Code2Video：代码驱动的教学视频生成器
以可执行代码为媒介，将知识点自动转化为高质量教学视频。
证据显示：仓库未提供权限管理、用户确认、数据流透明、敏感数据处理、依赖安全、外部影响、回滚或来源归属的说明。扣分原因：这些方面在文件中完全缺失，无法评估。
证据显示：README 和代码结构一致，但未提供错误处理或失败消息的文档。扣分原因：依赖可用性仅通过 requirements.txt 和安装指南部分支持，但未验证；失败消息未提及。
证据显示：README 明确了目标用户（教育视频生成）和场景（单查询和基准模式），但能力边界和触发条件描述有限。扣分原因：环境适配仅提及 Manim 和 API 配置，未详细说明系统要求。
证据显示：README 提供了清晰的目录结构、安装步骤和示例，但缺少版本变更日志和维护责任说明。扣分原因：命名稳定性未明确，已知限制未列出。
证据显示：输出为可执行的 Manim 代码和视频，具有明确的使用价值，但成本效益未量化。扣分原因：成本效益仅提及 token 使用和运行时间，未提供具体数据。
证据显示：README 引用了论文和数据集，但未提供可复现的评估细节。扣分原因：跨来源验证有限，事实与推断未明确区分。
- 仓库未提供任何安全或权限管理文档，用户需自行评估风险。
- 依赖安全未验证，建议检查 requirements.txt 中的依赖版本。
- API 密钥配置涉及敏感信息，需谨慎处理。
这个 Agent 能做什么，适合哪些场景？
Code2Video 是一个以代码为中心的多智能体框架，用于从知识要点生成教学视频。它利用可执行的 Manim 代码来确保视频的清晰性、连贯性和可复现性，区别于基于像素的文生视频模型。框架采用模块化的三智能体设计：规划器（Planner）负责扩展故事板，编码器（Coder）负责合成可调试的代码，评论家（Critic）通过锚点进行布局优化。项目提供了 MMMC 基准，覆盖 117 个精选的学习主题，灵感来源于 3Blue1Brown。评估从知识迁移、美学与结构质量、以及效率三个维度进行。
Code2Video 读取用户提供的知识要点（如“线性变换与矩阵”），通过三个智能体协作生成视频：Planner 使用大型语言模型（LLM）扩展故事板，Coder 编写 Manim 代码（基于 Python），Critic 使用视觉语言模型（VLM）优化布局和美感。最终执行 Manim 代码生成视频文件。整个过程通过 run_agent_single.sh 或 run_agent.sh 脚本驱动，需要配置 LLM API（如 Claude-4-Opus）和 VLM API（如 Gemini 2.5 Pro）。输出视频保存在指定的文件夹中。
- 教育内容创作者：希望将复杂概念（如傅里叶级数）自动生成教学视频，节省手动动画制作时间。
- 在线课程开发者：需要为课程快速制作一致风格的教学视频，并保证视觉质量。
- 研究人员：需要生成可复现的教学视频，作为论文或演示的一部分。
- 开发者：希望集成视频生成能力到自己的工具链中，通过 API 调用。
- 教育机构：为学生提供定制化的视觉学习材料，提高学习效率。
这个 Agent 有哪些优点和局限？
- 以代码为中心的方法确保视频内容的精确性和可复现性。
- 三智能体协作设计（规划器、编码器、评论家）为生成过程提供结构化控制。
- 提供 MMMC 基准和评估脚本，支持多维度评估。
- 支持自定义知识要点，灵活生成视频。
- 依赖外部 LLM 和 VLM API，且需要付费密钥，增加使用成本。
- 目前仅支持 Manim 代码，对于非数学类内容可能有限制。
- 生成视频的质量受限于 LLM 的代码生成能力和 VLM 的审美评估能力。
- 安装配置相对复杂，需要处理 Python 环境和 Manim 依赖。
如何安装或部署这个 Agent？
克隆仓库并按照 README 中的步骤安装依赖：cd src/ 然后 pip install -r requirements.txt。此外，需要安装 Manim Community v0.19.0，并参考官方安装指南。同时需要准备 LLM API 密钥（如 Claude）和 VLM API 密钥（如 Gemini），以及可选的 IconFinder API 密钥用于获取视觉素材。
如何使用这个 Agent？
- 在
api_config.json中配置 API 密钥。 - 使用单查询模式：
sh run_agent_single.sh --knowledge_point "线性变换与矩阵"
或全基准模式：sh run_agent.sh。
- 生成的视频保存在
src/CASES/目录下。