aigc-weekly

GitHub
518 60 较难 1 次阅读 昨天AGPL-3.0Agent图像开发框架
AI 解读 由 AI 自动生成,仅供参考

aigc-weekly 是由 Agili 推出的 AIGC 精选周刊项目,旨在利用人工智能自动发现、筛选并整理全球最新的人工智能生成内容资讯、工具与资源。它主要解决了在信息爆炸时代,用户难以高效获取高质量、前沿行业动态的痛点,通过自动化流程替代了传统的人工策展模式。

该项目特别适合对 Serverless 架构、边缘计算及 AI Agent 应用感兴趣的开发者和技术研究人员。对于希望构建自动化内容聚合平台或学习现代全栈开发的团队,aigc-weekly 提供了极佳的参考范本。普通读者也可通过其在线网站或 RSS 订阅,轻松获取经过智能筛选的优质周报。

在技术亮点方面,aigc-weekly 展现了极具前瞻性的架构设计。它完全基于 Cloudflare 边缘基础设施(包括 Workers、D1 数据库、R2 存储及 Containers)构建,实现了高性能与低延迟的 Serverless 部署。核心创新在于集成了“模型上下文协议”(MCP),使得 OpenCode AI Agent 能够直接与 Payload CMS 交互,自主完成从网页爬取(借助 Firecrawl)到内容发布的全流程。此外,项目采用 Next.js 15 与 OpenNext 方案,不仅代码结构清晰,还专门为 AI 编程助手提供了详细的开发指南,是探索 Agentic AI 实际落地的优秀开源案例。

使用场景

某科技媒体编辑团队每周需从海量全球资讯中筛选高价值 AIGC 动态,以维持周刊的高质量更新。

没有 aigc-weekly 时

  • 编辑需手动浏览数十个英文技术博客、GitHub 趋势榜和社交媒体,耗时数小时且极易遗漏关键信息。
  • 人工筛选主观性强,难以保证内容覆盖的全面性与时效性,常导致热点滞后或视角单一。
  • 整理好的内容需手动录入 CMS 后台,排版与元数据填写繁琐,占用大量本应用于深度创作的时间。
  • 缺乏自动化架构支撑,随着订阅源增加,维护成本呈指数级上升,难以规模化扩展。

使用 aigc-weekly 后

  • Agentic AI Agent 自动利用 Firecrawl 全网爬取并智能过滤噪音,秒级锁定最新、最相关的 AIGC 前沿动态。
  • 基于模型上下文协议(MCP)的策展逻辑确保内容维度多元且客观,实时捕捉全球技术脉搏,杜绝信息死角。
  • AI 直接通过 MCP 将清洗后的高质量内容写入 Payload CMS,自动完成分类、标签与排版,实现“发现即发布”。
  • 依托 Cloudflare Serverless 架构,整个流程在边缘节点低延迟运行,无需运维服务器即可轻松应对流量高峰。

aigc-weekly 将编辑从繁琐的信息搬运工转型为真正的观点输出者,实现了 AIGC 资讯生产的完全自动化与智能化。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

未说明

依赖
notes本项目基于 Serverless 架构,主要依赖 Cloudflare 基础设施。本地开发需安装 Docker 以运行 Agent 沙箱容器。Agent 运行时若部署在云端需 Cloudflare 付费套餐,本地运行可替代。需配置 Firecrawl API Key 用于网页爬取。
python未说明
Node.js v22+
pnpm v10+
Next.js 15
Payload CMS 3.0
Cloudflare Workers
Cloudflare D1
Cloudflare R2
OpenCode Agent
Docker (本地运行 Worker 必需)
aigc-weekly hero image

快速开始

Agili 的 AIGC 周刊

一个由 Agentic AI Agent 驱动的 AIGC(人工智能生成内容)精选周刊。本项目利用最新的 AI 和 Serverless 技术,为您提供最新的资讯、工具和资源。


在线阅读: https://aigc-weekly.agi.li

RSS订阅: https://aigc-weekly.agi.li/rss.xml

aigc-weekly

🚀 特性

  • AI 智能策展:利用 Agentic AI Agent 自动发现和筛选内容。
  • 现代技术栈:基于 Next.js 15、Payload CMS 3.0 和 Cloudflare 边缘基础设施构建。
  • Serverless 架构:完全部署在 Cloudflare (Workers, D1, R2, Containers) 上,实现高性能和低延迟。
  • Agent MCP 集成:使用模型上下文协议 (MCP) 允许 AI Agent 直接与 CMS 交互。

🛠 技术栈

🏗 架构

本项目包含三个主要组件:

  1. Next.js 应用 (app/):负责面向读者的前端页面以及 Payload CMS 管理界面。
  2. OpenCode Agent (agent/):一个独立的 Agent 服务,运行在 Cloudflare Containers 上,负责收集信息并通过 MCP 更新 CMS。
  3. Cloudflare Worker (worker/):转发请求到 Container 并控制其生命周期。

🏁 快速开始

前置要求

  • Node.js:v22 或更高版本
  • pnpm:v10 或更高版本
  • Cloudflare 账号:用于 D1、R2 和 Workers 部署。

安装

  1. 克隆仓库:

    git clone https://github.com/miantiao-me/aigc-weekly.git
    cd aigc-weekly
    
  2. 安装依赖:

    pnpm install
    

配置

  1. 环境变量: 配置必要的环境变量:

    • 复制 .env.example.env.local 并填写相应值。
    • 复制 worker/.env.exampleworker/.env.local 并填写相应值。

    确保你已经配置了必要的 Cloudflare 绑定, 你需要在 wrangler.jsonc 中配置以下绑定:

    • D1:数据库
    • R2:对象存储
    • PAYLOAD_SECRET:一个安全的随机字符串。
  2. 生成类型

    pnpm generate:types
    
  3. 配置 MCP 和 Agent: 你可以在 agent/opencode.json 配置 MCP Server 和模型,在 agent/.opencode/ 目录修改 Agent 的技能、子 Agent 和命令等配置。

    项目使用 Firecrawl 进行网页爬取和信息提取, 你需要在 Firecrawl 注册账号并获取 API Key,然后在 worker/.env.local 中配置 FIRECRAWL_API_KEY

本地运行

  • Next.js 应用

    pnpm dev
    

    访问应用:http://localhost:3000http://localhost:3000/admin

  • Cloudflare Worker(包含 Agent)

    pnpm dev:worker
    

    需要安装 Docker 以运行本地沙箱。Worker 会自动启动 OpenCode Agent 容器。

🚀 部署

本项目设计为部署在 Cloudflare 上。

  1. 部署数据库和应用

    pnpm deploy
    

    此命令会运行 deploy:database(迁移)和 deploy:app(OpenNext 构建与上传)。

  2. 部署 Worker

    pnpm deploy:worker
    

📂 项目结构

  • app/:Next.js 应用源代码。
  • agent/:OpenCode Agent 配置和技能定义。
  • worker/:Cloudflare Worker 源代码。
  • collections/:Payload CMS 数据模型。
  • migrations/:数据库迁移文件。
  • public/:静态资源。

🤖 AI 代码助手

本项目包含 AGENTS.md 文件,为 AI 代码助手(如 Claude Code、Cursor、Copilot 等)提供开发指南,包括命令、代码风格和架构信息。

📄 许可证

本项目采用 GNU Affero General Public License v3.0 许可证。

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|2天前
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|2天前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

144.7k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.9k|★★☆☆☆|昨天
开发框架图像Agent

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|昨天
插件开发框架

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|昨天
语言模型图像Agent