[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-Nutlope--llama-ocr":3,"tool-Nutlope--llama-ocr":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",160784,2,"2026-04-19T11:32:54",[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。",109154,"2026-04-18T11:18:24",[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":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":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":77,"owner_email":78,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":87,"forks":88,"last_commit_at":89,"license":76,"difficulty_score":32,"env_os":90,"env_gpu":91,"env_ram":90,"env_deps":92,"category_tags":98,"github_topics":76,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":100,"updated_at":101,"faqs":102,"releases":113},9747,"Nutlope\u002Fllama-ocr","llama-ocr","Document to Markdown OCR library with Llama 3.2 vision","llama-ocr 是一款基于 Llama 3.2 视觉模型的开源库，专为开发者设计，旨在将图片文档高效转换为格式清晰的 Markdown 文本。它解决了传统 OCR 工具在识别复杂排版、表格或手写内容时精度不足，且输出结果难以直接用于编辑的痛点。通过调用 Together AI 提供的免费或付费接口，llama-ocr 能够智能解析图像内容，保留原文档的结构逻辑，让机器读取的图片瞬间变为可编辑的代码或笔记。\n\n这款工具特别适合前端工程师、数据分析师及需要处理大量文档数字化的技术团队使用。其核心亮点在于灵活性与低成本：默认配置即可免费使用 Llama-3.2-90B-Vision 模型进行高精度识别，同时也支持切换至 11B 版本或付费通道以平衡速度与并发需求。目前，llama-ocr 已完美支持本地及远程图片处理，并计划在未来扩展对多页 PDF 及 JSON 格式输出的支持。对于希望快速集成高质量文档解析功能，又不想自建庞大视觉模型的开发项目而言，llama-ocr 提供了一个轻量且强大的解决方案。","\u003Cdiv align=\"center\">\n  \u003Cdiv>\n    \u003Ch1 align=\"center\">Llama OCR\u003C\u002Fh1>\n  \u003C\u002Fdiv>\n\t\u003Cp>An npm library to run OCR for free with Llama 3.2 Vision.\u003C\u002Fp>\n\n\u003Ca href=\"https:\u002F\u002Fwww.npmjs.com\u002Fpackage\u002Fllama-ocr\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fnpm\u002Fv\u002Fllama-ocr\" alt=\"Current version\">\u003C\u002Fa>\n\n\u003C\u002Fdiv>\n\n---\n\n## Installation\n\n`npm i llama-ocr`\n\n## Usage\n\n```js\nimport { ocr } from \"llama-ocr\";\n\nconst markdown = await ocr({\n  filePath: \".\u002Ftrader-joes-receipt.jpg\", \u002F\u002F path to your image (soon PDF!)\n  apiKey: process.env.TOGETHER_API_KEY, \u002F\u002F Together AI API key\n});\n```\n## Hosted Demo\n\nWe have a hosted demo at [LlamaOCR.com](https:\u002F\u002Fllamaocr.com\u002F) where you can try it out!\n\n## How it works\n\nThis library uses the free Llama 3.2 endpoint from [Together AI](https:\u002F\u002Ftogetherai.link\u002F) to parse images and return markdown. Paid endpoints for Llama 3.2 11B and Llama 3.2 90B are also available for faster performance and higher rate limits.\n\nYou can control this with the `model` option which is set to `Llama-3.2-90B-Vision` by default but can also accept `free` or `Llama-3.2-11B-Vision`.\n\n## Roadmap\n\n- [x] Add support for local images OCR\n- [x] Add support for remote images OCR\n- [ ] Add support for single page PDFs\n- [ ] Add support for multi-page PDFs OCR (take screenshots of PDF & feed to vision model)\n- [ ] Add support for JSON output in addition to markdown\n\n## Credit\n\nThis project was inspired by [Zerox](https:\u002F\u002Fgithub.com\u002Fgetomni-ai\u002Fzerox). Go check them out!\n","\u003Cdiv align=\"center\">\n  \u003Cdiv>\n    \u003Ch1 align=\"center\">Llama OCR\u003C\u002Fh1>\n  \u003C\u002Fdiv>\n\t\u003Cp>一个基于 Llama 3.2 Vision 的免费 OCR npm 库。\u003C\u002Fp>\n\n\u003Ca href=\"https:\u002F\u002Fwww.npmjs.com\u002Fpackage\u002Fllama-ocr\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fnpm\u002Fv\u002Fllama-ocr\" alt=\"当前版本\">\u003C\u002Fa>\n\n\u003C\u002Fdiv>\n\n---\n\n## 安装\n\n`npm i llama-ocr`\n\n## 使用\n\n```js\nimport { ocr } from \"llama-ocr\";\n\nconst markdown = await ocr({\n  filePath: \".\u002Ftrader-joes-receipt.jpg\", \u002F\u002F 您图片的路径（不久将支持 PDF！）\n  apiKey: process.env.TOGETHER_API_KEY, \u002F\u002F Together AI 的 API 密钥\n});\n```\n## 托管演示\n\n我们在 [LlamaOCR.com](https:\u002F\u002Fllamaocr.com\u002F) 上提供了一个托管演示，您可以在这里试用！\n\n## 工作原理\n\n该库使用 [Together AI](https:\u002F\u002Ftogetherai.link\u002F) 提供的免费 Llama 3.2 端点来解析图像并返回 Markdown 格式。同时，还提供了 Llama 3.2 11B 和 Llama 3.2 90B 的付费端点，以获得更快的性能和更高的速率限制。\n\n您可以通过 `model` 选项来控制使用的模型，默认设置为 `Llama-3.2-90B-Vision`，但也支持 `free` 或 `Llama-3.2-11B-Vision`。\n\n## 路线图\n\n- [x] 添加对本地图片 OCR 的支持\n- [x] 添加对远程图片 OCR 的支持\n- [ ] 添加对单页 PDF 的支持\n- [ ] 添加对多页 PDF OCR 的支持（对 PDF 进行截图后输入视觉模型）\n- [ ] 在 Markdown 之外添加对 JSON 输出的支持\n\n## 致谢\n\n该项目受到 [Zerox](https:\u002F\u002Fgithub.com\u002Fgetomni-ai\u002Fzerox) 的启发。快去看看吧！","# Llama OCR 快速上手指南\n\nLlama OCR 是一个基于 Llama 3.2 Vision 模型的 npm 库，可免费将图片转换为 Markdown 文本。\n\n## 环境准备\n\n- **运行时环境**：Node.js (推荐 v18 或更高版本)\n- **依赖项**：无特殊系统依赖，需具备网络连接以调用 Together AI 接口\n- **API Key**：需要 [Together AI](https:\u002F\u002Ftogetherai.link\u002F) 的 API Key（注册后可获取免费额度）\n\n## 安装步骤\n\n使用 npm 安装：\n\n```bash\nnpm i llama-ocr\n```\n\n> **提示**：国内开发者若遇到下载缓慢问题，可配置淘宝镜像源加速：\n> ```bash\n> npm config set registry https:\u002F\u002Fregistry.npmmirror.com\n> npm i llama-ocr\n> ```\n\n## 基本使用\n\n以下是最简单的使用示例，将本地图片转换为 Markdown 格式：\n\n```js\nimport { ocr } from \"llama-ocr\";\n\nconst markdown = await ocr({\n  filePath: \".\u002Ftrader-joes-receipt.jpg\", \u002F\u002F 替换为你的图片路径\n  apiKey: process.env.TOGETHER_API_KEY, \u002F\u002F 填入你的 Together AI API Key\n});\n\nconsole.log(markdown);\n```\n\n**参数说明：**\n- `filePath`：本地图片文件的路径（目前支持图片，PDF 支持正在开发中）。\n- `apiKey`：你的 Together AI 密钥，建议通过环境变量管理。\n- `model`（可选）：默认使用 `Llama-3.2-90B-Vision`。如需使用免费端点，可设置为 `free` 或 `Llama-3.2-11B-Vision`。","一位电商运营分析师需要每天从数百张供应商的手写发货单和模糊收据图片中提取商品明细，以便录入系统进行库存对账。\n\n### 没有 llama-ocr 时\n- 传统 OCR 引擎对模糊、倾斜或手写字体识别率极低，导致大量数据错乱，人工复核耗时极长。\n- 提取出的文本往往是毫无结构的纯字符串，开发人员需编写复杂的正则表达式才能勉强拆分出商品名和价格。\n- 遇到格式多变的单据时，必须为每种版式单独训练模型或调整规则，维护成本高昂且难以扩展。\n- 商业级高精度 OCR 服务按页收费，处理海量历史图片数据时预算迅速超支。\n\n### 使用 llama-ocr 后\n- 借助 Llama 3.2 Vision 的强大视觉理解力，即使面对褶皱、手写或低分辨率的图片，也能精准还原文字内容。\n- 直接输出结构清晰的 Markdown 格式，商品列表、单价和总额自动分行对齐，无需额外编写解析代码即可入库。\n- 利用大模型的泛化能力，一套代码即可通用于收据、发票、合同等多种单据场景，不再受限于固定版式。\n- 通过 Together AI 的免费端点即可运行高精度识别，大幅降低了大规模文档数字化的资金门槛。\n\nllama-ocr 将非结构化图片瞬间转化为可编辑的结构化数据，让文档处理流程从“人工修补”升级为“自动化直达”。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FNutlope_llama-ocr_dbfbd809.png","Nutlope","Hassan El Mghari","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FNutlope_668db796.jpg","Building.",null,"New York City, NY","hassan4709@gmail.com","nutlope","http:\u002F\u002Fnutlope.com","https:\u002F\u002Fgithub.com\u002FNutlope",[83],{"name":84,"color":85,"percentage":86},"TypeScript","#3178c6",100,2428,236,"2026-04-18T11:20:27","未说明","无需本地 GPU（基于 Together AI 云端 API 运行）",{"notes":93,"python":94,"dependencies":95},"该工具是一个 Node.js (npm) 库，而非 Python 包。它不需要本地安装深度学习框架或下载模型文件，而是通过调用 Together AI 的云端 API（使用 Llama 3.2 Vision 模型）来处理 OCR 任务。用户必须配置有效的 Together AI API 密钥才能运行。默认使用免费的 Llama-3.2-90B-Vision 端点，也支持切换到付费的 11B 或 90B 端点以获得更高性能。","不适用",[96,97],"nodejs","npm",[35,15,99],"其他","2026-03-27T02:49:30.150509","2026-04-20T04:06:11.544691",[103,108],{"id":104,"question_zh":105,"answer_zh":106,"source_url":107},43774,"在哪里可以找到微调后的模型权重和架构？","该项目并未使用任何微调模型，而是直接调用标准的指令微调版 Llama 3.2 Vision 模型。您可以在 Together 或 Huggingface 上找到以下模型：\n- 11B 版本：https:\u002F\u002Fhuggingface.co\u002Fmeta-llama\u002FLlama-3.2-11B-Vision-Instruct\n- 90B 版本：https:\u002F\u002Fhuggingface.co\u002Fmeta-llama\u002FLlama-3.2-90B-Vision-Instruct","https:\u002F\u002Fgithub.com\u002FNutlope\u002Fllama-ocr\u002Fissues\u002F5",{"id":109,"question_zh":110,"answer_zh":111,"source_url":112},43775,"导入 'llama-ocr' 时出现 SyntaxError: 未提供名为 'ocr' 的导出，如何解决？","该错误通常由 Node.js 版本过低引起。请将 Node.js 升级至版本 20 或以上，升级后即可正常导入并使用 ocr 函数。","https:\u002F\u002Fgithub.com\u002FNutlope\u002Fllama-ocr\u002Fissues\u002F9",[]]