Toonflow 是 HBAI-Ltd 出的开源 AI 短剧创作工具，把小说、剧本转成动画短剧。它围绕『策划 → 编剧 → 分镜 → 出片』组织完整生产流程，集成 AI 编剧、智能分镜、角色与视频生成，是跨平台桌面应用（Electron），可本地/Docker/云端部署。核心交互是类无限画布的生产工作台，把剧本、角色、分镜、素材、视频节点自由编排、回溯与并行生产，并用三层 agent（决策/执行/监督）协作出片。中文项目（含双语 README），HTML/TypeScript，Apache-2.0。它的定位是给创作者低成本批量产出视觉内容的本地化、可编程短剧生产平台。
来源：README 主要功能/技术栈；GitHub desc，license Apache-2.0 查看 GitHub 仓库 →约 8.2k 星，热度踩在『AI 短剧/小说影视化』这个正热的内容赛道：短剧产能需求大，但从小说到成片要跨编剧、分镜、角色、配音、视频生成多个环节，工具分散。Toonflow 把这些串成一个本地桌面工作台，还给出真实成本样本（一部约 2 分钟成片约 ¥130），并支持多模型与可编程供应商，对想低成本批量做短剧的创作者很有吸引力。
来源：GitHub 8,251 stars / 1,429 forks，created 2026-01-29；README Demo 信息/成本明细以类无限画布组织剧本、角色、分镜、素材与视频节点，支持自由编排、回溯与并行生产，不受线性步骤限制，覆盖从策划到出片的全流程。
来源：README 主要功能（无限画布）决策层、执行层、监督层协同做任务拆解、内容生成、质量审阅与修订反馈，提升成片一致性；并用基于本地 ONNX 向量检索的跨会话记忆（短期消息/长期摘要/语义召回）保证多轮创作连续性。
来源：README 主要功能（三层 Agent/持久化记忆）自动提取原著章节事件并结构化存储，剧本改编按事件图谱精准调用上下文，减少长文本改编中的信息丢失。
来源：README 主要功能（章节事件图谱）可在设置中心直接编写供应商 TypeScript 逻辑并即时生效，无需改源码或重启，便于私有化与多模型接入；ScriptAgent/ProductionAgent 的核心提示词外化为 Markdown Skill 文件，可在线编辑快速调优；并附 2D/3D/国风等画风 art skills。
来源：README 主要功能（可编程供应商/Skill 文件化）；data/skills/art_skills/*经 Vercel AI SDK 接入 OpenAI/Anthropic/Google/DeepSeek/智谱/MiniMax/通义千问/xAI 等，配合图片（如 GPT Image 2）与视频（如 Seedance 2.0）模型完成角色设定与分镜成片；Demo 显示一部约 2 分钟短剧总成本约 ¥130。
来源：README 技术栈（AI 集成）/Demo 信息/成本明细TypeScript 全栈的桌面应用。后端用 Express 5 + SQLite（better-sqlite3/knex）做数据与节点存储，Socket.IO 做实时通信，AI 调用经 Vercel AI SDK 统一多家 LLM，本地推理用 @huggingface/transformers（ONNX，支撑 agent 记忆的向量检索），图像处理用 Sharp。前端是无限画布式的生产工作台（src/、HTML），桌面端用 Electron 40 打包，可 Docker 化部署（Dockerfile + electron-builder.yml），也能跑云端（PM2）。data/ 下是文件化的 Skill（ScriptAgent/ProductionAgent 的 Markdown 提示词 + 多种画风 art_skills）。设计上把『供应商逻辑可在设置里写 TS 即时生效』和『提示词外化为可编辑 Skill 文件』作为可编程/可调优点，配合三层 agent 与章节事件图谱组织短剧从改编到成片的生产。整体是『Electron 桌面 + Express/SQLite 后端 + 多模型 AI + 本地 ONNX 记忆 + 文件化 Skill』的内容生产工程。
来源：README 技术栈/项目结构；tree（src、data/skills、Dockerfile、electron-builder.yml）中心为项目本体，内环 = 核心功能模块，外环 = 关键技术依赖；按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成
Vercel AI SDK（多 LLM）better-sqlite3 / knex（SQLite）@huggingface/transformers（ONNX 本地推理/…Socket.IO（实时）Sharp（图像）Docker / PM2适合：①想把小说/剧本批量转成动画短剧、做短视频内容的创作者与小工作室；②做 AI 文学改编、剧本开发与快速原型、视频素材生成的人；③希望本地化、可私有部署、能自接多模型的短剧生产场景。不适合：不愿承担视频/图片模型生成费用的人（成本随产量上升）；追求影视级画质与导演级控制的专业制作；以及不想自配多模型/部署、只想要零配置 SaaS 的用户。
来源：README 应用场景/成本明细，结合定位推断仓库无正式 GitHub Release，以主分支维护（最近 push 2026-05-12，创建于 2026-01-29），提供本机/Docker/云端多种部署方式与持续更新的画风 Skill；Demo 用 Seedance 2.0 视频 + GPT Image 2 + Claude Opus 4.6，处于活跃迭代期。
来源：GitHub 无 releases；pushed_at 2026-05-12；README Demo 信息Toonflow 抓住了 AI 短剧这个正热的内容生产需求，把从小说到成片的编剧、分镜、角色、视频生成多个环节串进一个本地桌面工作台，无限画布 + 三层 agent + 章节事件图谱 + 可编程供应商的组合在工程上挺有想法，还难得地给了透明的真实成本样本，8.2k 星反映了创作者的真实诉求。要清醒的是它的成片质量受底层图片/视频模型制约（角色一致性、镜头连贯性是 AI 短剧通病）、视频生成有真实费用、且依赖多家模型 API 与改编版权自负。对想低成本批量做 AI 短剧、愿意自配模型并接受当前画质上限的创作者，它是目前完成度较高的开源短剧工作台之一。
来源：综合 README 定位/功能/成本、tech 架构、模型依赖与版权风险的事实判断