[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-NarimanN2--ollama-playground":3,"tool-NarimanN2--ollama-playground":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":80,"owner_email":79,"owner_twitter":79,"owner_website":79,"owner_url":81,"languages":82,"stars":87,"forks":88,"last_commit_at":89,"license":90,"difficulty_score":10,"env_os":91,"env_gpu":92,"env_ram":92,"env_deps":93,"category_tags":96,"github_topics":79,"view_count":97,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":98,"updated_at":99,"faqs":100,"releases":106},813,"NarimanN2\u002Follama-playground","ollama-playground","Interesting LLM projects that I created for my YouTube channel using Ollama's open-source models.","ollama-playground 是一个专注于本地大模型应用的开源代码库，由创作者为 YouTube 频道精心打造。它汇集了基于 Ollama 引擎构建的多种实用项目，旨在帮助开发者快速掌握大语言模型的实际落地方法。\n\n面对本地部署 AI 时“有模型无场景”的痛点，ollama-playground 提供了从基础到进阶的完整解决方案。内容涵盖检索增强生成（RAG），支持 PDF 对话与多模态检索；包含各类智能体（Agent）开发，如具备记忆功能的助手、文本转 SQL 代理及多智能体协作系统；此外还涉及语音交互、视频摘要、图像识别等视觉与听觉任务。\n\n该项目采用 MIT 协议开源，代码结构清晰，非常适合希望深入理解 AI 应用架构的开发者、研究人员及技术爱好者。无论是想搭建个人知识库，还是探索多智能体协同工作流，都能在这里找到可运行的参考范例。配合配套的视频教程，用户能更高效地复现项目，将开源模型转化为实际生产力。","# Ollama Projects\n![GitHub License](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002FNarimanN2\u002Follama-playground?style=for-the-badge&link=LICENSE)\n\nThis repository contains the code for the projects I built using Ollama's open-source models for my [YouTube channel](https:\u002F\u002Fwww.youtube.com\u002F@NarimanCodes). Make sure to check out the videos to see how I built them, and also subscribe to the channel for more content like this.\n\n# Projects\n## Retrieval-Augmented Generation (RAG)\n- [Chat with PDFs](\u002Fchat-with-pdf\u002FREADME.md)\n- [Hybrid RAG for PDFs](\u002Fhybrid-retrieval-rag\u002FREADME.md)\n- [Multimodal RAG for PDFs](\u002Fmulti-modal-rag\u002FREADME.md)\n- [Voice RAG](\u002Fvoice-rag\u002FREADME.md)\n\n## Agent Tooling & Protocols\n- [Agent with Memory](\u002Fagent-with-memory\u002FREADME.md)\n- [MCP-Based Agent (GPT-OSS)](\u002Fgpt-oss-agent-with-mcp\u002FREADME.md)\n- [ACP-Based Agents](\u002Facp-agents\u002FREADME.md)\n\n## Practical Agents\n- [Web Scraping Agent](\u002Fai-scraper\u002FREADME.md)\n- [Research Assistant Agent](\u002Fai-researcher\u002FREADME.md)\n- [Text-to-SQL Agent](\u002Ftext-to-sql\u002FREADME.md)\n\n## Multi-Agent Systems\n- [Multi-Agent Researcher (Supervisor Architecture)](\u002Fmulti-agent-researcher\u002FREADME.md)\n- [Multi-Agent Investment Advisor (Swarm Architecture)](\u002Fmulti-agent-investment-advisor\u002FREADME.md)\n\n## Voice\n- [AI Podcast Generator](\u002Fai-podcaster\u002FREADME.md)\n- [Local Voice Assistant](local-voice-agent\u002FREADME.md)\n\n## Vision\n- [Video Summarization Agent](\u002Fvideo-summarization\u002FREADME.md)\n- [OCR Agent](\u002Focr\u002FREADME.md)\n- [Emotion Detection Agent](\u002Femotion-detection\u002FREADME.md)\n- [Object Detection Agent](\u002Fobject-detection\u002FREADME.md)\n- [Image Search Engine](\u002Fimage-search\u002FREADME.md)\n\n# License\nThis project is licensed under the MIT License - see the [LICENSE](LICENSE) file for more details.\n","# Ollama 项目\n![GitHub License](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002FNarimanN2\u002Follama-playground?style=for-the-badge&link=LICENSE)\n\n此仓库包含了我使用 Ollama 的开源模型为我的 [YouTube 频道](https:\u002F\u002Fwww.youtube.com\u002F@NarimanCodes) 构建的项目代码。请务必观看视频以了解我是如何构建它们的，并订阅该频道以获取更多此类内容。\n\n# 项目\n## 检索增强生成 (RAG)\n- [与 PDF 对话](\u002Fchat-with-pdf\u002FREADME.md)\n- [PDF 混合 RAG](\u002Fhybrid-retrieval-rag\u002FREADME.md)\n- [PDF 多模态 RAG](\u002Fmulti-modal-rag\u002FREADME.md)\n- [语音 RAG](\u002Fvoice-rag\u002FREADME.md)\n\n## 智能体工具与协议\n- [带记忆的智能体](\u002Fagent-with-memory\u002FREADME.md)\n- [基于 MCP 的智能体 (GPT-OSS)](\u002Fgpt-oss-agent-with-mcp\u002FREADME.md)\n- [基于 ACP 的智能体](\u002Facp-agents\u002FREADME.md)\n\n## 实用智能体\n- [网页抓取智能体](\u002Fai-scraper\u002FREADME.md)\n- [研究助理智能体](\u002Fai-researcher\u002FREADME.md)\n- [文本转 SQL 智能体](\u002Ftext-to-sql\u002FREADME.md)\n\n## 多智能体系统\n- [多智能体研究员 (监督者架构)](\u002Fmulti-agent-researcher\u002FREADME.md)\n- [多智能体投资顾问 (蜂群架构)](\u002Fmulti-agent-investment-advisor\u002FREADME.md)\n\n## 语音\n- [AI 播客生成器](\u002Fai-podcaster\u002FREADME.md)\n- [本地语音助手](local-voice-agent\u002FREADME.md)\n\n## 视觉\n- [视频摘要智能体](\u002Fvideo-summarization\u002FREADME.md)\n- [OCR 智能体](\u002Focr\u002FREADME.md)\n- [情感检测智能体](\u002Femotion-detection\u002FREADME.md)\n- [目标检测智能体](\u002Fobject-detection\u002FREADME.md)\n- [图像搜索引擎](\u002Fimage-search\u002FREADME.md)\n\n# 许可证\n本项目采用 MIT 许可证授权 - 详见 [LICENSE](LICENSE) 文件了解更多详情。","# Ollama Playground 快速上手指南\n\n本仓库包含了一系列基于 Ollama 开源模型构建的项目示例，涵盖 RAG、Agent、语音及视觉等多种应用场景。以下是快速开始使用的指南。\n\n## 环境准备\n\n在运行本项目之前，请确保您的开发环境满足以下要求：\n\n- **操作系统**：Linux \u002F macOS \u002F Windows\n- **核心依赖**：已安装并运行 [Ollama](https:\u002F\u002Follama.com\u002F) 服务\n- **版本控制**：已安装 Git\n- **其他依赖**：具体项目可能依赖 Python 或 Node.js，请进入对应子目录查看 `README.md` 确认（例如 `requirements.txt` 或 `package.json`）\n\n## 安装步骤\n\n1. **克隆代码库**\n   由于网络原因，国内开发者建议使用镜像加速或代理进行克隆：\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002FNarimanN2\u002Follama-playground.git\n   ```\n\n2. **下载模型**\n   根据您想运行的项目，提前在本地拉取对应的 Ollama 模型（具体模型名称请参考各子项目的说明）：\n   ```bash\n   ollama pull \u003Cmodel_name>\n   ```\n\n## 基本使用\n\n本仓库是一个项目集合，每个功能模块都位于独立的子目录中。\n\n1. **选择项目**\n   进入您感兴趣的子目录，例如 PDF 对话或智能体项目：\n   ```bash\n   cd ollama-playground\u002Fchat-with-pdf\n   # 或者\n   cd ollama-playground\u002Fai-scraper\n   ```\n\n2. **阅读说明**\n   每个子目录内都有详细的 `README.md`，请遵循其中的具体安装和运行指令。\n\n3. **运行示例**\n   通常运行命令如下（以 Python 项目为例）：\n   ```bash\n   python main.py\n   ```\n   或\n   ```bash\n   npm start\n   ```\n\n> **提示**：更多详细教程和演示视频可参考作者 YouTube 频道 [@NarimanCodes]。","某金融科技公司的数据分析师需要快速搭建一个本地化的内部知识库系统，专门用于处理高度敏感的内部季度财报 PDF 文件。\n\n### 没有 ollama-playground 时\n- 从零编写检索增强生成（RAG）逻辑耗时漫长，且容易出现向量匹配错误。\n- 担心将敏感财务数据上传至云端大模型 API 导致商业机密泄露风险。\n- 缺乏现成的多模态支持，无法实现研究员通过语音指令快速检索文档的功能。\n- 需要自行调试复杂的 Agent 记忆与工具调用协议，普通开发者难以上手。\n\n### 使用 ollama-playground 后\n- 直接复用 Chat with PDFs 项目代码，仅需少量配置即可在一周内完成核心功能部署。\n- 基于 Ollama 本地运行开源模型，确保所有数据处理都在内网闭环，彻底消除隐私顾虑。\n- 集成 Voice RAG 模块，允许研究员通过语音指令快速检索报告摘要，提升交互效率。\n- 利用内置的 Agent 架构示例，轻松扩展出自动总结与 Text-to-SQL 查询能力，无需重复造轮子。\n\nollama-playground 提供了开箱即用的本地化 AI 解决方案，大幅降低了私有化部署的技术门槛并加速了业务落地。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FNarimanN2_ollama-playground_4fec0187.png","NarimanN2","Nariman Esmaiely fard","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FNarimanN2_8c26c0c3.jpg","Programmer, book lover and a huge Arsenal fan!",null,"Tehran","https:\u002F\u002Fgithub.com\u002FNarimanN2",[83],{"name":84,"color":85,"percentage":86},"Python","#3572A5",100,510,175,"2026-03-31T10:34:12","MIT","","未说明",{"notes":94,"python":92,"dependencies":95},"根目录 README 仅列出了基于 Ollama 开源模型构建的项目分类（如 RAG、Agent、Voice 等），未包含具体的系统环境配置。所有子项目（如 \u002Fchat-with-pdf\u002F, \u002Fagent-with-memory\u002F 等）的具体依赖和硬件要求需参考各自独立的 README 文档。",[],[26,15,13,14,55,52],4,"2026-03-27T02:49:30.150509","2026-04-06T05:44:33.645848",[101],{"id":102,"question_zh":103,"answer_zh":104,"source_url":105},3513,"运行 PDF 聊天功能时遇到 FileNotFoundError 错误怎么办？","该错误通常是由于运行脚本的当前工作目录设置不当导致的。脚本通过相对路径拼接文件目录（`pdfs_directory + file.name`），如果在 `chat-with-pdf` 子目录内直接运行，会导致路径查找失败。请在项目根目录（即 `chat-with-pdf` 的上一级目录）执行以下命令启动：\n\n`streamlit run chat-with-pdf\u002Fpdf_rag.py`\n\n执行此命令后，文件上传功能将恢复正常。","https:\u002F\u002Fgithub.com\u002FNarimanN2\u002Follama-playground\u002Fissues\u002F2",[]]