今天六个仓，按「要不要装」写：解决什么问题、适合谁、限制在哪。白话为主，整篇只留两条上手命令。
higgsfield-ai/higgsfield：把多机 GPU 训练管起来
higgsfield-ai/higgsfield（5408★ · Apache-2.0）
超大模型训练难在节点分配、实验排队、检查点保存和代码上机同步。Higgsfield 把 GPU 编排和训练流程串在一起：独占或共享节点、支持 DeepSpeed ZeRO-3 与 FSDP、用队列处理多实验抢资源，并接到 GitHub Actions，提交后往节点部署。它面向多机训练，不是个人电脑上的一键微调工具。
适合谁：手里有多台 GPU 服务器、要跑大模型训练的研究或工程团队。
要注意：依赖 Ubuntu 节点、SSH、免密 sudo 和 GitHub 配置，上手偏重。文档主要测过部分云厂商，别的环境要自己验证。个人笔记本用户基本用不上。
vercel-labs/json-render：用受约束的 JSON 生成界面
vercel-labs/json-render（17373★ · Apache-2.0）
模型直接吐 HTML 很危险，布局和动作都不可控。json-render 的做法是：你先定义组件目录和校验规则，模型只能生成符合约束的 JSON，再由框架渲染成界面，支持流式逐步出现。覆盖 React、Vue、Svelte、Solid、React Native，也能做状态绑定、条件显示和动作。它是 Generative UI 框架，不是装完就能聊天出页面的成品 App。
适合谁：做 AI 原生前端、动态表单、智能后台，愿意自己维护组件目录的全栈开发者。
要注意：组件、动作、模型接入都要自己接。源码侧对 Node、React、Zod 版本要求偏新；用 shadcn 方案还要 Tailwind。没有目录约束，就失去这套设计的意义。
coder/coder：给人和 Agent 用的自托管云开发环境
coder/coder（16083★ · AGPL-3.0）
远程开发环境如果每人一套野路子，权限、成本和审计都会失控。Coder 让团队用模板（常见是 Terraform）在虚拟机、Kubernetes 或 Docker 上开工作区，经安全隧道接入；闲置可关停省钱。也能在自有基础设施上跑 AI 编程代理，并集中管模型权限、身份与成本。
适合谁：平台工程、企业 IT，以及需要统一远程开发环境和 Agent 运行位置的研发团队。
要注意：评估可以很快，生产要配数据库、外网入口、工作区模板和底层资源。AGPL 对二次分发更严。它解决的是「环境怎么管」，不是「模型写代码写得好不好」。
想先装 CLI 看一看：curl -L https://coder.com/install.sh | sh
CapSoftware/Cap：开源的 Loom 替代
CapSoftware/Cap（22579★ · 混合许可，主体 AGPL）
产品演示、Bug 反馈、异步站会，很多人靠 Loom；数据和账单却不在自己手里。Cap 做开源替代：录屏、摄像头、麦克风，Instant Mode 边录边传、停了就能分享；Studio Mode 能本地剪、加字幕和导出。存储可走官方云、自有 S3 兼容、本地文件，或整套自托管；评论、转录、章节、团队空间也有。
适合谁：经常发短录屏的产品、支持、教育团队，以及想自己掌握视频数据的人。
要注意：桌面端主要是 macOS/Windows。自托管正式上线前要换默认密钥、配公开地址和存储；从源码编译依赖不少。许可证是混合的，商用分发前先读清楚。
自托管常见起法：docker compose up -d
BuilderIO/agent-native：做「Agent 原生」应用的框架
BuilderIO/agent-native（5264★ · MIT）
很多 Agent 产品在模拟点按钮；更好的路是让 Agent 和 UI 共用同一套能力与状态。agent-native 是 TypeScript 框架：一个 action 可以同时给界面、Agent、HTTP、MCP、CLI 用，参数校验和权限走统一路径；当前页面和选中数据也能进 Agent 上下文。还带聊天、权限、记忆、自动化和团队协作一类能力骨架。
适合谁：会 TypeScript，想做带人工审批、编辑、分享的知识型 AI 应用的人。
要注意：这是框架和模板，不自带模型、数据库和运维。业务 action、权限模型和外部服务仍要自己设计。Node 版本要求偏新。
zhouxiaoka/autoclip：自动抽高光、做二创切片
zhouxiaoka/autoclip（7909★ · MIT）
长视频里找高光很耗人。Autoclip 从 YouTube、B 站或本地文件拉片，用云端或本地模型拆大纲、标话题时间段、给片段打分，再生成切片和合集；也有手动排序。带任务队列和进度推送，另有 CLI、MCP 和 Agent skill 入口。
适合谁：视频创作者、媒体运营，以及想把切片流程接进脚本或 Agent 的人。
要注意：依赖 Redis、FFmpeg、队列和模型服务；平台下载受网络、登录和视频权限影响。B 站上传、字幕编辑、移动端等在 README 里仍标开发中。切片质量跟模型与片源强相关，别指望每条都可直接发。
今天若只动一个：要发可分享录屏，看 Cap；要团队云开发环境，看 Coder；要 AI 生成受控界面，看 json-render。Higgsfield 给多机训练团队；agent-native 给愿意写框架的人；Autoclip 给做视频切片的人——三者门槛都不低。
