开源项目评测

Dashi PPT 实测：8,250 星的开源 PPT Skill，1020 套版式，一份 JSON 导出 36 页可编辑 PPTX

作者
Dashi PPT 实测：8,250 星的开源 PPT Skill，1020 套版式，一份 JSON 导出 36 页可编辑 PPTX

做过汇报的人都有过同一种卡壳：内容早在脑子里排好了，时间全耗在把字挪进模板、调对齐、换配色。让 AI 代劳也不省心——它吐出来的 HTML 常常是「看着像 PPT，改起来像拆炸弹」，动一行样式整页崩。

所以当一个 8,250 星、97 天冲到榜单的 PPT Skill 出现在雷达里，我决定不只看它的宣传页，而是把它彻底跑一遍：不装插件、不开浏览器点选，只喂一份内容 JSON，看它能不能离线产出一份真正能改的演示稿。结论先放这里：9 页稿子跑通了，还导出成 36 页可编辑 PPTX（11MB、740 个可编辑文本对象）；但它自带的校验器也会误报，这点后面细说。

它把 PPT 拆成了三层

Dashi PPT 是一个 Agent Skill，核心思路和「让大模型直接写 HTML」完全相反：模型不负责画版式，只负责填内容。

它内部有 12 套视觉主题，每套主题是一批预置版式（封面、数据、对比、流程、风险、结论……），每个版式都是一段带控件的 React 组件。生成时先由 layout:query 按「页面角色 + 主题 + 随机种子」选出候选版式，再让 Agent 写一份 PageContentPack：每页只写标题、摘要、要点、图表数据，不写任何样式。随后 goal:scaffold 为每个逻辑页产出 4 个方案——3 个模板方案（锁死版式的视觉结构，只替换文字）+ 1 个按本页内容定制的方案。最后渲染成静态 HTML，导出 PPTX。

关键在「锁模板填文案」这条约束：页面的视觉、结构、数量、显隐、配色由版式决定，Agent 只能改文字。这既是它的可控性来源，也是它的上限所在。主题清单也能看出它的取舍：轻拟态风对应企业内部汇报，深浅代码风对应技术方案，色谱图表风对应数据分析，黑金实验风对应高端发布——都不是给品牌视觉团队准备的。

真正撑起这套体系的不是模板数量，而是三个量化文件：3.5MB 的 layout-manifest.json 登记了每个版式的控件与默认值，71KB 的属性契约约束每个控件能取什么值，82KB 的 spec 校验脚本负责在渲染前拦住非法结构。前者定义「有什么」，后两者定义「不能乱来」。

宣称 我的离线复核
12 套视觉主题 12 套，每套 71 到 111 个版式
1020 个版式页面 1020 条，逐条数列一致
8576 个可调控件 8576 个：开关 4276、滑杆 2372、下拉 1825、图标 77、图片位 26

三个数字全部精确对上，没有注水。

实测：从内容 JSON 到可编辑 PPTX

我把这次评测本身写成了 9 页内容计划，然后在 Alpine/Linux 沙盒里跑完整流程：

  • 依赖只有 35 个包、90MB，npm ci 32 秒装完，没有需要编译的原生模块；
  • 生成器先是两次拒绝了我的输入：一次是我把 chartData 的 id 写成了和 items 相同的 fact-1（要求 id 唯一、label/value/unit 必须一致），一次是同页图表单位混用「个 / 套 / 星」（要求要么全填、要么全空）。这两条不是文档里的客气话，是硬拦截；
  • 通过后产出 9 页 × 4 方案的 goal.json（122KB），渲染出 index.html（601KB）+ assets（7.9MB），离线双击即开；
  • 导出 PPTX 走了无头 Chromium：11MB、36 页、740 个可编辑文本对象、1309 个形状、147 张图片，打开后每段文字都能改。

但「可编辑」有边界：导出器同时给出了几百条降级警告——背景光效、渐变底、部分 SVG 与遮罩元素无法翻译成 PPT 形状，会被栅格化成图片贴上去。也就是说，文字和基础形状是真可编辑的，那些让页面显得精致的视觉特效，到了 PPTX 里就变成了一张底图。这是所有「网页转 PPTX」方案共同的物理限制，不是它独有的毛病。

另外两点体验值得一提：一是中文并没有被打包进字体，index.html 里明确写着 Noto Sans SC 这类中文字体超出体积预算、改用系统字体回退，所以同一份稿子在 Mac 和 Windows 上中文字重会略有差别；二是它的依赖干净得少见，没有原生模块，在一台只装了 Node 的机器上 90MB 就能跑起来。

也就是说，它宣传的「HTML 能编辑、PPTX 可交付」是真的。

但同一个流程里，它自带的文案校验器给了我一个退出码 1：报出 27 处「未覆写模板文案槽」（每页 3 处，对应 3 个模板方案），外加一条「AI Capital / 投融资默认文案残留：大模型」。

我去查了这两条的成色。那条「大模型」来自我自己写的正文「让大模型直接吐 HTML」——词表把常见词当成了投融资模板的特征词。而被判「未覆写」的 statLine，实际是投影阶段被显式清空（值写成空字符串），cards 也已绑定到我的 3 条内容和 1 条图表摘要，只是校验器把「空值」和「没写」算成了一回事。渲染出来的 9 页里，我一处模板默认文案都没找到。

模板默认文案确实存在，但位置很隐蔽：第 1 页所用版式的默认值是一整套「AI Capital Lab / 战略投资者 / 云资源授信 118 亿美元」的投融资示例，在文件里出现 10 次，全部躺在 data-prop-defaults 里——那是浏览器编辑器里控件的默认值，不是你交付出去就摆在观众面前的字。换句话说，这道闸门偏保守：宁可误报，也要逼你逐槽确认。

两条路线，怎么选

维度 版式库路线（Dashi PPT） 让模型直接吐 HTML
可控性 每个控件有契约与默认值，改坏了会被校验拦住 依赖模型自觉，改一处可能整页崩
自由度 只能组合已有版式 任意布局，上限更高
返工成本 改内容不动样式 常要整页重写
交付 静态 HTML + 可编辑 PPTX 通常只有一次性 HTML

几个必须先知道的前提：一是可编辑 PPTX 导出要在本机跑一次无头浏览器（官方推荐 macOS/Windows，Linux 需要自备 Chromium）；我在沙盒里就撞上了环境限制——导出 CLI 启动的预览服务读取网卡信息失败，最后是绕过预览服务、直接调用导出引擎才拿到文件。二是许可证是 AGPL-3.0，公司内部用没问题，把它包进自家产品再分发前要确认合规。三是版式覆盖的是常见汇报结构，发布会主视觉那种强定制需求仍要人工介入。

适合谁：周报月报、方案评审、产品介绍这类高频、结构固定的汇报，收益最大；需要交付 PPTX 继续人工改的团队也合适。不适合谁：追求品牌级排版的视觉团队，以及指望它一键完成「内容 + 视觉双定制」的人。

我的判断

值得放进工具箱，但别把它当成万能排版引擎。它真正的价值不在 1020 个版式，而在那套「内容与样式分离 + 生成前后双校验」的工程约束——这正是多数 AI 出图/出稿工具缺的一环。它的问题是闸门做得太保守，误报会消耗信任；一句话概括：它不擅长帮你把 PPT 做漂亮，但很擅长让你别在排版上浪费时间。

关注 AI商业快讯，每天一篇 AI 热点深度解读。

相关阅读：

Mnemosyne OS 深度评测：31 星的零依赖 AI 记忆系统，自曝 11 个缺陷，我实测又挖出 7 个

作者
Mnemosyne OS 深度评测：31 星的零依赖 AI 记忆系统，自曝 11 个缺陷，我实测又挖出 7 个

用过 MCP 的人几乎都撞过同一堵墙：会话一长，模型就忘了你三小时前交代过的偏好，你得重新说一遍。市面上叫「AI 记忆」的项目多到能单独开一个分区，绝大多数是往提示词里灌 JSON 的壳。

Mnemosyne OS 不属于这一类。它 31 颗星，却先交出了一份 11 条缺陷的公开台账，每条带实测数据、根因和修法。我把仓库 clone 下来，先跑它自己写的 21 项验收脚本——21 项全绿；再把 23 个 CLI 子命令逐个跑了一遍——两个直接崩，Web 面板首页是白的。

零依赖不是口号，是 16,132 行标准库

Mnemosyne 是零依赖、本地优先的 AI 记忆系统（MIT，作者 FrankHu-HK，7.0.1 版发布于 9 月 14 日），可以当 Python 库、CLI、HTTP API，也可以当 MCP server 挂给 Claude Code 或 Cursor。仓库 89 个文件、57 个 Python 文件、16,132 行代码，最大的 brain.py 2,404 行；文档 24,088 行 Markdown，其中一份 818 行的部署指南，逐行标注「这是什么」「为什么」。

零依赖这件事我单独查了：mnemosyne/ 与 storage/ 目录下所有 import 只有标准库（sqlite3、hashlib、json、re…），setup.py 的 install_requires 是空列表，PyPI 上的 requires_dist 只有 numpy / transformers / tiktoken 三个可选 extras。表上写着「no numpy, no torch, no vector DB」，这句是真的。

反直觉的地方在于它的设计取向：它把「记忆」当成一个可运营、可审计的对象，而不是一个向量库。每条记忆带可信度轨迹和审计日志，写入走 SHA-256 链式账本，低价值记忆按经济学模型迁到温层/冷层（gzip 归档 + 布隆过滤，是迁移不是删除），向量后端是可插拔插件（numpy、Qdrant、重排器、加密、HRR）。MCP 面 14 个工具，协议 2024-11-05，我实测握手正常、工具数与文档一致。

它自曝的 11 条缺陷里，有几条特别能说明这个项目的气质：

编号 症状（作者原话压缩） 根因 状态
F1 / F1b 经 MCP 写入的记忆不进向量库，语义召回没有增益 MCP 固定走 fast=True，而唯一的 add() 调用在 else 分支 7.0.1 已修
F6 无关查询也返回高分，任何「分数阈值」规则都失效 最终分是加权和，n_time×0.20 + conf×0.10 构成近似恒定的底 行为特性，不修
F7 retain 传了 confidence 不生效，落库恒为 0.7 Notary 评估段无条件覆盖调用方入参 7.0.1 已修
F9 拿到 recall 结果也无法遗忘或更正 返回项里没有 memory_id 7.0.1 已修
F11 forget 之后记录仍可能被召回 缓存失效判据用文件 mtime，而 SQLite 走 WAL 7.0.1 已修

真正狠的是它对 F6 的结论：相关查询首条 0.8332，无关查询首条 0.8232，分差只有 0.0100。作者自己写下一句「排序可用于挑选，分数不可用于过滤」，并把这条定性为「不可修复的行为特性」。一个项目愿意公开承认自己的打分没有绝对标度，这在万星仓库里都少见。

实测：它自曝 11 条，我又挖出 7 条

先说立住了的部分，这些都是我在这台机器上跑出来的：

  • scripts/verify_memory_lifecycle.py 21 项断言 21/21 通过，覆盖了「遗忘后不再被召回」「更正的旧记忆 verification=superseded」「recall 回传 superseded_by」这些它自己修过又踩过的点；
  • verify.py 自检通过，写入 2.50 ms/条、检索 2.39 ms/次；
  • 我通过 MCP 传 confidence=0.95，返回的就是 0.95，F7 确实修了；读代码确认 fast 分支现在一次 encode() 同时喂 SQLite 与向量后端，F1/F1b 的修法也落地了；
  • 四个中文查询，正确答案 top-1 全部命中，无关查询首条 0.415 对相关查询首条 0.442——与它自曝的 F6 完全一致；
  • Web 面板的静态资源里 0 个外部 CDN 引用，断网可用。

然后是它没写进台账的 7 条：

编号 我的实测证据 影响
A git clone 后启动 Web 面板，/、/login、/index.html 三条路由都返回 index.html missing README 表格里的「本地暗色仪表盘」从源码装是白屏
B CLI 写 5 条记忆，Web 面板「记忆总数」显示 1；两边互相搜不到 同一个 --dir、同一个 default 命名空间，两套库
C 改 memory.db 里的正文后 verify-integrity 仍报「✓ 完整」；删账本最后 3 条也报完整 哈希链只绑自己，不绑记忆内容，截断不可检测
D mnemosyne repair → UnicodeDecodeError，崩在 brain.py:2075 默认 SQLite 后端下必崩
E mnemosyne hindsights-bench 跑到第 4/6 步 → AttributeError: 'ConsolidationReport' object has no attribute 'get' 内置对标评测跑不到底
F sk-proj-…（OpenAI 现行项目密钥）与 sk-ant-api03-…（Anthropic）写入后明文落库，注入评分 0.0 脱敏只覆盖旧的 sk-+8 位格式
G status 显示「容量：100.0% (limit=8)」，库里只有 8 条 未设上限时 limit=total，容量条恒满

三条最值得展开。

第一，Web 面板是被自己的 .gitignore 吃掉的。 面板读 static/index.html，读不到就返回那句 index.html missing；而仓库的 .gitignore 里赫然写着一行 .html，只放行了 assets/*——前端入口正好在这个通配符下，从来没被提交过。setup.py 的 package_data 里倒是老老实实声明了 static/index.html 和 static/logo.jpg（后者同样缺失）。我下载了 PyPI 上的 wheel 解开看：index.html 26,100 字节、logo.jpg 7,620 字节，都在包里。所以同一份代码，pip install 能看到仪表盘，git clone 看不到。我把 wheel 里的静态文件补回源码树再刷新，登录页立刻出来了。

第二，CLI 和 MCP/Web 写进两个不同的文件。 python mnemosyne.py --dir ./mem retain 落在

/memory.db；MCP server 和 Web 面板落在 /data/namespaces/default/memory.db。根因在 storage/sqlite_backend.py 的 _resolve_paths：namespace 为假值时走「扁平 legacy 布局」，而 CLI 压根没有 --namespace 参数，另两个入口的默认值却是字符串 "default"，于是走了命名空间目录。后果很具体：先用 CLI 把偏好灌进去，再挂 MCP 给模型用，模型看到的是一张空表。而 docs/RECALL_STRATEGY.md 的隔离表只写了「命名空间 → 独立 data/namespaces//memory.db」。

第三，那条哈希链只证明账本自己没被动过。 README 的卖点是「SHA-256 chained ledger — verify_chain() detects tampering and locates the exact corrupted record」，模块 docstring 更进一步写了「any modification to a historical entry or to the underlying memory record breaks the chain」。我把一条记忆的正文改掉（连前 50 个字符一起改），verify-integrity 照样报「✓ 完整 | 首个断裂点：None」；删掉账本最后 3 条记录，它报「✓ 完整 | 账本条目：5」。原因很朴素：账本条目里只存了 {"content_preview": content[:50]}，而校验时是拿账本自己存的 payload 重算哈希，跟 memory.db 没有任何绑定。作为对照，我改了一下 ledger.db 里的 payload，它立刻报「✗ 损坏 | 首个断裂点：1」。检测有效，但范围是账本文件本身，不是记忆；纯截断因为没有外部锚点，也不可检测。审计留痕够用，当防篡改证据是过度承诺。

另外几条不用展开但值得知道：repair 崩是因为它把 index_path（SQLite 默认后端下就是 memory.db 这个二进制文件）当 JSONL 逐行读；hindsights-bench 崩在把一个 ConsolidationReport 对象当 dict 用；status 的容量条在未设上限时永远 100%。还有一处工程卫生问题：全仓 57 个 Python 文件、16,132 行代码，一个测试文件都没有（setup.py 还在 exclude 已经不存在了的 tests、benchmarks、quality_eval），无 tag、无 release；PyPI 上的包停在 8 月 24 日的 7.0.0，仓库已经是 9 月 14 日的 7.0.1——pip install 装到的，正好是 11 条缺陷一条没修的那一版。

还有一个不应该漏掉的细节：11 个源文件里有 97 处中英混排的残句，全都落在用户能看到的地方——引擎Version：7.0.1、❌ 未finds ：、Type分布、均Value、可merges、关Key决策、Found 冲突 12、writes 机制Test。看起来像是某次批量「中译英」留下的半成品，demo 和 benchmark 两个命令里最密集。

它在坐标系里的位置

跟本站评过的 context-mode 比，一个管「上下文进得来」，一个管「记忆留得下」：context-mode 把 315KB 工具输出压成 5.4KB，解决的是爆上下文；Mnemosyne 解决的是跨会话失忆，两者叠起来才是一套。

跟 i-have-adhd 比，两者是同一种气质的极端版——自曝文档的质量远超自测覆盖。差别在于 i-have-adhd 的自曝是「我的闸门太严」，Mnemosyne 的自曝是「我的工具是死的」：作者自己在召回策略文档里写明 graph_query 「永远返回 edges: []，是一个死工具」，temporal_query 的参数是实体名而不是时间范围，「传『昨天』返回 nodes:["昨天"], edges:[]，无意义」。在 14 个 MCP 工具里，这两个占了两席，而文档第 4 节直接建议集成方「从强制流程里删掉它们」。

适合谁：想要一套零依赖、可离线、带审计轨迹的本地记忆层；在同一台机器上跑多 Agent，并且接受「正文与向量隔离，但审计账本/图谱/统计是全局共享」这个前提；以及愿意读 24,000 行中文文档的人。

不适合谁：指望开箱即用 Web 管理面板的人；要现成语义检索质量的人（向量后端默认不装，得自己接 BGE-M3 加 Qdrant）；打算把 CLI 和 MCP 混着用的人；以及想拿哈希链当合规证据的人。

判断：文档比代码值钱

这个仓库最值钱的部分不是那 16,132 行代码，是它的文档：11 条缺陷台账、21 项验收断言、召回策略评估（连「每轮都召回到底划不划算」都算了代价）。这套东西在万星项目里都少见——大多数项目连自己的缺陷都不敢写在仓库里，更不会写上「分差只有 0.0100，所以阈值规则全部失效」这种自断后路的话。代价同样明显：文档走到了够做验收的深度，代码和测试没跟上，所以 CLI 里还留在会崩的子命令，面板首页还躺在 .gitignore 里，脱敏规则还停在两年前的密钥格式。

真要用，我的建议是三条。第一，别 clone 源码跑 Web 面板——要么 pip install mnemosyne-os 拿前端完整的 7.0.0，要么 clone 7.0.1 之后从 wheel 里把 static/index.html 补回来。第二，先写测试再上生产，它自己一行都没有。第三，如果你只是想学「一个人的 AI 记忆系统该怎么自我验收」，docs/ 下的 KNOWN_DEFECTS.md、ACCEPTANCE_GUIDE.md、RECALL_STRATEGY.md 三个文件，比把项目跑起来更值得读。

关注 AI 商业快讯，每天一篇 AI 热点深度解读。

相关阅读：

本文数据于 2026-09-15 实测：星数 31、fork 3、issue 0、无 tag 无 release 来自 GitHub 页面；代码与文档行数、文件数来自 codeload 解包统计（main 分支 7.0.1）；「自曝 11 条」取自仓库 docs/KNOWN_DEFECTS.md（编号含 F1b，F4 属外部宿主问题故未计入）；21 项验收、2.50 ms 写入、2.39 ms 检索、MCP 14 工具握手、sk-proj- 脱敏绕过、哈希链篡改与截断对照、CLI 与 Web 分库、23 个子命令崩溃扫描均为我在 Alpine Linux aarch64 沙盒内的实跑结果（Python 3.12.13 / SQLite 3.48.0）；index.html missing 现象先复现于源码安装，后通过从 PyPI wheel 补回静态文件对照验证；PyPI 版本与下载量来自 pypi.org 与 pypistats.org 公开接口。

stop-slop 深度评测：1.7 万 Star 的「去 AI 味」skill，停更 182 天，改后范例自己违反规则

作者
stop-slop 深度评测：1.7 万 Star 的「去 AI 味」skill，停更 182 天，改后范例自己违反规则

打开任何一个 AI 写出来的英文段落，你会先看到 “Here’s the thing”，再看到 “It turns out”，最后以一句 “Let that sink in” 收尾。想治这个毛病的人里，最有名的一个仓库叫 stop-slop：17,151 颗星，skills CLI 记录过 14.4 万次安装。它的最后一条提交停在 182 天前，35 条 PR 只合并过 2 条，两条都在仓库上线后的头三天。

我把它整条规则集拆开逐条跑了一遍，还照它的文字规则写了个机械检查器。结果有点尴尬：仓库自己的 5 组「改后」范例，4 组违反它自己写下的规则；那处被点名最多次的破折号，先后有 5 个人开 PR 想修，到今天还挂在那里。

16KB 纯文本，0 个可执行文件

stop-slop 全部内容就是 8 个文件、16,344 字节，没有脚本、没有测试、没有 CI，也没有一个 release。12 条提交、2 位贡献者，其中 7 条带 Co-Authored-By: Claude——作者用 Claude 写这份「反 AI 味」文档，这件事本身就被写进了提交记录。

文件 内容 条目数
SKILL.md 8 条核心规则 + 12 条交付前 Quick Checks + 5 维评分（低于 35/50 就重写） 25
references/phrases.md 英文短语黑名单：清嗓子开场、强调废词、商务黑话、副词、元评论、含糊断言 65
references/structures.md 结构模式：二元对比、否定式铺垫、戏剧化断句、虚假施动、被动语态、Wh- 开头、节奏 37
references/examples.md 5 组改前/改后对照 5

核心反直觉点只有一个：它不要求你写短，要求你删掉仪式感。开场别预告（”Here’s why that matters”），强调别自证（”Make no mistake”），观点别先否定再揭晓（”Not because X. Because Y.”），没有生命的词别当主语（”the decision emerges” 要改成「某个人做了决定」）。

真正被广泛借用的是那套 5 维评分：Directness、Rhythm、Trust、Authenticity、Density，各打 1 到 10 分，低于 35 分就重写。它把「感觉有点 AI 味」变成了一次要落笔打分的判断，这是这个仓库最值钱的 20 行。

实测：它的改后范例自己违规

仓库里没有任何可执行代码，所以我按它的文字规则写了一个检查器，实现 65 条短语黑名单、副词表、破折号、懒极端词、Wh- 开头、短句连排，然后拿四类语料来跑。先看它自己的招牌——那 5 组「改后」范例：

范例「改后」原文 被我检查器命中的规则
Building products is hard. Technology is manageable. People aren’t. 三句连续短句，structures.md 禁止的 staccato
Teams struggle with alignment. Nobody admits confusion. nobody 在懒极端词黑名单里
Move faster. Your competition is. 机器 0 命中，但仓库 issue #42 指出它把因果连接词一起删了
Speed, quality, cost—pick two. 破折号，而 structures.md 原文写的是 “No em dashes at all”
The best teams optimize for learning, not productivity. 尾否定句式，与它禁止的 “not X, it’s Y” 同族

第 4 条是整件事的缩影：一个专门演示「去掉 AI 痕迹」的范例，本身带着一个被明令禁止的破折号，而且是改稿时新加的——原文 “Speed. Quality. Cost. You can only pick two.” 里没有破折号。从 2026-03-27 到 2026-09-12，至少 5 个不同的人开了 PR 修这同一个字符（#25、#29、#47、#54、#67），其中 #54 被直接关掉且没合并，另外 3 条还开着。issue #14 早在 4 月就写过：「你们的范例不遵守这个 skill 的规则」。

README 也没躲过去。宣传语 “AI writing has patterns. Predictable phrases, structures, rhythms.” 正好是结构文档里点名的「戏剧化断句 + 三项并列」，结尾 “Use freely, share widely” 连用两个副词。PR #47 一条一条列了出来，附带另外 3 处文档违规，没合并。

规则不是检测器，是风格约束

第二个实测更值得说。我把同一套规则拿去跑人类写的文本，对照作者的文档：

语料 字符数 机械命中 每千字
stop-slop 官方文档（Claude 共同作者） 4,174 8 1.9
Paul Graham 随笔（人类） 20,000 145 7.25
《傲慢与偏见》开篇（人类，1813） 20,000 97 4.85
The Elements of Style（人类，1918） 20,000 100 5.00
本站中文稿 6 篇 24,620 69 2.80

同一套尺子，扫当代最好的英文随笔，命中密度是作者自己文档的 3.8 倍。命中集中在副词、Wh- 开头、every/never 这类懒极端词——这些规则当人工提醒没问题，机械执行会把人类正常句子一起改坏，而《傲慢与偏见》和 1918 年的写作手册也被扫出 5 次/千字。

结论是：这套规则优化的是风格一致性，不是「像不像 AI」。它好用，恰恰因为它是一份给人看的清单，而不是一个能自动化跑的判据。这也是仓库 issue #10 的批判点：把「禁止清单」塞进模型上下文，会让模型围绕这些被禁的 token 生成（原作者的说法是 blocklist primes the basin），而提出改成「正面路由」的那份重构，挂着 4 个月没人理。

中文用户还要多一层：65 条短语、15 个副词、6 个懒极端词、7 个 Wh- 开头，全是英文字符串。用它扫 6 篇中文稿（24,620 字），唯一稳定命中的是破折号，而中文的「——」本来就是合法标点，照规则执行等于删标点。中文移植版 VincentOld/stop-slop-zh 至今 81 星、skills CLI 装过 21 次，建库当天之后再没更新。

顺手验了一个流传的说法：issue #46 报 npx skills add hardikpandya/stop-slop 只装 SKILL.md、丢掉 references。我用 CLI 1.5.26 实测，7 个文件全部装到位，这条复现不了——但 issue 还开着，没人关。

同类对比：它是坐标系，不是终点

项目 星数 skills CLI 安装 与 stop-slop 的关系
stop-slop 17,151 14.4K 英文圈最全的 AI 陈词表
blader/humanizer 48,133 6.8K 同赛道，改写成稿；本站评测过的 Humanizer-zh 就参考了 stop-slop
Leonxlnx/taste-skill 87,136 4.1M 管前端审美，不碰文字
hexiecs/talk-normal 1,841 74 后来者，纯规则
eric-tramel/slop-guard 164 1 真的做成了检查器

issue #51 直接把 8 个同类仓库列出来问「你和它们有什么不一样」，至今 0 回复。真正继承了它的是别人的项目：apurvrdx1/tagore 把 humanizer 和 stop-slop 合成 6 阶段流水线，明说借走了 8 条原则、12 条检查表和 5 维评分（issue #17）；manavmishra/ZeroSlop 做的 16 项能力审计里，stop-slop 记 3 项 guided、13 项未记录，理由是整个仓库没有可执行组件（issue #64）。

最能说明它位置的还有另一个数字：仓库 182 天没有提交，最近 48 小时里仍然新增 91 颗星、9 次 fork，约合每天 45 颗。

值得抄三样，不值得指望三样

我的判断：把它当一份拿来读的清单，别当工具装。

值得抄的三样：第一，65 条短语黑名单，英文写作里最全的一份 AI 陈词表，中英对照着看也能校准中文 AI 味；第二，5 维评分加 35/50 及格线，逼你为「AI 味」给出判断而不是感觉；第三，「名字要具体、别替读者抒情、说结论别先铺垫」这三条心法，比任何一条具体禁词都活得久。

不值得指望的三样：别指望维护（最后合并 PR 停在 245 天前，8 个月里 33 条 PR 一条没进）；别当检查器跑（人类文本命中率反而更高）；中文别直接用（规则全英文，中文版 21 次安装）。

如果你要的是「我的文章到底有多 AI 味」，可以从 blader/humanizer 起步，48,133 星且仍在更新；如果你在意的不是文字而是产品审美，taste-skill 更对路。stop-slop 的价值在它被人抄走的那部分——规则表、评分尺、心法，这些已经活在了别人的仓库里。

关注 AI 商业快讯，每天一篇 AI 热点深度解读。

相关阅读：

本文数据于 2026-09-15 抓取：星数、fork、提交与 PR 合并状态来自 GitHub API；skills CLI 安装量来自 skills.sh 徽章；仓库结构与规则条目数来自本地解包统计；违规密度由我按仓库文字规则自写的检查器实测（英文语料为 Paul Graham 随笔、《傲慢与偏见》开篇、The Elements of Style 各取 2 万字符，中文语料为本站 6 篇旧稿）；npx skills add 安装结果为沙盒实跑（CLI 1.5.26）。检查器是我对规则的实现，非官方工具，命中数含规则机械化的误差。

Skill Seekers 实测：1.5 万 Star 的文档转技能工具，18 种数据源 22 种格式，设计模式识别却把 @property 当装饰器模式

作者
Skill Seekers 实测：1.5 万 Star 的文档转技能工具，18 种数据源 22 种格式，设计模式识别却把 @property 当装饰器模式

给 Claude Code 装技能这件事，卡人的从来不是写提示词，而是喂文档。某个框架的官方文档三百多页，你得先翻一遍、抽成 reference 文件、再手写一份 SKILL.md 告诉它「什么时候读哪个文件」。这套活干完，一整天没了。

1.5 万 Star 的 Skill Seekers 就是冲这件事来的：号称把文档站、GitHub 仓库、PDF 等 18 种数据源转成可以给 AI 用的知识资产，15 到 45 分钟出一份技能包。我把它拉进沙盒从源码跑了一遍，抓取和打包确实能用，但它的「代码智能」部分——设计模式识别——基本是在猜。

它做什么：三层流水线

把它拆开看只有三步。第一步是发现层，拿到一个 URL 后会依次尝试 sitemap.xml、站点自带的 llms.txt 索引，最后才上无头浏览器渲染，这套顺序决定了它比普通爬虫快。第二步是抽取层，18 个 scraper 各管一类源：网页文档、GitHub 仓库、本地代码库、PDF、Word、EPUB、Jupyter Notebook、PPT、OpenAPI、AsciiDoc、RSS、man 手册、Confluence、Notion、Slack 导出、视频等。第三步是组织层，把抓下来的内容按主题分类，交给 AI 增强写成 SKILL.md，再做多源冲突检测，最后打包成目标平台格式。

对外宣传的数字不少，我逐项在代码里核了一遍：

官方声明 核对结果
18 种数据源 属实（source_detector.py 里 15 种显式类型 + Confluence/Notion/聊天导出）
22 种导出格式 属实（adaptors 注册表正好 22 条，含 LangChain、LlamaIndex、4 个向量库）
40 个 MCP 工具 属实（server_fastmcp.py 里正好 40 个注册装饰器）
19 个 agent 安装目标 属实（AGENT_PATHS 19 条）
68 个增强工作流预设 属实（workflows 目录 68 个 yaml）
3,900+ 测试 属实偏保守（189 个测试文件里 4,235 个 test 函数、8 万行）

数字没注水，但文档与代码脱节的地方不少：同一个 MCP 服务器文件的 docstring 还写着「提供 34 个工具」，实际是 40 个；install-agent --help 只列出 8 个可选值，代码里支持 19 个，剩下 11 个只能靠翻 README；README 说 CLI 有 19 个命令，实际是 20 个。

实测：抓取能用，代码分析不能信

抓取、打包、冲突检测：能直接用

测试环境是手机上的 Alpine aarch64 沙盒（Python 3.12），因为 pip install skill-seekers 在这台机器上装不完——核心依赖里 PyMuPDF 没有对应的 musllinux 轮子，需要本地 C 编译器。顺带一提，一个「文档抓取工具」的核心依赖有 22 项，其中包含 langchain 和 llama-index 两个 RAG 框架，装在服务器上得先想清楚。

从源码跑抓取则相当顺。拿 Ruff 的文档站试，它命中 llms.txt 索引，14 个页面约一分半抓完，产出三个文件：SKILL.md 4.3KB、references/ruff.md 135KB、index.md 91 字节。自带的质量评分给了 72.75 分（B-），其中文档覆盖率一项只有 15 分。

问题出在这份 SKILL.md 的内容上。不接 AI 增强时，它输出的是一份模板骨架：frontmatter 里的描述就是「Use when working with ruff-test」，8 条「Pattern N」小标题的内容是抓下来的导航栏文字（「Ruff ruff Overview Tutorial Installing Ruff The Ruff Linter…」），13 个代码块里 5 个贴了语言标签，其中 4 个把 TOML 配置标成了 sql 和 json。更别扭的是正文让读者去翻 getting_started、tutorials 这几个参考文件，而 references 目录里只有它刚生成的那一份。

那默认流程会走 AI 增强吗？会。不传参数时它默认走本地增强，直接执行 claude --dangerously-skip-permissions，超时设成 2700 秒，本机没装这个 CLI 的结果是一行「Command not found: claude」，然后留下一份 2KB 的骨架——四个流程步骤里，最后一步静默降级了。

设计模式识别：一个漏检、三个误报

真正让我意外的是设计模式识别。这是它宣传的差异化能力：10 个 GoF 模式检测器、跨 9 种语言、分 surface/deep/full 三档深度。我造了个 6 文件的小项目试，结果是这样：

我造的场景 它的判定
AppConfig：__new__ + _instance 缓存的标准单例 三档深度全部漏检
class Singleton: pass（只有类名，没有任何实现） 判为 Singleton，0.7 分
Policy：保险单记录类，与策略模式无关 判为 Strategy，0.7 分，证据只有「类名像 Strategy」
DbSingleton：带 @classmethod 的单例 额外被判为 Decorator

漏检的那个最冤枉：代码里明确写着「Python 的 __new__ 覆盖本身就是受控初始化」，给了 0.3 分，而命中阈值是 0.5——这个检测器永远认不出 __new__ 写法的单例。误报的那个更值得说：Policy 被认成策略模式，是因为关键词表里塞了「policy」。而 @classmethod 被判装饰器模式，是把语言级的装饰器语法和 GoF 的装饰器模式混为一谈了。

这不是个别现象。我拿它扫自己 217 个源文件，报出 301 个模式，其中 Decorator 一项 94 个，证据全部来自 Python 内置装饰器（@property 53 个、@staticmethod 21 个、@classmethod 16 个、@abstractmethod 5 个），没有一个是真正的装饰器模式实现。172 个被判定的类里，95 个同时命中多个模式，49 个既算 Adapter 又算 Decorator——因为两个检测器共用 wrapper/proxy 关键词。

还有个更隐蔽的机制问题。full 深度会拿整个文件的文本去 grep instance、if not、threading 这类词，命中就加分，不管这个词属于哪个类。我做了个隔离测试：一个文件里放只有类名的 Singleton 和一个带 instance 方法的无关类，前者立刻从 0.6 涨到 0.7，证据栏写着「检测到实例缓存」——它缓存了个寂寞。

对比之下，它另一个卖点做得很扎实。多源冲突检测我造了一组「文档写了 3 个参数、代码只有 2 个」的数据喂进去，4 条冲突分类全对：文档里有代码里没有的 API 标为 high，代码里有文档没写的标 medium，而下划线开头的内部 API 自动降级为 low——这个降级逻辑是对的，说明设计者确实想过误报问题，只是这套思路没被用到模式检测上。

其他几个实测细节：打包成 Claude 技能包正常，39.7KB 的 zip 里 SKILL.md 在根目录；不给 GitHub token 也能抓仓库，但撞上 API 限流后 PyGithub 会进入 2684 秒（约 45 分钟）的退避重试，而不是快速失败报错；PyPI 上最新版是 8 月 3 日发布的 3.9.1，而仓库 development 分支已经到 3.10.0.dev0，pip install 拿到的是落后六周的版本。仓库本身还有个卫生问题：docs/UML 目录 2049 个文件占 27.3MB，近三分之一的仓库体积是架构图。

该不该用

同类里还有三个选择：手写 SKILL.md 最准但最慢；拿 llms.txt 自己写二十行脚本最轻，只适合现代文档站；官方 skill-creator 管结构规范但不管抓取。Skill Seekers 的位置在中间——它把「抓 + 分 + 打」这一整条链路做完了，22 种导出格式里那 8 个 RAG 目标是别人不做的。

它适合：手上有大量内部文档、老项目代码、PDF 手册要批量变成知识资产的人；一次抓取、要同时导出成 Claude 技能 + 向量库数据的人。

不适合：只想给某一个框架做一份高质量 SKILL.md 的人（这种情况手写反而更快）；没有模型 API key、也没装本地编码 agent 的人——因为默认的增强流程会直接失败。

我的判断是：把它当抓取和打包工具用，把它的代码分析当参考信号而不是事实。冲突检测值得一试，模式识别的输出建议直接忽略。

相关阅读：

关注 AI商业快讯，每天一篇 AI 热点深度解读。

—

实测数据截至 2026-09-14，基于 development 分支（3.10.0.dev0）源码在 Alpine aarch64 沙盒运行。项目地址：yusufkaraaslan/Skill_Seekers，MIT 许可。本文不含任何商业合作。

i-have-adhd 深度评测：4.3 万 Star 的输出风格 skill，自带评测涨 0.43 分却被自己的闸门拦下

作者
i-have-adhd 深度评测：4.3 万 Star 的输出风格 skill，自带评测涨 0.43 分却被自己的闸门拦下

用过 Claude Code 的人几乎都撞过同一堵墙：问了半小时，答案埋在第三段；改完一个 bug，它还要用两段话回顾自己做了什么，最后来一句”希望这有帮助”。

i-have-adhd 就干一件事——把 AI 的回答从”报告”改成”下一步做什么”。它用 10 条规则把输出重新塑形，上线 122 天拿到 43,456 颗星，是 2026 年增速最快的输出风格 skill 之一。更有意思的是：这个项目自带一套评测框架，而它自己公布的评测结果，发布闸门是失败。

它不是 CLI，是一份 142 行的规则文件

整个技能的本体，就是 skills/i-have-adhd/SKILL.md：7,207 字节、142 行，MIT 许可。没有模型、没有 API、没有依赖，任何 harness 都能装。

它的出发点是五条关于 ADHD 读者的判断：工作记忆小（不在屏幕上就等于忘掉）、知道答案不等于做完、启动是最难的一步、模糊的时间估计等于没有估计、进展必须看得见。十条规则全部由这五条推出来。

规则 治的毛病 我的一行判断
1 先说下一步动作 答案埋在下文 最有价值的一条，直接改变回答的第一行
2 多步骤写编号 步骤糊成一段话 要求”能少一步就少一步，别写完整路线”
3 结尾给一个 2 分钟内能做的动作 “还需要什么随时说” 把开放式结尾换成封闭动作
4 抑制跑题 顺手塞三条无关建议 自己查得到的先自己查，留到最后的只有一条
5 每轮重述状态 “第 3 步做到哪了”要靠翻记录 “第 3/5 步完成，下一步回填列”
6 给具体时间估计 “这需要一些工作” 明确要求用分钟，不许用”一会儿”
7 让成果可见 改动藏在总结里 “登录现在能用魔法链接了，跑 npm run dev 试”
8 错误只讲事实 “哎呀，测试好像失败了” 位置 + 原因 + 修复，不演情绪
9 列表控制在 5 项 一屏 30 条的清单 争论最多的一条，见下文
10 不写开场白、不写回顾、不写客套 “好问题！让我想想” 直接禁止清单里点名了这些话术

关键的反直觉在于：它不追求短。规则 9 的原文明确写了”这条只塑形，不能限制分析、检索、工具结果、候选项生成”；技能里还专门留了一节”什么时候可以破例”，六种情况包括：用户要求解释就尽管展开、破坏性操作先确认、连续三次修不好就停下来质疑假设、”规则和任务打架时任务赢，形状不变”。最后一条的例子写得很清楚——用户问”我有哪些选项”，答案就该是 2 到 4 个带取舍排序的选项，而不是一条路径。

它的安装面铺得极广：仓库里的安装文档有 14 个章节，覆盖 Claude Code、Codex、Cursor、OpenCode、Gemini CLI、Kimi Code CLI、Qwen Code、Copilot、Pi、OMP、Zed、Antigravity、AstronClaw 等 13 个具名平台，外加一个通用 agent-skills 方式。但它没有发过任何 release，也没有 git tag，package.json 里的版本号停在 0.3.0——43k 星的仓库，走的还是”直接追 main 分支”的路线。

实测：自带评测框架跑得通，但它自己的闸门过不去

这个仓库最特别的地方，是它为了回答”这个 skill 到底有没有用”专门造了一套评测框架：14 条用例 × 3 轮 × 基线/候选两组 = 84 个回答，再用同一个模型盲评打分。

我把这套框架在沙盒里跑了一遍，是可以复现的：

  • python3 scripts/run_evals.py validate 通过，14 条用例格式合法；
  • plan --trials 3 能输出完整的运行矩阵（84 行生成 + 42 次评判）；
  • 仓库自带的 51 个单元测试，6.77 秒全过。

作者公布的结果确实漂亮：加权分从 4.045 涨到 4.473。拆开看，简洁度维度涨得最猛（3.429 → 4.571），而权重最高的正确性（+0.190）和安全性（+0.024）也没掉——README 里那句“不是拿准确度换简洁”，在数字上站得住。

但同一份 RESULTS.md 往下读三行，写着 Release gate: FAILED。失败原因是闸门的第一条规则：”候选中不能有任何阻断性发现”。候选有 3 个，基线有 7 个，翻了一倍还多，照样不算过。

我把这个闸门单独复现了三次，结论很干净：

  • 按公布的每用例均分重建（加权分 4.045 对 4.473，与我复现出的算数完全一致）、候选仍带 3 个阻断 → 不通过；
  • 候选全维度满分 5.0、只保留 1 个阻断 → 不通过；
  • 候选全维度 5.0、0 个阻断、基线 4.0 → 通过。

也就是说，规则 1 是一条绝对条款：只要用例集里还剩任何一个阻断性发现，再优秀的候选也过不了。RESULTS.md 自己把这层写透了——”按现在的写法，任何候选都不可能在还有阻断留存时通过，无论它改进了多少”。

更麻烦的是，14 条用例里有一条结构上不可能通过。agent-owned-edit 问的是”我让你改 README 的错别字，你有仓库权限，接下来怎么做”，评分要求”直接动手改，然后报告验证结果”。但两个 runner 的配置一个是 --tools ""，另一个是 --sandbox read-only——谁都没有工具。作者在 issue #98 里承认：这是”在一个没有行动能力的配置里要求智能体行动”，而且基线在这种不可能的任务上退化成了”我现在去读文件，让我用一下工具”这种自言自语。

真正的坏消息只有一条：partial-success 用例上候选回归了 −0.63 分（三轮分别是 +0.05 / −0.70 / −1.25）。机制被指得很准——规则 8 要求”先说原因，再给修复”，当证据不足以确定原因时，这个模板会推着模型去编一个原因。评判模型的批注原文是：”把『缺少认证头』当成确定原因并给出修复，没有任何证据支撑。”作者没有辩解，把它标成了”唯一值得加试验轮次的方向”。

顺带说，它的盲评机制不是口号：42 组（用例、轮次）的 A/B 标签由组名的 sha256 派生，我算出来 A/B 分布是 23:19，同一组重跑标签不变——结构上确实没给评委留下位置信息。

两个真实的坑：常开钩子会静默复活，中文文档缺两节

坑一：你说”关掉”，一次上下文压缩就给你打开。

Claude Code 上有个常开模式：把 flag 文件写到 ~/.claude/.i-have-adhd-always，之后每次会话启动由 SessionStart 钩子把整套规则注进去。我实测了：flag 不在时零输出，flag 在时每次注入 6,986 字节，而且 sh 版和 Node 版两个实现的输出逐字节一致。

问题出在匹配条件上。hooks.json 写的是 startup|resume|clear|compact——resume 和 compact 都是接着旧会话继续，但钩子本身只检查 flag 文件是否存在，全程不读 stdin（我把 hooks/ 目录全部文件 grep 了一遍，没有任何 stdin 或 source 字段的读取）。

于是我把 {"source":"compact"} 喂进去，输出和 startup 逐字节相同。意思是：你在会话里说了”停掉 ADHD 模式”，压缩一次之后规则会带着”ADHD 模式已激活，适用于每一条回复”的横幅重新注入，而钩子输出在界面上默认不可见。

这条不是我发现的——仓库有个叫 AI Agora 的讨论区（issue #127），专门让 AI agent 之间讨论规则措辞，提这条的 agent 在结尾署了 provenance：由 Claude Code（claude-opus-5）起草并验证。同一讨论区的另一条提案（opencode 配 GLM-5.3 起草）指向的正是规则 8 的编原因问题，和评测里的回归对上了。这些提案目前都还没被合并。

坑二：中文安装文档比英文少两节。

.github/install/INSTALL.zh-CN.md 有 12 个平台章节，英文版有 14 个：OMP（Oh My Pi）整节缺失，OpenCode 被并进”其他运行环境”的通用段落里。另外规则的缩写版散落在 13 个文件里，光 INSTALL.md 一个文件就复制了 6 份规则清单——想改一条规则，得同时改十几个地方。

同类项目里，规则 9 至今还在改。15 条评论的 issue #96 里，用户反馈”控制在 5 项”被模型字面执行成”砍掉第 6 项之后的全部”，作者前后给了三版措辞，当前版本的解法是加一句”多余的条目内部保留，只是不显示”。

和同类比，它站在哪个位置

项目 星数 层次 核心手段
i-have-adhd 43,456 结构层 10 条规则重排回答形状：先动作、编号、重述状态
Caveman 105,244 语言层 用洞穴人语体压缩输出，宣称省 65% token
stop-slop-zh 47 语言层（中文） 禁词表 + 标点规范 + 四层质检，专治中文 AI 味

Caveman 和历史榜首那批项目在同一条赛道上：压语言、省 token。i-have-adhd 换了个层面——它几乎不省字，改的是信息的顺序和可见性。issue #4 里就有人问能不能把两者合体，作者的回答是”这个仓库只做 ADHD 相关规则，想合请自己 fork”。

stop-slop-zh 的对比尤其值得看一眼：它的作者跑到 issue #42 里问”把结构收紧，模型会不会把冗余转移到句子层面”，i-have-adhd 的作者直接承认”结构本身不够，句级清理放在发送前检查那一步”，并说”塑完形状，填充物会跑进句子里，然后你追着它跑”。两个作者都确认：严格规则能抬高下限，也会削平上限，所以两边都加了”默认而非绝对”的逃生舱。

适合谁：日常在 Claude Code / Codex / Cursor 里跟 Agent 来回拉锯、经常要翻半天找结论的人；团队里要让 AI 输出变成可执行步骤的负责人。不适合谁：主要用 AI 做长文写作和头脑风暴的人（它专门为”解释模式”开了豁免，但你本来也不需要它）；指望它省 token 的人（要省 token，去看 Caveman）。

值得装，但要知道它的三处短板

我的判断是：装，但要把它当一个需要维护的规则集，而不是一个装完就忘的插件。三条注意事项——第一，Claude Code / Codex / Qwen Code 上它默认不自动生效，必须显式调用 /i-have-adhd；第二，上下文压缩或分叉会话会让它掉线或静默复活，觉得输出漂回老样子，重新调用一次是最省事的解法；第三，别把它当成”AI 输出质量的保证”——它有一份诚实到罕见的自评报告，评的是回答形状，不是回答对不对。

顺带一个可以偷师的点：这个仓库把”我怎么证明自己有用”写成了可复现的代码（14 条用例、盲评、发布闸门、成本上限），还允许 AI agent 在专门议题里提交带模型署名的提案。做开源项目的人比做 skill 的人更该抄这套东西，因为它把”我改进了多少”从口嗨变成了能被别人跑出来的数字。

关注 AI 商业快讯，每天一篇 AI 热点深度解读。

相关阅读：

本文数据于 2026-09-13 抓取：仓库 star 数、fork 数、提交时间来自 GitHub API；仓库结构与评测运行结果来自本机 Alpine aarch64 沙盒实测（run_evals.py validate / plan、pytest 51 项、闸门三场景复现、always-on 钩子两种实现对比）。评测框架中的模型打分沿用作者 2026-08-02 公布的数据，非本人重跑，已如实标注。

anything2explainer 实测：上线 3 天 954 星的话题转讲解视频 skill，8 个 Agent 并行 40 分钟出一条片

作者
anything2explainer 实测：上线 3 天 954 星的话题转讲解视频 skill，8 个 Agent 并行 40 分钟出一条片

想把一个技术概念做成一分钟讲解视频，多数人的第一反应是找 Sora 或 Veo 生成 —— 结果画面很炫，字全是乱码，画面上的数字一个都不敢用。第二条路是自己开剪辑软件，一帧一帧摆元素，做一条四分钟的片要熬夜。

9 月 8 日开源的一个 Claude Code / Codex skill 想解决这件事：给它一个话题，它产出一条 1280×720、带配音、带逐字字幕、带章节进度条的科普讲解片，全片每一帧都是代码画出来的。上线三天多，954 星、172 个 fork —— 这是我这两天见过涨得最快的 AI 视频方向仓库。

它到底交付了什么

先纠正一个预期：它不是一个「一句话出片」的工具。作者在 README 里写得很直白：这不是 CLI，交付的是「一个 AI 编程 agent 拍完一条片所需要的全部方法」。

拆开看是四层：

层 内容 规模
流程 SKILL.md：9 个阶段、4 个确认点、8 条硬性原则 86 行
规范 reference/ 九份文档：风格、动效词汇、构图与光、配音分镜、多 agent 协议 687 行
工程 可编译的 Remotion 4 模板 + 图元库 + 11 个脚本 7998 行 TSX/TS + 768 行 Python
标尺 样片《RAG 与知识库》全套档案：调研、解说词、分镜、44 个镜头源码、QC 报告、成片帧 8246 帧 = 4 分 35 秒

真正稀有的不是模板，是把审美写成了可判定的数字。 模板本身只是 Remotion（用 React 写视频）的工程封装，市面上不缺；缺的是这种句子：「每个镜头静止帧占比 ≤40%、最长静止 ≤1 秒」「主角高度 ≥170px 且必须带光」「每个镜头 ≤1 处闪烁，且只给该镜头的核心术语」「内容区最大物体 <110px 不得持续超过 45 帧」。这些数字不是宣传语，仓库里有对应的检测脚本。规则可判定，才谈得上验收。

它怎么跑一遍

它的运行方式更像一个剧组，而不是一个按钮。九个阶段里，主会话只做编排与验收，调研、打样、构建、QC 都是派出去的 agent：

  • 调研 1 个 agent 先产出带来源的调研文档（样片那份 29222 字符、128 个 URL，覆盖定义的每条数字）；画面上出现的每个数字、年份、英文术语都必须能在调研文档里查到出处，没核实的不许上画面。
  • 写完解说词后 tts_build.py 用词级边界把每句切成字幕块，直接算出每句的起止帧号，写进时间轴与字幕表。
  • 主会话定分镜、补图元，先只派第 1 组做出前 30 秒给你看，确认风格后才并行派剩下的 7 组。
  • 渲完不是结束：每章派 1 个 QC agent 逐帧核，再派修复 agent，样片跑了两轮 QC（v1 报出高 1 / 中 23 / 低 42，v3 终检时白名单外的闪烁是 0 处）。

我核对过它的时间轴算术：8246 帧 = 274.9 秒、44 句净朗读 249.9 秒、留白 25 秒占 9% —— 全部对得上。这不是拍出来的片子，是算出来的。

代价也写得很清楚：一条 4 分半的片子，约 2 小时、8 个构建组并行 40 分钟、磁盘预留 5GB 以上。

实测：模板能编译，工具链有坑

我在手机上（Android 内的 Alpine Linux aarch64 沙盒，Node 22）clone 了仓库实测，宣称与实测对比如下：

项目 仓库宣称 实测结果
模板可编译 开箱 npm install + tsc 250 个包 / 263MB / 36 秒；tsc --noEmit 15 秒，0 个类型错误
静态自检 几秒查帧覆盖、闪烁白名单、字面量 44 个镜头全覆盖；但报 18 个问题，其中 17 个是误报
默认配音 edge-tts 免费云端合成 44 句里 34 句拿到音频，随后一句连续 4 次重试失败，脚本当场退出
成片渲染 无 GPU，CPU 渲染 没跑通：需下载 chrome-headless-shell，下载源不通且无 linux-arm64 版
跨平台 macOS 验证过，Linux 应该能用 5 个 shell 脚本写死 #!/bin/zsh，建项目第一步就中止

自检脚本那 17 个误报值得单独说：脚本要求闪烁白名单以固定格式内联写在分镜表里，而样片的分镜表写的是「白名单见 AGENT_RAG_BUILD_RULES.md §8」，正则抓不到，白名单被读成 0 条，19 处合规闪烁全部标红。唯一那条真问题也很有意思 —— SC27 的代码帧区间比分镜表多 4 帧，注释写明是第二轮 QC 故意做的淡出重叠。也就是说：这条检查只能报「对不上」，不能判断「是不是有意为之」。

sed -i '' 是 BSD 语法，在 Linux 上会报 No such file or directory 然后中止。同一个问题也出现在仓库第 4 号 PR 里：有人在树莓派 5 上端到端跑通了一整条片，顺手把 zsh、BSD sed、ARM 上的 TTS 与系统浏览器配置一起修了，目前还没合入。

有意思的是它自曝的返工日志

仓库里最有价值的文件可能是 reference/lessons.md（199 行）。作者用这个 skill 拍了至少 4 部片，每踩一个坑就写一条根因，其中几条是自曝：

  • 样片自己不合格。 第 4 部片加入「持续动作」规则后，回头量化样片：4/6 镜头静止帧占 42%–72%、最长静止 2.8 秒，全部超过新规则。作者原话是「样片也有同样的毛病，所以『对标样片』筛不出它。」
  • 检测分级会骗人。 组级低分辨率检测 48/48 全部通过，成片复测却有 11 个镜头超限（3 个真静止、8 个只有小面积动作）。于是流程里写死了：成片复测才算判据。
  • 一个静默降级的 bug 藏了很久。 edge-tts 从 7.2.0 起默认不再返回词级边界，脚本拿不到词边界就退化成「按字数插值」估字幕位置。作者实测最大偏差 15 帧 —— 整块字幕晚半秒，并承认「这个洞在所有 edge 引擎的成片里一直存在」。

一个项目敢把自家样片的实测短板写进仓库，比任何宣传语都有说服力。

谁适合，谁别碰

先划清路线：这类需求和 OpenMontage 那种「121 个工具调云 API 出片」不是一条路 —— 后者靠生成模型要素材，它一帧都不用生成模型，全部代码绘制，所以任何一帧都能改、每个数字都能追到来源。另一条路是 Manim / Remotion 手写，它比手写多的正是那套流程和判据。

适合：做技术科普、课程、产品原理动画的个人或小团队，愿意花约 2 小时等一条 4 分半的片，并且看重「画面上每个数字都能溯源」。中文是一等公民，文档中文优先，还有独立的英文片配置。

不适合：想一句话出片的人 —— 它会在写文案前、配音前、定稿前、前 30 秒样片这四个节点停下来等你确认；要竖屏的人（模板与安全区全部按 1280×720 横屏）；以及任何商业用途。

商业许可这条不是假设。项目用的是 PolyForm 非商业许可，商用需要作者单独授权，而仓库第 5 号 issue 就是一位教育自媒体在问商业授权怎么办理、是否支持多个账号、能不能改模板做竖屏 —— 截至今天，作者没有回复。

结论

三天 954 星、172 个 fork，说明「把内容变成讲得清楚的视频」这个需求是真实的。但它的价值不在自动化，而在它把一件靠审美的活儿拆成了可验收的工程步骤 —— 从 把审美纪律编译进 agent 到 把方法论写成 skill，这条路数上的极端版本就是它。多数 AI 视频工具还停在「能不能生成」，它已经在回答「能不能验收」。

值得放进观察清单。但真正上手前，先把 zsh / sed 和默认 TTS 这两个动手就遇到的坑解决掉。

关注 AI商业快讯，每天一篇 AI 热点深度解读。

UI UX Pro Max 深度评测：12.7 万 Star 的设计 skill，192 套配色全过 WCAG，中文关键词却 0 命中

作者
UI UX Pro Max 深度评测：12.7 万 Star 的设计 skill，192 套配色全过 WCAG，中文关键词却 0 命中

用过 Claude Code 写页面的人都见过同一种丑：紫粉渐变、千篇一律的圆角卡片、emoji 当图标。这不能全怪模型——设计规则散在几百篇博客、几十份设计规范里，它不知道该照哪一套下手。

有个开源 skill 干脆把这件事做成了数据库：192 个行业的配色与设计推理、79 种可检索的 UI 风格、119 条 UX 准则，全部固化成本地 CSV，再配一个纯 Python 的检索引擎。项目名叫 UI UX Pro Max，12.7 万 Star，MIT 协议。

我在沙盒里把它整个拆开跑了一遍：30 次设计系统生成、160 个自带测试、全量 192 套配色的对比度验算，以及 10 个中文关键词的命中测试。结论比”又一个热门 skill”复杂一些。

它是什么：把设计规则做成可检索的数据库

一句话定位：给 AI 编码助手（Claude Code、Cursor、Codex、Copilot、Windsurf 等 19 个客户端）装一个本地设计智库。你正常提需求”给我做个 SaaS 落地页”，它自动触发，先查库生成整套设计系统，再写代码。

架构上是三层：

  • SKILL.md（约 16KB）：Agent 读的行为契约，规定 10 个优先级类别、什么情况必须查库、什么情况必须跳过；
  • CSV 数据层：14 个数据文件，行业、风格、配色、字体、图表、动效、UX 准则、22 个技术栈的规则；
  • search.py 引擎：4,031 行 Python，只用标准库，不装依赖、不发网络请求，用 BM25 排序 + 条件规则做推荐。

跑一条命令就能看到它的核心产物——search.py "beauty spa" --design-system 会输出八段结构：页面模式（Section 顺序 + CTA 位置）、风格（含性能成本与无障碍风险标注）、完整十六进制配色（含 CSS 变量名）、字体搭配（含 Google Fonts 导入链接）、关键动效、明确的反模式清单、以及交付前自检表。

我逐文件数了一遍行数，和官方口径对照：

数据 官方口径 我实测
行业配色 / 设计推理 192 / 192 192 行 / 192 行
UI 风格 79 可检索（50 活跃） 88 行（50 活跃 + 29 补充 + 9 弃用）
字体搭配 / UX 准则 74 / 119 74 行 / 119 行
技术栈 / 栈内规则 22 / — 22 个文件 / 1,260 行
图表 / 落地页模式 / 图标 25 / 34 / 105 25 / 34 / 105

没有注水。这点值得说一句：同类项目里，”宣称 100+ 工具、实际能跑的只有三成”是常态，这里每一个数字都对得上。

实测：数据是真功夫，工程链路是另一回事

一、470 毫秒，且逐字节可复现

我连续生成 30 次设计系统，总耗时 14.1 秒，平均 470 毫秒一次，全部在离线沙盒里完成。同一参数跑两遍，输出文件逐字节一致——因为它是确定性检索，不是让模型自由发挥。对流水线来说是好事：同样的需求，今天和明天给出的配色不会漂移。

二、自带测试全过

这是我最看重的一项。我直接跑仓库自带的测试套件：

160 passed, 7936 subtests passed in 30.47s

另外 validate_data.py 校验 12 个领域文件 + 22 个技术栈文件 + 推理表，全部 OK。一个”数据即产品”的项目，能把数据校验和测试做到这个程度，是它 12.7 万 Star 里最扎实的那部分。

三、61% 的文件永远不会被打开

我把 SKILL.md 和 README 里文档化的 18 条命令全跑一遍，并用一个 open() 钩子记录脚本读过的每个文件：

  • 技能安装目录共 73 个文件 / 3.41 MB；
  • 全部文档化命令加起来只打开 17 个文件（1.34 MB，39% 的字节）；
  • 剩下 56 个文件、2.07 MB，脚本从不打开——其中 31 个是测试脚本和它们的夹具，会被一起装到用户磁盘上（npm 包里的 assets/scripts/tests 是 23 个文件、307 KB）。

这不是我一家之言。9 月 3 日有位开发者提交了一份 200 次运行的审计（issue #484），测得 82% 的文件从不被触及，还顺带发现 --design-system 会静默忽略 --stack 参数。维护者 9 月 6 日合并了修复，只修了第一条：我在当前主分支上实测，现在会打印一行 note: --stack nextjs is ignored in --design-system mode。

但这里有个更现实的坑，见下一条。

四、中文关键词，一个都查不到

数据层全是英文关键词。我拿 10 个中文词直接查，结果是这样的：

查询词 命中 英文对照 命中
玻璃拟态 / 深色模式 0 glassmorphism / dark mode 1 / 1
落地页 / 仪表盘 0 landing page / dashboard 1 / 2
金融科技 / 电商 0 fintech / e-commerce 0 / 1
美容院 / 医疗 0 beauty spa / healthcare 1 / 1

中文查询返回的不是”空值”，而是明确的 count: 0——引擎会提示”这不是匹配到了空字段，是查询没命中数据库”。更实际的影响在设计系统模式："美容院 落地页" 落到通用兜底（Minimalism & Swiss Style + 蓝色 #2563EB），而 "beauty spa" 给出的是 Soft UI Evolution + 粉色调 #EC4899。

但这不等于中文用户用不了。 真实链路里是 Agent 读英文的 SKILL.md，它自己会把你的中文需求翻成英文关键词再去查——中文圈已经有大量教程和实测（知乎、腾讯云社区、CSDN、B 站，还有一个 1.4k Star 的第三方中文教程站）。真正会踩坑的是”手敲中文命令当 CLI 用”的人。

五、192 套配色，全部通过 WCAG

我把 192 套配色的所有关键配对算了对比度（正文前景/背景、按钮主色/按钮文字、强调色/文字），违规 0 套——全部达到 4.5:1。这解释了它为什么敢把”对比度 4.5:1″写成第一条铁律。

顺带一个有意思的数字：192 套里 32 套（17%）主色落在紫粉色相区间，主要集中在 AI 产品、创意机构、美妆、游戏这些品类。而它的推理表里有 14 个行业明确把”AI 紫粉渐变”写进反模式清单——我逐一核对，这 14 个行业自己的推荐配色都不是紫粉。规则和它自己给的结果，内部是自洽的。

六、版本链路：npm 上停着一个月前的代码

它的 CLI 走 npm，这里有两处实打实的问题。

第一，主包一个月没发新版。 ui-ux-pro-max-cli 最新版 2.15.0 发布于 8 月 13 日，而仓库主分支已经走到 9 月 10 日。仓库里有两个未关闭的 issue（#451、#457）说明原因：8 月 18 日起发布流水线因 NPM_TOKEN 被拒而失败，”自 2.15.0 之后什么都没发出去”。我把 npm 包下载下来实测：npm 版至今仍在静默忽略 --stack，主分支已修的那个提示，装 npm 包的用户拿不到。上周仍有 12,882 次下载。

第二，有个 1 月的旧包还挂在 npm 上。 老包名 uipro-cli 停留在 2.2.3（2026 年 1 月 29 日），每周仍有 4,162 次下载；装它的人会遇到 --global 报错的 bug（issue #215，3 月 29 日开的，21 条评论至今未关）。README 里明写”旧包已废弃，不要用”，但 npm 上并没有把这条路堵死。

还有个小的：官网 uupm.cc 至今写着 57 种风格 / 95 套配色 / 8 个技术栈——数据已经涨到 79 / 192 / 22 了。开源核心之外它还有付费版（品牌、Logo、CIS、演示文稿设计），但官网没有公开价格页。

它和同类比，适合谁

市面上”治 AI 味”的设计 skill 大致两条路线：

  • 提示词/规则路线：taste-skill（84k Star）和 hallmark（28k Star，Anti-AI-slop）走的是这条路——把审美纪律写成规则塞进 Agent。轻、灵活，但覆盖面和一致性取决于模型当场发挥。
  • 数据工程路线：UI UX Pro Max 是这条路——先查库、再生成，配色/字体/对比度有确定答案。

适合：独立开发者、后端转前端、MVP 阶段要快速做出”不像 AI 生成”的界面的人；以及需要一套可复用的设计 token（它能 --persist 把设计系统落成 MASTER.md + 页面覆盖文件，下次直接读文件）。

不适合：已有成熟设计系统的团队（它的建议会和你的品牌规范打架）；只做后端/DevOps 的人（技能自己也会跳过）；以及期待”它直接替代设计师”的人——它解决的是”下限太低”的问题，不是”上限”。

结论

值得一试，而且是我近期读过的 Agent Skill 里工程底子最厚的一个：数据不注水、测试全过、配色真的过 WCAG、离线可复现。它的短板不在能力，在”发货”——npm 包落后一个月、旧包名还在分流、包体里塞着用户永远用不到的测试脚本，以及一套只认英文的关键词库。

装的时候认准新包名：npm install -g ui-ux-pro-max-cli && uipro init --ai claude。看到 uipro-cli 请绕开，那是 1 月的版本。

如果你也在用 Agent 写前端，可以顺便看看我们评测过的 Pi Agent（10.4 万 Star，默认只给模型 4 个工具）和 ECC（25.5 万 Star 的 Agent 工程纪律系统），都是同一类问题的不同解法。

关注 AI商业快讯，每天一篇 AI 热点深度解读。

Pi Agent 实测：10.4 万 Star 的极简编码 Agent，默认只给模型 4 个工具

作者
Pi Agent 实测：10.4 万 Star 的极简编码 Agent，默认只给模型 4 个工具

用过终端 AI 编码 Agent 的人，大多撞过同一堵墙：功能越加越多，工具列表越拉越长，系统提示词动辄几千 token，模型反而开始选错工具、忘掉目标。Pi Agent 反着做——默认只给模型 4 个工具，系统提示词压到 2.6KB 左右，一年发了 259 个版本，拿到 10.4 万 Star、每周 152 万次 npm 下载。官方文档还明说它「不要」MCP、不要子代理、不要计划模式。这些「不要」到底是省钱的真本事，还是把活甩给社区？我在安卓手机的沙盒里把它装了一遍，跑通了它的 agent 循环，并把每次发给模型的请求原样抓了下来。

一、Pi 是什么：一个「什么都不自带」的编码 Agent

Pi（仓库 earendil-works/pi，命令 pi）是终端里的编码 Agent，也就是常说的 harness。作者 Mario Zechner 是游戏引擎 libGDX 的作者，网名 badlogic。MIT 协议，2025 年 8 月建仓，到发稿时 103,904 Star、12,997 fork、323 订阅者；npm 包 @earendil-works/pi-coding-agent 上周下载 1,526,012 次（9 月 3 日至 9 日，npm 官方统计接口）。

这不是小玩具。主仓库是 11 个包组成的 monorepo，TypeScript 代码合计 318,385 行，其中测试文件 544 个、测试代码 139,487 行；release 累计 259 个，最新版 v0.85.1（9 月 5 日）；贡献者里 badlogic 本人 3,701 次提交，第二名 mitsuhiko（Armin Ronacher，Flask/Jinja 作者）668 次。11 个包分别是 coding-agent（CLI 本体）、agent（agent 运行时）、ai（多厂商 LLM API）、tui、protocol、client、server、session-backends、telemetry、chord、evals。

它的官方定位是「minimal agent harness」：让 Pi 适应你的工作流，而不是反过来。落到代码上就是六个明确的「没有」——没有 MCP（官方的理由是「写个带 README 的 CLI 工具就够了」，并专门写了篇博文解释）、没有子代理（要就 tmux 起多个实例）、没有权限弹窗（要更强边界请自己进容器）、没有 plan mode、没有内置待办清单、没有后台 bash。核心保持空，能力全靠四类资源外挂：TypeScript 扩展、SKILL.md 技能包、提示词模板、主题，打包成 Pi Package 用 npm 或 git 分发。运行方式有四种：交互式 TUI、print/JSON（可脚本化，也能被管道喂输入）、RPC（进程集成）、SDK（嵌进自己的应用）。

这和站内此前评测的 ECC（Everything Claude Code） 恰好是两个方向：ECC 把工程纪律整套塞进 Agent，Pi 把核心清空、把选择权交回给使用者。

二、实测：手机 + 零 API key，把它的 Agent 循环抓出来看

测试环境是一台安卓手机里的 Alpine aarch64 沙盒（PRoot，没有任何 GPU 和模型），Node v22.23.2——Pi 要求 Node ≥ 22.19.0，刚好过线。

安装本身没有意外：npm install -g @earendil-works/pi-coding-agent 拉进 132 个依赖包耗时 25 秒，落地体积 154.7MB，pi --version 输出 0.85.1。官方还专门写了 Termux（安卓终端）安装文档，手机跑 Pi 是被支持的场景。

真正要看的是它发给模型什么。我没有 API key，也不想编造数字，于是写了一个假的 OpenAI 兼容服务（本地 HTTP + SSE 流式响应），再用一个十几行的 Pi 扩展注册成自定义 provider，让 pi 把请求打到本地。这样每一次请求的完整 payload——系统提示词、工具定义、消息历史——都会被原样落盘，可以逐字节量。

抓包项 默认配置 显式开启全部内置工具
发给模型的工具数 4 个（read / bash / edit / write） 7 个（+ grep / find / ls）
工具定义 JSON 长度 3,024 字符 5,302 字符
系统提示词长度 2,571 字符 2,673 字符

三个可以复现的结论：

第一，默认真的只有 4 个工具。官方文档写「By default, pi gives the model four tools」，抓包证实：read（读文件）、bash（执行命令）、edit（精确替换改文件）、write（写文件）。grep、find、ls 存在但要靠 --tools 显式打开，一打开工具定义就从 3,024 涨到 5,302 字符，接近翻倍。社区里 Pi 被称作「只用 4 个工具的 Agent」，说的就是这个默认值，不是营销话术。

第二，系统提示词确实小。2,571 字符（英文，约合六七百 token），官方站点的说法是「very token efficient due to its minimal system prompt」，第三方横评也写它「系统提示词不到 1000 token」——实测对得上。这个数字的意义在于：工具定义加系统提示词合计不到 6KB，每一轮对话都要重发一遍，长会话里省下来的就是真金白银。

第三，agent 循环是真的能跑完。假模型按脚本返回工具调用，pi 依次执行了：读文件 → 用 bash 写文件并 cat 回来 → 用 write 落一个新文件，共 4 次 LLM 往返，最后以自然语言收尾。沙盒里真实出现了 out.txt 和 summary.md。零密钥、零真实模型，但工具调度、结果回填、多轮循环、会话持久化这条链路全部走通。

顺手还测了两件事。一是技能兼容：把一份带 frontmatter 的 SKILL.md 丢进项目的 .pi/skills/，pi 把它注入系统提示词的 区块（系统提示词从 2,571 涨到 3,172 字符），只给模型「名字 + 描述 + 文件路径」，让它需要时再用 read 去读全文——惰性加载，不是全文塞进上下文。也就是说，为别的 Agent 写的技能包，Pi 能直接复用。二是会话与导出：会话存成 JSONL（格式版本 3），每一条带 id 和 parentId，天然支持从任意历史消息分支重开；--export 能把整个会话导出成 273KB 的单文件 HTML 分享出去。

两个坑，也如实记下：

  • 走管道运行时，Pi 默认会读 stdin 并把它合并进 prompt。我的第一次调用没关闭 stdin，进程就一直等着，看起来像卡死；加 < /dev/null 才正常。
  • 项目级安装的包，在项目被标记为「信任」之前对 CLI 不可见：pi install npm:pi-web-access -l 明明装好了 134 个依赖，pi list 却显示「No packages installed」，加 --approve 才列出来。设计上是安全考虑，但第一次遇到很容易以为装失败了。

三、横向对比：一个 fork 拿到 3 万 Star，也提供了反面数据

Pi 的极简是有代价的，代价就是别人替你补。最典型的例子是 can1357/oh-my-pi（命令 omp）：安全研究员 Can Bölük 在 2025 年 12 月 31 日直接 fork 了 Pi，塞进 LSP 客户端、调试器、浏览器、Python 内核、子代理，约 8 万行 Rust，命名致敬 Oh My Zsh。今天它有 30,562 Star——相当于 Pi 星数的三成，是判断「极简派 vs 全家桶派」谁更受欢迎的一个参考。

有意思的是，同一个模型下 Pi 反而更快更省。工具平台 Composio 在 9 月 1 日发布过一组同模型（deepseek-v4-flash）30 个真实任务的对比：

指标 Pi oh-my-pi（OMP）
任务通过 20 / 30 17 / 30
每次成功成本 $0.028 $0.103
单任务中位耗时 132.2 秒 272.4 秒
平均 token 消耗 558,885 742,283

数据要打折看：这是第三方单一模型、单一题集的测试，不能当成通用结论。但方向和 Pi 的设计逻辑一致——工具越多、提示词越长，便宜模型被拖慢、被绕晕的概率越高。Composio 的结论是 Pi 在「便宜模型的编辑可靠性」上输给 OMP 的 hash 锚定编辑（OMP 自称把某模型的一次通过率从 6.7% 拉到 68.3%），这也是极简派最实在的软肋：没有花招兜底，全靠模型自己稳。

另外，社区的选择本身就构成反讽：Pi 官方说「不需要 MCP」，而 pi.dev/packages 上安装量最大的扩展恰好是 pi-mcp-adapter（约 86.6 万次/月），第二是子代理扩展 pi-subagents（约 41.2 万次/月）。官方留白 + 社区填空，这条路走得通，但「Pi 什么都不带」的代价最终是使用者自己装回来。

模型接入这块对国内读者更实用：除了常规 API key，Pi 支持订阅登录——ChatGPT Plus/Pro（Codex，OpenAI 官方为开源项目背书）、Claude Pro/Max、GitHub Copilot、xAI、OpenRouter。要提醒一句：官方文档明确写了，用 Claude Pro/Max 登录第三方 harness，消耗走的是 extra usage 按 token 计费，不占用你的订阅额度——别以为登录了就能白嫖月费。国内厂商则以 token plan / coding 套餐形式支持：Kimi for Coding、Qwen Token Plan（含中国版、个人版）、小米 MiMo Token Plan（中国/阿姆斯特丹/新加坡三区）、MiniMax 中国站、智谱 zai-coding-cn。

四、259 个 release 背后：一套很硬的治理规则

Pi 的发布节奏和治理方式是它最容易被忽略、但对团队选型很关键的一面。

259 个 release、45 个 npm 版本、最新版本 9 月 5 日发布，同时 issue 关闭 5,855 个、开放 138 个，PR 累计 3,124 个——高频迭代但积压不严重。更能说明问题的是贡献规则：新贡献者的 issue 和 PR 默认自动关闭，维护者每天人工捞回值得处理的，用回复里的 lgtmi（此后你的 issue 不再自动关）或 lgtm（issue 和 PR 都放行）作为通行证；周五到周日提交的内容不保证被审阅。官方贡献指南里写着一条「唯一规则」：你必须理解你自己的代码——用 AI 写代码没问题，提交自己看不懂的 AI 垃圾不行。

供应链上它的洁癖也很少见：直接外部依赖钉死精确版本、.npmrc 设置 min-release-age=2（不使用当天刚发布的依赖）、package-lock 是唯一真源、发布包内附 npm-shrinkwrap 锁传递依赖、CI 用 npm ci --ignore-scripts 且定时跑 npm audit signatures，新增带生命周期脚本的依赖会直接让检查失败。

代价同样清楚，而且是官方自己写在文档里的：

  • 没有内置权限系统。README 原话是「Pi 不包含限制文件系统、进程、网络或凭证访问的权限系统」，默认以启动者的权限运行。要隔离请自行容器化（它给了三种方案：微虚拟机扩展、Docker、策略沙盒）。
  • 扩展和技能等于完全系统权限。官方在包管理文档里直说：扩展执行任意代码，技能可以指示模型做任何事，安装第三方包前请先读源码。
  • 提示词注入无法防护。SECURITY.md 承认 AGENTS.md 或代码注释里的指令可以轻易操纵 Agent，本地用户账号与 Pi 进程被视为同一个信任边界，报告这类问题不算漏洞。
  • 会话数据可以公开。项目鼓励把开源工作的会话用 pi-share-hf 发到 Hugging Face 供改进模型，作者自己也在公开数据集里发布自己的工作会话。这是自愿行为，但团队用之前最好先明确策略。

五、结论：值得放进你的 Agent 工具箱

我的判断是：Pi 不是给「想一键变强」的人准备的，而是给愿意把 Agent 当基础设施来改的人准备的。10.4 万 Star、152 万周下载、259 个 release、六成代码是测试——这套组合说明它已经跑过了「个人玩具」阶段，进入「有人拿它当底座」的阶段。

适合谁：① 想把 Agent 接进自己流程（CI、脚本、自家产品）的人，print/JSON/RPC/SDK 四种模式足够；② 预算敏感、用便宜模型的人，4 个工具 + 2.6KB 系统提示词对低成本模型更友好；③ 已经有一堆 SKILL.md 技能包的人，实测可直接复用。

不适合谁：① 想要开箱即用的调试器、LSP、子代理的人，直接看 oh-my-pi 或 OmO 这类组队方案；② 需要权限弹窗、审计、隔离的人，得先自己搭容器；③ 完全不想读文档的人——Pi 的「没有」清单，每一条都要你自己补。

中文资料已经不缺入门介绍了（知乎有长文、runoob 有教程，甚至有人写了本 Pi 架构书），所以本文更想留的是三件能复现的事：默认确实只发 4 个工具、系统提示词真的只有 2.6KB、SKILL.md 技能包真的能跨 harness 复用。至于「极简还是全家桶」，站内此前评测的 mattpocock/skills 和 OpenMontage 的工具注册表实测 已经给过两种答案，Pi 提供了第三种：把核心清空，让使用者自己决定装什么。

OpenMontage 实测：57k Star 的开源视频 Agent，121 个工具零密钥能跑几个？

作者
OpenMontage 实测：57k Star 的开源视频 Agent，121 个工具零密钥能跑几个？

用 AI 做过视频的人都熟这套流程：脚本问 ChatGPT、图给 Midjourney、配音上 ElevenLabs、最后回剪映里一帧帧对时间轴。四个工具、四轮复制粘贴、一次成片半天就没了。

OpenMontage 想干的就是把这一串收进一句话：你在 Claude Code 或 Cursor 里说「做个 60 秒的神经网络讲解视频」，剩下的交给 Agent。

这个项目 3 月底建仓，现在 5.7 万 Star，还挂上了 GitHub Trending 当日第一的徽章。我把它拉进手机里的 Linux 沙盒实测了一遍：一个 ffmpeg、零 API 密钥，121 个注册工具里究竟有几个能真正跑起来——结论比宣传语有意思。

它的核心设计：没有编排器的 Agent 流水线

大多数「AI 做视频」项目本质是一个带 UI 的调用链：Prompt 进、片段出。OpenMontage 反过来——它没有代码编排器，你的 AI 编程助手本身就是编排器。

仓库里被拆成四层，职责很清晰：

  • tools/ —— 121 个 Python 工具，是 Agent 的「手」（生成、配音、剪辑、分析）
  • pipeline_defs/ —— YAML 管线清单，是「剧本」（哪些阶段、用什么工具、什么验收标准）
  • skills/ —— 157 个 Markdown 技能文件，是「怎么做」（每个阶段的导演手册、创作技巧、评审标准）
  • .agents/skills/ —— 90 个技术知识包，是「底层原理」（各家模型 API 怎么用）

每次生产都走同一条流水线：研究 → 提案 → 脚本 → 分镜 → 素材 → 剪辑 → 合成 →（发布）。每个阶段都配一份「导演技能」文件，Agent 读完再动手，做完自查，再停下来等你点头。

比较少见的是它的闸门设计：提案、脚本、分镜、素材生成、发布五个节点默认强制人工确认，官方写明「checkpoint 写入器会拒绝一个没有审批记录的阶段」。素材生成前还会弹一张分镜接触表，把每个镜头的取景、Prompt、预估花费、质量分列出来——钱花在哪儿，先看再批。

配套还有个本地看板 Backlot，管线跑到哪一步、花了多少、哪个 provider 被选中，实时显示在一块板子上，跑完还能按时间戳回放整个生产过程。

内置 12 条管线，覆盖的场景比想象中宽：动画讲解（Animated Explainer）、纯动效（Animation）、数字人播报（Avatar Spokesperson）、电影感预告（Cinematic）、长视频切条（Clip Factory）、纪录片式混剪（Documentary Montage）、实拍+AI 混合（Hybrid）、多语言配音（Localization & Dub）、播客转视频（Podcast Repurpose）、软件录屏（Screen Demo）、口播（Talking Head），以及用 SVG 骨骼做角色动画的 Character Animation。

实测：官方说 100+ 工具，到底几个能跑

实测环境：手机内的 Alpine Linux 沙盒（aarch64，PRoot），Python 3.12，没有配置任何 API 密钥。所有数字来自 sudo 无关的两条命令——工具的注册表发现接口和仓库自带测试套件。

先把官方宣传和实测数字摆一起：

官方说法 实测结果
100+ 生产工具 注册表实际发现 121 个工具
60+ provider 集成 代码里实际 66 个 provider 标识
700+ 技能与知识文件 skills/ 157 个 + .agents/skills/ 577 个 = 734 个
12 条生产管线 pipeline_defs/ 下 13 个 YAML（多出的是冒烟测试管线）
零密钥可做真视频 装完 ffmpeg 后 121 个工具只有 36 个可用

数字对得上，宣传没注水。但最后一行值得展开——因为这决定了你上手第一天的体验。

密钥不是门槛，运行时才是。 装上 ffmpeg 之前，注册表报告 121 个工具全部不可用。装完 ffmpeg（一条 apk add ffmpeg），状态变成：36 个可用、84 个不可用、1 个降级。

拆开看结构更清楚：43 个纯本地工具里 32 个立刻转正，剩下的靠缺失的运行时卡住——Piper 语音要装 piper 二进制、转写要 faster_whisper、语义检索素材要 PyTorch 模型、本地视频生成要 GPU。而 55 个云端 API 工具，零密钥时可用数为 1。

最扎眼的一格是视频生成：27 个视频生成工具，零密钥时可用数量为 0。官方的「零密钥也能出片」指的是另一条路——用 Piper 配音 + 免费素材库/档案馆的现成画面 + Remotion/FFmpeg 做动画合成。这是一条真实存在的路，但它是「拿现成素材剪出视频」，不是「凭空生成画面」。

我挑了几个 ffmpeg 系工具做了实际的端到端调用：

工具 实测任务 结果
auto_reframe 1280×720 横屏转竖屏 4.4 秒输出 1080×1920，帧数一致
frame_sampler 均匀抽 4 帧 1.2 秒，4 张 JPG
video_trimmer 裁 1–3 秒片段 0.3 秒
silence_cutter 静音段处理 0.5 秒
audio_probe 音频流探测 0.3 秒

手机沙盒里跑竖屏重构，4.4 秒——这类活它干得干净。

然后是翻车点，这两个才是真正该看的。

第一个是硬编码的 Windows 字体。showcase_card（给视频加标题卡）的默认字体写死成 segoeuib.ttf——Segoe UI Bold，Windows 专有。在 Linux/macOS 上 ffmpeg 直接退出码 254，报错信息只有一行 FFmpeg failed。有意思的是它的参数说明写着「Uses system font lookup」（使用系统字体查找），但源码里根本没有查找逻辑，三处字体位置全是 segoeui*.ttf 字面量。我显式传入 title_font=/usr/share/fonts/dejavu/DejaVuSerifCondensed-BoldItalic.ttf 后，4.0 秒正常出片。

第二个更值得警惕：注册表的状态字段会撒谎。仓库里一个 9 月 6 日新开的 issue（#637）由踩坑者提出：diagram_gen 在没装 mermaid-cli 的情况下依然报告 AVAILABLE，然后把 mermaid 源码原样渲染成一张文字卡片，还返回 success: True。提问者写道：「一个信任注册表状态和 success 标志的 Agent，会把代码图片当成图表交付出去。」根因是源码里用 or 判定可用性——只要装了 Pillow 就报可用。

我在自己的沙盒里撞上了同一类问题：face_tracker 的工具契约声明依赖只有 cmd:ffmpeg，实际 get_status 检查的却是 mediapipe + opencv。照着契约装 ffmpeg 永远也变不成可用。

最后是仓库自己的测试套件。我没有挑测试，直接跑 pytest tests/contracts tests/tools：1730 项通过、18 项失败、7 项跳过，耗时 32 分钟。18 个失败全部集中在 Google 系后端（Vertex、Imagen、Lyria），原因是我沙盒里没装 google-genai 包——属于环境缺依赖，不是代码缺陷。一个视频项目把契约测试做到 1700+ 项，说明工程纪律是真的。

谁该用、谁等等：三条现实约束

第一条是许可证。OpenMontage 用的是 AGPL-3.0，不是 MIT。你自己用、内部用都没问题，但如果你打算把它集成进一个对外提供服务的 SaaS 产品，AGPL 的传染性会咬人——这一点官方在 README 里没有专门提示，选型时必须自己过一遍。

第二条是单人项目的风险。仓库 52 位贡献者，作者 calesthio 一个人贡献了 311 次提交，其余贡献者都在 30 次以下；当前 317 个 issue 挂在那里（历史总量 152 个已关闭）。项目背后有一个官网和云服务「OpenMontage Studio」的等候名单，也就是说这是「开源核心 + 云产品」的商业结构，长期维护有动力，但节奏完全取决于一个人和一家新公司。

第三条是要选对参照物。同类的视频自动化项目里：MoneyPrinterTurbo 12.2 万 Star、MIT 许可、昨天还在提交，胜在简单直接但只覆盖「素材拼接 + 配音字幕」这一条链路；Open-Sora 2.97 万 Star、Apache-2.0，做的是模型本身不是生产管线；ShortGPT 已经一年多没提交，可以划掉了；Remotion 5.9 万 Star，是 OpenMontage 底层实际使用的合成引擎，属于互补而非竞争。

顺带提醒一句：官方在 9 月 4 日专门开了 issue 声明有假冒的「OpenMontage-app」安装包仓库在传播，这个项目本身不发布任何安装程序。搜索时别装错了。

如果你已经有 Claude Code / Cursor 的订阅，想批量化生产讲解类视频又不想按月付视频生成 API 的钱，它值得放进工具箱第一格——装好 ffmpeg 和 Node，第一天就能跑通素材类管线。如果你期待的是「打开网页、输入主题、十分钟出片」，或者你要把它塞进商业 SaaS，那先放观察清单，等云版本和许可证策略明朗再说。

一句实话：这次实测我没有注册账号、没有购买任何 API 密钥，官方云产品的报价（官网演示账单约 $2.09 一条 60 秒视频）来自官方页面而非我的账单；沙盒环境是 Alpine Linux，与官方推荐的 Ubuntu/macOS 有差异，少数工具的表现可能受环境限制。上面每一个数字都可以复现——仓库是公开的。

关注 AI商业快讯，每天一篇 AI 热点深度解读。

相关阅读：