[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-SkywalkerDarren--chatWeb":3,"tool-SkywalkerDarren--chatWeb":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",150720,2,"2026-04-11T11:33:10",[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":32,"last_commit_at":59,"category_tags":60,"status":17},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",[52,14],{"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":72,"owner_avatar_url":73,"owner_bio":74,"owner_company":75,"owner_location":76,"owner_email":75,"owner_twitter":75,"owner_website":75,"owner_url":77,"languages":78,"stars":95,"forks":96,"last_commit_at":97,"license":98,"difficulty_score":32,"env_os":99,"env_gpu":99,"env_ram":99,"env_deps":100,"category_tags":107,"github_topics":108,"view_count":32,"oss_zip_url":75,"oss_zip_packed_at":75,"status":17,"created_at":124,"updated_at":125,"faqs":126,"releases":157},6631,"SkywalkerDarren\u002FchatWeb","chatWeb","ChatWeb can crawl web pages, read PDF, DOCX, TXT, and extract the main content, then answer your questions based on the content, or summarize the key points.","chatWeb 是一款智能内容处理工具，能够自动抓取网页或读取 PDF、DOCX、TXT 等文档，提取核心文本并基于内容回答用户提问或生成摘要。它有效解决了面对海量长文本时信息检索困难、大模型上下文长度受限以及难以快速提炼关键点的问题。\n\n该工具非常适合需要高效处理文献资料的研究人员、希望搭建私有知识库的开发者，以及需要从复杂文档中快速获取信息的普通办公用户。其核心技术亮点在于结合了 GPT-3.5 的嵌入（Embedding）能力与向量数据库：它不仅将文本分段向量化存储，还创新性地通过提取用户输入的关键词生成向量进行相似度检索。这种机制能更精准地定位相关段落，在突破令牌限制的同时，显著提升了问答的准确性和相关性。chatWeb 支持本地部署、Docker 运行及多种交互模式，配置灵活，是构建个人智能助手的实用选择。","# ChatWeb\n\n[![Open In Colab](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002FSkywalkerDarren\u002FchatWeb\u002Fblob\u002Fmaster\u002Fexample.ipynb)\n\n[English Doc](readme.md)\n[中文文档](readme.zh.md)\n\nChatWeb can crawl any webpage or extract text from PDF, DOCX, TXT files, and generate an embedded summary.\nIt can also answer your questions based on the content of the text.\nIt is implemented using the chatAPI and embeddingAPI based on gpt3.5, as well as a vector database.\n\n# Basic Principle\nThe basic principle is similar to existing projects such as chatPDF and automated customer service AI.\n\nCrawl web pages\nExtract text content\nUse GPT3.5's embedding API to generate vectors for each paragraph\nCalculate the similarity score between each paragraph's vector and the entire text's vector to generate a summary\nStore the vector-text mapping in a vector database\nGenerate keywords from user input\nGenerate a vector from the keywords\nUse the vector database to perform a nearest neighbor search and return a list of the most similar texts\nUse GPT3.5's chat API to design a prompt that answers the user's question based on the most similar texts in the list.\nThe idea is to extract relevant content from a large amount of text and then answer questions based on that content, which can achieve a similar effect to breaking through token limits.\n\nAn improvement was made to generate vectors based on keywords rather than the user's question, which increases the accuracy of searching for relevant texts.\n\n# Getting Started\n\n## Manual installation:\n\n- Install Python3\n- Download this repository by running `git clone https:\u002F\u002Fgithub.com\u002FSkywalkerDarren\u002FchatWeb.git`\n- Navigate to the directory by running `cd chatWeb`\n- Copy `config.example.json` to `config.json`\n- Edit `config.json` and set `open_ai_key` to your OpenAI API key\n- Install dependencies by running `pip3 install -r requirements.txt`\n- Start the application by running `python3 main.py`\n\n## Docker:\nif you prefer, you can also run this project using docker:\n\n- build the container using `docker-compose build` (only needed once when you are not planning to contibute to this repo)\n- copy `config.example.json` to `config.json` and set all the needed stuff. The example config is already fine for running with docker, no need to change anything there, if you don't have the OPEN_AI_KEY in your env variables you can set it here too, or later if you run this app.\n- run the container: `docker-compose up\"\n- open the application in browser: `http:\u002F\u002Flocalhost:7860`\n\n## Set language\n\n- Edit `config.json`, set `language` to `English` or other language\n\n## Mode Selection\n\n- Edit `config.json` and set `mode` to `console`, `api`, or `webui` to choose the startup mode.\n- In `console` mode, type `\u002Fhelp` to view commands.\n- In `api` mode, an API service can be provided to the outside world. `api_port` and `api_host` can be set in `config.json`.\n- In `webui` mode, a web user interface service can be provided. `webui_port` can be set in `config.json`, defaulting to `http:\u002F\u002F127.0.0.1:7860`.\n\n## Stream Mode\n\n- Edit `config.json` and set `use_stream` to `true`.\n\n## Setting the Temperature\n\n- Edit `config.json` and set `temperature` to a value between 0 and 1.\n- The smaller the value, the more conservative and stable the response will be. The larger the value, the more daring the response may be, possibly resulting in \"hallucinations.\"\n\n## OpenAI Proxy Settings\n\n- Edit `config.json` and add `open_ai_proxy` for your proxy address, for example:\n```\n\"open_ai_proxy\": {\n  \"http\": \"socks5:\u002F\u002F127.0.0.1:1081\",\n  \"https\": \"socks5:\u002F\u002F127.0.0.1:1081\"\n}\n```\n\n## Install PostgreSQL (Optional)\n\n- Edit `config.json` and set `use_postgres` to `true`.\n- Install PostgreSQL.\n  - The default SQL address is `postgresql:\u002F\u002Flocalhost:5432\u002Fmydb`, or you can set it in `config.json`.\n- Install the pgvector plugin.\n\nCompile and install the extension (support Postgres 11+).\n\n```bash\ngit clone --branch v0.4.0 https:\u002F\u002Fgithub.com\u002Fpgvector\u002Fpgvector.git\ncd pgvector\nmake\nmake install # may need sudo\n```\nThen load it in the database you want to use it in\n\n```postgresql\nCREATE EXTENSION vector;\n```\n\n- Install dependency with pip: `pip3 install psycopg2`\n\n# Example\n```txt\nPlease enter the link to the article or the file path of the PDF\u002FTXT\u002FDOCX document: https:\u002F\u002Fgutenberg.ca\u002Febooks\u002Fhemingwaye-oldmanandthesea\u002Fhemingwaye-oldmanandthesea-00-e.html\nPlease wait for 10 seconds until the webpage finishes loading.\nThe article has been retrieved, and the number of text fragments is: 663\n...\n=====================================\nQuery fragments used tokens: 7219, cost: $0.0028876\nQuery fragments used tokens: 7250, cost: $0.0029000000000000002\nQuery fragments used tokens: 7188, cost: $0.0028752\nQuery fragments used tokens: 7177, cost: $0.0028708\nQuery fragments used tokens: 2378, cost: $0.0009512000000000001\nEmbeddings have been created with 663 embeddings, using 31212 tokens, costing $0.0124848\nThe embeddings have been saved.\n=====================================\nPlease enter your query (\u002Fhelp to view commands):\n```\n\n# TODO\n- [x] Support for pdf\u002Ftxt\u002Fdocx files\n- [x] Support for in-memory storage without a database (faiss)\n- [x] Support for Stream\n- [x] Support for API\n- [x] Support for proxies\n- [x] Add Colab support\n- [x] Add language support\n- [x] Support for temperature\n- [x] Support for webui\n- [ ] Other features that have not been thought of yet\n\n# Star History\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSkywalkerDarren_chatWeb_readme_29a8f241f6ab.png)\n","# ChatWeb\n\n[![在 Colab 中打开](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002FSkywalkerDarren\u002FchatWeb\u002Fblob\u002Fmaster\u002Fexample.ipynb)\n\n[英文文档](readme.md)\n[中文文档](readme.zh.md)\n\nChatWeb 可以抓取任意网页内容，或从 PDF、DOCX、TXT 文件中提取文本，并生成嵌入式摘要。它还能根据文本内容回答你的问题。该工具基于 gpt3.5 的 chatAPI 和 embeddingAPI 实现，并结合向量数据库来完成这些功能。\n\n# 基本原理\n其基本原理与现有的 chatPDF 和自动客服 AI 等项目类似：\n\n1. 抓取网页内容\n2. 提取文本内容\n3. 使用 GPT3.5 的 embedding API 为每一段落生成向量\n4. 计算每段落向量与全文向量之间的相似度得分，从而生成摘要\n5. 将向量与文本的映射存储到向量数据库中\n6. 从用户输入中生成关键词\n7. 根据关键词生成向量\n8. 利用向量数据库进行最近邻搜索，返回最相似的一组文本\n9. 使用 GPT3.5 的 chat API 设计提示词，结合列表中最相似的文本回答用户的问题。\n\n核心思想是从大量文本中提取相关内容，再基于这些内容回答问题，从而达到突破 token 限制的效果。此外，我们还改进了算法，不再直接使用用户的完整问题生成向量，而是基于关键词生成向量，这进一步提高了相关文本检索的准确性。\n\n# 快速开始\n\n## 手动安装：\n\n- 安装 Python3\n- 克隆本仓库：`git clone https:\u002F\u002Fgithub.com\u002FSkywalkerDarren\u002FchatWeb.git`\n- 进入目录：`cd chatWeb`\n- 复制 `config.example.json` 为 `config.json`\n- 编辑 `config.json`，将 `open_ai_key` 替换为你自己的 OpenAI API 密钥\n- 安装依赖：`pip3 install -r requirements.txt`\n- 启动应用：`python3 main.py`\n\n## 使用 Docker：\n你也可以通过 Docker 来运行该项目：\n\n- 构建容器：`docker-compose build`（仅在你不打算为本项目贡献代码时需要执行一次）\n- 将 `config.example.json` 复制为 `config.json`，并配置所需参数。示例配置已适用于 Docker 运行，无需修改；如果你的环境变量中没有 `OPEN_AI_KEY`，也可以在此处设置，或者稍后再设置。\n- 启动容器：`docker-compose up`\n- 在浏览器中打开应用：`http:\u002F\u002Flocalhost:7860`\n\n## 设置语言\n\n- 编辑 `config.json`，将 `language` 设置为 `English` 或其他语言。\n\n## 模式选择\n\n- 编辑 `config.json`，将 `mode` 设置为 `console`、`api` 或 `webui`，以选择启动模式。\n- 在 `console` 模式下，输入 `\u002Fhelp` 查看可用命令。\n- 在 `api` 模式下，可以对外提供 API 服务。可在 `config.json` 中设置 `api_port` 和 `api_host`。\n- 在 `webui` 模式下，可提供 Web 用户界面服务。可在 `config.json` 中设置 `webui_port`，默认为 `http:\u002F\u002F127.0.0.1:7860`。\n\n## 流式模式\n\n- 编辑 `config.json`，将 `use_stream` 设置为 `true`。\n\n## 调整温度\n\n- 编辑 `config.json`，将 `temperature` 设置为 0 到 1 之间的值。\n- 值越小，回复越保守稳定；值越大，回复可能更具创造性，但也更容易出现“幻觉”现象。\n\n## OpenAI 代理设置\n\n- 编辑 `config.json`，添加 `open_ai_proxy` 配置代理地址，例如：\n```json\n\"open_ai_proxy\": {\n  \"http\": \"socks5:\u002F\u002F127.0.0.1:1081\",\n  \"https\": \"socks5:\u002F\u002F127.0.0.1:1081\"\n}\n```\n\n## 安装 PostgreSQL（可选）\n\n- 编辑 `config.json`，将 `use_postgres` 设置为 `true`。\n- 安装 PostgreSQL。\n  - 默认的 SQL 地址为 `postgresql:\u002F\u002Flocalhost:5432\u002Fmydb`，也可在 `config.json` 中自定义。\n- 安装 pgvector 插件。\n\n编译并安装扩展（支持 Postgres 11 及以上版本）：\n\n```bash\ngit clone --branch v0.4.0 https:\u002F\u002Fgithub.com\u002Fpgvector\u002Fpgvector.git\ncd pgvector\nmake\nmake install # 可能需要 sudo 权限\n```\n\n然后在你要使用的数据库中加载插件：\n\n```postgresql\nCREATE EXTENSION vector;\n```\n\n- 使用 pip 安装依赖：`pip3 install psycopg2`\n\n# 示例\n```txt\n请输入文章链接或 PDF\u002FTXT\u002FDOCX 文件路径：https:\u002F\u002Fgutenberg.ca\u002Febooks\u002Fhemingwaye-oldmanandthesea\u002Fhemingwaye-oldmanandthesea-00-e.html\n请等待 10 秒钟，直到网页加载完成。\n文章已成功获取，共分割成 663 段文本。\n...\n=====================================\n查询片段使用了 7219 个 token，费用为 $0.0028876。\n查询片段使用了 7250 个 token，费用为 $0.0029000000000000002。\n查询片段使用了 7188 个 token，费用为 $0.0028752。\n查询片段使用了 7177 个 token，费用为 $0.0028708。\n查询片段使用了 2378 个 token，费用为 $0.0009512000000000001。\n已完成 663 个文本片段的嵌入，总共使用了 31212 个 token，费用为 $0.0124848。\n嵌入已保存完毕。\n=====================================\n请输入您的问题（输入 \u002Fhelp 查看命令）：\n```\n\n# 待办事项\n- [x] 支持 PDF\u002FTXT\u002FDOCX 文件\n- [x] 支持无数据库的内存存储（Faiss）\n- [x] 支持流式处理\n- [x] 支持 API\n- [x] 支持代理\n- [x] 添加 Colab 支持\n- [x] 添加多语言支持\n- [x] 支持温度调节\n- [x] 支持 Web UI\n- [ ] 其他尚未想到的功能\n\n# 星标历史\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSkywalkerDarren_chatWeb_readme_29a8f241f6ab.png)","# ChatWeb 快速上手指南\n\nChatWeb 是一款基于 GPT-3.5 的开源工具，支持爬取网页或提取 PDF\u002FDOCX\u002FTXT 文件内容，生成向量摘要并基于上下文回答用户问题。\n\n## 环境准备\n\n*   **操作系统**：Linux \u002F macOS \u002F Windows\n*   **运行环境**：Python 3.x\n*   **前置依赖**：\n    *   OpenAI API Key\n    *   Git\n    *   (可选) Docker & Docker Compose\n    *   (可选) PostgreSQL + pgvector 插件（用于持久化存储）\n\n## 安装步骤\n\n### 方式一：手动安装（推荐）\n\n1.  **克隆项目**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002FSkywalkerDarren\u002FchatWeb.git\n    cd chatWeb\n    ```\n\n2.  **配置密钥**\n    复制示例配置文件并填入你的 OpenAI API Key：\n    ```bash\n    cp config.example.json config.json\n    ```\n    编辑 `config.json`，将 `open_ai_key` 修改为你的实际密钥。如需使用代理，可在此文件中配置 `open_ai_proxy`。\n\n3.  **安装依赖**\n    ```bash\n    pip3 install -r requirements.txt\n    ```\n    > **提示**：国内用户若下载缓慢，可使用清华源加速：\n    > `pip3 install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`\n\n4.  **启动应用**\n    ```bash\n    python3 main.py\n    ```\n\n### 方式二：Docker 部署\n\n1.  **构建并运行**\n    ```bash\n    docker-compose build\n    docker-compose up\n    ```\n    *注：首次运行前请确保已复制 `config.example.json` 为 `config.json` 并配置好 Key（或在环境变量中设置 `OPEN_AI_KEY`）。*\n\n2.  **访问界面**\n    浏览器打开 `http:\u002F\u002Flocalhost:7860`\n\n## 基本使用\n\n启动成功后，根据 `config.json` 中的 `mode` 设置（默认为 `webui` 或 `console`），按以下方式操作：\n\n### 1. 输入数据源\n在控制台或 Web 界面提示处，输入目标网址或本地文件路径：\n```text\nPlease enter the link to the article or the file path of the PDF\u002FTXT\u002FDOCX document: https:\u002F\u002Fgutenberg.ca\u002Febooks\u002Fhemingwaye-oldmanandthesea\u002Fhemingwaye-oldmanandthesea-00-e.html\n```\n系统将自动爬取内容、分段并向量化（耗时约 10 秒至数分钟，视文本长度而定）。\n\n### 2. 发起提问\n数据处理完成后，直接输入问题进行对话：\n```text\nPlease enter your query (\u002Fhelp to view commands): 老人最后钓到大鱼了吗？\n```\n\n### 3. 模式切换说明\n如需更改运行模式，请编辑 `config.json` 中的 `mode` 字段：\n*   `console`: 命令行交互模式（输入 `\u002Fhelp` 查看指令）。\n*   `webui`: 网页图形界面模式（默认端口 7860）。\n*   `api`: 开启 API 服务供外部调用。\n\n### 高级配置提示\n*   **流式输出**：设置 `\"use_stream\": true` 可实现打字机效果。\n*   **温度控制**：调整 `\"temperature\"` (0-1)，数值越低回答越严谨，越高越具创造性。\n*   **语言设置**：修改 `\"language\"` 字段可改变系统交互语言。","某金融分析师需要快速研读一份长达 80 页的英文行业研报 PDF 及三个相关竞品官网的最新动态，以准备下午的投资决策会议。\n\n### 没有 chatWeb 时\n- **人工阅读耗时极长**：必须逐字通读几十页文档和多个网页，仅提取关键数据就需耗费数小时，难以应对紧急会议。\n- **信息检索困难**：当需要查找特定技术指标或竞品定价策略时，需在长篇大论中反复滚动搜索，极易遗漏分散在不同章节的细节。\n- **跨源整合繁琐**：需手动将 PDF 内容与网页信息复制粘贴到笔记软件中进行对比，格式混乱且容易出错。\n- **语言障碍明显**：面对全英文的专业术语和复杂句式，非母语阅读速度慢，理解偏差风险高。\n- **总结主观性强**：人工摘要容易受个人注意力局限，难以客观全面地覆盖所有核心论点。\n\n### 使用 chatWeb 后\n- **秒级内容提取**：直接上传 PDF 并输入网址，chatWeb 自动爬取并清洗内容，几分钟内即可完成所有资料的预处理。\n- **精准问答定位**：针对“竞品 Q3 定价策略”提问，chatWeb 利用向量数据库迅速定位最相关的段落，直接给出带出处的答案。\n- **自动跨源综述**：一键生成基于所有文档和网页的综合摘要，自动关联不同来源的关键信息，形成完整的逻辑链条。\n- **无障碍语言交互**：直接用中文提问英文材料，chatWeb 实时翻译并解答，彻底消除语言隔阂。\n- **客观全面洞察**：基于全文向量相似度计算生成的总结，确保了关键信息无遗漏，辅助决策更加科学可靠。\n\nchatWeb 通过将海量非结构化文档转化为可对话的知识库，让专业人士从繁琐的阅读工作中解放出来，专注于高价值的决策分析。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSkywalkerDarren_chatWeb_305899fa.png","SkywalkerDarren","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FSkywalkerDarren_27c8ac04.jpg","很惭愧，就做了一点微小的工作，谢谢大家。",null,"Shenzhen,China","https:\u002F\u002Fgithub.com\u002FSkywalkerDarren",[79,83,87,91],{"name":80,"color":81,"percentage":82},"Python","#3572A5",89.2,{"name":84,"color":85,"percentage":86},"Jupyter Notebook","#DA5B0B",9.7,{"name":88,"color":89,"percentage":90},"Dockerfile","#384d54",1,{"name":92,"color":93,"percentage":94},"Shell","#89e051",0.1,910,136,"2026-04-08T16:43:32","MIT","未说明",{"notes":101,"python":102,"dependencies":103},"1. 必须配置 OpenAI API Key。2. 支持手动安装或 Docker 部署。3. 可选使用 PostgreSQL 配合 pgvector 插件进行向量存储，否则默认使用内存存储 (faiss)。4. 如需访问 OpenAI 服务受限地区，需在配置文件中设置代理。5. 支持多种运行模式：控制台、API 服务和 WebUI。","Python3",[104,105,106],"requirements.txt 中定义的依赖","psycopg2 (可选，用于 PostgreSQL)","pgvector (可选，PostgreSQL 插件)",[14,15,16,35,13],[109,110,111,112,113,114,115,116,117,118,119,120,121,122,123],"chatgpt","embedding","gpt-35-turbo","news-extractor","newspaper","openai","pgvector","postgresql","vector-database","faiss","ai","gpt","crawler","docx","pdf","2026-03-27T02:49:30.150509","2026-04-11T23:22:53.149478",[127,132,137,142,147,152],{"id":128,"question_zh":129,"answer_zh":130,"source_url":131},29932,"遇到 'generator' object has no attribute 'choices' 错误怎么办？","该问题通常与流式输出（stream mode）配置有关。目前 Web UI 模式下的聊天输出尚不支持流式模式。请检查您的 config.json 配置文件，尝试将 \"use_stream\" 设置为 false。如果问题依旧，请提供不含密钥的配置文件及复现步骤以便进一步排查。","https:\u002F\u002Fgithub.com\u002FSkywalkerDarren\u002FchatWeb\u002Fissues\u002F13",{"id":133,"question_zh":134,"answer_zh":135,"source_url":136},29933,"生成向量使用的是哪个模型？是 gpt-3.5-turbo 吗？","不是。生成向量使用的是 text-embedding-ada-002 模型。gpt-3.5-turbo 不支持向量生成任务。这是 OpenAI 的官方模型分工，具体可参考 OpenAI 官方博客及文档。","https:\u002F\u002Fgithub.com\u002FSkywalkerDarren\u002FchatWeb\u002Fissues\u002F4",{"id":138,"question_zh":139,"answer_zh":140,"source_url":141},29934,"如何配置代理以访问国内无法连接的 OpenAI API？","可以在 config.json 配置文件中添加代理设置。示例如下：\n{\n  \"open_ai_proxy\": {\n    \"http\": \"socks5:\u002F\u002F127.0.0.1:1081\",\n    \"https\": \"socks5:\u002F\u002F127.0.0.1:1081\"\n  }\n}\n请将 IP 和端口替换为您实际的代理地址。","https:\u002F\u002Fgithub.com\u002FSkywalkerDarren\u002FchatWeb\u002Fissues\u002F7",{"id":143,"question_zh":144,"answer_zh":145,"source_url":146},29935,"如何更改系统使用的语言（如英语或西班牙语）？","项目已支持多语言设置。您只需在 config.json 配置文件中修改 \"language\" 字段为您需要的语言（例如 \"English\" 或 \"Spanish\"），重启服务即可生效。","https:\u002F\u002Fgithub.com\u002FSkywalkerDarren\u002FchatWeb\u002Fissues\u002F10",{"id":148,"question_zh":149,"answer_zh":150,"source_url":151},29936,"Mac 下安装时报 pg_config 命令找不到怎么办？必须安装 PostgreSQL 吗？","该项目现在支持纯内存运行模式，无需安装 PostgreSQL 数据库。如果您不需要持久化存储功能，可以配置为无数据库模式运行，从而避免安装 PostgreSQL 及解决 pg_config 缺失的问题。","https:\u002F\u002Fgithub.com\u002FSkywalkerDarren\u002FchatWeb\u002Fissues\u002F1",{"id":153,"question_zh":154,"answer_zh":155,"source_url":156},29937,"是否有 Docker 版本方便部署？","是的，项目已经支持 Docker 部署。您可以直接使用 Docker 进行安装和运行。如果在部署过程中遇到问题，可以继续提交 Issue 或发起 Pull Request。","https:\u002F\u002Fgithub.com\u002FSkywalkerDarren\u002FchatWeb\u002Fissues\u002F6",[]]