[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-ObservedObserver--viz-gpt":3,"tool-ObservedObserver--viz-gpt":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",149489,2,"2026-04-10T11:32:46",[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。",108322,"2026-04-10T11:39:34",[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":98,"forks":99,"last_commit_at":100,"license":101,"difficulty_score":32,"env_os":102,"env_gpu":102,"env_ram":102,"env_deps":103,"category_tags":109,"github_topics":110,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":122,"updated_at":123,"faqs":124,"releases":155},6391,"ObservedObserver\u002Fviz-gpt","viz-gpt","Make contextual data visualization with Chat Interface from tabular datasets. AI data visualization.","VizGPT 是一款基于大语言模型的智能数据可视化工具，旨在让用户通过自然语言对话，轻松将表格数据转化为直观的图表。它解决了传统可视化工具（如 Tableau）学习曲线陡峭、操作复杂，以及早期“文本生成图表”工具缺乏灵活性的问题。在 VizGPT 中，用户无需掌握复杂的配置或代码，只需像聊天一样描述需求即可生成图表；若对结果不满意，更可直接在对话上下文中提出修改意见（例如“把颜色改成红色”），无需重复输入完整指令，从而实现步步深入的探索式分析。\n\n这款工具特别适合数据分析师、业务人员、研究人员以及任何希望快速从数据中发现洞察但不熟悉编程或专业绘图软件的用户。其核心技术亮点在于深度利用对话上下文（Chat Context）来理解用户的迭代意图，并基于 Vega-Lite 语法生成高质量可视化。此外，VizGPT 支持上传自定义 CSV 数据集，并专注于“先探索后绘图”的工作流，帮助用户在不完全了解数据结构的情况下，通过多轮对话逐步挖掘数据价值。无论是制作基础报表还是进行复杂的数据探索，VizGPT 都能让数据可视化变得像日常交流一样简单自然。","# VizGPT: AI Data Visualization, Make contextual data visualization with Chat Interface\n\nhttps:\u002F\u002Fgithub.com\u002FObservedObserver\u002Fviz-gpt\u002Fassets\u002F22167673\u002Fa09032d3-f3c8-4cdf-ac14-89df8754fd9f\n\n\nUse GPT to generate visualization from datasets with natural language. You can edit the visualization in the context step by step to make it more precise without retyping the complex query. VizGPT turns your text queries and chat into data visualization or charts.\n\nYou can try it at [Playground](https:\u002F\u002Fvizgpt.ai\u002F)\nor vizGPT on Kanaries [kanaries-vizgpt](https:\u002F\u002Fkanaries.net\u002Fhome\u002Fproducts)\n\n\n> [!TIP]\n> If you want more AI features, we also build [runcell](https:\u002F\u002Fruncell.dev), an AI Code Agent in Jupyter that understands your code\u002Fdata\u002Fcells and generate code, execute cells and take actions for you. It can be used in jupyter lab with `pip install runcell`\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F9ec64252-864d-4bd1-8755-83f9b0396d38\n\n#### Why VizGPT\n\nThere exist lots of great visualization products in the world, such as Tableau, pygwalker. The traditional drag-and-drop visualization tool is hard to use for people unfamiliar with configs and viz\u002Fdata transformations. For example, making a tableau heatmap requires bin transformations to both axes and then dragging the measure to color. It is hard for people unfamiliar with data visualization to make a heatmap.\n\nSome text2viz tools accept natural language to generate the visualization. However, they are not flexible enough to allow users to edit the visualization. For example, if the user wants to change the color of the heatmap, they have to retype the whole sentence.\n\nWith VizGPT, you can build visualizations step by step with a chat interface. You can edit\u002Fadjust visualizations in the context. It allows you to explore the data first without figuring out how to build complex visualization initially, especially when unfamiliar with the data.\n\nBesides, VizGPT focus on text based visual exploration. It allows users to discover new insights from visualization and ask new questions based on the insights they just find.\n\n## Features & Roadmap\n+ [x] Natural language to data visualization [vega-lite](https:\u002F\u002Fgithub.com\u002Fvega\u002Fvega-lite)\n+ [x] Use chat context to edit your visualization. Allow users to change the chart if it is not what they expected\n+ [x] Explore the data step by step by chatting with visualizations.\n+ [x] Upload your own dataset (CSV) to make visulizations.\n+ [ ] Save the visualizations and chat history.\n+ [ ] Allow user to use visualization editor (like [graphic-walker](https:\u002F\u002Fgithub.com\u002FKanaries\u002Fgraphic-walker) or [vega-editor](https:\u002F\u002Fgithub.com\u002Fvega\u002Feditor)) to edit the visualization and show the edit to GPT to make better visualization as the user prefers.\n\n> vizGPT is now good at drawing data visualizations, not data transformations\u002Fpreparation\u002Fcomputation. You can use other tools like Kanaries\u002FRATH to prepare the data first and then use vizGPT to draw the visualization.\n\n## vizGPT + RAG\nI also build a RAG version of vizGPT, which can be accessed at [vizgpt.ai](https:\u002F\u002Fvizgpt.ai), it contains RAG special for vega\u002Fvega-lite and SQL. \n\n## Chat to Viz Example\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FObservedObserver_viz-gpt_readme_ee737e7de427.png\" width=\"68%\" alt=\"vizapt-1\" \u002F>\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FObservedObserver_viz-gpt_readme_16fea1ba00d3.png\" width=\"68%\" alt=\"vizapt-2\" \u002F>\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FObservedObserver_viz-gpt_readme_dd48dd3ea6dc.png\" width=\"68%\" alt=\"vizapt-3\" \u002F>\n\n![Xnapper-2023-05-10-00 28 07](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FObservedObserver_viz-gpt_readme_65b7ba95cfe8.png)\n\n![Xnapper-2023-05-10-01 05 15](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FObservedObserver_viz-gpt_readme_1fdf1b230622.png)\n\n\n\n### Add custom CSV file\n\nClick `upload CSV button to add your own data. You can view or edit your data's metas at data view. The metas are inferred automatically by default. You can edit it anytime you want to make the visualization more precise.\n\n![data view](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FObservedObserver_viz-gpt_readme_28bf2840057c.png)\n\n\n\n## Local Development\n\n#### step 1\nCreate a `.env` file at the root of the project with the following contents:\n\n```\nBASE_URL=\u003CAzure OpenAI BaseURL>\nDEPLOYMENT_NAME=\u003CDeployment Name>\nAZURE_OPENAI_KEY=\u003CYour key>\n```\n\n#### step 2\n\nInstall dependencies:\n\n```bash\nyarn install\n```\n\n#### step 3\n\nThen run `vercel dev` or `npm run dev` to start the server at port 3000.\n","# VizGPT：AI 数据可视化，通过聊天界面实现上下文感知的数据可视化\n\nhttps:\u002F\u002Fgithub.com\u002FObservedObserver\u002Fviz-gpt\u002Fassets\u002F22167673\u002Fa09032d3-f3c8-4cdf-ac14-89df8754fd9f\n\n\n使用 GPT，只需自然语言即可从数据集生成可视化图表。您可以在对话上下文中逐步编辑可视化，使其更加精准，而无需重新输入复杂的查询语句。VizGPT 可以将您的文本查询和聊天内容转化为数据可视化或图表。\n\n您可以在 [Playground](https:\u002F\u002Fvizgpt.ai\u002F) 或 Kanaries 上的 vizGPT [kanaries-vizgpt](https:\u002F\u002Fkanaries.net\u002Fhome\u002Fproducts) 中体验。\n\n> [!TIP]\n> 如果您需要更多 AI 功能，我们还开发了 [runcell](https:\u002F\u002Fruncell.dev)，这是一款运行在 Jupyter 中的 AI 代码代理，能够理解您的代码、数据和单元格，并为您生成代码、执行单元格以及采取相应操作。您可以通过 `pip install runcell` 在 Jupyter Lab 中使用它。\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F9ec64252-864d-4bd1-8755-83f9b0396d38\n\n#### 为什么选择 VizGPT\n\n目前市面上有许多优秀的可视化工具，例如 Tableau 和 pygwalker。然而，传统的拖放式可视化工具对于不熟悉配置和数据转换的人来说往往难以上手。以 Tableau 的热力图为例，用户需要对两个坐标轴进行分箱处理，然后再将度量字段拖到颜色区域，整个过程相当复杂，对于初学者来说并不友好。\n\n一些 text2viz 工具虽然支持自然语言生成可视化，但它们缺乏灵活性，无法让用户直接编辑生成的图表。比如，如果用户想更改热力图的颜色，就必须重新输入整句话。\n\n而借助 VizGPT，您可以利用聊天界面一步步构建可视化，并在对话中随时调整和优化图表。它允许您先探索数据，不必一开始就纠结于如何搭建复杂的可视化，尤其适合对数据不太熟悉的用户。\n\n此外，VizGPT 专注于基于文本的可视化探索，帮助用户从可视化中发现新见解，并根据这些见解提出新的问题。\n\n## 功能与路线图\n+ [x] 自然语言转数据可视化 [vega-lite](https:\u002F\u002Fgithub.com\u002Fvega\u002Fvega-lite)\n+ [x] 利用聊天上下文编辑可视化，允许用户在图表不符合预期时进行修改\n+ [x] 通过与可视化互动，逐步探索数据\n+ [x] 支持上传自定义 CSV 数据集以创建可视化\n+ [ ] 保存可视化结果及聊天记录\n+ [ ] 允许用户使用可视化编辑器（如 [graphic-walker](https:\u002F\u002Fgithub.com\u002FKanaries\u002Fgraphic-walker) 或 [vega-editor](https:\u002F\u002Fgithub.com\u002Fvega\u002Feditor)）对可视化进行进一步编辑，并将编辑后的结果反馈给 GPT，从而生成更符合用户需求的可视化效果\n\n> 目前，VizGPT 更擅长绘制数据可视化，而非进行数据转换、预处理或计算。您可以先使用 Kanaries\u002FRATH 等工具对数据进行预处理，再利用 VizGPT 来生成可视化图表。\n\n## VizGPT + RAG\n我还构建了一个基于 RAG 的 VizGPT 版本，可通过 [vizgpt.ai](https:\u002F\u002Fvizgpt.ai) 访问。该版本包含专为 vega\u002Fvega-lite 和 SQL 设计的 RAG 模块。\n\n## 聊天生成可视化示例\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FObservedObserver_viz-gpt_readme_ee737e7de427.png\" width=\"68%\" alt=\"vizapt-1\" \u002F>\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FObservedObserver_viz-gpt_readme_16fea1ba00d3.png\" width=\"68%\" alt=\"vizapt-2\" \u002F>\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FObservedObserver_viz-gpt_readme_dd48dd3ea6dc.png\" width=\"68%\" alt=\"vizapt-3\" \u002F>\n\n![Xnapper-2023-05-10-00 28 07](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FObservedObserver_viz-gpt_readme_65b7ba95cfe8.png)\n\n![Xnapper-2023-05-10-01 05 15](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FObservedObserver_viz-gpt_readme_1fdf1b230622.png)\n\n\n\n### 添加自定义 CSV 文件\n\n点击“上传 CSV”按钮即可添加您自己的数据。您可以在数据视图中查看或编辑数据的元信息。默认情况下，元信息会自动推断得出，但您也可以随时进行修改，以使可视化更加精确。\n\n![数据视图](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FObservedObserver_viz-gpt_readme_28bf2840057c.png)\n\n\n\n## 本地开发\n\n#### 步骤 1\n在项目根目录下创建一个 `.env` 文件，内容如下：\n\n```\nBASE_URL=\u003CAzure OpenAI BaseURL>\nDEPLOYMENT_NAME=\u003CDeployment Name>\nAZURE_OPENAI_KEY=\u003CYour key>\n```\n\n#### 步骤 2\n\n安装依赖：\n\n```bash\nyarn install\n```\n\n#### 步骤 3\n\n然后运行 `vercel dev` 或 `npm run dev`，即可在端口 3000 启动服务器。","# VizGPT 快速上手指南\n\nVizGPT 是一款基于自然语言的 AI 数据可视化工具。它允许用户通过对话界面，将文本查询转化为图表（基于 Vega-Lite），并支持在上下文语境中逐步调整和优化可视化结果，无需重复输入复杂指令。\n\n## 环境准备\n\n在开始本地开发之前，请确保您的系统满足以下要求：\n\n*   **操作系统**：Windows, macOS 或 Linux\n*   **运行时环境**：Node.js (推荐 v16 或更高版本)\n*   **包管理器**：Yarn 或 npm\n*   **AI 服务账号**：需要拥有 Azure OpenAI 服务访问权限（包含 BaseURL、Deployment Name 和 API Key）\n\n> **注意**：本项目主要依赖 Azure OpenAI 接口进行推理，请提前准备好相关密钥。\n\n## 安装步骤\n\n### 1. 获取源码\n克隆项目仓库到本地：\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FObservedObserver\u002Fviz-gpt.git\ncd viz-gpt\n```\n\n### 2. 配置环境变量\n在项目根目录下创建 `.env` 文件，并填入您的 Azure OpenAI 配置信息：\n```env\nBASE_URL=\u003CAzure OpenAI BaseURL>\nDEPLOYMENT_NAME=\u003CDeployment Name>\nAZURE_OPENAI_KEY=\u003CYour key>\n```\n*请将 `\u003C...>` 中的内容替换为您实际的配置值。*\n\n### 3. 安装依赖\n使用 Yarn 安装项目依赖（国内用户若遇网络问题，可配置淘宝镜像源 `yarn config set registry https:\u002F\u002Fregistry.npmmirror.com`）：\n```bash\nyarn install\n```\n\n### 4. 启动开发服务器\n运行以下命令启动本地服务，默认端口为 3000：\n```bash\nvercel dev\n```\n或者使用 npm 启动：\n```bash\nnpm run dev\n```\n\n启动成功后，请在浏览器访问 `http:\u002F\u002Flocalhost:3000`。\n\n## 基本使用\n\n### 方式一：在线体验（无需安装）\n如果您只想快速测试功能，可以直接访问官方 Playground：\n*   地址：[https:\u002F\u002Fvizgpt.ai\u002F](https:\u002F\u002Fvizgpt.ai\u002F)\n*   功能：直接上传 CSV 文件或选择示例数据集，通过聊天窗口输入自然语言指令生成图表。\n\n### 方式二：本地使用流程\n\n1.  **上传数据**\n    在界面中点击 `Upload CSV` 按钮，上传您本地的 CSV 数据文件。系统会自动推断数据元数据（Metas），您可以在 \"Data View\" 中查看或手动修正字段类型以确保可视化精度。\n\n2.  **生成图表**\n    在聊天输入框中输入自然语言描述。\n    *   *示例*：“展示销售额随时间变化的趋势图”或“绘制不同地区的热力图”。\n    *   VizGPT 会自动生成对应的 Vega-Lite 代码并渲染图表。\n\n3.  **迭代优化**\n    利用上下文对话功能调整图表，无需重新描述整个需求。\n    *   *示例*：“把颜色改成红色”、“将 X 轴改为对数坐标”或“只显示前 10 名的数据”。\n    *   系统会基于上一轮对话历史理解您的意图并更新视图。\n\n4.  **探索洞察**\n    基于生成的图表继续提问，发现数据中的新规律，实现“对话即探索”的分析流程。\n\n> **提示**：VizGPT 专注于可视化生成，而非复杂的数据清洗或计算。建议先使用 Kanaries RATH 或其他工具完成数据预处理，再导入 VizGPT 进行绘图。","某电商数据分析师急需从百万行销售日志中挖掘季度趋势，向管理层汇报关键洞察。\n\n### 没有 viz-gpt 时\n- 分析师必须精通 Tableau 或 Python 绘图库的复杂配置，例如制作热力图需手动处理坐标轴分箱和度量映射，学习成本极高。\n- 一旦生成的图表颜色或类型不符合预期，必须重新编写完整的自然语言指令或代码，无法在原有基础上微调。\n- 探索数据过程断裂，每次提出新假设（如“只看华东地区”）都要重复繁琐的筛选和重绘步骤，难以连贯地发现深层规律。\n- 非技术背景的业务人员只能被动等待图表产出，无法亲自通过对话即时验证自己的想法，沟通效率低下。\n\n### 使用 viz-gpt 后\n- 分析师直接上传 CSV 文件，用自然语言描述需求（如“展示各品类季度销售热力图”），viz-gpt 自动完成数据转换并生成专业图表。\n- 若对视觉效果不满意，只需在对话框中补充指令（如“把颜色改成暖色调”或“改为折线图”），viz-gpt 基于上下文精准调整，无需重输整句。\n- 支持多轮对话式探索，用户可基于当前图表顺势追问（如“剔除异常值后再看趋势”），viz-gpt 保持上下文记忆，让数据洞察如聊天般流畅。\n- 业务人员也能直接参与分析，通过简单的文字交互自主生成可视化报告，大幅缩短从“产生疑问”到“看见答案”的路径。\n\nviz-gpt 将原本高门槛的数据可视化过程转化为直观的对话体验，让每个人都能像聊天一样轻松挖掘数据价值。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FObservedObserver_viz-gpt_65b7ba95.png","ObservedObserver","Elwynn Chen","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FObservedObserver_58f530b0.png","Founder of @Kanaries, working on runcell.dev, the AI Agent in Jupyter.","@Kanaries",null,"ooer@kanaries.net","ob12er","runcell.dev","https:\u002F\u002Fgithub.com\u002FObservedObserver",[83,87,91,95],{"name":84,"color":85,"percentage":86},"TypeScript","#3178c6",97.5,{"name":88,"color":89,"percentage":90},"JavaScript","#f1e05a",1.1,{"name":92,"color":93,"percentage":94},"CSS","#663399",0.7,{"name":96,"color":97,"percentage":94},"HTML","#e34c26",624,74,"2026-03-26T13:07:59","NOASSERTION","未说明",{"notes":104,"python":102,"dependencies":105},"该项目是一个基于 Web 的前端应用，主要依赖 Azure OpenAI 服务进行推理，无需本地 GPU。运行环境需安装 Node.js 和 Yarn 包管理器。配置时需准备 Azure OpenAI 的 BaseURL、部署名称和 API Key 并填入 .env 文件。开发模式下可通过 'vercel dev' 或 'npm run dev' 在 3000 端口启动服务。",[106,107,108],"Node.js (隐含，因使用 yarn)","Vercel CLI","Azure OpenAI API",[13,35,16],[111,112,113,114,115,116,117,118,119,120,121],"chart","chatgpt","gpt","vega-lite","visualization","chart-gpt","visualization-gpt","chartgpt","chat2vis","text2vis","ai-data-visualisation","2026-03-27T02:49:30.150509","2026-04-11T03:24:23.585435",[125,130,135,140,145,150],{"id":126,"question_zh":127,"answer_zh":128,"source_url":129},28941,"运行项目时遇到 'unexpected end of JSON input' 或 '404 Not Found' 错误怎么办？","请使用 `vercel dev` 命令来启动项目，而不是 `npm run dev`。`vercel dev` 会同时运行前端和 API 服务，从而避免后端接口找不到（404）或返回空数据导致的 JSON 解析错误。","https:\u002F\u002Fgithub.com\u002FObservedObserver\u002Fviz-gpt\u002Fissues\u002F5",{"id":131,"question_zh":132,"answer_zh":133,"source_url":134},28942,"如何绘制热力图（Heatmap）？我的矩阵数据无法显示。","热力图需要表格格式的数据，而不是直接的矩阵。你需要先将矩阵数据转换为包含 'from'（来源）、'to'（目标）和 'value'（数值）三列的表格数据。例如：\nfrom,to,value\nmpg,mpg,1\nmpg,cyl,-0.852\n转换后，设置 x 轴为 'from'，y 轴为 'to'，颜色映射为 'value' 即可绘制。","https:\u002F\u002Fgithub.com\u002FObservedObserver\u002Fviz-gpt\u002Fissues\u002F6",{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},28943,"尝试使用 Docker 部署时出现 'Cannot find module \u002Fapp\u002Fvercel' 错误如何解决？","该项目依赖 Vercel 的无服务器函数架构。在构建 Docker 镜像时，不能直接运行 `vercel dev` 作为生产环境命令。建议参考 Vercel 官方关于无服务器函数的快速入门文档（https:\u002F\u002Fvercel.com\u002Fdocs\u002Fconcepts\u002Ffunctions\u002Fserverless-functions\u002Fquickstart）来正确配置构建和启动流程，或者考虑使用 `npm run dev` 配合正确的环境变量进行本地开发测试，但生产部署需遵循 Vercel 的标准部署流程。","https:\u002F\u002Fgithub.com\u002FObservedObserver\u002Fviz-gpt\u002Fissues\u002F10",{"id":141,"question_zh":142,"answer_zh":143,"source_url":144},28944,"项目目前支持哪些 AI 服务提供商？是否支持 OpenAI Key？","项目最初主要使用 Azure 服务，但目前已通过更新（PR #9）增加了对 OpenAI 服务的支持。用户可以配置自己的 OpenAI Key 来使用相关功能。","https:\u002F\u002Fgithub.com\u002FObservedObserver\u002Fviz-gpt\u002Fissues\u002F3",{"id":146,"question_zh":147,"answer_zh":148,"source_url":149},28945,"如何清除聊天上下文而不刷新整个页面？","该功能已在后续更新中实现。用户现在可以直接在界面中清除聊天记录以切换话题或数据集，无需刷新整个网页。","https:\u002F\u002Fgithub.com\u002FObservedObserver\u002Fviz-gpt\u002Fissues\u002F2",{"id":151,"question_zh":152,"answer_zh":153,"source_url":154},28946,"当输入的查询无法生成图表（例如讲笑话）时，系统会有提示吗？","是的，该问题已解决。现在当用户输入无法渲染为图表的查询（如“讲个笑话”）时，系统会给出相应的错误提示或引导信息，而不是静默失败。","https:\u002F\u002Fgithub.com\u002FObservedObserver\u002Fviz-gpt\u002Fissues\u002F1",[156],{"id":157,"version":158,"summary_zh":159,"released_at":160},197785,"0.0.1","## 变更内容\n* 文档：@jojocys 在 https:\u002F\u002Fgithub.com\u002FObservedObserver\u002Fviz-gpt\u002Fpull\u002F4 中修复了拼写错误\n\n## 新贡献者\n* @jojocys 在 https:\u002F\u002Fgithub.com\u002FObservedObserver\u002Fviz-gpt\u002Fpull\u002F4 中完成了首次贡献\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002FObservedObserver\u002Fviz-gpt\u002Fcommits\u002F0.0.1","2023-05-12T10:40:59"]