| title | emoji | colorFrom | colorTo | sdk | sdk_version | app_file | pinned |
|---|---|---|---|---|---|---|---|
ManimCat |
🐱 |
gray |
blue |
docker |
3.10 |
start-with-redis-hf.cjs |
false |
∫ ∑ ∂ ∞
🎬 AI-Powered Mathematical Animation Generator
让数学动画创作变得简单优雅 · 基于 Manim 与大语言模型
前言 • 样例 • 技术 • 部署 • 贡献 • 思路 • 现状
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架构级重构与二次开发而来，在此感谢原作者 Rohit Ghumare。我重写了整个前后端架构，解决了原版在并发和渲染稳定性上的痛点，并加以个人审美设计与应用的理想化改进。
ManimCat 是一个基于 AI 的数学可视化生成平台，支持 video 与 image 两种输出模式，面向课堂教学与题目讲解场景。
用户只需输入自然语言描述，系统便会通过 AI 自动生成 Manim 代码，并按模式渲染为动画视频或多张静态图片。系统支持 LaTeX 公式、双阶段生成、错误修复重试，以及图片模式下的锚点分块渲染，适合做“逐步推导 + 数形结合”的教学内容。
用双栏布局，解释正弦函数的拉伸变换和解析式的关系
manim-animation-1769495952621.mp4
example01
画一个单位圆并且生成正弦函数
manim-animation-1770384425933.mp4
example02
后端
- Express.js 4.18.0 + TypeScript 5.9.3
- Bull 4.16.5 + ioredis 5.9.2（Redis 任务队列）
- OpenAI SDK 4.50.0
- Zod 3.23.0（数据验证）
前端
- React 19.2.0 + TypeScript 5.9.3
- Vite 7.2.4
- TailwindCSS 3.4.19
- react-syntax-highlighter 16.1.0
系统依赖
- Python 3.11
- Manim Community Edition 0.19.2
- LaTeX（texlive）
- ffmpeg + Xvfb
部署
- Docker + Docker Compose
- Redis 7
用户请求 → POST /api/generate (outputMode: video | image)
↓
[认证中间件]
↓
[Bull 任务队列]
↓
┌─────────────────────────────────────────────┐
│ 生成处理器 │
├─────────────────────────────────────────────┤
│ 1. 概念分析 │
│ - 统一走 AI（关闭模板快捷路径） │
│ 2. 两阶段生成 │
│ - 阶段1: 概念设计师 │
│ - 阶段2: 代码生成者 │
│ 3. 代码重试管理器（最多 4 次） │
│ 4. 按输出模式渲染 │
│ - video: 渲染 mp4 │
│ - image: 解析 YON_IMAGE 锚点并逐张渲染 PNG │
│ 5. 存储结果与阶段耗时（Redis + 文件系统） │
└─────────────────────────────────────────────┘
↓
前端轮询状态
↓
GET /api/jobs/:jobId (video_url | image_urls)
重试机制说明：
- 概念设计师结果会保存，不需要重复设计
- 每次重试都发送完整的对话历史（原始提示词 + 历史代码 + 错误信息）
- 最多重试 4 次，失败后任务标记为失败
图片模式说明：
- 输出必须为
YON_IMAGE_n锚点代码块，后端按锚点组数判定图片数量并逐张渲染。 - 任意一张渲染失败则整任务失败（严格模式）。
- 返回结果字段为
image_urls，视频模式返回video_url。
| 环境变量 | 默认值 | 说明 |
|---|---|---|
PORT |
3000 |
服务端口 |
REDIS_HOST |
localhost |
Redis 地址 |
REDIS_PORT |
6379 |
Redis 端口 |
REDIS_PASSWORD |
- | Redis 密码（如需） |
REDIS_DB |
0 |
Redis 数据库 |
OPENAI_API_KEY |
- | OpenAI API Key（必填） |
OPENAI_MODEL |
glm-4-flash |
OpenAI 模型 |
OPENAI_TIMEOUT |
600000 |
OpenAI 请求超时（毫秒） |
CUSTOM_API_URL |
- | 自定义 OpenAI 兼容 API |
MANIMCAT_API_KEY |
- | API 访问密钥（可选） |
AI_TEMPERATURE |
0.7 |
生成温度 |
AI_MAX_TOKENS |
1200 |
生成最大 tokens |
DESIGNER_TEMPERATURE |
0.8 |
设计师温度 |
DESIGNER_MAX_TOKENS |
12000 |
设计师最大 tokens |
REQUEST_TIMEOUT |
600000 |
请求超时（毫秒） |
JOB_TIMEOUT |
600000 |
任务超时（毫秒） |
MANIM_TIMEOUT |
600000 |
Manim 渲染超时（毫秒） |
CODE_RETRY_MAX_RETRIES |
4 |
代码修复重试次数 |
MEDIA_RETENTION_HOURS |
72 |
图片/视频文件保留小时数 |
MEDIA_CLEANUP_INTERVAL_MINUTES |
60 |
媒体清理任务执行间隔（分钟） |
示例 .env 文件：
PORT=3000
REDIS_HOST=localhost
REDIS_PORT=6379
OPENAI_API_KEY=your-api-key-here
OPENAI_MODEL=glm-4-flash
OPENAI_TIMEOUT=600000
AI_TEMPERATURE=0.7
CODE_RETRY_MAX_RETRIES=4请查看部署文档。
我对原作品进行了比较大量的修改和重构，使其更符合我的设计想法：
- 框架架构重构
- 后端使用 Express.js + Bull 任务队列架构
- 前后端分离
- 前后端分离，React + TypeScript + Vite 独立前端
- 存储方案升级
- Redis 存储任务状态与结果（TTL 管理），不再使用概念缓存捷径
- 任务队列系统
- Bull + Redis 任务队列，支持重试、超时、指数退避
- 前端技术栈
- React 19 + TailwindCSS + react-syntax-highlighter
- 项目结构
- src/{config,middlewares,routes,services,queues,prompts,types,utils}/ frontend/src/{components,hooks,lib,types}/
- 新增功能
-
CORS 配置中间件
-
新增图片输出模式（与视频模式并列）
-
图片模式支持
YON_IMAGE锚点分块、多图逐张渲染与画廊预览 -
支持图片打包下载（全部下载）
-
增加图片输入支持（参考图）
-
简洁中国风的轻盈前端主题，支持双色切换、设置模态框等组件
-
增加对第三方oai格式的请求支持，支持第三方自定义api
-
增加重试机制，增加前后端状态查询
-
增加前端自定义视频参数（仅视频模式生效）
-
支持内存监控端点
-
自定义提示词管理，新增专门的提示词管理页面，支持配置8种不同类型的提示词
-
支持二次人工修改和渲染，支持二次AI修改
-
增加计时功能，可查看各阶段耗时（图片/视频通用）
-
增加后端test接口
提示词功能说明
系统支持 8 种提示词类型，分为两个主要类别：
- conceptDesigner：概念设计系统提示词 - 用于指导 AI 理解数学概念并设计动画场景
- codeGeneration：代码生成系统提示词 - 用于指导 AI 生成符合规范的 Manim 代码
- codeRetry：系统重试提示词 - 仅用于代码渲染失败后的修复阶段，系统本身不会 重试，只是进入修复流程时使用该系统提示词
- conceptDesigner：概念设计用户提示词 - 补充说明概念设计的具体需求和风格
- codeGeneration：代码生成用户提示词 - 补充说明代码生成的具体要求和规范
- codeRetryInitial：代码修复初始重试提示词 - 代码第一次失败时的修复指导
- codeRetryFix：代码修复提示词 - 代码第二次失败时的详细修复指导
- 访问页面：点击主界面右上角的“提示词管理”按钮（文档图标）
- 选择类型：在侧边栏选择要编辑的提示词类型
- 编辑提示词：在主编辑区输入或修改提示词内容
- 保存配置：点击保存按钮或自动保存
- 应用效果：配置会自动应用到下一次生成任务
- 主页面输入：每次生成动画时需要重新输入的具体任务描述
- 提示词管理：一次配置，多次使用的全局行为规则
- 结合使用：系统会将用户输入的概念与配置的提示词结合使用，生成符合要求的动画
- 默认优先级：用户未修改时，使用后端默认提示词模板
- 覆盖优先级：用户修改后，仅覆盖对应字段，其余继续使用默认值
- 重试阶段：初次生成失败后进入修复流程，系统提示词使用
codeRetry，用户提示词使用codeRetryInitial/codeRetryFix
本项目后端架构及前端部分实现参考/使用了 manim-video-generator 的核心思想。
- 继承部分代码遵循 MIT License。
- 本项目新增的重构代码、任务队列逻辑及前端组件，同样以 MIT License 向开源社区开放。
以下内容为本人（ManimCat 作者）原创，严禁任何形式的商用行为：
- 提示词工程：本项目中
src/prompts/目录下所有高度优化的 Manim 代码生成提示词及逻辑，均为本人原创。 - API Index Data：本人自行爬取、清洗并制作的 Manim v0.18.2 API 索引表及相关强约束规则。
- 特定算法逻辑：针对思考模型的正则清理算法及 fallback 容错机制。
未经本人书面许可，任何人不得将上述“核心资产”用于：
- 直接打包作为付费产品销售。
- 集成在付费订阅制的商业 AI 服务中。
- 在未注明出处的情况下进行二次分发并获利。
事实上，作者已经关注到市面上存在一些闭源商业项目，正利用类似的 AI + Manim 思路向数学教育工作者收取高额费用进行盈利。然而，开源社区目前仍缺乏针对教育场景深度优化的成熟项目。
ManimCat 的诞生正是为了对标并挑战这些闭源商业软件。 我希望通过开源的方式，让每一位老师都能廉价地享受到 AI 带来的教学可视化便利————你只需要支付api的费用，幸运的是，对于优秀的中国LLM大模型来说，这些花费很廉价。为了保护这一愿景不被商业机构剽窃并反向收割用户，我坚决禁止任何对本项目核心提示词及索引数据的商业授权。
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🥤
点击下方链接进行投喂：
感谢你的支持，我会更有动力维护这个项目！
- 原项目作者
- Linux.do社区
- 阿里云百炼平台