anylens

anylens

任意链接，任意视角。 粘贴一个 URL——会议演讲、产品演示、内容密集的 PDF、文章——即可获取针对提问者量身打造的理解结果，每条结论都链接到它所依据的确切秒数或页码。

Agent 可以读取文本。anylens 让它们读取其他所有内容——并让你核查它们的工作。

analyze(url)  →  one cached Understanding  →  lens(source, "student")
                                           →  lens(source, "spec")
                                           →  lens(source, "uiux")   …

为什么不直接让聊天机器人总结？

摘要是条死路。你无法验证，也无法在不再次付费的情况下换个角度解读；它看不到屏幕上显示的内容，Agent 也无法据此采取行动。anylens 解决了这四个问题：

• 可验证——每条结论都带有时间戳或页码。stated 不会和 inferred 混为一谈。缺失的分析会明确指出，而非隐藏起来。
• 多个读者，共享一次提取——高成本的处理只运行一次，并永久缓存；第二个视角既便宜又即时。
• 读取实际展示的内容——屏幕上的代码、幻灯片、UI 状态、演示，不只是文字。即使是无声的 10 秒屏幕录制，也能生成完整分析。
• 也为 Agent 而打造——spec 视角可通过 MCP 将任何来源转化为带验收标准、可供实施的需求。
• 了解内容的制作方式——对于视频，制作分析环节会捕捉音乐、声音设计、镜头节奏、运动和字体，并将其转化为你（或生成器）可以重现的制作方案。内容视角让 Agent 了解；blueprint 视角让它创作。

视角

视角	适用场景	提供内容
student	无需观看即可学习	分层讲解、概念图、抽认卡
developer	基于内容进行构建	屏幕上展示的代码、决策、实施步骤
uiux	设计研究	屏幕、流程、交互模式
researcher	可引用的笔记	结论 + 证据，每条都有依据
teardown	竞品分析	功能（展示内容与声称内容）、流程、定位
spec	编码 Agent	需求、验收标准、模糊之处
blueprint	重现内容	音乐、声音设计、镜头节奏、运动、字体——作为制作方案
design	“照着这个样子做”	经测量的颜色令牌、间距与字体节奏、组件——可直接粘贴的 CSS
ask	一个具体问题	有依据的回答——或坦诚说明“来源中没有回答这个问题”
raw	Agent、调试	理解对象本身——不使用大模型，不产生费用

视角是 src/lenses/ 中的独立 Markdown 文件。添加视角只需添加一个文件——无需编写代码。

除了视角之外：anylens 还可以从已分析的视频中学习可复用的风格——将节奏、结构、外观、运动和声音提炼为可移植的规则，每条规则都附带其学习依据的时间戳——然后按该风格规划新作品（通过 MCP 使用 style_extract / style_apply，或在 Web UI 中点击“学习此风格”）。

快速开始

前置条件：Bun 1.3+、yt-dlp 和 ffmpeg（macOS 上运行 brew install yt-dlp ffmpeg）。

git clone https://github.com/Slowper/anylens && cd anylens
bun install

密钥——运行 bun run web，然后在你的密钥页面粘贴密钥（保存时会验证），或者自行创建 ~/.anylens/env（权限模式为 600）：

GOOGLE_API_KEY=...      # required: analysis, structuring, lens rendering
GROQ_API_KEY=...        # optional: Whisper transcripts for sources without captions
ANTHROPIC_API_KEY=...   # optional: run the writing on Claude instead
OPENAI_API_KEY=...      # optional: run the writing on an OpenAI model instead

可从 aistudio.google.com 和 console.groq.com 获取。除了你向这些 API 发出的调用外，没有任何内容会离开你的设备。文本层与提供商无关：设置 ANYLENS_TEXT_MODEL=anthropic（或 groq，或 openai/<model>），即可选择由谁编写视角内容和回答——媒体处理仍由 Gemini 完成，因为它确实最擅长这项工作。

试试看——在终端中运行：

bun bin/anylens.ts "https://www.youtube.com/watch?v=..."              # student explainer
bun bin/anylens.ts ./screenshot.png --lens design --export css        # tokens you can paste
bun bin/anylens.ts ~/Desktop/demo.mov --lens blueprint                # files on your machine work too
bun bin/anylens.ts "<url>" --lens spec                                # any lens
bun bin/anylens.ts "<url>" --ask "does this cover error handling?"    # one anchored answer
bun bin/anylens.ts "<url>" --clip "where they demo the CLI"           # cut that segment to mp4
bun bin/anylens.ts "<url>" --export anki                              # flashcard deck (or markdown/json/html)
bun bin/anylens.ts "<url>" --audio                                    # narrate it to an mp3
bun bin/anylens.ts "<url>" --open                                     # render the page and open it

首次分析需要几分钟，之后会永久缓存，因此同一链接上的后续视角都会即时返回。传入 source_id 而非 URL，即可为已分析的内容生成新视角。

也可以使用 Web UI：

bun run web        # → http://127.0.0.1:4517 — paste a link, pick a lens

在 Agent 中使用 — 任意 MCP 客户端

anylens 通过标准 MCP over stdio 通信，因此 Claude Code、Codex、Cursor、Gemini CLI 以及其他支持 MCP 的工具都可以用同样的方式使用它。

# Claude Code
claude mcp add --scope user anylens -- bun /absolute/path/to/anylens/bin/anylens.ts mcp

# Codex CLI — ~/.codex/config.toml
[mcp_servers.anylens]
command = "bun"
args = ["/absolute/path/to/anylens/bin/anylens.ts", "mcp"]

// Gemini CLI (~/.gemini/settings.json), Cursor (~/.cursor/mcp.json), or any other client
{ "mcpServers": { "anylens": { "command": "bun", "args": ["/absolute/path/to/anylens/bin/anylens.ts", "mcp"] } } }

发布到 npm 后，npx anylens mcp 将在所有地方取代路径形式。

工具：analyze(url) → status(job_id) → lens(source_id, lens) · ask(source_id, question) · clip(source_id, query) · export(source_id, format) · audio(source_id) · style_extract / style_apply / style_list · lenses()。 lens 返回 { data, markdown } — 为 Agent 提供类型化 JSON，为人类提供易读的 markdown；此外，使用 include_html 时还会提供完整的 HTML 页面。ask 基于缓存回答，无需重新分析。

可读取的内容

视频（YouTube、X、LinkedIn、Vimeo、Twitch、Loom、直接文件 — yt-dlp 能够获取的任何内容）、音频、PDF（包括扫描件和大量图表的 PDF，会使用视觉能力逐页读取）、网页文章和图片。

完整清单：docs/FEATURES.md · 未来规划：docs/ROADMAP.md · 架构与不变量：AI_INDEX.md

贡献

新增透镜是最简单且最有价值的贡献方式 — 请参阅 CONTRIBUTING.md。代码库刻意采用小文件设计，每个文件只负责一项工作，因此更改通常只需涉及一个位置。

采用 MIT 许可。