1. archify —— 一周涨 1.7 万星的架构图 Skill

GitHub 周飙星第一50,924★ / 周增 17,190Agent Skill

一句话定义：让 Agent 输出带类型的 JSON 中间表示，再由本地 Node.js 渲染器确定性地编译成架构图、工作流图、时序图、数据流图、生命周期图五类图。

访问：https://github.com/tt-a1i/archify

适用场景：直接对口数据可视化项目开发。它和 Mermaid 的差别在于「可验证」——图不是模型现编的，而是先出 JSON IR 再经确定性检查编译，节点搜不到就报错，不会画出一张看着漂亮但拓扑是编的图。另外输出是自包含单文件 HTML，同时导出 PNG / SVG / WebM 与 1200×630 分享卡，正好省掉给公众号和 YouTube 缩略图另做一版的功夫。

落地步骤：

# 全局安装技能，不需要建仓库
npx skills add tt-a1i/archify -g

# 装完直接在 Claude Code / Codex CLI / Cursor / OpenCode 对话里描述系统
# 例：「把 pod.justpeng.com 的音频发布链路画成数据流图，深色主题」

2. OpenMAIC —— 清华开源的多智能体课堂，一句提示生成整门课

周增 9,193★32,451★清华 THU-MAIC

一句话定义：Open Multi-Agent Interactive Classroom，输入一句主题，产出大纲 → 场景 → 幻灯片 → 可导出视频的一整门互动课程，1.0.0 版本已升级为 Agent Workbench。

访问：https://github.com/THU-MAIC/OpenMAIC

适用场景：本期与《Generative AI for Business》课程体系咬合最紧的一款。它不只是把提示变成 PPT，而是带了课堂编排——讨论、聚光灯、激光笔这些教学动作由 lib/choreography 的纯函数编排层统一驱动，视频导出器和播放引擎共用同一份事实来源，所以「屏幕上放的」和「导出的 MP4」不会不一致。值得注意的是它内置 VoxCPM2 自托管 TTS 与声音克隆，讲师不必逐节亲自录音。

落地步骤：

# 硬要求：Node >= 22.19（1.0.0 已把根引擎下限抬到 22.19）
node -v

git clone https://github.com/THU-MAIC/OpenMAIC.git
cd OpenMAIC
pnpm install
pnpm dev

# 或只装需要的 SDK，@openmaic/* 全家桶已发布到 npm
pnpm add @openmaic/generation @openmaic/renderer @openmaic/dsl

3. VoiceStudio —— 完全本地的 ElevenLabs 替代，646 种语言

周增 7,513★19,896★AGPL-3.0本地优先

一句话定义：在自己机器上做声音克隆、语音设计、视频配音、听写、转写与有声书制作，不需要账号、API Key 或订阅。

访问：https://github.com/debpalash/VoiceStudio

适用场景：一次补齐两条长期没闭环的管线。其一是 MP3 转英文文本——它内置 WhisperX 与 Pyannote 说话人日记化，播客双人对话能分轨出稿；其二是自建播客的多语言分发，中文录一遍，英文版用同一把声音配音，不必再找配音。除此之外，它带一个 MCP 服务器，合成与转写可以直接被 Agent 调用，塞进现有的邮件周报或选书管线里。

落地步骤：

# 最快路径：Docker 一行起，仅绑 127.0.0.1 不外露
docker run -d -p 127.0.0.1:3900:3900 \
  -v omnivoice-data:/app/omnivoice_data \
  --name voicestudio palashdeb/omnivoice-studio:stable

# 源码路径（需 Node 20+ / Bun 与 Python 3.11+）
git clone https://github.com/debpalash/VoiceStudio.git
cd VoiceStudio && bun install && bun run desktop

4. hyperframes —— 写 HTML，渲染视频，专为 Agent 设计

HeyGen 官方开源Agent-First26 个内置技能

一句话定义：用 HTML + CSS/JS 动画写「合成」，经无头 Chrome 逐帧捕获再由 ffmpeg 封装成 MP4，整条链路给 AI Agent 调用而不是给人手动剪。

访问：https://github.com/heygen-com/hyperframes

适用场景：这是本期对 YouTube 内容管线最有杠杆的一款。它带一个 changelog-video 技能，输入一段 git 提交区间就能出 45-60 秒、1080×1080、带解说和字幕的 MP4——正好用来做 build-along 视频的 B-roll 片段，不必手工对轴。更重要的是 hyperframes capture <url> 能把任意网站的设计系统（配色、字体、组件、素材）反向提取成 DESIGN.md，于是视频视觉可以和站点风格自动对齐。

落地步骤：

# 环境：Node >= 22 + ffmpeg + headless Chrome
brew install ffmpeg

# 安装官方发布的 20 个技能到本地 Agent
npx hyperframes skills

# 从网站提取设计系统 → 出视频
hyperframes capture https://hernaturegarden.com
hyperframes preview        # 本地预览合成
hyperframes lint && hyperframes check   # 校验：孤立连接器、样式泄漏、音频组时序

5. Recordly —— 不会剪辑也能做出干净的演示视频

GitHub 新星Mac / Windows / Linux开源

一句话定义：录屏后自动完成变焦、光标跟随、圆角背景等修饰，不需要时间线剪辑技能就能产出精致的产品演示视频。

访问：https://github.com/webadderallorg/Recordly

适用场景：这一条是替代方案的直接候选。既往录屏工具的痛点是「智能化不足 + 没有摄像头美化」，导致每条视频要花大量时间做变焦和裁切；Recordly 把这类修饰做成自动后处理，录完即可出片。事实上它最适合的正是 build-along 类内容——一边写代码一边讲，鼠标位置自动被放大跟随，观众不必猜你点了哪里。

落地步骤：

# macOS 直接下 release 包
open https://github.com/webadderallorg/Recordly/releases/latest

# 或源码运行
git clone https://github.com/webadderallorg/Recordly.git
cd Recordly && npm install && npm run tauri dev

6. Routines by Databox —— 按计划自动跑分析并交报告的 AI 分析师

Product Hunt 156👍2026-09-07Analytics

一句话定义：把「定期看一遍数据」变成排程任务，AI 自动执行分析并按时把结论推给你，而不是让你去翻仪表盘。

访问：https://www.producthunt.com/products/databox

适用场景：和现有十几条自动化管线是同一思路的成品化版本，因此值得当参照物看——它把「拉数 → 分析 → 结论 → 定时推送」封成产品功能，而现有管线是自己写 Python 拼的。具体而言，可以拿它来跑小红书与博客的周度数据对照，不必再手工导表。换句话说，这一款的价值一半在工具本身，一半在给自建管线提供交付格式的参考。

落地步骤：注册 Databox 账号 → 接入数据源（GA4 / WordPress / 表格）→ 在 Routines 里设排程与分析问题 → 指定收件渠道。无需写代码，业务人可独立配置。

7. Gemini Agentic 视频理解 —— Token 降 88%，成本降 66%

Product Hunt 216👍2026-09-07官方 API

一句话定义：把固定帧率的视频分析换成模型自主决定「看哪段、看多快、用什么模态」，长视频尤其受益。

访问：https://ai.google.dev/gemini-api/docs

适用场景：过去做竞品视频拆解，一条 30 分钟视频按固定帧率喂进去，token 账单会让人放弃批量做。官方给的数字是 token 消耗最多降 88%、成本降 66%、准确率反而提升 7 个百分点。因此批量分析对标账号的视频内容，从「算了太贵」变成可以每周跑一轮的常规动作。

落地步骤：

# 在 AI Studio 或 Gemini API 里把处理模式设为 agentic
# Python 示例（关键是 video_metadata 里的 mode）
from google import genai
client = genai.Client()
resp = client.models.generate_content(
    model="gemini-3-pro",
    contents=[{"file_data": {"file_uri": VIDEO_URI},
               "video_metadata": {"mode": "agentic"}},
              "拆解这条视频的选题结构与前 3 秒钩子写法"],
)
print(resp.text)

8. ponytail —— 让 Agent 少写代码，实测省 54% 行数

129,488★周增 12,186MIT带真实基准

一句话定义：一条把「这段代码到底该不该存在」的 YAGNI 检查固化成 Agent 写码前必跑步骤的 Skill。

访问：https://github.com/DietrichGebert/ponytail

适用场景：非技术背景自学编程最容易踩的坑，是 Agent 一口气生成三百行「以后可能用得上」的抽象层，然后自己看不懂也不敢删。ponytail 的价值不在口号，而在它真做了实测：FastAPI + React 仓库、12 个功能工单、Haiku 4.5、n=4 的 agentic 会话对照，代码行数降 54%、token 降 22%、成本降 20%、耗时降 27%，且安全性保持 100%。值得注意的是作者主动承认早前一版声称省 80-94% 的单轮基准基线有问题，撤回后重新发了 agentic 口径的数字——这种坦白本身就是可信度信号。

落地步骤：

# 纯 prompt/skill 定义，无运行时依赖，声称兼容 20 种 Agent
npx skills add DietrichGebert/ponytail -g
# 或 npm 安装后与 Claude Code / Cursor 配对使用

9 月 2 日 WorkBuddy 开放平台上线后，本周是 Skill 市场首批第三方能力实际落地的窗口。首先要说的是平台机制本身：应用、专家、Skill、连接器、硬件五类能力同时开放，个人开发者可以把自己沉淀的工作流封装成 Skill 上架，且目前入驻免费。对已经攒了十几条自动化管线的人来说，这条比任何单个工具都重要——现成的选书、周报、舆情管线本身就是可上架的 Skill 候选。

与此同时，GitHub 侧的信号完全同频：本周飙星前八名里，archify、ponytail、ECC、scientific-agent-skills 四个都是 Agent Skill。总的来说，能力分发的单位正在从「装一个应用」变成「加一条技能」，这对个人开发者是难得的窗口期。

• 腾讯混元 Hy4 Preview 开源：总参数 770B、激活 49B、100 万 token 上下文，已上 Hugging Face / 腾讯云 / OpenRouter。最值得留意的细节是模型自主定位并修复了自身推理系统的瓶颈，端到端吞吐提升 31.8%。
• 小米开源 Xiaomi-TabLDM：结构化表格基础大模型，一次预训练即可直接做分类与回归，解决「一表一模型」的老问题，训练时间比头部方案少约 82%。做数据分析的可以拿它替掉一批手搓建模。
• 千问办公上线 30 天用户破 3000 万，企业用户占比过半；豆包工作打通飞书并支持多 Agent 并行与本地 GUI 操作。办公场景显然已成大模型商业化最清晰的路径。
• Bun 1.4 发布：核心团队搭好 Agent 框架后，由 AI 并行把底层代码从 Zig 重写为 Rust，11 天产出超 100 万行、烧掉约 16.5 万美元 token。事实上这条比任何模型发布都更能说明「会指挥一群 AI 干活的人」的价值。
• 智谱 GLM-5.3 开源；国产开源模型一周处理 token 达 27.2 万亿、占全球约 68%，连续 19 周第一。

💡 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。这一节按品类赛道视角撰写，面向美妆营销从业者与品牌营销负责人。

1. 内容输出：AIGC 物料 + 多平台内容日历

高端美妆的内容压力集中在「同一个产品故事要在小红书、抖音、私域三套语境里各说一遍」。具体而言，hyperframes 把视频物料变成可版本化的 HTML 合成——一条 15 秒的质地特写片头写成模板后，换文案、换香调名、换活动信息只需改参数重渲约 3 分钟，不必每次回 Motion 手工调轴；OpenMAIC 则适合做私域的「成分课」「护肤仪式课」这类系列内容，一句主题出大纲加幻灯片，加上自托管 TTS 配音，一节课初稿约 50 分钟。

把两者接进内容日历后的量化预期：一个 SKU 的多平台物料包（小红书 6 图文 + 抖音 3 条短视频 + 私域 1 节课），传统流程周更约 20 小时；改成模板 + AIGC 渲染后压缩到约 6 小时，其中 4 小时花在选题和调性把关而不是执行。值得注意的是，高端赛道的红线在质感，所以模板务必由资深创意定一次骨架，AI 只负责批量出变体，不参与视觉定调。

2. 社媒监听与竞品内容策略洞察

Gemini Agentic 视频理解这一条对美妆营销的意义最直接。过去要批量拆解竞品短视频（前 3 秒钩子、口播结构、卖点顺序、达人话术模板），token 成本高到只能抽样看三五条；现在 token 降 88%、成本降 66%，10 条 30 分钟视频的批量拆解从约 ¥180 降到约 ¥60。因此「每周把品类 Top 20 爆文和爆款视频过一遍，出一页纸内容套路洞察」从奢侈动作变成常规排程。

与此同时，Routines by Databox 可以承担这一页纸的交付环节——设定每周一早上自动跑一次品类数据对照并推邮件，营销团队上班就能看到「本周品类内容节奏变了什么」，不必等分析师手工导表。

3. 消费者洞察沉淀：把听到的话变成可检索资产

VoiceStudio 在这一节的用法不是配音，而是转写。美妆赛道大量真实洞察藏在语音里：柜台导购录音、焦点小组、达人连麦、客服通话。它内置说话人日记化，多人对话能分轨出稿，且完全本地运行——涉及消费者原话与内部策略讨论的音频不必上传到第三方云，这对合规敏感的品牌是硬条件。一集 40 分钟素材的转写加分轨，本地跑成本为零。

换句话说，这条链路的产出是一个可全文检索的消费者语料库，做新品命名、卖点排序、包装文案时可以直接检索真实说法，而不是凭品牌方视角猜。

4. 虚拟试妆 / AI 导购：本期无对口工具，不建议硬凑

本期 8 款里没有图像生成或人脸对齐能力，因此虚拟试妆与 AI 导购原型这两个方向本期不给建议。总的来说，宁可留白也不用不合适的工具凑方向——这一节等到有对口的图像模型上榜时再展开更负责。

🎓 AI for Business 课程可用素材（含教学切入点）

结合本期推荐工具，以下方向值得放进《Generative AI for Business》课程（面向非技术学员：管理者 / 业务人）。评估口径是「教学价值」而非营销价值，优先标注无需写代码就能上手的工具。

1. Routines by Databox —— 适配度：✅ 强烈推荐

适用章节：自动化工作流 / 数据分析。这是本期唯一全程点鼠标、零代码的工具，最适合给管理者讲「AI 不是替你分析，而是替你按时想起要分析」。教学切入点：先让学员承认自己每周都说要看数据但实际两周才看一次，再演示排程配置。课堂练习建议：40 分钟内接入一个数据源并配出一条每周一早 9 点自动交付的分析任务，产出物是学员收到的第一封自动报告邮件截图。

2. Gemini Agentic 视频理解 —— 适配度：✅ 强烈推荐

适用章节：客户洞察 / 成本意识。教学切入点是这门课最缺的一课——「同一件事换个做法，成本差 3 倍」。用 token 降 88%、成本降 66% 这组官方数字讲清「AI 用得贵不贵取决于怎么调用」，比讲十页原理有效。课堂练习建议：两人一组，各用固定帧率与 agentic 模式拆解同一条 20 分钟行业视频，对比账单与结论质量，产出一张对比表。

3. OpenMAIC —— 适配度：✅ 强烈推荐（讲师侧）

适用章节：内容生产 / 企业培训场景。这一款的定位特殊：它既是课程素材，也是课程生产工具本身。教学切入点：给做企业内训的学员演示「一句提示到一门课」的完整链路，让他们意识到内训内容的边际成本已经塌了。课堂练习建议：用自己部门的一个真实 SOP 作主题，30 分钟生成一门 10 页的微课初稿并当场试放。需注意它要 Node 22.19+ 与命令行，因此适合讲师演示，不适合让非技术学员自己装。

4. ponytail —— 适配度：⚠️ 可选（作方法论素材，不作工具）

适用章节：AI 工具箱 / 如何评估 AI 宣称。工具本身要用命令行，非技术学员上不了手；但它的「作者撤回夸大基准、重发保守数字」这个故事是绝佳的批判性思维素材。教学切入点：让学员学会问「你这个 54% 是怎么测的、基线是什么」。课堂练习建议：给三段真假混杂的 AI 效果宣称，各写一句质疑问题。

5. archify —— 适配度：⚠️ 可选

适用章节：AI 工具箱（进阶演示）。业务人不装命令行，但「AI 画的图到底能不能信」这个问题人人关心。教学切入点：用它对比展示 AI 现编的图与经确定性校验编译的图，讲清可验证输出的价值。课堂练习建议：不动手，改为看图辨错——给两张架构图，找出哪张的连接关系是编的。

6. VoiceStudio / hyperframes / Recordly —— 适配度：⚠️ 可选（仅作案例提及）

适用章节：内容生产。三者都需要装环境或命令行，不适合课堂动手。建议只在「AI 让内容生产的固定成本变成模板成本」这一节里作为案例一句话带过，把动手环节留给零代码工具。

7. ponytail 之外的 Agent Skill 生态现象 —— 适配度：✅ 强烈推荐（作趋势素材）

适用章节：课程开篇 / AI 能力如何分发。本周 GitHub 飙星前八名里四个是 Agent Skill，加上 WorkBuddy Skill 市场首批上架且个人开发者入驻免费——这组事实合起来是讲「能力分发单位从应用变成技能」的最新证据。教学切入点：让学员理解自己的专业方法本身就是可封装、可上架的资产。课堂练习建议：每人写出自己岗位上一条最值得封装成 Skill 的工作流，含触发条件、输入、输出三项。