• 

  OfficeCLI：让 AI Agent 一句话掌控 Word / Excel / PowerPoint 的开源办公套件

  

  📌 项目简介

  OfficeCLI 是全球首个专为 AI Agent 打造的 Office 办公套件，用一行命令就能让任意 AI 智能体读取、编辑、自动化生成 Word / Excel / PowerPoint 文档。它采用单一可执行文件、无需安装 Microsoft Office、零依赖、跨平台运行，目前已斩获 11.5K+ Stars（Apache-2.0 协议）。

  “OfficeCLI’s built-in HTML rendering engine reproduces documents with high fidelity —— and that’s what gives AI eyes.”

  ⚙️ 安装要求和过程

  环境要求

  • 单一二进制：自包含可执行文件，无需安装 Microsoft Office，无需 .NET 运行时。
  • 跨平台：macOS / Linux / Windows 均可运行。
  • 仅需基础的命令行环境，内存占用极低。

  快速安装

  # macOS / Linux
  curl -fsSL https://raw.githubusercontent.com/iOfficeAI/OfficeCLI/main/install.sh | bash
  
  # Windows (PowerShell)
  irm https://raw.githubusercontent.com/iOfficeAI/OfficeCLI/main/install.ps1 | iex
  
  # 或任选其一
  brew install officecli
  npm install -g @officecli/officecli

  安装后运行 officecli install 将二进制加入 PATH，并自动把 officecli skill 注入 Claude Code、Cursor、Windsurf、GitHub Copilot 等 AI 编程工具，Agent 立刻就能替你创建 / 读取 / 编辑 Office 文档。

  30 秒上手

  # 1. 创建一个空白 PPT
  officecli create deck.pptx
  
  # 2. 启动实时预览（浏览器打开 http://localhost:26315）
  officecli watch deck.pptx
  
  # 3. 另开终端添加一页，浏览器即时刷新
  officecli add deck.pptx / --type slide --prop title="Hello, World!"

  ✨ 核心功能

  • 三格式全读写改：Word(.docx)、Excel(.xlsx)、PowerPoint(.pptx) 全部支持创建、读取（文本 / 结构 / 样式 / 公式）、修改与重组，告别 python-pptx 等一堆库。
  • 内置 HTML 渲染引擎：把文档渲染成 HTML / PNG，给 AI 装上“眼睛”，形成 渲染 → 看 → 改 的闭环，AI 能看见自己生成的成品并自动修正。
  • 路径寻址 + 结构化 JSON：用 /slide[1]/shape[1] 这样的 XPath 式路径精准定位任意元素，并可输出结构化 JSON，便于程序化操作。
  • 实时预览：officecli watch 启动本地预览服务（localhost:26315），每次 add / set / remove 命令即时刷新浏览器，所见即所得。
  • 为 Agent 而生：一行 curl -fsSL https://officecli.ai/SKILL.md 即可让 AI Agent 自动读取技能文件并安装使用；自动把 skill 装进主流 AI 编程工具。

  🎯 典型使用场景

  1. AI 自动生成汇报 PPT：让 Agent 一句话产出季度汇报、融资路演、技术分享等演示文稿，自动处理排版、配色与图表。
  2. 批量处理 Excel 报表：自动生成预算表、成绩册、销售看板，支持公式、图表与条件格式。
  3. 程序化生成 Word 文档：一键产出学术论文、项目方案、年度报告，支持多语言 i18n 与 RTL 从右到左排版。

  💡 推荐理由

  以前用 python-pptx 写个 PPT 要 50 行代码还容易错位，OfficeCLI 一行命令就搞定；更关键的是它自带渲染闭环，让 AI 能“看见”自己生成的样子并自我修正——这对想给 Agent 接上“办公能力”的开发者几乎是开箱即用的利器。Apache-2.0 协议、单一二进制、零依赖，本地运行也保障了文档隐私。如果你正在做 AI 办公自动化、RPA 或 Agent 工具链，非常值得一试。

  🔗 下载地址

  • 🌐 官网：https://officecli.ai
  • 💻 GitHub：https://github.com/iOfficeAI/OfficeCLI
  • 📦 Releases 下载：github.com/iOfficeAI/OfficeCLI/releases
  • 🖥️ 桌面端 AionUi：github.com/iOfficeAI/AionUi

  2026年7月9日

• 

  MoneyPrinterTurbo：AI 自动生成短视频，93K+ Stars 让创作零门槛

  🎬 MoneyPrinterTurbo：AI 自动生成短视频，93K+ Stars 让创作零门槛

  基于 AI 大模型的短视频自动生成工具｜支持中英文｜一键跨平台发布

  93.1K+

  ⭐ GitHub Stars

  Python

  💻 主要语言

  MIT

  📄 开源许可

  35K+

  📈 本月新增

  📌 项目简介

  MoneyPrinterTurbo 是一款基于 AI 大模型的短视频自动生成工具，由开发者 harry0703 创建并维护。只需提供一个视频主题或关键词，系统即可全自动完成文案生成、素材匹配、字幕合成、背景音乐搭配，最终输出高清短视频（支持竖屏 9:16 和横屏 16:9）。

  项目在 GitHub 上已获得 93,118 Stars，是本月 GitHub 趋势榜 Python 类目第二名（新增 35,397 Stars），深受内容创作者和 AI 爱好者欢迎。

  🔧 安装要求和过程

  环境要求

  • Python 版本：3.11+（推荐，项目使用 uv 管理依赖）
  • 核心依赖：Streamlit（Web界面）、FastAPI（API服务）、MoviePy 2.x（视频处理）、ffmpeg
  • AI 服务：需配置至少一家 LLM 提供商 API Key（支持 15+ 家）
  • 素材服务：需配置 Pexels 或 Pixabay API Key（免费申请）

  快速安装（三种方式）

  方式一：Docker 部署（推荐）

  # 1. 安装 Docker Desktop（Windows 用户需先配置 WSL）
  # 2. 克隆项目
  git clone https://github.com/harry0703/MoneyPrinterTurbo.git
  cd MoneyPrinterTurbo

  # 3. 一键启动（自动拉取预构建镜像）
  docker compose -f docker-compose.release.yml up

  # 4. 访问
  # Web 界面：http://127.0.0.1:8501
  # API 文档：http://127.0.0.1:8080/docs

  方式二：本地手动部署

  # 1. 克隆项目
  git clone https://github.com/harry0703/MoneyPrinterTurbo.git
  cd MoneyPrinterTurbo

  # 2. 使用 uv 安装依赖（推荐）
  uv python install 3.11
  uv sync –frozen

  # 3. 配置 API Key
  cp config.example.toml config.toml
  # 编辑 config.toml，填入 pexels_api_keys 和 llm_provider 配置

  # 4. 启动 Web 界面
  uv run streamlit run ./webui/Main.py –server.showEmailPrompt=False

  # 5. 启动 API 服务（可选）
  uv run python main.py

  方式三：Windows 一键启动包

  从 GitHub Release 下载最新一键启动包，解压后先双击 update.bat 更新代码，再双击 start.bat 启动即可。

  ✨ 核心功能

  • AI 全自动文案生成：接入 15+ 家 LLM 服务商（OpenAI / DeepSeek / Kimi / 通义千问 / Gemini / Ollama 等），自动生成视频脚本，支持中英文双语。
  • 智能素材匹配：集成 Pexels、Pixabay、Coverr 三大无版权素材源，根据文案关键词自动匹配高清视频片段，也支持上传本地素材。
  • 多语音合成引擎：内置 Edge TTS（免费，无需 API Key）、Azure TTS V2、ElevenLabs TTS，支持 23+ 种语言，可实时试听效果。
  • 丰富字幕样式：支持自定义字体、位置、颜色、大小、描边效果，基于 Pillow 渲染（不再依赖 ImageMagick），字幕时间戳精确对齐。
  • 一键跨平台发布：生成完成后可自动上传至 TikTok、Instagram、YouTube Shorts（需 Upload-Post 账号），YouTube 发布自动标注”AI 生成内容”。

  🚀 典型使用场景

  场景一：知识科普短视频批量生产

  自媒体运营者需要每天发布 3-5 条科普短视频，但缺乏视频剪辑时间和素材。使用 MoneyPrinterTurbo，只需输入”量子计算入门””黑洞是什么”等主题，AI 自动生成文案并匹配宇宙、科技素材，10 分钟内完成 5 条视频生成，大幅降低内容生产成本。

  场景二：跨境电商产品宣传视频

  电商卖家需要为每款产品制作多语言宣传短视频。通过自定义文案 + 本地素材上传功能，批量生成中英双语产品介绍视频，配合一键跨平台发布功能，快速覆盖 TikTok、Instagram 等海外社媒渠道。

  场景三：本地 LLM 隐私保护场景

  对数据隐私有严格要求的企业用户，可配置 Ollama 本地 LLM 提供商，所有文案生成均在本地完成，无需将敏感信息发送至第三方 API，兼顾 AI 能力提升与数据安全合规。

  💡 推荐理由

  作为一个 AI 工具爱好者，我认为 MoneyPrinterTurbo 最打动人的地方在于它的「降维打击式」易用性：

  • 零视频编辑基础也能用：传统视频制作需要掌握剪辑软件、素材版权、配音等多项技能，而 MoneyPrinterTurbo 把这些全部封装成一个 Web 界面，点几下鼠标就能出片。
  • AI 大模型生态友好：支持 Ollama 本地模型是一大亮点，意味着你可以在没有 API 费用的情况下无限生成文案，对个人创作者非常友好。
  • 开源且活跃：MIT 许可允许自由修改和商用，社区活跃（本月新增 35K+ Stars），Bug 修复和功能迭代速度快。
  • 不只是「玩具」：内置的批量生成、API 接口、跨平台发布等功能，已经让它具备了生产级工具的属性，而不只是一个 Demo。

  ⚠️ 使用提醒：AI 生成的视频内容请注意平台审核规则，YouTube 已要求标注”AI 生成内容”。另外，虽然素材来自无版权平台，但商业使用前建议再次确认素材许可协议。

  🛠️ 技术栈

  Python 3.11
  Streamlit
  FastAPI
  MoviePy 2.x
  ffmpeg
  Edge TTS
  Docker
  uv

  🤖 支持的 AI 模型

  MoneyPrinterTurbo 支持接入以下大模型服务（在 config.toml 中配置）：

  # LLM 提供商列表（任选其一配置 API Key）
  OpenAI / AIHubMix / AIML API / EvoLink
  Moonshot（Kimi）/ Azure / gpt4free / one-api
  通义千问（Qwen）/ Google Gemini / DeepSeek
  MiniMax / 文心一言 / Pollinations / ModelScope
  Ollama（本地模型，无需 API Key）💡 推荐个人用户使用

  📥 下载地址

  📦 GitHub 仓库
  🚀 Release 下载
  🎬 使用演示视频

  📌 开源许可：MIT License，可自由使用、修改和分发，包括商业用途。
  🌟 项目热度：93,118 Stars | 本月新增 35,397 Stars | GitHub Python 趋势榜 Top 2
  💬 社区：Issues 和 PR 活跃，开发者响应及时。

  2026年6月27日

• 

  deer-flow：ByteDance 开源超级智能体框架，74K+ Stars 让 AI 处理小时级复杂任务

  2026年2月，ByteDance（科技公司）开源了其内部打磨多时的超级智能体框架 deer-flow 2.0，发布当天即登顶 GitHub Trending 榜首，目前已收获 74,000+ Stars。这不仅仅是一个”AI聊天机器人”，而是一个能够处理分钟级到小时级复杂任务的长周期智能体框架——从深度研究、代码编写，到内容创作、幻灯片制作，deer-flow 都能自主规划并执行。

  🦌 项目简介

  deer-flow（鹿流）是 ByteDance 开源的长周期超级智能体框架（Super Agent Harness），由初代 Deep Research 框架完全重构而来。它支持研究、编码、内容创作等复杂任务，通过沙箱隔离、持久化记忆、工具调用、子智能体协作等能力，处理从几分钟到数小时的各类任务。2.0 版本为完全重构版本，架构更清晰、扩展性更强。

  

  🛠 安装要求和过程

  环境要求

  • Python：3.12+（推荐使用 uv 管理依赖）
  • Node.js：22+（前端界面需要）
  • pnpm：前端包管理工具
  • Docker：推荐部署方式（可选，用于沙箱隔离）
  • 操作系统：macOS / Linux / Windows（WSL2）

  快速安装（3分钟上手）

  # 1. 克隆仓库
  git clone https://github.com/bytedance/deer-flow.git
  cd deer-flow
  
  # 2. 运行交互式配置向导（2分钟完成，生成 config.yaml 和 .env）
  make setup
  
  # 3. 安装依赖（本地开发模式）
  make install
  
  # 4. 启动本地服务
  make dev
  # 访问地址：http://localhost:2026
  

  配置向导会引导你设置 LLM 提供商（支持 OpenAI / DeepSeek / MiniMax / Qwen / 本地 vLLM 等）、网页搜索提供商（Tavily / Brave / Exa 等），无需手动编辑配置文件。配置完成后可随时运行 make doctor 验证配置是否正确。

  Docker 部署（推荐生产环境）

  # 开发模式（支持热重载）
  make docker-init    # 仅首次或沙箱镜像更新时运行
  make docker-start   # 启动服务
  
  # 生产模式
  make up             # 构建镜像并启动所有生产服务
  make down            # 停止并删除容器
  

  🎯 核心功能

  • 🧠 子智能体调度：主智能体可按需创建子智能体，每个子智能体拥有独立上下文、工具和终止条件；子智能体支持并行执行，执行结果结构化返回，主智能体最终汇总输出。长任务可拆分为多个子步骤，支持分钟到小时级别的复杂任务处理。
  • 📦 沙箱与文件系统隔离：每个任务拥有独立执行环境，支持文件读写、编辑、图像查看；支持多种沙箱模式：本地执行、Docker 隔离容器执行、Kubernetes Pod 执行。沙箱内文件路径 /mnt/user-data/ 下包含 uploads/（用户上传文件）、workspace/（智能体工作目录）、outputs/（最终交付物）。
  • 🧩 技能与工具扩展：内置研究、报告生成、幻灯片制作、网页生成、图像/视频生成等开箱即用技能；支持自定义技能、MCP 服务器扩展、Python 函数自定义工具；技能按需加载，避免上下文窗口过度占用；支持通过 /skill-name 前缀手动激活单轮技能。
  • 💾 长期记忆：跨会话持久化存储用户偏好、技术栈、常用工作流等信息；自动跳过重复记忆条目，避免记忆无限膨胀；记忆本地存储，用户完全可控。让智能体”记得”你之前的项目背景和编码习惯。
  • 🔌 IM 渠道集成：支持接入 Telegram、Slack、飞书、企业微信、钉钉、微信等 IM 渠道，无需公网 IP 即可接收任务。在聊天工具中直接使用 /new、/status、/models、/memory 等命令管理对话和智能体。
  • 📊 可观测性：内置 LangSmith、Langfuse 可观测性集成，支持全链路 LLM 调用、智能体运行、工具执行追踪。生产和调试时都能清晰了解智能体的决策过程。

  💡 典型使用场景

  场景一：深度研究报告自动生成

  输入”研究 Transformer 架构的演进历程，输出一份 5000 字的技术报告，包含关键论文引用和架构对比图”，deer-flow 会自动规划研究步骤：搜索相关资料 → 阅读并提取关键信息 → 对比不同架构差异 → 生成结构化报告 → 输出为 PDF/Markdown。整个过程无需人工干预，耗时约 10-30 分钟。

  场景二：代码项目从零搭建

  输入”帮我搭建一个基于 FastAPI + Redis 的短链接服务，包含单元测试和 Docker 部署配置”，deer-flow 会创建子智能体分别处理：API 路由设计、Redis 缓存逻辑、测试用例编写、Dockerfile 生成。最终在 outputs/ 目录下产出完整项目代码，可直接运行。

  场景三：内容创作与多语言本地化

  deer-flow 内置内容创作技能，支持文章撰写、幻灯片制作、网页生成。结合 IM 渠道集成，可以将已有视频/文章自动翻译为多种语言并生成配音版本，实现内容的多语言分发。适合自媒体运营者和内容创作者使用。

  🌟 推荐理由

  deer-flow 2.0 是目前开源超级智能体框架中最接近”生产可用”的项目之一。与 LangChain、CrewAI 等框架相比，deer-flow 的最大特点是长周期任务处理能力——通过子智能体调度和上下文管理，它可以处理耗时数小时的复杂任务而不超出上下文窗口。这是很多同类框架做不到的。

  几个让我印象深刻的细节：

• 上下文工程做得很到位：子智能体上下文隔离 + 自动摘要已完成子任务 + 中间结果卸载到文件系统，这套组合拳让长任务不 OOM。如果你用过其他框架处理长任务，就知道这个有多重要。
• 沙箱设计务实：支持本地 / Docker / K8s 三种沙箱模式，开发时可以用本地模式快速迭代，生产时切到 Docker 隔离。不用一上来就搞复杂的 K8s 部署。
• ByteDance 背书：这不是个人业余项目，是 ByteDance 内部打磨后开源的框架，2.0 版本完全重构，代码质量和文档都相当不错。74K+ stars 和 GitHub Trending 第一也证明了社区认可度。
• IM 渠道集成很实用：无需公网 IP 就能通过飞书/企微接收任务，对国内用户非常友好。想象一下在企业微信群里 @ 一下你的 AI 智能体，它就去后台帮你跑一个深度研究任务，完成后通知你——这个体验很丝滑。

当然也有一些注意事项：项目默认设计为本地可信环境部署，不可信环境需要额外配置认证网关；生产环境扩容需要通过提升单 worker 资源配置或拆分数据库、沙箱到独立节点实现，不能直接增加 worker 数量。部署前建议仔细阅读安全文档。

📦 下载地址

如果你正在寻找一个能处理复杂长任务的 AI 智能体框架，或者想了解 ByteDance 级别的工程团队是如何设计超级智能体的，deer-flow 绝对值得深入研究。74K+ 社区星标不会骗你。