PoloX AI

项目简介

PoloX AI 是一个开源的多模态 AI 生成平台，基于 DeepSeek Harness 构建，定位与 Lovart、Crepal 类似，但采用 Agent 原生（Agent-Native）架构。所有创作、生成和编辑操作都发生在 Agent 对话和无限画布中，用户描述需求后与 Agent 协作完成，并通过画布实时查看和调整结果。

核心功能

• 无限画布创作空间：集成了创作、生成、编辑的连续工作流，所有中间结果和最终成果都在画布上呈现
• 多模态生成：支持图像生成与编辑、图片转视频、长视频制作（多镜头拼接）、产品宣传图等多种输出形式
• Skill 技能市场：内置 Product Hunt 画廊、App Store 图形、Sketch 转图、图像文字编辑、标注图像编辑、图像图层分离、长视频制作等多种引导式工作流
• Agent 对话式交互：用户通过自然语言与 Agent 协作，Agent 根据上下文调用相应模型和技能完成任务
• 本地存储：所有项目、对话、生成历史和媒体文件存储在本地 SQLite 数据库，不依赖云端账户
• 长视频制作：规划分镜后，AI 生成多个镜头片段并使用 FFmpeg 拼接成完整视频
• 角色一致性参考：视频生成支持参考音频，保持角色声音和风格的跨镜头一致性
• 开放式生成：除预设技能外，用户也可以用自然语言请求任意图像或视频编辑操作

技术实现

PoloX AI 技术栈采用 Nuxt + Vue 3 + SQLite，完全本地化运行。项目通过 WaveSpeed.ai API 完成图像和视频生成（支持信用卡、微信、支付宝充值），Agent LLM 默认锁定为 moonshotai/kimi-k3，支持长思考（Long Thinking）和确认交互。

图像生成默认路径使用 GPT Image 2.5 Sunburst 模型，视频生成支持 Seedance 等多路径。本地存储包括 SQLite 数据库（.data/polox.sqlite）和媒体文件（.data/media），FFmpeg 用于视频拼接和镜头组装。

快速上手

• 环境准备：需要 Node.js 22.20+、pnpm 和 FFmpeg（含 ffprobe）
• 安装运行：git clone 后执行 pnpm i 安装依赖，再执行 pnpm browser:install 安装 Playwright Chromium（Linux 系统额外运行 pnpm browser:install:linux），最后 pnpm dev 启动本地服务
• 配置 API：打开应用后点击右上角红色提示，在设置中填入从 wavespeed.ai 获取的 API key 并测试连接
• 开始创作：访问 http://localhost:3001，在首页选择技能卡片或输入 / 调出技能选择器开始使用

适用人群

• 独立开发者和创作者：需要快速生成产品宣传图、App Store 图形和演示视频
• 设计工作者：希望通过自然语言协作加速图像和视频创作流程
• AI 工具爱好者：希望本地运行、可控的多模态生成平台
• 需要批量生成营销素材的团队：Product Hunt 画廊等技能可批量生成产品发布素材

官方链接

GitHub 仓库：https://github.com/saihhold-zhao/polox_ai