[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"tool-OvidijusParsiunas--myvision":3,"similar-OvidijusParsiunas--myvision":122},{"id":4,"github_repo":5,"name":6,"description_en":7,"description_zh":8,"ai_summary_zh":8,"readme_en":9,"readme_zh":10,"quickstart_zh":11,"use_case_zh":12,"hero_image_url":13,"owner_login":14,"owner_name":15,"owner_avatar_url":16,"owner_bio":17,"owner_company":18,"owner_location":19,"owner_email":20,"owner_twitter":21,"owner_website":18,"owner_url":22,"languages":23,"stars":36,"forks":37,"last_commit_at":38,"license":39,"difficulty_score":40,"env_os":41,"env_gpu":42,"env_ram":41,"env_deps":43,"category_tags":49,"github_topics":55,"view_count":76,"oss_zip_url":18,"oss_zip_packed_at":18,"status":77,"created_at":78,"updated_at":79,"faqs":80,"releases":116},2959,"OvidijusParsiunas\u002Fmyvision","myvision","Computer vision based ML training data generation tool :rocket:","myvision 是一款免费的在线图像标注工具，专为生成计算机视觉所需的机器学习训练数据而设计。它旨在解决人工标注图像耗时费力、难以管理大规模数据集的痛点，通过直观的交互界面显著提升标注效率。\n\n这款工具非常适合需要构建自定义数据集的 AI 开发者、研究人员以及数据标注团队使用。用户可以在网页上轻松绘制边界框和多边形来标记目标物体，并支持对多边形顶点进行精细的编辑、添加或删除操作。此外，myvision 还支持多种主流数据集格式的导入与导出，方便在不同项目间迁移或转换数据格式。\n\n其独特的技术亮点在于集成了预训练的\"COCO-SSD\"模型，能够自动识别图像中的物体并生成初始标注框，让用户跳过繁琐的手工起步阶段。更值得一提的是，所有数据处理均在浏览器本地完成，无需上传至服务器，从而确保了数据的隐私与安全。无需复杂的环境配置，直接打开网页即可开始工作，是快速启动计算机视觉项目的得力助手。","\u003Cbr \u002F>\n\n\u003C!-- do a long readme -->\n\u003Cp align=\"center\"> \n    \u003Cimg style=\"margin-left: -25px\" width=\"70%\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOvidijusParsiunas_myvision_readme_c1320836ec01.png\" alt=\"Logo\">\n    \u003C!-- \u003Cimg style=\"margin-left: -25px\" width=\"70%\" src=\".\u002Freadme\u002Flogo with text 31.png\" alt=\"Logo\">     -->\n    \u003C!-- \u003Cimg width=\"300\" src=\".\u002Freadme\u002Fpresenting 76.png\" alt=\"Logo\">     -->\n\u003C\u002Fp>\n\n## Description\n\nMyVision is a free online image annotation tool used for generating computer vision based ML training data. It is designed with the user in mind, offering features to speed up the labelling process and help maintain workflows with large datasets.\n\n## Features\n\nDraw bounding boxes and polygons to label your objects:\n\u003Cp align=\"center\">\n    \u003Cimg width=\"830\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOvidijusParsiunas_myvision_readme_b97904be620b.gif\" alt=\"Logo\">\n\u003C\u002Fp>\n\nPolygon manipulation is enriched with additional features to edit, remove and add new points:\n\n\u003Cp align=\"center\">\n    \u003Cimg width=\"830\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOvidijusParsiunas_myvision_readme_9085ddd07325.gif\" alt=\"Logo\">\n\u003C\u002Fp>\n\nSupported dataset formats:\n\n\u003Cp align=\"center\">\n    \u003Cimg width=\"90%\" style=\"margin-left: 5%\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOvidijusParsiunas_myvision_readme_7716b7c0a3cc.png\" alt=\"Logo\">    \n\u003C\u002Fp>\n\nAnnotating objects can be a difficult task... You can skip all the hard work and use a pre-trained machine learning model to automatically annotate the objects for you. MyVision leverages the popular 'COCO-SSD' model to generate bounding boxes for your images and by operating locally on your browser - retain all data within the privacy of your computer:\n\n\u003Cp align=\"center\">\n    \u003Cimg width=\"830\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOvidijusParsiunas_myvision_readme_48190a63c404.gif\" alt=\"Logo\">\n\u003C\u002Fp>\n\nYou can import existing annotation projects and continue working on them in MyVision. This process can also be used to convert datasets from one format to another:\n\n\u003Cp align=\"center\">\n    \u003Cimg width=\"830\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOvidijusParsiunas_myvision_readme_c76c6897694c.gif\" alt=\"Logo\">\n\u003C\u002Fp>\n\n## Languages\n\nMyVision is available in [English](.\u002FREADME.md) and [Chinese (Mandarin)](.\u002FREADME.cn.md).\n\n## Local setup\n\u003C!-- link to the file or bring the screen up to there -->\nNo setup is required to run this project, open the [index.html](public\u002Findex.html) file and you are all set! However, if you want to make changes or contribute to this repository, please follow the instructions below:\n\n```\n# Requirements: Node version 10+ and NPM version 6+\n\n# Install node dependencies:\n$ npm install\n\n# Run the project in watch mode:\n$ npm run watch\n\n# All changes should be made in the src directory and observed in publicDev\n```\n\n## Citation\n```\n@MISC{MyVision,\n   author = {Ovidijus Parsiunas},\n   title = {{MyVision}},\n   howpublished = {\\url{https:\u002F\u002Fgithub.com\u002FOvidijusParsiunas\u002Fmyvision}},\n   year = {2019},\n}\n```\n","\u003Cbr \u002F>\n\n\u003C!-- 制作一个长篇的README -->\n\u003Cp align=\"center\"> \n    \u003Cimg style=\"margin-left: -25px\" width=\"70%\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOvidijusParsiunas_myvision_readme_c1320836ec01.png\" alt=\"Logo\">\n    \u003C!-- \u003Cimg style=\"margin-left: -25px\" width=\"70%\" src=\".\u002Freadme\u002Flogo with text 31.png\" alt=\"Logo\">     -->\n    \u003C!-- \u003Cimg width=\"300\" src=\".\u002Freadme\u002Fpresenting 76.png\" alt=\"Logo\">     -->\n\u003C\u002Fp>\n\n## 描述\n\nMyVision 是一款免费的在线图像标注工具，用于生成基于计算机视觉的机器学习训练数据。它以用户为中心设计，提供多种功能来加速标注流程，并帮助管理大型数据集的工作流。\n\n## 特性\n\n使用边界框和多边形为您的对象进行标注：\n\u003Cp align=\"center\">\n    \u003Cimg width=\"830\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOvidijusParsiunas_myvision_readme_b97904be620b.gif\" alt=\"Logo\">\n\u003C\u002Fp>\n\n多边形编辑功能更加丰富，支持修改、删除和添加新点：\n\n\u003Cp align=\"center\">\n    \u003Cimg width=\"830\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOvidijusParsiunas_myvision_readme_9085ddd07325.gif\" alt=\"Logo\">\n\u003C\u002Fp>\n\n支持的数据集格式：\n\n\u003Cp align=\"center\">\n    \u003Cimg width=\"90%\" style=\"margin-left: 5%\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOvidijusParsiunas_myvision_readme_7716b7c0a3cc.png\" alt=\"Logo\">    \n\u003C\u002Fp>\n\n标注对象可能是一项艰巨的任务……不过您可以跳过繁琐的手动标注工作，直接使用预训练的机器学习模型自动为您完成标注。MyVision 利用流行的 'COCO-SSD' 模型为您的图像生成边界框，并且由于是在浏览器本地运行，所有数据都保留在您自己的电脑中，确保了隐私安全：\n\n\u003Cp align=\"center\">\n    \u003Cimg width=\"830\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOvidijusParsiunas_myvision_readme_48190a63c404.gif\" alt=\"Logo\">\n\u003C\u002Fp>\n\n您还可以导入现有的标注项目，并在 MyVision 中继续处理。这一功能同样适用于将数据集从一种格式转换为另一种格式：\n\n\u003Cp align=\"center\">\n    \u003Cimg width=\"830\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOvidijusParsiunas_myvision_readme_c76c6897694c.gif\" alt=\"Logo\">\n\u003C\u002Fp>\n\n## 语言\n\nMyVision 提供 [英语](.\u002FREADME.md) 和 [中文（普通话）](.\u002FREADME.cn.md) 版本。\n\n## 本地部署\n\u003C!-- 链接到文件或直接展示到那一步 -->\n运行该项目无需任何设置，只需打开 [index.html](public\u002Findex.html) 文件即可开始使用！然而，如果您希望对代码进行修改或为本仓库贡献代码，请按照以下步骤操作：\n\n```\n# 系统要求：Node.js 10+ 和 NPM 6+\n  \n# 安装 Node.js 依赖：\n$ npm install\n\n# 以监听模式运行项目：\n$ npm run watch\n\n# 所有更改应在 src 目录下进行，并在 publicDev 目录中查看效果\n```\n\n## 引用\n```\n@MISC{MyVision,\n   author = {Ovidijus Parsiunas},\n   title = {{MyVision}},\n   howpublished = {\\url{https:\u002F\u002Fgithub.com\u002FOvidijusParsiunas\u002Fmyvision}},\n   year = {2019},\n}\n```","# MyVision 快速上手指南\n\nMyVision 是一款免费的在线图像标注工具，专为生成计算机视觉机器学习训练数据而设计。它支持绘制边界框和多边形，具备智能自动标注功能（基于 COCO-SSD 模型），并支持多种数据集格式的导入导出与转换。所有数据处理均在浏览器本地完成，确保数据隐私安全。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：任意支持现代浏览器的系统（Windows, macOS, Linux）。\n*   **Node.js**：版本 10 或更高。\n*   **NPM**：版本 6 或更高。\n*   **浏览器**：推荐使用 Chrome、Firefox 或 Edge 的最新版本。\n\n> **提示**：如果您在中国大陆地区，建议使用国内镜像源加速依赖安装（如淘宝镜像）：\n> ```bash\n> npm config set registry https:\u002F\u002Fregistry.npmmirror.com\n> ```\n\n## 安装步骤\n\n如果您仅需使用工具进行标注，可直接跳过此步查看“基本使用”。若您需要修改源码或贡献代码，请按以下步骤操作：\n\n1.  克隆或下载本项目仓库。\n2.  进入项目目录，安装依赖：\n    ```bash\n    npm install\n    ```\n3.  启动开发模式（监听文件变化）：\n    ```bash\n    npm run watch\n    ```\n4.  源代码位于 `src` 目录，编译后的文件将在 `publicDev` 目录中更新。\n\n## 基本使用\n\nMyVision 无需复杂的服务器配置即可运行，以下是两种使用方式：\n\n### 方式一：直接运行（推荐快速体验）\n\n无需安装任何依赖，直接使用浏览器打开项目中的 HTML 文件即可：\n\n1.  找到项目目录下的 `public\u002Findex.html` 文件。\n2.  双击该文件或使用浏览器打开。\n3.  即可开始创建项目并标注图像。\n\n### 方式二：核心功能操作\n\n进入界面后，您可以立即执行以下操作：\n\n*   **手动标注**：选择左侧工具栏的 \"Bounding Box\"（边界框）或 \"Polygon\"（多边形）工具，在图片上绘制标签。多边形支持添加、删除和调整顶点。\n*   **智能自动标注**：点击自动标注功能，系统将利用内置的 **COCO-SSD** 预训练模型自动识别物体并生成边界框。此过程完全在本地浏览器运行，图片不会上传至服务器。\n*   **导入与转换**：点击 \"Import\" 按钮加载现有的标注项目（支持多种格式），编辑后可导出为其他格式，实现数据集格式的快速转换。","某智慧农业初创团队正急需构建一套能自动识别并统计温室番茄成熟度的视觉模型，但面临数千张未标注图像的处理难题。\n\n### 没有 myvision 时\n- 标注人员只能手动逐帧绘制多边形框选不规则的番茄果实，耗时极长且容易因疲劳产生坐标偏差。\n- 团队缺乏预训练模型辅助，无法快速生成初始标注，导致冷启动阶段完全依赖人工“从零开始”。\n- 现有数据格式与客户要求的 COCO 或 YOLO 格式不兼容，需编写繁琐脚本进行转换，极易出错。\n- 敏感的生产现场图片必须上传至第三方云端标注平台，引发团队对数据隐私泄露的严重担忧。\n- 项目中途若需切换标注工具，历史工程文件无法导入，导致前期工作成果难以复用。\n\n### 使用 myvision 后\n- 利用内置的 COCO-SSD 预训练模型，myvision 能自动为番茄生成初始边界框，人工仅需微调多边形点位，效率提升数倍。\n- 丰富的多边形编辑功能（增删点、拖拽）让不规则果实的贴合度更高，显著降低了后期模型训练的噪声。\n- 支持一键导出多种主流数据集格式，直接满足算法工程师的训练需求，省去了格式转换的开发成本。\n- 所有标注过程均在浏览器本地运行，图像数据无需离开公司内网，彻底保障了核心生产数据的安全。\n- 可随时导入旧版标注项目继续作业，实现了不同阶段工作流的无缝衔接与资产沉淀。\n\nmyvision 通过本地化智能辅助标注，将原本需要数周的数据准备周期压缩至几天，同时确保了数据隐私与格式灵活性。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOvidijusParsiunas_myvision_b97904be.gif","OvidijusParsiunas","Ovidijus Parsiunas","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FOvidijusParsiunas_6789a901.jpg","The story of success is the story of persistence!",null,"Tsukuba, Japan","oparsiunas@gmail.com","OviSource","https:\u002F\u002Fgithub.com\u002FOvidijusParsiunas",[24,28,32],{"name":25,"color":26,"percentage":27},"JavaScript","#f1e05a",81.8,{"name":29,"color":30,"percentage":31},"CSS","#663399",10.7,{"name":33,"color":34,"percentage":35},"HTML","#e34c26",7.5,608,69,"2026-02-13T18:38:48","GPL-3.0",1,"未说明","不需要 GPU（基于浏览器运行，使用 COCO-SSD 模型在本地进行推理）",{"notes":44,"python":45,"dependencies":46},"该工具是一个基于浏览器的在线图像标注工具，无需复杂的环境配置。直接打开 public\u002Findex.html 文件即可运行。若需开发或贡献代码，需安装 Node.js (10+) 和 NPM (6+)，并执行 npm install 和 npm run watch。所有数据处理均在本地浏览器完成，无需服务器后端。","不需要 Python",[47,48],"Node.js >= 10","NPM >= 6",[50,51,52,53,54],"语言模型","数据工具","图像","开发框架","Agent",[56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73,74,75],"ml","machine-learning","computer-vision","object-detection","training-data","annotation","labelling","annotation-tool","coco","vgg","tensorflow","yolo","model","vision","image-annotation","label","labeling-tool","tagging","image","ai",2,"ready","2026-03-27T02:49:30.150509","2026-04-06T05:44:10.081067",[81,86,91,96,101,106,111],{"id":82,"question_zh":83,"answer_zh":84,"source_url":85},13664,"如何设置默认语言或让应用记住上次选择的语言？","目前无法直接设置默认语言，但项目已更新为使用浏览器本地存储（localStorage）来记住用户上次选择的语言。这意味着在同一个浏览器中，下次访问时会自动加载您上次使用的语言，无需重新设置。","https:\u002F\u002Fgithub.com\u002FOvidijusParsiunas\u002Fmyvision\u002Fissues\u002F55",{"id":87,"question_zh":88,"answer_zh":89,"source_url":90},13665,"导出 COCO JSON 时，为什么“新建边界框”工具生成的分割格式不正确？","这是一个已知问题，之前边界框工具生成的分割字段格式不符合 COCO 标准（应为多边形列表的列表，而非扁平列表）。该问题已在后续版本中修复，请确保您使用的是最新版本的代码。","https:\u002F\u002Fgithub.com\u002FOvidijusParsiunas\u002Fmyvision\u002Fissues\u002F17",{"id":92,"question_zh":93,"answer_zh":94,"source_url":95},13666,"如何修改 COCO-SSD 预训练模型导出的默认类别编号（ID）？","若要更改默认的类别 ID 分配行为，需按以下步骤操作：\n1. 克隆或 Fork 该项目。\n2. 按照 README 中的“本地设置”说明进行配置。\n3. 导航到文件 `src\u002Fapp\u002Ftools\u002FexportDatasetsPopup\u002FfileTypes\u002FCOCOJSON.js`。\n4. 找到 `getImageAndAnnotationData` 函数，定位变量 `shapeId`（默认从 0 开始递增）。\n5. 修改相关代码逻辑以符合您的 ID 分配需求，例如调整起始值或递增规则。","https:\u002F\u002Fgithub.com\u002FOvidijusParsiunas\u002Fmyvision\u002Fissues\u002F46",{"id":97,"question_zh":98,"answer_zh":99,"source_url":100},13667,"如何创建自定义类别名称而不是使用默认的（如 dog, cat 等）？","您可以在绘制形状后，在弹出的“标签名称”（Label Name）模态框中直接输入您想要的自定义类别名称，然后点击“提交”（Submit）。导出的文件将直接使用您输入的自定义类名，而不会强制使用默认类别。","https:\u002F\u002Fgithub.com\u002FOvidijusParsiunas\u002Fmyvision\u002Fissues\u002F35",{"id":102,"question_zh":103,"answer_zh":104,"source_url":105},13668,"能否加载自定义训练的 TensorFlow 模型进行自动标注（类似 COCO-SSD）？","可以，只要您的自定义模型兼容 TensorFlow.js 即可。目前需要您 Fork 该项目，并编辑代码中的 `startMachineLearning` 函数以加载您的自定义模型路径。维护者表示未来可能会将此功能直接集成到应用中。","https:\u002F\u002Fgithub.com\u002FOvidijusParsiunas\u002Fmyvision\u002Fissues\u002F14",{"id":107,"question_zh":108,"answer_zh":109,"source_url":110},13669,"为什么无法将 MyVision 部署到 Flask 等服务器端环境？","MyVision 最初设计为在浏览器端运行的网站，依赖浏览器的 `window` 对象。Flask 等服务器端环境无法识别 `window` 对象，因此直接进行服务端渲染（SSR）会导致报错（如 `Cannot read properties of null`）。建议通过 CDN 方式引用构建好的静态文件，而不是尝试在服务端运行其核心逻辑。","https:\u002F\u002Fgithub.com\u002FOvidijusParsiunas\u002Fmyvision\u002Fissues\u002F47",{"id":112,"question_zh":113,"answer_zh":114,"source_url":115},13670,"极小的边界框在导出再导入后为什么会丢失精度？","这是由于之前的坐标计算算法不够完美导致的。维护者已经注意到该问题并测试了更好的解决方案以提高计算的准确性和一致性。请更新至最新版本，边界框的结果数据现在应该更加准确。","https:\u002F\u002Fgithub.com\u002FOvidijusParsiunas\u002Fmyvision\u002Fissues\u002F42",[117],{"id":118,"version":119,"summary_zh":120,"released_at":121},72530,"1.0.0","MyVision应用程序首次发布","2020-09-15T22:25:07",[123,132,140,148,156,168],{"id":124,"name":125,"github_repo":126,"description_zh":127,"stars":128,"difficulty_score":129,"last_commit_at":130,"category_tags":131,"status":77},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",[53,52,54],{"id":133,"name":134,"github_repo":135,"description_zh":136,"stars":137,"difficulty_score":76,"last_commit_at":138,"category_tags":139,"status":77},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,"2026-04-05T11:33:21",[53,54,50],{"id":141,"name":142,"github_repo":143,"description_zh":144,"stars":145,"difficulty_score":76,"last_commit_at":146,"category_tags":147,"status":77},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",[53,52,54],{"id":149,"name":150,"github_repo":151,"description_zh":152,"stars":153,"difficulty_score":76,"last_commit_at":154,"category_tags":155,"status":77},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",[53,50],{"id":157,"name":158,"github_repo":159,"description_zh":160,"stars":161,"difficulty_score":76,"last_commit_at":162,"category_tags":163,"status":77},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",[52,51,164,165,54,166,50,53,167],"视频","插件","其他","音频",{"id":169,"name":170,"github_repo":171,"description_zh":172,"stars":173,"difficulty_score":129,"last_commit_at":174,"category_tags":175,"status":77},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",[54,52,53,50,166]]