A personal collection of an AI product manager.
Let's face the future together and embrace the AIGC era.

9/20 开源速递:电脑操控 Agent、文档进 RAG、以及给并行 Agent 用的 worktree

今天六个仓,还是「要不要装」视角:解决啥问题、适合谁、坑在哪。少贴命令,多讲取舍。

trycua/cua:给 Agent 一套能真点电脑的底座

trycua/cua(约 24.5k★ · MIT)

cua

「Computer use」口号很多,真正难的是跨系统点原生应用、隔离环境,还能评测。cua 把这事拆成一组组件:Driver 操作 macOS/Windows/Linux 应用和浏览器,Fleets 提供可截图、可下命令的隔离云桌面,Lume 在 Apple Silicon 上管本地虚拟机,再加面向电脑操作的小模型和评测台。定位是 computer-use 2.0 的开源底座,不是又一个聊天插件。

适合谁:在做桌面自动化、训练/评测电脑操作 Agent,或需要隔离云桌面跑任务的人。

一眼坑:这是组件集合,平台、权限、凭据各不一样。Lume 绑 Apple Silicon;云 Fleet 要凭据,用完不清理可能继续占付费容量。别当「一条命令通吃所有电脑」。

Open-Dev-Society/OpenStock:免费开源的行情看板

Open-Dev-Society/OpenStock(约 16.1k★ · AGPL-3.0)

OpenStock

商业行情软件又贵又封闭,OpenStock 想做开源替代:搜索报价、公司资料、新闻、关注列表,叠 TradingView 图表、热力图和市场概览,还能接一点社交媒体与预测市场情绪。数据主线走 Finnhub;邮件提醒、入门引导是可选增强。

适合谁:想自建股票看板、练 Next.js 全栈,或能接受延迟行情的市场观察者。

一眼坑:不是券商,更不是投资建议。免费数据源常有延迟和速率限制;要跑完整,还得 MongoDB、API key,邮件和部署另有门槛。AGPL 对二次分发更严。

docling-project/docling:把乱七八糟的文档喂给 RAG

docling-project/docling(约 67.1k★ · MIT)

docling

RAG 翻车,经常翻在「PDF/扫描件/表格」没被正确拆开。Docling 把 PDF、Office、网页、图片、邮件甚至部分音视频,解析成带阅读顺序、表格、公式意识的结构化内容,再导出 Markdown/HTML/JSON 等,方便接搜索和生成式 AI。可本地跑,也能挂进常见编排框架。

适合谁:做文档问答、企业知识库、批量清洗资料,尤其是不想把敏感文件先丢给云端解析的人。

一眼坑:代码 MIT,但单独下载的模型可能另有许可证。Python 版本要跟上。复杂版面别指望一次完美,脏文档仍要抽检。

想试的话:pip install docling

heygen-com/hyperframes:用 HTML 写画面,再渲成视频

heygen-com/hyperframes(约 51.7k★ · Apache-2.0)

hyperframes

短视频流水线里,Agent 最擅长写文本和 HTML,不擅长在时间线上抠关键帧。Hyperframes 让你用 HTML/CSS/媒体做确定性画面,再渲成 MP4;动画要能被时间轴安全定位(GSAP、CSS、Lottie、Three.js 等),还有转场、字幕、图表一类可复用件。本地、Docker、云端渲染路径都有,面向人和 Agent 一起做视频。

适合谁:想让 Agent 参与短视频生产,或讨厌传统剪辑时间线、更熟前端的人。

一眼坑:不是「打开网页录屏」。动画不能 seek,渲出来就会糊。本机还要新 Node 和 FFmpeg;完整源码开发可能拖到很大的测试视频资源。

cactus-compute/needle:塞进手机里的超小自动化模型

cactus-compute/needle(约 11.6k★ · Apache-2.0)

needle

端侧设备养不起大模型,但总想本地做工具调用、结构化抽取和向量匹配。Needle 把这类能力压进约 8–29MB、2-bit 的小模型:选工具、填参数、按结构吐字段、本地出向量,还带回置信度。目标是手机、穿戴、机器人这类场景,少依赖云端聊天大模型。

适合谁:做离线/端侧自动化、设备控制、结构化输入路由的人。

一眼坑:它换的是通用闲聊能力。默认二进制可能带遥测,隐私敏感项目先评估。装 Python 包只是入口,真正上设备还要选平台引擎和权重。

max-sixty/worktrunk:并行 AI Agent 的 worktree 切换器

max-sixty/worktrunk(约 8.1k★ · MIT/Apache-2.0)

worktrunk

多个 Agent 同时改一个仓库,最痛的是分支和目录搅成一团。Worktrunk 把 Git worktree 管得像切分支:创建、切换、清理,还能用 hooks 自动装依赖、起服务,把提交、rebase、合并串成流程,顺带看 CI、diff、PR。为并行 AI agent 场景写得很直白。

适合谁:已经在多开 Claude/Codex 等 Agent,或习惯并行开多个功能分支的 Git 用户。

一眼坑:shell 集成没配好,切目录就不顺手。Windows 上短命令名可能和系统自带的终端命令撞车。它管的是工作区,不替你付模型账单。

macOS 上常见装法:brew install worktrunk

今天若只动一个:文档进 RAG 看 Docling;并行 Agent 看 Worktrunk;真要做电脑操作 Agent 再碰 cua。OpenStock 适合自建看板,Hyperframes 适合视频流水线,Needle 适合端侧——三者都不是「装完即万能」。


Like(0) 打赏
未经允许不得转载:AIPMClub » 9/20 开源速递:电脑操控 Agent、文档进 RAG、以及给并行 Agent 用的 worktree

觉得文章有用就打赏一下文章作者

非常感谢你的打赏,我们将继续提供更多优质内容,让我们一起创建更加美好的网络世界!

支付宝扫一扫

微信扫一扫

Verified by MonsterInsights