[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-ShowMeAI-Hub--awesome-AI-cheatsheets":3,"tool-ShowMeAI-Hub--awesome-AI-cheatsheets":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},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",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"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",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},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",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"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",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"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。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},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",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":77,"owner_avatar_url":78,"owner_bio":79,"owner_company":79,"owner_location":80,"owner_email":81,"owner_twitter":79,"owner_website":79,"owner_url":82,"languages":83,"stars":88,"forks":89,"last_commit_at":90,"license":79,"difficulty_score":91,"env_os":92,"env_gpu":92,"env_ram":92,"env_deps":93,"category_tags":105,"github_topics":106,"view_count":23,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":117,"updated_at":118,"faqs":119,"releases":120},2187,"ShowMeAI-Hub\u002Fawesome-AI-cheatsheets","awesome-AI-cheatsheets","AI与数据科学各类工具库速查表与参考代码","awesome-AI-cheatsheets 是一个专为人工智能与数据科学领域打造的开源速查表合集，由 ShowMeAI 团队精心整理。它汇集了从基础编程到前沿建模的全流程参考代码与核心语法指南，涵盖 Python、SQL 等编程语言，Numpy、Pandas 等数据处理库，Matplotlib、Seaborn 等可视化工具，以及 Scikit-Learn、TensorFlow、PyTorch 等主流机器学习与深度学习框架，甚至包括 OpenCV 和正则表达式等实用技能。\n\n在 AI 开发过程中，开发者常需频繁查阅各类库的函数用法、参数细节或标准代码模板，繁琐的文档检索往往打断思路、降低效率。awesome-AI-cheatsheets 通过将高频知识点浓缩为直观的图表与代码片段，帮助用户快速定位解决方案，显著缩短从“遇到问题”到“写出代码”的时间，让建模与应用开发更加流畅高效。\n\n这份资源特别适合 AI 工程师、数据科学家、算法研究人员以及正在学习相关技术的学生使用。无论是日常开发中的即时查询，还是系统学习时的知识梳理，它都能提供强有力的支持。其独特的亮点在于内容覆盖极广且分类清晰，","awesome-AI-cheatsheets 是一个专为人工智能与数据科学领域打造的开源速查表合集，由 ShowMeAI 团队精心整理。它汇集了从基础编程到前沿建模的全流程参考代码与核心语法指南，涵盖 Python、SQL 等编程语言，Numpy、Pandas 等数据处理库，Matplotlib、Seaborn 等可视化工具，以及 Scikit-Learn、TensorFlow、PyTorch 等主流机器学习与深度学习框架，甚至包括 OpenCV 和正则表达式等实用技能。\n\n在 AI 开发过程中，开发者常需频繁查阅各类库的函数用法、参数细节或标准代码模板，繁琐的文档检索往往打断思路、降低效率。awesome-AI-cheatsheets 通过将高频知识点浓缩为直观的图表与代码片段，帮助用户快速定位解决方案，显著缩短从“遇到问题”到“写出代码”的时间，让建模与应用开发更加流畅高效。\n\n这份资源特别适合 AI 工程师、数据科学家、算法研究人员以及正在学习相关技术的学生使用。无论是日常开发中的即时查询，还是系统学习时的知识梳理，它都能提供强有力的支持。其独特的亮点在于内容覆盖极广且分类清晰，从底层科学计算到上层垂直应用一应俱全，并配有详细的应用指南，真正实现了“一站式”查阅体验，是每位 AI 从业者值得收藏的案头宝典。","# AI速查表全集\n本github包含AI与数据科学各类工具库相关速查表与参考代码，可用于快速解决各类场景问题与建模应用。\n\n**作者：[韩信子](https:\u002F\u002Fgithub.com\u002FHanXinzi-AI)@[ShowMeAI](http:\u002F\u002Fwww.showmeai.tech\u002F)**\u003C\u002Fbr>\n**设计：南乔@[ShowMeAI](http:\u002F\u002Fwww.showmeai.tech\u002F)**\n\nAI速查表学习指南请查看[速查表应用说明书](http:\u002F\u002Fblog.showmeai.tech\u002Fawesome-ai-cheatsheets-resources)\n\n目录\n=================\n\n* [AI速查表全集](#ai速查表全集)\n   * [速查表速览](#速查表速览)\n      * [工具与平台](#工具与平台)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FJupyterNotebook\">Jupyter Notebook\u003C\u002Fa>](#jupyter-notebook)\n      * [编程语言](#编程语言)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FPython\">Python\u003C\u002Fa>](#python)\n      * [科学计算](#科学计算)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FNumpy\">Numpy\u003C\u002Fa>](#numpy)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FScipy\">Scipy\u003C\u002Fa>](#scipy)\n      * [数据分析与处理](#数据分析与处理)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FImporting%20Data\">Importing Data\u003C\u002Fa>](#importing-data)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FPandas\">Pandas\u003C\u002Fa>](#pandas)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FSQL\">SQL\u003C\u002Fa>](#SQL)\n      * [数据可视化](#数据可视化)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FMatplotlib\">Matplotlib\u003C\u002Fa>](#matplotlib)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FSeaborn\">Seaborn\u003C\u002Fa>](#seaborn)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FBokeh\">Bokeh\u003C\u002Fa>](#bokeh)\n      * [大数据](#大数据)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FSpark\">Spark\u003C\u002Fa>](#spark)\n      * [机器学习](#机器学习)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FScikit-Learn\">Scikit-Learn\u003C\u002Fa>](#scikit-learn)\n      * [深度学习](#深度学习)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FKeras\">Keras\u003C\u002Fa>](#keras)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FTensorflow\">Tensorflow\u003C\u002Fa>](#Tensorflow)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FPytorch\">Pytorch\u003C\u002Fa>](#Pytorch)\n      * [垂直领域](#垂直领域)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FOpenCV\">OpenCV\u003C\u002Fa>](#OpenCV)\n      * [通用技能](#通用技能)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FRegularExpression\">正则表达式\u003C\u002Fa>](#RegularExpression)\n\n## 速查表速览\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_c4b475e81d27.png)\n\n### 工具与平台\n\n#### [Jupyter Notebook](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FJupyterNotebook)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_f759922176da.png)\n\n### 编程语言\n\n#### [Python](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FPython)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_e4cfaf675494.png)\n\n### 科学计算\n\n#### [Numpy](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FNumpy)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_d3a86d11311c.png)\n\n#### [Scipy](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FScipy)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_fff1c23260dc.png)\n\n### 数据分析与处理\n\n#### [Importing Data](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FImporting%20Data)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_8622e4b51d1a.png)\n\n#### [Pandas](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FPandas)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_1d44976463d0.png)\n\n#### [SQL](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FSQL)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_8b7e3fcee5df.png)\n\n### 数据可视化\n\n#### [Matplotlib](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FMatplotlib)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_b739da828525.png)\n\n#### [Seaborn](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FSeaborn)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_eb60b8eb489e.png)\n\n#### [Bokeh](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FBokeh)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_569698b7a4df.png)\n\n\n### 大数据\n#### [Spark](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FSpark)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_43f9dcedd88a.png)\n\n### 机器学习\n#### [Scikit-Learn](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FScikit-Learn)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_2a8e93fb325c.png)\n\n### 深度学习\n#### [Keras](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FKeras)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_8a2953df57c3.png)\n\n#### [Tensorflow](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FTensorflow)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_cf4c4a8f0ee5.png)\n\n#### [Pytorch](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FPytorch)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_fbc7a4b9ecb9.png)\n\n### 垂直领域\n#### [OpenCV](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FOpenCV)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_801ee603729c.png)\n\n### 通用技能\n#### [正则表达式](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FRegularExpression)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_338b171b3349.png)\n","# AI速查表全集\n本GitHub仓库包含AI与数据科学各类工具库相关的速查表与参考代码，可用于快速解决各类场景问题与建模应用。\n\n**作者：[韩信子](https:\u002F\u002Fgithub.com\u002FHanXinzi-AI)@[ShowMeAI](http:\u002F\u002Fwww.showmeai.tech\u002F)**\u003C\u002Fbr>\n**设计：南乔@[ShowMeAI](http:\u002F\u002Fwww.showmeai.tech\u002F)**\n\nAI速查表学习指南请查看[速查表应用说明书](http:\u002F\u002Fblog.showmeai.tech\u002Fawesome-ai-cheatsheets-resources)\n\n目录\n=================\n\n* [AI速查表全集](#ai速查表全集)\n   * [速查表速览](#速查表速览)\n      * [工具与平台](#工具与平台)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FJupyterNotebook\">Jupyter Notebook\u003C\u002Fa>](#jupyter-notebook)\n      * [编程语言](#编程语言)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FPython\">Python\u003C\u002Fa>](#python)\n      * [科学计算](#科学计算)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FNumpy\">Numpy\u003C\u002Fa>](#numpy)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FScipy\">Scipy\u003C\u002Fa>](#scipy)\n      * [数据分析与处理](#数据分析与处理)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FImporting%20Data\">Importing Data\u003C\u002Fa>](#importing-data)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FPandas\">Pandas\u003C\u002Fa>](#pandas)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FSQL\">SQL\u003C\u002Fa>](#SQL)\n      * [数据可视化](#数据可视化)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FMatplotlib\">Matplotlib\u003C\u002Fa>](#matplotlib)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FSeaborn\">Seaborn\u003C\u002Fa>](#seaborn)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FBokeh\">Bokeh\u003C\u002Fa>](#bokeh)\n      * [大数据](#大数据)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FSpark\">Spark\u003C\u002Fa>](#spark)\n      * [机器学习](#机器学习)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FScikit-Learn\">Scikit-Learn\u003C\u002Fa>](#scikit-learn)\n      * [深度学习](#深度学习)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FKeras\">Keras\u003C\u002Fa>](#keras)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FTensorflow\">Tensorflow\u003C\u002Fa>](#Tensorflow)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FPytorch\">Pytorch\u003C\u002Fa>](#Pytorch)\n      * [垂直领域](#垂直领域)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FOpenCV\">OpenCV\u003C\u002Fa>](#OpenCV)\n      * [通用技能](#通用技能)\n         * [\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FRegularExpression\">正则表达式\u003C\u002Fa>](#RegularExpression)\n\n## 速查表速览\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_c4b475e81d27.png)\n\n### 工具与平台\n\n#### [Jupyter Notebook](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FJupyterNotebook)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_f759922176da.png)\n\n### 编程语言\n\n#### [Python](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FPython)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_e4cfaf675494.png)\n\n### 科学计算\n\n#### [Numpy](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FNumpy)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_d3a86d11311c.png)\n\n#### [Scipy](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FScipy)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_fff1c23260dc.png)\n\n### 数据分析与处理\n\n#### [Importing Data](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FImporting%20Data)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_8622e4b51d1a.png)\n\n#### [Pandas](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FPandas)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_1d44976463d0.png)\n\n#### [SQL](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FSQL)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_8b7e3fcee5df.png)\n\n### 数据可视化\n\n#### [Matplotlib](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FMatplotlib)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_b739da828525.png)\n\n#### [Seaborn](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FSeaborn)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_eb60b8eb489e.png)\n\n#### [Bokeh](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FBokeh)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_569698b7a4df.png)\n\n\n### 大数据\n#### [Spark](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FSpark)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_43f9dcedd88a.png)\n\n### 机器学习\n#### [Scikit-Learn](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FScikit-Learn)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_2a8e93fb325c.png)\n\n### 深度学习\n#### [Keras](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FKeras)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_8a2953df57c3.png)\n\n#### [Tensorflow](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FTensorflow)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_cf4c4a8f0ee5.png)\n\n#### [Pytorch](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FPytorch)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_fbc7a4b9ecb9.png)\n\n### 垂直领域\n#### [OpenCV](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FOpenCV)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_801ee603729c.png)\n\n### 通用技能\n#### [正则表达式](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets\u002Ftree\u002Fmain\u002FRegularExpression)\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_readme_338b171b3349.png)","# awesome-AI-cheatsheets 快速上手指南\n\n本仓库汇集了 AI 与数据科学领域的全套速查表（Cheatsheets），涵盖从基础编程、数据处理到机器学习、深度学习的核心库。旨在帮助开发者快速查询语法、解决场景问题并加速建模应用。\n\n## 环境准备\n\n本项目为静态资源集合（图片与 Markdown 文档），**无需安装任何 Python 包或复杂依赖**。只需具备以下基础环境即可浏览和使用：\n\n*   **操作系统**：Windows \u002F macOS \u002F Linux\n*   **必备工具**：\n    *   Web 浏览器（推荐 Chrome, Edge, Firefox）用于在线预览。\n    *   Git（可选）用于克隆仓库到本地。\n    *   Markdown 阅读器（可选）用于本地查看 `.md` 文件。\n*   **网络要求**：由于仓库托管于 GitHub，国内访问可能较慢，建议配置网络加速或使用镜像站。\n\n## 安装步骤\n\n你可以通过以下两种方式获取速查表资源：\n\n### 方式一：直接在线浏览（推荐）\n直接访问 GitHub 仓库页面，点击目录中对应的链接查看高清速查表图片。\n*   仓库地址：[https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets](https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets)\n\n### 方式二：克隆到本地\n若需离线查看或作为个人知识库备份，可使用 Git 克隆。\n\n**使用原生 Git 命令：**\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub\u002Fawesome-AI-cheatsheets.git\ncd awesome-AI-cheatsheets\n```\n\n**国内加速方案（使用 Gitee 镜像）：**\n如果 GitHub 下载速度慢，推荐使用国内镜像源：\n```bash\ngit clone https:\u002F\u002Fgitee.com\u002FShowMeAI\u002Fawesome-AI-cheatsheets.git\ncd awesome-AI-cheatsheets\n```\n\n## 基本使用\n\n本仓库按技术栈分类整理，使用方法非常简单：找到你需要的技术领域，打开对应的文件夹查看速查表图片。\n\n### 1. 查找特定库的速查表\n进入项目根目录后，根据需求进入对应子文件夹。例如，如果你需要 **Pandas** 的数据处理语法速查：\n\n*   **路径**：`\u002FPandas`\n*   **操作**：打开该文件夹下的 `.png` 图片或 `README.md` 文件。\n*   **内容**：包含 DataFrame 创建、数据清洗、聚合运算等常用代码片段。\n\n### 2. 典型使用场景示例\n\n#### 场景 A：忘记 Numpy 数组重塑语法\n1.  进入 `Numpy` 文件夹。\n2.  查看速查表中 \"Array Manipulation\" 或 \"Shape\" 部分。\n3.  直接复制示例代码：\n    ```python\n    import numpy as np\n    arr = np.arange(6)\n    reshaped_arr = arr.reshape(2, 3)\n    ```\n\n#### 场景 B：快速查询 Scikit-Learn 模型训练流程\n1.  进入 `Scikit-Learn` 文件夹。\n2.  参考 \"Model Fitting\" 章节的标准模板：\n    ```python\n    from sklearn.linear_model import LinearRegression\n    model = LinearRegression()\n    model.fit(X_train, y_train)\n    predictions = model.predict(X_test)\n    ```\n\n#### 场景 C：深度学习框架对比 (PyTorch vs TensorFlow)\n*   分别进入 `Pytorch` 和 `Tensorflow` 文件夹。\n*   对比两者在定义神经网络层、损失函数和优化器时的语法差异，快速切换开发思维。\n\n### 3. 主要分类索引\n*   **基础环境**：`JupyterNotebook`, `Python`\n*   **科学计算**：`Numpy`, `Scipy`\n*   **数据分析**：`Importing Data`, `Pandas`, `SQL`\n*   **可视化**：`Matplotlib`, `Seaborn`, `Bokeh`\n*   **大数据**：`Spark`\n*   **机器学习**：`Scikit-Learn`\n*   **深度学习**：`Keras`, `Tensorflow`, `Pytorch`\n*   **计算机视觉**：`OpenCV`\n*   **通用技能**：`RegularExpression` (正则表达式)\n\n> **提示**：更详细的应用说明书和学习指南可访问 [ShowMeAI 博客](http:\u002F\u002Fblog.showmeai.tech\u002Fawesome-ai-cheatsheets-resources)。","某数据分析师正紧急处理电商用户行为数据，需要在半天内完成从数据清洗、特征工程到构建推荐模型的全流程交付。\n\n### 没有 awesome-AI-cheatsheets 时\n- **记忆负担重**：面对 Pandas 复杂的数据透视语法或 Scikit-Learn 的参数配置，不得不频繁切换浏览器搜索文档，打断编程思路。\n- **试错成本高**：在编写 Matplotlib 可视化代码或 Numpy 矩阵运算时，因记不清具体函数参数而反复运行报错，浪费大量调试时间。\n- **知识盲区多**：遇到 SQL 数据导入或正则表达式提取特定字段等非日常高频操作时，缺乏现成模板参考，只能从零摸索写法。\n- **环境配置乱**：在不同项目间切换时，对于 Jupyter Notebook 的快捷指令或库版本兼容性缺乏统一速览，导致环境搭建耗时过长。\n\n### 使用 awesome-AI-cheatsheets 后\n- **即查即用**：直接对照 Pandas 和 Scikit-Learn 速查表复制标准代码片段，将数据清洗与建模的核心编码时间缩短了 60%。\n- **精准避坑**：参考 Matplotlib 和 Numpy 的图文示例，一次性写对可视化图表与矩阵变换逻辑，彻底消除了因参数错误导致的重复调试。\n- **模板赋能**：利用 Importing Data 和正则表达式速查表中的现成方案，迅速解决了异构数据读取与文本清洗难题，填补了技能短板。\n- **效率倍增**：依托 Jupyter Notebook 和各类库的统一速览指南，快速理顺开发环境与操作技巧，确保项目按时高质量交付。\n\nawesome-AI-cheatsheets 将零散的技术文档转化为手边的“实战地图”，让开发者从繁琐的记忆与检索中解放出来，专注于解决核心业务问题。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FShowMeAI-Hub_awesome-AI-cheatsheets_c4b475e8.png","ShowMeAI-Hub","ShowMeAI","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FShowMeAI-Hub_9d7fc9bd.png",null,"BeiJing, China","ShowMeAI@yeah.net","https:\u002F\u002Fgithub.com\u002FShowMeAI-Hub",[84],{"name":85,"color":86,"percentage":87},"Jupyter Notebook","#DA5B0B",100,677,154,"2026-04-02T15:45:23",1,"",{"notes":94,"python":92,"dependencies":95},"本项目为 AI 与数据科学领域的速查表（Cheatsheets）和参考代码集合，并非单一可执行软件工具。内容涵盖 Python 编程、科学计算、数据分析、可视化、机器学习及深度学习等多个方向。用户需根据具体使用的子模块（如 PyTorch、Spark 或 OpenCV 等）自行配置相应的运行环境和依赖库版本。建议具备基础的 Python 开发环境即可浏览和使用大部分内容。",[85,96,97,98,99,100,101,102,103,104],"Numpy","Scipy","Pandas","Matplotlib","Seaborn","Bokeh","Spark","Scikit-Learn","Tensorflow \u002F Pytorch \u002F Keras",[14,13,15],[107,108,109,110,111,112,113,114,115,116],"awesome","ai","cheatsheet","cheatsheets","pandas","sklearn","seaborn","keras","tensorflow","pytorch","2026-03-27T02:49:30.150509","2026-04-06T07:13:18.274698",[],[]]