简体中文 | English
∫ ∑ ∂ ∞
面向数学可视化创作的双模式 AI 工作台
同时支持直接生成工作流与基于 Agent 的 Studio 协作，并由 Manim 与 matplotlib 双引擎支撑
项目简介 • 样例 • 快速开始 • 技术 • 部署 • 主要扩展 • 版权 • 维护
很荣幸在这里介绍我的新项目ManimCat，它是一只猫
本项目基于 manim-video-generator 进行了大幅重构与再开发，现在已经不只是单一生成流程，而是一个更完整的 AI 数学教学可视化创作系统。
它面向课堂讲解、例题拆解与数形结合表达等场景，用户可以通过自然语言生成、修改、重渲染并组织动画与静态两类教学可视化内容，支持 video 与 image 两种输出。
项目现在可以从三个维度理解：双模式、双引擎、双 Studio。
Workflow Mode用于直接生成与渲染，适合快速产出Agent Mode用于基于 Studio 的协作式创作、审阅、任务跟踪与迭代Manim负责动画、镜头与时间线驱动的数学叙事matplotlib负责 Plot Studio 中的静态数学图像、函数图、图表与教学插图Plot Studio是目前更成熟的 Studio 路径，主要面向静态可视化与迭代编辑Manim Studio面向动画创作，但目前仍处于相对更早期的阶段
$1/4 + 1/16 + 1/64 + \dots = 1/3$，证明这个等式，美丽的图形方法，优雅的缩放平稳镜头移动，慢节奏，至少两分钟，逻辑清晰，奶黄色背景，马卡龙色系
default.mp4
▲ 含背景音乐 · 几何级数证明 · ManimCat 生成
npm install
cd frontend && npm install
cd ..
npm run dev访问 http://localhost:3000。环境变量、部署方式以及上游路由示例请查看部署文档。
如果你直接用 Docker 镜像部署，也可以从 wingflow/manimcat 开始，而不是自行本地构建。
- 产品结构：Workflow 模式用于直接生成，Agent 模式用于 Studio 协作式工作流
- 图形引擎：Manim 用于动画，
matplotlib用于 Plot Studio 静态图像 - 后端：Express + TypeScript、Bull + Redis、兼容 OpenAI 的上游路由、Studio Agent 运行时、可选 Supabase 历史记录
- 前端：React 19、Vite、Tailwind CSS、经典生成界面、Studio 工作台界面、Plot Studio 极简工作区 UI
- Agent 状态模型：围绕 session / run / task / work / result 组织长生命周期 Studio 交互
- 实时层：Workflow 任务使用轮询，Agent 会话使用 Server-Sent Events 推送事件、权限请求与任务更新
- 渲染运行时：Python、Manim Community Edition、
matplotlib、LaTeX、ffmpeg - 部署：Docker / Docker Compose、Hugging Face Spaces
flowchart LR
classDef ui fill:#F6F7FB,stroke:#455A64,color:#263238,stroke-width:1.2px;
classDef logic fill:#FFF8E1,stroke:#A1887F,color:#4E342E,stroke-width:1.2px;
classDef api fill:#E8F5E9,stroke:#5D8A66,color:#1B4332,stroke-width:1.2px;
classDef state fill:#E3F2FD,stroke:#5C6BC0,color:#1A237E,stroke-width:1.2px;
classDef output fill:#FCE4EC,stroke:#AD5C7D,color:#6A1B4D,stroke-width:1.2px;
U[用户输入] --> P1
P1[经典生成界面] --> P2[问题规划]
P1 --> P3[生成 / 修改请求]
P2 --> A1[Workflow API]
P3 --> A1
A1 --> R1[上游路由 + AI 生成]
R1 --> C1[静态检查 + 重试 / 修补循环]
C1 --> B1[队列 + 任务状态]
B1 --> B2[渲染流水线]
B2 --> O1[视频 / 图片 / 代码 / 耗时]
P1 -. 轮询 / 取消 .-> B1
O1 --> P1
class P1 ui;
class P2,P3,R1,C1 logic;
class A1 api;
class B1,B2 state;
class O1 output;
flowchart LR
classDef ui fill:#F6F7FB,stroke:#455A64,color:#263238,stroke-width:1.2px;
classDef runtime fill:#FFF8E1,stroke:#A1887F,color:#4E342E,stroke-width:1.2px;
classDef api fill:#E8F5E9,stroke:#5D8A66,color:#1B4332,stroke-width:1.2px;
classDef state fill:#E3F2FD,stroke:#5C6BC0,color:#1A237E,stroke-width:1.2px;
classDef event fill:#FCE4EC,stroke:#AD5C7D,color:#6A1B4D,stroke-width:1.2px;
U[用户指令] --> S1
S1[Studio 界面] --> A1[Session / Run API]
A1 --> R1[Studio Runtime Service]
R1 --> K1[Manim Studio / Plot Studio]
K1 --> G1[Builder、Designer、Reviewer]
G1 --> T1[工具、渲染 / 审查动作]
R1 --> S2[Session / Run / Task / Work 状态]
R1 --> E1[SSE 实时事件 + 权限]
S2 --> S1
E1 --> S1
class S1 ui;
class A1 api;
class R1,K1 runtime;
class G1,T1,S2 state;
class E1 event;
请查看部署文档。
这个项目是在原始基础上做的大幅重构与再开发。以下是我本人新增和重构的核心能力：
- 在视频生成之外，新增了独立的图片工作流
- 新增
YON_IMAGE锚点分块渲染，支持多图输出 - 新增两阶段 AI 生成架构：概念设计者生成场景方案，再由代码生成者产出 Manim 代码
- 新增静态检查守卫（
py_compile+mypy），渲染前自动检查生成代码，并由 AI 自动修补，最多循环 3 轮 - 新增 AI 驱动的代码重试：渲染失败后自动将错误反馈给模型，重新生成并再次渲染
- 新增基于现有代码的重渲染，以及 AI 辅助修改后再渲染
- 新增图片与视频共用的阶段耗时统计
- 新增视频背景音乐自动混入
- 新增渲染失败事件采集与导出能力，便于排错和稳定性改进
- 将前端重建为独立的 React + TypeScript + Vite 应用
- 新增生成前的问题规划能力，帮助整理用户请求
- 新增参考图上传能力
- 新增统一的工作空间页面，整合生成历史与用量视图
- 新增用量仪表盘，提供每日调用量、成功率与耗时趋势图表
- 新增提示词模板管理，可按角色查看和覆盖系统提示词
- 新增暗色 / 亮色主题切换
- 新增长等待过程中的 2048 小游戏
- 新增整体视觉风格、设置面板与 provider 配置流程
- 将后端重构为 Express + Bull + Redis 架构
- 新增重试、超时、取消与状态查询链路
- 新增对第三方 OpenAI-compatible API 与自定义 provider 的支持
- 新增按 ManimCat key 的服务端上游路由能力
- 保留并扩展前端多 profile provider 轮询能力，便于本地使用
- 新增可选的 Supabase 持久化历史记录存储
- 新增独立的 Agent Mode，它不再只是经典生成流程的附属页面，而是单独的 Studio runtime 工作模式
- 定义了围绕 session、run、task、work、result 的长生命周期 Studio 状态模型
- 新增 builder、designer、reviewer 三种 Studio agent 角色
- 新增工作区工具、渲染工具、本地 skills 与子代理编排能力
- 新增基于 Server-Sent Events 的 Studio 实时更新，以及权限请求 / 回复链路
- 新增 Studio 前端中的 review、pipeline、work、permission 等面板
- 新增两个明确分化的 Studio 工作区：Plot Studio 面向
matplotlib静态可视化，Manim Studio 面向动画工作流 - 新增 Plot Studio 的历史产物浏览、工作项重排与极简分栏工作区布局
- 明确形成双引擎产品方向：Manim 负责动态数学叙事，
matplotlib负责静态教学图像与图表
本项目授权细则见 LICENSE_POLICY.md 与 LICENSE_POLICY.en.md。
- 第三方来源与归属说明见
THIRD_PARTY_NOTICES.md。 - 中文版第三方来源与归属说明见
THIRD_PARTY_NOTICES.zh-CN.md。 - 贡献说明见
CONTRIBUTING.md。
- 属于原作者链路、并保留 MIT 授权的文件/路径，继续保持 MIT。
- 除 MIT 保留范围外，本仓库当前版本的其余文件按
AGPL-3.0-or-later发布。 - 项目不再要求贡献者签署或同意 CLA。
历史版本仍然按其发布时所附带的许可条款适用。
由于作者精力有限（个人业余兴趣开发者，非专业背景），目前完全无法对外部代码进行有效的审查和长期维护。因此，本项目欢迎 PR，不过代码审查周期长。感谢理解。
如果你有好的建议或发现了 Bug，欢迎提交 Issue 进行讨论，我会根据自己的节奏进行改进。如果你希望在本项目基础上进行大规模修改，欢迎 Fork 出属于你自己的版本。
如果你觉得有启发与帮助，那是我的荣幸。
如果你觉得这个作品很好，也欢迎请作者喝可乐🥤
中国大陆用户：
海外用户：
感谢你的支持，我会更有动力维护这个项目！