳而非新模型、强依赖 Claude Pro/Max 订阅、2.x 已进入维护模式且 3.0 在独立仓库推倒重构（PR 暂停、最近 release 停在 2026-03），以及 AGPL-3.0 的闭源 SaaS 商业授权边界。

ddcat-ai/open-ai-canvas（影策）是一个 MIT 协议的开源 AI 影视与短剧创作工作台，上传小说即可走改编拆集、角色三视图、结构化分镜、逐段视频生成到时间线合成的完整流水线，并提供无限画布、3D 世界引擎（React Three Fiber）与可在画布上动手的 Agent。本文基于仓库源码实测：后端 Go 1.25 + Gin + GORM（1436 个 Go 文件、约 30 万行），前端 Bun + React 19 + Vite（1389 个 TS/TSX 文件、约 28 万行），数据层本地 SQLite 或 PostgreSQL+Redis，媒体支持本地/阿里云 OSS/腾讯云 COS；重点拆解 112 个模型协议插件如何用统一 Manifest 合同（apiVersion、permissions、contributes.provider、请求/响应字段映射、validations）把文本 23/图片 17/视频 22/音频及工作流插件的模型差异关进适配器，以及插件沙箱不触 Cookie/数据库、错误不静默降级的安全设计。同时如实说清它体量巨大、依赖 Bun+Go+Docker 运维、模型 API 费用自理、3D 世界引擎仍在内测、默认只适合个人/本地/可信环境而非裸奔公网等边界。

gitcoffee-os/postbot（PostBot 内容同步助手）是一款开源的多平台内容一键分发浏览器扩展，覆盖微信/知乎/小红书/抖音/B站等 37 个国内发布器。两个月前我写过它 v1.1.20 的源码隐私机制实测，如今 main 分支迭代到 v1.4.1，工程结构发生了根本性变化：从单体扩展重构为 35 个 @gitcoffee-os 作用域独立包，新增插件引擎（registry/injector）、AI 适配层（SchemaRegistry）、独立发布引擎与内容适配层，并配套 SDK、CLI 和国际版 Postar。本文基于当前仓库源码逐个文件清点，拆解它的四层模块架构、37 个发布器的内容形态矩阵（文章11/动态11/视频9/音频6）、插件与 AI 适配如何解耦，也如实说清 main 是开发版生产应用 v1.1.20、国际平台不在本仓库、高级引擎为可选集成，以及修改版 Apache-2.0 的多租户与去 LOGO 商业授权红线。

lightpanda-io/browser 是一个不从 Chromium、WebKit fork 一行代码、完全用 Zig 从零写起的无头浏览器，专为 AI Agent 和规模化自动化设计。官方在 AWS m5.xlarge 上抓取 933 个真实网页的基准显示，它 100 页并发峰值内存仅 123MB（Headless Chrome 为 2GB，约 16 倍差距）、执行耗时 5 秒（Chrome 46 秒，约 9 倍）。本文基于仓库源码与官方基准，拆解它的技术栈分层（Zig 运行时 + Libcurl/html5ever + V8 DOM + CDP/WebDriver/MCP 接入）、四种用法（fetch、serve+CDP、agent、MCP server）、为什么 AI 时代反而需要一个新浏览器，也如实说清它没有图形渲染引擎、WPT 兼容性仍在追赶、只提供 nightly、AGPL-3.0 许可边界等局限——它是规模化自动化的专用利器，不是日常 Chrome 的完整替身。

looplj/reveric（幻界）是一个 2026 年 10 月底才建仓、半个月涨到 724 Star 的 Agent Native 桌面创作工作台，用 Flutter/Dart 写成，代码规模约 75 万行、2064 个 Dart 文件，覆盖长篇小说、剧本改编到短剧/漫剧制片的完整链路。它的核心主张不是又一个 AI 聊天写作工具，而是本地优先（SQLite 存储）+ BYOK 自带 Key（直连 OpenAI/Anthropic/Gemini/DeepSeek/Seedance/H3 或自建网关）+ 一个能操作全部模块的智能体：智能体按需检索整部作品、直接在小说编辑器、剧本编辑器、无限画布、3D 导演台和 6 轨剪辑台里动手，而不是只给文本建议。本文基于仓库源码拆解它的五大工作台、agent 编排架构（orchestrator/subagent、工具审批、循环检测、hook 验证）、实体关系图谱、插件 SDK（reveric-plugin-sdk 独立 MIT）、设计纪律（反紫蓝渐变 SaaS 风、手稿优先），也说清 AGPL-3.0 双许可边界、它本质是模型编排层而非模型本身、以及 v0.8.x 极早期项目的现实。

MemeCalculate/moyin-creator（魔因漫创）是一款 AGPL-3.0 双许可的桌面端 AI 影视生产工具：把短剧/动漫番剧的制作拆成剧本→角色→场景→导演→S级五个环环相扣的板块，剧本自动解析为场景分镜对白，6 层身份锚点+角色圣经保证跨镜头人物一致，最终在 Seedance 2.0 上用多镜头合并叙事、@Image/@Video/@Audio 多模态引用和自动三层提示词融合批量生成视频，支持多供应商 Key 轮询、失败重试和并行队列。本文基于仓库源码（Electron 30 + React 18 + TS，约 10.7 万行）拆解它的 GroupRefManager 引用管理、参数约束校验（≤9图≤3视频≤3音频）、prompt-compiler 与 character-bible 引擎、数据迁移设计，也说清 AGPL 网络传染性与商业许可边界、它本质是 API 编排层而非自研模型、以及项目仍处早期（v0.2.x、last push 8 月、演示数据播种）的事实。

NanmiCoder/MediaCrawler 是 GitHub 上 7 万 Star 的多平台自媒体数据采集项目（小红书/抖音/快手/B站/微博/贴吧/知乎）。今年 6 月我写过它的入门教程（当时 1.3 万 Star），这次换个角度：通读约 3.3 万行 Python，拆解它的工程架构——AbstractCrawler 模板方法、七平台同构的 client/core/login 分层、Playwright 登录态复用与 JS 取签名免逆向、CDP 模式接管真实浏览器反检测、八种存储后端工厂、代理池与重试。同时必须说清三件入门稿不会重点讲的事：它的 NON-COMMERCIAL LEARNING LICENSE 1.1 不是 OSI 开源协议、商业使用和大规模爬取被明确禁止；仓库里 MediaCrawlerPro 是闭源付费产品，开源版没有断点续爬；以及国内爬虫的法律红线与个人信息保护义务。本文是架构学习笔记，不是教唆采集。

vercel-labs/agent-desktop 是 Vercel Labs 开源的 Computer Use CLI（Apache-2.0，Rust 约 35 万行、2628 个源文件）：与主流「截图+视觉模型+像素坐标」的 computer use 不同，它直接读取操作系统的无障碍树（macOS AX API / Windows UI Automation / Linux AT-SPI），把桌面 App 的界面结构化成带 ref 的 JSON，Agent 对 ref 点击、输入，再重新快照验证，形成确定性的 observe→act→verify 循环，内部不含任何模型。默认无头（不移动鼠标、不抢焦点），60 个命令名/56 个操作命令，支持 CLI、C 库和 stdio MCP server，npm 月下载约 3.1 万。本文克隆仓库拆解它的快照/ref 严格解析机制、三态证据模型、防窗口句柄复用的身份校验、平台适配架构和安全边界（快照可能含隐私、密钥走 stdin），也说清它的局限：依赖 App 无障碍支持质量、部分操作必须 headed、1.2 版仍在快速迭代。

anneheartrecord/charles-video-maker 是一个 MIT 协议的 Agent Skill：文字稿进去，带配音、逐字字幕、封面和发布文案的竖屏成片出来，画面由模型写一个 render(t) 网页、用 Playwright 逐帧截图再经 FFmpeg 合成，不是抽卡式一句话生视频。它合并了 xilo-opus-video 的代码渲染流水线与 Anatomy 等距机器插画，内置事实核查闸门、-14 LUFS 响度、Whisper 逐字时间戳对齐、静止帧检查，还能实录/原片/免版税空镜打底、接 53 种 Lemo-Opuscar 画风。最有话题性的是它的抖音知识号模式：从一条正在爆的原片出发做风格复刻，作者用它零粉丝新号 13 天做到 37 万播放、0 投流，代表作 78 秒 23.1 万播放。本文克隆仓库（约 2.9 万行脚本）拆解它的制作流水线、四种画面路线、D-1→D5 抖音起号工作流和质量闸门，也说清它不做什么（不剪辑已有视频、不用视频模型、Claude 不亲手写文案）以及真实数据背后的边界。

pbakaus/impeccable 是 jQuery UI 作者 Paul Bakaus 开源的「编码 Agent 设计词汇表」：一句 npx impeccable install 装进 Claude Code、Cursor、Codex、Copilot、Gemini CLI 等 20 来种 AI 编程工具，用 24 个设计命令（bolder/quieter/polish/critique/audit 等）精确指挥 AI 改设计，再用一个无 LLM、无 API Key、62 条确定性规则的「AI 味检测器」在提交前拦截紫色渐变、Inter 全家桶、卡片套卡片、侧栏色边等典型 slop。Rust 写的引擎约 26 万行，Apache-2.0，支持命令行/CI/浏览器扩展三种检测方式，还能在浏览器里 live 热替换设计变体。本文克隆仓库、实跑检测器拆解它的命令体系、规则清单、PRODUCT/DESIGN 上下文机制和实时迭代模式，也说清它最适合改已有界面、99K Star 的时间线与遥测边界。

tars1230/douyin-favorites-to-knowledge 是一个 MIT 协议的 Python 小工具：授权登录自己的抖音账号后，把新增收藏（和可选的喜欢）同步成本地可搜索的 Markdown，可直接进 Obsidian，还能用 SiliconFlow SenseVoice 免费把口播视频转成全文、用免费 OCR 读图文画面上的字，每晚 23:00 自动出日报。本文克隆仓库（v2.3.6，约 3500 行 Python）拆解它的工作流、收藏与喜欢严格隔离、防重账本、原子事务（scan→review→promote）、安全边界（不存 Cookie/Key、Referer 防盗链）和三种转录方案的取舍，也说清它只是个人授权同步、不绕过平台控制、不做内容下载器这些边界。

storytold/filmcraft 是 ArtCraft 团队 2026 年 9 月底开源的专业非线性视频编辑器（NLE），纯 Rust 从零写到比特流：自研 H.264/HEVC/ProRes/AAC 编解码器、GPU 合成器、整数时间基、广播级响度表，约 42 万行 Rust、1138 个源文件，一个月 16914 Star。它还把整个编辑器做成 650+ 条可被 AI Agent/MCP 驱动的命令。本文克隆仓库拆解它的剪辑/调色/音频/格式/导出能力、分层架构和诚实的成熟度数据（功能广度约86%、真正可干活约56%、alpha 阶段），也说清不内置 FFmpeg、暂不支持 .prproj 和插件这些边界。

paperclipai/paperclip 是 2026 年 3 月建仓、八个月涨到 10.8 万 Star 的 MIT 开源项目：它不做 Agent，而是把 Claude Code、Codex、OpenClaw、Cursor、Gemini、OpenCode、Grok、Hermes 等一众 Agent 编排成一家有组织架构、预算、审批和 KPI 的「公司」。Node.js 服务端 + React 仪表盘，支持心跳唤醒、原子任务认领、成本预算硬停止、技能工作室、定时例行任务和多组织隔离。本文克隆仓库（1.2 万+文件、2700+ 已合并 PR）拆解它的四大支柱、控制平面架构、接入方式与自托管部署，也说明它和 OpenBot 这类桌面工作台的差别、6766 个 open issues 与默认遥测这些需要留意的地方。

nightly-labs/openbot 是 2026 年 8 月才建仓、两个多月涨到 1.8K Star 的本地优先多 Agent 桌面工作台：Codex、Claude Code、Grok CLI、OpenCode、Gemini、Cursor CLI、Cline CLI 各占一个独立工作区，支持 FIFO 任务队列、Agent 互发消息、内置浏览器和 Computer Use，还能部署成 VPS 常开服务器并用 iPhone 远程指挥。本文克隆 v0.51.1 源码，拆解它的架构、七个 Provider 的接入方式、协作模型和安全边界，也如实说明它 PolyForm 非商用许可证和 danger-full-access 的风险。

obra/superpowers 是一年涨到 30 万 Star 的编码 Agent 方法论插件：15 个可组合 skill 加一个 SessionStart 钩子，强制 AI 先头脑风暴、再写规格与计划、用子 Agent 执行、TDD、评审。本文克隆 v7.0.0 源码、实跑启动钩子，拆解它的注入机制、七步工作流、跨 16 种 Agent 外壳的适配，以及那个反直觉的 94% PR 拒绝率。

Lemo-Opuscar 是 Lemomo 开源的 Claude Code 电影工作室：43 种影片风格每种都带一支纯代码成片，画面是 window.render(t) 确定性函数，Playwright 逐帧截图，TTS 配音、采样器配乐、ffmpeg 标准化混音。本文克隆仓库通读 DIRECTOR/TECHNIQUE 与 core/ 源码，讲清它的机制、上手成本与能力边界。

REA（morluto/rea）是一个 8.3 万 Star 的 MCP 服务，把 Hopper、Ghidra、JADX、浏览器等逆向工具统一接到 Claude Code、Codex、Hermes 等 17 种 AI Agent 上。本文克隆源码、读架构，并在本机用真实的 Electron 小工程跑通静态分析，拆解它的证据契约、能力边界与适用人群。

res-downloader（爱享素材下载器）是 GitHub 上 20.4k Star 的开源资源嗅探下载器，支持视频号、小程序、抖音、快手、小红书、m3u8、直播流。本文基于源码拆解其 MITM 代理 + 规则筛选 + 插件化处理的实现机制，给出完整使用步骤、证书风险提示与谁该用/谁该等的判断。

anything2explainer 是一个 Claude Code/Codex skill：给一个主题，产出黑底 MG 风格的科普讲解视频，带 TTS 配音、字幕和章节进度条。画面全部由 Remotion 代码绘制，事实可追溯、可逐帧修改、可复现，无需视频生成模型和 GPU。

浙江大学与北京大学开源的社媒内容工作台 Easel，基于 OpenClaw 提供 114 个可执行技能，覆盖发现、策划、创作、发布、归因五层闭环，支持小红书、抖音、知乎等 7 个平台直发，Apache-2.0 协议。