[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-DeepInsight-AI--DeepBI":3,"tool-DeepInsight-AI--DeepBI":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",148568,2,"2026-04-09T23:34:24",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108111,"2026-04-08T11:23:26",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":72,"owner_avatar_url":73,"owner_bio":74,"owner_company":75,"owner_location":75,"owner_email":75,"owner_twitter":75,"owner_website":75,"owner_url":76,"languages":77,"stars":109,"forks":110,"last_commit_at":111,"license":112,"difficulty_score":10,"env_os":113,"env_gpu":114,"env_ram":115,"env_deps":116,"category_tags":124,"github_topics":125,"view_count":32,"oss_zip_url":75,"oss_zip_packed_at":75,"status":17,"created_at":135,"updated_at":136,"faqs":137,"releases":178},6135,"DeepInsight-AI\u002FDeepBI","DeepBI","LLM based data scientist, AI native data application.  AI-driven infinite thinking redefines BI.","DeepBI 是一款基于大语言模型（LLM）的 AI 原生数据分析平台，旨在通过“对话即分析”的创新模式重新定义商业智能。它解决了传统 BI 工具门槛高、依赖专业 SQL 技能以及分析流程繁琐的痛点，让用户无需编写复杂代码，仅通过自然语言对话即可完成数据探索、查询生成、可视化图表制作及仪表盘搭建。\n\n无论是缺乏技术背景的业务人员、需要快速验证假设的数据分析师，还是希望简化数据工作流的开发者，都能借助 DeepBI 轻松从多源数据中获取洞察并辅助决策。其核心亮点在于强大的“无限思维”推理能力，能将模糊的用户指令转化为持久的查询逻辑和直观图表。平台广泛支持 MySQL、PostgreSQL、Doris、StarRocks、MongoDB 等多种数据库及本地文件导入，并提供 Windows、Linux、Mac 等多平台部署方案。DeepBI 让数据交互像聊天一样简单自然，真正实现了数据驱动决策的平民化与智能化。","\u003Ch1 align=\"center\">DeepBI\u003C\u002Fh1>\n\n\u003Cdiv align=\"center\">\n\nDeepBI is an AI-native data analysis platform. DeepBI leverages the power of large language models to explore, query, visualize, and share data from any data source. Users can use DeepBI to gain data insight and make data-driven decisions.\n\n\n\u003C\u002Fdiv>\n\n\u003Cdiv align=\"center\">\n\n  Languages： English [中文](README_CN.md)\u003Cbr>\nDeveloper：dev@deepbi.com  Business：hi@deepbi.com\n\n  \u003Cdiv style=\"display: flex; align-items: center;\">\n\nIf you think DeepBI is helpful to you, please help by clicking \u003Ca style=\"display: flex; align-items: center;margin:0px 6px\" target=\"_blank\" href='https:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI'>here\u003C\u002Fa> on the ⭐ Star and Fork in the upper right corner. Your support is the greatest driving force for DeepBI to become better.\n\n\n  \u003C\u002Fdiv>\n\u003C\u002Fdiv>\n\n\n\n## Video example\n\nhttps:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI\u002Fassets\u002F151519374\u002Fd1effbe1-5c11-4c77-86ef-e01b1ea7f2f6\n\n\n## user manual\n[DeepBI user manual](client\u002Fapp\u002Fassets\u002Fimages\u002Fen\u002Fuser_manual_en.md)\n\n\n## ✨ Features\n\n1 Conversational data analysis: Users can get arbitrary data results and analysis results through dialogues.\\\n2 Conversational query generation: Generates persistent queries and visualizations through dialogues.\\\n3 Dashboard : Assemble persistent visualizations into dashboards.\\\n4 Automated data analysis reports (to be developed) : Complete data analysis reports automatically according to user instructions.\\\n5 Support multiple data sources, including MySQL, PostgreSQL, Doris, StarRocks, CSV\u002FExcel, etc.\\\n6 Multi-platform support, support Windows-WSL,Windows, Linux, Mac. \\\n7 International, support Chinese, English.\n\n\n## 🚀 Supported Databases\n\nThe database connections supported by DeepBI are:\n- MySQL\n- PostgreSQL\n- csv\u002FExcel Import\n- Doris\n- StarRocks\n- MongoDB\n\n\n## 📦 Windows exe installation\n- Download ```window_install_exe_EN.zip``` from the \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI\u002Freleases\">tag list\u003C\u002Fa>.The current test supports Win10 and Win11\n- Unzip the zip package and double-click the.exe file to run DeepBI\n- Local installation instructions [Installl exe](README_window_en.md)\n\n## 📦 Docker build\n\n- The local environment needs to have docker and docker-compose. \u003Cbr>\n- [Installl docker](Docker_install.md)\n- Download project files by git:``` git clone https:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI.git ``` \u003Cbr>\n  or drirect download zip file, unzip it. \u003Cbr>\n  ![download.png](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDeepInsight-AI_DeepBI_readme_9593d18ba984.png)\n\n- Enter the project directory:``` cd DeepBI ```\n- Just run``` .\u002FInstall.sh ```directly\n- Default port: 8338 8339\n- Web access: http:\u002F\u002Fip:8338\n#### DeepBI docker command\n- Enter project DeepBI dir:\n```\n    docker-compose start # start DeepBI servie\n    docker-compose stop # stop DeepBI servie\n    docker-compose ps # see DeepBI servie states\n```\n- If it appears... PermissionError ... ' or ' Permission denied', please add 'sudo' before executing the command\n```\n    sudo docker-compose start # start DeepBI servie\n    sudo docker-compose stop # stop DeepBI servie\n    sudo docker-compose ps # see DeepBI servie states\n```\n\n## Ubuntu build\nInstall directly on the ubuntu system, you need to install redis, postgresql python3.8.17 environment.\n\n- Redis can be accessed directly through the 127.0.0.1 password-free command line.\n- Require python version  3.8.x\n- Recommend using virtual environments such as pyenv coda\n- postgresql needs to install postgresql-16 version\n\n- Download the DeepBI code by the command \n\n```\ngit clone https:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI.git\n```\nIf the download fails to replace the protocol, run the following code\n```\ngit clone http:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI.git\n ```\n\n- Just run ```. ubuntu_install.sh``` directly (note that you run . ubuntu_install.sh instead of sh xxx here, because you need to run the python virtual environment)\n- Default port is 8338 and 8339\n- Web access: http:\u002F\u002Fip:8338\n\n\n\n\n\n\n\n\n## Contact Us\n\n\u003Ca>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDeepInsight-AI_DeepBI_readme_e08e33390ea2.png\" width=\"40%\"\u002F>\u003C\u002Fa>\n\n\n\n\n\n\n\n\n\n\n\n\n## 📑 Other\n- We have tested on Mac OS 12.7\u002F13.X \u002F14.1.1, Ubuntu 20.04\u002F22.04, and Windows11 WSL 22.04.\n- Windows 10 requires version 22H2 or higher to install WSL\n- The minimum memory requirement for server operation is 1 core 2G memory, and 2 core 4G memory is recommended\n- If you have any question, please contact us at dev@deepbi.com\n- \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI\u002Fissues\">Issue\u003C\u002Fa>\n\n","\u003Ch1 align=\"center\">DeepBI\u003C\u002Fh1>\n\n\u003Cdiv align=\"center\">\n\nDeepBI 是一款原生人工智能数据分析平台。DeepBI 借助大型语言模型的强大能力，能够从任何数据源中探索、查询、可视化并分享数据。用户可以使用 DeepBI 获得数据洞见，并做出数据驱动的决策。\n\n\n\u003C\u002Fdiv>\n\n\u003Cdiv align=\"center\">\n\n  语言： 英文 [中文](README_CN.md)\u003Cbr>\n开发者：dev@deepbi.com  商务：hi@deepbi.com\n\n  \u003Cdiv style=\"display: flex; align-items: center;\">\n\n如果您觉得 DeepBI 对您有帮助，请帮忙点击右上角的 ⭐ Star 和 Fork，通过\u003Ca style=\"display: flex; align-items: center;margin:0px 6px\" target=\"_blank\" href='https:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI'>这里\u003C\u002Fa>支持我们。您的支持是 DeepBI 不断进步的最大动力。\n\n\n  \u003C\u002Fdiv>\n\u003C\u002Fdiv>\n\n\n\n## 视频示例\n\nhttps:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI\u002Fassets\u002F151519374\u002Fd1effbe1-5c11-4c77-86ef-e01b1ea7f2f6\n\n\n## 用户手册\n[DeepBI 用户手册](client\u002Fapp\u002Fassets\u002Fimages\u002Fen\u002Fuser_manual_en.md)\n\n\n## ✨ 功能特性\n\n1 会话式数据分析：用户可以通过对话获取任意数据结果和分析成果。\\\n2 会话式查询生成：通过对话自动生成持久化查询和可视化图表。\\\n3 仪表板：将持久化的可视化组件组装成仪表板。\\\n4 自动化数据分析报告（待开发）：根据用户指令自动生成完整的数据分析报告。\\\n5 支持多种数据源，包括 MySQL、PostgreSQL、Doris、StarRocks、CSV\u002FExcel 等。\\\n6 多平台支持，兼容 Windows-WSL、Windows、Linux、Mac。 \\\n7 国际化支持，提供中文、英文版本。\n\n\n## 🚀 支持的数据库\n\nDeepBI 支持的数据库连接包括：\n- MySQL\n- PostgreSQL\n- CSV\u002FExcel 导入\n- Doris\n- StarRocks\n- MongoDB\n\n\n## 📦 Windows exe 安装\n- 请从 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI\u002Freleases\">标签列表\u003C\u002Fa>下载 ```window_install_exe_EN.zip```。当前测试支持 Win10 和 Win11。\n- 解压压缩包后，双击 .exe 文件即可运行 DeepBI。\n- 本地安装说明 [Installl exe](README_window_en.md)\n\n## 📦 Docker 构建\n\n- 本地环境需安装 Docker 和 Docker Compose。 \u003Cbr>\n- [Docker 安装指南](Docker_install.md)\n- 使用 git 克隆项目文件：``` git clone https:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI.git ``` \u003Cbr>\n  或直接下载 zip 文件并解压。\u003Cbr>\n  ![download.png](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDeepInsight-AI_DeepBI_readme_9593d18ba984.png)\n\n- 进入项目目录：``` cd DeepBI ```\n- 直接运行``` .\u002FInstall.sh ```即可。\n- 默认端口：8338 8339\n- Web 访问地址：http:\u002F\u002Fip:8338\n#### DeepBI Docker 命令\n- 进入 DeepBI 项目目录：\n```\n    docker-compose start # 启动 DeepBI 服务\n    docker-compose stop # 停止 DeepBI 服务\n    docker-compose ps # 查看 DeepBI 服务状态\n```\n- 如果出现... PermissionError ... ' 或 ' Permission denied'，请在执行命令前加上 'sudo'：\n```\n    sudo docker-compose start # 启动 DeepBI 服务\n    sudo docker-compose stop # 停止 DeepBI 服务\n    sudo docker-compose ps # 查看 DeepBI 服务状态\n```\n\n## Ubuntu 构建\n在 Ubuntu 系统上直接安装，需要安装 Redis、PostgreSQL 以及 Python 3.8.17 环境。\n\n- Redis 可以通过 127.0.0.1 的免密码命令行直接访问。\n- 需要 Python 3.8.x 版本。\n- 推荐使用 pyenv coda 等虚拟环境工具。\n- PostgreSQL 需安装 postgresql-16 版本。\n\n- 使用以下命令下载 DeepBI 代码：\n\n```\ngit clone https:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI.git\n```\n如果下载失败，请更换协议，运行以下代码：\n```\ngit clone http:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI.git\n ```\n\n- 直接运行 ```. ubuntu_install.sh``` 即可（注意此处应运行 .ubuntu_install.sh 而不是 sh xxx，因为需要在 Python 虚拟环境中执行）。\n- 默认端口为 8338 和 8339。\n- Web 访问地址：http:\u002F\u002Fip:8338\n\n\n\n\n\n\n\n\n## 联系我们\n\n\u003Ca>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDeepInsight-AI_DeepBI_readme_e08e33390ea2.png\" width=\"40%\"\u002F>\u003C\u002Fa>\n\n\n\n\n\n\n\n\n\n\n\n\n## 📑 其他\n- 我们已在 Mac OS 12.7\u002F13.X \u002F14.1.1、Ubuntu 20.04\u002F22.04 以及 Windows11 WSL 22.04 上进行了测试。\n- Windows 10 需要 22H2 或更高版本才能安装 WSL。\n- 服务器运行的最低内存要求为 1 核 2GB 内存，建议使用 2 核 4GB 内存。\n- 如有任何问题，请联系 dev@deepbi.com。\n- \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI\u002Fissues\">问题反馈\u003C\u002Fa>","# DeepBI 快速上手指南\n\nDeepBI 是一个 AI 原生的数据分析平台，利用大语言模型能力帮助用户通过对话探索、查询、可视化数据并生成分析报告。\n\n## 1. 环境准备\n\n### 系统要求\n- **操作系统**：\n  - Windows 10 (22H2+) \u002F Windows 11 (支持 WSL)\n  - macOS 12.7 \u002F 13.x \u002F 14.1.1\n  - Ubuntu 20.04 \u002F 22.04\n- **硬件配置**：\n  - 最低：1 核 CPU \u002F 2GB 内存\n  - 推荐：2 核 CPU \u002F 4GB 内存\n\n### 前置依赖\n根据安装方式不同，需准备以下环境：\n- **Docker 方式（推荐）**：需安装 `docker` 和 `docker-compose`。\n- **Ubuntu 原生方式**：\n  - Python 3.8.x (推荐使用 pyenv 或 conda 虚拟环境)\n  - PostgreSQL 16\n  - Redis (可通过 `127.0.0.1` 免密访问)\n- **Windows EXE 方式**：无需额外依赖，直接运行安装包。\n\n---\n\n## 2. 安装步骤\n\n请选择适合您环境的安装方式：\n\n### 方式一：Docker 部署（通用推荐）\n\n1. 克隆项目代码：\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI.git\n   ```\n   *若下载失败，可尝试替换协议：*\n   ```bash\n   git clone http:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI.git\n   ```\n\n2. 进入项目目录并执行安装脚本：\n   ```bash\n   cd DeepBI\n   .\u002FInstall.sh\n   ```\n   *若遇到 `Permission denied` 错误，请在命令前加 `sudo`。*\n\n3. 启动服务：\n   ```bash\n   docker-compose start\n   ```\n\n4. 访问地址：`http:\u002F\u002F\u003C你的 IP>:8338`\n\n### 方式二：Ubuntu 原生部署\n\n1. 克隆项目代码：\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI.git\n   cd DeepBI\n   ```\n\n2. 执行安装脚本（注意必须使用 `.` 而非 `sh` 以激活虚拟环境）：\n   ```bash\n   . ubuntu_install.sh\n   ```\n\n3. 访问地址：`http:\u002F\u002F\u003C你的 IP>:8338`\n\n### 方式三：Windows EXE 安装\n\n1. 前往 [Releases 页面](https:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI\u002Freleases) 下载 `window_install_exe_EN.zip`。\n2. 解压压缩包。\n3. 双击运行 `.exe` 文件即可启动。\n4. 访问地址：`http:\u002F\u002Flocalhost:8338`\n\n---\n\n## 3. 基本使用\n\n安装完成后，您可以通过浏览器访问 DeepBI 进行数据分析。\n\n### 核心功能示例\n1. **连接数据源**：\n   在界面中添加数据源，支持 MySQL, PostgreSQL, Doris, StarRocks, MongoDB, CSV\u002FExcel 等。\n\n2. **对话式分析**：\n   在查询框中直接使用自然语言提问，例如：\n   > \"显示上个月销售额最高的前 10 个产品\"\n   \n   DeepBI 将自动解析意图，生成 SQL 查询并返回结果。\n\n3. **生成可视化与仪表盘**：\n   继续通过对话要求生成图表：\n   > \"将上述结果绘制成柱状图\"\n   \n   系统会自动生成持久化的查询和可视化组件，您可以将其组装到 Dashboard 中进行分享。\n\n### 服务管理命令 (Docker 模式)\n如需停止或查看服务状态，可在项目目录下执行：\n```bash\ndocker-compose stop   # 停止服务\ndocker-compose ps     # 查看服务状态\n```","某电商公司的数据分析师需要在周一晨会前，快速从 MySQL 数据库中提取上季度的销售趋势并制作可视化报表，以支持管理层制定新的促销策略。\n\n### 没有 DeepBI 时\n- 分析师必须手动编写复杂的 SQL 查询语句，反复调试字段关联和聚合逻辑，耗时且容易出错。\n- 遇到不熟悉的表结构时，需频繁查阅文档或询问开发人员，严重打断分析思路。\n- 将查询结果导出到 Excel 后，需额外使用 BI 工具或绘图库进行图表制作，流程割裂且效率低下。\n- 业务部门临时提出新的维度（如按“用户年龄段”细分）时，重新修改代码和图表往往需要数小时。\n\n### 使用 DeepBI 后\n- 分析师直接通过自然语言对话描述需求（如“展示上季度各品类销售额趋势”），DeepBI 自动生成并执行准确的 SQL 查询。\n- 借助大模型能力，DeepBI 自动理解数据库元数据，无需人工查阅即可精准定位所需字段和表。\n- 查询结果直接在对话框中生成可交互的可视化图表，一键即可将多个图表组装成完整的数据看板。\n- 面对业务方的新增维度需求，只需在对话中补充指令，DeepBI 即刻更新查询逻辑并刷新仪表盘，实现分钟级响应。\n\nDeepBI 将原本需要数小时的数据提取与分析工作缩短至几分钟，让业务人员能真正通过对话即时获取数据洞察。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDeepInsight-AI_DeepBI_46113a8c.png","DeepInsight-AI","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FDeepInsight-AI_0a4d587a.png","",null,"https:\u002F\u002Fgithub.com\u002FDeepInsight-AI",[78,82,86,90,94,98,101,105],{"name":79,"color":80,"percentage":81},"Python","#3572A5",40.9,{"name":83,"color":84,"percentage":85},"JavaScript","#f1e05a",35.2,{"name":87,"color":88,"percentage":89},"TypeScript","#3178c6",13.5,{"name":91,"color":92,"percentage":93},"Less","#1d365d",5.5,{"name":95,"color":96,"percentage":97},"CSS","#663399",2.1,{"name":99,"color":100,"percentage":32},"HTML","#e34c26",{"name":102,"color":103,"percentage":104},"Shell","#89e051",0.8,{"name":106,"color":107,"percentage":108},"Makefile","#427819",0,2343,370,"2026-04-09T17:59:44","MIT","Linux, macOS, Windows","未说明","最低 1 核 2G，推荐 2 核 4G",{"notes":117,"python":118,"dependencies":119},"支持多种部署方式：Windows 可直接运行 exe 安装包；Linux\u002FMac\u002FWSL 推荐使用 Docker 一键部署（需安装 docker 和 docker-compose）；Ubuntu 原生部署需手动安装 Redis、PostgreSQL 16 和 Python 3.8 环境。默认 Web 访问端口为 8338。Windows 10 需版本 22H2 以上方可安装 WSL。","3.8.x (具体测试版本 3.8.17)",[120,121,122,123],"redis","postgresql-16","docker","docker-compose",[14,15,35,16,13],[126,127,128,129,120,130,131,132,133,134],"csv","gpt","gpt-4","mysql","ai","bi","data","llm","analysis","2026-03-27T02:49:30.150509","2026-04-10T15:52:20.646874",[138,143,148,153,158,163,168,173],{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},27772,"安装时 Docker 镜像构建失败或报错怎么办？","该问题通常由 Python 依赖版本冲突引起（特别是 Mac M1 芯片环境）。解决方案是升级相关依赖：将 PyYaml 升级到 6.0 版本，将 cryptography 升级到 3.1.1 版本。此外，请确保不要使用 127.0.0.1 作为 Docker 服务 IP，建议使用宿主机的局域网 IP（如 192.168.xxx.xxx）。如果问题依旧，可尝试重新运行安装命令：sudo .\u002FInstall_cn.sh。","https:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI\u002Fissues\u002F5",{"id":144,"question_zh":145,"answer_zh":146,"source_url":147},27773,"在海外服务器部署时，如何跳过 OpenAI 必须配置代理地址的验证？","可以修改安装目录下的 client\u002Fdist\u002Fllm.json 配置文件。找到 \"OpenAI\" 配置项，从 \"required\" 数组中移除 \"HttpProxyHost\" 字段。修改前：\"required\": [\"OpenaiApiKey\", \"HttpProxyHost\"]；修改后：\"required\": [\"OpenaiApiKey\"]。保存后即可在不配置代理的情况下使用 OpenAI API。","https:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI\u002Fissues\u002F152",{"id":149,"question_zh":150,"answer_zh":151,"source_url":152},27774,"支持 Python 3.10 或 Ubuntu 22.04 环境吗？","目前项目仅正式支持 Python 3.8 环境。在 Ubuntu 22.04 (默认 Python 3.10) 上安装可能会报错。建议用户暂时使用 Python 3.8 环境进行部署，开发团队正在计划进行版本升级以支持更高版本的 Python。","https:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI\u002Fissues\u002F123",{"id":154,"question_zh":155,"answer_zh":156,"source_url":157},27775,"生成的图表图片在 HTML 文件中无法直接显示怎么办？","这是一个已知问题，表现为只输出 LLM 的分析过程文本而不渲染图表。这通常与前端渲染库（如 Pyecharts）的集成或浏览器环境有关。确保已安装所需的 Python 库（Pandas, Pyecharts），并检查数据库连接配置是否正确。如果问题持续，可能需要检查前端是否正确解析了后端生成的 JSON 格式图表代码。","https:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI\u002Fissues\u002F105",{"id":159,"question_zh":160,"answer_zh":161,"source_url":162},27776,"创建新用户时报错且无法发送邮件如何解决？","如果遇到创建用户报错且伴随邮件发送失败（即使更新到最新版本），请检查系统日志中的 Toast 提示和请求响应详情。通常这与邮件服务器配置（SMTP）错误或网络连通性有关。请确认环境变量中邮件相关配置（如 SMTP 地址、端口、账号密码）填写正确，并确保服务器防火墙允许出站邮件连接。","https:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI\u002Fissues\u002F154",{"id":164,"question_zh":165,"answer_zh":166,"source_url":167},27777,"docker-compose.yml 文件的版本是否过旧，能否升级？","项目当前版本已经兼容 Docker Compose 2.0+ 环境。虽然早期版本可能使用了较旧的语法，但现在的代码库已支持在新版 Docker Compose 环境中正常运行，无需手动修改版本号即可使用。","https:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI\u002Fissues\u002F2",{"id":169,"question_zh":170,"answer_zh":171,"source_url":172},27778,"文档或首页展示的微信二维码过期了怎么办？","维护者会定期更新过期的二维码。如果您发现文档或首页的二维码日期陈旧（如显示为 5 月 20 日等旧日期），请刷新页面或拉取最新的代码仓库版本，维护者已在后续提交中修复了此问题。","https:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI\u002Fissues\u002F137",{"id":174,"question_zh":175,"answer_zh":176,"source_url":177},27779,"该项目使用什么开源许可证？","该项目已添加 MIT 许可证。用户可以依据 MIT 协议条款自由使用、修改和分发该代码。","https:\u002F\u002Fgithub.com\u002FDeepInsight-AI\u002FDeepBI\u002Fissues\u002F129",[179,184,189,194,199,204,209,214,219,224,229,234],{"id":180,"version":181,"summary_zh":182,"released_at":183},188672,"v2.0.4","- 修改 API 服务域名\n- 修复邀请码的 bug\n- 修改默认的 LLM 配置","2024-10-08T09:17:07",{"id":185,"version":186,"summary_zh":187,"released_at":188},188673,"v2.0.3","- 在修改报表对话框过程中生成图片的问题。  \n- 在修改辅助数据分析对话框时无法找到相应功能的问题。  \n- 新增CSV自动数据分析功能。  \n- 修复exe启动问题。","2024-06-21T13:29:59",{"id":190,"version":191,"summary_zh":192,"released_at":193},188674,"v2.0.2","将现有的函数调用适配到 OpenAI 新版的工具 API。","2024-06-14T12:19:16",{"id":195,"version":196,"summary_zh":197,"released_at":198},188675,"v2.0.1","1. 新增阿里百炼、百度千帆大模型\r\n2. 修复英文状态提示文字换行问题\r\n3. 修复可执行文件启动问题","2024-06-12T13:06:49",{"id":200,"version":201,"summary_zh":202,"released_at":203},188676,"v2.0.0","- 增加了多种大模型配置，包括 OpenAI、DeepInsight、Azure OpenAI、AWS Claude 和 DeepSeek。","2024-05-31T06:03:11",{"id":205,"version":206,"summary_zh":207,"released_at":208},188677,"v1.3.0","- 更新 DeepBI 商标\n- 更新 Ubuntu 安装脚本，创建日志目录并写入 PID 文件\n- 升级 Python 版本并修复 chmod 权限问题\n- 修复 TaskSelectorAgent 的 BUG。该 BUG 导致任务工作流中 Agent 的响应未标准化，进而使对话无法继续\n- 前端网页新增存储响应的刷新功能\n- 修复 Echarts 的 BUG。此前 Echarts 代码不规范，导致页面崩溃\n- 新增 Echarts 代码规范检测及重试机制，以提高 Echarts 图表生成的成功率\n- 优化 Echarts 工作流，支持大规模数据量下的图表生成\n- 优化 Echarts 工作流上下文，减少 Token 消耗\n\n","2024-04-02T12:25:19",{"id":210,"version":211,"summary_zh":212,"released_at":213},188678,"v1.2.3","1. 修复了一些 bug，例如 ECharts、JSON 支持、HTML 输出和 SQL 查询相关的问题。  \n2. 支持 Azure API 密钥。  \n3. 新增了区域缩放和滚动图例功能。  \n4. 新增了 Ubuntu 启动和停止脚本。","2024-02-07T03:45:46",{"id":215,"version":216,"summary_zh":217,"released_at":218},188679,"v1.2.2","- 添加 MongoDB 数据库支持。\n- 修复报告生成路径的 bug。","2024-01-22T13:20:12",{"id":220,"version":221,"summary_zh":222,"released_at":223},188680,"v1.2.1","错误修复：\n1. 修复了在某些网络环境下令牌统计的问题；\n2. 修复了英文版自动驾驶生成的报告中中文字符显示异常的问题；\n3. 修复了报表模块中Agent图表未格式化输出导致少数情况下图表生成失败的问题。\n\n新功能：\n1. 新增一键复制功能，优化客服会话记录的复制展示工作。\n\n优化：\n1. 优化部分客服提示语和数据源注释，以降低对话中的令牌消耗；\n2. 优化用户反馈机制，包括错误反馈、API密钥错误、API密钥余额不足等信息。","2024-01-13T06:59:57",{"id":225,"version":226,"summary_zh":227,"released_at":228},188681,"v1.2.0","1. 新增AI智能美颜大屏功能  \n2. 修复了一些bug  \n3. 更新了安装和使用说明\n\n+ 解决了#50问题  \n+ 解决了#53问题","2024-01-07T11:11:15",{"id":230,"version":231,"summary_zh":232,"released_at":233},188682,"v1.1.0","1. Externalize Docker code.\r\n2. Organize the Python environment and delete the original environment files.\r\n3. Rename the project.\r\n4. Fixing some installation instruction Markdown files and the installation shell script.\r\n","2023-12-25T13:29:05",{"id":235,"version":236,"summary_zh":237,"released_at":238},188683,"v1.0.0","This is our first release","2023-11-24T16:00:04"]