[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-PragmaticMachineLearning--probly":3,"tool-PragmaticMachineLearning--probly":64},[4,18,28,36,44,52],{"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":24,"last_commit_at":25,"category_tags":26,"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",160015,2,"2026-04-18T11:30:52",[14,13,27],"语言模型",{"id":29,"name":30,"github_repo":31,"description_zh":32,"stars":33,"difficulty_score":10,"last_commit_at":34,"category_tags":35,"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",[27,15,13,14],{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":24,"last_commit_at":42,"category_tags":43,"status":17},8553,"spec-kit","github\u002Fspec-kit","Spec Kit 是一款专为提升软件开发效率而设计的开源工具包，旨在帮助团队快速落地“规格驱动开发”（Spec-Driven Development）模式。传统开发中，需求文档往往与代码实现脱节，导致沟通成本高且结果不可控；而 Spec Kit 通过将规格说明书转化为可执行的指令，让 AI 直接依据明确的业务场景生成高质量代码，从而减少从零开始的随意编码，确保产出结果的可预测性。\n\n该工具特别适合希望利用 AI 辅助编程的开发者、技术负责人及初创团队。无论是启动全新项目还是在现有工程中引入规范化流程，用户只需通过简单的命令行操作，即可初始化项目并集成主流的 AI 编程助手。其核心技术亮点在于“规格即代码”的理念，支持社区扩展与预设模板，允许用户根据特定技术栈定制开发流程。此外，Spec Kit 强调官方维护的安全性，提供稳定的版本管理，帮助开发者在享受 AI 红利的同时，依然牢牢掌握架构设计的主动权，真正实现从“凭感觉写代码”到“按规格建系统”的转变。",88749,"2026-04-17T09:48:14",[27,15,13,14],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":24,"last_commit_at":50,"category_tags":51,"status":17},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",[14,27],{"id":53,"name":54,"github_repo":55,"description_zh":56,"stars":57,"difficulty_score":24,"last_commit_at":58,"category_tags":59,"status":17},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。",85267,"2026-04-18T11:00:28",[15,16,60,61,13,62,27,14,63],"视频","插件","其他","音频",{"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":68,"owner_location":68,"owner_email":68,"owner_twitter":68,"owner_website":79,"owner_url":80,"languages":81,"stars":98,"forks":99,"last_commit_at":100,"license":101,"difficulty_score":24,"env_os":102,"env_gpu":103,"env_ram":103,"env_deps":104,"category_tags":115,"github_topics":116,"view_count":24,"oss_zip_url":68,"oss_zip_packed_at":68,"status":17,"created_at":121,"updated_at":122,"faqs":123,"releases":152},9259,"PragmaticMachineLearning\u002Fprobly","probly",null,"Probly 是一款新一代智能电子表格应用，旨在让数据分析变得像填写普通表格一样简单。它巧妙融合了传统电子表格的易用性与人工智能的强大算力，解决了用户在处理复杂数据时往往需要在表格软件、编程环境和 AI 工具之间频繁切换的痛点。\n\n无论是需要快速洞察业务趋势的市场人员、希望在不配置本地环境的情况下运行 Python 代码的数据分析师，还是需要从图片或文档中自动提取数据的研究者，Probly 都能提供流畅的一站式体验。普通用户也能通过自然语言提问，轻松获得专业的分析建议。\n\n其独特的技术亮点在于“隐私优先”的架构设计：利用 WebAssembly 技术（Pyodide），Probly 能让 Python 代码直接在浏览器本地运行，无需将敏感数据上传至服务器，既保证了处理速度又提升了数据安全性。同时，它集成了 OpenAI 大模型与视觉识别 API，支持智能单元格建议、自动化趋势分析以及从图像中提取数据等功能。内置的提示词库还允许用户保存和复用分析模板，进一步降低了高阶数据分析的门槛。只需一个浏览器和 API 密钥，即可开启高效、安全且智能的数据探索之旅。","\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FPragmaticMachineLearning_probly_readme_e32697aca654.png\" alt=\"Probly Logo\" width=\"400\"\u002F>\n\n  # Probly\n  ### Data analysis with spreadsheets made simple\n\n  [![Discord](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDiscord-Join%20Us-7289DA?logo=discord&logoColor=white)](https:\u002F\u002Fdiscord.gg\u002FS273ycM6zW)\n  [![License](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-MIT-blue.svg)](LICENSE)\n\u003C\u002Fdiv>\n\n## What is Probly?\n\nProbly is a next-generation spreadsheet application that combines the power of traditional spreadsheets with AI-driven analysis, Python computation, and intelligent document processing.\n\n## Key Features\n\n- **Smart Spreadsheet**: Full-featured spreadsheet with formula support and intelligent cell suggestions\n- **Python Integration**: Run Python code directly in your browser using WebAssembly\n- **Data Visualization**: Create interactive charts and visualizations\n- **AI-Powered Analysis**: Get intelligent insights and automated trend analysis\n- **Document Processing**: Extract and process data from images.\n- **Prompt Library**: Access predefined analysis templates and save custom prompts\n\n![Probly Spreadsheet Example](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FPragmaticMachineLearning_probly_readme_038a45eb1f48.png)\n\n## 🏗️ Architecture\n\nProbly leverages a modern, privacy-focused architecture:\n\n```mermaid\ngraph LR\n    A[Browser] --> B[Next.js Frontend]\n    B --> C[Pyodide\u002FWASM]\n    B --> D[OpenAI API]\n    B --> E[Vision API]\n    C --> F[Local Processing]\n    D --> G[AI Analysis]\n    E --> H[Document Processing]\n```\n\n- **Frontend**: Next.js 14 with TypeScript and React\n- **Python Runtime**: Pyodide (WebAssembly) for local execution\n- **AI Integration**: OpenAI API for intelligent analysis\n- **Document Processing**: Vision API for extracting data from documents\n\n## Features\n\n- **Interactive Spreadsheet**: Full-featured spreadsheet with formula support\n- **Python Analysis**: Run Python code directly in your browser using WebAssembly\n- **Data Visualization**: Create charts and visualizations from your data\n- **AI-Powered**: Get intelligent suggestions and automated analysis\n- **Prompt Library**: Access predefined prompts or save your own for quick reuse\n\n## Architecture\n\nProbly uses a modern architecture:\n\n- **Frontend**: Next.js application that runs in the browser\n- **Python Execution**: Pyodide (Python compiled to WebAssembly) runs entirely in the browser\n- **LLM Integration**: OpenAI API calls are proxied through the server\n\nThis design means that data analysis happens locally in your browser, providing better performance and privacy.\n\n## Requirements\n\n- Node.js 18 or higher\n- npm or yarn\n- A modern web browser (Chrome, Firefox, Edge, or Safari)\n- OpenAI API key\n\n## 🚀 Quick Start with Docker\n\nThe fastest way to get started with Probly:\n\n1. 📥 Clone the repository:\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002FPragmaticMachineLearning\u002Fprobly.git\n   cd probly\n   ```\n\n2. 🔑 Create a `.env` file with your OpenAI API key:\n   ```bash\n   OPENAI_API_KEY=your_api_key_here\n   ```\n\n3. 🐳 Build and start with Docker:\n   ```bash\n   docker compose build\n   docker compose up -d\n   ```\n\n4. 🌐 Access Probly at http:\u002F\u002Flocalhost:3000\n\n## 💻 Manual Installation\n\nPrefer running without Docker? Here's how:\n\n1. 📥 Clone the repository:\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002FPragmaticMachineLearning\u002Fprobly.git\n   cd probly\n   ```\n\n2. 📦 Install dependencies:\n   ```bash\n   npm install\n   ```\n\n3. 🔑 Set up your environment:\n   ```bash\n   OPENAI_API_KEY=your_api_key_here\n   ```\n\n4. 🚀 Start development server:\n   ```bash\n   npm run dev\n   ```\n\n## 🎯 Using Probly\n\n1. 🌐 Launch the application in your browser\n2. 📤 Import your data or start with a blank sheet\n3. 🤖 Access AI features with keyboard shortcuts:\n   - **Windows\u002FLinux**: `Ctrl+Shift+?`\n   - **Mac**: `⌘+Shift+?`\n4. 📚 Use the prompt library for quick analysis\n5. 📄 Upload documents for automatic data extraction\n6. 💬 Ask questions about your data in natural language\n\n## ⌨️ Keyboard Shortcuts\n\n| Action | Windows\u002FLinux | Mac |\n|--------|--------------|-----|\n| AI Chat | `Ctrl+Shift+?` | `⌘+Shift+?` |\n| Prompt Library | `Ctrl+Shift+L` | `⌘+Shift+L` |\n\n## 🛠️ Tech Stack\n\n- **Frontend**: Next.js 14, TypeScript, React\n- **Spreadsheet**: Handsontable, HyperFormula\n- **Python**: Pyodide (WebAssembly)\n- **AI**: OpenAI API (GPT-4, Vision API)\n- **Visualization**: ECharts\n\n## 📚 Documentation\n\nFor detailed documentation, visit our [Probly Documentation](https:\u002F\u002Fprobly-ai.readthedocs.io\u002Fen\u002Flatest\u002F).\n\n## 👥 Community\n\nJoin our [Discord community](https:\u002F\u002Fdiscord.gg\u002FS273ycM6zW) to:\n- 💡 Share ideas and get help\n- 🎉 Stay updated on new features\n- 👥 Connect with other users\n- 🤝 Contribute to development\n\n## 📄 License\n\n[MIT License](LICENSE) - Feel free to use and modify!\n","\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FPragmaticMachineLearning_probly_readme_e32697aca654.png\" alt=\"Probly Logo\" width=\"400\"\u002F>\n\n  # Probly\n  ### 让电子表格数据分析变得简单\n\n  [![Discord](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDiscord-Join%20Us-7289DA?logo=discord&logoColor=white)](https:\u002F\u002Fdiscord.gg\u002FS273ycM6zW)\n  [![License](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-MIT-blue.svg)](LICENSE)\n\u003C\u002Fdiv>\n\n## Probly 是什么？\n\nProbly 是一款新一代的电子表格应用，它将传统电子表格的强大功能与 AI 驱动的分析、Python 计算以及智能文档处理相结合。\n\n## 核心功能\n\n- **智能电子表格**：功能齐全的电子表格，支持公式并提供智能单元格建议\n- **Python 集成**：通过 WebAssembly 在浏览器中直接运行 Python 代码\n- **数据可视化**：创建交互式图表和可视化效果\n- **AI 驱动分析**：获取智能化洞察和自动化的趋势分析\n- **文档处理**：从图像中提取并处理数据\n- **提示库**：访问预定义的分析模板，并保存自定义提示以供快速复用\n\n![Probly 电子表格示例](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FPragmaticMachineLearning_probly_readme_038a45eb1f48.png)\n\n## 🏗️ 架构\n\nProbly 采用现代化且注重隐私的架构：\n\n```mermaid\ngraph LR\n    A[浏览器] --> B[Next.js 前端]\n    B --> C[Pyodide\u002FWASM]\n    B --> D[OpenAI API]\n    B --> E[Vision API]\n    C --> F[本地处理]\n    D --> G[AI 分析]\n    E --> H[文档处理]\n```\n\n- **前端**：使用 TypeScript 和 React 的 Next.js 14\n- **Python 运行时**：Pyodide（WebAssembly）用于本地执行\n- **AI 集成**：OpenAI API 用于智能分析\n- **文档处理**：Vision API 用于从文档中提取数据\n\n## 功能\n\n- **交互式电子表格**：功能齐全的电子表格，支持公式\n- **Python 分析**：通过 WebAssembly 在浏览器中直接运行 Python 代码\n- **数据可视化**：根据您的数据创建图表和可视化\n- **AI 驱动**：获得智能建议和自动化分析\n- **提示库**：访问预设提示或保存您自己的提示以便快速重复使用\n\n## 架构\n\nProbly 采用现代化架构：\n\n- **前端**：在浏览器中运行的 Next.js 应用程序\n- **Python 执行**：Pyodide（编译为 WebAssembly 的 Python）完全在浏览器中运行\n- **LLM 集成**：OpenAI API 调用通过服务器代理进行\n\n这种设计意味着数据分析完全在您的浏览器中本地完成，从而提供更好的性能和更高的隐私保护。\n\n## 系统要求\n\n- Node.js 18 或更高版本\n- npm 或 yarn\n- 一个现代的网页浏览器（Chrome、Firefox、Edge 或 Safari）\n- OpenAI API 密钥\n\n## 🚀 使用 Docker 快速入门\n\n启动 Probly 的最快方式：\n\n1. 📥 克隆仓库：\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002FPragmaticMachineLearning\u002Fprobly.git\n   cd probly\n   ```\n\n2. 🔑 创建包含您的 OpenAI API 密钥的 `.env` 文件：\n   ```bash\n   OPENAI_API_KEY=your_api_key_here\n   ```\n\n3. 🐳 使用 Docker 构建并启动：\n   ```bash\n   docker compose build\n   docker compose up -d\n   ```\n\n4. 🌐 访问 Probly：http:\u002F\u002Flocalhost:3000\n\n## 💻 手动安装\n\n想不使用 Docker 运行吗？请按照以下步骤操作：\n\n1. 📥 克隆仓库：\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002FPragmaticMachineLearning\u002Fprobly.git\n   cd probly\n   ```\n\n2. 📦 安装依赖项：\n   ```bash\n   npm install\n   ```\n\n3. 🔑 设置环境变量：\n   ```bash\n   OPENAI_API_KEY=your_api_key_here\n   ```\n\n4. 🚀 启动开发服务器：\n   ```bash\n   npm run dev\n   ```\n\n## 🎯 如何使用 Probly\n\n1. 🌐 在浏览器中启动应用程序\n2. 📤 导入您的数据或从空白工作表开始\n3. 🤖 使用快捷键访问 AI 功能：\n   - **Windows\u002FLinux**：`Ctrl+Shift+?`\n   - **Mac**：`⌘+Shift+?`\n4. 📚 使用提示库进行快速分析\n5. 📄 上传文档以实现自动数据提取\n6. 💬 用自然语言提问关于您的数据的问题\n\n## ⌨️ 快捷键\n\n| 操作 | Windows\u002FLinux | Mac |\n|--------|--------------|-----|\n| AI 对话 | `Ctrl+Shift+?` | `⌘+Shift+?` |\n| 提示库 | `Ctrl+Shift+L` | `⌘+Shift+L` |\n\n## 🛠️ 技术栈\n\n- **前端**：Next.js 14、TypeScript、React\n- **电子表格**：Handsontable、HyperFormula\n- **Python**：Pyodide（WebAssembly）\n- **AI**：OpenAI API（GPT-4、Vision API）\n- **可视化**：ECharts\n\n## 📚 文档\n\n有关详细文档，请访问我们的 [Probly 文档](https:\u002F\u002Fprobly-ai.readthedocs.io\u002Fen\u002Flatest\u002F)。\n\n## 👥 社区\n\n加入我们的 [Discord 社区](https:\u002F\u002Fdiscord.gg\u002FS273ycM6zW) 以：\n- 💡 分享想法并获得帮助\n- 🎉 及时了解新功能\n- 👥 与其他用户交流\n- 🤝 参与开发\n\n## 📄 许可证\n\n[MIT 许可证](LICENSE) - 欢迎使用和修改！","# Probly 快速上手指南\n\nProbly 是一款新一代电子表格应用，结合了传统表格功能、浏览器端 Python 计算（WebAssembly）以及 AI 驱动的数据分析与文档处理能力。数据主要在本地浏览器运行，兼顾性能与隐私。\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**：Windows, macOS 或 Linux\n*   **Node.js**：版本 18 或更高\n*   **包管理器**：npm 或 yarn\n*   **浏览器**：现代浏览器（Chrome, Firefox, Edge, Safari）\n*   **API 密钥**：有效的 OpenAI API Key（用于 AI 分析和视觉处理）\n*   **可选**：Docker 及 Docker Compose（用于容器化部署）\n\n> **提示**：国内开发者若遇到 npm 安装缓慢问题，可临时切换至淘宝镜像源：\n> `npm config set registry https:\u002F\u002Fregistry.npmmirror.com`\n\n## 安装步骤\n\n您可以选择使用 **Docker**（推荐，最快捷）或 **手动安装**。\n\n### 方案一：使用 Docker 启动\n\n1.  **克隆仓库**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002FPragmaticMachineLearning\u002Fprobly.git\n    cd probly\n    ```\n\n2.  **配置环境变量**\n    创建 `.env` 文件并填入您的 OpenAI API Key：\n    ```bash\n    echo \"OPENAI_API_KEY=your_api_key_here\" > .env\n    ```\n    *(请将 `your_api_key_here` 替换为真实的密钥)*\n\n3.  **构建并运行**\n    ```bash\n    docker compose build\n    docker compose up -d\n    ```\n\n4.  **访问应用**\n    打开浏览器访问：http:\u002F\u002Flocalhost:3000\n\n### 方案二：手动安装运行\n\n1.  **克隆仓库**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002FPragmaticMachineLearning\u002Fprobly.git\n    cd probly\n    ```\n\n2.  **安装依赖**\n    ```bash\n    npm install\n    ```\n\n3.  **配置环境变量**\n    在项目根目录创建 `.env` 文件，内容如下：\n    ```bash\n    OPENAI_API_KEY=your_api_key_here\n    ```\n\n4.  **启动开发服务器**\n    ```bash\n    npm run dev\n    ```\n\n5.  **访问应用**\n    打开浏览器访问：http:\u002F\u002Flocalhost:3000\n\n## 基本使用\n\n启动成功后，即可在浏览器中体验 Probly 的核心功能：\n\n1.  **导入数据**\n    进入界面后，您可以直接上传 Excel\u002FCSV 文件，或从空白表格开始手动输入数据。\n\n2.  **调用 AI 分析**\n    选中数据区域，使用快捷键唤起 AI 助手进行自然语言问答或自动趋势分析：\n    *   **Windows\u002FLinux**: `Ctrl+Shift+?`\n    *   **Mac**: `⌘+Shift+?`\n\n3.  **使用预设模板**\n    按下 `Ctrl+Shift+L` (Mac: `⌘+Shift+L`) 打开提示词库（Prompt Library），快速应用预定义的分析模板。\n\n4.  **文档数据提取**\n    点击上传按钮导入图片或文档，Probly 将利用 Vision API 自动提取其中的表格数据并填入单元格。\n\n5.  **运行 Python 代码**\n    在单元格中直接编写 Python 代码（基于 Pyodide），实现复杂的本地数据处理与可视化图表生成。","某电商运营分析师需要在周五下班前，从一堆混乱的供应商发票图片和本地 Excel 销售记录中，快速整理出季度采购成本趋势报告。\n\n### 没有 probly 时\n- **数据录入繁琐**：需要手动敲击键盘将几十张发票图片上的金额、日期和商品名称录入表格，耗时且极易出错。\n- **分析门槛高**：发现异常数据波动时，若想用 Python 进行深度统计或绘制复杂图表，必须切换至本地 IDE 配置环境，打断工作流。\n- **洞察滞后**：面对海量数据，只能依赖基础公式求和，难以快速识别潜在的采购趋势或季节性规律，往往需要等待数据团队支持。\n- **隐私顾虑**：担心将敏感的财务明细上传至第三方在线分析平台会导致数据泄露，不敢轻易使用云端 AI 工具。\n\n### 使用 probly 后\n- **智能提取**：直接拖入发票图片，probly 调用视觉 API 自动识别并填充单元格，瞬间完成结构化数据录入，准确率极高。\n- **浏览器内编程**：遇到复杂计算需求，直接在单元格内运行基于 WebAssembly 的 Python 代码，无需离开浏览器即可生成高级统计模型。\n- **即时洞察**：通过自然语言提问（如“分析本季度成本趋势”），probly 立即生成交互式图表并给出智能趋势解读，辅助快速决策。\n- **本地化安全**：核心数据处理在浏览器本地完成，敏感财务信息无需上传服务器，既享受了 AI 便利又保障了数据隐私。\n\nprobly 将原本需要跨工具协作数小时的工作，浓缩为浏览器内的流畅闭环，让非技术人员也能像数据科学家一样高效挖掘数据价值。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FPragmaticMachineLearning_probly_038a45eb.png","PragmaticMachineLearning","Pragmatic ML","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FPragmaticMachineLearning_5eb8b8b9.jpg","Pragmatic machine learning research and application","https:\u002F\u002Fwww.pragmatic.ml","https:\u002F\u002Fgithub.com\u002FPragmaticMachineLearning",[82,86,90,94],{"name":83,"color":84,"percentage":85},"TypeScript","#3178c6",97.8,{"name":87,"color":88,"percentage":89},"CSS","#663399",1,{"name":91,"color":92,"percentage":93},"Dockerfile","#384d54",0.8,{"name":95,"color":96,"percentage":97},"JavaScript","#f1e05a",0.3,896,53,"2026-04-09T09:58:23","MIT","Linux, macOS, Windows","未说明",{"notes":105,"python":106,"dependencies":107},"该工具主要在现代 Web 浏览器（Chrome, Firefox, Edge, Safari）中运行，Python 代码通过 WebAssembly 在本地浏览器执行而非服务器。必须配置 OpenAI API Key 才能使用 AI 分析和文档处理功能。支持通过 Docker 或手动安装 (npm\u002Fyarn) 部署。","无需本地安装 (基于 Pyodide\u002FWebAssembly 在浏览器运行)",[108,109,83,110,111,112,113,114],"Node.js>=18","Next.js 14","React","Pyodide","Handsontable","HyperFormula","ECharts",[27,16],[117,118,119,120],"llms","spreadsheet","data-analysis","artificial-intelligence","2026-03-27T02:49:30.150509","2026-04-19T03:05:03.961839",[124,129,134,138,142,147],{"id":125,"question_zh":126,"answer_zh":127,"source_url":128},41558,"docker-compose build 失败怎么办？","在运行 docker build 之前，可能需要先在本地执行一次构建。有用户反馈虽然预期不需要本地构建，但按照建议先运行本地构建后，docker build 就能正常工作了。","https:\u002F\u002Fgithub.com\u002FPragmaticMachineLearning\u002Fprobly\u002Fissues\u002F17",{"id":130,"question_zh":131,"answer_zh":132,"source_url":133},41559,"是否支持使用 Ollama 或其他兼容的 AI 模型端点？","目前项目主要使用 GPT-4o，因为开源模型在上下文窗口和响应一致性上存在不可预测性。但可以通过配置环境变量来尝试连接 Ollama。具体步骤如下：\n1. 修改代码以支持自定义 baseURL（如果尚未支持）。\n2. 创建 .env 文件并设置：\n   OPENAI_API_KEY=doesnotmatter\n   OPENAI_MODEL=你的 ollama 模型名称\n   OPENAI_BASE_URL=http:\u002F\u002Fhost.docker.internal:11434\u002Fv1\n3. 更新 docker-compose.yml，将上述环境变量传递给服务。\n注意：Ollama 的系统提示词可能长达 2600 tokens，需要在 Modelfile 或环境变量中将默认上下文长度设置为大于 2048。","https:\u002F\u002Fgithub.com\u002FPragmaticMachineLearning\u002Fprobly\u002Fissues\u002F23",{"id":135,"question_zh":136,"answer_zh":137,"source_url":133},41560,"为什么我在 Ollama 上运行的模型无法正常工作？","即使模型支持工具调用，Ollama 的 OpenAI 兼容端点可能不支持“强制”使用工具的功能，而 Ollama 原生 SDK 支持。此外，项目的系统提示词长达 2600 tokens，超过了 Ollama 默认的 2048 上下文限制。解决方法是调整 Modelfile 或通过环境变量设置更大的默认上下文窗口。目前维护者表示仍在测试中，开源模型的表现可能不稳定。",{"id":139,"question_zh":140,"answer_zh":141,"source_url":133},41561,"如何配置环境变量以连接非 OpenAI 的 API 端点？","可以通过设置以下三个环境变量来指向其他兼容 OpenAI 格式的端点（如 Ollama）：\n- OPENAI_API_KEY：填入任意值（如果是本地模型可填 doesnotmatter）\n- OPENAI_MODEL：填入你要使用的模型名称\n- OPENAI_BASE_URL：填入端点地址，例如 http:\u002F\u002Fhost.docker.internal:11434\u002Fv1\n确保在 docker-compose.yml 中将这些变量传递到容器环境中。",{"id":143,"question_zh":144,"answer_zh":145,"source_url":146},41562,"项目是否有公开的演示或体验地址？","当前没有提供公开的演示地址。此类简短且无具体描述的提问通常会被关闭。建议查看 README 文档或自行部署体验。","https:\u002F\u002Fgithub.com\u002FPragmaticMachineLearning\u002Fprobly\u002Fissues\u002F27",{"id":148,"question_zh":149,"answer_zh":150,"source_url":151},41563,"是否计划支持多工作表（Multiple Sheets）功能？","这是一个功能请求，用户希望像 Excel 或 Google Sheets 一样支持在一个工作簿中管理多个工作表，包括切换、增删改查以及跨表公式引用。目前该功能尚未实现，处于提案阶段。","https:\u002F\u002Fgithub.com\u002FPragmaticMachineLearning\u002Fprobly\u002Fissues\u002F25",[153,158],{"id":154,"version":155,"summary_zh":156,"released_at":157},333556,"v0.3.0","### 新功能\n- 增加了智能文档处理能力：\n  - 从上传的文档（图片）中提取和分析数据\n  - 支持的文档类型包括收据、发票等\n  - 自动提取数据并将其放入电子表格单元格中\n  - 集成 Vision API，实现精准的文档分析\n  - 在用户界面中实时预览提取的数据\n\n### 注意：\n- 文档上传的最大尺寸：10MB\n\n","2025-04-12T12:50:34",{"id":159,"version":160,"summary_zh":161,"released_at":162},333557,"v0.2.0","## 新功能\n- 增加了对多工作表的支持\n  - 创建新工作表\n  - 在不同工作表之间切换\n  - 每个工作表保持独立的数据\n- 工作表管理操作\n  - 重命名工作表\n  - 删除工作表（当存在多个工作表时）\n  - 清空工作表内容\n  - 导入\u002F导出功能现支持多工作表\n\n## 改进\n- 更好的工作表管理界面，提供直接操作按钮\n- 改进了工作表之间的数据处理\n- AI 助手现在能够感知工作表上下文，并可执行工作表相关操作\n\n## 已知限制\n- 尚不支持跨工作表引用（无法引用其他工作表中的单元格）\n\n## 即将推出\n- 跨工作表公式引用\n- 更多工作表管理功能","2025-03-18T14:26:13"]