[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-RayFernando1337--llm-cursor-rules":3,"tool-RayFernando1337--llm-cursor-rules":64},[4,17,27,35,44,52],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":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",152630,2,"2026-04-12T23:33:54",[13,14,15],"开发框架","Agent","语言模型","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":10,"last_commit_at":23,"category_tags":24,"status":16},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",[25,14,26,13],"插件","图像",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":10,"last_commit_at":33,"category_tags":34,"status":16},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[25,13],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":41,"last_commit_at":42,"category_tags":43,"status":16},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",90106,3,"2026-04-06T11:19:32",[15,26,14,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"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",[13,15],{"id":53,"name":54,"github_repo":55,"description_zh":56,"stars":57,"difficulty_score":10,"last_commit_at":58,"category_tags":59,"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。",85092,"2026-04-10T11:13:16",[26,60,61,25,14,62,15,13,63],"数据工具","视频","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":79,"owner_location":80,"owner_email":79,"owner_twitter":75,"owner_website":81,"owner_url":82,"languages":79,"stars":83,"forks":84,"last_commit_at":85,"license":86,"difficulty_score":87,"env_os":88,"env_gpu":89,"env_ram":89,"env_deps":90,"category_tags":93,"github_topics":79,"view_count":10,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":94,"updated_at":95,"faqs":96,"releases":97},7058,"RayFernando1337\u002Fllm-cursor-rules","llm-cursor-rules","My go-to rules for using Cursor and LLMs in software development.","llm-cursor-rules 是一套专为提升软件开发效率而设计的最佳实践指南，旨在帮助开发者更好地结合 Cursor 编辑器与大语言模型（LLM）进行编程。在日常开发中，虽然 AI 辅助工具功能强大，但若缺乏明确的指令规范，生成的代码往往风格不一或质量参差不齐。这套规则通过提供结构化的提示词模板和编码约定，有效解决了 AI 输出不稳定、代码风格难以统一以及上下文理解偏差等痛点。\n\n目前，该资源库重点涵盖了 Swift\u002FSwiftUI 和 Next.js 14 两大技术栈的开发规则，内容深入至代码结构、状态管理、性能优化等核心领域。它特别适合使用 Cursor 编辑器的 iOS 前端及 Web 全栈开发者，尤其是那些希望将 AI 深度融入工作流以提升产出质量的工程师。其独特之处在于“观点鲜明”的实战导向，这些规则并非泛泛而谈的理论，而是源自作者真实的直播编程与项目经验，能够直接作为项目配置文件使用，或作为团队定制专属 AI 开发规范的优质起点。无论是个人开发者还是技术团队，都能借此让 AI 助手更精准地理解意图，从而写出更健壮、更易维护的代码。","# LLM Cursor Rules\n\nWelcome to my repository of go-to rules for using Cursor and LLMs in software development!\n\n## About\n\nThis repository contains my opinionated rules and best practices for leveraging Large Language Models (LLMs) and the Cursor editor in software development workflows. The rules are designed to enhance productivity and code quality when working with AI-assisted coding tools.\n\n## Rules\n\nCurrently, the repository includes two sets of rules:\n\n1. Swift and SwiftUI Development Rules\n2. Next.js 14 Development Rules\n\nThese rules cover best practices, code structure, state management, performance optimization, and more for their respective domains.\n\n## Usage\n\nFeel free to use these rules in your own projects or as a starting point for developing your own set of best practices. If you find them helpful, I'd appreciate attribution (see below).\n\n## Contributing\n\nContributions are welcome! If you have suggestions for improvements or additional rules, please feel free to open an issue or submit a pull request.\n\n## Attribution\n\nIf you use parts of this work in your own projects or writings, please provide attribution by referencing this repository and my X (formerly Twitter) account: [@RayFernando1337](https:\u002F\u002Fx.com\u002FRayFernando1337)\n\n## Live Coding\n\nI regularly livestream coding sessions where I use Cursor and apply these rules. You can watch these streams on my YouTube channel: [Ray Fernando](https:\u002F\u002Fyoutube.com\u002F@RayFernando1337)\n\n## Connect\n\n- Follow me on X: [@RayFernando1337](https:\u002F\u002Fx.com\u002FRayFernando1337)\n- Subscribe to my YouTube channel: [Ray Fernando](https:\u002F\u002Fyoutube.com\u002F@RayFernando1337)\n\n## License\n\nThis project is open source. While I welcome sharing and usage of this work, I kindly request that you provide attribution as mentioned above.\n","# LLM 光标规则\n\n欢迎来到我的仓库，这里汇集了在软件开发中使用 Cursor 和 LLM 的实用规则！\n\n## 关于\n\n本仓库包含了我在软件开发工作流中利用大型语言模型（LLMs）和 Cursor 编辑器时的一些个人见解与最佳实践。这些规则旨在提升使用 AI 辅助编码工具时的生产力和代码质量。\n\n## 规则\n\n目前，仓库包含两套规则：\n\n1. Swift 和 SwiftUI 开发规则\n2. Next.js 14 开发规则\n\n这些规则涵盖了各自领域的最佳实践、代码结构、状态管理、性能优化等内容。\n\n## 使用\n\n您可以自由地将这些规则应用于自己的项目，或将其作为制定您自己最佳实践集的起点。如果您觉得它们有所帮助，恳请您注明出处（见下文）。\n\n## 贡献\n\n欢迎贡献！如果您有改进建议或新增规则的想法，请随时提交议题或拉取请求。\n\n## 归属声明\n\n如果您在自己的项目或文章中使用了本作品的部分内容，请务必注明出处，引用本仓库及我的 X（原 Twitter）账号：[@RayFernando1337](https:\u002F\u002Fx.com\u002FRayFernando1337)。\n\n## 实时编码\n\n我经常进行实时编码直播，在其中使用 Cursor 并应用这些规则。您可以在我的 YouTube 频道观看这些直播：[Ray Fernando](https:\u002F\u002Fyoutube.com\u002F@RayFernando1337)。\n\n## 联系\n\n- 在 X 上关注我：[@RayFernando1337](https:\u002F\u002Fx.com\u002FRayFernando1337)\n- 订阅我的 YouTube 频道：[Ray Fernando](https:\u002F\u002Fyoutube.com\u002F@RayFernando1337)\n\n## 许可证\n\n本项目为开源项目。虽然我欢迎大家分享和使用本作品，但恳请您按照上述要求注明出处。","# llm-cursor-rules 快速上手指南\n\n`llm-cursor-rules` 是一个专为 **Cursor 编辑器** 设计的规则集合，旨在通过预设的最佳实践提升大语言模型（LLM）在软件开发中的代码生成质量。目前主要支持 **Swift\u002FSwiftUI** 和 **Next.js 14** 技术栈。\n\n## 环境准备\n\n在使用本工具前，请确保满足以下条件：\n\n- **操作系统**：macOS、Windows 或 Linux\n- **核心软件**：已安装 [Cursor 编辑器](https:\u002F\u002Fcursor.sh\u002F) (基于 VS Code 的 AI 原生编辑器)\n- **前置依赖**：\n  - 若使用 Swift 规则：需安装 Xcode 及 Swift 工具链\n  - 若使用 Next.js 规则：需安装 Node.js (建议 v18+) 及 npm\u002Fyarn\u002Fpnpm\n\n## 安装步骤\n\n本项目并非通过包管理器安装的库，而是作为**配置文件**直接集成到 Cursor 项目中。\n\n1. **克隆或下载仓库**\n   在终端执行以下命令获取规则文件：\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002FRayFernando1337\u002Fllm-cursor-rules.git\n   ```\n   *注：国内用户若访问缓慢，可手动在浏览器下载 ZIP 包并解压。*\n\n2. **复制规则文件**\n   进入你的目标项目根目录，创建 `.cursorrules` 文件（如果尚未存在），并将仓库中对应的规则内容复制进去。\n\n   例如，针对 **Next.js 14** 项目：\n   ```bash\n   # 假设你已在当前目录克隆了仓库\n   cp llm-cursor-rules\u002Frules\u002Fnextjs-14.rules .cursorrules\n   ```\n\n   针对 **Swift\u002FSwiftUI** 项目：\n   ```bash\n   cp llm-cursor-rules\u002Frules\u002Fswift-swiftui.rules .cursorrules\n   ```\n\n   > **提示**：如果仓库内文件名为通用格式，请直接打开对应文件，全选复制内容，粘贴到你项目根目录下的 `.cursorrules` 文件中。\n\n## 基本使用\n\n配置完成后，Cursor 会自动读取 `.cursorrules` 文件中的指令，无需额外命令激活。\n\n1. **打开项目**\n   使用 Cursor 打开已添加 `.cursorrules` 文件的项目文件夹。\n\n2. **发起对话或生成代码**\n   在 Chat 面板（`Cmd+L` \u002F `Ctrl+L`）或行内编辑（`Cmd+K` \u002F `Ctrl+K`）中输入自然语言需求。AI 将自动遵循规则中定义的代码结构、状态管理和性能优化规范。\n\n   **示例场景 (Next.js 14)**：\n   *输入*：\"创建一个带有服务器端数据获取的用户资料页面。\"\n   *结果*：AI 将严格按照规则生成符合 Next.js 14 App Router 规范的代码，包含正确的 `async\u002Fawait` 用法、组件分离及类型定义。\n\n   **示例场景 (SwiftUI)**：\n   *输入*：\"实现一个带有动画效果的列表视图。\"\n   *结果*：AI 将遵循 SwiftUI 最佳实践，使用标准的 `State` 管理并应用推荐的动画修饰符。\n\n3. **验证效果**\n   观察生成的代码是否符合预期规范。如需调整，可直接修改 `.cursorrules` 文件内容以微调 AI 行为。","一位全栈开发者正在使用 Cursor 编辑器快速构建一个基于 Next.js 14 和 SwiftUI 的跨平台应用原型。\n\n### 没有 llm-cursor-rules 时\n- AI 生成的代码风格不统一，有时混用旧版 React 写法与 Next.js 14 推荐的 Server Components，导致后期重构成本高昂。\n- 在状态管理上，AI 随意推荐解决方案，可能在简单场景中引入复杂的 Redux 逻辑，或在需要持久化时遗漏关键步骤。\n- 每次提示都需要重复强调“请使用 TypeScript\"、“遵循最佳实践”等基础要求，对话上下文被冗余指令占据，效率低下。\n- 生成的 SwiftUI 代码偶尔忽略最新的声明式语法规范，产生难以维护的命令式代码片段。\n- 缺乏统一的性能优化指导，AI 可能生成存在内存泄漏风险或未做图片优化的低效代码。\n\n### 使用 llm-cursor-rules 后\n- AI 自动遵循预设的 Next.js 14 架构规范，始终输出符合 Server Components 标准的代码，确保项目结构清晰一致。\n- 状态管理建议严格匹配场景复杂度，简单表单使用本地状态，复杂数据流则自动采用推荐的 Zustand 或 Context 方案。\n- 无需重复输入基础约束，llm-cursor-rules 已内置类型安全和编码规范，让开发者能直接聚焦业务逻辑的探讨。\n- SwiftUI 代码生成严格贴合最新声明式范式，自动规避过时 API，保证移动端代码的现代性与可读性。\n- 内置的性能规则让 AI 主动实施图片懒加载、服务端缓存等优化策略，从源头提升应用运行效率。\n\nllm-cursor-rules 通过将资深开发者的经验固化为机器可执行的规则，让 AI 从“随机代码生成器”转变为“懂规范的资深结对程序员”。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FRayFernando1337_llm-cursor-rules_faf5d6fd.png","RayFernando1337","Ray Fernando","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FRayFernando1337_84df4116.jpg","12-yr ex-apple engineer • ai streams on x\u002Fyoutube • latest app https:\u002F\u002Fraytranscribes.com\r\n",null,"Los Altos, CA","https:\u002F\u002Frayfernando.ai","https:\u002F\u002Fgithub.com\u002FRayFernando1337",884,135,"2026-04-12T05:59:35","MIT",1,"","未说明",{"notes":91,"python":89,"dependencies":92},"该项目并非可执行的 AI 模型或软件工具，而是一组用于配置 Cursor 编辑器（一款基于 VS Code 的 AI 代码编辑器）的规则文件集合。它主要包含针对 Swift\u002FSwiftUI 和 Next.js 14 开发的最佳实践指南。用户只需在 Cursor 项目中引入这些规则文件即可使用，无需安装特定的 Python 环境、GPU 驱动或依赖库。实际运行环境需求取决于用户本地安装的 Cursor 编辑器及其所连接的大语言模型服务。",[],[15,25],"2026-03-27T02:49:30.150509","2026-04-13T17:51:16.152042",[],[]]