<?xml version="1.0" encoding="utf-8"?><feed xmlns="http://www.w3.org/2005/Atom" ><generator uri="https://jekyllrb.com/" version="3.10.0">Jekyll</generator><link href="https://chris1798.github.io/feed.xml" rel="self" type="application/atom+xml" /><link href="https://chris1798.github.io/" rel="alternate" type="text/html" /><updated>2026-11-20T11:55:38+00:00</updated><id>https://chris1798.github.io/feed.xml</id><title type="html">Chris IT學習筆記</title><subtitle>記錄個人IT學習筆記,供日後參考</subtitle><author><name>克里斯</name><email>chris1798@gmail.com</email></author><entry><title type="html">Daily Stock Analysis 深度解析：零成本掛在 GitHub Actions 的 LLM 自選股決策儀表板</title><link href="https://chris1798.github.io/daily-stock-analysis-deep-dive/" rel="alternate" type="text/html" title="Daily Stock Analysis 深度解析：零成本掛在 GitHub Actions 的 LLM 自選股決策儀表板" /><published>2026-11-20T00:00:00+00:00</published><updated>2026-11-20T00:00:00+00:00</updated><id>https://chris1798.github.io/daily-stock-analysis-deep-dive</id><content type="html" xml:base="https://chris1798.github.io/daily-stock-analysis-deep-dive/"><![CDATA[<h1 id="daily-stock-analysis-深度解析零成本掛在-github-actions-的-llm-自選股決策儀表板">Daily Stock Analysis 深度解析：零成本掛在 GitHub Actions 的 LLM 自選股決策儀表板</h1>

<p><img src="/assets/images/daily_stock_analysis/banner.png" alt="DSA Banner" /></p>

<p><strong>Daily Stock Analysis（DSA）</strong>（<a href="https://github.com/ZhuLinsen/daily_stock_analysis">ZhuLinsen/daily_stock_analysis</a>，MIT）的自述：</p>

<blockquote>
  <p>LLM 驅動的多市場股票智能分析系統：多源行情、即時新聞、決策儀表板與自動推送，支援零成本定時執行。</p>
</blockquote>

<p>本文數據以 GitHub API 於 2026-11-20 驗證：<strong>73,532 顆星、57,986 個 fork</strong>、48 個開放議題。星 fork 比接近 <strong>1:0.79</strong>——這數字本身就說明一切：它不是「按個星收藏」的專案，而是<strong>大量使用者 fork 自己掛起來用</strong>的生產工具。專案 2026-01-10 創建，發佈節奏穩定（v3.33.0 → 10/15、v3.34.0 → 11/09、<strong>v3.35.0 → 11/16</strong>），並附 arXiv 技術報告（2608.26990）。</p>

<p>它是本週榜單常客（見 <a href="/github-trending-top11/">11-16 週報</a> 第 7 名），本篇是單一專案的深度整理。</p>

<h2 id="它做什麼每日一條龍">它做什麼：每日一條龍</h2>

<p>核心循環：<strong>每日自動分析自選股 → 生成決策儀表板 → 推送到通訊軟體</strong>。</p>

<p><strong>AI 決策報告</strong>產出的不是模糊摘要，而是結構化欄位：核心結論、評分、趨勢、買賣點位、風險警報、利好催化因素、操作檢查清單。官方推送範例（節錄）：</p>

<div class="language-markdown highlighter-rouge"><div class="highlight"><pre class="highlight"><code>🎯 2026-02-08 決策儀表板
共分析3隻股票 | 🟢買入:0 🟡觀望:2 🔴賣出:1

🟡 中鎢高新(000657): 觀望 | 評分 65 | 看多
🔴 新萊應材(300260): 賣出 | 評分 35 | 看空

🚨 風險警報:
風險點1：主力資金出現明顯流出，需警惕短期拋壓。
✨ 利好催化:
利好1：公司被市場定位為 AI 供應鏈核心標的。
</code></pre></div></div>

<p>另有<strong>大盤復盤</strong>報告：主要指數、漲跌家數、漲停跌停、族群表現領漲領跌。</p>

<p><img src="/assets/images/daily_stock_analysis/market-review.png" alt="大盤復盤" /></p>

<h2 id="功能盤遠超每日推播的完整工作台">功能盤：遠超「每日推播」的完整工作台</h2>

<table>
  <thead>
    <tr>
      <th>模組</th>
      <th>內容</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>多市場資料聚合</td>
      <td>A股、港股、美股、日股、<strong>韓股、台股</strong>與 ETF：行情、K 線、技術指標、新聞、公告、基本面</td>
    </tr>
    <tr>
      <td>Web／桌面工作台</td>
      <td>手動分析、任務進度、歷史報告、完整 Markdown、<strong>回測</strong>、<strong>持股管理</strong>、配置管理、淺/深色主題</td>
    </tr>
    <tr>
      <td>Agent 策略問股</td>
      <td><strong>15 種內建策略</strong>：均線金叉、纏論、波浪理論、多頭趨勢、熱點題材、事件驅動、成長品質、預期重估等；多輪追問、會話匯出、推播到通知渠道、自訂策略檔與多 Agent 編排（實驗性）</td>
    </tr>
    <tr>
      <td>即時告警中心</td>
      <td>EventMonitor 基線、Web 規則管理、通知結果、冷卻狀態</td>
    </tr>
    <tr>
      <td>智能匯入</td>
      <td>圖片、CSV/Excel、剪貼簿匯入自選股；股票代碼/名稱/拼音/別名自動補全</td>
    </tr>
    <tr>
      <td>自動化</td>
      <td>GitHub Actions（零成本）、Docker、本地排程、FastAPI 服務、Bot 接入</td>
    </tr>
  </tbody>
</table>

<p><img src="/assets/images/daily_stock_analysis/workspace-preview.gif" alt="Web 工作台演示" /></p>

<h2 id="資料源分層這專案最務實的地方">資料源分層（這專案最務實的地方）</h2>

<p><strong>行情</strong>：預設內建 <strong>AkShare、Baostock、YFinance 免費源，零配置可跑</strong>；官方明言免費源受上游限流與介面變動影響、穩定性不保證——長期定時建議上 token 型源：<strong>Tushare</strong>（A 股）、<strong>Longbridge</strong>（港美股，補量比/換手率/PE）、Pytdx、TickPlus 等，文件有完整的 fallback 鏈路圖。</p>

<p><strong>新聞搜尋</strong>：SerpAPI（推薦）、Anspire、Tavily、<strong>博查</strong>（中文最佳化）、<strong>Brave</strong>（美股補強）、MiniMax、SearXNG（自建免額度）。新聞源直接影響輿情、公告與催化因素品質。</p>

<p><strong>社交輿情</strong>：Stock Sentiment API（Reddit / X / Polymarket，僅美股，可選）。</p>

<p><strong>AI 模型</strong>：任何 OpenAI 相容端皆可——Gemini、Claude、DeepSeek、通義千問、Ollama 本地模型，以及贊助商網關（Modelflare、x6.ai、AIHubMix）；文件附 LiteLLM 多渠道 YAML 範例。</p>

<h2 id="部署方式一github-actions推薦零成本">部署方式一：GitHub Actions（推薦，零成本）</h2>

<p>5 分鐘完成、<strong>免伺服器</strong>：</p>

<ol>
  <li>Fork 倉庫。</li>
  <li>填 Actions Secrets：至少一個模型金鑰（<code class="language-plaintext highlighter-rouge">GEMINI_API_KEY</code>／<code class="language-plaintext highlighter-rouge">ANTHROPIC_API_KEY</code>／<code class="language-plaintext highlighter-rouge">OPENAI_API_KEY</code>…）＋至少一個通知管道（<code class="language-plaintext highlighter-rouge">TELEGRAM_BOT_TOKEN</code>+<code class="language-plaintext highlighter-rouge">CHAT_ID</code>、Discord/Slack/郵件/企業微信/飛書 Webhook）＋必填的 <code class="language-plaintext highlighter-rouge">STOCK_LIST</code>。</li>
  <li>啟用 Actions，手動跑一次「每日股票分析」測試。</li>
</ol>

<p><code class="language-plaintext highlighter-rouge">STOCK_LIST</code> 直接混寫各市場代碼：<code class="language-plaintext highlighter-rouge">600519,hk00700,AAPL,7203.T,005930.KS,2330.TW</code>——<strong>最後那筆就是台積電（2330.TW）</strong>。預設每個工作日 18:00（北京時間）執行，非交易日（含 A/H/US 假日）自動跳過。</p>

<p><img src="/assets/images/daily_stock_analysis/alert-center.png" alt="告警中心" /></p>

<h2 id="部署方式二本地docker">部署方式二：本地／Docker</h2>

<div class="language-bash highlighter-rouge"><div class="highlight"><pre class="highlight"><code>git clone https://github.com/ZhuLinsen/daily_stock_analysis.git <span class="o">&amp;&amp;</span> <span class="nb">cd </span>daily_stock_analysis
pip <span class="nb">install</span> <span class="nt">-r</span> requirements.txt
<span class="nb">cp</span> .env.example .env <span class="o">&amp;&amp;</span> vim .env
python main.py                <span class="c"># 執行分析</span>
python main.py <span class="nt">--stocks</span> 600519,hk00700,AAPL,2330.TW
python main.py <span class="nt">--market-review</span>   <span class="c"># 大盤復盤</span>
python main.py <span class="nt">--schedule</span>        <span class="c"># 排程模式</span>
python main.py <span class="nt">--webui</span>           <span class="c"># Web 工作台（127.0.0.1:8000）</span>
</code></pre></div></div>

<p>還有小白客戶端安裝指南（面向不會寫程式的使用者）、桌面端打包、Zeabur／雲端 WebUI 部署、Grok Bot 集成 Skill 等文件。</p>

<h2 id="文件紀律與生態">文件紀律與生態</h2>

<p>docs/INDEX.md 是「按場景選文件」的索引表——想做大事先看哪篇、接續看哪篇，全部列好；資料源故障有圖解文件、每個市場的<strong>支援邊界</strong>（可用資料、代碼後綴規則、降級界線與<strong>不承諾項</strong>）寫成 <code class="language-plaintext highlighter-rouge">market-support.md</code>。這份誠實度（明說哪些做不到）在同類專案中罕見。</p>

<p>作者旁支生態：<strong>AlphaSift（智能選股）</strong>與 <strong>AlphaEvo（策略回測與進化）</strong>兩個姊妹開源案，從「分析」往「選股」與「策略演化」延伸。</p>

<h2 id="適用場景">適用場景</h2>

<ul>
  <li><strong>盤後自動情報員</strong>：把自選股（含台指成分股代碼格式）掛進 GitHub Actions，每天固定時間收一則結構化決策摘要到 Telegram/Slack——零伺服器、零費用（模型端用免費額度即可起步）。</li>
  <li><strong>想要「有依據的儀表板」而非明牌</strong>：報告附評分、風險警報、催化因素與檢查清單，強制你把「看多/看空」拆成可檢查的證據。</li>
  <li><strong>自架分析管線的工程師</strong>：FastAPI、資料源 fallback、LiteLLM 路由、本地 Ollama 全部可組裝，資料不出自家。</li>
  <li><strong>不合適</strong>：把它當交易訊號源（官方免責：僅供學習研究、不構成投資建議）；需要即時高頻告警的場景（推送節拍是日級，告警中心亦非逐筆層級）。</li>
</ul>

<h2 id="觀察">觀察</h2>

<ol>
  <li><strong>57,986 個 fork 是關鍵訊號</strong>：熱榜上很多專案是圍觀，DSA 是「人手一把」的實用派——它的成功把「LLM 應用」錨在了一個每日都會發生的剛需場景（收盤看盤）。</li>
  <li>它對<strong>免費資料源不穩定</strong>的坦承與 fallback 設計，是所有 LLM＋公開資料專案都該抄的作業：把降級路徑寫成文件與圖，而不是假裝資料永遠可用。</li>
  <li>台股在列但屬「支援邊界」清單的一員：用 2330.TW 格式自選沒問題，基本面與新聞源的深度以 A 股最厚，跨市場使用者宜先讀 <code class="language-plaintext highlighter-rouge">market-support.md</code> 再上生產。</li>
</ol>

<h2 id="方法說明">方法說明</h2>

<p>資料來源：倉庫 README（繁中官方版 docs/README_CHT.md）、docs/INDEX.md、docs/full-guide.md 索引、docs/market-support.md 摘要、GitHub releases；星數/fork/版本以 GitHub API 於 2026-11-20 驗證；配圖取官方 docs/assets 並存於本站 <code class="language-plaintext highlighter-rouge">/assets/images/daily_stock_analysis/</code>。相關連結：<a href="/github-trending-top11/">11-16 本週 GitHub 熱門項目</a>（DSA 當週第 7 名）。本專案僅供學習研究，不構成投資建議。</p>]]></content><author><name>克里斯</name><email>chris1798@gmail.com</email></author><category term="DSA" /><category term="LLM" /><category term="股票分析" /><category term="自動推送" /><category term="GitHub-Actions" /><category term="台股支援" /><category term="量化" /><category term="開源專案" /><category term="Python" /><category term="投資" /><summary type="html"><![CDATA[Daily Stock Analysis（DSA）是 ZhuLinsen 開源（MIT）的 LLM 驅動多市場自選股分析系統：覆蓋 A股/港股/美股/日股/韓股/台股與 ETF，每日自動分析生成決策儀表板推送到 Telegram/Discord/Slack/郵件/企業微信/飛書，可零成本跑在 GitHub Actions。73,532 星、57,986 fork，含 Web 工作台、15 種策略問股 Agent、即時告警中心與回測。本文整理其功能、部署方式、資料源分層與台股支援。]]></summary></entry><entry><title type="html">Phasyn Studio 專案解析：在自己 GPU 上開工的自架 AI 電影工作室</title><link href="https://chris1798.github.io/phasyn-studio-self-hosted-ai-film/" rel="alternate" type="text/html" title="Phasyn Studio 專案解析：在自己 GPU 上開工的自架 AI 電影工作室" /><published>2026-11-17T00:00:00+00:00</published><updated>2026-11-17T00:00:00+00:00</updated><id>https://chris1798.github.io/phasyn-studio-self-hosted-ai-film</id><content type="html" xml:base="https://chris1798.github.io/phasyn-studio-self-hosted-ai-film/"><![CDATA[<h1 id="phasyn-studio-專案解析在自己-gpu-上開工的自架-ai-電影工作室">Phasyn Studio 專案解析：在自己 GPU 上開工的自架 AI 電影工作室</h1>

<p><img src="/assets/images/phasyn-studio/shot-workspace.webp" alt="鏡頭工作區" /></p>

<p><strong>Phasyn Studio</strong>（<a href="https://github.com/phasyn/phasyn-studio">phasyn/phasyn-studio</a>，Apache-2.0）的一句話自述：</p>

<blockquote>
  <p><strong>AI filmmaking on your own GPUs</strong> — a self-hosted studio that generates short videos with sound and still images.</p>
</blockquote>

<p>這專案<strong>昨天（2026-11-17）才公開</strong>，目前 31 顆星（GitHub API 當日驗證）、0 個開放議題——是一個可以從第一天開始追蹤的新芽。它和「線上 AI 影片服務」的差異在於：<strong>影片生成、圖片生成、剪輯、匯出全部跑在你自己的電腦上</strong>，介面有繁體中文、英文、日文三語。</p>

<p>官方網站：<a href="https://phasyn.dev">phasyn.dev</a>。</p>

<h2 id="可以做什麼一條完整的短片產線">可以做什麼：一條完整的短片產線</h2>

<p>Phasyn 的抽象單位是<strong>鏡頭（shot）</strong>，整條工作流就是film製作流程的縮影：</p>

<ol>
  <li><strong>鏡頭工作區</strong>：用文字描述一個鏡頭，生成幾個 <strong>take</strong>，從中挑一個。</li>
  <li><strong>Take 比較</strong>：同一鏡頭的兩個 take 並排比較後再定案。</li>
  <li><strong>自帶素材當參考</strong>：用自己的圖片、影片片段、聲音作為生成條件（reference）。</li>
  <li><strong>圖片工作室</strong>：文生圖、圖生圖，為鏡頭做畫面與修改。</li>
  <li><strong>剪輯工作區</strong>：像剪輯軟體一樣，在<strong>時間軸</strong>上排鏡頭、修剪、加聲音。</li>
  <li><strong>包裝與出品</strong>：加轉場、文字、字幕、音樂，<strong>匯出成影片檔</strong>。</li>
</ol>

<p><img src="/assets/images/phasyn-studio/shot-takes-compare.webp" alt="Take 比較" /></p>

<p>生成端由兩個模型-runtime 撐起：<strong>MiniMax-H3 負責影片</strong>（含聲音）、<strong>Qwen-Image 2.1 負責圖片</strong>，另有 captioner（影像理解）與放大器（upscale）元件。權重一律由使用者自行下載，repo 不含任何模型。</p>

<h2 id="架構controllernode天生多機">架構：Controller＋Node，天生多機</h2>

<ul>
  <li><strong>Controller</strong>：網頁介面與 API（開 <code class="language-plaintext highlighter-rouge">http://127.0.0.1:8080</code>）。</li>
  <li><strong>Node</strong>：每台<strong>有 GPU 的機器</strong>跑一個，負責在該機執行元件（components）。</li>
  <li>也就是「<strong>單機一條龍、多機可分散</strong>」：Controller 一台、GPU 機器各一台 Node，權重與顯卡分派由部署計畫決定。</li>
</ul>

<p>程式面是 pnpm＋uv 雙工作區：<code class="language-plaintext highlighter-rouge">apps/frontend</code>、<code class="language-plaintext highlighter-rouge">packages/</code>（controller、node、server、media、components、editor-kernel、cli）為 TypeScript；<code class="language-plaintext highlighter-rouge">runtimes/</code>（h3、qimg、captioner）為 Python 3.12 的 GPU 環境，<strong>每個環境的套件鎖死（pinned）</strong>，文件明文禁止 <code class="language-plaintext highlighter-rouge">uv lock --upgrade</code> 擅自升級。範例區有 pipelines、components、<code class="language-plaintext highlighter-rouge">generate_dit_components.py</code> 與 studio-plugins（含深度分層 depth-staging 外掛範例）。</p>

<h2 id="安裝先給你看計畫才動手">安裝：先給你看計畫，才動手</h2>

<p><code class="language-plaintext highlighter-rouge">install.sh</code> 的設計是這專案最有性格的部分：</p>

<div class="language-sh highlighter-rouge"><div class="highlight"><pre class="highlight"><code>git clone https://github.com/phasyn/phasyn-studio.git
<span class="nb">cd </span>phasyn-studio
./install.sh <span class="nt">--dry-run</span>    <span class="c"># 只列出計畫，不裝不寫不啟動</span>
./install.sh              <span class="c"># 同意計畫後安裝並啟動全部服務</span>
</code></pre></div></div>

<p>計畫會列出：你的每張 GPU 誰是<strong>主機</strong>（影片與圖片模型）、誰是<strong>副機</strong>（音訊、影像視覺、放大器）；<code class="language-plaintext highlighter-rouge">video / image / vision / upscale</code> 四條路線群各自啟用與否<strong>及原因</strong>；每個元件落在哪張卡；還缺哪些權重、多大、<strong>各自的授權</strong>；磁碟與記憶體警告。安裝器<strong>從不自己用 sudo</strong>——需要 root 的動作全部印出來讓你自己跑。</p>

<h2 id="硬體需求先量尺寸再入場">硬體需求（先量尺寸再入場）</h2>

<table>
  <thead>
    <tr>
      <th>項目</th>
      <th>需求</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>作業系統</td>
      <td>Linux（x86_64；aarch64 限統一記憶體 GPU 機器）</td>
    </tr>
    <tr>
      <td>GPU</td>
      <td>NVIDIA，驅動 R580+（CUDA 13.0）。x86_64 離散卡 sm86–sm120；aarch64 sm121（DGX Spark GB10）</td>
    </tr>
    <tr>
      <td>實測過</td>
      <td>RTX 3060、RTX 5080、DGX Spark（GB10）；RTX 30/40/50 系列「應該可用但未測」</td>
    </tr>
    <tr>
      <td>模型空間</td>
      <td>影片約 <strong>200 GB</strong>、圖片 31 GB、影像視覺 8 GB</td>
    </tr>
    <tr>
      <td>主機記憶體</td>
      <td>FP8 DiT 常駐約 31 GiB、全預算約 46 GiB；無 FP8 的卡再加約 20 GiB</td>
    </tr>
    <tr>
      <td>精度</td>
      <td>FP8 需 compute capability 8.9+；INT8 需 nvcc＋ninja；BF16 全支援</td>
    </tr>
    <tr>
      <td>工具鏈</td>
      <td>uv、Node 22.22+／pnpm 12、Python 3.12、FFmpeg＋ffprobe</td>
    </tr>
  </tbody>
</table>

<p>無 GPU 只剩介面。這是一台「吃顯示卡吃磁碟」的重裝備。</p>

<h2 id="授權地雷區readme-用整節寫這個請認真讀">授權地雷區（README 用整節寫這個，請認真讀）</h2>

<ul>
  <li>軟體本身 <strong>Apache-2.0</strong>；名稱與標誌不在授權內。</li>
  <li><strong>MiniMax-H3（影片模型）</strong>：Community License 明文<strong>不得在歐盟、英國、韓國、美國使用或展示</strong>，模型做出的影片也受同樣的地域限制，且<strong>不得用於訓練其他 AI 模型</strong>。</li>
  <li><strong>Qwen-Image 2.1（圖片模型）</strong>：Qwen Research License，<strong>研究與評測用途（非商業）</strong>。</li>
  <li>使用自帶素材前確認權利；不得把 AI 生成內容冒充真實或冒充他人。</li>
  <li>示範角色為社群同人創作，僅作非商業示範。</li>
</ul>

<p>對照使用者所在地的授權合規完全在自己手上——專案把地雷逐條標好，是難得的誠實作風。</p>

<h2 id="ai-代理安裝守則agent-first-的另一個亮點">AI 代理安裝守則：agent-first 的另一個亮點</h2>

<p><code class="language-plaintext highlighter-rouge">docs/agent-install.md</code> 是一頁<strong>寫給 Claude Code／Codex 看的安裝指南</strong>，規則設計得非常克制，值得抄作業：</p>

<ul>
  <li>所有命令走 <code class="language-plaintext highlighter-rouge">--json</code>，stdout 只有 JSON、進度走 stderr——給機器讀的契約。</li>
  <li><strong>永不代使用者接受授權</strong>：安裝器列出的每個模型授權要展示、要詢問。</li>
  <li><strong>永不動自己沒啟動的東西</strong>：端口、systemd 單位被別人佔用時只提議解法，不殺行程。</li>
  <li>讀狀態只用 <code class="language-plaintext highlighter-rouge">phasyn-studio status --json</code>（純 GET）；<code class="language-plaintext highlighter-rouge">install</code>/<code class="language-plaintext highlighter-rouge">up</code> 有副作用，不可「為了看看而重跑」。</li>
  <li>不擅自改模板、不升級鎖死的 GPU 環境、不編造設定。</li>
</ul>

<h2 id="適用場景">適用場景</h2>

<ul>
  <li><strong>要把 AI 短片產線留在自己機器上</strong>的創作者／工作室：素材不出網、模型選擇與排程自己管，代價是 200GB 級磁碟與高階顯示卡。</li>
  <li><strong>多 GPU 機器分散部署</strong>：Controller＋Node 架構讓渲染節點可以一台台加。</li>
  <li><strong>AI 代理操作本地工具鏈的研究與實務</strong>：install plan、JSON CLI、授權守則是一個教科書級的「agent-usable 系統」設計。</li>
  <li>不適用：手邊沒有 NVIDIA 大顯存機器的人；目標市場落在歐盟/英/韓/美的影片商業產出（MiniMax-H3 授權封死了輸出展示的地域）。</li>
</ul>

<h2 id="觀察">觀察</h2>

<ol>
  <li><strong>公開第一天</strong>就有完整三語 README、安裝計畫器、代理安裝守則與授權逐條披露——工程紀律遠超星數顯示的水位。</li>
  <li>它填的生態位很清楚：ComfyUI 系是「節點圖生成工具」，Runway/Sora 系是「線上服務」，Phasyn 是<strong>自架的『生成＋剪輯＋匯出』成片產線</strong>——時間軸與 take 管理是它區別於生成工具的關鍵詞。</li>
  <li>追踪前先看兩件事：<strong>模型授權的地域限制</strong>是否影響你的用途，以及<strong>硬體門檻</strong>（FP8 需 CC 8.9+）對你機隊適配與否。專案極新（0 issues 代表流量還未進來），生產採用建議先蹲幾週 release。</li>
</ol>

<p><img src="/assets/images/phasyn-studio/edit-workspace.webp" alt="剪輯工作區" /></p>

<p><img src="/assets/images/phasyn-studio/image-studio.webp" alt="圖片工作室" /></p>

<h2 id="方法說明">方法說明</h2>

<p>資料來源：<a href="https://github.com/phasyn/phasyn-studio">GitHub 倉庫</a> 之 README（英／繁中／日）、INSTALL.md、docs/install.md、docs/agent-install.md、packages 與 runtimes 自述、NOTICE 與 THIRD_PARTY_NOTICES；星數、建立時間與授權以 GitHub API 於 2026-11-17 驗證（建立於当日 09:42 UTC，公開不到一天）；配圖下載自官方 docs/images 並存於本站 <code class="language-plaintext highlighter-rouge">/assets/images/phasyn-studio/</code>。</p>]]></content><author><name>克里斯</name><email>chris1798@gmail.com</email></author><category term="Phasyn" /><category term="AI影片" /><category term="自架服務" /><category term="MiniMax" /><category term="Qwen-Image" /><category term="影片生成" /><category term="時間軸剪輯" /><category term="GPU" /><category term="TypeScript" /><category term="開源專案" /><summary type="html"><![CDATA[Phasyn Studio 是 2026-11-17 公開的自架 AI 影片工作室（Apache-2.0）：在自家 Linux＋NVIDIA 顯示卡上用 MiniMax-H3 生成有聲音的短片、用 Qwen-Image 2.1 產圖，附鏡頭工作區、take 並排比較、時間軸剪輯與匯出。Controller＋Node 架構可跨機器分散 GPU，安裝器先列計畫再動手，並附完整的 AI 代理安裝守則。本文整理功能、架構、需求與模型授權地雷區。]]></summary></entry><entry><title type="html">Crucible 專案解析：由 AI 代理駕駛的 3D 引擎</title><link href="https://chris1798.github.io/crucible-agent-3d-engine/" rel="alternate" type="text/html" title="Crucible 專案解析：由 AI 代理駕駛的 3D 引擎" /><published>2026-11-16T00:00:00+00:00</published><updated>2026-11-16T00:00:00+00:00</updated><id>https://chris1798.github.io/crucible-agent-3d-engine</id><content type="html" xml:base="https://chris1798.github.io/crucible-agent-3d-engine/"><![CDATA[<h1 id="crucible-專案解析由-ai-代理駕駛的-3d-引擎">Crucible 專案解析：由 AI 代理駕駛的 3D 引擎</h1>

<p><img src="/assets/images/crucible/hero-classroom.webp" alt="Crucible 教室場景" /></p>

<p><strong>Crucible</strong>（<a href="https://github.com/codepawl/crucible">codepawl/crucible</a>，MIT 授權）是一句宣言式定位的 3D 引擎：</p>

<blockquote>
  <p><strong>Crucible is a 3D engine for JavaScript that an AI agent drives through an MCP server. It makes 3D easy to understand and easy to do.</strong></p>
</blockquote>

<p>它的前身是 <strong>67js</strong>（npm 套件 <code class="language-plaintext highlighter-rouge">@codepawlhq/67js</code> 已棄用，改裝 <code class="language-plaintext highlighter-rouge">@codepawlhq/crucible</code>）。專案 2026-10-08 創建，截至本文撰寫日（2026-11-16，星數經 GitHub API 驗證）已累積 <strong>683 顆星</strong>、54 個 fork，發佈節奏約每周一個 minor 版——上線五週已推到 <strong>v0.20.0</strong>（11-14 發佈），當天仍有新的 commit，開發極為活躍。</p>

<p>它的野心寫在 <a href="https://github.com/codepawl/crucible/blob/main/docs/goal.md">docs/goal.md</a> 裡，三個可驗證的目標：</p>

<ol>
  <li><strong>像 Blender 一樣強</strong>——每項能力都要有對照基準的證據（golden fixture 或參考渲染），示範/demo 不算數。</li>
  <li><strong>像 three.js 一樣輕</strong>——同一場景在位元組與執行期都要比 three.js 便宜，每個場景有 PR 不可逾越的體積預算。</li>
  <li><strong>對 AI 盡可能友善</strong>——冷啟動的代理在相同任務上，要比操作官方 Blender MCP 與 three.js 程式碼成功率更高、工具呼叫與 token 更少，而且<strong>永不執行代理生成的程式碼</strong>。</li>
</ol>

<h2 id="核心架構場景就是純資料">核心架構：場景就是純資料</h2>

<p>Crucible 沒有節點編輯器、沒有元件系統——<strong>一個場景就是一組資料：每個零件（part）有一份幾何、一個 4x4 矩陣、一個材質</strong>。程式面上是純 ESM 的 JavaScript：</p>

<div class="language-js highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="k">import</span> <span class="p">{</span> <span class="nx">CrucibleRenderer</span><span class="p">,</span> <span class="nx">box</span><span class="p">,</span> <span class="nx">sphere</span> <span class="p">}</span> <span class="k">from</span> <span class="dl">'</span><span class="s1">crucible</span><span class="dl">'</span><span class="p">;</span>

<span class="kd">const</span> <span class="nx">parts</span> <span class="o">=</span> <span class="p">[</span>
  <span class="p">{</span> <span class="na">name</span><span class="p">:</span> <span class="dl">'</span><span class="s1">Floor</span><span class="dl">'</span><span class="p">,</span> <span class="na">geometry</span><span class="p">:</span> <span class="nx">box</span><span class="p">(),</span>
    <span class="na">matrix</span><span class="p">:</span> <span class="nx">placed</span><span class="p">([</span><span class="mi">0</span><span class="p">,</span> <span class="mi">0</span><span class="p">,</span> <span class="mi">0</span><span class="p">],</span> <span class="p">[</span><span class="mi">8</span><span class="p">,</span> <span class="mf">0.1</span><span class="p">,</span> <span class="mi">8</span><span class="p">]),</span>
    <span class="na">material</span><span class="p">:</span> <span class="p">{</span> <span class="na">color</span><span class="p">:</span> <span class="p">[</span><span class="mf">0.4</span><span class="p">,</span> <span class="mf">0.42</span><span class="p">,</span> <span class="mf">0.45</span><span class="p">],</span> <span class="na">metallic</span><span class="p">:</span> <span class="mi">0</span><span class="p">,</span> <span class="na">roughness</span><span class="p">:</span> <span class="mf">0.9</span><span class="p">,</span> <span class="na">emission</span><span class="p">:</span> <span class="mi">0</span> <span class="p">}</span> <span class="p">},</span>
  <span class="p">{</span> <span class="na">name</span><span class="p">:</span> <span class="dl">'</span><span class="s1">Ball</span><span class="dl">'</span><span class="p">,</span> <span class="na">geometry</span><span class="p">:</span> <span class="nx">sphere</span><span class="p">(</span><span class="mi">48</span><span class="p">,</span> <span class="mi">24</span><span class="p">),</span>
    <span class="na">matrix</span><span class="p">:</span> <span class="nx">placed</span><span class="p">([</span><span class="mi">0</span><span class="p">,</span> <span class="mi">1</span><span class="p">,</span> <span class="mi">0</span><span class="p">]),</span>
    <span class="na">material</span><span class="p">:</span> <span class="p">{</span> <span class="na">color</span><span class="p">:</span> <span class="p">[</span><span class="mf">0.8</span><span class="p">,</span> <span class="mf">0.3</span><span class="p">,</span> <span class="mf">0.2</span><span class="p">],</span> <span class="na">metallic</span><span class="p">:</span> <span class="mi">0</span><span class="p">,</span> <span class="na">roughness</span><span class="p">:</span> <span class="mf">0.35</span><span class="p">,</span> <span class="na">emission</span><span class="p">:</span> <span class="mi">0</span> <span class="p">}</span> <span class="p">},</span>
<span class="p">];</span>

<span class="kd">const</span> <span class="nx">renderer</span> <span class="o">=</span> <span class="k">new</span> <span class="nx">CrucibleRenderer</span><span class="p">(</span><span class="nx">canvas</span><span class="p">,</span> <span class="nx">parts</span><span class="p">,</span> <span class="p">{</span> <span class="na">samples</span><span class="p">:</span> <span class="mi">4</span><span class="p">,</span> <span class="na">memoryBudgetMiB</span><span class="p">:</span> <span class="mi">256</span> <span class="p">});</span>
<span class="nx">renderer</span><span class="p">.</span><span class="nx">render</span><span class="p">({</span> <span class="na">eye</span><span class="p">:</span> <span class="p">[</span><span class="mi">4</span><span class="p">,</span> <span class="mi">3</span><span class="p">,</span> <span class="mi">6</span><span class="p">],</span> <span class="na">target</span><span class="p">:</span> <span class="p">[</span><span class="mi">0</span><span class="p">,</span> <span class="mi">1</span><span class="p">,</span> <span class="mi">0</span><span class="p">]</span> <span class="p">});</span>
</code></pre></div></div>

<p><code class="language-plaintext highlighter-rouge">updateParts()</code> 可移動／改色而不重新上傳，<code class="language-plaintext highlighter-rouge">resize()</code> 與 <code class="language-plaintext highlighter-rouge">dispose()</code> 管理生命週期。需求僅 Node.js 20.19+；WebGL2 瀏覽器跑柵格化與 WebGL2 路徑追蹤，WebGPU 後端需 WebGPU。</p>

<h3 id="四套渲染器">四套渲染器</h3>

<table>
  <thead>
    <tr>
      <th>名稱</th>
      <th>是什麼</th>
      <th>跑在哪</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td><strong>Glaze</strong>（<code class="language-plaintext highlighter-rouge">CrucibleRenderer</code>）</td>
      <td>即時柵格化器</td>
      <td>WebGL2</td>
    </tr>
    <tr>
      <td><strong>Cook</strong></td>
      <td>路徑追蹤器，一工作一張靜態圖</td>
      <td>CPU（預設）、WebGL2、Vulkan 光線查詢（選用 <code class="language-plaintext highlighter-rouge">@codepawlhq/cook</code> 套件）、WebGPU（WGSL compute 軟體 BVH，僅函式庫）</td>
    </tr>
    <tr>
      <td>即時路徑追蹤器</td>
      <td>混合式追蹤 + 輻射度快取 + 時序降噪（實驗性，MCP 未開放）</td>
      <td>WebGPU（WebGL2 降級）</td>
    </tr>
    <tr>
      <td>光照烘焙</td>
      <td>烘焙光照圖（lightmap）</td>
      <td>CPU、WebGL2、WebGPU</td>
    </tr>
  </tbody>
</table>

<p>值得注意的細節：瀏覽器的 WebGPU 沒有硬體光線追蹤，Cook 的 WebGPU 後端是在 WGSL compute 裡自己追 BVH——原生（Vulkan）與 WebGPU 兩條實作的影像差異 FLIP 僅 0.0000–0.0003，等於畫質幾乎相同。</p>

<h2 id="代理介面mcp-伺服器是全案的主角">代理介面：MCP 伺服器是全案的主角</h2>

<p>這是一般 3D 引擎沒有的東西。Crucible 內建 MCP 伺服器，把代理接上<strong>一個常駐的瀏覽器渲染器</strong>：</p>

<div class="language-sh highlighter-rouge"><div class="highlight"><pre class="highlight"><code>npx crucible-mcp <span class="nt">--backend</span> gpu <span class="nt">--memory</span> 192   <span class="c"># gpu=硬體 WebGL2；cpu=無顯示卡機器</span>
</code></pre></div></div>

<p>代理的工作循環設計得非常「人在迴路」：</p>

<ul>
  <li>用 <strong>JSON 場景配方</strong>（agent-scene）作者場景，含修訂與檢查點；匯入 GLB 資產、設定燈光與霧效、加動畫。</li>
  <li>拿回 <strong>PNG 預覽</strong>，可在 <strong>review grid 一次比較最多四個視角</strong>，再決定方向。</li>
  <li>對品味問題會<strong>主動提問</strong>（<code class="language-plaintext highlighter-rouge">scene_ask_user</code>），不擅自決定外觀、不讓人被動等待。</li>
  <li>交辦 <strong>render jobs</strong> 輸出靜態圖與 MP4——影片逐幀串流，整部片不會吃進記憶體。</li>
</ul>

<p>安全邊界明確：<strong>MCP 伺服器不接受任意程式碼、不允許遠端資產 URL</strong>。所有工具都是受約束、schema 檢查過的動作——遊戲邏輯也一樣，來自受約束的系統與配方，「代理寫的程式碼在引擎裡跑」被明文列為不做的事。</p>

<h3 id="安裝">安裝</h3>

<p><strong>最快路：讓代理自己裝。</strong> 把這段貼給 Claude Code / Codex / Cursor / Gemini CLI / OpenCode：</p>

<div class="language-text highlighter-rouge"><div class="highlight"><pre class="highlight"><code>Install Crucible from npm as `crucible@npm:@codepawlhq/crucible` and connect its MCP
server with `npx crucible-mcp`. Read https://crucible.codepawl.com/llms.txt first and follow it.
</code></pre></div></div>

<p><strong>Claude Code 插件</strong>（一條命令裝好 MCP 伺服器與兩個技能）：</p>

<div class="language-text highlighter-rouge"><div class="highlight"><pre class="highlight"><code>/plugin marketplace add codepawl/crucible
/plugin install crucible@crucible
</code></pre></div></div>

<p>兩個內附技能分工明確：<code class="language-plaintext highlighter-rouge">build-crucible-scene</code>（場景與材質）、<code class="language-plaintext highlighter-rouge">render-crucible-media</code>（圖片與影片輸出）。纯文字指南見 <a href="https://crucible.codepawl.com/llms.txt">llms.txt</a>。</p>

<p><img src="/assets/images/crucible/bistro-cafe.webp" alt="Bistro 咖啡館場景" /></p>

<h2 id="外掛生態從地形到網購級多人遊戲">外掛生態：從地形到網購級多人遊戲</h2>

<p>每個外掛是獨立 import，頁面只載入用到的部分。覆蓋面之廣是「遊戲引擎」級別：</p>

<table>
  <thead>
    <tr>
      <th>領域</th>
      <th>重點外掛</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>光照</td>
      <td>HDRI 影像基礎光照</td>
    </tr>
    <tr>
      <td>地形／植被</td>
      <td>分塊地形、掃描地表圖層；樹木、草、地面雜物（含風與 LOD）</td>
    </tr>
    <tr>
      <td>角色</td>
      <td>glTF 匯入、動作片段 retarget、IK 姿態層、動畫圖（狀態機、1D/2D 混合空間、遮罩層）</td>
    </tr>
    <tr>
      <td>液體／車輛</td>
      <td>烘焙液體播放（折射＋飛沫）、沿路徑的輪式車輛</td>
    </tr>
    <tr>
      <td>物理</td>
      <td>Rapier 接触與關節錄入時間軸；即時物理世界（Rapier 或選用 Jolt），接触／射線／重疊查詢</td>
    </tr>
    <tr>
      <td>即時遊戲</td>
      <td>遊戲迴圈、輸入（鍵盤／滑鼠／手把／觸控／重播）、串流載入（位元組預算＋LRU＋LOD 遲滯）、<strong>網路碼</strong>（主從權威、快照增量、客戶端預測與校正）、空間音訊、玩家控制器與攝影機rig、JSON 遊戲規則文件</td>
    </tr>
    <tr>
      <td>建模</td>
      <td>網格編輯、建模工具、雕刻筆刷</td>
    </tr>
    <tr>
      <td>離線輸出</td>
      <td>路徑追蹤靜態圖、光照烘焙、自訂全螢幕 GLSL 後製通道</td>
    </tr>
    <tr>
      <td>代理</td>
      <td>場景工作階段（修訂與檢查點）、資產匯入</td>
    </tr>
  </tbody>
</table>

<p>官方文件頁與 3D 展示（<a href="https://crucible.codepawl.com/showcase.html">showcase</a>）列出所有指南；瀏覽器裡直接開場景，不需安裝。</p>

<h2 id="公開的效能基準敢和-cycles-擺在同一張表">公開的效能基準：敢和 Cycles 擺在同一張表</h2>

<p>Crucible 的基準測算是罕見地透明：方法、機型、限制條件全部公開。測試機為 RTX 3060 12GB + i7-14700KF、Chrome 157 headless、Blender 5.3，量測日 2026-11-11。摘錄關鍵數字：</p>

<p><strong>體積</strong>：<code class="language-plaintext highlighter-rouge">lit-box</code> 場景 Crucible <strong>58,788 bytes gzip</strong>，three.js 133,797 bytes——<strong>小 2.28 倍</strong>（目標 50KB 尚未達成，體積預算由 CI 把關）。</p>

<p><strong>即時層（Glaze）</strong>：960x540 六個場景，每幀 0.77–0.98 ms（含讀像素），排隊連發 0.35–0.50 ms。對照 EEVEE 5.3 一次完整背景渲染呼叫（64 取樣）是 288–363 ms——注意這是「渲染呼叫」不是幀率對比。</p>

<p><strong>終層（Cook vs Cycles OptiX）</strong>：Cook 原生每取樣比 Cycles 快 <strong>3.8–6.2 倍</strong>，但同雜訊下需要更多取樣（噪聲受限場景要 Cycles 的 6.6–19 倍取樣數），折算<strong>同誤差總時間約 Cycles 的 0.87–2.52 倍</strong>。FLIP 誤差（對 Cycles 4096 取樣參考圖）：Cook 原生 0.019–0.080、Cycles 0.010–0.039。金屬、玻璃、戶外 HDRI 場景 Cook 尚未追平 Cycles（1/N 衰減偏慢、疑似偏差），README 直白承認，不給美化數字。</p>

<p><strong>實驗性即時路徑追蹤</strong>：WebGPU 後端每幀 5.6 ms；FLIP 16 幀（0.15 秒）後降到 0.20 以下、64 幀（0.41 秒）降到 0.10 以下、256 幀收斂於 0.056。WebGL2 降級版每幀 6.7 ms（首幀 6.1 秒含著色編譯）。</p>

<p><img src="/assets/images/crucible/colonnade-cycles.png" alt="Cycles 參考渲染" />
<em>基準場景之一：Blender Cycles 參考渲染（上）與 Crucible 渲染（下）並置於 repo 的 default-look 對比組。</em></p>

<p><img src="/assets/images/crucible/colonnade-sheet.jpg" alt="Crucible 渲染" /></p>

<h2 id="設計哲學show-then-tell">設計哲學：Show, then tell</h2>

<p>goal.md 的三條鐵律解釋了為什麼這個專案的文件長這樣：</p>

<ol>
  <li><strong>先給看，再講解</strong>——README、文件、changelog、release notes 一律以 Crucible 自己渲染的圖與短片開場；看得見的變更必附圖或短片。</li>
  <li><strong>白話</strong>——文字先講「你能做出什麼、代理替你做了什麼」，程式碼放後面。</li>
  <li><strong>人留在迴路</strong>——代理工具回傳預覽與選項供你反應；品味問題由人拍板。</li>
</ol>

<p><strong>明文不做</strong>：滑鼠編輯器與 Blender 介面、影片剪輯器、動作追蹤、Grease Pencil、讀 <code class="language-plaintext highlighter-rouge">.blend</code> 檔、相容 Blender Python API（<strong>GLB 是交換格式</strong>）、在引擎內執行代理寫的程式碼。每項都在 parity ledger 有記載原因。</p>

<p><img src="/assets/images/crucible/cook-monk.webp" alt="路徑追蹤僧侶" /></p>

<h2 id="適用場景">適用場景</h2>

<ul>
  <li><strong>讓代理生成 3D 場景與短片</strong>：貼一段 prompt 就得到「場景→預覽→審查→輸出 PNG/MP4」的完整流水線，比讓代理直接寫 three.js 少了執行任意程式碼的風險與除錯輪次。</li>
  <li><strong>瀏覽器端的輕量遊戲／互動應用</strong>：遊戲迴圈、物理、輸入、網路碼、空間音訊全有外掛，且 bundle 比 three.js 小一半以上。</li>
  <li><strong>需要離線級畫質但不想開 Blender</strong>：Cook 路徑追蹤在 CPU／WebGL2／Vulkan／WebGPU 都能跑，同誤差下與 Cycles 同數量級，逐幀串流輸出影片。</li>
</ul>

<h2 id="生態與現況">生態與現況</h2>

<ul>
  <li>每週一個 minor；1.0 之前 minor 可破壞 API，一切陳列於 <a href="https://github.com/codepawl/crucible/blob/main/CHANGELOG.md">CHANGELOG.md</a>。</li>
  <li>下游應用：<a href="https://github.com/codepawl/viz3d">viz3d</a> 技能把地點、系統與事件變成 3D 應用與影片，渲染端就是 Crucible。</li>
  <li>維護模式：<code class="language-plaintext highlighter-rouge">AGENTS.md</code> 供編碼代理起手，<code class="language-plaintext highlighter-rouge">npm run preflight</code> 本地跑 PR 檢查，CI 每次 PR 都在 bun 下跑封裝好的 MCP 伺服器——是一個「以代理開發代理工具」的自我餵食專案。</li>
  <li>開放議題 73 個，里程碑以 <code class="language-plaintext highlighter-rouge">0 Measure → 6 Games</code> 分組，每張 issue 掛 <code class="language-plaintext highlighter-rouge">goal:capable / goal:light / goal:ai</code> 標籤，與三大目標一一對應。</li>
</ul>

<p>以 683 星的体量說，Crucible 是目前「代理原生 3D」方向上文件、基準與邊界定義得最完整的開源嘗試——它不一定已經打平 Blender，但它把「打平與否如何驗證」這件事先做成了公開帳本。與上週榜上的 <a href="/github-trending-top11/">agent-browser</a>（瀏覽器自動化 CLI）互為印證：代理的工具層正被逐個重寫成「受約束、可驗證、回傳預覽」的介面，3D 是其中最新的一塊領地。</p>

<h2 id="方法說明">方法說明</h2>

<p>資料來源：<a href="https://github.com/codepawl/crucible">GitHub 倉庫</a> 之 README、docs/goal.md、docs/cycles-parity.md 索引、CHANGELOG 與 releases；星數與中繼資料以 GitHub API 於 2026-11-16 驗證；配圖下載自官方倉庫與官網並存於本站 <code class="language-plaintext highlighter-rouge">/assets/images/crucible/</code>。</p>]]></content><author><name>克里斯</name><email>chris1798@gmail.com</email></author><category term="Crucible" /><category term="3D引擎" /><category term="AI Agents" /><category term="MCP" /><category term="WebGL2" /><category term="WebGPU" /><category term="路徑追蹤" /><category term="threejs" /><category term="開源專案" /><category term="JavaScript" /><summary type="html"><![CDATA[Crucible（前身 67js）是 CodePawl 開源（MIT）的 JavaScript 3D 引擎，定位是「由 AI 代理透過 MCP 駕駛的引擎」：目標是像 Blender 一樣強、像 three.js 一樣輕、對 AI 盡可能友善。內建即時柵格化器 Glaze、路徑追蹤器 Cook、二十餘個外掛與 MCP 伺服器，並公開與 Blender Cycles/EEVEE 的基準對比。本文整理其架構、代理工作流、效能數據與設計哲學。]]></summary></entry><entry><title type="html">本週 GitHub 熱門項目整理（2026-11-16）</title><link href="https://chris1798.github.io/github-trending-top11/" rel="alternate" type="text/html" title="本週 GitHub 熱門項目整理（2026-11-16）" /><published>2026-11-16T00:00:00+00:00</published><updated>2026-11-16T00:00:00+00:00</updated><id>https://chris1798.github.io/github-trending-top11</id><content type="html" xml:base="https://chris1798.github.io/github-trending-top11/"><![CDATA[<h1 id="本週-github-熱門項目整理2026-11-16">本週 GitHub 熱門項目整理（2026-11-16）</h1>

<p>資料來源：<a href="https://github.com/trending?since=weekly">GitHub Trending（本週）</a>。本週榜單共 11 個專案，全部收錄；總星數直接取自趨勢頁並以 GitHub API 逐一核對（例：Sherlock API 回報 112,467 與榜單一致），依「本週新增星數」降序排列。</p>

<p><strong>一句話本週主題</strong>：Agent Skills 生態全面開花——榜上近半專案在教 AI 代理「怎麼做事」而非「做什麼事」，Meta 與 Google 雙雙入場，而「審查層」（review layer）正在成為新的兵家必爭之地。</p>

<h2 id="一覽表">一覽表</h2>

<table>
  <thead>
    <tr>
      <th style="text-align: right">排名</th>
      <th>專案</th>
      <th>語言</th>
      <th style="text-align: right">總星數</th>
      <th style="text-align: right">本週新增</th>
      <th>主題</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td style="text-align: right">1</td>
      <td><a href="https://github.com/meta/astryx">meta/astryx</a></td>
      <td>TypeScript</td>
      <td style="text-align: right">28,836</td>
      <td style="text-align: right">+13,660</td>
      <td>設計系統</td>
    </tr>
    <tr>
      <td style="text-align: right">2</td>
      <td><a href="https://github.com/sherlock-project/sherlock">sherlock-project/sherlock</a></td>
      <td>Python</td>
      <td style="text-align: right">112,467</td>
      <td style="text-align: right">+12,401</td>
      <td>OSINT 工具</td>
    </tr>
    <tr>
      <td style="text-align: right">3</td>
      <td><a href="https://github.com/milind-soni/OpenMausBot">milind-soni/OpenMausBot</a></td>
      <td>TypeScript</td>
      <td style="text-align: right">23,362</td>
      <td style="text-align: right">+6,413</td>
      <td>AI 代理聊天桌面端</td>
    </tr>
    <tr>
      <td style="text-align: right">4</td>
      <td><a href="https://github.com/anthropics/skills">anthropics/skills</a></td>
      <td>Python</td>
      <td style="text-align: right">195,344</td>
      <td style="text-align: right">+6,220</td>
      <td>Agent Skills 官方庫</td>
    </tr>
    <tr>
      <td style="text-align: right">5</td>
      <td><a href="https://github.com/google/elephant-goldfish-model">google/elephant-goldfish-model</a></td>
      <td>Python</td>
      <td style="text-align: right">19,737</td>
      <td style="text-align: right">+5,539</td>
      <td>設計/審查插件</td>
    </tr>
    <tr>
      <td style="text-align: right">6</td>
      <td><a href="https://github.com/vercel-labs/agent-browser">vercel-labs/agent-browser</a></td>
      <td>Rust</td>
      <td style="text-align: right">51,603</td>
      <td style="text-align: right">+4,601</td>
      <td>瀏覽器自動化 CLI</td>
    </tr>
    <tr>
      <td style="text-align: right">7</td>
      <td><a href="https://github.com/ZhuLinsen/daily_stock_analysis">ZhuLinsen/daily_stock_analysis</a></td>
      <td>Python</td>
      <td style="text-align: right">72,497</td>
      <td style="text-align: right">+4,526</td>
      <td>LLM 股票分析</td>
    </tr>
    <tr>
      <td style="text-align: right">8</td>
      <td><a href="https://github.com/we-promise/sure">we-promise/sure</a></td>
      <td>Ruby</td>
      <td style="text-align: right">15,698</td>
      <td style="text-align: right">+4,483</td>
      <td>個人理財</td>
    </tr>
    <tr>
      <td style="text-align: right">9</td>
      <td><a href="https://github.com/addyosmani/agent-skills">addyosmani/agent-skills</a></td>
      <td>JavaScript</td>
      <td style="text-align: right">117,935</td>
      <td style="text-align: right">+3,670</td>
      <td>工程技能庫</td>
    </tr>
    <tr>
      <td style="text-align: right">10</td>
      <td><a href="https://github.com/google-deepmind/mujoco">google-deepmind/mujoco</a></td>
      <td>C++</td>
      <td style="text-align: right">18,068</td>
      <td style="text-align: right">+1,859</td>
      <td>物理模擬引擎</td>
    </tr>
    <tr>
      <td style="text-align: right">11</td>
      <td><a href="https://github.com/backnotprop/plannotator">backnotprop/plannotator</a></td>
      <td>TypeScript</td>
      <td style="text-align: right">11,817</td>
      <td style="text-align: right">+818</td>
      <td>代理審查工作區</td>
    </tr>
  </tbody>
</table>

<p>（上期整理見 <a href="/github-trending-weekly/">本週 GitHub 熱門項目</a>。）</p>

<hr />

<h2 id="第-1-名metaastryx--meta-把用了八年的內部設計系統整個開源">第 1 名：meta/astryx — Meta 把用了八年的內部設計系統整個開源</h2>

<p><img src="/assets/images/astryx/banner.png" alt="Astryx" /></p>

<p><strong>功能說明</strong>：Astryx 是 Meta 內部孵化八年、支撐 <strong>13,000+ 個內部應用</strong>的最大設計系統，目前以 Beta 身分開源（MIT）。技術棧為 React 19+ 與 StyleX，交付 150+ 個無障礙元件、品牌層級主題、深色模式、成套模板與一個 CLI。使用上是「預編譯 CSS + 型別化 React 元件」，<strong>不需要 build 插件、不需要採用特定樣式庫</strong>；安裝為 <code class="language-plaintext highlighter-rouge">@astryxdesign/core</code>（npm）。三個差異化賣點：內部結構全開放（元件可自由組合，需要更深控制時用 <code class="language-plaintext highlighter-rouge">swizzle</code> 把元件原始碼直接 eject 進專案）；樣式零綁定（可直接用 Tailwind、CSS Modules 或純 CSS 以 <code class="language-plaintext highlighter-rouge">className</code> 覆蓋）；主題即資料（一組 token 就是一個主題）。README 標榜「agent ready」——人與 AI 助手用同一套工具組建介面。</p>

<p><strong>適用場景</strong>：</p>
<ul>
  <li>新建 React 專案、不想自己從零打造元件庫與設計 token</li>
  <li>已有 Tailwind/CSS Modules 專案，需要一套可無縫接入的元件系統</li>
  <li>團隊大量使用 AI 程式碼代理，需要結構化、可被代理理解的設計系統</li>
</ul>

<h2 id="第-2-名sherlock-projectsherlock--osint-老牌工具單週再漲-12-萬星">第 2 名：sherlock-project/sherlock — OSINT 老牌工具單週再漲 1.2 萬星</h2>

<p><img src="/assets/images/sherlock/demo.png" alt="Sherlock 示範" /></p>

<p><strong>功能說明</strong>：Sherlock 用一個使用者名稱橫掃 <strong>400+ 個社群網路</strong>，找出該帳號的註冊足跡，是 OSINT（開放情報）領域的標準工具。安裝管道齊全：<code class="language-plaintext highlighter-rouge">pipx install sherlock-project</code>、Docker（<code class="language-plaintext highlighter-rouge">docker run -it --rm sherlock/sherlock</code>）、dnf，社群亦維護 Debian/Ubuntu/Homebrew/Kali 套件（官方提醒 ParrotOS 與 Ubuntu 24.04 的第三方套件已損壞，請改用 uv/pipx/pip 或 Docker）。用法極簡：<code class="language-plaintext highlighter-rouge">sherlock user123</code> 可一次查多個名稱，命中結果寫入以帳號命名的文字檔。</p>

<p><img src="/assets/images/sherlock/osint-industries.jpg" alt="OSINT 產業應用" /></p>

<p><strong>適用場景</strong>：</p>
<ul>
  <li>調查特定帳號的跨平台足跡（人肉搜尋、盡職調查）</li>
  <li>品牌保護：檢查公司名稱/創辦人姓名是否被搶注</li>
  <li>資安研究：攻擊面情報收集與個資外洩排查</li>
</ul>

<blockquote>
  <p>⚠️ 解讀保留：Sherlock 總星數已達 11.2 萬，本週再 +12,401 屬老牌專案的異常爆發曲線，榜單熱度不等於實際新增採樣，星數可能摻有異常流量。</p>
</blockquote>

<h2 id="第-3-名milind-soniopenmausbot--開源的-grok-bot-替代品把-ai-代理組成名為聯絡人的團隊">第 3 名：milind-soni/OpenMausBot — 開源的 Grok Bot 替代品：把 AI 代理組成名為「聯絡人」的團隊</h2>

<p><img src="/assets/images/openmausbot/icon.png" alt="OpenMausBot" /></p>

<p><strong>功能說明</strong>：OpenMausBot（前身 OpenGrokBot）是一個 Electron 桌面應用（macOS/Windows/Ubuntu，TypeScript 嚴格模式 + React 19），定位為 Grok Bot、Meta Muse、OpenAI dots 與 Cue by Manus 的開源替代。核心概念：側欄裡每個「聯絡人」都是一個真實代理——本機執行的 Claude 或 Codex——各自有個性、模型、自己的雲端電腦與已連線應用。像傳訊息一樣跟他們對話、旁觀他們工作、只對重要動作按批准。採 bring-your-own-agent、local-first：模型用你手上現成的。官方提供 Mac（Apple silicon/Intel）與 Windows 安裝檔。</p>

<p><strong>適用場景</strong>：</p>
<ul>
  <li>想在一個聊天介面裡同時指揮多個本機編碼代理</li>
  <li>需要「代理有持久身分與工具連線」而非每次開新交談</li>
  <li>在意資料不出本機、模型自選的團隊</li>
</ul>

<h2 id="第-4-名anthropicsskills--anthropic-官方-agent-skills-倉庫">第 4 名：anthropics/skills — Anthropic 官方 Agent Skills 倉庫</h2>

<p><strong>功能說明</strong>：這是 Claude 官方技能實作的公開倉庫（Apache 2.0）。Skills 是「指示 + 腳本 + 資源」資料夾，Claude 會依任務動態載入，讓它以可重複的方式完成專門工作。倉庫收錄從創意應用（美術、音樂、設計）、技術任務（測試 web 應用、產生 MCP 伺服器）到企業工作流程（溝通、品牌規範）的示範技能，每個技能以 <code class="language-plaintext highlighter-rouge">SKILL.md</code> 自帶指示與中繼資料。亮點是連 Claude 生產環境的<strong>文件建立/編輯核心技能</strong>——<code class="language-plaintext highlighter-rouge">docx</code>、<code class="language-plaintext highlighter-rouge">pdf</code>、<code class="language-plaintext highlighter-rouge">pptx</code>、<code class="language-plaintext highlighter-rouge">xlsx</code> 四個子資料夾——也一併開源，作為「真實上線複雜技能」的參考實作。Agent Skills 標準規範另見 agentskills.io。</p>

<p><strong>適用場景</strong>：</p>
<ul>
  <li>想寫自訂技能、先讀官方範例與生產級參考實作</li>
  <li>需要讓代理生成/處理 Office 文件與 PDF</li>
  <li>追蹤 Agent Skills 標準生態的演進</li>
</ul>

<h2 id="第-5-名googleelephant-goldfish-model--用大象設計用金魚審查">第 5 名：google/elephant-goldfish-model — 用大象設計、用金魚審查</h2>

<p><img src="/assets/images/elephant-goldfish-model/screenshot.png" alt="EGM 截圖" /></p>

<p><strong>功能說明</strong>：EGM 是 Google 開源的 AI 助手插件，口号「Develop ideas with context and review documents with fresh eyes」。設計哲學是把角色拆開：<strong>Elephant</strong> 持有專案完整脈絡、起草規格文件；<strong>Goldfish</strong> 審查者在<strong>不含先前對話</strong>的全新脈絡中檢視草稿與引用的原始資料，专门暴露未被說出口的假設與盲點；最終的架構取捨由你拍板。內建「草稿 → 設計審查」工作流以軟體規格為目標，<code class="language-plaintext highlighter-rouge">/egm-review-loop</code> 可為其他文件自選審查者與標準，另附 bootstrap 與設計漂移（drift）回報。安裝覆蓋全家桶：ChatGPT/Codex 桌面版插件、Antigravity CLI、Claude Code（<code class="language-plaintext highlighter-rouge">claude plugin marketplace add google/elephant-goldfish-model</code>）、Codex CLI。對既有文件跑一次 60 秒審查不需先寫新規格。</p>

<p><strong>適用場景</strong>：</p>
<ul>
  <li>規格/設計文件定稿前的獨立第三方審查</li>
  <li>對照實際程式碼審查 README、PR 計畫</li>
  <li>想體驗 Google 官方對「代理協作設計流程」的参考答案</li>
</ul>

<h2 id="第-6-名vercel-labsagent-browser--給-ai-代理用的瀏覽器自動化-cli">第 6 名：vercel-labs/agent-browser — 給 AI 代理用的瀏覽器自動化 CLI</h2>

<p><img src="/assets/images/agent-browser/contact-sheet.png" alt="agent-browser 錄影總覽" /></p>

<p><strong>功能說明</strong>：Vercel Labs 的原生 Rust CLI（Apache-2.0），讓代理一次一個 shell 指令-driving 瀏覽器。核心循環：<code class="language-plaintext highlighter-rouge">agent-browser snapshot -i</code> 把頁面輸出為緊湊文字、每個互動元素附 <code class="language-plaintext highlighter-rouge">@e1</code> 參考記號 → <code class="language-plaintext highlighter-rouge">agent-browser click @e1</code> 動作 → <code class="language-plaintext highlighter-rouge">get url</code> 驗證結果 → 重複。瀏覽器在指令之間保持開啟，每步只是一次短 shell 呼叫，對代理的 context 極友善。安裝：<code class="language-plaintext highlighter-rouge">npm install -g agent-browser</code>（首次 <code class="language-plaintext highlighter-rouge">agent-browser install</code> 下載 Chrome for Testing）、Homebrew、或免安裝 <code class="language-plaintext highlighter-rouge">npx agent-browser open example.com</code>；Linux 加 <code class="language-plaintext highlighter-rouge">--with-deps</code> 一併裝系統函式庫。也支援 CSS 選擇器、文字、XPath 與語意定位。</p>

<p><strong>適用場景</strong>：</p>
<ul>
  <li>在 terminal/agent 環境裡需要驅動真實瀏覽器（登入、表單、點擊）</li>
  <li>替代理設計瀏覽器工具：文字快照 + ref 比截圖省 token</li>
  <li>網頁流程的輕量自動化與驗證</li>
</ul>

<h2 id="第-7-名zhulinsendaily_stock_analysis--llm-驅動的多市場自選股分析系統">第 7 名：ZhuLinsen/daily_stock_analysis — LLM 驅動的多市場自選股分析系統</h2>

<p><img src="/assets/images/daily_stock_analysis/banner.png" alt="DSA 儀表板" /></p>

<p><strong>功能說明</strong>：基於 LLM 的自選股智能分析系統，覆蓋 A 股、港股、美股、日股、韓股、台股：多源行情串接、即時新聞整合，每日自動產出「決策儀表板」並推送到企業微信、飛書、Telegram、Discord、Slack 或信箱。主打<strong>零成本定時運行</strong>——掛 GitHub Actions 即可排程，亦提供 Docker 映像（<code class="language-plaintext highlighter-rouge">zhulinsen/daily_stock_analysis</code>）。README 有簡中/英/繁中三語文件，並附 arXiv 技術報告（2608.26990）。</p>

<p><img src="/assets/images/daily_stock_analysis/alert-center.png" alt="警示中心" /></p>

<p><strong>適用場景</strong>：</p>
<ul>
  <li>盤後自動彙整自選股訊號並推播到即時通訊工具</li>
  <li>想用 LLM 做新聞＋行情的綜合摘要，而不是自己逐個看盤</li>
  <li>免伺服器方案：全部跑在 GitHub Actions 排程上</li>
</ul>

<h2 id="第-8-名we-promisesure--停運理財巨頭-maybe-的社群分身">第 8 名：we-promise/sure — 停運理財巨頭 Maybe 的社群分身</h2>

<p><img src="/assets/images/sure/dashboard.webp" alt="Sure 儀表板" /></p>

<p><strong>功能說明</strong>：Sure 是自託管個人理財與淨值追蹤應用（Ruby on Rails），是<strong>已停止維護的 Maybe Finance 的社群 fork</strong>——原團隊花掉近 100 萬美元開發、2023 年中停業後開源並歸檔，社群接手繼續推。功能覆蓋現金流、淨值、支出與資金流出面板，並內建 AI 助手回答儲蓄與財務問題。README 提供多語翻譯入口，社群以 Discord 為中心運作。</p>

<p><strong>適用場景</strong>：</p>
<ul>
  <li>想要自託管版 Copilot Money/YNAB：資料留在自己伺服器</li>
  <li>接手 Maybe 舊部署、需要一個持續維護的分身</li>
  <li>重視「由所有人為所有人」的開源治理模式</li>
</ul>

<h2 id="第-9-名addyosmaniagent-skills--把資深工程師的開發紀律打包給-ai-代理">第 9 名：addyosmani/agent-skills — 把資深工程師的開發紀律打包給 AI 代理</h2>

<p><img src="/assets/images/agent-skills/hero.jpg" alt="Agent Skills" /></p>

<p><strong>功能說明</strong>：Chrome 團隊工程領袖 Addy Osmani 的「生產級工程技能」庫：把工作流、品質閘門與最佳實踐打包成技能，讓 AI 編碼代理在開發全週期一致地遵循。9 個斜線命令對應DEFINE→PLAN→BUILD→VERIFY→REVIEW→SHIP 生命週期：<code class="language-plaintext highlighter-rouge">/spec</code>（先規格後程式碼）、<code class="language-plaintext highlighter-rouge">/plan</code>（小而原子的任務）、<code class="language-plaintext highlighter-rouge">/build</code>（一次一個切片）、<code class="language-plaintext highlighter-rouge">/test</code>（測試即證明）、<code class="language-plaintext highlighter-rouge">/constraints</code>（品質線定一次、處處執行）、<code class="language-plaintext highlighter-rouge">/review</code>、<code class="language-plaintext highlighter-rouge">/webperf</code>（先量測再優化）、<code class="language-plaintext highlighter-rouge">/code-simplify</code>（清晰勝過取巧）、<code class="language-plaintext highlighter-rouge">/ship</code>。<code class="language-plaintext highlighter-rouge">/build auto</code> 在批准計畫後一次自主實作全部任務——每個任務仍是測試驅動、逐個 commit，失敗或高風險步驟會暫停等人。技能依動作自動激活：設計 API 觸發 <code class="language-plaintext highlighter-rouge">api-and-interface-design</code>、做 UI 觸發 <code class="language-plaintext highlighter-rouge">frontend-ui-engineering</code>。</p>

<p><strong>適用場景</strong>：</p>
<ul>
  <li>嫌 AI 生成的程式碼「能跑但沒紀律」，要導入工程品質閘門</li>
  <li>想建立「spec → plan → build → test → ship」的代理開發流水線</li>
  <li>在 Claude Code 等工具找可直接安裝的成熟技能包</li>
</ul>

<h2 id="第-10-名google-deepmindmujoco--機器人學習的標準物理引擎">第 10 名：google-deepmind/mujoco — 機器人學習的標準物理引擎</h2>

<p><img src="/assets/images/mujoco/banner.png" alt="MuJoCo" /></p>

<p><strong>功能說明</strong>：MuJoCo（<strong>Mu</strong>lti-<strong>Jo</strong>int dynamics with <strong>Co</strong>ntact）是 Google DeepMind 維護的通用物理引擎，服務於機器人、生物力學、圖形動畫、機器學習等需要快速且精確模擬關節結構與環境互動的領域。C API、為研究者調校過的運行時模擬模組（低層資料結構 + 內建 XML 編譯器預先配置），內含桌面視窗與瀏覽器內的互動視覺化，並提供 Python 綁定與 Unity 插件。零安裝上手：mujoco.org 瀏覽器版、live.mujoco.org 的 WebAssembly 版 MuJoCo Studio 可直接拖放自己的模型。</p>

<p><img src="/assets/images/mujoco/desert.png" alt="MuJoCo 沙漠場景" /></p>

<p><strong>適用場景</strong>：</p>
<ul>
  <li>機器人控制/強化学習的模擬環境基底</li>
  <li>生物力學（人物動作、肌腱骨骼）模擬</li>
  <li>遊戲與動畫需要高精度接觸動力學</li>
</ul>

<h2 id="第-11-名backnotpropplannotator--代理時代的審查收件匣">第 11 名：backnotprop/plannotator — 代理時代的「審查收件匣」</h2>

<p><img src="/assets/images/plannotator/banner.webp" alt="Plannotator" /></p>

<p><strong>功能說明</strong>：Plannotator 是本地端、瀏覽器基礎的代理審查界面：對計畫、規格、Markdown、HTML 與其他互動產物做視覺化註解，審查 diff 與 PR，再把回饋送回給你的代理——「shape, decide, plan, review, stay in the loop」。支援幾乎全部主流編碼代理：Claude Code、Codex、Copilot CLI、Gemini CLI、OpenCode、Kiro、Droid、Amp、DeepSeek 等。新推出的 <strong>Plannotator Inbox</strong> 定位為多代理工作與你之間缺少的審查層：集中浮現決策、原型、變體與計畫；另有終端機版 Herdr Annotate 與視覺化 HTML 技能庫。</p>

<p><img src="/assets/images/plannotator/annotate.webp" alt="Plannotator 註解" /></p>

<p><strong>適用場景</strong>：</p>
<ul>
  <li>代理產出長計畫/規格時，用圈選註解取代純文字回饋</li>
  <li>多代理並行工作時需要統一的審閱收件匣</li>
  <li>對代理生成的 HTML 產物做視覺化 code review</li>
</ul>

<hr />

<h2 id="本週觀察">本週觀察</h2>

<ol>
  <li><strong>「技能」是今年最熱的賽道</strong>：榜上 11 個專案有 4 個直接做 Agent Skills（Anthropic 官方庫、Addy Osmani 工程技能、EGM、Plannotator），連 Meta 的 Astryx 都以「agent ready」為賣點。競爭焦點要從「哪個模型強」轉到「誰定義了代理的做事方法」。</li>
  <li><strong>大廠罕見地集體開源工具鏈</strong>：Meta（Astryx）、Google（EGM、MuJoCo）、Anthropic（skills）、Vercel（agent-browser）同週上榜——代理基礎設施已成門戶級投入，而且全數是可直接安裝的成品，不是論文。</li>
  <li><strong>「審查層」正在成形</strong>：EGM 的金魚視角審查、Plannotator 的收件匣、OpenMausBot 的「批准重要動作」，共同指向同一個缺口——代理產出越多，人類需要的審閱界面就越專業化。</li>
  <li><strong>熱度曲線要打折解讀</strong>：Sherlock 11.2 萬星的老牌專案單週 +12,401、OpenMausBot 上線未久即單週 +6,413（約總數的 27%），兩者曲線均屬異常爆發，榜單排名與實際採樣增長之間保留解讀空間。</li>
  <li><strong>非 AI 基礎建設仍有位置</strong>：MuJoCo（物理引擎）與 Sure（自託管理財）提醒：資料、物理、錢包這些「實體世界」的基礎設施，在代理熱潮裡照樣有人買單。</li>
</ol>

<h2 id="方法說明">方法說明</h2>

<ul>
  <li>榜單與星數：解析 <a href="https://github.com/trending?since=weekly">GitHub Trending?since=weekly</a> 原始 HTML（2026-11-16 抓取），總星數以 GitHub API（<code class="language-plaintext highlighter-rouge">/repos/{owner}/{repo}</code>）抽樣核對一致。</li>
  <li>排序：依「本週新增星數」降序。</li>
  <li>專案介紹：整理自各倉庫 README 與官方文件；配圖下載自官方倉庫/官網並存放於本站 <code class="language-plaintext highlighter-rouge">/assets/images/</code> 路徑。</li>
  <li>上期週報：<a href="/github-trending-weekly/">本週 GitHub 熱門項目</a>。</li>
</ul>]]></content><author><name>克里斯</name><email>chris1798@gmail.com</email></author><category term="github" /><category term="trending" /><category term="開源專案" /><category term="AI Agents" /><category term="Agent Skills" /><category term="開發工具" /><category term="週報" /><summary type="html"><![CDATA[2026-11-16 本週 GitHub Trending 全部 11 個專案的深度整理：Meta 開源八年設計系統 Astryx、OSINT 老牌 Sherlock 單週暴增、Agent Skills 生態全面開花（Anthropic 官方庫、Addy Osmani 工程技能、Google EGM、Plannotator）、Vercel agent-browser、MuJoCo 物理引擎等，含總星數與本週新增星數驗證數據。]]></summary></entry><entry><title type="html">Stela 專案解析：在 x86-64 PC 上跑 macOS 的反向 Asahi</title><link href="https://chris1798.github.io/stela-macos-on-pc/" rel="alternate" type="text/html" title="Stela 專案解析：在 x86-64 PC 上跑 macOS 的反向 Asahi" /><published>2026-11-16T00:00:00+00:00</published><updated>2026-11-16T00:00:00+00:00</updated><id>https://chris1798.github.io/stela-macos-on-pc</id><content type="html" xml:base="https://chris1798.github.io/stela-macos-on-pc/"><![CDATA[<h1 id="stela-專案解析在-x86-64-pc-上跑-macos-的反向-asahi">Stela 專案解析：在 x86-64 PC 上跑 macOS 的反向 Asahi</h1>

<p><img src="/assets/images/stela/icon.png" alt="Stela icon" /></p>

<p><strong>Stela</strong>（<a href="https://github.com/tylertms/Stela">tylertms/Stela</a>，GPL-2.0-or-later）的一句話自述：</p>

<blockquote>
  <p><strong>A translation-based Apple Silicon layer for x86-64 PCs.</strong> — It is a UEFI boot program with an arm64-to-x86-64 translator, a Metal driver for NVIDIA GPUs and a model of Apple silicon hardware. Stela currently presents itself as an M2 Mac mini.</p>
</blockquote>

<p>方向與 Asahi Linux 恰好相反：Asahi 是「在 Apple Silicon 上跑 Linux」，Stela 是「<strong>在 x86-64 PC 上模擬 Apple Silicon、讓 macOS 的 arm64e 程式碼跑起來</strong>」。開機時，Stela 的 <code class="language-plaintext highlighter-rouge">stela.efi</code> 對韌體與作業系統端呈現一台 M2 Mac mini 的硬體形象。</p>

<p>專案 2026-10-12 創建，至本文撰寫日（2026-11-16，星數經 GitHub API 驗證）五週累積 <strong>2,645 顆星</strong>、168 個 fork、61 個開放議題。發佈節奏兇猛：v0.3.0 與 v0.3.1 同在 11-12，v0.4.0 與 v0.4.1 同在 11-14，<strong>v0.4.2 於 11-15 推出</strong>，當天 main 分支仍有八筆以上的 commit。貢獻者幾乎是單人專案——作者 tylertms 一人就提交 <strong>7,418 個 commit</strong>。</p>

<p>官方自己掛著警告：<strong>仍在開發中、很慢、在支援的硬體上甚至可能開不了機</strong>。</p>

<h2 id="三大元件">三大元件</h2>

<h3 id="1-翻譯器arm64e--x86-64">1. 翻譯器：arm64e → x86-64</h3>

<ul>
  <li>採<strong>先驅翻譯（ahead-of-time）與即時編譯（JIT）雙軌</strong>，把 arm64e 指令翻成 x86-64。</li>
  <li>已涵蓋 <strong>3,000 條以上 AArch64 指令編碼</strong>，做<strong>來賓暫存器到宿主暫存器的對應</strong>，並快取已翻譯的碼。</li>
  <li>工作區 crate 分工清晰：<code class="language-plaintext highlighter-rouge">stela-compiler</code>（「ARM64 碼到 x86-64 的先驅翻譯」）、<code class="language-plaintext highlighter-rouge">stela-engine</code>（「已翻譯碼的執行：碼快取、派發、來賓記憶體與系統狀態」）、<code class="language-plaintext highlighter-rouge">stela-runtime</code>、<code class="language-plaintext highlighter-rouge">stela-crypto</code>、<code class="language-plaintext highlighter-rouge">stela-tls</code>。近期 commit 全在死磕翻譯器的轉移快取、PAC 分支預測、區塊鏈接等執行期細節——這是純體力的翻譯器工程。</li>
</ul>

<h3 id="2-metal-驅動給-nvidia-gpu">2. Metal 驅動：給 NVIDIA GPU</h3>

<ul>
  <li>把 <strong>AIR（Metal 的著色器 IR）直接編譯成 NIR（Mesa 的 IR）</strong>，支援 <strong>Metal3 與 Apple7 兩個 GPU 家族</strong>。</li>
  <li>等於把 macOS 的 Metal 呼叫接到 Mesa/NVIDIA 的開源管線上；宿主端有 <code class="language-plaintext highlighter-rouge">stela-mesa</code>、<code class="language-plaintext highlighter-rouge">stela-driver-gpu</code> 等驅動 crate，來賓端（跑起來的 macOS 裡）則裝 <code class="language-plaintext highlighter-rouge">StelaGPU.kext</code> 與對應 bundle。</li>
  <li>這就是它只支援 NVIDIA GeForce <strong>GTX 16 / RTX 20、30、40、50 系列</strong>的原因。</li>
</ul>

<h3 id="3-apple-silicon-硬體模型">3. Apple Silicon 硬體模型</h3>

<ul>
  <li><code class="language-plaintext highlighter-rouge">stela-soc</code> 是「<strong>Apple M2（T8112）裝置的暫存器級模型</strong>」，<code class="language-plaintext highlighter-rouge">stela-soc-data</code> 提供資料表；對 macOS 來說，眼前的主機就是一台 M2 Mac mini。</li>
  <li>開機由 <code class="language-plaintext highlighter-rouge">stela-boot</code>（UEFI 開機程式）扛起，裝載、格式、安全（<code class="language-plaintext highlighter-rouge">stela-loader</code>、<code class="language-plaintext highlighter-rouge">stela-formats</code>、<code class="language-plaintext highlighter-rouge">stela-fingerprint</code>）各有 crate。</li>
</ul>

<h3 id="第三方來源全用-submodule">第三方來源全用 submodule</h3>

<p><code class="language-plaintext highlighter-rouge">third_party/</code> 掛著五個 shallow submodule：<strong>gregkh/linux、Mesa、LLVM、libdrm、Apple 官方開源發行版 xnu</strong>（作參考規格）。首次編譯會抓下並編譯 Linux、Mesa 與 LLVM 原始碼，官方直言「會花很長的時間」。倉庫自述 <strong>不含任何 Apple 軟體</strong>，xnu 是 Apple 依開放源碼授權釋出的公開碼。</p>

<h2 id="硬體需求">硬體需求</h2>

<table>
  <thead>
    <tr>
      <th>項目</th>
      <th>需求</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>CPU</td>
      <td>Intel/AMD x86-64-v2（Nehalem、Bulldozer 之後），有 AVX2／AVX-512 就加速</td>
    </tr>
    <tr>
      <td>記憶體</td>
      <td>8 GB 以上</td>
    </tr>
    <tr>
      <td>韌體</td>
      <td>64 位元 UEFI，<strong>關閉 Secure Boot</strong></td>
    </tr>
    <tr>
      <td>GPU</td>
      <td>NVIDIA GeForce GTX 16 或 RTX 20/30/40/50</td>
    </tr>
    <tr>
      <td>磁碟</td>
      <td>NVMe 或 AHCI 模式的 SATA；要裝 macOS 需 60 GB 以上（GPT 分割或整顆抹除）</td>
    </tr>
    <tr>
      <td>USB 隨身碟</td>
      <td>線上安裝器 8 GB／離線安裝器 32 GB</td>
    </tr>
    <tr>
      <td>有線網路</td>
      <td>Intel（I225/I226/I210/I211/I350/82574L 等）、Realtek（RTL8111/8168/8125…）、Broadcom、Aquantia、Killer 等長清單</td>
    </tr>
    <tr>
      <td>Wi-Fi／藍牙／音效</td>
      <td><strong>目前全無支援</strong></td>
    </tr>
    <tr>
      <td>輸入</td>
      <td>USB 鍵盤滑鼠；PS/2 鍵盤滑鼠與 Synaptics/Elantech 觸控板</td>
    </tr>
  </tbody>
</table>

<h2 id="安裝流程">安裝流程</h2>

<ol>
  <li>從 <a href="https://github.com/tylertms/Stela/releases">releases 頁</a> 下載對應平台的 <code class="language-plaintext highlighter-rouge">stela</code>（Linux／macOS universal／Windows 都有，附 SHA256SUMS 與來源包）。</li>
  <li>Linux/macOS 執行 <code class="language-plaintext highlighter-rouge">sudo ./stela</code>；Windows 以管理員身分雙擊 <code class="language-plaintext highlighter-rouge">stela.exe</code>。</li>
  <li>選擇 USB 隨身碟與安裝器（線上／離線），確認後<strong>抹除整顆隨身碟</strong>。</li>
  <li>從該 USB 開機。更新是 <code class="language-plaintext highlighter-rouge">sudo ./stela update</code>，開機日誌用 <code class="language-plaintext highlighter-rouge">sudo ./stela log --output log.txt</code> 匯出附到 GitHub Issue。</li>
  <li>macOS 上未公證（notarize），被 Gatekeeper 擋下時先跑 <code class="language-plaintext highlighter-rouge">xattr -d com.apple.quarantine stela</code>。</li>
</ol>

<p>開發自建則需要 Rust、git、Python 3.10+、LLVM 21/22/23（含 Clang、LLD、libclang；macOS 端 Apple clang 21+ 亦可），<code class="language-plaintext highlighter-rouge">cargo xtask dist</code> 一次產出 <code class="language-plaintext highlighter-rouge">target/release/stela</code>。</p>

<h2 id="授權與法律邊界作者寫得很清楚">授權與法律邊界（作者寫得很清楚）</h2>

<ul>
  <li>Stela 自有碼為 <strong>GPL-2.0-or-later</strong>；含 Linux 核心碼的 <code class="language-plaintext highlighter-rouge">stela.efi</code> 為 GPL-2.0-only，串上 Apache-2.0 crate 的 CLI 為 GPL-3.0-or-later，<code class="language-plaintext highlighter-rouge">Stela.app</code>／<code class="language-plaintext highlighter-rouge">StelaGPU.kext</code> 為 GPL-2.0-or-later——每個產物的授權逐條列在 NOTICE。</li>
  <li><strong>「Stela 不含任何 Apple 軟體」</strong>；使用者自己要為遵守 Apple 軟體授權條款與使用條款負責。macOS 的安裝介质與授權合規性完全在使用者端。</li>
</ul>

<h2 id="與其他方案的座標對照">與其他方案的座標對照</h2>

<table>
  <thead>
    <tr>
      <th>方案</th>
      <th>方向</th>
      <th>手段</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td><strong>Asahi Linux</strong></td>
      <td>Apple Silicon 硬體 → 跑 Linux</td>
      <td>為 Apple 晶片寫驅動</td>
    </tr>
    <tr>
      <td><strong>Whisky / CrossOver</strong></td>
      <td>macOS 上跑 Windows 程式</td>
      <td>Wine／Game Porting Toolkit</td>
    </tr>
    <tr>
      <td><strong>classic 黑苹果</strong></td>
      <td>x86 PC → 跑 macOS (x86_64)</td>
      <td>補驅動、騙過檢查</td>
    </tr>
    <tr>
      <td><strong>Stela</strong></td>
      <td>x86 PC → <strong>跑 arm64e 的 macOS 世界</strong></td>
      <td>UEFI 層翻譯 + 暫存器級 M2 模型 + Metal→NIR</td>
    </tr>
  </tbody>
</table>

<p>黑苹果是「同架構補驅動」，Stela 是「跨架構造晶片」——工程量完全不同量級，目前也遠未成熟（作者自述慢、可能無法開機、無 Wi-Fi/音效）。</p>

<h2 id="適用場景">適用場景</h2>

<ul>
  <li><strong>研究指令集翻譯與虛擬化</strong>：一個現代、活著的 AOT+JIT 翻譯器實作，3,000+ 指令編碼、暫存器對應、快取策略全部公開可讀。</li>
  <li><strong>關注「PC 跑 macOS」前沿的人</strong>：這是第一個走「完整模擬 Apple Silicon 平台」路線的公開專案，進展以每週兩個 release 的速度推進。</li>
  <li><strong>Metal/Mesa 編譯管線研究者</strong>：AIR→NIR 的直接編譯與 kext↔宿主驅動的分工，是罕見的公開參考實作。</li>
</ul>

<h2 id="觀察">觀察</h2>

<ol>
  <li><strong>五週 2,645 星</strong>的爬升速度說明了需求端的熱度——macOS 綁死 Apple 硬體十年的天花板，社群一直在等一個「反向 Asahi」。</li>
  <li>專案的<strong>誠實度高</strong>：README 開頭就是「慢、可能開不了機」的警告；授權逐產物拆分；「不含 Apple 軟體」的法律界線畫得乾淨。</li>
  <li>風險面要直說：<strong>目前不具生產可用性</strong>（無 Wi-Fi/藍牙/音效、效能未標榜、單人維護、GPL 授權、macOS 授權合規在使用者端）。把它當成一個公開實驗場的進展追蹤，比當成方案清單的一項務實。</li>
</ol>

<p><img src="https://api.star-history.com/svg?repos=tylertms/Stela&amp;type=Date" alt="Star history" /></p>

<h2 id="方法說明">方法說明</h2>

<p>資料來源：<a href="https://github.com/tylertms/Stela">GitHub 倉庫</a> 之 README、NOTICE、Cargo 工作區與各 crate 自述、releases 與 commits（以 GitHub API 於 2026-11-16 驗證星數、貢獻者與發佈時間）；配圖取官方 icon，星數曲線為 star-history 即時圖表。</p>]]></content><author><name>克里斯</name><email>chris1798@gmail.com</email></author><category term="Stela" /><category term="macOS" /><category term="Asahi" /><category term="Apple Silicon" /><category term="x86-64" /><category term="Rust" /><category term="UEFI" /><category term="指令集翻譯" /><category term="Metal" /><category term="NVIDIA" /><category term="開源專案" /><summary type="html"><![CDATA[Stela 是 tylertms 以 Rust 開發（GPL-2.0）的「翻譯式 Apple Silicon 層」：一個 UEFI 開機程式，內建 arm64e 到 x86-64 的翻譯器（3,000+ 條 AArch64 指令編碼）、把 Metal 著色 IR 編到 Mesa NIR 的 NVIDIA GPU 驅動、以及 M2 (T8112) 裝置的暫存器級硬體模型——讓 x86-64 PC 偽裝成 M2 Mac mini 來跑 macOS。上線五週已累積 2,645 星，本文整理其架構、硬體需求、安裝流程與授權邊界。]]></summary></entry><entry><title type="html">VitePress vs Quartz vs Docusaurus：三個靜態站產生器的功能與場景比較</title><link href="https://chris1798.github.io/vitepress-quartz-docusaurus/" rel="alternate" type="text/html" title="VitePress vs Quartz vs Docusaurus：三個靜態站產生器的功能與場景比較" /><published>2026-11-16T00:00:00+00:00</published><updated>2026-11-16T00:00:00+00:00</updated><id>https://chris1798.github.io/vitepress-quartz-docusaurus</id><content type="html" xml:base="https://chris1798.github.io/vitepress-quartz-docusaurus/"><![CDATA[<h1 id="vitepress-vs-quartz-vs-docusaurus三個靜態站產生器的功能與場景比較">VitePress vs Quartz vs Docusaurus：三個靜態站產生器的功能與場景比較</h1>

<p>這三個專案常被放在一起搜尋——它們都是 TypeScript 寫成、MIT 授權的靜態站產生器（SSG），但<strong>它們解答的其實是三個不同的問題</strong>。本文以 2026-11-16 的 GitHub API 驗證數據為基礎，比較功能矩陣與適用場景。</p>

<h2 id="基本盤">基本盤</h2>

<table>
  <thead>
    <tr>
      <th> </th>
      <th>VitePress</th>
      <th>Quartz (v5)</th>
      <th>Docusaurus</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>倉庫</td>
      <td><a href="https://github.com/vuejs/vitepress">vuejs/vitepress</a></td>
      <td><a href="https://github.com/jackyzha0/quartz">jackyzha0/quartz</a></td>
      <td><a href="https://github.com/meta/docusaurus">meta/docusaurus</a></td>
    </tr>
    <tr>
      <td>定位自述</td>
      <td>Vite &amp; Vue 驅動的文件站</td>
      <td>把筆記發佈成網站的「數位花園」工具</td>
      <td>易於維護的開源專案網站</td>
    </tr>
    <tr>
      <td>星數</td>
      <td>18,491</td>
      <td>13,596</td>
      <td><strong>66,747</strong></td>
    </tr>
    <tr>
      <td>Fork</td>
      <td>2,759</td>
      <td>4,144</td>
      <td>10,140</td>
    </tr>
    <tr>
      <td>授權</td>
      <td>MIT</td>
      <td>MIT</td>
      <td>MIT</td>
    </tr>
    <tr>
      <td>創建</td>
      <td>2020-04</td>
      <td>2021-07</td>
      <td>2017-06</td>
    </tr>
    <tr>
      <td>最新版本</td>
      <td>v2.0.0-alpha.21（2026-10-25）</td>
      <td>v5.1.0（2026-11-09）</td>
      <td>v3.10.2（2026-07-10）</td>
    </tr>
    <tr>
      <td>維護者</td>
      <td>Evan You（Vue 作者）＋ VoidZero/Vue 生態贊助</td>
      <td>個人開發者 jackyzha0（讚助手計畫）</td>
      <td>Meta（倉庫要 facebook/docusaurus 已遷移至 meta 組織）</td>
    </tr>
    <tr>
      <td>最近 push</td>
      <td>2026-11-12</td>
      <td>2026-11-15</td>
      <td>2026-11-15</td>
    </tr>
    <tr>
      <td>開放議題</td>
      <td>381</td>
      <td>72</td>
      <td>441</td>
    </tr>
  </tbody>
</table>

<p>三個都在活躍維護。值得留意的是版本態勢：VitePress 正式版停在 v1.x，<strong>v2.0 仍在 alpha</strong>（alpha.21）；Quartz 已演進到完全重寫的 v5；Docusaurus 在 v3 線上穩定小步快跑。</p>

<h2 id="定位一句話版">定位：一句話版</h2>

<ul>
  <li><strong>VitePress</strong>：「Vue 生態的 Vite 文件站」。Markdown 檔案就是頁面、內嵌 Vue SFC 就是互動元件，開發伺服器與建置都騎在 Vite 上。VuePress 的精神繼承者。</li>
  <li><strong>Quartz</strong>：「把 Obsidian／Markdown 筆記變成双向連結的知識網站」。重點不是文件結構，而是<strong>筆記之間的連結圖</strong>：wikilink、反鏈、圖譜、彈出預覽，全站靜態產出。</li>
  <li><strong>Docusaurus</strong>：「開源專案的官網基建」。文件＋版本化文件＋部落格＋多語言＋主題設定，一個 CLI 生成，Meta 用來支撐自家大量 OSS 專案的官網。</li>
</ul>

<h2 id="功能矩陣">功能矩陣</h2>

<table>
  <thead>
    <tr>
      <th>功能</th>
      <th style="text-align: center">VitePress</th>
      <th style="text-align: center">Quartz</th>
      <th style="text-align: center">Docusaurus</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>技術基底</td>
      <td style="text-align: center">Vite + Vue 3</td>
      <td style="text-align: center">自建管線（TypeScript，UI 精簡、強調速度）</td>
      <td style="text-align: center">React + webpack/MF 系工具鏈（v3 起內建 Swc）</td>
    </tr>
    <tr>
      <td>文件側欄／目錄</td>
      <td style="text-align: center">✅ 主題內建</td>
      <td style="text-align: center">⚙️ Explorer 元件（樹狀導覽）</td>
      <td style="text-align: center">✅ 側欄系統，自動生成</td>
    </tr>
    <tr>
      <td>部落格</td>
      <td style="text-align: center">⚙️ 自建（社区主題）</td>
      <td style="text-align: center">✅ 文章即筆記</td>
      <td style="text-align: center">✅ 內建（作者、RSS、標籤）</td>
    </tr>
    <tr>
      <td><strong>文件版本化</strong>（v1/v2 並存）</td>
      <td style="text-align: center">❌</td>
      <td style="text-align: center">❌</td>
      <td style="text-align: center">✅ 招牌功能</td>
    </tr>
    <tr>
      <td>多語言 i18n</td>
      <td style="text-align: center">✅ 內建</td>
      <td style="text-align: center">✅ 內建</td>
      <td style="text-align: center">✅ 深度內建（CrowdIn 流程）</td>
    </tr>
    <tr>
      <td>站內搜尋</td>
      <td style="text-align: center">✅ 本機搜尋＋Algolia DocSearch</td>
      <td style="text-align: center">✅ FlexSearch 全文</td>
      <td style="text-align: center">⚙️ 外掛（Local/Algolia/DocSearch）</td>
    </tr>
    <tr>
      <td>雙向連結／反鏈</td>
      <td style="text-align: center">❌</td>
      <td style="text-align: center">✅ wikilink、Backlinks、Popovers</td>
      <td style="text-align: center">❌</td>
    </tr>
    <tr>
      <td><strong>連結圖譜視覺化</strong></td>
      <td style="text-align: center">❌</td>
      <td style="text-align: center">✅ 全站圖譜</td>
      <td style="text-align: center">❌</td>
    </tr>
    <tr>
      <td>Obsidian 相容（<code class="language-plaintext highlighter-rouge">[[wikilink]]</code>、組件）</td>
      <td style="text-align: center">❌</td>
      <td style="text-align: center">✅ Obsidian-flavored MD</td>
      <td style="text-align: center">❌</td>
    </tr>
    <tr>
      <td>Mermaid／LaTeX</td>
      <td style="text-align: center">⚙️ 生態（md 外掛）</td>
      <td style="text-align: center">✅ 內建流水線</td>
      <td style="text-align: center">⚙️ 外掛</td>
    </tr>
    <tr>
      <td>MDX（JSX in Markdown）</td>
      <td style="text-align: center">⚙️（Vue SFC 取代）</td>
      <td style="text-align: center">❌（纯 MD 流水線）</td>
      <td style="text-align: center">✅ 招牌</td>
    </tr>
    <tr>
      <td>OpenAPI／API 文件</td>
      <td style="text-align: center">⚙️ 社区方案</td>
      <td style="text-align: center">❌</td>
      <td style="text-align: center">⚙️ 外掛生態</td>
    </tr>
    <tr>
      <td>主題自定義</td>
      <td style="text-align: center">Vue 元件＋themeConfig</td>
      <td style="text-align: center">CSS 變數＋佈局層</td>
      <td style="text-align: center"><strong>JSON 主題設定＋swizzle</strong>（免碰原始碼）</td>
    </tr>
    <tr>
      <td>外掛生態</td>
      <td style="text-align: center">小（Vue 生態補位）</td>
      <td style="text-align: center">中（Quartz 插件管線）</td>
      <td style="text-align: center"><strong>大</strong>（官方＋社群外掛最多）</td>
    </tr>
    <tr>
      <td>部署</td>
      <td style="text-align: center">任意靜態託管</td>
      <td style="text-align: center">GitHub Actions 一鍵</td>
      <td style="text-align: center">內建 deploy presets（GH Pages 等）</td>
    </tr>
    <tr>
      <td>全站 OG 圖／RSS</td>
      <td style="text-align: center">⚙️ 外掛</td>
      <td style="text-align: center">✅ 內建</td>
      <td style="text-align: center">⚙️ 外掛</td>
    </tr>
    <tr>
      <td>建置速度（大站感受）</td>
      <td style="text-align: center">快（Vite 開發體驗極佳）</td>
      <td style="text-align: center">最快級（v5 主打）</td>
      <td style="text-align: center">中（功能多、冷啟動較重）</td>
    </tr>
    <tr>
      <td>學習曲線</td>
      <td style="text-align: center">低（會 Vue 就通）</td>
      <td style="text-align: center">低（寫作導向，少寫設定）</td>
      <td style="text-align: center">中（體系大、API 面廣）</td>
    </tr>
  </tbody>
</table>

<h2 id="維護模式與生態訊號">維護模式與生態訊號</h2>

<ul>
  <li><strong>VitePress</strong> 掛在 vuejs 組織下，README 的贊助清單就是 Vite 生態全家福：VoidZero（Vite/Vitest/Rolldown/Oxc）、StackBlitz（線上 playground）、Algolia（DocSearch）、BrowserStack、Netlify。它的長期方向由 v2 alpha 主導—— Rolldown 化、更深的 Vite 整合。</li>
  <li><strong>Quartz</strong> 是這三者中唯一的「個人專案」，靠讚助手維持，議題數（72）與節奏顯示維護極勤。它的設計哲學是<strong>內容零建置負擔</strong>：push 到 GitHub 就發站，功能是內建開關而非外掛市場。</li>
  <li><strong>Docusaurus</strong> 由 Meta 出錢出人，README 明言「為了支撐 Meta 大量 OSS 專案而開源」；倉庫從 facebook 遷到 meta 組織也反映其歸屬。功能面它最「全套」：5 分鐘教學、<code class="language-plaintext highlighter-rouge">npm init docusaurus@latest</code> 一分鐘起站，docusaurus.new 瀏覽器秒開 playground。</li>
</ul>

<h2 id="適用場景">適用場景</h2>

<p><strong>選 VitePress，當…</strong></p>
<ul>
  <li>你的專案是 <strong>Vue／Vite 系</strong>，文件站要能直接嵌互動元件（示範 demo、playground）。</li>
  <li>你要的是<strong>精簡文件站</strong>：侧欄＋搜尋＋深色模式＋i18n 全部內建，不想碰主題工程。</li>
  <li>你享受 Vite 的開發體驗：改檔即時熱更新、配置寫在 <code class="language-plaintext highlighter-rouge">config.mts</code> 有型別提示。</li>
  <li>例：元件庫文件、SDK 指南、個人技術部落格（配社区主題）。</li>
</ul>

<p><strong>選 Quartz，當…</strong></p>
<ul>
  <li>你是<strong>筆記重度使用者</strong>（尤其 Obsidian），想把幾千則互相連結的筆記原樣發佈，連結關係不能斷。</li>
  <li>你要的是<strong>數位花園</strong>：圖譜、反鏈、hover 預覽、全文搜尋——這些在另外兩個都是外掛也湊不齊的體驗。</li>
  <li>你完全不想寫程式：改設定、丟 .md、git push，網站自己出現。</li>
  <li>例：個人知識庫、研究筆記公開版、Zettelkasten 入口站。</li>
</ul>

<p><strong>選 Docusaurus，當…</strong></p>
<ul>
  <li>你維護<strong>有版本概念的產品文件</strong>（v2 文件不能污染 v3 文件）——三家中獨有的版本化文件。</li>
  <li>你要<strong>多語言官方文件</strong>且有人分工翻譯（CrowdIn 流程完整）。</li>
  <li>你要<strong>專案官網整套</strong>：首頁＋文件＋部落格＋行銷頁＋MDX 互動区块，还要外掛生態（搜尋、PWA、表單、分析）。</li>
  <li>例：開源庫官方文件（React Native、Supabase 等級的站點都是這系）、公司開發者入口。</li>
</ul>

<h2 id="常見誤區">常見誤區</h2>

<ol>
  <li><strong>拿 Quartz 當文件站</strong>：沒有版本化、沒有 sidebars 語意、搜尋是筆記向——它是知識網，不是產品文件。</li>
  <li><strong>拿 VitePress 做多語言大型文件平台</strong>：i18n 有，但翻譯流程、版本化、MDX 生態都薄；超過一定規模會開始自己造輪子。</li>
  <li><strong>低估 Quartz 的定制度</strong>：v5 是整條管線重寫，功能開關＋插件管線比 v4 彈性得多，「個人專案＝停滯」是錯覺。</li>
  <li><strong>VitePress 用 v2 alpha 上生產</strong>：alpha.21 仍會破壞 API，生產站點建議 v1.x，alpha 留給 Vite 生態追新者。</li>
  <li><strong>Docusaurus 冷啟動慢＝專案沒落</strong>：v3 的建置重量是「功能全內建」的代價；發佈節奏（v3.10.x 穩定推）與議題處理都很健康。</li>
</ol>

<h2 id="一句總結">一句總結</h2>

<blockquote>
  <p><strong>文件要版本化、站點要成套 → Docusaurus；Vue 生態的精緻文件站 → VitePress；筆記的雙向連結要原樣上網 → Quartz。</strong></p>
</blockquote>

<p><img src="https://api.star-history.com/svg?repos=vuejs/vitepress,jackyzha0/quartz,meta/docusaurus&amp;type=Date" alt="Star history 三案對照" /></p>

<h2 id="方法說明">方法說明</h2>

<p>星數、fork、授權、議題數、最新版本與 push 時間以 GitHub API 於 2026-11-16 驗證（VitePress 18,491／Quartz 13,596／Docusaurus 66,747）；功能矩陣整理自三案官方文件與 README（vitepress.dev、quartz.jzhao.xyz、docusaurus.io）；star-history 為即時熱鏈圖表。相關單案深度文章見 <a href="/crucible-agent-3d-engine/">Crucible</a>、<a href="/stela-macos-on-pc/">Stela</a>。</p>]]></content><author><name>克里斯</name><email>chris1798@gmail.com</email></author><category term="VitePress" /><category term="Quartz" /><category term="Docusaurus" /><category term="靜態網站" /><category term="文件站" /><category term="數位花園" /><category term="比較" /><category term="TypeScript" /><category term="開源專案" /><summary type="html"><![CDATA[比較 VitePress（Vue/Vite 系文件站）、Quartz（數位花園筆記站）與 Docusaurus（Meta 維護的多語言文件平台）三個 TypeScript 靜態站產生器：定位、核心功能矩陣、維護模式、建置體驗與適用場景，附選擇決策清單與 2026-11-16 驗證的星數、授權、最新版本數據。]]></summary></entry><entry><title type="html">Paperclip 專案解析：開源的「AI 代理商公司」管理控制台</title><link href="https://chris1798.github.io/paperclip-ai-agent-company/" rel="alternate" type="text/html" title="Paperclip 專案解析：開源的「AI 代理商公司」管理控制台" /><published>2026-11-13T00:00:00+00:00</published><updated>2026-11-13T00:00:00+00:00</updated><id>https://chris1798.github.io/paperclip-ai-agent-company</id><content type="html" xml:base="https://chris1798.github.io/paperclip-ai-agent-company/"><![CDATA[<h1 id="paperclip-專案解析開源的ai-代理商公司管理控制台">Paperclip 專案解析：開源的「AI 代理商公司」管理控制台</h1>

<p><strong>Paperclip</strong> 是 Paperclip Labs 開源的 AI agent 編排平台，README 的一句話定位非常直白：</p>

<blockquote>
  <p><strong>The open-source app everyone uses to manage agents for work.</strong>
<strong>If OpenClaw is an <em>employee</em>, Paperclip is the <em>company</em>.</strong></p>
</blockquote>

<p>它是一個 Node.js server + React UI，把一群 AI agent（Claude Code、Codex、OpenClaw、Cursor、Gemini CLI、OpenCode、Hermes、Grok Build、Kimi Code⋯）編織成一家「公司」：有組織架構圖、職位與匯報線、預算與成本管控、審批治理、目標對齊，而人類管理者看到的就是<strong>一個長得像任務管理工具的儀表板</strong>。</p>

<ul>
  <li>倉庫：<a href="https://github.com/paperclipai/paperclip">https://github.com/paperclipai/paperclip</a></li>
  <li>官網 / 文件：<a href="https://paperclip.ing">https://paperclip.ing</a> / <a href="https://docs.paperclip.ing">https://docs.paperclip.ing</a></li>
  <li>授權：MIT（© 2026 Paperclip Labs, Inc）</li>
  <li>統計（2026-11-13 查詢）：<strong>113,555 顆星</strong>、18,844 forks、約 <strong>264 位貢獻者</strong>、已合併 <strong>超過 5,900 個 PR</strong>、最新 release <code class="language-plaintext highlighter-rouge">v2026.1106.0</code>。自 2026-03-02 開源以來，8 個多月衝上十萬星，是目前 AI agent 基礎設施賽道成長最快的專案之一。</li>
</ul>

<h2 id="它在解決什麼問題">它在解決什麼問題？</h2>

<p>README 的「 Problems Paperclip solves」表寫得很直白，說的就是很多重度 agent 使用者的日常：</p>

<table>
  <thead>
    <tr>
      <th style="text-align: left">沒有 Paperclip</th>
      <th style="text-align: left">有 Paperclip</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td style="text-align: left">開著 20 個 Claude Code 分頁，記不得每個在幹嘛，重開機全丟光</td>
      <td style="text-align: left">任務是 ticket、對話是執行緒，session 跨重開機持久保存</td>
    </tr>
    <tr>
      <td style="text-align: left">要手動從各處收集上下文，「提醒」你的 agent 你到底在做什麼</td>
      <td style="text-align: left">上下文從任務→專案→公司目標自動向下流動，agent 永遠知道做什麼、<strong>為什麼</strong></td>
    </tr>
    <tr>
      <td style="text-align: left">agent 設定資料夾亂成一團，四處重造任務管理與 agent 間溝通</td>
      <td style="text-align: left">組織圖、ticket、委派、治理全部內建——你在經營公司，不是一堆腳本</td>
    </tr>
    <tr>
      <td style="text-align: left">失控迴圈燒掉數百美元 token，配额爆了才發現</td>
      <td style="text-align: left">支出追蹤、預算告警、到線自動暫停</td>
    </tr>
    <tr>
      <td style="text-align: left">例行工作（客服、社群、報告）要記得手動 kick-off</td>
      <td style="text-align: left">Routines 按排程自動建立任務、留執行歷史</td>
    </tr>
    <tr>
      <td style="text-align: left">有個想法要開 repo、起 Claude Code、開分頁盯場</td>
      <td style="text-align: left">在 Paperclip 建一個任務，coding agent 自己幹到完成，管理 agent 負責審查</td>
    </tr>
  </tbody>
</table>

<p>關鍵主張：<strong>「Manage business goals, not pull requests.」</strong> 你管理的是「把 AI 筆記應用做到 $1M MRR」這種業務目標，而不是逐個 PR。</p>

<h2 id="四大支柱four-pillars">四大支柱（Four Pillars）</h2>

<p>Paperclip 自述圍繞組織 AI agent 必備的四件事設計：</p>

<table>
  <thead>
    <tr>
      <th style="text-align: left">支柱</th>
      <th style="text-align: left">給誰用</th>
      <th style="text-align: left">涵蓋內容</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td style="text-align: left"><strong>Agentic Task Manager</strong>——宣告意圖、agent 做事、你驗收</td>
      <td style="text-align: left">所有人，每天</td>
      <td style="text-align: left">任務、審批與 review gate、主動型 agent 同事、可稽核的例程、從 diff / 截圖 / 測試驗證產出</td>
    </tr>
    <tr>
      <td style="text-align: left"><strong>Org Chart for Agents</strong>——人類與 agent 混合的角色、權限與邊界</td>
      <td style="text-align: left">管理者</td>
      <td style="text-align: left">人機混合組織圖、職責／委派／專精、治理（谁能做什麼）、scoped secrets 與公司邊界、連線權限與責任人身分</td>
    </tr>
    <tr>
      <td style="text-align: left"><strong>Agent Employee Training</strong>——設計、訓練、評估你的 AI 員工</td>
      <td style="text-align: left">賦能者</td>
      <td style="text-align: left">Skill Studio 與全組織共用技能、evals 與存檔測試輸入、主動學習迴圈與品質指標、agent 績效考核、技能版本歷史與回滾</td>
    </tr>
    <tr>
      <td style="text-align: left"><strong>Agentic OS</strong>——讓工作跑起來的基礎設施</td>
      <td style="text-align: left">IT / 平台</td>
      <td style="text-align: left">跨供應商 runtime（任何模型任何 agent）、沙箱、MCP server 整合、SSO / GRC / RBAC 與成本控制、執行歷史與選配 tracing</td>
    </tr>
  </tbody>
</table>

<h2 id="bring-your-own-agent只要收得到心跳就錄取">「Bring Your Own Agent」：只要收得到心跳，就錄取</h2>

<p>Paperclip <strong>不是 agent 框架</strong>——它不教你怎麼做 agent，它教你怎麼<strong>經營一家由 agent 組成的公司</strong>。正式支援的 adapter 生態：</p>

<ul>
  <li><strong>Claude Code</strong>、<strong>Codex</strong>、<strong>Cursor</strong>（含 Cursor Cloud）、<strong>Gemini CLI</strong>、<strong>OpenCode</strong>、<strong>Pi</strong>、<strong>Hermes（+ Gateway）</strong>、<strong>Grok Build</strong>、<strong>Kimi Code</strong></li>
  <li><strong>OpenClaw</strong> 等 HTTP / webhook bot 型 agent（claw 系是旗艦整合對象，topics 裡直接寫 <code class="language-plaintext highlighter-rouge">openclaw</code>）</li>
  <li>自訂程序、HTTP endpoint 與外部 adapter 套件可擴編名單（<code class="language-plaintext highlighter-rouge">packages/adapters</code>、<code class="language-plaintext highlighter-rouge">adapter-plugin.md</code>）</li>
</ul>

<p>口號是 <strong>“If it can receive a heartbeat, it’s hired.”</strong>（收得到心跳就錄取）。每組 agent 可各自選模型與 harness，同時共享同一份任務、技能、權限與歷史。</p>

<h2 id="系統架構控制平面不是包装殼">系統架構：控制平面，不是包装殼</h2>

<p>README 特別強調「Before you build any of this yourself, know that it already exists」——它是完整的 control plane。核心子系統：</p>

<div class="language-plaintext highlighter-rouge"><div class="highlight"><pre class="highlight"><code>PAPERCLIP SERVER（Node.js + 內嵌 PostgreSQL，生產可接外部 Postgres）
 ├ Identity &amp; Access   兩種部署模式（信任本機 / 驗證模式）、人类角色權限、agent API key、短效 run JWT
 ├ Org Chart &amp; Agents  角色、頭銜、匯報線、權限、預算
 ├ Work &amp; Tasks        任務帶 company/project/goal/parent 連結、原子化 checkout + 執行鎖、阻塞依賴、文件/附件/工作產品
 ├ Heartbeat Execution DB 佇列喚醒（合併、預算檢查、工作區解析、secret 注入、技能載入、adapter 呼叫）
 ├ Workspaces &amp; Runtime git worktree 隔離工作區、開發伺服器／預覽 URL、沙箱供應商
 ├ Governance &amp; Approvals 董事會審批流、執行政策 stage、預算硬停、agent 暫停/恢復/終止
 ├ Budget &amp; Costs      以公司/agent/專案/目標/任務/供應商/模型維度記 token 與成本，告警閾值＋硬停
 ├ Routines &amp; Schedules cron / webhook / API 觸發的例行任務
 ├ Plugins             程序外 plugin（能力閘控的 host 服務、排程、工具暴露、UI 擴充）——不改 code 就能擴充
 ├ Secrets &amp; Storage   公司 secrets、加密憑證、本機或 S3 相容儲存
 ├ Activity &amp; Events   所有變更動作寫成持久活動日誌可稽核
 └ Company Portability 組織打包匯出/匯入（agents、skills，自動脫敏 secrets）
        ▲         ▲         ▲         ▲
   Claude Code   Codex   CLI agents   HTTP/web bots
</code></pre></div></div>

<p>其中幾個被點名的「難而正確」的編排細節：</p>

<ul>
  <li><strong>原子化任務 checkout</strong>：單一受讓人＋執行鎖，防止多 agent 搶同一任務互相打架。</li>
  <li><strong>持久工作上下文</strong>：任務、評論、文件留在 Paperclip，支援的 adapter 跨 run 恢復存檔 session。</li>
  <li><strong>執行期技能注入</strong>：agent 在 runtime 學到 Paperclip 工作流與專案上下文，不用重訓。</li>
  <li><strong>可回滾的治理</strong>：審批 gate 強制執行，設定變更逐版記錄，壞變更可安全回滾。</li>
  <li><strong>可負責的連線</strong>：人類存取、agent 資格、gateway 動作權限是三層獨立控制；工具呼叫可「批准一次」或存可撤銷規則。</li>
  <li><strong>目標感知執行</strong>：任務帶著目標血統（goal ancestry）執行，agent 看到「為什麼」，不只是標題。</li>
</ul>

<h2 id="快速上手">快速上手</h2>

<p>開源、自架、<strong>不需要 Paperclip 帳號</strong>。需要 Node.js 24.11+（原始碼開發再加 pnpm 9.15+）：</p>

<div class="language-bash highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="c"># 官方推薦的一鍵上手（預設信任本機 loopback 模式）</span>
npx paperclipai@latest onboard <span class="nt">--yes</span>

<span class="c"># 隔離试玩執行個例（內嵌 Postgres、自動初始化一個 CEO agent、不裝服務）</span>
<span class="nv">ANTHROPIC_API_KEY</span><span class="o">=</span><span class="k">***</span> npx paperclipai test-drive
<span class="nv">OPENAI_API_KEY</span><span class="o">=</span><span class="k">***</span> npx paperclipai test-drive <span class="nt">--harness</span> codex
<span class="nv">OPENROUTER_API_KEY</span><span class="o">=</span><span class="k">***</span> npx paperclipai test-drive <span class="se">\</span>
  <span class="nt">--harness</span> opencode <span class="nt">--model</span> openrouter/anthropic/claude-sonnet-4.5

<span class="c"># 原始碼開發：UI + API 於 http://localhost:3100，自動建立內嵌 PostgreSQL</span>
git clone https://github.com/paperclipai/paperclip.git
<span class="nb">cd </span>paperclip <span class="o">&amp;&amp;</span> pnpm <span class="nb">install</span> <span class="o">&amp;&amp;</span> pnpm dev
</code></pre></div></div>

<p>遠端存取建議驗證模式＋私有網路綁定（Tailscale），或用 Docker 部署。生產環境把你的 Postgres 接上即可隨意部署。</p>

<p>有趣的細節：官方甚至建議「<strong>Just ask your agent to install Paperclip</strong>」——把安裝指南丟給你的 agent 讓它自己裝自己，這很符合專案的世界觀。</p>

<h2 id="程式碼規模與工程面貌">程式碼規模與工程面貌</h2>

<p>以 GitHub Languages 統計（位元組數）粗估：</p>

<table>
  <thead>
    <tr>
      <th style="text-align: left">語言</th>
      <th style="text-align: left">位元組</th>
      <th style="text-align: left">角色</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td style="text-align: left">TypeScript</td>
      <td style="text-align: left">~163 MB（94%）</td>
      <td style="text-align: left">server / UI / packages 主體</td>
    </tr>
    <tr>
      <td style="text-align: left">JavaScript</td>
      <td style="text-align: left">~5.9 MB</td>
      <td style="text-align: left">工具與腳本</td>
    </tr>
    <tr>
      <td style="text-align: left">Rust</td>
      <td style="text-align: left">~4.5 MB</td>
      <td style="text-align: left">原生 Paperclip Runner（自架預設執行器）</td>
    </tr>
    <tr>
      <td style="text-align: left">PLpgSQL</td>
      <td style="text-align: left">~0.7 MB</td>
      <td style="text-align: left">DB migration / 函式</td>
    </tr>
    <tr>
      <td style="text-align: left">Python</td>
      <td style="text-align: left">~0.57 MB</td>
      <td style="text-align: left">訂閱登入輔助等</td>
    </tr>
  </tbody>
</table>

<p>Monorepo（pnpm workspace + turbo）頂層結構：<code class="language-plaintext highlighter-rouge">server/</code>（~4,600 檔）、<code class="language-plaintext highlighter-rouge">packages/</code>（adapters、mcp-server、paperclip-runner、paperclip-eval-kernel、skills-catalog、teams-catalog、db、plugins⋯）、<code class="language-plaintext highlighter-rouge">ui/</code>（React）、<code class="language-plaintext highlighter-rouge">tests/</code>（~2,250 檔）、<code class="language-plaintext highlighter-rouge">doc/</code> + <code class="language-plaintext highlighter-rouge">docs/</code>、<code class="language-plaintext highlighter-rouge">cli/</code>、<code class="language-plaintext highlighter-rouge">skills/</code>、<code class="language-plaintext highlighter-rouge">docker/</code>、<code class="language-plaintext highlighter-rouge">.agents/skills</code>。測試分 Vitest（預設便宜路徑）與 Playwright 瀏覽器 suite 兩層；有 <code class="language-plaintext highlighter-rouge">DESIGN.md</code>（88 KB 設計紀錄）、<code class="language-plaintext highlighter-rouge">AGENTS.md</code>、<code class="language-plaintext highlighter-rouge">ROADMAP.md</code>，還提供 OpenTelemetry 與 Sentry 的選配接點。Telemetry 預設開啟但匿名、有資料契約文件，<code class="language-plaintext highlighter-rouge">PAPERCLIP_TELEMETRY_DISABLED=1</code> / <code class="language-plaintext highlighter-rouge">DO_NOT_TRACK=1</code> 可關。</p>

<p>釋放採 CalVer（<code class="language-plaintext highlighter-rouge">v2026.1106.0</code> 等），穩定高頻出版；官方 FAQ 直接回答「這是維護中的專案還是垃圾？」——<strong>已合併超過 2,700 PR</strong>（實際查询已近 6,000），背後是正式公司（Paperclip Labs，有招聘頁面）加上 Paperclip Cloud 託管版等特清單。</p>

<h2 id="它自述不是什麼">它自述「不是」什麼</h2>

<p>README 有一節少見的清醒自我定位：</p>

<ul>
  <li><strong>不是聊天機器人</strong>：對話錨定在任務、計畫、決策與產出上（實驗性 Agent Chat 可把對話交接成任務）。</li>
  <li><strong>不是 agent 框架</strong>：不教做 agent，只教經營公司。</li>
  <li><strong>不只是工作流編輯器</strong>：Routines 運作在有角色、目標、預算、治理的組織裡。</li>
  <li><strong>不是 prompt 管理工具</strong>：agent 自帶 prompt、模型、runtime。</li>
  <li><strong>不局限單一 agent、不局限 code review</strong>：從一個 agent 起步，長成有共享技能、委派與審查的團隊；研究、維運、內容等各種工作都放得下。</li>
</ul>

<p>「What Paperclip is not」加上 Roadmap 的透明度（<code class="language-plaintext highlighter-rouge">⚪ MAXIMIZER MODE</code>、Self-Organization、自動組織學習等還沒影的事直接列出來），對評估者相當友善。</p>

<h2 id="與相近工具的定位差異">與相近工具的定位差異</h2>

<table>
  <thead>
    <tr>
      <th style="text-align: left">工具</th>
      <th style="text-align: left">定位</th>
      <th style="text-align: left">與 Paperclip 的關係</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td style="text-align: left">OpenClaw / Claude Code / Codex 等</td>
      <td style="text-align: left">單個「員工」agent</td>
      <td style="text-align: left">Paperclip <strong>使用</strong>它們，把它們編成公司</td>
    </tr>
    <tr>
      <td style="text-align: left">Asana / Trello / Linear</td>
      <td style="text-align: left">人類任務管理</td>
      <td style="text-align: left">給 agent 用缺了 checkout 鎖、session 恢復、成本監控、治理這些編排細節（BYO ticket 系統在 Roadmap）</td>
    </tr>
    <tr>
      <td style="text-align: left">n8n / 一般工作流工具</td>
      <td style="text-align: left">固定流程自動化</td>
      <td style="text-align: left">Paperclip 的 Routines 運作在組織語境（角色、目標、預算、治理）內</td>
    </tr>
    <tr>
      <td style="text-align: left">CrewAI / AutoGen 等框架</td>
      <td style="text-align: left">寫 code 定義多 agent 協作</td>
      <td style="text-align: left">Paperclip 管的是「已存在的heterogeneous agent 隊伍」，跨供應商、含人類審批</td>
    </tr>
  </tbody>
</table>

<h2 id="適用場景與注意事項">適用場景與注意事項</h2>

<p><strong>適合</strong>：同時跑多個 agent（尤其 Claude Code 開一排的人）、要 24/7 自主執行但要能稽核與介入、要成本預算硬控、想從手機管理、想建「自主 AI 組織」的團隊。</p>

<p><strong>評估時留意</strong>：</p>

<ol>
  <li><strong>重量級</strong>：完整控制平面（組織圖、治理、RBAC、secrets、S3、SSO），一個 agent 的小場景會嫌重——雖然官方也說「從一個 agent 開始也能用」。</li>
  <li><strong>自架為主的現在式</strong>：託管版 Paperclip Cloud 還在等特清單；自架需 Node 24.11+，遠端要自己處理 Tailscale / Docker / 驗證模式。</li>
  <li><strong>權限面很大</strong>：它能注入 secrets、管 GitHub 連線、跑 shell 級 adapter——治理工具齊全，但這代表部署時的安全紀律要跟上（README 有 Superagent 安全姿態徽章與 SECURITY.md）。</li>
  <li><strong>Telemetry 預設開</strong>（匿名、可關，私有 repo 參考雜湊後上傳）。</li>
  <li>快節奏演進：CalVer 出＋5,900 PR 的合併速度，API 與 UI 變動快，跟版成本要列入考量。</li>
</ol>

<h2 id="結語">結語</h2>

<p>Paperclip 押注的趨勢很明確：agent 不會只是一個工具，而是會變成「員工」——到時缺的不是更聰明的 agent，而是<strong>管理員工的系統</strong>：誰做什麼、權限多大、錢花在哪、誰批准、怎麼驗收。它把這層做成了 MIT 授權、可自架、跨供應商的開放控制平面，並用 113k 星與近 6,000 個 PR 證明了速度。對已经在用多 agent 工作流的個人與團隊，它幾乎是現階段「agent 編排層」的標竿實作；想親眼看看「AI 公司怎麼跑」，一行 <code class="language-plaintext highlighter-rouge">npx paperclipai test-drive</code> 就會給你一間預載 CEO 的小公司。</p>

<hr />

<p><strong>參考來源</strong></p>

<ul>
  <li>GitHub 倉庫 README、ROADMAP.md、AGENTS.md、docs.paperclip.ing（adapters、routines、budgets、deployment-modes、plugins 指南）</li>
  <li>GitHub API 統計：stars / forks / 語言組成 / contributors / merged PR / releases（查詢日期 2026-11-13）</li>
</ul>]]></content><author><name>克里斯</name><email>chris1798@gmail.com</email></author><category term="AI" /><category term="AI Agents" /><category term="代理編排" /><category term="開源專案" /><category term="TypeScript" /><category term="工作流自動化" /><category term="MCP" /><category term="專案管理" /><summary type="html"><![CDATA[Paperclip 是 Paperclip Labs 開源（MIT）的 AI agent 編排平台——Node.js server + React UI，把 Claude Code、Codex、OpenClaw、Cursor、Gemini CLI、Hermes 等各種 agent 組織成有組織架構、預算、治理與目標對齊的「公司」。本文整理其四大支柱、系統架構、安裝方式、生態與適用場景。]]></summary></entry><entry><title type="html">Three-Live 專案解析：Google 開源的 AI-First 原生 3D / CAD / 空間運算工具鏈</title><link href="https://chris1798.github.io/three-live-analysis/" rel="alternate" type="text/html" title="Three-Live 專案解析：Google 開源的 AI-First 原生 3D / CAD / 空間運算工具鏈" /><published>2026-11-13T00:00:00+00:00</published><updated>2026-11-13T00:00:00+00:00</updated><id>https://chris1798.github.io/three-live-analysis</id><content type="html" xml:base="https://chris1798.github.io/three-live-analysis/"><![CDATA[<h1 id="three-live-專案解析ai-first-原生-3d--cad--空間運算工具鏈">Three-Live 專案解析：AI-First 原生 3D / CAD / 空間運算工具鏈</h1>

<p><strong>Three-Live</strong> 是 Google 於 2026 年 10 月開源的跨平台 3D / XR 工具鏈（注意 README 標明「This is not an officially supported Google product」，屬官方組織發布但非正式支援產品）。它的一句话定位是：</p>

<blockquote>
  <p><strong>AI-First Native 3D, CAD &amp; Spatial Computing</strong> —— 一個「裝置端 JIT 編譯器」，把即時生成的 <strong>Three.js 程式碼</strong>直接編譯、執行在 <strong>Android（Google Filament &amp; Jetpack XR SceneCore）</strong>、<strong>iOS / visionOS（Apple RealityKit）</strong> 與 <strong>WebGL2 / WebXR</strong> 上。</p>
</blockquote>

<ul>
  <li>倉庫：<a href="https://github.com/google/three-live">https://github.com/google/three-live</a></li>
  <li>官方網站與線上 Playground：<a href="https://google.github.io/three-live/">https://google.github.io/three-live/</a></li>
  <li>授權：Apache License 2.0</li>
  <li>統計（2026-11-13 查詢）：約 <strong>364 顆星</strong>、42 forks、最新釋放 <strong>v1.4.0（2026-11-09，Beta）</strong>，自 2026-10-02 開源以來以每週多次釋放的速度高速推進。</li>
</ul>

<h2 id="為什麼需要-three-live-threejs-作為3d-中間表徵ir">為什麼需要 Three-Live？—— Three.js 作為「3D 中間表徵（IR）」</h2>

<p>這是理解整個專案的鑰匙。傳統 3D 內容管線有兩條路：</p>

<ol>
  <li><strong>靜態二進位資產</strong>（<code class="language-plaintext highlighter-rouge">.glb</code> / <code class="language-plaintext highlighter-rouge">.fbx</code> / <code class="language-plaintext highlighter-rouge">.usdz</code>）：由桌面建模軟體匯出。</li>
  <li><strong>綁死單一引擎的命令式程式碼</strong>（Unity C#、Unreal C++、瀏覽器 Three.js + WebGL）。</li>
</ol>

<p>當你把 LLM、coding agent 或執行期參數化客製加進去時，兩條路都有問題：</p>

<ul>
  <li><strong>LLM 無法可靠地直接產出二進位 3D 格式</strong>——逐 token 生成顶点缓冲、四元數、位元對齊的 ZIP 封包（GLB）幾乎不可行。</li>
  <li><strong>Text-to-mesh 擴散模型的輸出缺乏場景結構</strong>——通常是一整塊合併曲面，沒有零件層級、命名節點、機械接頭、精確參數尺寸與獨立 PBR 材質。</li>
  <li><strong>但 LLM 寫 Three.js 極其擅長</strong>——<code class="language-plaintext highlighter-rouge">THREE.Mesh</code>、<code class="language-plaintext highlighter-rouge">THREE.Group</code>、<code class="language-plaintext highlighter-rouge">THREE.BoxGeometry</code>、<code class="language-plaintext highlighter-rouge">THREE.MeshStandardMaterial</code> 在公開訓練資料中大量存在，15～30 行 JavaScript 就能生成一個完整可互動的 3D 場景。</li>
</ul>

<p>Three-Live 的思路因此是：<strong>把 Three.js 當作編譯器的輸入語言（中間表徵）</strong>，在人類或 LLM 寫好腳本後，於裝置端沙箱中編譯成各平台的原生場景圖與標準資產檔（<code class="language-plaintext highlighter-rouge">.glb</code> / <code class="language-plaintext highlighter-rouge">.usdz</code>），交給各平台的原生引擎渲染。</p>

<h3 id="它解決的實際痛點">它解決的實際痛點</h3>

<p>瀏覽器 WebXR（<code class="language-plaintext highlighter-rouge">navigator.xr</code>）覆蓋率不足，是行動 AR 的長期現實：</p>

<table>
  <thead>
    <tr>
      <th style="text-align: left">目標環境</th>
      <th style="text-align: left">純瀏覽器 WebXR / 靜態 AR 交接的限制</th>
      <th style="text-align: left">Three-Live + XR-Live 能做什麼</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td style="text-align: left">Android 手機 / 平板（原生 App）</td>
      <td style="text-align: left"><code class="language-plaintext highlighter-rouge">android.webkit.WebView</code> 不支援 WebXR；Scene Viewer 只能看靜態 <code class="language-plaintext highlighter-rouge">.glb</code></td>
      <td style="text-align: left">透過 JNI 編譯 Three.js，在 App 內用 <strong>Google Filament + ARCore</strong> 原生渲染</td>
    </tr>
    <tr>
      <td style="text-align: left">Android XR / Apple Vision Pro 頭戴</td>
      <td style="text-align: left">瀏覽器 WebXR 被隔離在全螢幕 WebGL session</td>
      <td style="text-align: left">掛載原生 <strong>Jetpack XR SceneCore</strong>（<code class="language-plaintext highlighter-rouge">GltfEntity</code>、<code class="language-plaintext highlighter-rouge">MovableComponent</code>、<code class="language-plaintext highlighter-rouge">Anchor</code>）或 <strong>RealityKit</strong> 實體到系統共享空間</td>
    </tr>
    <tr>
      <td style="text-align: left">iPhone / iPad（原生 SwiftUI App）</td>
      <td style="text-align: left"><code class="language-plaintext highlighter-rouge">WKWebView</code> 無 WebXR；AR Quick Look 只看靜態 <code class="language-plaintext highlighter-rouge">.usdz</code></td>
      <td style="text-align: left">在 <strong>ARKit + RealityKit</strong>（<code class="language-plaintext highlighter-rouge">ARView</code> / <code class="language-plaintext highlighter-rouge">RealityView</code>）跑「活的」Three.js 場景、<code class="language-plaintext highlighter-rouge">animate()</code> 迴圈與互動</td>
    </tr>
    <tr>
      <td style="text-align: left">手機與頭戴瀏覽器</td>
      <td style="text-align: left">iOS Safari 沒有 WebXR</td>
      <td style="text-align: left">支援處跑 6DoF WebXR，iOS Safari 自動交接記憶體中的 <code class="language-plaintext highlighter-rouge">.usdz</code> / <code class="language-plaintext highlighter-rouge">.glb</code> 給 Quick Look</td>
    </tr>
  </tbody>
</table>

<p>重點：透過 Scene Viewer / AR Quick Look 交接靜態檔案會<strong>丟失互動性</strong>（動畫迴圈、60 Hz 物理、自訂狀態、互動插件全部消失）；Three-Live 因為編譯的是「程式碼」而非「模型」，這些都能帶進原生環境。</p>

<h2 id="架構總覽">架構總覽</h2>

<div class="language-plaintext highlighter-rouge"><div class="highlight"><pre class="highlight"><code>LLM / 開發者寫的 Three.js 腳本（type="text/three"）
        │
        ▼
沙箱 JIT 編譯器（Rust + Boa/QuickJS JS 引擎）
  · _android: JNI（零-copy）_ · _iOS/macOS/visionOS: C FFI_ · _Web: 隔離 Web Worker / iframe sandbox_
  · 執行逾時、記憶體上限、幾何配额、CPU 指令燃料限制、無網路無 DOM
        │
        ▼
零-copy GLB（glTF 2.0 二進位）／ .usdz（OpenUSD）
        │
        ├── Android：Google Filament 渲染 + Jetpack XR SceneCore 空間實體（XRLiveRuntimeSession，60 Hz 物理）
        ├── iOS / visionOS：Apple RealityKit（XRLiveRealityKitSession）/ Quick Look
        ├── Web：&lt;three-live&gt; / &lt;xr-live&gt; 自訂元素，WebGL2 / WebGPU / 6DoF WebXR
        └── CLI（three-live-cli，Rust，零 GPU）：headless CPU 光柵化、空間 linter、MCP server、agent gym
</code></pre></div></div>

<p>語言組成（GitHub Languages）：TypeScript 約 4.6 MB（Web runtime 與元件）、Kotlin 約 1.5 MB（Android SDK）、Rust 約 1.5 MB（編譯器核心）、Swift 約 1.3 MB（iOS / visionOS SDK）、JavaScript 約 1.2 MB（examples / evals）。</p>

<p>核心設計決策：</p>

<ul>
  <li><strong>三平台對等（parity contract）</strong>：Web（TypeScript）與 Rust 編譯器、Kotlin、Swift 實作以共享像素雜湊測試與結構雜湊驗證對等行為，<code class="language-plaintext highlighter-rouge">AGENTS.md</code> 明文規定跨平台對等契約。</li>
  <li><strong>沙箱安全</strong>：網路與儲存全域物件被剝除、<code class="language-plaintext highlighter-rouge">Object.prototype</code> 凍結、CPU 指令燃料上限、場景幾何記憶體配額——讓「不可信的 LLM 輸出」可以安全地在 Android / iOS / Web 上直接執行。Web 端預設<strong>關閉</strong>客戶端腳本執行，需顯式 <code class="language-plaintext highlighter-rouge">allow-client-scripts</code>。</li>
  <li><strong>編譯器絕不呼叫網路模型</strong>：所有 AI 功能（LLM 編輯、AI 質感）都是注入式 provider，編譯管線本身離線可跑。</li>
</ul>

<h2 id="四種快速上手方式">四種快速上手方式</h2>

<h3 id="1-androidkotlin--filament--jetpack-xr">1. Android（Kotlin + Filament + Jetpack XR）</h3>

<div class="language-kotlin highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="kd">val</span> <span class="py">threeJsCode</span> <span class="p">=</span> <span class="s">"""
  const core = new THREE.Mesh(
    new THREE.IcosahedronGeometry(0.55, 3),
    new THREE.MeshStandardMaterial({ color: 0x38bdf8, metalness: 0.85, roughness: 0.15 })
  );
  core.userData.xr = { grab: '2-hand', orbit: { speed: -0.4 } };
  scene.add(core);
"""</span><span class="p">.</span><span class="nf">trimIndent</span><span class="p">()</span>

<span class="c1">// 編譯成零-copy GLB ByteBuffer，直接載入 Google Filament</span>
<span class="kd">val</span> <span class="py">holder</span> <span class="p">=</span> <span class="nc">FilamentHelper</span><span class="p">.</span><span class="nf">loadModelZeroCopy</span><span class="p">(</span><span class="n">threeJsCode</span><span class="p">)</span> <span class="p">{</span> <span class="n">buffer</span> <span class="p">-&gt;</span>
    <span class="n">assetLoader</span><span class="p">.</span><span class="nf">createAssetFromBinary</span><span class="p">(</span><span class="n">buffer</span><span class="p">)</span>
<span class="p">}</span>

<span class="c1">// 每幀推進 KHR_interactivity 行為圖、60 Hz 剛體物理與空間 traits</span>
<span class="kd">val</span> <span class="py">runtime</span> <span class="p">=</span> <span class="nc">XRLiveRuntimeSession</span><span class="p">.</span><span class="nf">fromGlb</span><span class="p">(</span><span class="n">holder</span><span class="p">.</span><span class="n">byteBuffer</span><span class="p">)</span>
<span class="n">runtime</span><span class="p">.</span><span class="nf">step</span><span class="p">(</span><span class="n">dtSeconds</span> <span class="p">=</span> <span class="mf">1.0</span> <span class="p">/</span> <span class="mf">60.0</span><span class="p">)</span>
</code></pre></div></div>

<h3 id="2-ios--macos--visionosswift--realitykit">2. iOS / macOS / visionOS（Swift + RealityKit）</h3>

<div class="language-swift highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="kd">import</span> <span class="kt">ThreeLiveCompiler</span>
<span class="kd">import</span> <span class="kt">RealityKit</span>

<span class="k">let</span> <span class="nv">glb</span> <span class="o">=</span> <span class="k">try</span> <span class="kt">ThreeCompiler</span><span class="o">.</span><span class="nf">compileToGLB</span><span class="p">(</span><span class="nv">script</span><span class="p">:</span> <span class="n">threeJsCode</span><span class="p">)</span>
<span class="k">let</span> <span class="nv">entity</span> <span class="o">=</span> <span class="k">try</span> <span class="k">await</span> <span class="kt">RealityKitHelper</span><span class="o">.</span><span class="nf">loadEntity</span><span class="p">(</span><span class="nv">fromGLB</span><span class="p">:</span> <span class="n">glb</span><span class="p">)</span>
<span class="kt">XRLiveRealityKit</span><span class="o">.</span><span class="nf">installTraits</span><span class="p">(</span><span class="nv">on</span><span class="p">:</span> <span class="n">entity</span><span class="p">,</span> <span class="nv">in</span><span class="p">:</span> <span class="n">arView</span><span class="p">)</span>

<span class="k">let</span> <span class="nv">session</span> <span class="o">=</span> <span class="kt">XRLiveRealityKitSession</span><span class="p">(</span><span class="nv">glbData</span><span class="p">:</span> <span class="n">glb</span><span class="p">,</span> <span class="nv">root</span><span class="p">:</span> <span class="n">entity</span><span class="p">)</span>
<span class="n">session</span><span class="p">?</span><span class="o">.</span><span class="nf">start</span><span class="p">()</span>
</code></pre></div></div>

<p>同一段 Three.js 程式碼，四處（Android、iOS、Web、CLI）執行結果一致。</p>

<h3 id="3-cli-與-mcp-serverai-agent-的閉環驗證">3. CLI 與 MCP server（AI agent 的閉環驗證）</h3>

<p><code class="language-plaintext highlighter-rouge">three-live-cli</code> 是單一原生二進位（<strong>不需要 GPU</strong>），內建 headless CPU 光柵化渲染器與空間 linter：</p>

<div class="language-bash highlighter-rouge"><div class="highlight"><pre class="highlight"><code>npx three-live-cli render scene.js <span class="nt">--view</span><span class="o">=</span>quad <span class="nt">--grid</span> <span class="nt">--annotations</span> <span class="nt">-o</span> contact_sheet.png   <span class="c"># 4 視角接触表</span>
npx three-live-cli render scene.js <span class="nt">--reference</span><span class="o">=</span>blueprint.png <span class="nt">--view</span><span class="o">=</span>front <span class="nt">-o</span> compare.png    <span class="c"># 對照圖 silhouette diff + IoU</span>
npx three-live-cli from-image photo.jpg <span class="nt">-o</span> scene.js <span class="nt">--visual-turns</span> 2                        <span class="c"># 圖片→程式碼場景</span>
npx three-live-cli validate scene.js <span class="nt">--json</span>                                                 <span class="c"># 結構化空間診斷</span>
npx three-live-cli <span class="nb">link </span>scene.js <span class="nt">--qr</span>                                                       <span class="c"># 手機一鍵開 AR 的 QR</span>
npx three-live-cli convert scene.js <span class="nt">-o</span> model.usdz

<span class="c"># 註冊成 MCP server（Claude Code / Gemini CLI / Cursor 等）</span>
claude mcp add three-live <span class="nt">--</span> npx <span class="nt">-y</span> <span class="nt">-p</span> three-live three-live-cli mcp
</code></pre></div></div>

<p>MCP 工具包含 <code class="language-plaintext highlighter-rouge">three_live_validate</code>、<code class="language-plaintext highlighter-rouge">three_live_render</code>、<code class="language-plaintext highlighter-rouge">three_live_convert</code>、<code class="language-plaintext highlighter-rouge">three_live_from_image</code>、<code class="language-plaintext highlighter-rouge">three_live_bake_textures</code>、<code class="language-plaintext highlighter-rouge">three_live_sim</code>、<code class="language-plaintext highlighter-rouge">three_live_link</code>，以及 <strong>agent gym</strong>（<code class="language-plaintext highlighter-rouge">three_live_gym_reset / step / close</code>）——讓 agent 以「act → observe → react」逐幀玩一個場景，驗證關卡是否可通（gym 一詞借自強化學習的 reset/step 環境，不涉及 ML）。這是「LLM 寫 3D 場景」後最完整的<strong>自動化视觉＋空間驗證迴圈</strong>：渲染接触表給視覺模型看、linter 給 JSON 幾何診斷（視錐coverage、接地、重疊錯誤碼 TL100–TL402）、參照圖疊加比對給 IoU 分數。</p>

<h3 id="4-webthree-live--xr-live-自訂元素">4. Web（<code class="language-plaintext highlighter-rouge">&lt;three-live&gt;</code> / <code class="language-plaintext highlighter-rouge">&lt;xr-live&gt;</code> 自訂元素）</h3>

<div class="language-html highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="nt">&lt;three-live</span> <span class="na">allow-client-scripts</span>
    <span class="na">ai-endpoint=</span><span class="s">"https://your-backend.example/chat"</span> <span class="na">ai-model=</span><span class="s">"gemini-2.5-flash"</span><span class="nt">&gt;</span>
  <span class="nt">&lt;script </span><span class="na">type=</span><span class="s">"text/three"</span><span class="nt">&gt;</span><span class="cm">/* 標準 Three.js 場景 */</span><span class="nt">&lt;/script&gt;</span>
<span class="nt">&lt;/three-live&gt;</span>
<span class="nt">&lt;script </span><span class="na">type=</span><span class="s">"module"</span><span class="nt">&gt;</span>
  <span class="kd">const</span> <span class="nx">el</span> <span class="o">=</span> <span class="nb">document</span><span class="p">.</span><span class="nx">querySelector</span><span class="p">(</span><span class="dl">'</span><span class="s1">three-live</span><span class="dl">'</span><span class="p">);</span>
  <span class="kd">const</span> <span class="nx">result</span> <span class="o">=</span> <span class="k">await</span> <span class="nx">el</span><span class="p">.</span><span class="nx">editScene</span><span class="p">(</span><span class="dl">'</span><span class="s1">make the roof red and add a chimney</span><span class="dl">'</span><span class="p">);</span>
  <span class="k">if</span> <span class="p">(</span><span class="o">!</span><span class="nx">result</span><span class="p">.</span><span class="nx">applied</span><span class="p">)</span> <span class="nx">console</span><span class="p">.</span><span class="nx">warn</span><span class="p">(</span><span class="nx">result</span><span class="p">.</span><span class="nx">error</span><span class="p">);</span>  <span class="c1">// 失敗時場景不動</span>
<span class="nt">&lt;/script&gt;</span>
</code></pre></div></div>

<p><code class="language-plaintext highlighter-rouge">&lt;three-live&gt;</code> 對 <code class="language-plaintext highlighter-rouge">&lt;model-viewer&gt;</code> 的核心 HTML 屬性（<code class="language-plaintext highlighter-rouge">src</code>、<code class="language-plaintext highlighter-rouge">camera-controls</code>、<code class="language-plaintext highlighter-rouge">ar</code>、<code class="language-plaintext highlighter-rouge">shadow-intensity</code>…）相容，還可用 <code class="language-plaintext highlighter-rouge">ThreeLiveElement.defineModelViewer()</code> 直接顶替 <code class="language-plaintext highlighter-rouge">&lt;model-viewer&gt;</code> 標籤註冊。AI 編輯走業界通用的 Chat Completions 協定——自家後端 proxy、Ollama / LM Studio（<code class="language-plaintext highlighter-rouge">http://localhost:...</code> 免帳號）、vLLM、OpenRouter 或 Gemini 相容端點都能接，API key 留在自己的伺服器。</p>

<h2 id="ai-能力矩陣">AI 能力矩陣</h2>

<p>這是 Three-Live「AI-First」定位的具體內容，且<strong>全部四端（Web / Android / iOS / CLI）都有對應 API</strong>：</p>

<table>
  <thead>
    <tr>
      <th style="text-align: left">能力</th>
      <th style="text-align: left">介面</th>
      <th style="text-align: left">說明</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td style="text-align: left">自然語言場景編輯</td>
      <td style="text-align: left"><code class="language-plaintext highlighter-rouge">el.editScene('...')</code></td>
      <td style="text-align: left">每次編輯先在沙箱編譯驗證、失敗自動修復一輪，通過才熱替換；<code class="language-plaintext highlighter-rouge">el.undoEdit()</code> 回滾。壞生成永不弄掛現場</td>
    </tr>
    <tr>
      <td style="text-align: left">圖片→場景</td>
      <td style="text-align: left"><code class="language-plaintext highlighter-rouge">el.compileFromImage(img, {prompt, priors, visualTurns: 0..5})</code></td>
      <td style="text-align: left">照片／素描／藍圖→程序化 Three.js 場景；以 ARCore / Apple RoomPlan（<code class="language-plaintext highlighter-rouge">CapturedRoom</code>）空間先錨定真實尺度，並與 <code class="language-plaintext highlighter-rouge">REFERENCE | RENDER | OVERLAY</code> 渲染表閉環迭代</td>
    </tr>
    <tr>
      <td style="text-align: left">語音選取＋語音編輯</td>
      <td style="text-align: left"><code class="language-plaintext highlighter-rouge">selectByVoice()</code>、Tap &amp; Speak、Talk-to-Select</td>
      <td style="text-align: left">兩層式：名稱／顏色／方位／尺寸／序數由<strong>本地匹配器</strong>解析（零模型呼叫），解析不了的关系型指令才丟給 LLM；語音走 <code class="language-plaintext highlighter-rouge">ai-realtime</code> Realtime WebSocket 或 Gemini Live</td>
    </tr>
    <tr>
      <td style="text-align: left">AI PBR 質感</td>
      <td style="text-align: left"><code class="language-plaintext highlighter-rouge">userData.xr.material.prompt</code></td>
      <td style="text-align: left">以 prompt+size+seed 內容寻址的 texture pack；有 OpenAI 相容 Images 端點時生成、IndexedDB 快取、熱替換；法線圖與 ORM 圖<strong>裝置端</strong>推導；離線時以程式化 preset（wood/marble/brick/concrete/brushedMetal/rust/…）兜底</td>
    </tr>
    <tr>
      <td style="text-align: left">Agent 閉環驗證</td>
      <td style="text-align: left">MCP server + CLI + gym</td>
      <td style="text-align: left">見上文第 3 節</td>
    </tr>
  </tbody>
</table>

<p><code class="language-plaintext highlighter-rouge">why-three-live.md</code> 還提供了給 LLM 的系统提示片段、<code class="language-plaintext highlighter-rouge">docs/llm-guide.md</code> 有嚴格的 <code class="language-plaintext highlighter-rouge">THREE.*</code> 白名單、場景配额與 few-shot 模板；倉庫根附 <code class="language-plaintext highlighter-rouge">llms.txt</code> / <code class="language-plaintext highlighter-rouge">llms-full.txt</code> 餵給模型上下文，<code class="language-plaintext highlighter-rouge">skills/</code> 內含現成的 agent 技能（<code class="language-plaintext highlighter-rouge">three-live-authoring</code>、<code class="language-plaintext highlighter-rouge">xr-live-plugin-dev</code>）——整套 repo 本身就是按「給 AI 用」的規格組織的。</p>

<h2 id="插件體系與-bundle-体积預算">插件體系與 Bundle 体积預算</h2>

<p>Web 端採模組化 bundle，每個都有<strong>CI 強制</strong>的 gz 体积上限（這在開源 3D 引擎裡相當罕見）：</p>

<table>
  <thead>
    <tr>
      <th style="text-align: left">Bundle</th>
      <th style="text-align: left">上限</th>
      <th style="text-align: left">內容</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td style="text-align: left"><code class="language-plaintext highlighter-rouge">three-live-viewer.min.js</code></td>
      <td style="text-align: left">&lt; 31 KB gz</td>
      <td style="text-align: left">精簡 <code class="language-plaintext highlighter-rouge">.glb</code> / <code class="language-plaintext highlighter-rouge">.usdz</code> WebGL2 PBR viewer + AR 打包</td>
    </tr>
    <tr>
      <td style="text-align: left"><code class="language-plaintext highlighter-rouge">three-live.min.js</code></td>
      <td style="text-align: left">&lt; 78 KB gz</td>
      <td style="text-align: left">標准 <code class="language-plaintext highlighter-rouge">&lt;three-live&gt;</code> + Three.js 即時編譯器 + <code class="language-plaintext highlighter-rouge">KHR_interactivity</code></td>
    </tr>
    <tr>
      <td style="text-align: left"><code class="language-plaintext highlighter-rouge">three-live-full.min.js</code></td>
      <td style="text-align: left">&lt; 224 KB gz</td>
      <td style="text-align: left">20 個引擎插件全配（studio / CAD / procedural / animation / AI / WebGPU / TSL）</td>
    </tr>
    <tr>
      <td style="text-align: left"><code class="language-plaintext highlighter-rouge">xr-live.min.js</code></td>
      <td style="text-align: left">&lt; 90 KB gz</td>
      <td style="text-align: left">標准 <code class="language-plaintext highlighter-rouge">&lt;xr-live&gt;</code> + 空間 traits</td>
    </tr>
    <tr>
      <td style="text-align: left"><code class="language-plaintext highlighter-rouge">xr-live-spatial.min.js</code></td>
      <td style="text-align: left">&lt; 63 KB gz</td>
      <td style="text-align: left">15 個空間插件（每個約 2–5 KB gz）</td>
    </tr>
    <tr>
      <td style="text-align: left"><code class="language-plaintext highlighter-rouge">xr-live-sim.min.js</code></td>
      <td style="text-align: left">&lt; 31 KB gz</td>
      <td style="text-align: left">6 個模擬插件</td>
    </tr>
    <tr>
      <td style="text-align: left"><code class="language-plaintext highlighter-rouge">xr-live-full.min.js</code></td>
      <td style="text-align: left">&lt; 333 KB gz</td>
      <td style="text-align: left">全配</td>
    </tr>
  </tbody>
</table>

<p>對比 <code class="language-plaintext highlighter-rouge">&lt;model-viewer&gt;</code> 全套約 250 KB gz 的體量，分層策略相当克制。</p>

<p><strong>20 個 core 插件</strong>亮點：CAD（2D Shape/<code class="language-plaintext highlighter-rouge">ExtrudeGeometry</code>/3D BSP <code class="language-plaintext highlighter-rouge">CSG</code> 布林運算/<code class="language-plaintext highlighter-rouge">TextGeometry</code>）、<code class="language-plaintext highlighter-rouge">KHR_interactivity</code> 行為圖、PBR Next（clearcoat/transmission/iridescence）、HDRI 與 9 頻球諧光照、多光源深度陰影圖、雙 Kawase bloom／outline、多級 LOD、64 關節 GPU 骨架蒙皮、morph targets、兩骨節／FABRIK 逆運動學、無迴圈 <code class="language-plaintext highlighter-rouge">THREE.TSL</code> 節點材質（一份材質定義編到 GLSL／WGSL／MaterialX／Filament／CPU 光柵器）、WebGPU <code class="language-plaintext highlighter-rouge">GPURenderBundle</code> 場景加速器、<code class="language-plaintext highlighter-rouge">EXT_meshopt_compression</code> 零 WASM 解碼器。</p>

<p><strong>15 個空間插件</strong>（Android / iOS / WebXR 三端都有原生對應實作）：頭部跟隨 HUD、操作把手、<code class="language-plaintext highlighter-rouge">world-understanding</code> 平面追蹤與捲尺、Gemini Live 即時語音+視覺助理、空間彩繪、深度粒子（雨/雪/火花，與真實深度圖碰撞）、Gaussian Splatting 載入（百萬 splat）、3D 尺寸標註、磁吸對位、凝視停留（eye gaze）、CAD 爆炸圖與剖面切割、持久錨點（<code class="language-plaintext highlighter-rouge">#xr-state</code> URL 分享）、傳動式移動（teleport）、多人共在（<code class="language-plaintext highlighter-rouge">shared-room</code>，20 Hz 量化 avatar）、空間音訊。</p>

<p><strong>6 個模擬插件（xr-live-sim）</strong>：角色控制器、操舵代理（patrol/chase/flee）、確定性 60 Hz 剛體物理＋機械接頭（hinge/slider/spring/ball，並匯出 USDZ PhysicsAPI）、命中區與觸發區、計分任務清單（訓練演練）、零素材程序化音效。</p>

<p><strong>5 個領域套件（Domain Kits）</strong>：共 <strong>57 個水密 2-manifold 參數化 CAD 零件</strong>——機械（正齒輪、斜齒輪、螺栓 ISO 公制、軸承、帶輪…）、建築（牆/屋頂/樓梯含 IBC 規範/門窗）、工業（管線含焊接法蘭、閥門、泵、貨架、OSHA 安全籠爬梯…）、科學（分子式含 CPK 著色、蛋白質 ribbon、晶格、等值面 Marching Tetrahedra、向量場流線 RK4…）、電子（PCB、散熱片、IC 封裝含 JEDEC 規格…）。每個 12–30 KB gz 單賣，LLM 只要叫 <code class="language-plaintext highlighter-rouge">new THREE.Mechanical.SpurGearGeometry(...)</code> 就能得到標準零件。</p>

<h2 id="與相近方案的定位比較">與相近方案的定位比較</h2>

<table>
  <thead>
    <tr>
      <th style="text-align: left">維度</th>
      <th style="text-align: left">原生 Three.js（瀏覽器）</th>
      <th style="text-align: left">靜態資產 viewer（<code class="language-plaintext highlighter-rouge">&lt;model-viewer&gt;</code> / Quick Look）</th>
      <th style="text-align: left">遊戲引擎工具鏈</th>
      <th style="text-align: left"><strong>Three-Live</strong></th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td style="text-align: left">主要輸入</td>
      <td style="text-align: left">綁死 DOM/WebGL 的 JS</td>
      <td style="text-align: left">預先烘焙 <code class="language-plaintext highlighter-rouge">.glb</code> / <code class="language-plaintext highlighter-rouge">.usdz</code></td>
      <td style="text-align: left">引擎專案檔＋C#/C++</td>
      <td style="text-align: left">宣告式 HTML＋沙箱 Three.js（＋<code class="language-plaintext highlighter-rouge">.glb</code>）</td>
    </tr>
    <tr>
      <td style="text-align: left">LLM 工作流</td>
      <td style="text-align: left">無內建空間 linter／沙箱</td>
      <td style="text-align: left">LLM 無法直接產二進位</td>
      <td style="text-align: left">需編輯器插＋多步編譯</td>
      <td style="text-align: left">標準語法＋linter＋silhouette 對照＋自動修復</td>
    </tr>
    <tr>
      <td style="text-align: left">不可信腳本安全</td>
      <td style="text-align: left">主執行緒全權限</td>
      <td style="text-align: left">安全（只解析資產）</td>
      <td style="text-align: left">不適用於執行期腳本</td>
      <td style="text-align: left">Boa/QuickJS 或 Worker 沙箱，CPU/記憶體/頂點上限</td>
    </tr>
    <tr>
      <td style="text-align: left">原生 Android / iOS</td>
      <td style="text-align: left">僅瀏覽器 / WebView</td>
      <td style="text-align: left">僅 Web＋iOS 靜態交接</td>
      <td style="text-align: left">離線編譯原生 binaries</td>
      <td style="text-align: left"><strong>裝置端 Rust 編譯器→Filament / RealityKit</strong></td>
    </tr>
    <tr>
      <td style="text-align: left">程序化著色器</td>
      <td style="text-align: left">瀏覽器限定</td>
      <td style="text-align: left">靜態貼圖</td>
      <td style="text-align: left">離線引擎著色圖</td>
      <td style="text-align: left">TSL 一份圖→GLSL/WGSL/MaterialX/Filament/CPU</td>
    </tr>
    <tr>
      <td style="text-align: left">執行期 AI 編輯</td>
      <td style="text-align: left">自建</td>
      <td style="text-align: left">不支援</td>
      <td style="text-align: left">自建</td>
      <td style="text-align: left">內建 <code class="language-plaintext highlighter-rouge">editScene</code> / <code class="language-plaintext highlighter-rouge">compileFromImage</code> / <code class="language-plaintext highlighter-rouge">selectByVoice</code></td>
    </tr>
  </tbody>
</table>

<p>官方文檔也坦承<strong>不適用場景</strong>（少見的誠實）：只展示美術做好的靜態模型（用 <code class="language-plaintext highlighter-rouge">&lt;model-viewer&gt;</code> 或其精簡 viewer 就夠）；大型遊戲（GB 級串流世界、任意迴圈 compute shader、navmesh、主機管線請用完整遊戲引擎）；依賴 DOM／網路／無界迴圈的 Three.js 腳本（沙箱會擋）。</p>

<h2 id="安裝速查">安裝速查</h2>

<table>
  <thead>
    <tr>
      <th style="text-align: left">平台</th>
      <th style="text-align: left">管道</th>
      <th style="text-align: left">標識</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td style="text-align: left">Android</td>
      <td style="text-align: left">JitPack（免驗證）/ GitHub Packages Maven / 預建 AAR / 原始碼</td>
      <td style="text-align: left"><code class="language-plaintext highlighter-rouge">com.github.google.three-live:compiler:v1.4.0</code>（可選 <code class="language-plaintext highlighter-rouge">:filament</code>、<code class="language-plaintext highlighter-rouge">:firebase-ai</code>、<code class="language-plaintext highlighter-rouge">:detect-mlkit</code>、<code class="language-plaintext highlighter-rouge">:hands-*</code>）</td>
    </tr>
    <tr>
      <td style="text-align: left">iOS / macOS / visionOS</td>
      <td style="text-align: left">SwiftPM（自動解析 checksum 釘選的預建 XCFramework，本地免 Rust/Node 工具鏈）</td>
      <td style="text-align: left"><code class="language-plaintext highlighter-rouge">.package(url: "https://github.com/google/three-live.git", from: "1.0.0")</code></td>
    </tr>
    <tr>
      <td style="text-align: left">Rust CLI / 函式庫</td>
      <td style="text-align: left">Crates.io / 預建二進位（macOS、Linux、Windows）/ <code class="language-plaintext highlighter-rouge">make rust</code></td>
      <td style="text-align: left"><code class="language-plaintext highlighter-rouge">cargo install three-live-compiler --bin three-live-cli</code></td>
    </tr>
    <tr>
      <td style="text-align: left">Web</td>
      <td style="text-align: left">npm / jsDelivr / GitHub Pages CDN / <code class="language-plaintext highlighter-rouge">three-live-web-dist.zip</code></td>
      <td style="text-align: left"><code class="language-plaintext highlighter-rouge">npm install three-live xr-live</code></td>
    </tr>
  </tbody>
</table>

<p>開發：repo 根 <code class="language-plaintext highlighter-rouge">make doctor</code> 檢查工具鏈（NDK / Xcode / Rust / Node），<code class="language-plaintext highlighter-rouge">make android-demo</code>、<code class="language-plaintext highlighter-rouge">make ios-demo</code>、<code class="language-plaintext highlighter-rouge">make web-demo</code>（localhost:8888 遊樂場）、<code class="language-plaintext highlighter-rouge">make test</code> 跑四端對等測試。CI 由 GitHub Actions 分 CI / Pages / Release 三條管線。</p>

<h2 id="工程品質觀察">工程品質觀察</h2>

<ul>
  <li><strong>釋放節奏</strong>：1.0.0 Developer Preview（2026-10-06）→ 1.4.0 Beta（2026-11-09），約五週四個 minor，CHANGELOG 每條都寫到 API 簽名與跨平台行為細節。</li>
  <li><strong>評測體系</strong>：<code class="language-plaintext highlighter-rouge">evals/</code> 內建 <strong>100 條 prompts</strong> 的 LLM 生成評測（anim / cad / mat / org / xr 五類各 20 條）＋ smoke 腳本，<code class="language-plaintext highlighter-rouge">run_evals.ts</code> 可重跑——「LLM 生成的場景品質」被當成可回歸的測試，而非 demo。</li>
  <li><strong>Agent 文檔化</strong>：<code class="language-plaintext highlighter-rouge">AGENTS.md</code>（倉庫規則＋三端對等契約＋bundle 預算＋安全不變量）、<code class="language-plaintext highlighter-rouge">llms.txt</code> / <code class="language-plaintext highlighter-rouge">llms-full.txt</code>（16 萬字元完整參考單檔）、<code class="language-plaintext highlighter-rouge">skills/</code> 兩個 agent 技能、<code class="language-plaintext highlighter-rouge">.mcp.json</code> / <code class="language-plaintext highlighter-rouge">smithery.yaml</code> / <code class="language-plaintext highlighter-rouge">glama.json</code>（MCP 生態註冊檔）一應俱全。</li>
  <li><strong>測試</strong>：Rust 單元＋fuzz（transcode）、WebAssembly 測試、參考影像 fixtures（像素級對等）、TypeScript/Rust 共享像素雜湊的質感生成測試、层级对等 fixtures。</li>
  <li><strong>狀態</strong>：README 自述 <strong>Beta</strong>——核心 3D、行動 AR/XR、空間運算 runtime、<code class="language-plaintext highlighter-rouge">userData.xr</code> trait schema（schemaVersion: 1）、沙箱 JIT 與三端對等已功能完備；星數還少（364），社群正處於爆發前段，API 仍可能演進。</li>
</ul>

<h2 id="結語">結語</h2>

<p>Three-Live 是第一個把「<strong>LLM 生成的 Three.js 程式碼</strong>」当作一等公民的跨平台 3D/XR 執行環境：程序式代碼當 3D IR、Rust 沙箱 JIT 當安全邊界、零-copy GLB/USZD 當原生引擎交接格式、CLI/MCP 接触表與空間 linter 當 agent 的「眼睛」。對想做「AI 生成 3D 場景」「行動端 AR 產品檢視器」「Web＋原生三端一致」的团队，它提供了一條不需要 Unity/Unreal 的重管線方案；而它那套給 LLM 用的 llms.txt、白名單、few-shot、agent gym 與 100-prompt evals，也是觀察「AI-first 工具鏈该怎么設計」的現成教材。Apache-2.0 授權、預建產物齊全（AAR / XCFramework / 各平台 CLI 二進位 / npm），要評估的門檻不高——直接 <code class="language-plaintext highlighter-rouge">npx three-live-cli render</code> 一張四視角接触表，就能感受它的闭环驗證設計。</p>

<hr />

<p><strong>參考來源</strong></p>

<ul>
  <li>GitHub 倉庫與 README、<code class="language-plaintext highlighter-rouge">docs/why-three-live.md</code>、<code class="language-plaintext highlighter-rouge">docs/xr-live.md</code>、<code class="language-plaintext highlighter-rouge">docs/three-live.md</code>、<code class="language-plaintext highlighter-rouge">docs/llm-guide.md</code>、<code class="language-plaintext highlighter-rouge">docs/cookbook.md</code>、<code class="language-plaintext highlighter-rouge">CHANGELOG.md</code>（v1.4.0，2026-11-09）</li>
  <li>官方網站：<a href="https://google.github.io/three-live/">https://google.github.io/three-live/</a></li>
  <li>統計數據查詢日期：2026-11-13</li>
</ul>]]></content><author><name>克里斯</name><email>chris1798@gmail.com</email></author><category term="Three.js" /><category term="3D" /><category term="WebXR" /><category term="AR" /><category term="XR" /><category term="LLM" /><category term="MCP" /><category term="Rust" /><category term="開源專案" /><category term="Google" /><summary type="html"><![CDATA[Three-Live 是 Google 開源（Apache-2.0）的 AI-First 3D 工具鏈：把標準 Three.js 程式碼用裝置端 Rust JIT 編譯器編譯成 Android（Google Filament / Jetpack XR）、iOS / visionOS（Apple RealityKit）與 WebGL2 / WebXR 的原生場景，並附上 .glb / .usdz 匯出、空間 linter、headless 渲染與 MCP server，專為 LLM 與 AI coding agent 閉環驗證設計。本文整理其架構、能力矩陣、安裝方式與適用場景。]]></summary></entry><entry><title type="html">MoneyPrinterTurbo 功能總覽：一句主題，自動產出高清短影片</title><link href="https://chris1798.github.io/moneyprinterturbo-ai-video-generator/" rel="alternate" type="text/html" title="MoneyPrinterTurbo 功能總覽：一句主題，自動產出高清短影片" /><published>2026-11-11T00:00:00+00:00</published><updated>2026-11-11T00:00:00+00:00</updated><id>https://chris1798.github.io/moneyprinterturbo-ai-video-generator</id><content type="html" xml:base="https://chris1798.github.io/moneyprinterturbo-ai-video-generator/"><![CDATA[<h1 id="moneyprinterturbo-功能總覽一句主題自動產出高清短影片">MoneyPrinterTurbo 功能總覽：一句主題，自動產出高清短影片</h1>

<p><strong>MoneyPrinterTurbo</strong> 是一個「一站式 AI 短影片產生工具」：只要提供影片<strong>主題</strong>或<strong>關鍵字</strong>，它就會自動生成影片腳本、搜尋或生成畫面素材、合成配音與字幕、加上背景音樂，最後剪輯合成一支高清短影片，並可一鍵上傳到 TikTok、Instagram 與 YouTube Shorts。整個流程從文案到成片完全自動化，也允許在每個環節改用自產內容。</p>

<table>
  <thead>
    <tr>
      <th>專案資訊</th>
      <th>數值</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>倉庫</td>
      <td><a href="https://github.com/harry0703/MoneyPrinterTurbo">harry0703/MoneyPrinterTurbo</a></td>
    </tr>
    <tr>
      <td>Stars / Forks</td>
      <td>142,374 / 22,759</td>
    </tr>
    <tr>
      <td>授權</td>
      <td>MIT</td>
    </tr>
    <tr>
      <td>主要語言</td>
      <td>Python（約 4.1 MB 程式碼，另有少量 CSS/Shell）</td>
    </tr>
    <tr>
      <td>最新版本</td>
      <td>v1.3.10（2026-11-07 發布）</td>
    </tr>
    <tr>
      <td>建立時間</td>
      <td>2024-03-11，至今持續活躍更新</td>
    </tr>
    <tr>
      <td>執行環境</td>
      <td>Windows 10 / macOS 11+ / Linux，Python 3.11+</td>
    </tr>
  </tbody>
</table>

<p>專案自 2024 年 3 月建立以來成長快速，是 GitHub 上 Star 數最高的 AI 影片產生開源專案之一，更新節奏穩定（v1.3.9、v1.3.10 都在 2026 年 11 月初接連發布）。</p>

<h2 id="介面總覽">介面總覽</h2>

<p>WebUI 以 Streamlit 打造，左側是生成設定（主題、語言、畫幅、配音、字幕樣式等），右側為任務進度與成片預覽；另外提供 FastAPI 的 REST API 文件介面，可整併到自動化流程。</p>

<p><img src="/assets/images/MoneyPrinterTurbo/webui.jpg" alt="WebUI 介面" /></p>

<p><img src="/assets/images/MoneyPrinterTurbo/api.jpg" alt="API 文件介面" /></p>

<h2 id="核心工作流程">核心工作流程</h2>

<p>輸入一個主題後，系統依序完成六個環節，每個環節都可替換成自訂內容：</p>

<div class="language-text highlighter-rouge"><div class="highlight"><pre class="highlight"><code>主題／關鍵字
   │
   ├─① LLM 產生多語影片腳本（或貼上自寫腳本）
   ├─② TTS 語音配音（自動／上傳配音檔／無配音）
   ├─③ 素材取得：庫存網站、AI 文生影片、上傳本地圖影片
   ├─④ 字幕產生（TTS 時間戳或 Whisper 轉錄）
   ├─⑤ 背景音樂（隨機／本地／AI 生成）
   └─⑥ FFmpeg + MoviePy 剪輯合成 → 9:16、16:9、1:1 成片
                                        │
                                        └─ 一鍵發布 TikTok / Instagram / YouTube Shorts
</code></pre></div></div>

<h2 id="功能特性詳解">功能特性詳解</h2>

<h3 id="1-創作入口與工作流">1. 創作入口與工作流</h3>

<table>
  <thead>
    <tr>
      <th>入口</th>
      <th>說明</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>AI Agent</td>
      <td>將專案的 <code class="language-plaintext highlighter-rouge">docs/skill/SKILL.md</code> 連結貼給支援 Skill 的 AI 助理，它會自動完成安裝、設定與影片產出（支援 macOS / Windows），缺 API 金鑰時才會詢問使用者</td>
    </tr>
    <tr>
      <td>WebUI</td>
      <td>圖形介面，瀏覽器開啟 <code class="language-plaintext highlighter-rouge">http://127.0.0.1:8501</code></td>
    </tr>
    <tr>
      <td>API</td>
      <td>FastAPI 服務（預設 port 8080，<code class="language-plaintext highlighter-rouge">/docs</code> 為 OpenAPI 文件），適合接 n8n 等自動化流程</td>
    </tr>
    <tr>
      <td>CLI</td>
      <td><code class="language-plaintext highlighter-rouge">cli.py</code> 純命令列產片，無需瀏覽器；<code class="language-plaintext highlighter-rouge">--batch-file</code> 可批次執行最多 100 個任務（UTF-8 JSON 清單），單筆失敗不影響後續，結束輸出 JSON 彙總</td>
    </tr>
  </tbody>
</table>

<p>其他工作流能力：<strong>批次產生多支成片</strong>、任務歷史記錄、生成設定與 API 金鑰的匯入／匯出／回覆。</p>

<h3 id="2-腳本與模型服務">2. 腳本與模型服務</h3>

<p>腳本支援 AI 自動產生或改寫<strong>多語言</strong>影片文案，也可直接使用自訂腳本。模型端的廣度是這個專案的最大賣點：</p>

<ul>
  <li><strong>主流模型服務</strong>：Kimi / Moonshot AI、OpenAI、Anthropic Claude、Google Gemini、DeepSeek、阿里雲通義千問、Azure OpenAI、火山引擎方舟、xAI Grok、MiniMax、小米 MiMo 等。</li>
  <li><strong>統一閘道／聚合平台／本地環境</strong>：Cloudflare AI Gateway、OpenRouter、LiteLLM、OneAPI、Ollama、魔搭 ModelScope、AIHubMix、AIML API、Groq、Pollinations AI 等 OpenAI 相容端點皆可串接。</li>
  <li>v1.3.10 起另支援 <strong>OpenAI Codex 訂閱登入</strong>（裝置碼登入＋動態模型選取）與 <strong>ChatGPT Native OAuth</strong> 提供器，可直接沿用訂閱額度而不用另買 API。</li>
</ul>

<p>對已有自建推理服務（例如 LiteLLM Proxy 或 Ollama）的使用者來說，几乎零成本就能把這套工具接進現有環境。</p>

<h3 id="3-影片與圖片素材">3. 影片與圖片素材</h3>

<table>
  <thead>
    <tr>
      <th>素材來源</th>
      <th>說明</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>庫存網站</td>
      <td>Pexels（免費）、Pixabay（免費）、Coverr 的高清圖庫影片</td>
    </tr>
    <tr>
      <td>本地上傳</td>
      <td>上傳自備圖片與影片，完全脫離線上素材</td>
    </tr>
    <tr>
      <td>秘塔 MiniMax H3 文生影片</td>
      <td>768P / 2K、4～15 秒原始素材，支援 9:16、16:9、1:1</td>
    </tr>
    <tr>
      <td>火山引擎方舟 Seedance</td>
      <td>原生接續，依腳本片段產生連貫畫面</td>
    </tr>
    <tr>
      <td>勝算雲 AI 影片</td>
      <td>多段 AI 素材，沿用同一套配音／字幕／剪輯流程</td>
    </tr>
    <tr>
      <td>WaveSpeed、OFox、MuAPI</td>
      <td>多家文生影片 API（OFox 一組金鑰可調用 Seedance、Wan 等；MuAPI 非同步 3～12 秒素材）</td>
    </tr>
    <tr>
      <td>OpenAI 相容文生圖</td>
      <td>串雲端或自建圖片閘道，將生成圖片轉為帶緩慢縮放效果的動態片段</td>
    </tr>
  </tbody>
</table>

<p>片段層面可調整<strong>時間長度、畫面適配方式與素材匹配順序</strong>，以配合不同畫幅與敘事節奏。</p>

<h3 id="4-配音字幕與配樂">4. 配音、字幕與配樂</h3>

<p><strong>語音合成（TTS）</strong>：內建 Edge TTS（免費、免 API 金鑰，預設的 Azure TTS V1 即基於它），另整合 Azure Speech V2、SiliconFlow、Google Gemini TTS、小米 MiMo、MiniMax、ElevenLabs、自架 Chatterbox / Kokoro、Fish Audio、ModelBest VoxCPM。VoxCPM 還支援<strong>上傳參考音訊複製說話者音色</strong>（可保留節奏與情緒）。提供音色試聽與完整配音預覽，並可選擇「自動配音／上傳配音／無配音」三種模式。</p>

<p><strong>字幕產生</strong>提供兩種策略：</p>

<table>
  <thead>
    <tr>
      <th>模式</th>
      <th>原理</th>
      <th>特色</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td><code class="language-plaintext highlighter-rouge">edge</code>（預設）</td>
      <td>直接用 TTS 回傳的時間戳</td>
      <td>速度快、不需要 GPU</td>
    </tr>
    <tr>
      <td><code class="language-plaintext highlighter-rouge">whisper</code></td>
      <td>本地 <code class="language-plaintext highlighter-rouge">faster-whisper</code> 轉錄音訊</td>
      <td>時間軸更準；首次需下載模型（<code class="language-plaintext highlighter-rouge">large-v3</code> 約 3 GB，或 <code class="language-plaintext highlighter-rouge">large-v3-turbo</code> 約 1.6 GB）</td>
    </tr>
  </tbody>
</table>

<p>字幕可調字體、位置、顏色、大小、描邊與背景樣式；v1.3.10 加入<strong>阿拉伯文字幕整形</strong>（連字、RTL 排版、混排字形回溯）。</p>

<p><strong>背景音樂</strong>：從 <code class="language-plaintext highlighter-rouge">resource/songs</code> 隨機选用、指定本地音樂，或使用 <strong>AI 生成配樂</strong>（ElevenLabs Music），音量可獨立控制。</p>

<h3 id="5-成片與發布">5. 成片與發布</h3>

<ul>
  <li>三種畫幅：直式 <code class="language-plaintext highlighter-rouge">9:16（1080×1920）</code>、橫式 <code class="language-plaintext highlighter-rouge">16:9（1920×1080）</code>、方形 <code class="language-plaintext highlighter-rouge">1:1（1080×1080）</code>。</li>
  <li>一鍵<strong>跨平台發布</strong>：產片完成後自動上傳至 <strong>TikTok、Instagram、YouTube Shorts</strong>。</li>
  <li>任務追蹤可在重新整理頁面後續看進度，並有重複提交防護與輪詢狀態顯示（v1.3.10）。</li>
</ul>

<h2 id="技術架構">技術架構</h2>

<p>以 Python 單體架構為主，WebUI、API、CLI 共用同一層服務：</p>

<div class="language-text highlighter-rouge"><div class="highlight"><pre class="highlight"><code>┌─ webui/Main.py（Streamlit，單檔即完整介面）
├─ main.py → FastAPI（app/controllers/v1，port 8080）
├─ cli.py（命令列與批次清單）
│
└─ app/services/（核心服務層，37 個模組）
   ├─ llm.py        腳本生成、多模型适配（62 KB）
   ├─ material.py   素材搜尋／AI 文生影片接入（141 KB）
   ├─ voice.py      各家 TTS 服務整合（163 KB）
   ├─ video.py      剪輯合成管線（97 KB）
   ├─ subtitle.py   字幕產生
   ├─ bgm.py        背景音樂
   ├─ task.py       任務佇列與狀態（可共用 Redis 併發上限）
   └─ 各供應商模組（elevenlabs / metaso / ofox / volcengine_seedance …）
</code></pre></div></div>

<p>關鍵依賴：<code class="language-plaintext highlighter-rouge">moviepy</code> + <code class="language-plaintext highlighter-rouge">imageio-ffmpeg</code>（剪輯）、<code class="language-plaintext highlighter-rouge">streamlit</code>（UI）、<code class="language-plaintext highlighter-rouge">fastapi</code> + <code class="language-plaintext highlighter-rouge">uvicorn</code>（API）、<code class="language-plaintext highlighter-rouge">litellm</code> / <code class="language-plaintext highlighter-rouge">openai</code> / <code class="language-plaintext highlighter-rouge">google-genai</code>（模型接入）、<code class="language-plaintext highlighter-rouge">edge-tts</code>（免費配音）、<code class="language-plaintext highlighter-rouge">faster-whisper</code>（字幕轉錄）、<code class="language-plaintext highlighter-rouge">khatt</code>（阿拉伯文字幕繪製）、<code class="language-plaintext highlighter-rouge">pydub</code>（音訊處理）。專案有 CI 分支覆蓋率底線（70%）與容器漏洞掃描，工程品質維護相當認真。</p>

<h2 id="安裝與部署">安裝與部署</h2>

<table>
  <thead>
    <tr>
      <th>方式</th>
      <th>指令／步驟</th>
      <th>適用對象</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>pip 官方套件</td>
      <td><code class="language-plaintext highlighter-rouge">pip install mpt</code> → <code class="language-plaintext highlighter-rouge">mpt webui</code>（官方 PyPI 包名為 <code class="language-plaintext highlighter-rouge">mpt</code>；PyPI 上的 <code class="language-plaintext highlighter-rouge">MoneyPrinterTurbo</code> 是第三方維護）</td>
      <td>已有 Python 環境，想快速使用</td>
    </tr>
    <tr>
      <td>Windows 一鍵啟動包</td>
      <td>到 Releases 下載 <code class="language-plaintext highlighter-rouge">.7z</code>（注意不是 Source code），先跑 <code class="language-plaintext highlighter-rouge">update.bat</code> 再跑 <code class="language-plaintext highlighter-rouge">start.bat</code>；路徑避免中文／空格</td>
      <td>Windows 新手</td>
    </tr>
    <tr>
      <td>Docker</td>
      <td><code class="language-plaintext highlighter-rouge">docker compose -f docker-compose.release.yml up</code>，直接拉取 <code class="language-plaintext highlighter-rouge">ghcr.io/harry0703/moneyprinterturbo:latest</code>；另有 GPU 版 compose</td>
      <td>想要隔離環境或伺服器部署</td>
    </tr>
    <tr>
      <td>源碼部署</td>
      <td><code class="language-plaintext highlighter-rouge">uv sync --frozen</code> 後執行 <code class="language-plaintext highlighter-rouge">webui.bat</code> / <code class="language-plaintext highlighter-rouge">sh webui.sh</code>；API 用 <code class="language-plaintext highlighter-rouge">python main.py</code></td>
      <td>二次開發</td>
    </tr>
    <tr>
      <td>Google Colab</td>
      <td>一鍵開啟 <code class="language-plaintext highlighter-rouge">docs/MoneyPrinterTurbo.ipynb</code></td>
      <td>免安裝體驗</td>
    </tr>
    <tr>
      <td>AI Agent</td>
      <td>把 <code class="language-plaintext highlighter-rouge">docs/skill/SKILL.md</code> 連結貼給 Agent 下指令</td>
      <td>完全免手動設定</td>
    </tr>
  </tbody>
</table>

<p>幾個實用細節：</p>

<ul>
  <li>首次啟動依 <code class="language-plaintext highlighter-rouge">config.example.toml</code> 自動建立 <code class="language-plaintext highlighter-rouge">config.toml</code>，API 金鑰在 WebUI 基礎設定中填寫即可。</li>
  <li>pip 安裝版的資料目錄：Windows 在 <code class="language-plaintext highlighter-rouge">%LOCALAPPDATA%\MoneyPrinterTurbo</code>，可用 <code class="language-plaintext highlighter-rouge">MPT_HOME</code> 覆寫；成片位於其中 <code class="language-plaintext highlighter-rouge">storage/tasks</code>。</li>
  <li>想讓區域網路內的裝置共用 WebUI，設定 <code class="language-plaintext highlighter-rouge">MPT_WEBUI_HOST=0.0.0.0</code> 再啟動。</li>
  <li>API 預設僅容許同源網頁存取，跨源前端才需用 <code class="language-plaintext highlighter-rouge">CORS_ALLOWED_ORIGINS</code> 白名單；curl / Postman / n8n 等服務端呼叫不受 CORS 限制。</li>
</ul>

<h3 id="硬體需求">硬體需求</h3>

<table>
  <thead>
    <tr>
      <th>項目</th>
      <th>最低</th>
      <th>建議</th>
      <th>理想</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>CPU</td>
      <td>4 核心</td>
      <td>6～8 核心</td>
      <td>8 核心以上</td>
    </tr>
    <tr>
      <td>記憶體</td>
      <td>4 GB</td>
      <td>8 GB</td>
      <td>16 GB 以上</td>
    </tr>
    <tr>
      <td>GPU</td>
      <td>非必需</td>
      <td>4 GB 記憶體以上</td>
      <td>8 GB 記憶體以上</td>
    </tr>
  </tbody>
</table>

<p>若主要使用雲端 LLM、雲端 TTS 與線上素材，CPU 與記憶體比 GPU 重要；啟用本地 <code class="language-plaintext highlighter-rouge">faster-whisper</code>、批次產生或较重本地處理時，GPU 才有明顯幫助。</p>

<h2 id="常見問題速查">常見問題速查</h2>

<ul>
  <li><strong><code class="language-plaintext highlighter-rouge">No ffmpeg exe could be found</code></strong>：ffmpeg 通常會自動下載；失敗時自行從 gyan.dev 下載並在 <code class="language-plaintext highlighter-rouge">config.toml</code> 設定 <code class="language-plaintext highlighter-rouge">ffmpeg_path</code>。</li>
  <li><strong><code class="language-plaintext highlighter-rouge">Too many open files</code></strong>：以 <code class="language-plaintext highlighter-rouge">ulimit -n 10240</code> 調高檔案開啟數上限。</li>
  <li><strong>Whisper 模型下載失敗</strong>：改從 Hugging Face 手動下載 <code class="language-plaintext highlighter-rouge">whisper-large-v3</code>，整份資料夾放到專案 <code class="language-plaintext highlighter-rouge">models/whisper-large-v3</code>。</li>
</ul>

<h2 id="近期動態v1310">近期動態（v1.3.10）</h2>

<ul>
  <li>新增 OpenAI Codex 訂閱存取與 ChatGPT Native OAuth 提供器，以及 Codex 圖片生成作為素材來源。</li>
  <li>新增 Infistar、Jalapeno Cloud 等 LLM／影片生成服務。</li>
  <li>長效影片產生加入階段進度、經過時間與輪詢狀態；任務於頁面重新整理後仍可追蹤。</li>
  <li>阿拉伯文字幕整形、更平滑的圖片緩慢縮放、新增印尼語介面。</li>
  <li>Redis 任務併發上限跨 worker 共用（原子化槽位預留與續約）。</li>
</ul>

<h2 id="總結評價">總結評價</h2>

<p><strong>亮點</strong></p>

<ul>
  <li>一條龍完成「腳本→配音→素材→字幕→配樂→剪輯→發布」，每個環節都能自動化也能人工接管。</li>
  <li>模型供應商覆蓋極廣，從免費的 Edge TTS、Pexels 到各大雲端的 LLM / TTS / 文生影片都能接，也支援 OpenRouter、LiteLLM、Ollama 等中介閘道與本地模型。</li>
  <li>四種入口（Agent / WebUI / API / CLI）加上 pip、Docker、一鍵包，部署彈性高，MIT 授權可自由商用。</li>
  <li>維護活躍：本檔撰寫當下為 142k+ 星，v1.3.10 發布於 2026-11-07，修復與新功能節奏穩定。</li>
</ul>

<p><strong>限制與注意</strong></p>

<ul>
  <li>本質是「圖文快剪」型成片：以素材庫與 AI 素材拼貼敘事，不適合需要原創实拍畫面的品牌影片。</li>
  <li>重度雲端服務依賴：品質與成本取決於所选 LLM / TTS / 文生影片 API 的計費與穩定性；完全免費路線（Edge TTS + Pexels）可行但上限較低。</li>
  <li>預設內嵌字幕與配樂素材來自網路，商用前請自行確認授權；README 也明確提示預設音樂若有疑慮請自行移除。</li>
  <li>一次產片的成本與時間仍要以自己串的模型為準，建議先用便宜模型跑通流程再升級。</li>
</ul>

<p>適合想批量經營短影音內容的創作者、需要內容量產的營運團隊，以及想把影片生成包成 API 的開發者；不適合追求電影級原創畫面的使用者。</p>

<hr />

<p><em>資料來源：<a href="https://github.com/harry0703/MoneyPrinterTurbo/blob/main/README.md">MoneyPrinterTurbo README</a>、GitHub API 與 v1.3.10 發布說明，擷取於 2026-11-11。</em></p>]]></content><author><name>克里斯</name><email>chris1798@gmail.com</email></author><category term="AI" /><category term="影片生成" /><category term="LLM" /><category term="TTS" /><category term="開源專案" /><category term="Python" /><category term="短影音" /><summary type="html"><![CDATA[MoneyPrinterTurbo 是一站式 AI 短影片產生工具，輸入主題或關鍵字即可自動完成腳本、配音、素材、字幕、配樂與剪輯，並一鍵發布到 TikTok、Instagram 與 YouTube Shorts。本文整理其功能、技術架構、支援服務清單與部署方式。]]></summary><media:thumbnail xmlns:media="http://search.yahoo.com/mrss/" url="https://chris1798.github.io/assets/images/MoneyPrinterTurbo/webui.jpg" /><media:content medium="image" url="https://chris1798.github.io/assets/images/MoneyPrinterTurbo/webui.jpg" xmlns:media="http://search.yahoo.com/mrss/" /></entry><entry><title type="html">OmniGet：下載 Udemy 課程、YouTube、IG、1800+ 網站的開源全能下載器——還內建 108 個工具</title><link href="https://chris1798.github.io/omniget-download-manager-tools/" rel="alternate" type="text/html" title="OmniGet：下載 Udemy 課程、YouTube、IG、1800+ 網站的開源全能下載器——還內建 108 個工具" /><published>2026-11-11T00:00:00+00:00</published><updated>2026-11-11T00:00:00+00:00</updated><id>https://chris1798.github.io/omniget-download-manager-tools</id><content type="html" xml:base="https://chris1798.github.io/omniget-download-manager-tools/"><![CDATA[<h1 id="omniget下載-udemy-課程youtubeig1800-網站的開源全能下載器還內建-108-個工具">OmniGet：下載 Udemy 課程、YouTube、IG、1800+ 網站的開源全能下載器——還內建 108 個工具</h1>

<p><img src="/assets/images/omniget/hero.png" alt="OmniGet hero" /></p>

<p><strong>OmniGet</strong>（<code class="language-plaintext highlighter-rouge">OpenSelena/omniget</code>）是一個<strong>免費開源的桌面下載管理器 + 媒體工具箱</strong>：貼連結 → 預覽（含清晰度選項）→ 按下載。Udemy/Hotmart 課程、YouTube、Instagram Reels/限動、X、Pinterest、TikTok、Bilibili、Telegram、種子磁力，以及 <strong>1,800+ 網站</strong>（yt-dlp 引擎）全部收進一個輸入框——<strong>不用命令列、不用記 yt-dlp 參數</strong>。</p>

<p>血統說明：這是 Tonho 原版 OmniGet 的獨立 GPL-3.0 分支，由 <a href="https://github.com/igect">igect</a> 維護（README 有免責聲明）。</p>

<h2 id="專案概況">專案概況</h2>

<table>
  <thead>
    <tr>
      <th>項目</th>
      <th>資料</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>倉庫</td>
      <td><a href="https://github.com/OpenSelena/omniget">github.com/OpenSelena/omniget</a></td>
    </tr>
    <tr>
      <td>Star / Fork</td>
      <td><strong>~5,470 / ~680</strong>（2026-11-11 查證）</td>
    </tr>
    <tr>
      <td>技術棧</td>
      <td><strong>Tauri 2 + Rust + SvelteKit (Svelte 5)</strong> + SQLite；內嵌 yt-dlp、FFmpeg、gallery-dl、whisper.cpp、aria2、librqbit（種子）</td>
    </tr>
    <tr>
      <td>授權</td>
      <td>GPL-3.0；無廣告、免註冊、不下報下載紀錄</td>
    </tr>
    <tr>
      <td>最新版本</td>
      <td><strong>v0.15.1</strong>（2026-11-09），應用內推更新</td>
    </tr>
    <tr>
      <td>平台</td>
      <td>Windows 10/11（setup/portable/MSI/winget）、macOS 10.15+（Apple Silicon + Intel，Homebrew cask）、Linux（deb/rpm/AppImage，x86_64+ARM64）</td>
    </tr>
    <tr>
      <td>介面語言</td>
      <td><strong>11 種（含繁體中文）</strong>、14 個主題（Catppuccin/Dracula/One Dark…）</td>
    </tr>
  </tbody>
</table>

<h2 id="為什麼不直接用-yt-dlp">為什麼不直接用 yt-dlp？</h2>

<p>官方對比表講得很誠實——yt-dlp 是它的引擎，「常住終端機只要檔案的人，直接用 yt-dlp 更合適」。OmniGet 補上的是：</p>

<ul>
  <li><strong>零設定</strong>：yt-dlp / FFmpeg 自動安裝、自動更新（執行前核對 SHA-256）；機器上有 Python 3.10+ 時以 zipapp 跑 yt-dlp，啟動不到一秒</li>
  <li><strong>登入後內容</strong>：瀏覽器擴充轉傳 Cookie/Referer → IG 限動、付費課程、會員影片抓得到（Cookie 按真實網域分組）</li>
  <li><strong>佇列工程</strong>：斷點續傳、429 退避重試、按站自動調併發（YouTube 16 分片並行）、規則把特定頻道/網域固定送進指定資料夾</li>
  <li><strong>下載之後</strong>：內建播放器、閱讀器、字幕工坊、記憶卡、108 個工具——不只是吐檔案</li>
</ul>

<p><img src="/assets/images/omniget/home.png" alt="主介面" /></p>

<h2 id="能下載什麼">能下載什麼</h2>

<table>
  <thead>
    <tr>
      <th>類別</th>
      <th>內容</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td><strong>線上課程</strong></td>
      <td>Courses 插件：<strong>Udemy、Hotmart、Kiwify、Rocketseat</strong>、Meta-Analysis Academy——列出已購課程、勾選章節、抓全部課時+附件；DRM 課時會跳過並告知</td>
    </tr>
    <tr>
      <td>影音</td>
      <td>YouTube（影片/播放列表/頻道/直播從頭錄/SponsorBlock）、IG、TikTok、X、Reddit、Twitch、Vimeo、Bluesky、Threads、Pinterest、抖音</td>
    </tr>
    <tr>
      <td><strong>Bilibili（登入後）</strong></td>
      <td>按會員等級取 4K/HDR/杜比視界/Hi-Res 無損；彈幕匯出 XML/ASS/JSON；NFO 給 Kodi/Jellyfin；11 種連結類型</td>
    </tr>
    <tr>
      <td>圖庫</td>
      <td>gallery-dl 抓 <strong>250+ 網站</strong>整頁畫廊（DeviantArt、Pixiv、ArtStation、Flickr…）</td>
    </tr>
    <tr>
      <td>批次</td>
      <td>貼多條連結/<code class="language-plaintext highlighter-rouge">.txt</code>；整個 subreddit、IG/Pinterest/X 主頁</td>
    </tr>
    <tr>
      <td>檔案傳輸</td>
      <td><strong>內建 BitTorrent 用戶端</strong>（種子+磁力）、HTTP 直鏈、HLS/DASH manifest、兩台 OmniGet 之間用短口令互傳檔案</td>
    </tr>
    <tr>
      <td>Telegram</td>
      <td>登入後抓你所在任何頻道/群組的照片、影片、檔案</td>
    </tr>
  </tbody>
</table>

<p>全域快捷鍵：<strong>Ctrl+Shift+D</strong> 全域貼上即下（背景開跑不用開視窗）、<strong>Ctrl+Shift+M</strong> 只要音訊（YouTube 連結一鍵變 MP3）。</p>

<h2 id="瀏覽器擴充抓登入後內容的關鍵">瀏覽器擴充（抓登入後內容的關鍵）</h2>

<p>支援 YouTube、IG、TikTok、X、Reddit、Twitch、Pinterest、Telegram、Udemy、Hotmart、Bilibili 等一站送進 OmniGet（圖示或 <strong>Alt+O</strong>）；在<strong>任何網站</strong>監聽網路流量列出 MP4/HLS/DASH/WebM 串流。安裝走 Chromium「開發者模式＋載入未封裝」三層引導（應用內一鍵輸出擴充資料夾 → 載入 → 配對），Firefox 用臨時附加組件，Safari 暫不支持。配對走 <code class="language-plaintext highlighter-rouge">127.0.0.1:47720-47729</code> + 每安裝產生的 token——<strong>什麼都不離開你的電腦</strong>。</p>

<p><img src="/assets/images/omniget/tools.png" alt="工具區" /></p>

<h2 id="tools-工具區16-分類-108-個工具">Tools 工具區：16 分類 108 個工具</h2>

<p>每個工具是一條獨立 Rust 命令（JSON 進出）——這也成為 <strong>MCP server</strong> 的基礎。重點挑幾個：</p>

<ul>
  <li><strong>YouTube（11）</strong>：字幕工坊（編輯/翻譯/重校時 SRT/VTT/ASS，帶波形圖+AI 翻譯）、封面瀏覽、評論與章節擷取、直播聊天回放存檔、「真實截圖」（25%/50%/75% 畫面，不看標題黨封面）、SponsorBlock 參數</li>
  <li><strong>語音與字幕（8）</strong>：<strong>whisper.cpp 離線轉寫</strong>（macOS Metal 加速）、Edge 自然語音 TTS、字幕翻譯保留時間軸、按字幕配音、聽寫（全域熱鍵打字到游標處）</li>
  <li><strong>Instagram（24）</strong>：抓限動<strong>含密友且不標已讀</strong>、誰看了我的限動、整頁備份、未互關/僵尸粉分析+白名單安全取關、主頁互動率分析、抽獎、排程發文</li>
  <li><strong>X（10）</strong>：長推串展開存 Markdown、主頁媒體全抓、進階搜尋運算子、書籤匯出、Grok 提問</li>
  <li><strong>Pinterest（10）</strong>：畫板備份含<strong>增量同步</strong>、無 AI 無廣告搜尋、找原圖出處+Wayback+反搜、畫板色彩盤匯出 hex/CSS</li>
  <li><strong>PDF（6）／文件（5）</strong>：合併/拆分/壓縮/OCR、SlideShare→PDF、Google Docs 公開檔匯出 DOCX/PPTX/XLSX</li>
  <li><strong>圖片</strong>：Real-ESRGAN 超分（Vulkan GPU）、批次縮放、OCR</li>
  <li><strong>系統（9，Windows 多項）</strong>：磁碟分析、遙控 Windows 遙測的隱私護盾、hardentools 加固、winget/choco/scoop 批次更新</li>
  <li><strong>AI（6）</strong>：模型比價（LiteLLM/models.dev 資料）、Ollama 本地模型管理、<strong>API 金鑰本機保險庫</strong>（可一鍵匯出給 Claude Code/Codex/opencode/.env）、<strong>MCP server 31 工具</strong>——Claude Code / Cursor / VS Code 現成設定片段，讓 agent 直接呼叫 OmniGet 全部能力</li>
</ul>

<h2 id="隱私立場">隱私立場</h2>

<p>無帳號、無自家伺服器、不上報下載內容；網路請求只有三類：你要下載的網站、GitHub（更新/插件）、你自配的 AI 服務商。<strong>不繞 DRM、不破付費牆</strong>，只抓「你已登入會話本來就看得到的內容」。</p>

<h2 id="安裝速記">安裝速記</h2>

<div class="language-bash highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="c"># Windows</span>
winget <span class="nb">install</span> <span class="nt">-e</span> <span class="nt">--id</span> OpenSelena.OmniGet
<span class="c"># macOS</span>
brew <span class="nb">install</span> <span class="nt">--cask</span> OpenSelena/tap/omniget
</code></pre></div></div>

<p>首次啟動警告屬正常（未買憑證簽章）：Windows SmartScreen 選「仍要執行」；macOS 跑 <code class="language-plaintext highlighter-rouge">xattr -cr /Applications/omniget.app</code> + ad-hoc codesign 一次即可。Linux AppImage 缺 FUSE2 就 <code class="language-plaintext highlighter-rouge">sudo apt install libfuse2</code>，或直接裝 <code class="language-plaintext highlighter-rouge">.deb</code>。Windows 可放 <code class="language-plaintext highlighter-rouge">portable.txt</code> 變全綠可攜版（塞 U 盤）。</p>

<p>另有 <code class="language-plaintext highlighter-rouge">omniget-cli</code>：<code class="language-plaintext highlighter-rouge">omniget download &lt;url&gt; -q 1080</code>、<code class="language-plaintext highlighter-rouge">omniget batch links.txt -m 3</code>。</p>

<h2 id="適用場景">適用場景</h2>

<ul>
  <li><strong>買課存檔派</strong>：Udemy/Hotmart 課程在平台下架前整包備到硬碟（含附件）</li>
  <li><strong>內容創作者</strong>：IG/X/Pinterest 數據分析、抽獎、排程發文、素材備份一站搞定</li>
  <li><strong>Bilibili 高畫質黨</strong>：會員 4K/杜比視界/無損音頻 + 彈幕存檔進 Kodi/Jellyfin</li>
  <li><strong>字幕學習者</strong>：離線 whisper 轉寫 + 字幕工坊雙語合成 + AI 翻譯</li>
  <li><strong>AI 工作流</strong>：MCP server 把「下載+轉寫+PDF」全部變成 Claude Code/Cursor 可呼叫的工具</li>
</ul>

<h2 id="與同類方案比較">與同類方案比較</h2>

<table>
  <thead>
    <tr>
      <th> </th>
      <th>OmniGet</th>
      <th>yt-dlp</th>
      <th>單站網頁下載器</th>
      <th>IDM/NDM</th>
      <th>付費課程下載器</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>支援網站</td>
      <td>原生提取器 + 1800+</td>
      <td>1800+</td>
      <td>一個</td>
      <td>通用 HTTP</td>
      <td>一兩平台</td>
    </tr>
    <tr>
      <td>圖形介面/佇列</td>
      <td>✅ 斷點續傳+退避重試</td>
      <td>CLI 一次一條</td>
      <td>無</td>
      <td>✅（無站點解析）</td>
      <td>一般</td>
    </tr>
    <tr>
      <td>登入後內容</td>
      <td>✅ 擴充帶 Cookie</td>
      <td>手動 <code class="language-plaintext highlighter-rouge">--cookies</code></td>
      <td>少</td>
      <td>❌</td>
      <td>有時</td>
    </tr>
    <tr>
      <td>課程平台</td>
      <td>✅ Udemy/Hotmart 等 5 家</td>
      <td>❌</td>
      <td>❌</td>
      <td>❌</td>
      <td>✅（訂閱制）</td>
    </tr>
    <tr>
      <td>下載後工具</td>
      <td>108 個（轉寫/閱讀/分析）</td>
      <td>檔案</td>
      <td>常重新編碼</td>
      <td>檔案</td>
      <td>檔案</td>
    </tr>
    <tr>
      <td>價格/授權</td>
      <td>免費 GPL-3.0</td>
      <td>免費 Unlicense</td>
      <td>免費含廣告</td>
      <td>付費</td>
      <td>訂閱</td>
    </tr>
  </tbody>
</table>

<h2 id="注意事項">注意事項</h2>

<ul>
  <li>未簽章/未公證：首次啟動要手動放行（一次性）</li>
  <li>Instagram「寫操作」（發文/取關）屬外掛自動化，有限流與帳號風險，官方也標 beta 並做節流保護</li>
  <li>DRM 課時抓不了（設計上跳過），平台 TOS 自負</li>
  <li>不在 Flathub；Linux 用 deb/rpm/AppImage</li>
</ul>

<h2 id="參考資料">參考資料</h2>

<ul>
  <li>GitHub：<a href="https://github.com/OpenSelena/omniget">https://github.com/OpenSelena/omniget</a></li>
  <li>Releases：<a href="https://github.com/OpenSelena/omniget/releases/latest">https://github.com/OpenSelena/omniget/releases/latest</a>（v0.15.1）</li>
  <li>官方 README（繁中介面、簡中 README）：<a href="https://github.com/OpenSelena/omniget/blob/main/README_zh_CN.md">README_zh_CN.md</a></li>
  <li>Telegram 頻道：<a href="https://t.me/OpenSelena">t.me/OpenSelena</a> · 翻譯：<a href="https://hosted.weblate.org/engage/omniget-openselena/">Weblate</a></li>
</ul>]]></content><author><name>克里斯</name><email>chris1798@gmail.com</email></author><category term="github" /><category term="download-manager" /><category term="yt-dlp" /><category term="youtube" /><category term="udemy" /><category term="instagram" /><category term="pinterest" /><category term="telegram" /><category term="torrent" /><category term="whisper" /><category term="mcp" /><category term="tauri" /><category term="rust" /><category term="opensource" /><category term="windows" /><category term="macos" /><category term="linux" /><summary type="html"><![CDATA[OmniGet（OpenSelena，5.5k stars，Rust + Tauri 2 + Svelte 5，GPL-3.0）：一個輸入框通吃 Udemy/Hotmart 課程、YouTube、Instagram、X、Pinterest、Bilibili、Telegram、種子磁力與 1800+ yt-dlp 網站。yt-dlp/FFmpeg 自動安裝更新、瀏覽器擴充帶 Cookie 抓登入後內容、斷點續傳退避重試，外加 16 分類 108 個工具：whisper.cpp 離線轉寫、字幕工坊、Pinterest 畫板備份、IG 分析、PDF/OCR、MCP server 讓 AI agent 呼叫全部工具。Windows/macOS/Linux。]]></summary></entry></feed>