[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-Estom--notes":3,"tool-Estom--notes":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",142651,2,"2026-04-06T23:34:12",[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。",107888,"2026-04-06T11:32:50",[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},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],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"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":76,"owner_email":77,"owner_twitter":75,"owner_website":78,"owner_url":79,"languages":80,"stars":119,"forks":120,"last_commit_at":121,"license":75,"difficulty_score":122,"env_os":123,"env_gpu":124,"env_ram":124,"env_deps":125,"category_tags":128,"github_topics":131,"view_count":32,"oss_zip_url":75,"oss_zip_packed_at":75,"status":17,"created_at":139,"updated_at":140,"faqs":141,"releases":142},4925,"Estom\u002Fnotes","notes","一个码农的毕生所学!笔记 & 教程。考研,就业,上学.语言篇，Android,C++,Java,JavaScript,Latex,MATLAB,NodeJS,PHP,Python,技术篇,docker,git,Linux,Maven,office,Spark,Spring,SVN,基础篇,编译原理,操作系统,单片机,计算机网络,计算机网络实验,架构模式,软件文档写作,设计模式,数据结构,数据库,算法,UML建模,Windows程序设计,数学篇,概率论与数理统计,微积分,线性代数,张量,机器学习篇,机器学习,pytorch,sklearn,TensorFlow","notes 是一位资深开发者精心整理的个人知识库，汇聚了从编程入门到架构设计的全方位学习笔记与实战教程。它旨在解决技术人员在学习路径分散、资料碎片化以及知识体系难以系统化构建时的痛点，为用户提供一站式的参考指南。\n\n这份资源特别适合计算机专业的学生、准备考研或求职的应届生，以及希望夯实基础、拓展技术栈的在职开发者。无论是需要复习操作系统、编译原理等核心课程，还是查找 Java、Python、C++ 等语言的具体用法，亦或是深入研究 Spring Cloud、Docker、Kubernetes 等主流框架与云原生技术，都能在这里找到详实的记录。此外，notes 还独特地涵盖了微积分、线性代数等数学基础，以及机器学习领域的 PyTorch、TensorFlow 实战内容，甚至包含软件文档写作与生活思考，体现了“全栈”成长的理念。\n\n不同于零散的博客文章，notes 以结构化的目录将语言篇、技术篇、基础篇、数学篇及机器学习篇有机串联，形成了一套完整的成长地图。它不仅记录了代码与技术细节，更传递了持续求知的生活态度，是开发者构建个人知识体系、提升综合竞争力的得力助手。","## notes\n\n\n### 简介\n\n一个码农的毕生所学.\n\n### 语言篇\n\n\n- [Android](Android\u002FREADME.md)\n- [C++](C++\u002FREADME.md)\n- [CSS](CSS\u002FREADME.md)\n- [Go](Go\u002FREADME.md)\n- [HTML](HTML\u002FREADME.md)\n- [Java](Java\u002FREADME.md)\n- [JavaScript](JavaScript\u002FREADME.md)\n- [NodeJS](NodeJS\u002FREADME.md)\n- [PHP](PHP\u002FREADME.md)\n- [Scala](Scala\u002FREADME.md)\n\n### 技术篇\n\n- [Bootstrap](Bootstrap\u002FREADME.md)\n- [Git](Git\u002FREADME.md)\n- [Idea](Idea\u002FREADME.md)\n- [JBoss](JBoss\u002FREADME.md)\n- [JDBC](JDBC\u002FREADME.md)\n- [Latex](Latex\u002FREADME.md)\n- [Matlab](Matlab\u002FREADME.md)\n- [MyBatis](MyBatis\u002FREADME.md)\n- [MySQL](MySQL\u002FREADME.md)\n- [Netty](Netty\u002FREADME.md)\n- [Office](Office\u002FREADME.md)\n- [PlantUML](PlantUML\u002FREADME.md)\n- [Postman](Postman\u002FREADME.md)\n- [Python](Python\u002FREADME.md)\n- [Quartz](Quartz\u002FREADME.md)\n- [Redis](Redis\u002FREADME.md)\n- [SVN](SVN\u002FREADME.md)\n- [Spring](Spring\u002FREADME.md)\n- [SpringCloud](SpringCloud\u002FREADME.md)\n- [SpringCloudAlibaba](SpringCloudAlibaba\u002FREADME.md)\n- [SwarmIntelligence](SwarmIntelligence\u002FREADME.md)\n- [TOOL](TOOL\u002FREADME.md)\n- [UML建模](UML建模\u002FREADME.md)\n- [Vscode](Vscode\u002FREADME.md)\n- [Vue](Vue\u002FREADME.md)\n- [blog](blog\u002FREADME.md)\n- [code_segment](code_segment\u002FREADME.md)\n- [docker](docker\u002FREADME.md)\n- [grpc](grpc\u002FREADME.md)\n- [kubenets](kubenets\u002FREADME.md)\n- [mac使用教程](mac使用教程\u002FREADME.md)\n- [maven](maven\u002FREADME.md)\n- [pytorch](pytorch\u002FREADME.md)\n- [windows程序设计](windows程序设计\u002FREADME.md)\n- [加密](加密\u002FREADME.md)\n- [单片机](单片机\u002FREADME.md)\n- [微服务](微服务\u002FREADME.md)\n\n### 基础篇\n\n- [Linux](Linux\u002FREADME.md)\n- [操作系统](操作系统\u002FREADME.md)\n- [数据库](数据库\u002FREADME.md)\n- [数据结构](数据结构\u002FREADME.md)\n- [文献阅读](文献阅读\u002FREADME.md)\n- [机器学习](机器学习\u002FREADME.md)\n- [架构模式](架构模式\u002FREADME.md)\n- [概率论与数理统计](概率论与数理统计\u002FREADME.md)\n- [算法](算法\u002FREADME.md)\n- [编译原理](编译原理\u002FREADME.md)\n- [计算机网络](计算机网络\u002FREADME.md)\n- [计算机网络实验](计算机网络实验\u002FREADME.md)\n- [设计模式](设计模式\u002FREADME.md)\n- [软件文档写作](软件文档写作\u002FREADME.md)\n### 数学篇\n\n- [微积分](微积分\u002FREADME.md)\n- [线性代数](线性代数\u002FREADME.md)\n\n### 机器学习篇\n\n- [Sklearn](Sklearn\u002FREADME.md)\n- [Spark](Spark\u002FREADME.md)\n- [Tensorflow](Tensorflow\u002FREADME.md)\n\n\n## 生活\n\n生命会流逝，求知不会停止\n\n\n- [多活两年](多活两年\u002FREADME.md)\n- [读书思考](读书思考\u002FREADME.md)\n- [酒](酒\u002FREADME.md)\n","## 笔记\n\n\n### 简介\n\n一个码农的毕生所学.\n\n### 语言篇\n\n\n- [Android](Android\u002FREADME.md)\n- [C++](C++\u002FREADME.md)\n- [CSS](CSS\u002FREADME.md)\n- [Go](Go\u002FREADME.md)\n- [HTML](HTML\u002FREADME.md)\n- [Java](Java\u002FREADME.md)\n- [JavaScript](JavaScript\u002FREADME.md)\n- [NodeJS](NodeJS\u002FREADME.md)\n- [PHP](PHP\u002FREADME.md)\n- [Scala](Scala\u002FREADME.md)\n\n### 技术篇\n\n- [Bootstrap](Bootstrap\u002FREADME.md)\n- [Git](Git\u002FREADME.md)\n- [Idea](Idea\u002FREADME.md)\n- [JBoss](JBoss\u002FREADME.md)\n- [JDBC](JDBC\u002FREADME.md)\n- [Latex](Latex\u002FREADME.md)\n- [Matlab](Matlab\u002FREADME.md)\n- [MyBatis](MyBatis\u002FREADME.md)\n- [MySQL](MySQL\u002FREADME.md)\n- [Netty](Netty\u002FREADME.md)\n- [Office](Office\u002FREADME.md)\n- [PlantUML](PlantUML\u002FREADME.md)\n- [Postman](Postman\u002FREADME.md)\n- [Python](Python\u002FREADME.md)\n- [Quartz](Quartz\u002FREADME.md)\n- [Redis](Redis\u002FREADME.md)\n- [SVN](SVN\u002FREADME.md)\n- [Spring](Spring\u002FREADME.md)\n- [SpringCloud](SpringCloud\u002FREADME.md)\n- [SpringCloudAlibaba](SpringCloudAlibaba\u002FREADME.md)\n- [SwarmIntelligence](SwarmIntelligence\u002FREADME.md)\n- [TOOL](TOOL\u002FREADME.md)\n- [UML建模](UML建模\u002FREADME.md)\n- [Vscode](Vscode\u002FREADME.md)\n- [Vue](Vue\u002FREADME.md)\n- [blog](blog\u002FREADME.md)\n- [code_segment](code_segment\u002FREADME.md)\n- [docker](docker\u002FREADME.md)\n- [grpc](grpc\u002FREADME.md)\n- [kubenets](kubenets\u002FREADME.md)\n- [mac使用教程](mac使用教程\u002FREADME.md)\n- [maven](maven\u002FREADME.md)\n- [pytorch](pytorch\u002FREADME.md)\n- [windows程序设计](windows程序设计\u002FREADME.md)\n- [加密](加密\u002FREADME.md)\n- [单片机](单片机\u002FREADME.md)\n- [微服务](微服务\u002FREADME.md)\n\n### 基础篇\n\n- [Linux](Linux\u002FREADME.md)\n- [操作系统](操作系统\u002FREADME.md)\n- [数据库](数据库\u002FREADME.md)\n- [数据结构](数据结构\u002FREADME.md)\n- [文献阅读](文献阅读\u002FREADME.md)\n- [机器学习](机器学习\u002FREADME.md)\n- [架构模式](架构模式\u002FREADME.md)\n- [概率论与数理统计](概率论与数理统计\u002FREADME.md)\n- [算法](算法\u002FREADME.md)\n- [编译原理](编译原理\u002FREADME.md)\n- [计算机网络](计算机网络\u002FREADME.md)\n- [计算机网络实验](计算机网络实验\u002FREADME.md)\n- [设计模式](设计模式\u002FREADME.md)\n- [软件文档写作](软件文档写作\u002FREADME.md)\n\n### 数学篇\n\n- [微积分](微积分\u002FREADME.md)\n- [线性代数](线性代数\u002FREADME.md)\n\n### 机器学习篇\n\n- [Sklearn](Sklearn\u002FREADME.md)\n- [Spark](Spark\u002FREADME.md)\n- [Tensorflow](Tensorflow\u002FREADME.md)\n\n\n## 生活\n\n生命会流逝，求知不会停止\n\n\n- [多活两年](多活两年\u002FREADME.md)\n- [读书思考](读书思考\u002FREADME.md)\n- [酒](酒\u002FREADME.md)","# notes 快速上手指南\n\n## 简介\n`notes` 并非一个可执行的软件工具或框架，而是一个**程序员知识汇总仓库**。它收录了从编程语言、基础理论到生活感悟的各类技术笔记。本指南将指导你如何获取并浏览这些宝贵的学习资源。\n\n## 环境准备\n\n本项目主要为 Markdown 文档集合，无需复杂的运行环境，只需具备以下条件即可：\n\n*   **操作系统**：Windows, macOS, 或 Linux 均可。\n*   **前置依赖**：\n    *   **Git**：用于克隆代码仓库（推荐安装）。\n    *   **Markdown 阅读器**（可选）：如 VS Code、Typora 或 GitHub 桌面版，用于获得更好的阅读体验。直接在浏览器中查看亦可。\n\n## 安装步骤\n\n### 1. 克隆仓库\n打开终端（Terminal 或 CMD），执行以下命令将仓库拉取到本地：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fyour-username\u002Fnotes.git\n```\n*(注：请将 `your-username` 替换为实际的项目所有者用户名，若已知具体地址请直接使用完整 URL)*\n\n**国内加速方案**：\n如果你在中国大陆地区，访问 GitHub 速度较慢，推荐使用 Gitee 镜像（如果有）或通过以下方式加速：\n```bash\n# 使用镜像源克隆示例 (假设存在 Gitee 镜像)\ngit clone https:\u002F\u002Fgitee.com\u002Fmirror\u002Fnotes.git\n```\n若无特定镜像，可配置 Git 全局代理后执行标准克隆命令。\n\n### 2. 进入目录\n```bash\ncd notes\n```\n\n## 基本使用\n\n由于本项目是静态文档库，\"使用\"即意味着**阅读**和**检索**。\n\n### 方式一：本地直接阅读\n进入项目根目录，直接使用文本编辑器或 IDE 打开对应的 `.md` 文件。\n\n**示例：查看 Java 学习笔记**\n```bash\n# 在终端使用 cat 查看 (Linux\u002FMac)\ncat Java\u002FREADME.md\n\n# 或在 VS Code 中打开\ncode Java\u002FREADME.md\n```\n\n### 方式二：通过目录结构导航\n根据 `README.md` 中的分类，进入相应文件夹查找内容：\n\n*   **语言篇**：包含 Android, C++, Go, Java, Python 等语言特性笔记。\n    *   路径示例：`.\u002FJava\u002F`\n*   **技术篇**：涵盖 SpringCloud, Docker, Redis, MySQL 等中间件与框架。\n    *   路径示例：`.\u002FSpringCloud\u002F`, `.\u002Fdocker\u002F`\n*   **基础篇**：包含操作系统、数据结构、算法、计算机网络等核心理论。\n    *   路径示例：`.\u002F算法\u002F`, `.\u002F计算机网络\u002F`\n*   **机器学习篇**：涉及 Tensorflow, Pytorch, Sklearn 等 AI 框架笔记。\n    *   路径示例：`.\u002Fpytorch\u002F`, `.\u002FTensorflow\u002F`\n\n### 方式三：在线浏览\n如果不希望下载代码，可以直接在 GitHub 或 Gitee 网页端浏览目录结构，点击对应的 `README.md` 文件即可在线阅读渲染后的文档。\n\n---\n> **提示**：生命会流逝，求知不会停止。建议利用搜索工具（如 `grep` 或 IDE 全局搜索）快速定位你关心的知识点。","刚入职的初级后端工程师小李，正面临从校园理论到企业级微服务架构开发的巨大跨越，急需快速掌握 SpringCloud、Docker 及数据库优化等实战技能。\n\n### 没有 notes 时\n- **知识碎片化严重**：在 GitHub、博客园和 StackOverflow 之间反复跳转搜索\"SpringCloud Alibaba 配置”或\"Redis 缓存策略”，信息源质量参差不齐，难以形成系统认知。\n- **基础概念模糊**：遇到并发问题想复习“操作系统”或“数据结构”原理时，找不到当年考研的笔记，只能重新啃厚重的教材，效率极低。\n- **环境搭建踩坑多**：部署 Docker 或配置 Maven 仓库时，因缺乏详细的避坑指南和参数说明，花费数小时排查简单的配置错误。\n- **技术栈覆盖不全**：项目突然需要用到 Python 进行数据分析或 Latex 编写文档，手头没有任何入门教程，导致任务进度停滞。\n\n### 使用 notes 后\n- **体系化学习路径**：直接查阅 notes 中“技术篇”的 SpringCloud 和“基础篇”的计算机网络章节，内容结构清晰，迅速建立起从理论到代码的完整知识框架。\n- **核心考点速查**：通过“语言篇”和“算法”目录，快速回顾 Java 集合底层原理与常见排序算法，将复习时间从几天缩短至几小时，立即应用于代码优化。\n- **实战配置零门槛**：参考 notes 里详细的 Docker、Maven 及 Linux 操作教程，按步骤复制命令即可搞定环境搭建，避免了重复造轮子和无效调试。\n- **跨语言能力拓展**：利用项目中涵盖的 Python、Go 及机器学习篇（PyTorch\u002FTensorFlow）教程，轻松应对多语言混合开发需求，成为团队中的多面手。\n\nnotes 将散落的知识点凝聚成码农的“第二大脑”，让开发者从繁琐的信息检索中解放出来，专注于真正的技术创造与问题解决。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FEstom_notes_a1c0a00b.png","Estom","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FEstom_83e144dd.jpg","https:\u002F\u002Fgitee.com\u002FEyestorm\r\n国内主页，看这个！",null,"ShanDong province， China","yinkanglong@163.com","https:\u002F\u002Fgitee.com\u002FEyestorm","https:\u002F\u002Fgithub.com\u002FEstom",[81,85,89,93,97,101,105,109,113,116],{"name":82,"color":83,"percentage":84},"Jupyter Notebook","#DA5B0B",91.7,{"name":86,"color":87,"percentage":88},"Python","#3572A5",2.8,{"name":90,"color":91,"percentage":92},"HTML","#e34c26",1.8,{"name":94,"color":95,"percentage":96},"C++","#f34b7d",1.6,{"name":98,"color":99,"percentage":100},"Java","#b07219",1.3,{"name":102,"color":103,"percentage":104},"Go","#00ADD8",0.5,{"name":106,"color":107,"percentage":108},"Vue","#41b883",0.2,{"name":110,"color":111,"percentage":112},"C","#555555",0,{"name":114,"color":115,"percentage":112},"Shell","#89e051",{"name":117,"color":118,"percentage":112},"TeX","#3D6117",1808,256,"2026-04-06T23:07:22",1,"Linux, macOS, Windows","未说明",{"notes":126,"python":124,"dependencies":127},"该仓库并非单一可运行的 AI 工具，而是一个涵盖编程语言、技术栈、基础学科及生活感悟的知识笔记合集。内容以文档（Markdown）形式存在，无需特定的运行环境、GPU 或依赖库即可阅读。部分章节（如 PyTorch, TensorFlow, Docker 等）涉及具体技术的教程，其环境需求需参考对应子目录下的说明或该技术官方文档。",[],[129,16,13,15,130,35,14,52],"音频","其他",[132,133,134,135,136,137,138],"c","python","java","nodejs","php","note","latex","2026-03-27T02:49:30.150509","2026-04-07T16:48:37.922725",[],[]]