[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-Libr-AI--OpenFactVerification":3,"tool-Libr-AI--OpenFactVerification":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},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。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},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",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},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。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":79,"owner_email":79,"owner_twitter":80,"owner_website":81,"owner_url":82,"languages":83,"stars":96,"forks":97,"last_commit_at":98,"license":99,"difficulty_score":23,"env_os":100,"env_gpu":100,"env_ram":100,"env_deps":101,"category_tags":108,"github_topics":109,"view_count":23,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":113,"updated_at":114,"faqs":115,"releases":146},3199,"Libr-AI\u002FOpenFactVerification","OpenFactVerification","Loki: Open-source solution designed to automate the process of verifying factuality","Loki 是一款开源的事实核查自动化工具，旨在帮助用户高效验证信息的真实性。面对海量信息中难以辨别的虚假内容，Loki 提供了一套完整的处理流水线：它能将长文本拆解为独立的观点陈述，智能评估哪些观点值得核查，自动生成搜索查询以抓取证据，并最终完成事实比对与验证。\n\n这款工具特别适合记者、研究人员以及关注信息真实性的开发者使用。无论是需要快速核实新闻素材的媒体从业者，还是希望构建反谣言系统的技术团队，都能从中获益。Loki 的独特亮点在于其强大的多模态处理能力，不仅支持纯文本输入，还能直接对语音、图像和视频内容进行事实核查，极大地拓展了应用场景。\n\n在使用方式上，Loki 既提供了灵活的 Python 库接口，方便开发者将其集成到现有工作流中；也配备了开箱即用的 Web 应用界面，让非技术背景的用户也能轻松上手。通过自动化流程，Loki 显著降低了人工核查的时间成本，为对抗虚假信息提供了可靠的技术助力。","\u003Cdiv align=\"center\">\n  \u003Cbr \u002F>\n    \u003Ca href=\"https:\u002F\u002Fwww.librai.tech\">\n      \u003Cimg alt=\"LibrAI Logo\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FLibr-AI_OpenFactVerification_readme_9eaf5c3113f6.png\" alt=\"LibrAI Logo\" width=\"50%\" height=\"auto\">\n    \u003C\u002Fa>\n  \u003Cbr \u002F>\n\u003C\u002Fdiv>\n\n# Loki: An Open-source Tool for Fact Verification\n\n## Overview\nLoki is our open-source solution designed to automate the process of verifying factuality. It provides a comprehensive pipeline for dissecting long texts into individual claims, assessing their worthiness for verification, generating queries for evidence search, crawling for evidence, and ultimately verifying the claims. This tool is especially useful for journalists, researchers, and anyone interested in the factuality of information. To stay updated, please subscribe to our newsletter at [our website](https:\u002F\u002Fwww.librai.tech\u002F) or join us on [Discord](https:\u002F\u002Fdiscord.gg\u002FssxtFVbDdT)!\n\n\n## Quick Start\n\n### Clone the repository and navigate to the project directory\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FLibr-AI\u002FOpenFactVerification.git\ncd OpenFactVerification\n```\n\n### Installation with poetry (option 1)\n1. Install Poetry by following it [installation guideline](https:\u002F\u002Fpython-poetry.org\u002Fdocs\u002F).\n2. Install all dependencies by running:\n```bash\npoetry install\n```\n\n### Installation with pip (option 2)\n1. Create a Python environment at version 3.9 or newer and activate it.\n\n2. Navigate to the project directory and install the required packages:\n```bash\npip install -r requirements.txt\n```\n\n### Configure API keys\n\nYou can choose to export essential api key to the environment\n\n- Example: Export essential api key to the environment\n```bash\nexport SERPER_API_KEY=... # this is required in evidence retrieval if serper being used\nexport OPENAI_API_KEY=... # this is required in all tasks\n```\n\nAlternatively, you configure API keys via a YAML file, see [user guide](docs\u002Fuser_guide.md) for more details.\n\nA sample test case:\n\u003Cdiv align=\"center\">\n\t\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FLibr-AI_OpenFactVerification_readme_a2f8312912f1.gif\" alt=\"drawing\" width=\"80%\"\u002F>\n\u003C\u002Fdiv>\n\n## Usage\n\nThe main interface of Loki fact-checker located in `factcheck\u002F__init__.py`, which contains the `check_response` method. This method integrates the complete fact verification pipeline, where each functionality is encapsulated in its class as described in the Features section.\n\n#### Used as a Library\n\n```python\nfrom factcheck import FactCheck\n\nfactcheck_instance = FactCheck()\n\n# Example text\ntext = \"Your text here\"\n\n# Run the fact-check pipeline\nresults = factcheck_instance.check_response(text)\nprint(results)\n```\n\n#### Used as a Web App\n```bash\npython webapp.py --api_config demo_data\u002Fapi_config.yaml\n```\n\n#### Multimodal Usage\n\n```bash\n# String\npython -m factcheck --modal string --input \"MBZUAI is the first AI university in the world\"\n# Text\npython -m factcheck --modal text --input demo_data\u002Ftext.txt\n# Speech\npython -m factcheck --modal speech --input demo_data\u002Fspeech.mp3\n# Image\npython -m factcheck --modal image --input demo_data\u002Fimage.webp\n# Video\npython -m factcheck --modal video --input demo_data\u002Fvideo.m4v\n```\n\n\n#### Customize Your Experience\nFor advanced usage, please see our [user guide](docs\u002Fuser_guide.md).\n\n## [Try Our Online Service](https:\u002F\u002Faip.librai.tech\u002Flogin)\n\n\u003C!-- 💪 **Join Our Journey to Innovation with the Supporter Edition** -->\n\nAs we continue to evolve and enhance our fact-checking solution, we're excited to invite you to become an integral part of our journey. By registering for our Supporter Edition, you're not just unlocking a suite of advanced features and benefits; you're also fueling the future of trustworthy information.\n\n\nBelow is a screenshot of our online service.\n[Click here  to try it now!](https:\u002F\u002Faip.librai.tech\u002Flogin)\n\n\u003Cdiv align=\"center\">\n\t\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FLibr-AI_OpenFactVerification_readme_e766eb8e2fa0.png\" alt=\"drawing\" width=\"80%\"\u002F>\n\u003C\u002Fdiv>\n\n\u003C!--\nYour support enables us to:\n\n🚀 Innovate continuously: Develop new, cutting-edge features that keep you ahead in the fight against misinformation.\n\n💡 Improve and refine: Enhance the user experience, making our app not just powerful, but also a joy to use.\n\n🌱 Grow our community: Invest in the resources and tools our community needs to thrive and expand.\n\n🎁 And as a token of our gratitude, registering now grants you **complimentary token credits**—a little thank you from us to you, for believing in our mission and supporting our growth!\n\n\u003Cdiv align=\"center\">\n\n| Feature                                | Open-Source Edition | Supporter Edition |\n|----------------------------------------|:-------------------:|:------------------:|\n| Trustworthy Verification Results       | ✅                   | ✅                  |\n| Diverse Evidence from the Open Web     | ✅                   | ✅                  |\n| Automated Correction of Misinformation | ✅                   | ✅                  |\n| Privacy and Data Security              | ✅                   | ✅                  |\n| Multimodal Input                       | ✅                   | ✅                  |\n| One-Stop Custom Solution               | ❌                   | ✅                  |\n| Customizable Verification Data Sources | ❌                   | ✅                  |\n| Enhanced User Experience               | ❌                   | ✅                  |\n| Faster Efficiency and Higher Accuracy  | ❌                   | ✅                  |\n\n\u003C\u002Fdiv> -->\n\n\n\n## Contributing to Loki project\n\nWelcome and thank you for your interest in the Loki project! We welcome contributions and feedback from the community. To get started, please refer to our [Contribution Guidelines](https:\u002F\u002Fgithub.com\u002FLibr-AI\u002FOpenFactVerification\u002Ftree\u002Fmain\u002Fdocs\u002FCONTRIBUTING.md).\n\n### Acknowledgments\n- Special thanks to all contributors who have helped in shaping this project.\n\n\u003C!---\nadd slack channel here\n-->\n\n\n### Stay Connected and Informed\n\nDon’t miss out on the latest updates, feature releases, and community insights! We invite you to subscribe to our newsletter and become a part of our growing community.\n\n💌 Subscribe now at [our website](https:\u002F\u002Fwww.librai.tech\u002F)!\n\n\n\n## Star History\n\n> [![Star History Chart](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FLibr-AI_OpenFactVerification_readme_390ecb3e74fb.png)](https:\u002F\u002Fstar-history.com\u002F#Libr-AI\u002FOpenFactVerification&Date)\n\n## Cite as\n```\n@misc{li2024lokiopensourcetoolfact,\n      title={Loki: An Open-Source Tool for Fact Verification}, \n      author={Haonan Li and Xudong Han and Hao Wang and Yuxia Wang and Minghan Wang and Rui Xing and Yilin Geng and Zenan Zhai and Preslav Nakov and Timothy Baldwin},\n      year={2024},\n      eprint={2410.01794},\n      archivePrefix={arXiv},\n      primaryClass={cs.CL},\n      url={https:\u002F\u002Farxiv.org\u002Fabs\u002F2410.01794}, \n}\n```\n","\u003Cdiv align=\"center\">\n  \u003Cbr \u002F>\n    \u003Ca href=\"https:\u002F\u002Fwww.librai.tech\">\n      \u003Cimg alt=\"LibrAI Logo\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FLibr-AI_OpenFactVerification_readme_9eaf5c3113f6.png\" alt=\"LibrAI Logo\" width=\"50%\" height=\"auto\">\n    \u003C\u002Fa>\n  \u003Cbr \u002F>\n\u003C\u002Fdiv>\n\n# Loki：一款开源的事实核查工具\n\n## 概述\nLoki 是我们开发的一款开源解决方案，旨在自动化事实核查流程。它提供了一个完整的流水线，能够将长文本拆解为单个声明，评估这些声明是否值得核查，生成用于证据搜索的查询，抓取相关证据，并最终完成对声明的验证。这款工具尤其适用于记者、研究人员以及所有关注信息真实性的人士。如需获取最新动态，请订阅我们的新闻通讯 [点击这里](https:\u002F\u002Fwww.librai.tech\u002F) 或加入我们的 [Discord 社区](https:\u002F\u002Fdiscord.gg\u002FssxtFVbDdT)！\n\n## 快速入门\n\n### 克隆仓库并进入项目目录\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FLibr-AI\u002FOpenFactVerification.git\ncd OpenFactVerification\n```\n\n### 使用 Poetry 安装（方法一）\n1. 按照 [安装指南](https:\u002F\u002Fpython-poetry.org\u002Fdocs\u002F) 安装 Poetry。\n2. 运行以下命令安装所有依赖：\n```bash\npoetry install\n```\n\n### 使用 pip 安装（方法二）\n1. 创建 Python 3.9 或更高版本的虚拟环境并激活。\n\n2. 进入项目目录，安装所需的包：\n```bash\npip install -r requirements.txt\n```\n\n### 配置 API 密钥\n\n您可以选择将必要的 API 密钥导出到环境变量中：\n\n- 示例：导出必要的 API 密钥到环境变量\n```bash\nexport SERPER_API_KEY=... # 如果使用 Serper 进行证据检索，则需要此密钥\nexport OPENAI_API_KEY=... # 所有任务都需要此密钥\n```\n\n或者，您也可以通过 YAML 文件配置 API 密钥，更多详情请参阅 [用户指南](docs\u002Fuser_guide.md)。\n\n一个示例测试用例：\n\u003Cdiv align=\"center\">\n\t\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FLibr-AI_OpenFactVerification_readme_a2f8312912f1.gif\" alt=\"drawing\" width=\"80%\"\u002F>\n\u003C\u002Fdiv>\n\n## 使用方法\n\nLoki 事实核查工具的主要接口位于 `factcheck\u002F__init__.py` 中，其中包含 `check_response` 方法。该方法集成了完整的事实核查流水线，每个功能模块都封装在其对应的类中，具体说明见“功能特性”部分。\n\n#### 作为库使用\n\n```python\nfrom factcheck import FactCheck\n\nfactcheck_instance = FactCheck()\n\n# 示例文本\ntext = \"您的文本在此\"\n\n# 运行事实核查流水线\nresults = factcheck_instance.check_response(text)\nprint(results)\n```\n\n#### 作为 Web 应用运行\n```bash\npython webapp.py --api_config demo_data\u002Fapi_config.yaml\n```\n\n#### 多模态使用\n\n```bash\n# 文本输入\npython -m factcheck --modal string --input \"MBZUAI 是世界上第一所人工智能大学\"\n# 文本文件输入\npython -m factcheck --modal text --input demo_data\u002Ftext.txt\n# 语音输入\npython -m factcheck --modal speech --input demo_data\u002Fspeech.mp3\n# 图片输入\npython -m factcheck --modal image --input demo_data\u002Fimage.webp\n# 视频输入\npython -m factcheck --modal video --input demo_data\u002Fvideo.m4v\n```\n\n\n#### 自定义体验\n如需高级用法，请参阅我们的 [用户指南](docs\u002Fuser_guide.md)。\n\n## [试用我们的在线服务](https:\u002F\u002Faip.librai.tech\u002Flogin)\n\n\u003C!-- 💪 **加入我们的创新之旅，成为支持者版用户** -->\n\n随着我们不断迭代和完善事实核查解决方案，我们诚挚邀请您成为我们旅程中不可或缺的一部分。注册支持者版不仅能让您解锁一系列高级功能与权益，还能助力我们打造更加可信的信息生态。\n\n以下是我们的在线服务截图。\n[立即点击试用！](https:\u002F\u002Faip.librai.tech\u002Flogin)\n\n\u003Cdiv align=\"center\">\n\t\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FLibr-AI_OpenFactVerification_readme_e766eb8e2fa0.png\" alt=\"drawing\" width=\"80%\"\u002F>\n\u003C\u002Fdiv>\n\n\u003C!--\n您的支持将帮助我们实现以下目标：\n\n🚀 持续创新：开发前沿的新功能，让您在对抗虚假信息的斗争中始终领先一步。\n💡 不断优化：提升用户体验，让我们的应用不仅强大，而且易于使用。\n🌱 扩展社区：投入资源和工具，支持社区的成长与壮大。\n🎁 作为感谢，现在注册即可获得 **免费的令牌积分**——这是我们对您信任和支持的小小回馈！\n\n\u003Cdiv align=\"center\">\n\n| 功能                                | 开源版 | 支持者版 |\n|----------------------------------------|:-------------------:|:------------------:|\n| 可信的核查结果       | ✅                   | ✅                  |\n| 来自开放网络的多样化证据     | ✅                   | ✅                  |\n| 自动化纠正错误信息 | ✅                   | ✅                  |\n| 隐私与数据安全              | ✅                   | ✅                  |\n| 多模态输入                       | ✅                   | ✅                  |\n| 一站式定制解决方案               | ❌                   | ✅                  |\n| 可自定义的核查数据源 | ❌                   | ✅                  |\n| 更优的用户体验               | ❌                   | ✅                  |\n| 更快的效率与更高的准确率  | ❌                   | ✅                  |\n\n\u003C\u002Fdiv> -->\n\n\n\n## 贡献 Loki 项目\n\n欢迎并对您对 Loki 项目的兴趣表示感谢！我们热烈欢迎社区的贡献与反馈。如需开始参与，请参考我们的 [贡献指南](https:\u002F\u002Fgithub.com\u002FLibr-AI\u002FOpenFactVerification\u002Ftree\u002Fmain\u002Fdocs\u002FCONTRIBUTING.md)。\n\n### 致谢\n- 特别感谢所有为该项目做出贡献的伙伴们。\n\n\u003C!---\n添加 Slack 频道链接\n-->\n\n\n### 保持联系，了解最新动态\n\n不要错过我们的最新更新、功能发布和社区洞察！诚邀您订阅我们的新闻通讯，加入我们不断壮大的社区。\n\n💌 现在就访问 [我们的官网](https:\u002F\u002Fwww.librai.tech\u002F) 订阅吧！\n\n## 星标历史\n\n> [![星标历史图表](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FLibr-AI_OpenFactVerification_readme_390ecb3e74fb.png)](https:\u002F\u002Fstar-history.com\u002F#Libr-AI\u002FOpenFactVerification&Date)\n\n## 引用方式\n```\n@misc{li2024lokiopensourcetoolfact,\n      title={Loki：一款开源的事实核查工具}, \n      author={Haonan Li 和 Xudong Han 和 Hao Wang 和 Yuxia Wang 和 Minghan Wang 和 Rui Xing 和 Yilin Geng 和 Zenan Zhai 和 Preslav Nakov 和 Timothy Baldwin},\n      year={2024},\n      eprint={2410.01794},\n      archivePrefix={arXiv},\n      primaryClass={cs.CL},\n      url={https:\u002F\u002Farxiv.org\u002Fabs\u002F2410.01794}, \n}\n```","# OpenFactVerification (Loki) 快速上手指南\n\nLoki 是一款开源的事实核查自动化工具，能够将长文本拆解为独立主张，自动搜索证据并验证其真实性。适用于记者、研究人员及关注信息真实性的开发者。\n\n## 环境准备\n\n- **操作系统**：Linux \u002F macOS \u002F Windows\n- **Python 版本**：3.9 或更高版本\n- **依赖管理工具**（任选其一）：\n  - [Poetry](https:\u002F\u002Fpython-poetry.org\u002Fdocs\u002F)（推荐）\n  - pip\n- **API Keys**：\n  - `OPENAI_API_KEY`：所有任务必需\n  - `SERPER_API_KEY`：若使用 Serper 进行证据检索则必需\n\n## 安装步骤\n\n### 1. 克隆项目\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FLibr-AI\u002FOpenFactVerification.git\ncd OpenFactVerification\n```\n\n### 2. 安装依赖\n\n#### 方式一：使用 Poetry（推荐）\n```bash\n# 确保已安装 Poetry\npoetry install\n```\n\n#### 方式二：使用 pip\n```bash\n# 创建并激活 Python 3.9+ 虚拟环境\npython -m venv venv\nsource venv\u002Fbin\u002Factivate  # Windows: venv\\Scripts\\activate\n\n# 安装依赖\npip install -r requirements.txt\n```\n\n### 3. 配置 API Key\n\n**方法 A：环境变量（推荐用于快速测试）**\n```bash\nexport OPENAI_API_KEY=\"your_openai_key\"\nexport SERPER_API_KEY=\"your_serper_key\"\n```\n\n**方法 B：YAML 配置文件**\n详见 [用户指南](docs\u002Fuser_guide.md)，通过 `api_config.yaml` 统一管理密钥。\n\n## 基本使用\n\n### 作为 Python 库调用\n\n这是最基础的用法，直接对文本进行事实核查：\n\n```python\nfrom factcheck import FactCheck\n\n# 初始化实例\nfactcheck_instance = FactCheck()\n\n# 待核查文本\ntext = \"MBZUAI is the first AI university in the world\"\n\n# 运行核查流程\nresults = factcheck_instance.check_response(text)\nprint(results)\n```\n\n### 命令行多模态测试\n\n支持字符串、文本文件、语音、图片和视频输入：\n\n```bash\n# 字符串输入\npython -m factcheck --modal string --input \"MBZUAI is the first AI university in the world\"\n\n# 文本文件\npython -m factcheck --modal text --input demo_data\u002Ftext.txt\n\n# 语音文件\npython -m factcheck --modal speech --input demo_data\u002Fspeech.mp3\n\n# 图片文件\npython -m factcheck --modal image --input demo_data\u002Fimage.webp\n\n# 视频文件\npython -m factcheck --modal video --input demo_data\u002Fvideo.m4v\n```\n\n### 启动 Web 应用\n\n```bash\npython webapp.py --api_config demo_data\u002Fapi_config.yaml\n```","某科技新闻编辑在截稿前急需核实一篇关于\"MBZUAI 是全球首所人工智能大学”的深度报道中引用的多个关键数据与声明。\n\n### 没有 OpenFactVerification 时\n- **人工拆解耗时**：编辑需手动通读全文，逐句摘录潜在事实点，极易遗漏隐含的错误主张。\n- **检索效率低下**：针对每个疑点需单独构造搜索关键词，在多个搜索引擎间反复切换查找证据。\n- **多模态处理困难**：若报道包含采访录音或现场视频，无法直接验证其中的语音或画面信息，只能依赖人工听写转述。\n- **主观判断风险**：缺乏统一的自动化评估标准，事实核查结果高度依赖编辑个人经验，容易产生偏差。\n\n### 使用 OpenFactVerification 后\n- **自动 claim 提取**：OpenFactVerification 能自动将长文本拆解为独立的可验证主张，并智能筛选出值得核查的重点。\n- **一站式证据链**：工具自动生成搜索查询、爬取网络证据并进行比对，几分钟内即可输出带来源的核查报告。\n- **全格式支持**：直接上传采访录音（.mp3）或现场视频（.m4v），OpenFactVerification 即可对多模态内容进行同步事实核验。\n- **标准化流程**：基于预设的自动化流水线，确保每一条结论都有据可查，大幅降低人为疏忽导致的失实风险。\n\nOpenFactVerification 将原本需要数小时的人工交叉验证工作压缩至分钟级，为内容创作者构建了高效、客观的事实防火墙。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FLibr-AI_OpenFactVerification_e766eb8e.png","Libr-AI","LibrAI","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FLibr-AI_dc385960.png","",null,"libr_ai","https:\u002F\u002Fwww.librai.tech\u002F","https:\u002F\u002Fgithub.com\u002FLibr-AI",[84,88,92],{"name":85,"color":86,"percentage":87},"Python","#3572A5",80.6,{"name":89,"color":90,"percentage":91},"HTML","#e34c26",18.5,{"name":93,"color":94,"percentage":95},"CSS","#663399",0.9,1142,61,"2026-04-03T18:43:21","MIT","未说明",{"notes":102,"python":103,"dependencies":104},"该工具主要依赖外部 API 服务（如 OpenAI 和 Serper），需配置相应的 API 密钥（OPENAI_API_KEY, SERPER_API_KEY）才能运行证据检索和验证任务。支持多种输入模态（文本、语音、图像、视频）。可通过 Poetry 或 pip 安装依赖，也可通过 YAML 文件配置 API 密钥。","3.9+",[105,106,107],"poetry (可选)","pip","requirements.txt 中定义的依赖包",[15,13,14],[110,111,112],"ai","factuality","hallucination","2026-03-27T02:49:30.150509","2026-04-06T05:15:07.903416",[116,121,126,131,136,141],{"id":117,"question_zh":118,"answer_zh":119,"source_url":120},14757,"如何配置项目以使用自托管的 OpenAI 兼容端点（如本地 LLM）？","可以通过设置环境变量来指定本地 API URL 和模型名称。注意：`LOCAL_API_URL` 必须以斜杠 `\u002F` 结尾，否则可能无法正常工作。此外，为了支持较慢的本地调用，建议在 `local_openai_client.py` 中进行以下调整：将 `max_requests_per_minute` 设置为 2（用于流量控制），并将 `timeout` 设置为 90 秒。示例配置片段：\n```\nmodel=self.model,\nmessages=messages,\ntimeout=90,\n```","https:\u002F\u002Fgithub.com\u002FLibr-AI\u002FOpenFactVerification\u002Fissues\u002F3",{"id":122,"question_zh":123,"answer_zh":124,"source_url":125},14758,"使用 Llama3 等非官方支持模型时出现 'Resource punkt not found' 或 JSON 解析错误怎么办？","这通常不是因为缺少 NLTK 资源，而是因为模型返回的格式不符合要求（必须是可加载的 JSON 字符串）。大多数非微调模型默认不具备此能力。解决方法是：您需要为自定义模型编写一个后处理函数（post-process function），强制其输出符合要求的 JSON 格式。具体开发指南请参考：https:\u002F\u002Fgithub.com\u002FLibr-AI\u002FOpenFactVerification\u002Fblob\u002Fdev\u002Fdocs\u002Fdevelopment_guide.md#new-llm-support","https:\u002F\u002Fgithub.com\u002FLibr-AI\u002FOpenFactVerification\u002Fissues\u002F14",{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},14759,"Serper API 密钥无效或证据检索失败时如何调试？","可以使用项目提供的样本函数单独测试 Serper 连接。运行以下命令（替换为您的真实密钥）：\n```bash\npython -m factcheck.core.Retriever.SerperEvidenceRetrieve --serper_api_key YOUR_SERPER_KEY\n```\n如果命令执行后能看到搜索结果，说明密钥有效；如果仍然报错，请尝试前往 https:\u002F\u002Fserper.dev\u002F 获取新的 API 密钥。","https:\u002F\u002Fgithub.com\u002FLibr-AI\u002FOpenFactVerification\u002Fissues\u002F10",{"id":132,"question_zh":133,"answer_zh":134,"source_url":135},14760,"如何在 Python API 中获取事实检查过程消耗的 Token 数量？","该功能已在 v0.0.3 版本中添加。您可以直接访问返回结果中的 token 统计信息。示例代码如下：\n```python\nfrom factcheck import FactCheck\nresults = FactCheck().check_response(\"The sky is green\")\nprint(results[\"token_count\"])\n```\n输出将包含提示词和完成部分的详细 Token 数据，例如：`{'num_raw_tokens': 4, 'num_checkworthy_tokens': 5, 'total_prompt_tokens': 1748, 'total_completion_tokens': 231}`。","https:\u002F\u002Fgithub.com\u002FLibr-AI\u002FOpenFactVerification\u002Fissues\u002F12",{"id":137,"question_zh":138,"answer_zh":139,"source_url":140},14761,"该项目与 Google 和 Stanford 发表的 'LONG-FORM FACTUALITY' 论文有什么关系？","两者确实非常相似，但这并非巧合。本项目的基础论文《Factcheck-GPT》早在五个月前（2023 年 11 月）就已发布（arXiv:2311.09000），可能未被对方团队注意到。相比之下，本开源项目在初始版本基础上重点优化了效率，实现了在不降低准确率的前提下，检查速度提升 10 倍。","https:\u002F\u002Fgithub.com\u002FLibr-AI\u002FOpenFactVerification\u002Fissues\u002F9",{"id":142,"question_zh":143,"answer_zh":144,"source_url":145},14762,"运行过程中遇到 'AttributeError: NoneType object has no attribute get' 错误是什么原因？","该错误通常发生在证据检索阶段（SerperEvidenceRetrieve.py），原因是 Serper API 返回的结果为 `None` 或格式异常，导致代码尝试从空对象中获取 `searchParameters` 时失败。这通常意味着 API 密钥无效、配额用尽或网络请求未正确返回数据。建议优先参考 Serper 调试步骤（见相关 FAQ）验证 API 连通性，并检查网络连接状态。","https:\u002F\u002Fgithub.com\u002FLibr-AI\u002FOpenFactVerification\u002Fissues\u002F6",[147,152],{"id":148,"version":149,"summary_zh":150,"released_at":151},81631,"v0.0.2","### 新特性\n1. **API密钥管理**：从通过复制方式创建密钥文件，改为从YAML文件中动态读取所有API密钥，简化了配置流程。\n2. **统一配置字典**：用符合环境变量命名规范的统一字典替换了各平台专用的字典，提升了代码的一致性和可维护性。\n3. **模型切换**：新增`--model`参数，可在不同模型间切换，目前支持OpenAI和Anthropic。\n4. **模块化架构**：将代码库重构为一个基类文件和每个模型对应的独立类文件，增强了模块化程度和代码清晰度。\n5. **基类重定义**：重新定义了基类，用于抽象异步操作及其他功能。用户在自定义模型时，只需覆盖三个方法即可。\n6. **提示词切换**：新增`--prompt`参数，用于在预定义提示词之间切换，初期支持OpenAI和Anthropic的提示词。\n7. **YAML和JSON格式提示词定义**：支持使用YAML和JSON定义提示词，当`--prompt`参数以`.yaml`或`.json`结尾时，系统会自动从相应的文件中读取提示词。\n8. **搜索引擎切换**：新增`--retriever`参数，可在不同搜索引擎间切换，目前支持Serper和Google。\n9. **Web应用前端优化**：优化了Web应用前端，防止处理过程中出现重复请求，包括点击提交按钮后禁用按钮，并在处理期间显示倒计时。\n10. **客户端切换**：新增`--client`参数，可在不同客户端（聊天API）之间切换，目前支持与OpenAI兼容的API（适用于本地模型和官方模型）以及Anthropic聊天API客户端。\n\n### 文档\n- 初始化文档","2024-04-21T13:39:51",{"id":153,"version":154,"summary_zh":79,"released_at":155},81632,"v0.0.1","2024-04-06T08:31:05"]