作品

Argus（取名自希腊百眼巨人 Argus Panoptes）是我独立设计开发并开源的长视频理解 agent harness——只有前端、没有后端，视频完全在浏览器本地解码处理，API Key 与模型全部用户自填。让多模态 LLM agent 自己调用工具去"看"视频：抽帧、局部放大、记笔记、派子代理，典型场景如监控视频数人数、找特定物品。 🔗 在线体验 Argus 🐙 GitHub 源码 它解决什么 # 让 LLM 理解长视频的痛点不在模型，而在怎么把视频喂给它：整段上传太贵，盲抽帧又漏信息。Argus 把这个问题交给 agent 自己决策——它先看视频元信息，再自主决定抽哪些帧、用什么频率、哪里需要放大细看，上下文要爆了就派子代理分段处理。同时视频不离开浏览器，没有服务器，没有数据上传。 架构亮点 # 手写 Agent Loop — 基于 Vercel AI SDK streamText 手动驱动工具循环：拿到 tool calls 自行执行，把抽帧图片作为 ImagePart 注入下一轮，循环直到 agent 给出结论。 8 个视频理解工具 — get_video_info / extract_frames（范围+频率抽帧带时间戳）/ extract_frame_at / list_frames / inspect_region（局部放大细看）/ remember / recall（状态记忆，防长上下文遗忘）/ spawn_subagent（超长视频分段，防上下文爆炸）。 浏览器本地硬解码抽帧 — 原生 <video> + <canvas> seeked + rAF 抽帧（含黑帧重试），mediainfo.js（wasm 懒加载）只用于 fps/编码/码率等富信息，加载本地性能优先。 211 个 Provider 运行时目录 — 接入 models.dev 目录并归一化为 provider 预设，下拉可搜；自动标记视觉模型并优先默认选中（适配视频理解）；OpenAI 兼容 / Anthropic / Gemini 三类传输自动判定，附带 CORS 提示与连接测试。 子代理隔离上下文 — 子代理 = 去掉 spawn_subagent 工具的嵌套 agent 运行，长视频分段理解的中间过程不污染主上下文。 技术栈 # 前端 · Vite 8 + React 19 + TypeScript 7（native tsc）+ Tailwind 4 + zustand

见微 Vane 是我独立设计并开发的 AI 个性化信息推送系统——它持续从多个信源采集内容，用 LLM 按用户画像打分筛选，再通过飞书把"值得看的"推给你，并从反馈中学习、不断校准画像。从产品设计、系统架构到上线运维，一个人全部走通。 🔗 在线体验 Vane 🐙 GitHub 源码 它解决什么 # 信息过载时代，RSS、资讯站、网站更新太多，人工筛选成本极高。Vane 让一个 AI Agent 替你盯着所有信源，只推真正相关的内容，且越用越懂你——把"刷信息"变成"信息来找你"。 架构亮点 # 完整 Agent Runtime — 自建 agent loop + 工具调用（信源增删、画像调整、信源启停等），配合飞书确认卡做「人在环」交互，动作结果回写会话，避免模型对已处理动作产生状态幻觉。 A2A 协议接入 — 基于 a2a-go 实现 Agent-to-Agent 互操作，把 Agent 能力做成可被标准化调用的服务。 画像 + 反馈闭环 — 用户画像驱动个性化打分，用户反馈实时校准画像，形成「推送 → 反馈 → 画像进化」的自学习闭环。 Temporal 工作流编排 — 每日推送调度与抓取流水线由 Temporal 托管，保证可靠、可重放、幂等，长流程不怕中断。 多信源采集与去重 — 统一接入 RSS 与网页内容，以 canonical_key 内容身份系统做跨源去重，同一条内容不重复打扰。 LLM 成本可观测 — 每次打分的 prompt / completion / token 明细落库，模型开销全程可查、可优化。 技术栈 # 后端 · Go 1.26 · Temporal · PostgreSQL 18 · 飞书开放平台 · A2A 协议