一句话总结
2026 年 7 月第一周，GitHub 上 AI Agent 项目呈现明显的「垂直化」趋势——不再追求通用全能，而是深耕电影拉片、股票投研、视频剪辑等具体场景，用 AI 重构专业工作流。
数据来源：GitHub API（2026-07-05 至 2026-07-12 创建仓库）
趋势观察：Agent 的「垂直化」拐点
如果说 2025 年是通用 AI Agent 的元年——Manus、AutoGPT、CrewAI 等框架试图打造能处理任何任务的「全能 Agent」——那么 2026 年上半年的趋势正在发生微妙而重要的转变：开发者开始把 Agent 技术应用到高度垂直的专业场景中。
这种转变背后有几个驱动力：一是通用 Agent 的「幻觉」问题在专业领域（金融、法律、医疗）仍然不可接受；二是垂直场景的容错空间更大——投资研报 Agent 给出的建议最终由人决策，AI 负责的只是信息聚合和分析辅助；三是垂直场景的数据和工具链更清晰，Agent 的可控性更强。
我们扫描了 7 月第一周在 GitHub 上发布且获得高星数的 AI Agent 项目，发现了四个极具代表性的垂直应用案例。
No.1 Vibe-Research：个人 AI 投研 Agent
⭐ 726 stars | 🏷 TypeScript + Python | 📅 2026-07-05 创建
一句话：覆盖 A 股/美股/港股的本地化 AI 投研工作站，把数据和功能配齐，由你自己的 AI 驱动投资研究。
工具简介
Vibe-Research 是一个面向个人投资者的开源 AI 投研 Agent，支持 A 股、美股和港股市场。它不是给出买卖建议的「荐股 AI」，而是一个功能完善的研究工作站——集成了每日复盘、资讯雷达、个股数据查询、板块中心、持仓管理和研究记录六大模块。核心定位是「把数据准备好，让 AI 帮你做研究」，最终的投资决策仍然在用户手里。
核心功能
- 每日复盘：自动生成本日市场概览、涨跌板块、资金流向、龙虎榜分析等结构化复盘报告。
- 资讯雷达：聚合财经新闻、公告、研报，AI 自动筛选与用户持仓/关注标的相关的信息，减少噪音干扰。
- 个股数据中心：财务数据、技术指标、机构评级、资金流向等一站式查询，AI 辅助解读。
- 持仓管理：记录和可视化个人持仓表现，AI 提供风险分析和再平衡建议。
- 研究记录：每次 AI 辅助研究的结果自动保存，形成可检索的研究知识库。
为什么值得关注
Vibe-Research 的特别之处在于它是一个中文原生的垂直 Agent。它不仅支持 A 股和港股数据（而非仅覆盖美股），其 AI 输出也是地道的中文投研语言。项目的技术栈选型也很务实——FastAPI 后端 + React 前端 + MCP（Model Context Protocol）协议支持，架构可扩展，方便对接新的数据源和 AI 模型。
在当前 AI+金融的创业热潮中，Vibe-Research 代表了一种「自下而上」的开源范式：不是大厂的封闭产品，而是由社区驱动的、可审查的、可定制的投研工具。对个人投资者来说，这可能是比付费投顾软件更透明、更灵活的选择。
仓库地址：github.com/simonlin1212/Vibe-Research
No.2 拉片笔记：AI 驱动的电影深度分析工具
⭐ 270 stars | 🏷 TypeScript | 📅 2026-07-08 创建
一句话：把电影变成 AI 辅助的拉片笔记——自动抽帧、剧情泳道时间轴、结构树、情绪曲线、段落深拆，电影爱好者和创作者的利器。
工具简介
「拉片」是电影行业的术语，指逐帧、逐段落深度分析电影的镜头语言、叙事结构和情感节奏——通常一部 2 小时的电影，拉片需要 10 小时以上。拉片笔记（Lapian Notes）使用 AI 自动化了大部分拉片工作：自动抽帧关键画面、构建剧情泳道时间轴、生成叙事结构树、绘制情绪曲线，并将这一切整理为结构化的拉片笔记。
核心功能
- 自动抽帧：本地运行，按场景/镜头变化自动提取关键帧，无需手动截屏。
- 剧情泳道时间轴：将电影按时间轴展开，每个场景标注核心事件、角色关系和镜头语言。
- 叙事结构树：AI 识别电影的三幕结构/五幕结构、情节转折点和角色弧光。
- 情绪曲线：基于画面色彩、配乐、对话等维度，AI 生成整部电影的情绪起伏曲线。
- 段落深拆：选择任意片段，AI 深度分析镜头运动、构图、剪辑节奏和声音设计。
为什么值得关注
拉片笔记是一个非常典型的「AI 赋能传统手艺」案例。拉片本身是一项高度专业、耗时极大、且依赖个人经验积累的技能。AI 的介入并不是取代电影分析师的判断力，而是把「逐帧截屏」「时间轴整理」这些纯体力活自动化，让创作者和分析师能把精力集中在真正需要专业洞察的部分——理解导演的叙事意图，分析镜头语言的艺术效果。
更难能可贵的是，这是又一个中文原生的高质量开源项目，说明中国开发者在 AI Agent 垂直应用领域的创造力正在爆发。项目使用 React + Vite 构建，架构清晰，非常适合二次开发。
仓库地址：github.com/bkingfilm/lapian-notes
No.3 FableCut：AI Agent 可操控的浏览器视频编辑器
⭐ 加速增长中 | 🏷 TypeScript | 📅 2026-07-06 创建
一句话：零依赖浏览器视频编辑器，AI Agent 可通过 JSON 时间轴 + MCP/REST API 驱动，实现 AI 自动剪辑视频。
工具简介
FableCut 是一个概念的创新项目——它不只是一个视频编辑器，而是一个 「AI Agent 可以操控的视频编辑引擎」。它运行在浏览器中（零依赖），接受 JSON 格式的时间轴描述作为输入，支持通过 MCP 协议和 REST API 供 AI Agent 调用。简单来说：你不需要手动操作时间轴，只需告诉 AI「把这段视频剪辑成 30 秒的高光片段，加转场和字幕」，AI Agent 就能驱动 FableCut 完成操作。
核心功能
- JSON 时间轴：整个视频编辑操作序列化为 JSON，AI Agent 可直接生成和修改。
- MCP + REST API：标准化的 AI Agent 接口，支持 Claude Desktop、Cursor 等 MCP 客户端的直接调用。
- 实时预览：浏览器内实时渲染和预览，所见即所得。
- 零依赖：不需要安装 FFmpeg 或任何系统级依赖，纯浏览器运行。
为什么值得关注
FableCut 代表了 AI Agent 应用的一个重要方向：不是让 AI 学习使用人类工具，而是为 AI 重新设计工具。传统视频编辑软件（Premiere、Final Cut、剪映）的 UI 是为人类鼠标操作设计的，AI Agent 很难高效操控。FableCut 从底层设计上就是「AI-first」——它的「UI」是一套 JSON Schema，天然适合 LLM 理解和生成。
这个项目目前还很早期，但它的设计理念值得所有做 AI Agent 产品的团队参考：当工具的使用者从人变成 AI 时，工具的交互范式需要根本性的重新思考。
仓库地址：github.com/ronak-create/FableCut
No.4 Fintech Advisor：开源 AI 金融投顾
⭐ 154 stars | 🏷 TypeScript | 📅 2026-07-09 创建
一句话：AI 金融投资顾问，分析你的投资组合并提供个性化建议，已上线 FolioFox 商业网站。
工具简介
Fintech Advisor（现商业化为 FolioFox）是一个 AI 驱动的组合投资分析工具。与 Vibe-Research 侧重「数据聚合」不同，Fintech Advisor 更偏向「分析建议」——用户连接自己的投资组合后，AI 会分析持仓结构、风险敞口、行业分布，并给出个性化的再平衡建议。
核心功能
- 组合分析：连接投资账户，AI 分析持仓构成、风险指标、表现归因。
- 风险诊断：识别持仓集中度风险、行业相关性风险、币种风险等。
- 再平衡建议：基于用户风险偏好，AI 提供具体的调仓建议。
- 市场洞察：结合宏观经济数据和市场情绪，提供投资主题建议。
为什么值得关注
Fintech Advisor 是开源项目成功商业化的案例——项目创建一周即上线了商业网站 FolioFox。它展示了垂直 AI Agent 的商业模式：开源核心代码建立信任和社区，商业化提供托管服务和专业数据源（Bloomberg、Refinitiv 等需要付费授权）。相比 Vibe-Research 的个人投研定位，Fintech Advisor 更偏向「面向普通投资者的 AI 投顾」，两者的差异化定位恰好覆盖了金融 AI 应用的不同层级。
仓库地址：github.com/KORAYTEACHER/fintech-advisor
垂直 Agent 的趋势总结
四大项目对比
| 项目 | 领域 | Stars | 技术栈 | 核心差异 |
|---|---|---|---|---|
| Vibe-Research | 投资研究 | 726 | FastAPI + React + MCP | 覆盖 A 股/美股/港股，中文原生 |
| 拉片笔记 | 电影分析 | 270 | React + Vite | 本地抽帧 + 情绪曲线，垂直极深 |
| FableCut | 视频编辑 | 增长中 | TypeScript + MCP | AI-first 架构，Agent 原生操控 |
| Fintech Advisor | 金融投顾 | 154 | TypeScript | 开源+商业化，组合分析 |
三个核心观察
1. MCP 协议成为 Agent 工具的通用语言。 Vibe-Research、FableCut 等多个项目都选择支持 Anthropic 的 Model Context Protocol（MCP）。这说明 MCP 正在成为 AI Agent 连接外部工具的事实标准，类似「USB 接口」之于外设——有了 MCP，任何 Agent（Claude Desktop、Cursor、自定义 Agent）都能即插即用。
2. 中文原生 Agent 生态正在崛起。 Vibe-Research 和拉片笔记都是中文开发者创建、专注中文场景的项目。这说明「国产 AI Agent」不再是跟风硅谷的翻译版，而是针对本土需求（A 股、中文影视分析）的原创产品。
3. 垂直 Agent 的核心壁垒不是模型，而是数据和工具链。 这些项目的 AI 模型都是可替换的（通过 API 调用各种 LLM），真正难以复制的是垂直领域的数据整合能力（金融数据源、电影数据库）和工具链设计（拉片工作流、视频编辑时间轴）。这提示了一个重要的产品策略：做垂直 Agent，花 80% 精力在数据层，20% 在模型层。
数据来源：GitHub API search/repositories?q=created:2026-07-05..2026-07-12。星数截至 2026-07-12。
