[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-MrNothing--AI-Blocks":3,"tool-MrNothing--AI-Blocks":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":78,"owner_location":79,"owner_email":80,"owner_twitter":78,"owner_website":81,"owner_url":82,"languages":83,"stars":104,"forks":105,"last_commit_at":106,"license":107,"difficulty_score":23,"env_os":108,"env_gpu":109,"env_ram":109,"env_deps":110,"category_tags":115,"github_topics":116,"view_count":23,"oss_zip_url":78,"oss_zip_packed_at":78,"status":16,"created_at":125,"updated_at":126,"faqs":127,"releases":163},3913,"MrNothing\u002FAI-Blocks","AI-Blocks","A powerful and intuitive WYSIWYG interface that allows anyone to create Machine Learning models!","AI-Blocks 是一款功能强大且直观的可视化机器学习建模工具，旨在让任何人无需编写复杂代码即可构建自己的 AI 模型。它通过“所见即所得”的交互界面，将抽象的算法逻辑转化为可拖拽的场景对象，用户只需像搭积木一样组合带有脚本的功能模块，就能轻松完成模型设计。\n\n这一工具有效降低了机器学习的入门门槛，解决了传统开发中环境配置繁琐、代码调试困难以及非专业人士难以上手等痛点。用户既可以在编辑器内直接运行测试，也能将成果一键导出为基于 TensorFlow 的独立脚本，实现从原型到部署的无缝衔接。其独特的变量解析机制允许用户在属性面板中直接调整 Python 脚本中的参数，极大地提升了实验迭代效率。\n\nAI-Blocks 非常适合希望快速验证想法的研究人员、想要探索 AI 应用的设计师，以及缺乏深厚编程背景但渴望学习机器学习的普通用户。对于资深开发者而言，它也是一个高效的原型设计辅助工具。只要安装好 Python 和 TensorFlow 环境，点击“播放”按钮，即可见证创意转化为智能模型的过程。","# ![AI-Blocks](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMrNothing_AI-Blocks_readme_3e0e1fd7f85b.png)\nA powerful and intuitive WYSIWYG interface that allows anyone to create Machine Learning models!\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMrNothing_AI-Blocks_readme_b0a354aae080.png\" width=\"800\">\n\nThe concept of AI-Blocs is to have a simple scene with draggable objects that have scripts attached to them. The model can be run directly on the editor or be exported to a standalone script that runs on Tensorflow. \n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMrNothing_AI-Blocks_readme_6c5d44e2eb92.png\" width=\"500\">\n\nVariables are parsed from python scripts and can be edited from the AI-Blocs properties panel.\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMrNothing_AI-Blocks_readme_9a3da95384a9.png\" width=\"500\">\n\n### Install\n\nThe project requires python (https:\u002F\u002Fwww.python.org\u002F) and tensorflow (https:\u002F\u002Fwww.tensorflow.org\u002F) to run projects. You can still create and edit projects without these dependencies.\n\nTo run AI-Blocs, download the project archive and launch AI-Blocs.exe.\n\nTo run your model simply press the \"Play\" button and let the magic happen! \n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMrNothing_AI-Blocks_readme_6e57dc1227e6.png\">\n\n### Download\n\nAll releases can be found here: https:\u002F\u002Fgithub.com\u002FMrNothing\u002FAI-Blocks\u002Freleases\u002F\n\n### Build and Run\n\nFirst type:\n```npm install```\n  \nTo run the project from the sources:\n```npm run test```\n  \nTo build the project from the sources:\n```npm run pack```\n\n### Documentation\n\nDocumentation and video tutorials can be found on the website: https:\u002F\u002Fmrnothing.github.io\u002FAI-Blocks\u002Findex.html\n\n### License\n\nThe program is distributed under the following license: https:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc\u002F3.0\u002F\n\n","# ![AI-Blocks](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMrNothing_AI-Blocks_readme_3e0e1fd7f85b.png)\n一个功能强大且直观的所见即所得界面，让任何人都能创建机器学习模型！\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMrNothing_AI-Blocks_readme_b0a354aae080.png\" width=\"800\">\n\nAI-Blocs 的理念是提供一个简单的场景，其中包含可拖拽的对象，并且这些对象都附加了脚本。模型可以直接在编辑器中运行，也可以导出为独立的 TensorFlow 脚本。\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMrNothing_AI-Blocks_readme_6c5d44e2eb92.png\" width=\"500\">\n\n变量会从 Python 脚本中解析出来，并且可以在 AI-Blocs 的属性面板中进行编辑。\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMrNothing_AI-Blocks_readme_9a3da95384a9.png\" width=\"500\">\n\n### 安装\n\n该项目需要 Python（https:\u002F\u002Fwww.python.org\u002F）和 TensorFlow（https:\u002F\u002Fwww.tensorflow.org\u002F）才能运行项目。不过，即使没有这些依赖项，您仍然可以创建和编辑项目。\n\n要运行 AI-Blocs，请下载项目压缩包并启动 AI-Blocs.exe 文件。\n\n要运行您的模型，只需点击“播放”按钮，剩下的就交给魔法吧！\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMrNothing_AI-Blocks_readme_6e57dc1227e6.png\">\n\n### 下载\n\n所有版本都可以在这里找到：https:\u002F\u002Fgithub.com\u002FMrNothing\u002FAI-Blocks\u002Freleases\u002F\n\n### 构建与运行\n\n首先输入：\n```npm install```\n\n从源代码运行项目：\n```npm run test```\n\n从源代码构建项目：\n```npm run pack```\n\n### 文档\n\n文档和视频教程可以在以下网站找到：https:\u002F\u002Fmrnothing.github.io\u002FAI-Blocks\u002Findex.html\n\n### 许可证\n\n该程序根据以下许可证发布：https:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc\u002F3.0\u002F","# AI-Blocks 快速上手指南\n\nAI-Blocks 是一款功能强大且直观的所见即所得（WYSIWYG）界面工具，旨在让任何人都能轻松创建机器学习模型。它通过拖拽带有脚本的对象来构建场景，支持直接在编辑器中运行模型，或导出为独立的 TensorFlow 脚本。\n\n## 环境准备\n\n在运行项目之前，请确保您的系统满足以下要求：\n\n*   **操作系统**：Windows（推荐使用官方发布的 `.exe` 版本），其他系统可通过源码构建运行。\n*   **核心依赖**：\n    *   **Python**: 必须安装，用于解析脚本变量和运行模型。下载地址：[https:\u002F\u002Fwww.python.org\u002F](https:\u002F\u002Fwww.python.org\u002F)\n        *   *国内加速建议*：如下载缓慢，可使用清华镜像源安装 Python 包。\n    *   **TensorFlow**: 必须安装，用于执行机器学习任务。下载地址：[https:\u002F\u002Fwww.tensorflow.org\u002F](https:\u002F\u002Fwww.tensorflow.org\u002F)\n        *   *国内加速建议*：推荐使用国内镜像安装 TensorFlow：\n          ```bash\n          pip install tensorflow -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n          ```\n*   **构建依赖**（仅当需要从源码编译时）：\n    *   **Node.js & npm**: 用于安装项目依赖和打包。\n\n> **注意**：如果您仅需创建和编辑项目文件，可以暂时不安装 Python 和 TensorFlow；但在点击\"Play\"运行模型或导出脚本前，必须完成上述依赖的安装。\n\n## 安装步骤\n\n您可以根据需求选择直接使用发布版或从源码构建。\n\n### 方式一：使用预编译版本（推荐 Windows 用户）\n\n1.  访问官方发布页面下载最新安装包：[https:\u002F\u002Fgithub.com\u002FMrNothing\u002FAI-Blocks\u002Freleases\u002F](https:\u002F\u002Fgithub.com\u002FMrNothing\u002FAI-Blocks\u002Freleases\u002F)\n2.  解压下载的压缩包。\n3.  双击运行 `AI-Blocs.exe` 启动程序。\n\n### 方式二：从源码构建与运行\n\n如果您需要修改源码或在非 Windows 环境下运行，请按以下步骤操作：\n\n1.  克隆或下载本项目源代码。\n2.  打开终端（Terminal\u002FCMD），进入项目根目录。\n3.  安装项目依赖：\n    ```bash\n    npm install\n    ```\n4.  **测试运行**（直接从源码启动）：\n    ```bash\n    npm run test\n    ```\n5.  **构建打包**（生成独立应用）：\n    ```bash\n    npm run pack\n    ```\n\n## 基本使用\n\n以下是创建一个简单模型的最快流程：\n\n1.  **启动程序**：运行 `AI-Blocs.exe` 或通过 `npm run test` 启动编辑器。\n2.  **构建场景**：\n    *   在主界面中，从组件库拖拽对象（Objects）到场景区域。\n    *   每个对象都附带了 Python 脚本。您可以在右侧的 **Properties Panel（属性面板）** 中直接编辑从脚本中解析出的变量。\n3.  **运行模型**：\n    *   点击界面上的 **\"Play\"** 按钮。\n    *   系统将调用本地安装的 TensorFlow 直接运行模型，您可以实时观察结果。\n4.  **导出模型**（可选）：\n    *   完成调试后，可将项目导出为独立的 Python 脚本，以便在其他环境中部署运行。\n\n更多详细文档和视频教程请访问：[https:\u002F\u002Fmrnothing.github.io\u002FAI-Blocks\u002Findex.html](https:\u002F\u002Fmrnothing.github.io\u002FAI-Blocks\u002Findex.html)","一位缺乏深度学习框架经验的教育数据分析师，需要快速构建一个学生成绩预测模型以辅助教学决策。\n\n### 没有 AI-Blocks 时\n- 必须手动编写繁琐的 Python 代码和 TensorFlow 底层逻辑，极易因语法错误导致项目停滞。\n- 调整模型参数（如学习率、层数）需要反复修改脚本并重新运行，无法直观看到变量关系。\n- 难以向非技术背景的教学主管展示模型结构，复杂的代码文件让协作沟通成本极高。\n- 从原型设计到生成可独立运行的脚本周期长，无法及时响应业务端的紧急分析需求。\n\n### 使用 AI-Blocks 后\n- 通过拖拽预置的功能模块即可搭建完整的机器学习流程，无需编写任何底层代码。\n- 直接在属性面板中可视化编辑从 Python 脚本解析出的变量，实时调整参数并立即预览效果。\n- 利用“所见即所得”的场景视图，将抽象的算法逻辑转化为直观的流程图，轻松向团队演示模型思路。\n- 点击\"Play\"按钮即可在编辑器内直接运行验证，并能一键导出为独立的 TensorFlow 脚本投入生产。\n\nAI-Blocks 通过可视化的交互方式打破了代码壁垒，让非专业开发者也能高效、直观地创造并部署机器学习模型。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMrNothing_AI-Blocks_6c5d44e2.png","MrNothing","Boris Musarais","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FMrNothing_ce7234a5.jpg",null,"France","boris1284@gmail.com","https:\u002F\u002Fwww.youtube.com\u002Fuser\u002Fsmilefr21","https:\u002F\u002Fgithub.com\u002FMrNothing",[84,88,92,96,100],{"name":85,"color":86,"percentage":87},"JavaScript","#f1e05a",65.6,{"name":89,"color":90,"percentage":91},"Python","#3572A5",26.4,{"name":93,"color":94,"percentage":95},"HTML","#e34c26",4.2,{"name":97,"color":98,"percentage":99},"CSS","#663399",3.7,{"name":101,"color":102,"percentage":103},"Batchfile","#C1F12E",0.1,1858,219,"2026-04-02T21:55:04","NOASSERTION","Windows","未说明",{"notes":111,"python":112,"dependencies":113},"运行项目需要安装 Python 和 TensorFlow，但仅创建和编辑项目可不安装这些依赖。可通过下载发布包运行 AI-Blocs.exe，或从源码通过 npm 构建和运行。","未说明 (需安装 Python)",[114],"tensorflow",[13],[117,114,118,119,120,121,122,123,124],"ai-blocs","python","machine-learning","wysiwyg","deep-learning","artificial-intelligence","neural-networks","modular","2026-03-27T02:49:30.150509","2026-04-06T05:17:08.399410",[128,133,138,143,148,153,158],{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},17873,"如何在 Mac 或 Linux 上运行 AI-Blocks？","早期版本存在特定于 Mac 的 Electron bug，导致打开文件夹或创建项目时出错。请拉取最新代码以获取修复。对于 Linux 用户，如果预构建版本出现黑屏或无法添加脚本的问题，是因为预构建包中不包含源代码。建议从源代码运行项目，但这需要安装 npm 和 electron 等依赖项。","https:\u002F\u002Fgithub.com\u002FMrNothing\u002FAI-Blocks\u002Fissues\u002F2",{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},17874,"运行项目时遇到 'ImportError: No module named tensorflow' 错误怎么办？","这通常是因为程序通过 cmd.exe 运行，而你的 TensorFlow 安装在隔离的 Conda 环境中，命令行无法识别。请尝试在常规命令行（cmd）中运行 'python -c \"import tensorflow\"' 测试。如果失败，建议使用 pip 全局安装 TensorFlow：\n1. pip install tensorflow\n或针对 GPU 版本：\n2. pip install tensorflow-gpu","https:\u002F\u002Fgithub.com\u002FMrNothing\u002FAI-Blocks\u002Fissues\u002F7",{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},17875,"如何更改 AI-Blocks 使用的 Python 解释器？","目前版本主要使用系统默认的 python.exe。虽然开发者正在开发允许自定义解释器的功能，但在那之前，如果你需要使用特定的环境（如 Anaconda），可能需要修改源代码来指定你的 Python 路径。请参考相关 Issue 讨论以获取临时变通方案。","https:\u002F\u002Fgithub.com\u002FMrNothing\u002FAI-Blocks\u002Fissues\u002F14",{"id":144,"question_zh":145,"answer_zh":146,"source_url":147},17876,"点击脚本编辑图标后窗口闪退，无法编辑脚本怎么办？","编辑脚本图标会调用系统中与 .py 文件关联的默认应用程序。如果窗口闪退，通常是因为未正确设置默认编辑器。\n解决方法：\n1. 在 Windows 上右键点击任意 .py 文件。\n2. 选择“打开方式” (Open with)。\n3. 选择你喜欢的编辑器（如 VS Code, Sublime Text, Notepad++）并设为默认。\n注意：你也可以直接在 AI-Blocks 源代码的 scripts 文件夹中手动修改内置脚本，但这会影响所有使用该脚本的项目。","https:\u002F\u002Fgithub.com\u002FMrNothing\u002FAI-Blocks\u002Fissues\u002F19",{"id":149,"question_zh":150,"answer_zh":151,"source_url":152},17877,"启动应用时出现白屏或黑屏怎么办？","这可能是由于 Electron 版本兼容性或图形渲染问题导致的。\n1. 请尝试下载并运行最新的构建版本（例如 v1.5.3-beta 或更高）。\n2. 如果问题依旧，请检查生成的 error_log.txt 文件内容以获取具体错误信息。\n3. 对于 Mac 用户，如果预构建版本无效，建议尝试从源代码运行项目。","https:\u002F\u002Fgithub.com\u002FMrNothing\u002FAI-Blocks\u002Fissues\u002F10",{"id":154,"question_zh":155,"answer_zh":156,"source_url":157},17878,"如何从源代码构建该项目？","你可以参考项目 README 文件中的构建说明。构建过程需要注意：\n1. 项目中的一些可拖拽组件使用了 jqueryui (https:\u002F\u002Fjqueryui.com\u002F)，确保相关依赖已正确安装。\n2. 需要安装 Node.js 环境以及 npm 和 electron 依赖。\n3. 具体步骤请查看仓库根目录下的 README.md 文件，维护者已在那里添加了简要指令。","https:\u002F\u002Fgithub.com\u002FMrNothing\u002FAI-Blocks\u002Fissues\u002F18",{"id":159,"question_zh":160,"answer_zh":161,"source_url":162},17879,"运行 MNIST 分类器示例时遇到 'TypeError: unbound method InitModel()' 错误如何解决？","该错误通常与 Python 版本或 TensorFlow 版本不兼容有关（例如在使用 Python 2.7.6 和 TensorFlow 1.3.0 时）。此外，如果你使用的是 Linux 预构建版本，由于缺少源代码可能导致此类运行时错误。建议确保使用兼容的 Python\u002FTensorFlow 版本，或者直接从源代码运行项目以避免预构建包的限制。","https:\u002F\u002Fgithub.com\u002FMrNothing\u002FAI-Blocks\u002Fissues\u002F12",[164,169,174,179,184,189,194,199,204,209,214],{"id":165,"version":166,"summary_zh":167,"released_at":168},108157,"v1.5.3-beta","新增：\n\n- 编辑器变量现为动态变量！这意味着您可以在运行时检索它们。要获取某个变量的运行时值，只需在任何脚本中调用 self.GetDynamicValue(\"myVariable\") 即可。\n- 层级面板中的条目现在可以拖拽。您可以通过拖动对象来调整父子关系以及渲染顺序。\n- 现在可以同时编辑多个对象的属性。不过目前尚不支持脚本属性。\n- 您现在可以新建、删除或添加场景。请注意，删除场景并不会删除场景中的对象。\n- 错误现在会记录到 errors_log.txt 文件中，该文件位于 aiblocks.exe 可执行文件的同一目录下。\n- 新增了用于日志记录、绘制图表和查看频谱图的脚本函数。\n\n修复：\n\n- 修复了复制\u002F粘贴一组对象时的 bug。\n- 修复了阻止拖拽对象组的 bug。\n- 修复了卷积相关脚本的 bug。\n\n注意：目前 Mac\u002FLinux 用户需要从源代码运行项目。我会尽快修复构建问题。","2017-12-13T09:50:55",{"id":170,"version":171,"summary_zh":172,"released_at":173},108158,"v1.5.2-beta","新增：\n\n- 现在可以在编辑器中创建新脚本。也可以通过模板创建脚本。更多信息请参见：https:\u002F\u002Fmrnothing.github.io\u002FAI-Blocks\u002Fstart.html#scripts\n- 新的加载界面，取代了加载时的白屏。\n- 为 GAN（生成对抗网络）新增了内置脚本。\n- 新增文本解析辅助函数：请查看 Texthelper 类。\n- 现在可以重命名场景名称。\n- 现在可以通过控制台命令输入向正在运行的场景发送命令（stdin）。\n- 官方网站已上线！其中包含文档和教程：https:\u002F\u002Fmrnothing.github.io\u002FAI-Blocks\u002Findex.html\n\n修复：\n\n- 构建现在使用 electron-builder 生成，使打包文件更轻量且符合标准。\n- Mac 版本现已正常运行，已在 OSX Sierra 10.12 上测试通过。","2017-11-28T17:20:10",{"id":175,"version":176,"summary_zh":177,"released_at":178},108159,"v1.5.1-beta","新增：\n\n- 重新设计了用户界面和整体布局。\n- 在创建新脚本时添加了模板选择界面。\n- 增加了多选功能：按住 Control 键并左键单击即可选择一组对象，这些对象可以被拖动和复制。\n- 场景现在支持缩放。\n- 现在可以调整面板的大小。\n- 添加了 TensorFlow 的 Python 封装，使脚本更易读且便于定制。\n\n修复：\n\n- Linux 版本现已正常运行。\n- 应用程序首次启动时不会再耗费过多时间。\n- 紧急修复：插入按钮现已恢复正常功能。","2017-11-24T13:55:37",{"id":180,"version":181,"summary_zh":182,"released_at":183},108160,"v1.4.2-beta","新增：\n\n- Mac\u002FLinux 支持（本次发布已移除）\n- 新的脚本创建界面\n\n修复：\n\n- 按下删除键时，对象的子对象现在会正确被移除\n- 拖动某个对象时，该对象的子对象也会一同被拖动\n- 有时无法正常渲染的链接现在可以正确显示。","2017-11-20T22:52:36",{"id":185,"version":186,"summary_zh":187,"released_at":188},108161,"v1.4.1-beta","修复：\n\n- 场景不再会卡在拖动模式中\n- 输出面板中的文本现在可以被选中了\n- 小地图的缩放比例从 1\u002F15 调整为 1\u002F20\n- 修改变量类型后，检视器中的显示将正确更新，请参阅 #4","2017-11-19T17:11:58",{"id":190,"version":191,"summary_zh":192,"released_at":193},108162,"v1.4.0-beta","新增：\n\n- 重新设计了项目创建窗口。\n- 现在可以直接克隆示例项目，无需下载。\n- 场景现在可以拖动。\n- 场景的溢出部分现已正确遮罩。\n- 添加了“迷你地图”，以便概览整个场景。\n- 在首页添加了一段新文字。\n- 启动场景时，输出面板现在会自动弹出。\n\n修复：\n\n- 文件和文件夹选择窗口现在会正确地附着到主窗口上。","2017-11-19T14:55:23",{"id":195,"version":196,"summary_zh":197,"released_at":198},108163,"v1.3.4-beta","修复了使用 Python 3.6 和 Pillow 库构建项目时的一个 bug。","2017-11-18T16:48:46",{"id":200,"version":201,"summary_zh":202,"released_at":203},108164,"v1.3.3-beta","新增：\n\n- 数组现在会显示其包含的元素数量。\n\n修复：\n\n- 向已加载的场景中添加对象时，不会再覆盖最后一个对象的 ID，从而避免出现意外行为。","2017-11-18T08:19:08",{"id":205,"version":206,"summary_zh":207,"released_at":208},108165,"v1.0-beta.3.2","特性：\n- 套接字服务器\n- 对选中对象支持 Ctrl+C\u002FCtrl+V 复制粘贴\n- 脚本编辑按钮（也适用于全局脚本）\n- 新的“插入”对象界面\n- 用于搜索对象实例和脚本的搜索栏。\n\n修复：\n- 解决了多个对象共享同一脚本实例的问题\n- 修复了删除按钮不会误删其他项目（对象的子项除外）的问题\n- 从原文件夹移动过的项目现在加载时不会再导致崩溃。","2017-11-16T21:34:29",{"id":210,"version":211,"summary_zh":212,"released_at":213},108166,"v1.0-beta.2","新增：\n- 在 Python（TensorFlow）代码中构建\u002F运行场景。\n- 检查器中支持数组和布尔类型的序列化，也支持对象或文件夹的数组（但不递归）。\n- 新增内部脚本：图像查看器、图表、MNIST 数据加载器、CSV 数据加载器、CIFAR 数据加载器、自编码器。\n- 增加“额外场景”选项卡。\n- 为每个对象添加进度条。\n- 属性面板增加了滚动条。\n\n修复：\n- 创建新项目时，现在会以项目名称创建一个新文件夹。\n- 点击场景中的对象现在可以正确选中该对象。","2017-11-02T14:11:47",{"id":215,"version":216,"summary_zh":217,"released_at":218},108167,"v1.0-beta.1","This version is only for feedback, you can create and edit models, but they will not run.","2017-10-16T12:03:02"]