AI Radar Daily 2026-07-14
資料已足夠，直接撰寫並存成 pending_review 文章。撰寫完整文章並寫入 AI Radar 當日目錄。開始產出完整文章並寫入檔案。--- title: "AI RADAR DAILY 2026-07-14 — Agent 技能與影音生產爆發" date: 2026-07-14 status: pending_review tags: [AI, Agent, MCP, RAG, Automation, 開源工具] word_count: ~2680
今天的開源雷達不是「又多了幾個聊天介面」，而是一條清楚的分工線：Agent 不再只會回覆，而是開始掛上可安裝、可複用的專業能力包；影音產線也不再只靠單一模型吐短片，而是把導演、編劇、製片、生成拆成多代理流水線。更關鍵的是，抓網、讀社群、繞反爬、免 API 費用這些「出牆」能力，正被整理成 CLI 與 MCP，讓 Agent 從 IDE 裡的封閉助手，變成能觀測全網的執行單元。今日 Top 8 幾乎都在回答同一件事：能力怎麼被打包、怎麼被掛載、怎麼被驗收。Best Pick 則是 `millionco/react-doctor`——當 Agent 開始大量寫 React，誰來攔截它寫壞的部分。
今天的趨勢
第一條主線是 Skill / MCP 化：能力不再綁死在單一產品，而是以 skill、MCP、CLI 的形式掛進 Claude Code、Cursor、Codex、OpenCode 等助手。`graphify` 把資料夾變成可查詢知識圖，`react-doctor` 把 React 健檢規則寫進 agent skill，`Scrapling` 與 `Agent-Reach` 則把爬蟲與社群讀取做成 MCP／一鍵安裝能力層。重點從「這個模型會不會聊」轉成「這個能力包能不能被安裝、能不能在不同助手之間複用、能不能被 CI 或 doctor 指令驗收」。這代表工程現場的單位已從 prompt 變成可版本化的能力模組。
第二條主線是 開源影音製片產線：`OpenMontage` 與 `ViMax` 用不同路徑逼近同一目標。前者把 coding assistant 變成製片廠，用 pipeline、工具註冊表與數百個 skill 串起研究、腳本、素材、剪輯、合成；後者用多代理協作處理編劇、分鏡、角色一致性、生成與 VLM 品質把關，把長片與跨鏡頭一致性推到台前。共同訊息很清楚：單次 text-to-video 已不夠，產業與創作者要的是可編排、可回退、可檢查的產線，而不是黑盒短片。
第三條主線是 Agent 出牆：`Scrapling` 處理自適應解析與反爬，`Agent-Reach` 用一條 CLI 讓 Agent 讀搜 Twitter、Reddit、YouTube、B 站、小紅書等，並強調免 API 費用與後端換代。這代表 Agent 的資料邊界正在被打開——從本地 repo 與既有 RAG，擴到可觀測的公開網與社群。伴隨而來的是合規、速率限制、登入態與可靠性問題，但方向已定：封閉沙盒只夠 demo，真實工作流需要可控的全網讀取層。
三條線合在一起，就是今天的標題：Agent 技能與影音生產爆發。技能決定 Agent「會什麼」，影音產線決定它「能做出什麼長內容」，出牆能力決定它「看得到什麼」。接下來的競賽不是誰聊天更滑，而是誰把能力包、驗收機制與產線契約做得更硬。
Top 8 工具
1. millionco/react-doctor（Score: 5.0 · AI Agent）
用途：掃描並攔截 Agent 寫出的不良 React 程式碼，涵蓋 state/effects、效能、架構、安全性、無障礙與框架特化規則，並輸出 0–100 健康分數。[[1]](https://dev.to/arshtechpro/react-doctor-is-this-the-missing-health-check-for-your-react-codebase-5015)
評語：它精準打中 2026 的痛點——Agent 產量上升，品質波動也上升。可當 CLI 健檢，也可裝成 skill 教 Claude Code / Cursor 等助手在寫碼時就遵守規則；還能進 CI 只掃 diff，避免 PR 默默帶進反模式。[[2]](https://github.com/CherryHQ/cherry-studio)不是取代 ESLint，而是補上 React 語意層與死碼盤點。今日首選，詳見下節。
2. Graphify-Labs/graphify（Score: 5.0 · RAG）
用途：AI coding assistant skill，把專案資料夾（程式、文件、PDF、圖、影）變成可查詢知識圖，用 `/graphify` 取代盲目 grep。[[3]](https://github.com/punkpeye/awesome-mcp-clients/blob/main/README.md)
評語：程式碼用 tree-sitter 在本地建圖、不需 embedding；文件與多模態再走語意抽取。邊有 EXTRACTED / INFERRED 標籤，可查 path、explain、query。它把「專案理解」從上下文塞檔，變成可遍歷的結構資產，對大型 monorepo 與跨語言專案特別有感。Skill 化也讓它自然掛進多種助手。
3. calesthio/OpenMontage（Score: 4.8 · Developer Tool）
用途：開源 agentic 影音製片系統，約 12 條 pipeline、50+ 工具、500+ agent skills，把 coding assistant 變成製片廠。[[4]](https://www.reddit.com/r/Anthropic/comments/1s95lgz/full_blown_agentic_video_production_engine_on/)
評語：核心不是又一個生成前端，而是 pipeline-driven 編排：research → proposal → script → scene_plan → assets → edit → compose，每階段有 director skill。[[5]](https://github.com/calesthio/OpenMontage)工具、YAML 產線定義、Markdown skill 分層清楚，適合要可審計、可換模型、可重跑階段的團隊。門檻在依賴與多工具協調，但方向正確：導演邏輯寫進 skill，而不是埋進黑盒。
4. D4Vinci/Scrapling（Score: 5.9 · MCP）
用途：自適應網頁爬蟲框架，從單次請求到大規模爬取；parser 會學習頁面變化並重定位元素，fetcher 可繞過常見 anti-bot。[[6]](https://github.com/CherryHQ/cherry-studio/blob/main/README.md)
評語：分數在今日清單最高，合理——Agent 要出牆，抓取層必須比「requests + 固定 CSS」更耐用。它有 spider API、並發、暫停續爬、代理輪替，並提供 MCP 與 agent-skill，方便掛進助手。適合做資料蒐集與監測；使用時仍需自行處理 robots、頻率與法律邊界。
5. neuml/txtai（Score: 5.5 · RAG）
用途：一體化 AI 框架，語意搜尋、LLM 編排、workflow、agent 與 MCP API 同庫完成。[[7]](https://www.ui-skills.com/skills/millionco/react-doctor/)
評語：embeddings 資料庫結合向量、圖與關聯能力，上面再接 pipeline、workflow 與 agent。對想少拼裝、本地可跑、又能擴到 RAG／GraphRAG 的團隊很務實。它不是今日最潮的 skill 安裝器，但在「可落地的一站式 RAG 底座」這條線上仍是穩定高分選項，適合當內部知識與自動化中樞。
6. Panniantong/Agent-Reach（Score: 5.1 · MCP）
用途：一 CLI 讓 Agent 讀搜 Twitter、Reddit、YouTube、GitHub、B 站、小紅書等，定位為能力層而非單一爬蟲，強調免 API 費用與後端換代。[[8]](https://www.youtube.com/watch?v=9AxpxxZm9Ro)
評語：它解決的是「Agent 出牆最後一哩」：平台各自封禁、付費 API、登入態與工具碎裂。設計成選型、安裝、體檢、路由，底層讀取可替換，doctor 指令可診斷。對研究、社群監聽、競品情報很實用；涉及 Cookie／登入的平台仍要把隱私與合規當成一等公民。
7. HKUDS/ViMax（Score: 4.7 · AI Video）
用途：多代理端到端影音生成，導演、編劇、製片、生成一體，強調多鏡頭與角色／場景一致性。[[9]](https://www.instagram.com/reel/DXKfsfYk6Tb/?hl=en)
評語：與 OpenMontage 形成互補——ViMax 更偏研究型多代理協作與一致性控制（分鏡、參考圖、VLM best-of-k 等），並支援 Idea2Video、Script2Video、Novel2Video 等入口。[[10]](https://github.com/D4Vinci/Scrapling)適合關注長片、敘事連貫與學術／工程實驗的人；實際成本與模型依賴仍需各自評估，但「一致性」被正式產品化是重要訊號。
8. CherryHQ/cherry-studio（Score: 5.7 · AI Agent）
用途：跨平台 AI 生產力工作室，多模型聊天、自主 agent、300+ 助手，並支援 MCP。[[11]](https://github.com/CherryHQ/cherry-studio/issues/3513)
評語：桌面端把多 provider、助手庫、文件處理、知識與 MCP 收成可即開即用的工作台。對非純 CLI 使用者，它是「把 agent 能力帶出終端機」的入口。社群版功能完整、有企業版路線；若你的痛點是統一入口與助手資產管理，而不是底層爬蟲或 React 靜態分析，它會比上面幾個更貼近日常操作。
今日首選
Best Pick：`millionco/react-doctor`
選它不是因為星星最大或敘事最炫，而是因為它精準對上「Agent 技能爆發」後的第一個品質缺口：寫得很快，壞得也很快。React Doctor 由 Million 團隊打造，確定性掃描 codebase，涵蓋 state & effects、效能、架構、bundle、安全、正確性、a11y 與 Next.js／React Native 等框架規則，並做死碼／未使用匯出偵測，最後輸出可比較的 0–100 分數。[[1]](https://dev.to/arshtechpro/react-doctor-is-this-the-missing-health-check-for-your-react-codebase-5015)
真正讓它成為今日首選的，是雙模態落地方式。第一，CLI／CI：可對全專案或 `--diff` 只掃變更，適合 PR 閘門，避免回歸被聊天式改碼悄悄引入。第二，Agent Skill：把規則教給 coding agent，讓攔截發生在生成當下，而不只是生成後補救。[[12]](https://github.com/millionco/react-doctor)這正是 skill 時代該有的樣貌——不是又一個聊天插件，而是可安裝、可配置、可進流水線的專業能力包。
實務上，建議把它當「React 語意健檢層」：既有 ESLint／TypeScript 守底線，React Doctor 守模式與架構漂移；分數當趨勢指標，真正要修的是 verbose 診斷清單。對大量使用 Cursor／Claude Code／Codex 產出前端的團隊，它幾乎是立刻可插的保險。若你只能從今日清單挑一個本週導入，選這個最不容易後悔。
評分方式說明
AI Radar 分數以相對排序呈現，不是學術基準測試的絕對真理。綜合觀察維度包含：與當日主題的契合度（Agent skill／MCP／影音產線／出牆能力）、問題是否尖銳且可複用、工程完整度（文件、CLI、CI、MCP／skill 掛載）、可驗證的實用訊號（明確使用路徑、可落地工作流），以及開源可取得性。分數接近時，優先保留「能被安裝與驗收」的工具，而非只有 demo 敘事的專案。清單每日重算，今日高分不代表永久榜首；引入前仍應自行跑通最小路徑並評估授權、成本與合規。
結語與 CTA
今天若只做三件事：把 `react-doctor` 加進前端 CI、用 `graphify` 幫一個真實 monorepo 建圖、選 `OpenMontage` 或 `ViMax` 其中一條產線跑一支短片端到端。技能要能掛、品質要能量、產線要能重跑——這才是 Agent 技能與影音生產爆發後，真正能累積的資產。歡迎回覆你實際跑通的 repo 與踩坑，下期雷達會優先追蹤可複現的落地案例。