Cổng tin tức Radar

Radar GitHub Trending & Repo AI

Top 10 repository nổi bật & tăng sao nhanh nhất trên GitHub hàng tuần, ưu tiên AI/LLM/Agent, phân tích nội dung, kiến trúc & số sao

Quét gần nhất: SUCCESS • 2026-11-22 16:15 UTC API Health
Hiển thị 5 / 5 repository GitHub (Xếp hạng Top 10 & bộ lọc, Trang 1/1)
CRITICAL 🏆 TOP #1 🤖 AI / LLM 🛠️ Công cụ phát triển AI và lập trình ⭐ 151,724 sao 📈 +3,034 sao/tuần 🍴 14,581 💻 Python ⚖️ Apache-2.0 Heat: 97/100
Công bố: 2026-11-22 04:27 UTC

Graphify-Labs/graphify — Chuyển mã nguồn và tài liệu dự án thành đồ thị tri thức có thể truy vấn

Repository: Graphify-Labs/graphify • Đợt quét: 2026-W46 • Nguồn: GitHub Search API: Repo AI, LLM, Agent & MCP Nổi Bật Trong Tuần

Graphify biến mã nguồn, tài liệu, lược đồ SQL và nhiều loại tệp khác thành đồ thị tri thức để con người và trợ lý lập trình AI có thể truy vấn, giải thích khái niệm và lần theo quan hệ giữa các thành phần. Công cụ dùng tree-sitter để phân tích AST cục bộ, xác định liên kết một cách có tính quyết định và gắn nhãn từng cạnh là trích xuất trực tiếp hoặc suy luận; không cần embeddings hay kho vector. Tích hợp với nhiều trợ lý như Claude Code, Cursor, Codex và Gemini CLI, đồng thời cung cấp CLI, báo cáo và đồ thị HTML tương tác. Repo thu hút sự quan tâm nhờ giải quyết bài toán cung cấp ngữ cảnh codebase có thể tái sử dụng cho AI coding agent, với mức tăng hơn 3.000 sao trong tuần theo metadata được cung cấp.
🎯 Tổng quan & Bài toán Giải quyết
Khi làm việc với codebase lớn, việc tìm hiểu một khái niệm thường đòi hỏi đọc nhiều tệp, dò thủ công các lần gọi, import, kế thừa và tài liệu liên quan. Graphify xây dựng một đồ thị có thể truy vấn từ code và tài liệu để người dùng hoặc trợ lý AI lần theo phụ thuộc, khám phá các subsystem và truy xuất ngữ cảnh mà không phải liên tục quét lại toàn bộ repository. Cách tiếp cận này thay cho tìm kiếm văn bản đơn thuần hoặc chỉ mục vector khi cần nhìn rõ quan hệ giữa các thực thể và nguồn gốc của từng liên kết.
🏗️ Tính năng Nổi bật & Kiến trúc / Công nghệ
CLI viết bằng Python, yêu cầu Python 3.11.5–3.14; dùng tree-sitter để phân tích AST cục bộ cho khoảng 40 ngôn ngữ. Đồ thị ghi rõ cạnh nào được trích xuất từ mã nguồn (EXTRACTED) và cạnh nào được suy luận (INFERRED), hỗ trợ các lệnh truy vấn, giải thích nút và tìm đường giữa hai nút. Kết quả gồm graph.html tương tác, GRAPH REPORT.md và graph.json có thông tin phiên bản schema. Phân tích code cơ bản hoạt động cục bộ, không cần LLM; tài liệu, PDF, hình ảnh và video có thể cần mô hình của trợ lý hoặc API key cho bước phân tích ngữ nghĩa. Có hỗ trợ CLI và MCP cho nhiều trợ lý lập trình. Giấy phép Apache-2.0.
🔥 Mức độ Liên quan AI & Lý do Bùng nổ Sao
Đây là công cụ AI coding trực tiếp cung cấp ngữ cảnh cấu trúc cho các coding agent, đồng thời có thể kết nối qua MCP. Điểm đáng chú ý là phần phân tích code cục bộ, xác định và giải thích quan hệ mà không cần LLM hoặc kho vector, giúp giảm phụ thuộc vào chi phí suy luận và tăng khả năng kiểm chứng. Metadata ghi nhận 151.724 sao và tăng 3.034 sao trong tuần; theo tiêu chí đã nêu, đây là mức bứt phá viral.
🚀 Ứng dụng Thực tế & Cài đặt / Dùng nhanh
Dùng để khảo sát codebase mới, lần theo phụ thuộc giữa các module, giải thích một khái niệm hoặc tìm đường kết nối giữa hai thành phần; cũng có thể tạo ngữ cảnh dùng lại cho coding agent qua nhiều phiên. README hướng dẫn cài CLI bằng `uv tool install graphifyy` hoặc `pipx install graphifyy`, sau đó chạy `graphify install` để cấu hình mặc định cho Claude Code. Có thể cấu hình Cursor bằng `graphify cursor install` hoặc Codex bằng `graphify install --platform codex`; trong trợ lý, chạy `/graphify` (Codex dùng `$graphify`). Kết quả được tạo trong thư mục `graphify-out/`.

Khuyến nghị Đánh giá & Lệnh Khởi chạy Nhanh

Có thể thử trên repository cục bộ sau khi cài Python 3.11.5–3.14 và uv hoặc pipx: `uv tool install graphifyy && graphify install`. Phân tích mã nguồn cơ bản không cần API key và diễn ra cục bộ; các bước phân tích ngữ nghĩa cho tài liệu, PDF, hình ảnh hoặc video có thể cần mô hình trợ lý hoặc API key. Nên kiểm tra README hiện hành để xác nhận cú pháp cài đặt và nền tảng trợ lý tương thích.

CRITICAL 🥉 TOP #3 🤖 AI / LLM 🤖 Nền tảng AI, LLM và AI Agent ⭐ 161,650 sao 📈 +3,233 sao/tuần 🍴 25,534 💻 Python ⚖️ Unknown Heat: 99/100
Công bố: 2026-11-22 15:16 UTC

langgenius/dify — Xây dựng và vận hành ứng dụng LLM, quy trình AI Agent và RAG

Repository: langgenius/dify • Đợt quét: 2026-W46 • Nguồn: GitHub Search API: Repo AI, LLM, Agent & MCP Nổi Bật Trong Tuần

Dify là nền tảng mã nguồn mở giúp nhóm phát triển xây dựng ứng dụng LLM, quy trình AI Agent và pipeline RAG trên một không gian làm việc trực quan. Nền tảng kết hợp thiết kế workflow, quản lý mô hình, tích hợp công cụ và API, cùng khả năng theo dõi ứng dụng để rút ngắn hành trình từ nguyên mẫu đến triển khai thực tế. Có thể sử dụng trên Dify Cloud hoặc tự triển khai, nhờ đó đội ngũ không phải ghép nối và vận hành riêng nhiều công cụ. Repo thu hút cộng đồng nhờ phạm vi tính năng rộng, hỗ trợ nhiều nhà cung cấp mô hình và mức tăng 3.233 sao trong tuần theo dữ liệu được cung cấp.
🎯 Tổng quan & Bài toán Giải quyết
Dify giải quyết bài toán xây dựng ứng dụng AI có thể đưa vào sử dụng thực tế mà không cần tự phát triển từ đầu các thành phần như điều phối LLM, truy xuất tài liệu, tích hợp công cụ và API. Thay vì ghép nhiều thư viện và dịch vụ rời rạc, nhóm có thể thiết kế ứng dụng bằng giao diện trực quan, quản lý mô hình và triển khai trên dịch vụ đám mây hoặc hạ tầng tự quản lý. Nền tảng hỗ trợ cả giai đoạn thử nghiệm lẫn vận hành, bao gồm quan sát hiệu năng và cải thiện ứng dụng dựa trên dữ liệu sử dụng.
🏗️ Tính năng Nổi bật & Kiến trúc / Công nghệ
Các tính năng chính gồm trình dựng workflow trên canvas, hỗ trợ nhiều mô hình và nhà cung cấp suy luận, Prompt IDE, pipeline RAG xử lý và truy xuất tài liệu, AI Agent có thể dùng công cụ, LLMOps để theo dõi nhật ký và hiệu năng, cùng API tích hợp vào hệ thống khác. README mô tả khả năng kết nối công cụ từ Dify Marketplace, máy chủ MCP và API riêng. Dify có thể chạy bằng Docker Compose; phần trích README yêu cầu tối thiểu 2 lõi CPU, 4 GiB RAM, Docker Compose v2.35.0 trở lên và OpenSSL. Ngôn ngữ chính được cung cấp là Python; SPDX chưa xác định từ metadata và trích đoạn README đầu vào.
🔥 Mức độ Liên quan AI & Lý do Bùng nổ Sao
Đây là repo liên quan trực tiếp đến LLM, RAG, AI Agent và workflow AI. Mức tăng 3.233 sao/tuần vượt ngưỡng 3.000 sao để xếp loại CRITICAL theo tiêu chí đã cho; sức hút có thể đến từ nhu cầu đưa ứng dụng AI tạo sinh từ thử nghiệm sang triển khai, cùng khả năng kết hợp mô hình, dữ liệu, công cụ và giám sát trong một nền tảng. Dữ liệu đầu vào không cung cấp thứ hạng toàn cầu, nên đánh giá mức độ nổi bật dựa trên số sao tăng theo tuần.
🚀 Ứng dụng Thực tế & Cài đặt / Dùng nhanh
Phù hợp để tạo chatbot hỏi đáp trên tài liệu nội bộ, xây dựng quy trình xử lý nhiều bước bằng LLM, thử nghiệm prompt và mô hình, hoặc cung cấp chức năng AI qua API cho sản phẩm hiện có. Theo hướng dẫn trong README, từ thư mục gốc chạy: `cd docker && cp .env.example .env && openssl rand -hex 32`; đặt giá trị vừa tạo vào `DIFY_AGENT_LOCAL_SANDBOX_AUTH_TOKEN` trong `.env`, sau đó chạy `docker compose up -d` và `docker compose ps --all`. Khi dịch vụ khởi động, mở `http://localhost/install` để hoàn tất cài đặt ban đầu. Cần Docker đang chạy, Docker Compose v2.35.0 trở lên và OpenSSL.

Khuyến nghị Đánh giá & Lệnh Khởi chạy Nhanh

Nên thử bản tự triển khai bằng Docker Compose trên máy có tối thiểu 2 lõi CPU và 4 GiB RAM; tạo token sandbox ngẫu nhiên và lưu an toàn trong `.env` trước khi khởi chạy. Nếu dùng mô hình hoặc dịch vụ suy luận bên ngoài, cần cấu hình thông tin xác thực/API tương ứng theo hướng dẫn của Dify. Kiểm tra tệp LICENSE trong phiên bản cụ thể trước khi sử dụng thương mại vì metadata đầu vào chưa xác định SPDX.

HIGH ⭐ TOP #5 🤖 AI / LLM 🤖 Tác nhân và ứng dụng AI/LLM ⭐ 2,706 sao 📈 +2,706 sao/tuần 🍴 36 💻 Python ⚖️ MIT Heat: 89/100
Công bố: 2026-11-19 21:44 UTC

bookwjitchieni1986/blender-ai-mcp-addon — Tích hợp trợ lý AI và máy chủ MCP để tự động hóa Blender

Repository: bookwjitchieni1986/blender-ai-mcp-addon • Đợt quét: 2026-W46 • Nguồn: GitHub Search API: Repo Mới Nổi Tăng Sao Nhanh Nhất Tuần Qua

Đây là tiện ích mở rộng cho Blender, kết hợp trò chuyện trực quan với các công cụ hiểu và thao tác cảnh 3D thông qua AI. Dự án hỗ trợ nhiều nhà cung cấp mô hình, gồm OpenAI, Claude, Gemini, Ollama và các API tương thích, đồng thời có máy chủ MCP để kết nối với ứng dụng bên ngoài. Điểm nổi bật là hỗ trợ cả trợ lý đơn lẻ lẫn quy trình nhiều tác nhân có phân công và kiểm duyệt nhiệm vụ, cùng bộ 21 công cụ thao tác cảnh. Repo được quan tâm vì đưa các mô hình AI vào quy trình sáng tạo Blender, với số liệu cung cấp ghi nhận 2.706 sao trong tuần.
🎯 Tổng quan & Bài toán Giải quyết
Repo cung cấp trợ lý AI ngay trong Blender, giúp người dùng hỏi về cấu trúc cảnh, tạo và chỉnh sửa đối tượng, vật liệu, ánh sáng, camera hoặc chuẩn bị xuất cảnh mà không phải tự động hóa mọi thao tác bằng script thủ công. Nó hướng đến việc giảm công việc lặp lại cho nghệ sĩ 3D và kỹ thuật viên, đồng thời tạo cầu nối để các công cụ AI bên ngoài điều khiển Blender qua MCP. Người dùng có thể giữ Blender làm không gian làm việc chính thay vì chuyển qua lại giữa các ứng dụng và tự viết tích hợp riêng.
🏗️ Tính năng Nổi bật & Kiến trúc / Công nghệ
Theo README, tiện ích có giao diện chat và cửa sổ Studio đi kèm, xem thông tin cảnh, ảnh chụp viewport, bảng nhiệm vụ và bước phê duyệt. Bộ công cụ gồm 21 thao tác, bao phủ kiểm tra cảnh, tạo và chỉnh sửa đối tượng, vật liệu, tìm tài nguyên, tra cứu API Blender và xuất cảnh; tính năng execute code cho phép chạy thao tác bằng mã. Quy trình nhóm tác nhân có Manager phân rã yêu cầu, Workers thực hiện và Reviewers kiểm tra; các nhiệm vụ chạy tuần tự và có giới hạn thử sửa khi bị đánh giá không đạt. Repo được phân loại ngôn ngữ Python dựa trên việc là tiện ích Blender sử dụng bpy; tích hợp máy chủ MCP qua Streamable HTTP có xác thực. README nêu gói phát hành nhắm tới Windows x64 và Blender 4.2 trở lên; giấy phép MIT.
🔥 Mức độ Liên quan AI & Lý do Bùng nổ Sao
Mức liên quan AI cao: dự án tích hợp LLM, trợ lý nhiều tác nhân và MCP để biến yêu cầu ngôn ngữ tự nhiên thành thao tác trên cảnh Blender. README nêu hỗ trợ OpenAI, Anthropic Claude, Google Gemini, OpenRouter, OpenCode, Ollama và endpoint tùy chỉnh tương thích; mô hình có khả năng xử lý hình ảnh có thể diễn giải ảnh viewport. Số liệu đầu vào ghi nhận 2.706 sao tăng trong tuần, vượt ngưỡng 1.000 sao/tuần của mức HIGH; chưa đủ ngưỡng 3.000 sao/tuần để xếp CRITICAL và dữ liệu không cung cấp thứ hạng toàn cầu.
🚀 Ứng dụng Thực tế & Cài đặt / Dùng nhanh
Có thể dùng để dựng cảnh sản phẩm nhanh, sắp xếp hoặc nhân bản đối tượng, gán vật liệu, kiểm tra cấu trúc cảnh, tìm tài nguyên và tự động hóa quy trình xuất. Theo README: tải mcp-for-blender-pro.zip từ mục Releases; trong Blender mở Edit → Preferences → Get Extensions → menu → Install from Disk, chọn ZIP và bật tiện ích; vào 3D Viewport → N → MCP Pro, cấu hình nhà cung cấp và mô hình, rồi trò chuyện trong Blender hoặc mở Studio Window. Muốn kết nối OpenCode hay MCP client khác, giữ Blender đang chạy và cấu hình theo hướng dẫn kết nối của dự án.

Khuyến nghị Đánh giá & Lệnh Khởi chạy Nhanh

Đánh giá thử trên một bản sao của tệp Blender trước, cấu hình API key hoặc mô hình Ollama phù hợp, rồi bắt đầu bằng yêu cầu chỉ đọc như kiểm tra cấu trúc cảnh. Sau đó thử các thao tác thay đổi có phạm vi nhỏ và xem lại phê duyệt, kết quả cùng bảng nhiệm vụ; đặc biệt thận trọng với công cụ execute code và quyền MCP vì chúng có thể tác động trực tiếp lên cảnh. Yêu cầu theo README: Blender 4.2 trở lên; gói phát hành được nêu là dành cho Windows x64.

HIGH ⭐ TOP #7 🤖 AI / LLM 🤖 AI, LLM và tác tử thông minh ⭐ 149,968 sao 📈 +2,999 sao/tuần 🍴 25,154 💻 Python ⚖️ MIT Heat: 98/100
Công bố: 2026-11-22 15:30 UTC

langchain-ai/langchain — Framework xây dựng ứng dụng LLM và AI Agent

Repository: langchain-ai/langchain • Đợt quét: 2026-W46 • Nguồn: GitHub Search API: Repo AI, LLM, Agent & MCP Nổi Bật Trong Tuần

LangChain là framework mã nguồn mở giúp xây dựng ứng dụng dùng mô hình ngôn ngữ lớn (LLM) và AI Agent thông qua các thành phần có giao diện thống nhất, có thể kết hợp và thay thế linh hoạt. Dự án cung cấp hệ sinh thái tích hợp rộng với nhà cung cấp mô hình, công cụ, kho vector, retriever và nguồn dữ liệu, hỗ trợ từ tạo mẫu nhanh đến triển khai ứng dụng thực tế. Khi cần điều phối quy trình phức tạp, nhà phát triển có thể kết hợp LangGraph; hệ sinh thái còn có Deep Agents và LangSmith cho agent, đánh giá, quan sát và gỡ lỗi. Với gần 150.000 sao, cộng đồng lớn và mức tăng gần 3.000 sao mỗi tuần, repository được quan tâm nhờ vai trò nền tảng trong làn sóng phát triển ứng dụng LLM và agent.
🎯 Tổng quan & Bài toán Giải quyết
LangChain giải quyết bài toán ghép nối các mô hình LLM với dữ liệu, công cụ và logic ứng dụng mà không phải tự xây dựng một lớp tích hợp riêng cho từng nhà cung cấp. Giao diện chuẩn hóa giúp thử nghiệm hoặc thay đổi mô hình, embedding, vector store và retriever thuận tiện hơn khi công nghệ nền tảng liên tục thay đổi. Framework hỗ trợ xây dựng từ ứng dụng LLM đơn giản đến agent có khả năng sử dụng công cụ và truy xuất dữ liệu; với quy trình agent cần điều khiển sâu hoặc trạng thái phức tạp, hệ sinh thái hướng đến LangGraph thay vì chỉ dựa vào các chuỗi trừu tượng cấp cao.
🏗️ Tính năng Nổi bật & Kiến trúc / Công nghệ
LangChain cung cấp kiến trúc mô-đun với giao diện thống nhất cho chat model, embedding, vector store, retriever, công cụ và các tích hợp bên thứ ba. Có thể dùng độc lập hoặc kết hợp với Deep Agents để tạo agent có khả năng lập kế hoạch, gọi agent con và sử dụng hệ thống tệp; LangGraph đảm nhiệm điều phối workflow agent có thể kiểm soát; LangSmith hỗ trợ đánh giá, quan sát và gỡ lỗi. Repository chính dùng Python, có thư viện tương đương cho JavaScript/TypeScript trong LangChain.js; giấy phép MIT cho phép sử dụng, sửa đổi và phân phối rộng rãi.
🔥 Mức độ Liên quan AI & Lý do Bùng nổ Sao
Mức độ liên quan AI rất cao: dự án tập trung trực tiếp vào ứng dụng LLM, RAG, tích hợp mô hình và AI Agent. Repository tăng 2.999 sao trong tuần, sát ngưỡng 3.000 sao/tuần; cùng với gần 150.000 sao tổng và hệ sinh thái tích hợp lớn, điều này phản ánh nhu cầu xây dựng agent thực tế và sự quan tâm của cộng đồng đến các công cụ phát triển ứng dụng AI có khả năng thích ứng khi lựa chọn mô hình thay đổi.
🚀 Ứng dụng Thực tế & Cài đặt / Dùng nhanh
Ứng dụng thực tế gồm chatbot kết nối dữ liệu nội bộ, hệ thống RAG, ứng dụng dùng nhiều nhà cung cấp LLM và agent gọi công cụ. README hướng dẫn cài đặt bằng `uv add langchain`, sau đó khởi tạo mô hình và gọi: `from langchain.chat_models import init_chat_model`; `model = init_chat_model("openai:gpt-5.5")`; `result = model.invoke("Hello, world!")`. Cần cấu hình thông tin xác thực/API key phù hợp với nhà cung cấp mô hình trước khi gọi dịch vụ; có thể tham khảo tài liệu chính thức để chọn gói tích hợp và cách cấu hình tương ứng.

Khuyến nghị Đánh giá & Lệnh Khởi chạy Nhanh

Nên đánh giá LangChain khi cần thử nghiệm nhanh nhiều LLM, kết nối dữ liệu hoặc xây dựng agent có công cụ; nếu yêu cầu workflow phức tạp, có trạng thái và cần kiểm soát chặt, hãy xem thêm LangGraph. Bắt đầu bằng `uv add langchain`, cấu hình API key của nhà cung cấp rồi chạy ví dụ gọi `init_chat_model`; lệnh mẫu dùng OpenAI nên có thể phát sinh chi phí API. Không có yêu cầu GPU đặc biệt khi sử dụng mô hình qua API.

CRITICAL ⭐ TOP #10 🤖 AI / LLM 🛠️ Công cụ phát triển cho AI coding agent ⭐ 9,433 sao 📈 +3,598 sao/tuần 🍴 846 💻 Python ⚖️ Unknown Heat: 97/100
Công bố: 2026-11-22 16:13 UTC

kajisho5/ffmpeg-skill — Bộ công cụ chỉnh sửa video cục bộ cho coding agent

Repository: kajisho5/ffmpeg-skill • Đợt quét: 2026-W46 • Nguồn: GitHub Trending Tuần: Toàn bộ Ngôn ngữ (Global Top)

ffmpeg-skill cho phép Claude Code, Cursor, Codex và các MCP client chỉnh sửa video bằng FFmpeg ngay trên máy người dùng, không cần tải dữ liệu lên cloud hay dùng API key. Repo cung cấp 42 công cụ có tham số định kiểu cho các tác vụ như cắt ghép, tạo phụ đề, đổi khung hình, xử lý âm thanh và xuất bản theo nền tảng. Điểm khác biệt là agent làm theo quy trình thăm dò tệp, chỉnh sửa rồi kiểm tra kết quả; hợp đồng công cụ được sinh từ cùng bộ phân tích tham số CLI để giảm sai lệch giữa giao diện dòng lệnh và MCP. Repo được cộng đồng chú ý mạnh với 9.433 sao, tăng 3.598 sao trong tuần và đứng hạng trending thứ 3 theo dữ liệu cung cấp.
🎯 Tổng quan & Bài toán Giải quyết
Các coding agent thường có thể tạo lệnh nhưng thiếu một bộ công cụ chỉnh sửa video có giao diện rõ ràng, kiểm tra đầu vào và xác minh đầu ra. Repo cung cấp lớp công cụ cục bộ để agent thực hiện các thao tác FFmpeg theo tham số có cấu trúc, thay vì tự ghép lệnh FFmpeg tùy tiện hoặc phụ thuộc dịch vụ chỉnh sửa trên cloud. Công cụ hướng tới quy trình có thể kiểm tra và bảo vệ tệp nguồn, đồng thời báo cáo thông tin đầu ra để agent xác nhận kết quả.
🏗️ Tính năng Nổi bật & Kiến trúc / Công nghệ
Viết bằng Python, sử dụng FFmpeg và ffprobe để xử lý, thăm dò và xác minh video/âm thanh; theo README, Python 3 và FFmpeg cần có trong PATH. Có 42 công cụ cho cắt ghép, loại bỏ khoảng lặng, tạo phụ đề/karaoke, overlay, chuyển HDR sang SDR, xử lý âm thanh, đồng bộ, multicam, kiểm tra độ lớn âm thanh, render dự án và xử lý hàng loạt. Công cụ dùng được qua CLI, Agent Skill và MCP server; MCP mặc định quảng bá 12 công cụ để giảm dung lượng ngữ cảnh, còn biến môi trường FFMPEG_SKILL_MCP_FULL=1 cho phép liệt kê cả 42. SPEC (Self-Producing Execution Contract) sinh schema đầu vào từ argparse tại thời điểm chạy và CI kiểm tra sai lệch; README cũng mô tả cơ chế từ chối ghi đè lên tệp nguồn đã khai báo. Chưa có thông tin giấy phép SPDX trong metadata được cung cấp.
🔥 Mức độ Liên quan AI & Lý do Bùng nổ Sao
Đây là công cụ AI coding trực tiếp: agent có thể gọi các thao tác xử lý media qua giao diện CLI/MCP thay vì chỉ đưa hướng dẫn bằng văn bản. Thiết kế chạy cục bộ, không cần API key, cùng khả năng kiểm tra kết quả và bộ schema có cấu trúc giúp phù hợp với các workflow dùng Claude Code, Cursor và Codex. Mức tăng 3.598 sao/tuần vượt ngưỡng Viral Breakout đã nêu; dữ liệu đầu vào ghi nhận repo ở hạng trending thứ 3.
🚀 Ứng dụng Thực tế & Cài đặt / Dùng nhanh
Phù hợp để cắt và ghép video, tạo phụ đề hoặc karaoke, đổi video sang khung dọc 9:16, loại bỏ khoảng lặng, cân chỉnh âm lượng, xử lý nhiều tệp và chuẩn bị bản xuất cho nền tảng. README đưa lệnh nhanh `npx ffmpeg-skill`; ví dụ: `npx ffmpeg-skill caption.py --animate pop` để tạo phụ đề hoạt họa, `npx ffmpeg-skill fit.py --aspect 9:16 --fit crop` để đổi khung hình, hoặc `npx ffmpeg-skill loudness.py -I -14 --tp -1` để chuẩn hóa âm thanh. Có thể chạy trang xem lại bằng `npx ffmpeg-skill review project.json --result run.json`; cần cài sẵn `ffmpeg` và `python3`.

Khuyến nghị Đánh giá & Lệnh Khởi chạy Nhanh

Nên thử trong môi trường có bản sao video đầu vào trước, xác nhận `ffmpeg` và `python3` nằm trong PATH rồi chạy `npx ffmpeg-skill`. Tích hợp MCP hoặc Agent Skill nếu muốn agent gọi các thao tác theo cấu trúc; không cần API key và theo README không tải video lên cloud. Kiểm tra giấy phép tại repository trước khi đưa vào sản phẩm thương mại, vì metadata hiện không xác định được SPDX.