English · 简体中文 · 한국어

### 动态 | 日期 | 更新 | | :--- | :--- | | **2026-08-19** | [海报画布控制：Prompt 中的模板、宽高比与精确像素尺寸优先执行，Web UI 新增常用学术海报预设](https://github.com/Yaxin9Luo/AutoDesign/compare/51dc4212c86f850bb7915d0e1e7096c1a29cd040...55b18da6bff0e541e6d204c525b0f9d715fc17da) | | **2026-08-19** | [Agent Skills v0.2.0：Poster Agent-first PDF 摄取与四个 Skills 的白色主画布](./agent_skills/README.zh-CN.md#agent-skills-v0-2-0) | | **2026-08-18** | [Poster Skill Agent-first v2：直接理解 PDF、可追溯多轮修订与只读 DOM QA](./agent_skills/README.zh-CN.md#poster-agent-first-v2) | | **2026-08-17** | [可独立安装的 Poster、PPT、Webpage 与 Video Agent Skills 现已发布](./agent_skills/README.zh-CN.md) | | **2026-08-15** | [正式支持 DeepSeek Harness 作为 Coding Agent](https://github.com/Yaxin9Luo/AutoDesign/pull/2) | | **2026-08-14** | [首次公开发布](https://github.com/Yaxin9Luo/AutoDesign/commit/55586f66fa4a126997f0d252e070701c4ae68920) |

AutoDesign 围绕固定模型优化设计系统，并生成可编辑的海报、幻灯片、网页和视频

AutoDesign: Meta-Harness Optimization for Long-Horizon Agentic Design

围绕固定模型学习可复用的 DesignHarness，再把一篇论文变成可编辑的海报、幻灯片、网页和带旁白字幕的视频。

论文 · arXiv:2608.13560 ↗   ·   数据集 · PosterBench ↗   ·   数据集 · PosterBench-mini ↗

✦ 探索 AutoDesign 的完整故事 ↗   ·   打开演示页面 ↗

Demo · Agent Skills · 快速开始 · 论文套件 · 方法 · PosterBench · 人类评测 · 输出

## AutoDesign for AutoDesign · 一篇论文 → 四种成果 以下均为真实成果，不是效果图。AutoDesign 直接把自己的论文生成了论文 Figure 2 海报、24 页正式学术报告、完整的编辑式研究网页，以及一段六分钟 1080p 会议视频。
论文 Figure 2 中的 AutoDesign for AutoDesign 海报
海报 · AutoDesign
论文 Figure 2：由 AutoDesign 为自身系统生成的一张信息密集、可编辑的学术海报。
打开完整海报 PDF ↗ 		24 页 AutoDesign 正式学术会议报告中的代表页面
幻灯片 · AutoDesign
一套完整的 24 页正式学术会议演示文稿，由 AutoDesign 为自身系统生成。
打开完整幻灯片 PDF ↗
从 AutoDesign 论文生成的编辑式研究网页
网页 · AutoDesign
把论文的方法、证据、结果与局限组织成可交互阅读体验的编辑式研究页面。
下载完整落地页 ↗ 		六分钟 AutoDesign 会议视频的画面拼图
视频 · AutoDesign
一段六分钟 1080p 会议视频，概览 Meta-Harness Optimization、DesignHarness 与 PosterBench。
观看 MP4 ↗
## Agent Skills · 无需服务器也能使用 AutoDesign 可将独立的 Poster、PPT、Webpage 或 Video Skill 直接安装到 Codex、Claude Code 或 DeepSeek Harness。每个 Skill 都带有轻量级本地 harness，并将可编辑成果、证据、 多轮尝试和评审状态保存在用户指定的输出目录中，无需运行 AutoDesign 应用服务器。 Poster 是第一个接入 Agent-first v2 工作流的 Skill：宿主 Agent 可以直接检查论文 PDF、 请求确定性裁图、评审来源目录，并根据失败原因回到正确阶段修复；只读浏览器审计会同时 检查屏幕与打印结果。[查看本次具体提升 →](./agent_skills/README.zh-CN.md#poster-agent-first-v2) [打开 Agent Skills 中文安装指南 →](./agent_skills/README.zh-CN.md) ## 本地运行 ### 一条命令启动本地版本 前置要求：Node.js 22+，以及 `ffmpeg`/`ffprobe`。 ```bash curl -fsSL https://designanything.ai/install.sh | bash autodesign start ``` 启动器安装在 `~/.local/share/autodesign`，状态保存在 `~/.autodesign`，并通过打包后的 `web/dist` 提供服务、自动打开浏览器。运行 `autodesign doctor` 可以检查已安装的运行环境。已有的 `~/.designanything` 状态会通过兼容软链接迁移。如果托管端点暂不可用，请使用下面的源码运行方式。 ### 从源码运行 环境要求：Python 3.10+、[`uv`](https://docs.astral.sh/uv/)、Node.js 22+、 npm，以及视频生成所需的 `ffmpeg`/`ffprobe`。 #### 1. 安装 ```bash uv sync uv run python scripts/install_playwright_browsers.py cd runtime/video && npm ci --omit=dev cd ../../web && npm install ``` 在 `.env` 中配置服务商密钥，或在 Web UI 的设置抽屉中填写。更新时不要覆盖已有的 `.env`。 #### 2. 启动工作台 启动后端： ```bash uv run uvicorn scripts.web_server:app --reload --port 8000 ``` 在另一个终端中启动前端： ```bash cd web npm run dev ``` 打开 [localhost:5173](http://localhost:5173)。后端健康状态位于 [`/api/health`](http://127.0.0.1:8000/api/health)。 上传一份 PDF，然后选择 **Paper All-in-One**，即可同时启动海报、幻灯片、网页和旁白视频四条生成路线。 #### 3. 生成论文海报 ```bash uv --cache-dir .uv-cache run python -m autodesign run \ "Create a dense academic conference poster from the attached paper." \ --from-file /absolute/path/to/paper.pdf \ --template cvpr-landscape ``` 检查 `final/poster.html`、`final/preview.png`、最终 Manifest 和 `run_events.jsonl`。失败后的回退流程也可能产生文件，因此还需要结合终止状态与验证反馈判断结果。
使用视觉参考图 ```bash uv --cache-dir .uv-cache run python -m autodesign run \ "Create a paper poster using the reference's visual system." \ --from-file /absolute/path/to/paper.pdf \ --reference-poster /absolute/path/to/reference.png ``` 参考海报只迁移视觉系统。参考图中的文字、论点、Logo、二维码、图片、表格和链接绝不会成为目标论文的证据。
## 一篇论文，生成之后所需的一切

论文 PDF 通过 AutoDesign 一次生成宣发网页、演讲幻灯片、学术海报和带旁白视频

论文只需写一次。**Paper All-in-One** 会以同一份原文为基础，打包生成接下来通常需要的全部成果：宣发网页、参会幻灯片、学术海报，以及带定时字幕的旁白视频。不必再为每一种形式从头重讲论文故事。

生成完整论文传播套件 ↗

## 观看 AutoDesign 实际运行 观看本地操作导览：配置 Workbench、启动 Paper All-in-One、查看运行过程，并进入每个 可编辑画布。你也可以先在[在线 Demo](https://designanything.ai/) 中体验。若要获得最完整、 最稳定的使用体验，我们建议本地安装 AutoDesign。

本地操作导览 · Paper All-in-One → 可编辑画布

https://github.com/user-attachments/assets/69c25973-fedf-4273-aa33-6bd3e409c692
展开学术海报墙

Claude 4.8 创作路线

通过 Claude 4.8 创作路线生成的 LongCat-Next 学术海报 通过 Claude 4.8 创作路线生成的 Underwater SAM 学术海报 通过 Claude 4.8 创作路线生成的 M87 Event Horizon Telescope 学术海报

Codex GPT-5.5 xhigh 创作路线

通过 Codex GPT-5.5 xhigh 创作路线生成的 DDPM 学术海报 通过 Codex GPT-5.5 xhigh 创作路线生成的肺腺癌学术海报 通过 Codex GPT-5.5 xhigh 创作路线生成的经济复杂度学术海报

## 为什么选择 AutoDesign - **论文后续的整段旅程，一套工作流完成。** 基于同一份原文生成宣发网页、演讲幻灯片、会议海报和带旁白字幕的视频，不必重复开始四次。 - **默认可编辑。** HTML、原生文本、表格和具名资源都可以继续修改，而不是被压平成一张图片。 - **基于原文。** 论点、图片和表格的来源随运行结果保留；参考图只能迁移风格，不能成为内容证据。 - **优化系统，而不是修改模型权重。** 完整执行轨迹能暴露反复出现的问题，元支架优化每次改进一个可复用的 DesignHarness 组件。 - **可检查，本地优先。** 事件、Manifest、候选版本、验证反馈和最终文件都保留在你的机器上。 ## 方法：元支架优化 **设计支架（design harness）** 是固定 LLM 或 MLLM 周围的系统，它通过执行轨迹把多模态来源转化为面向人的成果。**元支架（meta-harness）** 则负责改进这套外围系统。因此，AutoDesign 从完整运行轨迹中学习，同时保持底层模型权重不变。在自主优化开始前，一个 evaluator coding agent 根据七个质量维度上的人工标注参考成果实现固定的优化期 evaluator。它结合规则检查与 VLM 判断，并与最终系统比较所使用的冻结 PosterBench 协议彼此独立。

最新论文 Figure 1：元支架优化轨迹与 DesignHarness 在七个固定配置上的提升

DesignHarness 经历三个自动演化阶段，再进入 Human-in-the-loop 精修

自主外循环通过 rollout、evaluation、单组件更新提案和 acceptance 演化 DesignHarness。自主优化进入平台期后，可选 Human-in-the-loop 指引可以 重定向搜索，并进一步提升 production poster 质量。 ### 两个嵌套反馈循环 | 循环 | 改进对象 | 证据与更新方式 | |---|---|---| | **内层循环 · 成果生成** | 固定设计支架下的单个可编辑成果 | **Designer** 修订成果，**Critic** 返回反馈；整个交互形成执行轨迹 | | **外层循环 · 支架优化** | 跨任务复用的设计支架 | **MetaHarnessOptimizer** 分析执行轨迹、评估分数、持久化优化记录和可选人工指导 | 每次外层迭代都经过 **rollout → evaluation → update proposal → acceptance** 四个阶段。优化器依次承担 planner 和 code editor 的角色，每次只更新一个支架组件；只有当候选版本在训练集上提升、同时不降低独立 development set 的表现时，才会被保留。Development set 的轨迹不会暴露给更新提议器。

AutoDesign 元支架方法：运行证据、五类支架组件、优化器角色、可选人工指导与训练开发集验收门

Human-in-the-loop 指导是可选的。用户可以向 planner 提供观察或高层方向，让停滞的搜索转向；当评估器存在系统性偏差时，也只能通过显式人工输入进行修正。没有人工指导时，外层循环会自主运行。 ### 设计支架的五类组件 | 组件 | 元支架优化的具体元素 | |---|---| | **Context and Memory** | 多模态来源管理、任务提示词、Skills、可复用资源，以及跨修订尝试保留的状态 | | **Tools and Specifications** | 面向布局、字体与来源追踪的工具和可编辑成果规范 | | **Execution Runtime** | 用于创作、渲染、验证和导出的工作区与运行时 | | **Orchestration** | 任务路由、尝试预算、循环控制、候选选择、回退和最终化 | | **Evaluation and Feedback** | 基于规则的验证、基于模型的评审，以及用于修订的局部反馈 | ### 优化后的 DesignHarness 元支架优化最终得到可复用的成果生产系统 **DesignHarness**。它包含四个阶段：**来源摄取、迭代生成与修订、双评审器验证、最终化**。论文元数据、论点、图片、表格和来源位置会被整理为可追溯上下文；coding-agent Designer 直接编辑原生 HTML；规则验证器和 VLM Critic 返回局部反馈；最终把最佳有效候选打包为可交付的自包含成果。 当前实现最多允许 12 次修订。阻断检查覆盖不安全或缺失资源、来源追踪断裂、严重溢出或重叠，以及必要的字体和布局约束。如果在预算内没有候选通过，系统会利用保留的尝试历史执行受约束的回退，再进入同一个最终化阶段。

DesignHarness 从可追溯论文摄取、可编辑生成、规则验证与 VLM 评审到最终化的完整流程

一次 AutoDesign 海报轨迹中的五个代表性尝试：从被裁切的初稿到第九轮被接受的版本

最新论文还展示了一次海报运行中的五个代表性尝试。Critic 在 A1 发现分析区域被 裁切；A3 恢复整体适配，A5 重新调整页眉，A6 放大视觉证据，A9 保留修复后的 版式并被接受。这条轨迹表明，诊断会驱动局部编辑，同时让已经有效的布局和来自 原文的内容在后续修订中保持稳定。 ## PosterBench 排行榜 **PosterBench** 包含 100 篇论文的大规模集合和固定的 10 篇论文小规模集合，覆盖 AI/ML、生物医学与健康、气候与地球环境、经济与政策、物理与天文五个学科。所有系统的输出都会先被渲染为统一海报格式再评分。 仅包含元数据的 benchmark manifest 已发布到 Hugging Face： [`YaxinLuo/PosterBench`](https://huggingface.co/datasets/YaxinLuo/PosterBench) 和 [`YaxinLuo/PosterBench-mini`](https://huggingface.co/datasets/YaxinLuo/PosterBench-mini)。 用户可以直接下载或通过 `datasets` 加载，底层论文 PDF 不会被重新分发。 七个维度为 **Faithfulness、Coverage、Density、Visual Evidence、Layout、Readability、Aesthetics**，权重依次为 **10/10/15/10/20/25/10**。程序化证据与基于原文的 VLM 判断先完成聚合，然后对每张海报应用最严格的有效分数上限：严重布局损坏、展示可用性不足、已确认的可见失败，或受保护的渲染完整性。

PosterBench 评估协议：局部程序化检查、七个基于原文的评分维度与渲染完整性保护门

### Full-Scale Benchmark Main Track · 100 篇论文 AutoDesign 获得 PosterBench 最高的两个分数。在 Claude Code 和 Claude 4.8 固定时，AutoDesign 得分 **78.32**，比 Claude Design 高 **7.45** 分，比 OpenDesign 高 **8.87** 分。

PosterBench 大规模主赛道中设计智能体与 coding-agent 模型配置的对比

| 排名 | 分数 | 系统 | Design harness | Coding agent | 模型 | |---:|---:|---|---|---|---| | **1** | **78.32** | **AutoDesign** | **DesignHarness** | **Claude Code** | **Claude 4.8** | | **2** | **77.97** | **AutoDesign** | **DesignHarness** | **Codex** | **GPT-5.5** | | 3 | 73.37 | Codex | — | Codex | GPT-5.5 | | 4 | 70.87 | Claude Design | Claude Design | Claude Code | Claude 4.8 | | 5 | 70.01 | Claude Code | — | Claude Code | Claude 4.8 | | 6 | 69.45 | OpenDesign | OpenDesign | Claude Code | Claude 4.8 | | 7 | 62.17 | OpenDesign | OpenDesign | Codex | GPT-5.5 | | 8 | 61.14 | Doubao | — | Claude Code | Seed 2.1 | | 9 | 56.71 | PosterGen | — | — | Claude 4.8 | | 10 | 52.22 | GLM | — | Claude Code | GLM 5.2 | | 11 | 51.46 | Kimi | — | Claude Code | Kimi K2.7 | | 12 | 49.09 | Any2Poster | — | — | Claude 4.8 | | 13 | 46.01 | DeepSeek | — | Claude Code | DeepSeek V4 Pro | | 14 | 44.61 | Paper2Poster | — | — | Claude 4.8 |
展开 Small-Scale Benchmark Main Track · 固定 10 篇论文子集
| 排名 | 分数 | 系统 | Design harness | Coding agent | 模型 | |---:|---:|---|---|---|---| | **1** | **81.46** | **AutoDesign** | **DesignHarness** | **Codex** | **GPT-5.5** | | 2 | 75.87 | Codex | — | Codex | GPT-5.5 | | **3** | **74.56** | **AutoDesign** | **DesignHarness** | **Claude Code** | **Claude 4.8** | | 4 | 70.36 | OpenDesign | OpenDesign | Claude Code | Claude 4.8 | | 5 | 69.55 | Claude Code | — | Claude Code | Claude 4.8 | | 6 | 66.83 | Claude Design | Claude Design | Claude Code | Claude 4.8 | | 7 | 60.58 | OpenDesign | OpenDesign | Codex | GPT-5.5 | | 8 | 57.20 | Kimi | — | Claude Code | Kimi K2.7 | | 9 | 54.01 | Doubao | — | Claude Code | Seed 2.1 | | 10 | 51.82 | PosterGen | — | — | Claude 4.8 | | 11 | 50.32 | GLM | — | Claude Code | GLM 5.2 | | 12 | 46.88 | Any2Poster | — | — | Claude 4.8 | | 13 | 42.06 | Paper2Poster | — | — | Claude 4.8 | | 14 | 34.73 | DeepSeek | — | Claude Code | DeepSeek V4 Pro |
### 受控 Track · 固定 10 篇论文子集 每个受控 Track 只改变一个因素，其他因素保持固定。 | 排名 | Design Harness Track
固定：Claude Code + Claude 4.8 | 分数 | Coding Harness Track
固定：AutoDesign + GLM 5.2 | 分数 | Model Track
固定：AutoDesign + Claude Code | 分数 | |---:|---|---:|---|---:|---|---:| | **1** | **AutoDesign** | **74.56** | **Kimi Code** | **82.31** | **Claude 4.8** | **74.56** | | 2 | OpenDesign | 70.36 | ZCode | 69.53 | Seed 2.1 Pro | 71.83 | | 3 | Claude Design | 66.83 | OpenCode | 67.87 | Kimi K2.7 | 70.12 | | 4 | — | — | Claude Code | 64.33 | GLM 5.2 | 64.33 | | 5 | — | — | — | — | LongCat 2.0 | 55.13 | | 6 | — | — | — | — | DeepSeek V4 Pro | 54.29 | ### DesignHarness 增益 在七组模型与 coding agent 完全匹配的配置上，挂载 DesignHarness 后的 PosterBench Score 全部提高 **+5.01 至 +19.56 分**。原生 Codex–GPT-5.5 从 **75.87 提升至 81.46（+5.59）**；Claude Code–Kimi K2.7 从 **57.20 提升至 70.12（+12.92）**；最大增益是 Claude Code–DeepSeek V4 Pro 的 **+19.56**。

在七组固定 coding-agent 与模型配置上挂载 DesignHarness 带来的 PosterBench 增益

### 成本—性能权衡 在固定 10 篇论文子集上，观测到的 Pareto 前沿从 LongCat 2.0（**55.13，$0.27/张**），经过 Doubao Seed 2.1 Pro（**71.83，$2.75**）和 Claude 4.8（**74.56，$7.63**），延伸到 GPT-5.5（**81.46，$10.02**）。Doubao 以 GPT-5.5 归一化 designer-only API 成本的 27%，达到其 88% 的分数。

PosterBench 分数、归一化 designer-only API 成本、中位运行时长和经验 Pareto 前沿

可执行协议、数据准备、评分归属、逐记录分数上限和复现命令详见 [PosterBench 评估指南](eval/README.zh-CN.md)。 ## 人类评测 完全隐藏系统身份的研究共收集 **11 位志愿评审者的 936 份回答**：933 次排序判断，3 次跳过。AutoDesign 的 Bradley–Terry 估计最高，为 **64.0%**，95% 区间为 **55.2–77.8%**。经过平局校正后，它对 Claude Code、OpenDesign 和 Claude Design 的经验偏好率分别为 61.3%、63.1% 和 67.6%。

系统盲测 Bradley-Terry 估计与 AutoDesign 对各基线的成对结果

PosterBench 与人类偏好呈正相关，但并不完全等价（**r = 0.34**，95% 区间 **0.22–0.44**）。当分数差为 0–3 分时，人类与 PosterBench 偏好方向的一致率为 **51.9%**；当差距至少为 20 分时，一致率上升到 **74.4%**。

PosterBench 分数与系统盲测人类偏好的关联，以及不同分差下的一致率

## 未来方向 当前 DesignHarness 已经能够生成 **paper-to-slide、paper-to-webpage 和 paper-to-conference-video** 试验性成果，但 PosterBench 目前只正式验证学术海报。幻灯片、网页和视频仍需为各自媒介建立来源—输出数据、评估器、渲染与验证门，以及媒介特定的传播目标，才能达到与海报流程相同的研究验证强度。

当前 DesignHarness 生成的论文海报、幻灯片、网页和会议视频试验性成果

更长远的目标是实现 multimodal-in、multimodal-out 的智能体设计：综合论文、视觉证据、代码、数据与人工指导，生成适配不同媒介的成果。仍待研究的问题包括更好的组件选择、以冻结任务和人工审计为锚点的评估器演化，以及支架优化与模型后训练的结合。

未来的多模态输入、多模态输出智能体设计系统

我们欢迎研究者、设计师和工程师贡献新的设计支架、精修工作流、评估器和成果能力。

在 GitHub 上参与贡献 ↗ · 探索项目 ↗

## 接口与输出 Web UI 提供 Paper All-in-One 生成、模型与服务商设置、进度流、取消与重试、服务端历史记录，以及对受支持 HTML-first 成果的直接编辑。 通过以下命令启动交互式 CLI： ```bash uv --cache-dir .uv-cache run python -m autodesign ``` | 使用场景 | 主要输出 | |---|---| | 学术论文海报 | `final/poster.html`、`final/preview.png`、可选 PDF | | 幻灯片 | `final/deck.html`、`final/deck.pdf`、幻灯片预览 | | 落地页或项目网页 | `final/index.html`、`final/preview.png` | | 视频 | 可编辑的 HyperFrames 项目、带 AAC 音频的旁白 MP4、逐字稿和定时 SRT/VTT 字幕 | | 创意海报 | HTML/PNG；支持时沿用旧版 PSD/SVG 路径 | | 研究复现交接 | OpenResearch 项目、Session 和报告链接 | 单次运行输出位于 `out/runs//`；EvaData 批处理输出位于 `out/eva_poster_batches//`。这两个位置都被 Git 忽略。 正式的 Python 模块和安装后启动器名称是 `autodesign`。`design_anything` 模块、`design-anything` 控制台命令、`designanything` 启动器和 `DESIGN_ANYTHING_*` 环境变量均为已弃用的兼容别名。新配置和自动化应使用 `AUTODESIGN_*`。 ## 致谢 AutoDesign 建立在开源社区长期积累的工作之上。我们特别感谢： - [HyperFrames](https://github.com/heygen-com/hyperframes)：提供 HTML-first 视频运行时、合成校验与 MP4 渲染。 - [KaTeX](https://katex.org/)：让可移植 HTML 成果能够离线排版数学公式。 - [html-ppt-skill](https://github.com/lewislulu/html-ppt-skill)：其 MIT 许可的幻灯片创作参考资产被适配进本仓库。 ## 许可证 MIT。仓库中包含的第三方素材保留其各自许可证；详情参见 [第三方许可说明](./THIRD_PARTY_NOTICES.md)。