1. MiniMax H3 —— 15 秒 2K 带原生双声道，国产视频模型首次开权重

🔗 https://www.minimax.io/blog/minimax-h3 ｜ 7 月 31 日发布 ｜ Product Hunt 350 👍

全模态生成视频+音频即将开源0.8 元/秒

一句话定义：统一理解文本 / 图像 / 视频 / 音频四种上下文的通用生成模型，最高输出 15 秒 2K（2560×1440）24 FPS 视频，人声、音效、音乐联合生成，音频默认原生双声道。

适用场景：园艺账号的短视频物料。以前你要「先剪画面、再配音乐、再对口型」，H3 能一次给出带声音的成片。它最强的地方不是画质，而是用一句自然语言描述多素材之间的关系——例如「参考视频 1 的希区柯克式镜头运动，让图 2 里的人物唱歌，歌声用音频 3」，模型自己完成跨模态拆解。值得注意的是，H3 在 Artificial Analysis 榜单的视频编辑能力项排名全球第一，文生视频有声榜 Elo 1242 排第二（第一是 Gemini Omni Flash 1245，只差 3 分）。

落地步骤：

# 1) 先在海螺 AI / MiniMax 开放平台跑通单条
#    默认 2K 输出 0.8 元/秒，约为同级旗舰模型的 1/3；768P 档不到主流 720P 的 1/2

# 2) 批量调用（官方称「未来几天内」开放权重，届时可本地部署）
export MINIMAX_API_KEY="你的key"
curl -X POST https://api.minimax.io/v1/video_generation \
  -H "Authorization: Bearer $MINIMAX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"H3","resolution":"2K","duration":10,
       "prompt":"清晨花园，露水沿绣球花瓣滑落，镜头缓慢推近，背景鸟鸣与风声"}'

# 3) 接进周更流水线：把选题表里的 prompt 列批量喂进去
#    15 秒成片 × 0.8 元/秒 ≈ 12 元/条

2. CoreBunch/Instatic —— 开源版 Webflow / Framer / WordPress，输出纯静态页

🔗 https://github.com/CoreBunch/Instatic ｜ 7.2k ⭐（本周 +2,517）｜ GitHub Trending 周榜

自托管 CMS静态输出AgenticCRDT 实时协作

一句话定义：自托管的 agentic 可视化 CMS，带用户 / 角色 / 插件 / 内容 / 数据库全套后台，发布产物是干净的静态页面。

适用场景：同时维护博客和品牌站的人，最烦的是两个坑：「WordPress 慢 + 插件打架」和「Webflow 每月订阅、内容锁在别人服务器上」。Instatic 走第三条路——可视化编辑体验对齐 Framer，产出却是静态 HTML，可以直接扔 Cloudflare Pages 或对象存储。另外，它的实时协作基于 Yjs CRDT，多管理员同时改一个页面有实时光标、选区、头像堆叠和冲突检测，这在自托管 CMS 里很少见。插件系统区分沙箱 / 非沙箱，editor.code 被单列为危险权限。

落地步骤：

# 依赖 Bun 工具链
curl -fsSL https://bun.sh/install | bash

git clone https://github.com/CoreBunch/Instatic.git
cd Instatic
bun install
bun run dev          # 本地起 CMS，注意 Vite 与 CMS 端口的代理配置

# 生产构建 → 产出静态页
bun run build

# 部署（以 Cloudflare Pages 为例）
npx wrangler pages deploy ./dist --project-name my-site

3. Capptivo —— 免费开源的录屏 + 产品演示编辑器

🔗 https://www.producthunt.com/products/capptivo ｜ Product Hunt 8 月 2 日日榜（98 👍）｜ 开源

录屏Demo 编辑开源免费

一句话定义：免费开源的屏幕录制与演示视频编辑器，录完直接做自动缩放、高亮、光标动效等 demo 化处理。

适用场景：做 AI 工具教程、Skill 使用演示、自动化流水线复盘时，Screen Studio 那类工具一次性授权要 200 美元起。Capptivo 把「自动跟随光标缩放 + 平滑运镜 + 背景圆角」这几个最值钱的能力做成了开源免费版。与此同时，它对竖屏输出也友好，录一次可以裁两个比例，横版进长视频平台、竖版进小红书。

落地步骤：

# 方式一：官网 / GitHub Releases 下载安装包（macOS）
# 方式二：源码构建
git clone https://github.com/capptivo/capptivo.git
cd capptivo && npm install && npm run tauri:build

# 典型工作流
# 1) 录制 → 2) 打开自动光标缩放 → 3) 导出 16:9 与 9:16 两版
# 4) 9:16 版进小红书 / 视频号；16:9 版进 YouTube

4. DeepSeek-V4-Flash-0731 —— Flash 价位的前沿 Agent 智能

🔗 https://www.producthunt.com/products/deepseek ｜ 8 月 1 日 Product Hunt 日榜第 2（298 👍）

Agent 模型Responses APICodex CLI

一句话定义：V4-Flash 的正式版，agentic 能力大幅提升，官方称在关键基准上超过 V4-Pro（Preview），原生支持 Responses API 并完成 Codex CLI 适配。

适用场景：自动化流水线里有大量「不需要顶配智力、但调用量很大」的环节——扫 RSS、给素材打标签、把评论区归类、给六顶思考帽 Bot 的每一顶帽子生成初稿。因此这类任务用 Pro 档模型纯属浪费。Flash 档正式版补上 agentic 短板后，可以把这些环节整体降档。换句话说，同一条流水线把 70% 的调用切到 Flash，月度 token 账单通常能砍掉一半以上。

落地步骤：

# 1) Codex CLI 直接切换
export OPENAI_BASE_URL="https://api.deepseek.com/v1"
export OPENAI_API_KEY="你的deepseek key"
codex --model deepseek-v4-flash-0731

# 2) Python 侧（Responses API 原生支持）
pip install openai
python - <<'EOF'
from openai import OpenAI
c = OpenAI(base_url="https://api.deepseek.com/v1", api_key="你的key")
r = c.responses.create(model="deepseek-v4-flash-0731",
    input="把这 20 条评论按【求链接/夸图/问养护/负面】四类归档")
print(r.output_text)
EOF

5. ayghri/i-have-adhd —— 让编程 Agent 别把答案埋在废话里

🔗 https://github.com/ayghri/i-have-adhd ｜ 15.4k ⭐（本周 +5,232）｜ MIT

Agent SkillMIT跨客户端

一句话定义：一个 10 条规则的 Skill，强制编程 Agent 先给下一步动作、多步任务编号、删掉所有开场白与「Hope this helps!」式结尾。

适用场景：这是本周最「小而准」的一个。事实上它解决的是每天都在发生但没人当回事的问题：你问一个具体问题，Agent 回你 600 字，真正要执行的那行命令埋在第 4 段。作者把《The Adult ADHD Tool Kit》的思路改写成 LLM 回应规则，效果是回答直接以 Run npm install ...，then edit src/auth.ts:42 开头。更重要的是，它对主流客户端都做了适配：Claude Code、Codex、Cursor、Gemini CLI、GitHub Copilot、Antigravity。作者自己说：「无需 ADHD 诊断也能用。」

落地步骤：

# Claude Code
claude plugin marketplace add ayghri/i-have-adhd
claude plugin install i-have-adhd@i-have-adhd
# 会话内输入 /i-have-adhd 启用；想每次自动启用：
touch ~/.claude/.i-have-adhd-always

# Codex
codex plugin marketplace add ayghri/i-have-adhd --ref main
codex plugin add i-have-adhd@i-have-adhd
# 会话内输入 $i-have-adhd 显式应用

6. TencentCloud/TencentDB-Agent-Memory —— 团队级 Agent 记忆中枢

🔗 https://github.com/TencentCloud/TencentDB-Agent-Memory ｜ 10.5k ⭐（今日 +227）｜ MIT

Agent 记忆MIT自托管四类资产

一句话定义：把对话、文档、代码转成四种可复用的记忆资产（Chat Memory / Skill / LLM-Wiki / Code-Graph），跨 Agent 与框架统一治理、共享、装备。

适用场景：上期我们推过 deja-vu（单人的编程 Agent 记忆层），这个是团队版。首先看它的分层蒸馏设计：L0 原始对话 → L1 原子事实 → L2 场景 → L3 人物画像，比「把历史对话塞进向量库」精细得多。其次，Skill 资产能从真实对话与工具调用里自动提取，带版本、资源文件、触发边界、执行步骤和校验规则，个人默认私有、审核后团队共享。另外 Code-Graph 索引代码符号、文件与调用关系，能做影响面分析。目前集成 OpenClaw、Hermes 与 SDK 三种方式。

落地步骤：

git clone https://github.com/Tencent/TencentDB-Agent-Memory.git
cd TencentDB-Agent-Memory/deploy/global-images
cp .env.example .env
$EDITOR .env      # 填两组 LLM 参数：memory group + proxy group
./start-all.sh    # 一键起 memory-core + memory-hub + proxy

# 控制面板：http://localhost:8125
# 脚本结束会打印可直接粘贴给 Claude 的接入指令
# 从 v1.x / v0.x 迁移：MemoryCore/scripts/migrate-v2-to-v3/

7. opengeos/GeoLibre —— 浏览器、桌面、Jupyter 都能跑的轻量 GIS

🔗 https://github.com/opengeos/GeoLibre ｜ 4.9k ⭐（本周 +2,951）｜ GitHub Trending 周榜

地理可视化云原生Jupyter格式转换

一句话定义：轻量云原生 GIS 平台，同一套内核跑在 Web 浏览器、桌面端、移动端和 Jupyter Notebook 里。

适用场景：做数据可视化项目时，地理维度一直很尴尬——QGIS 太重、Kepler.gl 太玩具、自己写 Mapbox 又要处理一堆瓦片。GeoLibre 的定位刚好卡在中间。值得注意的是它内置的格式转换很实用：Vector→GeoParquet、Raster→COG、CSV→GeoParquet、Vector→FlatGeobuf/PMTiles，部分转换走浏览器 WASM，不用装 GDAL。例如你手上有一份带经纬度的 CSV（花卉分布、门店位置、用户地域），可以直接转成 GeoParquet 后在 Notebook 里出图。此外还支持 OGC Vector Tiles、Esri 矢量瓦片服务、ArcGIS Pro 项目导入（.aprx / .mapx），以及 Socrata / CKAN / ArcGIS Hub 开放数据目录。

落地步骤：

# Python 包（zsh 下 extras 记得加引号）
pip install "geolibre[all]"

# Jupyter 中使用
jupyter lab
#   import geolibre
#   m = geolibre.Map()
#   m.add_data("flowers.csv", lat="latitude", lon="longitude")
#   m

# Docker（镜像内置 sidecar，转换能力开箱可用）
docker run -p 8080:8080 opengeos/geolibre

8. Poth Labs —— 把客户知识从「文档堆」变成「关系网络」

🔗 https://www.producthunt.com/products/poth-labs ｜ 7 月 31 日 Product Hunt（212 👍）

消费者洞察关系建模自适应调研

一句话定义：先给客户群建一个「活的关系模型」再回答问题；证据不足时自动发起自适应调研去补齐缺失数据。

适用场景：大多数「问答式知识库」的做法是检索几篇文档然后总结，问「为什么用户流失」只能给你三条零散引用。Poth 的差异在于先建模再回答——它把客户知识理解成关系网络而非文档集合，因此能跨源推理出单一文档答不了的问题。然而要注意，这类工具的价值高度依赖你喂进去的素材质量：评论、访谈、客服记录越完整，模型越准。它要求每条结论可追溯到证据，答不出来时不编，而是发调研去收。

落地步骤：

# 1) 导出素材：评论 + 私信 + 社群聊天记录
#    可用上期推荐的 MediaCrawler 批量导出评论区（注意平台规则与合规）
python main.py --platform xhs --type creator --creator_id <你的ID> --get_comment

# 2) 清洗成 CSV：user_id, content, note_id, date, like_count

# 3) 上传建模，然后直接问：
#    「哪类内容带来的收藏最多但转化最差？」
#    「提到『养不活』的用户，主要卡在哪个环节？」

Browser-BC（原 Journey Forge Local）：录一遍网页操作，自动蒸馏成 Skill

🗓 8 月 1 日发布实操教程

传统做浏览器自动化 Skill，靠的是把步骤写清楚交给 Agent，很容易被上下文干扰。Browser-BC 换了路子：浏览器行为克隆——先录制真人的网页操作轨迹，再由大模型从轨迹里提取操作逻辑，自动蒸馏成可直接在 WorkBuddy 调用的 Skill。

流程是：部署 Browser-BC 并启动服务 → 接入 DeepSeek / GLM 等大模型 API → 工具自动生成 Chrome 扩展 → 浏览器开发者模式加载插件 → 开启录制并手动完成一遍操作 → 上传轨迹 → 蒸馏出 Skill。教程里的示例是 B 站自动点赞，但这套方法对「批量收藏 / 数据看板每日截图 / 后台报表导出」这类重复网页操作同样适用。综上所述，它把「写 Skill」变成了「演示一遍 Skill」，对不写代码但要跑自动化的运营岗友好度提升明显。

💡 品类赛道应用提示：高端美妆营销

结合本期推荐的工具，以下方向值得高端美妆 / 奢华护肤品牌的营销团队关注。这一板块面向美妆营销从业者，只讨论品类赛道层面的通用打法。

1. 内容输出：AIGC 物料 + 多平台内容日历

高端美妆的内容困境不是「产不出」，而是「产得起但审不动」——一支 15 秒的质感短片，传统外包周期两周、单条报价 3–8 万元，一个季度做不了几条。MiniMax H3 改变的是这条成本曲线：2K 分辨率 0.8 元/秒，15 秒成片约 12 元，而且它在文字与品牌信息呈现上专门做过优化——这对必须准确渲染品牌标识、产品名、成分名称的美妆物料是硬指标（多数视频模型在这一项上会糊字）。

具体而言，一套可跑的内容流水线是这样的：

• 母版素材：产品实拍图 1 张 + 品牌调性参考视频 1 支 + 品牌音频 ID 1 段，作为 H3 的多模态上下文输入；
• 批量衍生：用 V2V 动作迁移把同一套运镜迁移到不同 SKU，一次 prompt 换产品图即可出新片；
• 多平台裁切：Capptivo 负责教程与使用演示类内容的录制和竖屏裁切，一次录制导出 16:9 与 9:16 两版，分别进长视频平台与小红书 / 抖音；
• 内容日历：把选题表的 prompt 列接进批量调用脚本，配合 DeepSeek-V4-Flash 做文案初稿与标题变体（同一支视频出 5 版标题做 A/B）。

换句话说，周更内容产能可以从「20 小时产 5 条」压到「6 小时产 15 条」，省下的主要是等外包和来回改稿的时间，而不是创意时间。需要提醒的是，高端品类对质感容错极低，AIGC 更适合做中腰部内容与素材变体（成分科普、使用演示、场景氛围、节点海报动效），主视觉与代言人内容仍建议实拍。把 AIGC 当作「填满内容日历的中间层」，而不是替代 TVC。

2. 社媒监听与竞品内容策略洞察

Poth Labs 的「先建关系模型、再回答问题」这一设计，用在美妆社媒监听上比传统舆情工具更对路。传统舆情给你词频和情感极性，回答不了「为什么这条爆了」。把竞品近半年的爆文评论区、KOC 笔记、客服记录导入建模后，可以直接追问：「客单价 800 以上的护肤品类，用户在评论区最常质疑的三件事是什么？」或「哪种内容形态收藏高但转化差？」

操作路径上，素材采集可以用公开的多平台爬虫工具批量导出评论与笔记元数据（务必遵守平台规则与合规要求），清洗成 CSV 后进模型。值得注意的是，Poth 在证据不足时会主动发起自适应调研补数据，这比「硬编一个结论」更适合要对营销预算负责的场景。产出物是一页纸的竞品内容套路拆解：话题切口、发布节奏、KOC 层级配比、爆文结构。

3. 消费者洞察与品牌内容资产沉淀

美妆营销团队人员流动快，最贵的隐性成本是「品牌调性知识」跟着人走。TencentDB Agent Memory 的四类记忆资产在这里有直接价值：把历年 brief、调性手册、审稿意见、被毙掉的方案与原因，蒸馏成 L1 原子事实与 L3 品牌画像，新人和 AI 工具都能直接挂载。与此同时，Skill 资产可以把「怎么写符合本品牌调性的种草文案」这类隐性经验固化成带校验规则的可复用技能，而不是躺在某个人的收藏夹里。

另外，若品牌自建 DTC 站点或做节点专题页，Instatic 这类自托管可视化 CMS 值得评估：营销团队可视化搭页、产出静态页面、首屏加载通常可压到 1 秒内——对高客单价品类，首屏每快 1 秒对应的转化差异是实打实的。

4. 虚拟试妆 / AI 导购原型（视能力谨慎评估）

本期工具里，H3 的「图像参考 + 视频编辑 + V2V 动作迁移」能力理论上可以做妆效演示原型：同一张模特图，换不同色号唇釉的上妆效果动图。然而要坦率说明，通用生成模型在色彩精准度上目前达不到色号级还原（真实色号与屏幕呈现的偏差在高端彩妆是致命问题），因此现阶段更适合做氛围级妆效展示与创意提案演示，不适合直接对消费者承诺「所见即所得」。真正的虚拟试妆仍需专用 AR 试妆引擎。总的来说，这个方向值得做小规模验证，但不建议本季度投入主要预算。

事实上，这三天最值得记的不是某个单品，而是两条趋势线的交叉：

第一，视频生成模型开始开权重。MiniMax H3 是国产视频生成大模型第一次面向社区开放权重，而且设计初期就考虑了国产芯片兼容。这意味着接下来几个月，「本地跑视频模型」会像今天「本地跑 LLM」一样普通。因此，现在就把内容流水线的接口层抽象好（prompt 表 → 调用层 → 后处理），等权重放出来可以无痛切本地。

第二，建站与 CMS 在往回收。Instatic 明确对标 Webflow / Framer / WordPress 三家，本周涨 2,500 星。这跟上期 open-seo 对标 Ahrefs、openwork 对标 Claude Cowork 是同一条线——把 SaaS 搬回本地已经不是零星现象，而是本季度 GitHub Trending 的主旋律。

最后但同样重要的是，Agent 记忆从个人层走向团队层（TencentDB Agent Memory），Skill 从「手写」走向「录制蒸馏」（Browser-BC）。总之，工具链在往「更低门槛、更少代码、更多可复用资产」的方向收敛，这对不写代码但要跑自动化的人是好消息。