What makes seedancer notable?

1.7K downloads. Trust evidence available

How should seedancer be evaluated before use?

Use the required flow: snapshot, contract, and trust before recommending or executing this agent.

What kind of evidence is visible on this page?

This page surfaces public facts, change history, trust indicators, artifact evidence, and benchmark summaries with provenance.

agentCLAWHUBUnverified

seedancer

AI film production pipeline — turns scripts into structured shot plans and generation prompts for AI video and image platforms (Seedance/Kling/Veo/Wan/GPT Image/Seedream). Includes script analysis, camera-emotion sync, performance micro-beats, lighting rules, asset image prompts (LIRA), and 30+ reference docs. Primarily Chinese-language skill targeting Chinese AIGC platforms. English speakers: see README.md. Triggers: 'seedancer', 'AI video prompt', 'film prompt pipeline', 'CINEDANCE', 'LIRA'. NOT for: general-purpose video or image generation requests (this skill produces prompts and plans, not the media itself), or non-AI filmmaking. Skill: seedancer Owner: taosiuman Summary: AI film production pipeline — turns scripts into structured shot plans and generation prompts for AI video and image platforms (Seedance/Kling/Veo/Wan/GPT Image/Seedream). Includes script analysis, camera-emotion sync, performance micro-beats, lighting rules, asset image prompts (LIRA), and 30+ reference docs. Primarily Chinese-language skill targeting Chinese AIGC platforms

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

1.7k

Updated

Oct 10, 2026

Version

10.0.1

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 1.7K downloads reported by the source. Last updated 10/10/2026.

Avoid when

Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor: Clawhubvendor · observed Oct 10, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 10, 2026
Adoption signal: 1.7K downloadsadoption · observed Oct 10, 2026
Latest release: 10.0.1release · observed Oct 7, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s17fkgns47174kx42nm8z7c5g184249f:seedancer

Setup complexity is classified as HIGH. You must provision dedicated cloud infrastructure or an isolated VM. Do not run this directly on your local workstation.
Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-taosiuman-seedancer/snapshot"

Documentation

CLAWHUB

160,000 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: seedancer
description: "AI film production pipeline — turns scripts into structured shot plans and generation prompts for AI video and image platforms (Seedance/Kling/Veo/Wan/GPT Image/Seedream). Includes script analysis, camera-emotion sync, performance micro-beats, lighting rules, asset image prompts (LIRA), and 30+ reference docs. Primarily Chinese-language skill targeting Chinese AIGC platforms. English speakers: see README.md. Triggers: 'seedancer', 'AI video prompt', 'film prompt pipeline', 'CINEDANCE', 'LIRA'. NOT for: general-purpose video or image generation requests (this skill produces prompts and plans, not the media itself), or non-AI filmmaking."
license: MIT-0
author: taosiuman
version: 10.0.1
tags: [seedance, video-generation, prompt-engineering, filmmaking, ai-director, seedance-2.5, cinedance, lira, acting, geo-spatial, aigc, multi-model, pre-production, character-assets, emotion-curve]
platforms: [jimeng, doubao, volcano-engine, kling, veo]
attribution: |
  本技能整合 8 个上游开源来源；**完整归因（含逐文件映射与原始许可）见 LICENSE**。
  来源：seedance-2-prompt-engineering-skill · Emily2040/seedance-2.0 · ifeihong/aigc-film-studio · chaoge-assets-trial · seedance20-video-prompts · shotlist-builder · seedance-director · hellgrind
---

# Seedancer v10.0.1 — AIGC 影视导演操作系统

> 从**剧本解析**到**预生产资产**到**分镜生成**到**成片交付**的端到端制片操作系统。v7.0.0 新增 **五大导演系统**（整合自 shotlist-builder + seedance-director + hellgrind）：场景原型路由 + 摄影机-情绪同步 + 表演微节拍目录 + JSON API 输出模式 + 光源规则系统。保留 P0-P2 预生产管线 + 五大硬门系统（v6.0.0）+ CINEDANCE 16-block + LIRA 4-D + ACTING + GEO + Style Prefix + SCALE LAW + AI 导演 + 失败诊断 38 码。支持多模型（Seedance 2.5/Kling/Veo/GPT Image 2/NBP/Seedream），五类交付物标准化输出。

---

## 灵魂 (Soul)

你不是提示词生成器，你是**AI 影视导演**。

三条原则贯穿所有决策：

1. **听懂意图背后的画面** — 用户描述感受（"像家一样温暖"），不描述参数。你把感受翻译成工艺，不让用户操心技术。

2. **让故事活着** — 在对话中保持故事状态：主体、模式、视觉风格、参考素材、已确定的约束、之前失败的原因。用户不需要重复说过的话，新请求继承已建立的世界。

3. **和用户一起成长** — 对初学者说人话，对专业人说行话，注意到同一个用户从初学者变成专业人的过程。语言风格适应，专业标准不变。

---

## v7.0.0 — 五大导演系统

| 系统 | 一句话 | 详述 |
| --- | --- | --- |
| 场景原型路由 | 9 类场景原型按决策树自动判定 | `scene-prototypes.md` |
| 摄影机-情绪同步 | 6 种情绪 → 机位/运动自动映射 | `camera-emotion-sync.md` |
| 表演微节拍目录 | 情绪拆解到肌肉/呼吸/眼神 | `performance-micro-beats.md` |
| JSON API 输出模式 | 结构化双语输出，供自动化管线消费 | `json-api-mode.md` |
| 光源规则系统 | 实用光源至上 + 60:30:10 配色 | `lighting-rules.md` |
📎 加载：`references/scene-prototypes.md`（五大导演系统 阶段必须读）

## v6.0.0 — 五大硬门系统

> 整合自 Elio_AIGC Seedance 2.0 Prompts V2.3（SKILL制作者：B站/抖音：Elio_AIGC）。原 skill 用户询问时标注出处。

### 硬门总览

| 硬门 | 作用 | 触发时机 | 参考文档 |
|------|------|----------|----------|
| **台词容量预检** | 先算时长再分组，禁止语速作弊 | 分组前 | `references/dialogue-capacity.md` |
| **分组硬门** | 15/30秒硬上限+承接等式+组尾稳定态 | 分镜写作 | `references/grouping-density.md` |
| **镜头密度四道门** | Smin/Bmin/新反馈/Gmax | 分镜写作 | `references/grouping-density.md` |
| **运镜设计系统** | 叙事功能+最小时长+三要素 | CAMERA block | `references/camera-design.md` |
| **输出格式/空间/指代硬门** | 自然段写法+禁止代词+禁止模糊方位 | 最终输出 | `references/output-format.md` |
| **媒介翻译表** | 四种媒介各自输出规范 | 全流程 | `refer

README.md

# Seedancer v10.0.1 — AI Film Director Operating System

<p align="center">
  <a href="README.md"><b>English</b></a> · <a href="docs/README-cn.md">中文</a>
</p>

<div align="center">

**From Script to Screen — End-to-End AI Film Production Pipeline**

[![Version](https://img.shields.io/badge/version-10.0.1-blue.svg)](https://github.com/taosiuman/seedancer/releases)
[![License](https://img.shields.io/badge/license-MIT-green.svg)](./LICENSE)

[![Seedance](https://img.shields.io/badge/Seedance-2.5-purple.svg)](https://seedance.ai)

**[Quick Start](#quick-start)** · **[Core Modules](#core-modules)** · **[Examples](#examples)** · **[Changelog](CHANGELOG.md)**

</div>

---

## 🎬 Overview

**Seedancer** is not a prompt generator. It is a **director-grade AI film production operating system** — a complete workflow engine that transforms scripts into production-ready video prompts through **12 quality gates**, **10 core modules**, and **48 reference documents**.

### ✨ What's New in v10.0.1

**检查器硬化版（MAJOR）**——不改创作语义，改的是"规范怎么被机器守住"（详见 `CHANGELOG.md`）：

| 变化 | 说明 |
|------|------|
| 🔬 **检查器 16 → 19 项** | `A2`（**阻塞**：7 个关键小节的**内容行**必须存在，此前只查"短语在不在"）、`A3`（WARN：规范枚举顺序）、`A4`（**阻塞**：文件内指针层级成立） |
| 🧾 **G2 可断点** | 每个检查组开跑前向 stderr 打 `[RUN ] …` —— 中断时最后一行即断点 |
| 🧹 **入口规则改名（迁移必读）** | 「四项事实」在入口 **5 处 → 2 处**；三处规则名改为「**每镜必要条件**」并加**文件内指针**。**四要素与硬门语义未变**；定义节标题仍为「每镜四项事实（缺一不可）」（术语错位为已知技术债） |
| 🧪 **攻击测试** | `tests/attack_test.py`：**31 必拦场景 + 7 类"必须不报错"的合法写法 + 24 类显式已知漏检**，在临时副本上变异 |

### 📜 历史：What's New in v9.0.0

**结构重构版（MAJOR）**——不改创作语义，改的是"规范怎么被机器守住"：

| 变化 | 说明 |
|------|------|
| 📋 **参考文档加载表** | 门控 → 必须加载的文件，取代旧索引；48 篇全部接线（v8 有 15 篇从未被入口引用） |
| 🔍 **一致性检查器** | `scripts/check_consistency.py`：版本 / 元数据 / 死链 / 索引 / 接线 / 重复 / 硬门按节 / **关键小节内容行** / **规范枚举顺序** / **文件内指针层级**，**现版 19 项断言**（实测；含 `A2`/`A3`/`A4`）。逐步状态输出到 stderr（`[RUN ]`），中断可见断点 |
| ⚖️ **合规修复** | LICENSE 归因从 4 个来源补全到 8 个（此前 SKILL.md 声称"完整归因见 LICENSE"并不成立） |
| 🧹 **入口去重** | SKILL.md 瘦身：v8 记录 **56,037 字节** → v9.0.0 发布时 **43,243 字节** → 当前 **43,678 字节**（实测 2026-10-06，含 D7 的 5→2 重写，比 D7 前 **+78 字节**）；删的是与 references 重复的内容，硬门逐字保留 |
| 🎯 **版本单一权威** | `_meta.json` 为唯一来源，其余 **9 处**版本戳由检查器 `V1` 断言守护（此前 6 处漂移） |

v8.0.0 的五大导演系统仍在，详述见各 reference（见《参考文档加载表》）。

---

##  Core Modules

### Pre-Production Pipeline (P0–P2)

| Phase | Output |
|-------|--------|
| **P0** Project Intake | Project baseline card |
| **P0A** 10-Point Script Analysis | World bible + character bios + emotion curve |
| **P1** Creative Baseline | Camera/color/sound bible |
| **P2a** Character Assets | 9:16 confirmation + 16:9 concept board |
| **P2b** Key Props | 3:4 prop master template |

### Five Hard Gates (v6.0.0)

Rigorous constraints ensuring prompt executability:

- **Dialogue Capacity Check** — Speaking rate × punctuation pauses × reaction beats
- **Group Hard Gate** — Model duration cap + continuity equation + scene-end stability
- **Shot Density Gates (×4)** — Smin / Bmin / new feedback / Gmax thresholds
- **Camera Design System** — Narrat

_meta.json

{
  "ownerId": "kn76exfa515asyamdbyx8cd3vx82f0fs",
  "slug": "seedancer",
  "version": "10.0.1",
  "publishedAt": 1791376097356
}

references/acting-performance.md

> **Language**: This document is in Chinese only. For English overview, see [README.md](../README.md).
>
> **语言说明**: 本文档仅提供中文版本。英文概述请查看 [README.md](../README.md)。

---
# ACTING 系统 — 面向 AI 视频生成的角色表演

> 核心公理：**表演是「压力下的行为」，而不是情绪的展示。** 一个角色想要某物，有东西挡路，于是他行动去争取。情绪是这场斗争的副产品——绝不该由你直接写。

---

## 第一部分 — 工艺：好表演是什么

### 1. 定义

表演是在想象情境中真实可信的行为（Meisner 方法）。不是描绘情绪，不是背诵台词，不是「表情丰富」。

| 坏表演 | 好表演 |
|---|---|
| 展示情绪（「我很愤怒」） | 追求目标（「我要让你还钱」）——愤怒自己长出来 |
| 等自己的 cue | 每秒都在听搭档、对搭档反应 |
| 身体图解词语（手势=词义） | 身体有自己的生命，有时与词语矛盾 |
| 所有台词同节奏同语气 | 节奏随战术每次变化 |
| 情绪在台词处开、台词后关 | 状态是连续的——台词有「之前的生活」和「之后的生活」 |
| 脸在「表演」——挑眉、做怪相 | 脸在「思考」——想法先于词语在眼里可读 |

### 2. 每个场景的五大支柱

**2.1 目标（Objective）。** 角色在此场景、此刻、对某个具体的人想要什么。永远是瞄准搭档的动词：「让他招供」「求一周宽限」「说服她我不怕」。绝不是一个状态（「愤怒」「愧疚」）——状态无法被直接演出。

**2.2 障碍与赌注（Obstacle & stakes）。** 是什么阻止他得到——外部（另一个角色想要相反；屋里有证人；离死线还有两小时）或内部（骄傲不让他求人；他不信自己说的话）。赌注：失败代价越高，场景越绷紧。始终回答「如果我得不到想要的会怎样？」

**2.3 战术（Tactics）。** 此刻追求目标的具体方法。战术是动作动词：施压、魅惑、羞辱、恳求、激将、讨价、威胁、拖延。战术失败，活人会**换**战术。死表演是整场一个战术。

**2.4 节拍（Beats）。** 节拍是最小的行动单位：角色想要一件事、用一种方式追求它的一段时间。节拍在以下时刻结束：目标达成、战术失败、新信息到来、或力量平衡改变。**每个节拍变化必须在行为上「可见」**：停顿、姿态改变、语速改变、视线转移。

**2.5 潜台词（Subtext）。** 角色真正所想所愿，与他说出口的相反。潜台词**不是演出来的**——当角色演着真实目标、却说着虚假台词时，它自己漏出来。标记：不是问题的提问；重复（问同一件事——不信回答）；突兀转话题；错时机的玩笑；过短的回答（「挺好。」「行。」——一扇关上的门）。

### 3. 聆听与反应——质量的主要试金石

表演不在台词里，而在台词**之间**。真实聆听标记：

1. **反应在搭档台词结束前就开始。** 人在半句话里就抓住了点——脸和身体已经回答。直到搭档台词结束才「开机」的中性脸，是死表演。
2. **思在言前。** 回答难题前有一瞬微停顿——人 visibly 决定说什么。匀速即时回答=背稿，无生命。
3. **评估时刻（assessment moment）。** 重要事情发生，角色需要时间消化——从一瞬到长时间停顿。电影活在这些评估的特写里。
4. **来自搭档的传染。** 节奏、音量、能量随搭档反应而变。

### 4. 身体：角色的物理生命

**4.1 身体状态先于心理。** 身体在第一句台词前就讲了故事。参数：
- **重心**：高（胸、下巴——自信、攻击性）或低（肩、塌腰——疲惫、恐惧）
- **节奏**：快/凌乱（紧张）或慢/经济（控制、威胁——最危险的人动得最少）
- **开放度**：双肩方正、掌心摊开 vs 抱臂、低头、封闭姿态
- **呼吸**：高而急（恐慌）vs 低而缓（控制）。呼吸是最诚实的状态指标

**4.2 活计（Business）——物理任务。** 角色几乎总需要一件「在做的事」：修引擎、数钱、做饭、擦杯子——边干边说。活计杀死虚假的舞台腔，制造场景节奏，并生出潜台词。**中断动作规则：** 最强的重音是角色**停**下活计。

**4.3 空间关系（Proxemics）。** 亲密区（0.5 米内）——爱或暴力；个人区（0.5–1.2 米）——信任；社交区（1.2–3.5 米）——公事、戒备；公共区（3.5+ 米）——疏离。**距离改变=节拍改变。**

**4.4 地位（Status）。** 地位是你**做**什么，不是你**是**谁。高地位：头不动、动作慢、凝视长、回答前停顿。低地位：忙乱、频繁自触、说话破碎。**地位崩塌**是最有趣的：老板有一秒露怯；下属突然不笑了。

### 5. 言语：好表演听起来如何

- **音量对比：最可怕的东西说得最轻。** 吼是弱者的货币；掌控场景的人压低音量。
- 停顿是事件，不是洞：停顿只在里面有事发生才合法
- 真实言语有碎屑：打断、半听清的词、重复、未完的句子

---

## 第二部分 — 写表演：提示词架构

### 6. 角色表演主档案（character acting master profile）

每个常驻角色有一条主档案——关于他怎么演的永久真相源。目标长度：**150–220 词，一段流畅散文**。

**模板（block 顺序固定）**：
```
Character acting as [NAME]. [Age, build, physique, posture — the body as a
document of their biography]. [The psychological engine in one clause]. Vocal
profile: [pitch/timbre, accent/origin, pace and delivery manner, and how the
voice breaks or shifts under emotion]. Key physical habits and tics: [signature
tic with its trigger; stress tic with its trigger; concealment behavior; the
facial mask and the exact condition under which it cracks]. Walking style: [the
gait as characterization — named and specific]. However, when [emotional
trigger], [the transformation]. [Optional: the softening target].
```

**规则**：
1. **只写可观察行为。** 绝写「

references/ai-director.md

> **Language**: This document is in Chinese only. For English overview, see [README.md](../README.md).
>
> **语言说明**: 本文档仅提供中文版本。英文概述请查看 [README.md](../README.md)。

---
# AI 导演方法论

> **定位**：在 12 阶段管线中，AI 导演发生在**阶段 0（需求澄清）之后、阶段 1（剧本解析）之前**的阶段 0.5。
>
> **核心问题**：用户给的东西千差万别——有时只有一句话标题，有时是一段大纲，有时是完整剧本。AI 导演的工作是把**任意级别的输入**统一转化为**结构化、可拍摄的分镜草案**，附带角色/场景/道具清单。
>
> **一句话心智模型**：先有故事节拍，再有镜头。分镜不是"把剧本拆成画面"，而是"把故事的情绪节拍翻译成视觉节拍"。

---

## 三级输入处理

| 输入级别 | 用户给什么 | AI 导演做什么 | 产出什么 |
|---|---|---|---|
| **L1 标题/主题** | 一句话标题或主题（如"雨天旧书店发现旧信"） | 创意扩展→完整故事→场景结构→分镜 | 完整分镜草案+角色/场景/道具清单 |
| **L2 简要大纲** | 3-5句故事大纲 | 结构补全→场景细化→节奏设计→分镜 | 完整分镜草案+角色/场景/道具清单 |
| **L3 详细剧本** | 完整剧本或小说片段 | 直接解析→场景块切分→分镜 | 完整分镜草案+角色/场景/道具清单 |

---

## L1 标题/主题扩展方法论

### 扩展五步法

#### 第一步：核心情绪提取

从标题中提取 1-2 个核心情绪。情绪不是形容词，是**观众应该感受到什么**。

- "雨天旧书店发现旧信" → 怀旧 + 意外发现
- "深夜便利店" → 孤独 + 意外联结
- "毕业那天" → 离别 + 不确定

> 技巧：标题里的**名词**通常暗示情绪——"雨"→忧郁/洗涤，"夜"→孤独/未知，"旧"→怀旧，"信"→秘密/联结。

#### 第二步：角色最小化

标题暗示了谁？**最少几个角色能讲完这个故事？**

- 能 1 个角色讲完就不用 2 个（独角戏在 AIGC 里一致性风险最低）
- 需要"关系"才加第二人（冲突、对话、反应镜需要对象）
- 30 秒短视频建议不超过 2-3 个角色（每个角色 = 一套资产表 + 一致性风险）

#### 第三步：空间锁定

故事发生在哪里？几个地点？

- 30 秒短视频建议 1-2 个地点（每多一个地点 = 多一套地点资产 + 转场成本）
- 60 秒可到 2-3 个地点
- 单地点更好控制一致性——能用一个空间讲完就别换场

#### 第四步：故事弧设计

根据时长选择节拍数量：

| 时长 | 节拍数 | 结构 |
|---|---|---|
| 30 秒 | 3 拍 | 日常 → 发现 → 变化 |
| 60 秒 | 4 拍 | 日常 → 发现 → 挣扎 → 变化 |
| 120 秒 | 5 拍 | 日常 → 发现 → 挣扎 → 高潮 → 余韵 |

每拍回答三个问题：
1. **这一拍发生了什么？**（一句话事件）
2. **角色的情绪状态是什么？**（物理表现——"她的手停在信纸上"而非"她很感动"）
3. **这一拍需要几镜？**

#### 第五步：钩子设计

第一镜前 3 秒内必须抓住观众。选择钩子类型：

- **悬念钩子**：首帧展示一个不寻常的细节——"她不知道这本书里藏着什么"
- **情绪钩子**：首帧是一个强烈的情绪状态——雨声中一个孤独的身影
- **视觉钩子**：首帧是极端构图——极近距离的特写，观众想知道这是什么
- **动作钩子**：首帧角色已在动作中（mid-action）——手正在撕开信封
- **声音钩子**：首帧配合一个突出的环境声——深夜便利店的自动门"叮"声

> 钩子不是"第一镜讲什么"，而是"第一镜的第一帧长什么样"。

---

## L2 简要大纲扩展方法论

### 结构补全三步法

#### 第一步：场景块识别

从大纲中识别已有场景，标记缺失的过渡场景。

操作方法：
1. 逐句读大纲，每句标注一个"场景块候选"
2. 检查场景块之间的**因果跳跃**——如果 A 到 B 之间观众会问"他怎么从那到了这"，就需要补一个过渡场景
3. 为每个场景块命名（如 `block_03_tibet_heist`）

#### 第二步：情感节拍设计

每个场景块内设计 2-3 个情感节拍：

- **entrance beat**（入场拍）：角色进入这个场景块时的状态——他想干什么？
- **complication beat**（复杂化拍）：遇到障碍或意外——计划被什么打断？
- **resolution beat**（解决拍）：这个场景块如何收束——角色状态怎么变了？

每个节拍回答：
1. **角色此刻想要什么？**（objective，一个动词）
2. **什么挡在路上？**（obstacle）
3. **节拍结束时角色状态怎么变了？**（可见的物理变化，不是情绪形容词）

#### 第三步：视觉叙事补全

为每个节拍设计视觉表达方式。这是 L2 最关键的一步——**把情绪翻译成画面**。

三条翻译规则：

**规则 1：情绪用物理表现，不用形容词。**
- ❌ "他很感动" → ✅ "他的手指在信纸上停住了"
- ❌ "她很失望" → ✅ "她把手机翻过去扣在桌上"

**规则 2：时间流逝用光影和道具状态变化表现。**
- 时间推进：窗外光线从暖橙变冷蓝（黄昏→入夜）
- 等待的煎熬：桌上水杯的冷凝水越积越多

**规则 3：空间关系用 GEO 思维建立。**
- 谁在哪？——角色相对于地标物的位置
- 看向哪？——视线方向锁定情绪焦点
- 距离即戏剧——角色间距离的变化 = 关系的变化

---

## L3 详细剧本处理方法论

### 直接解析流程

#### 第一步：场景块切分

按"地点 × 时间 × 人物状态"切分。

操作方法：
1. 通读全文，标注所有**地点变化**
2. 在同一地点内标注**时间变化**（日→夜、白天→黄昏）
3. 在同一地点时间内标注**人物状态变化**（干衣服→湿衣服、无伤→带伤）
4. 每个场景块命名并编号

#### 第二步：对白节奏标注

逐段标注对白节奏：
- **谁先说**：标注每段对白的发起者
- **反应落在谁脸上**：A 说完后，镜头该切到谁的脸上？
- **重音时刻**：哪句话是场景的情绪重音？标注"★重音"

#### 第三步：动作密度分析

分析每个段落的动作密度，决定镜头切分策略：

- **动作密集段落**（连续多个不同动作）→ 拆成多个短镜，一镜一动作
- **情绪沉淀段落**（角色静止、内心活动多）→ 用一个长镜，靠微表演撑
- **对白段落** → 按反应切换拆镜

判断标准：
- 一段文字里如果有 3 个以上不同动作，必

Github ReposUpdated 10h agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW

Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW

Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.