[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-ZohaibAhmed--ChatGPT-Google":3,"tool-ZohaibAhmed--ChatGPT-Google":64},[4,17,26,36,44,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},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",143909,2,"2026-04-07T11:33:18",[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},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],"插件",{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"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",[15,35,14,13],"图像",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":10,"last_commit_at":42,"category_tags":43,"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":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"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。",85013,"2026-04-06T11:09:19",[35,52,53,25,14,54,15,13,55],"数据工具","视频","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":32,"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",[14,35,13,15,54],{"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":81,"owner_twitter":81,"owner_website":82,"owner_url":83,"languages":84,"stars":93,"forks":94,"last_commit_at":95,"license":96,"difficulty_score":97,"env_os":98,"env_gpu":98,"env_ram":98,"env_deps":99,"category_tags":103,"github_topics":81,"view_count":10,"oss_zip_url":81,"oss_zip_packed_at":81,"status":16,"created_at":104,"updated_at":105,"faqs":106,"releases":107},5087,"ZohaibAhmed\u002FChatGPT-Google","ChatGPT-Google","Chrome Extension that Integrates ChatGPT (Unofficial) into Google Search","ChatGPT-Google 是一款专为 Chrome 浏览器设计的开源扩展程序，旨在将 ChatGPT 的智能对话能力无缝集成到谷歌搜索体验中。当用户在谷歌搜索引擎输入查询时，该工具能同步调用 ChatGPT 接口，在展示传统搜索结果的同时，提供由人工智能生成的总结性回答或深度解析。\n\n这一设计巧妙解决了传统搜索引擎信息碎片化、用户需手动筛选多个链接才能获取核心答案的痛点。通过“搜索 + 生成”的双轨模式，用户既能保留对原始信息来源的掌控，又能即时获得经过逻辑梳理的自然语言回复，显著提升了信息获取的效率与质量。\n\n由于该扩展依赖于本地部署的非官方 ChatGPT API（需用户自行配置运行环境），它更适合具备一定技术基础的开发者、AI 研究者或热衷于折腾开源工具的技术爱好者使用。对于普通用户而言，若希望零门槛体验类似功能，可能需要等待更成熟的封装版本。其独特的技术亮点在于采用了轻量级的本地代理架构，既实现了大模型与搜索场景的深度融合，又在一定程度上保留了数据交互的灵活性与可控性，为探索下一代智能搜索形态提供了有趣的实践参考。","![GPT vs Google](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FZohaibAhmed_ChatGPT-Google_readme_f61473a48d7e.png)\n# ChatGPT-Google\nChrome Extension that Integrates ChatGPT (Unofficial) into Google Search\n\n## Prerequisites\n- Unofficial ChatGPT API (https:\u002F\u002Fgithub.com\u002FZohaibAhmed\u002Fchatgpt-api)\n\n## Chrome Extension Installation\n\n1. Clone this repository\n2. Go to chrome:\u002F\u002Fextensions\u002F\n3. Enable Developer Mode\n4. Click on Load Unpacked\n5. Select the folder where you cloned this repository\n\n## Usage\n\n1. Make sure you have the ChatGPT API running (follow instructions here: https:\u002F\u002Fgithub.com\u002FZohaibAhmed\u002Fchatgpt-api)\n2. Go to Google Search and type in your query\n","![GPT 与 Google](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FZohaibAhmed_ChatGPT-Google_readme_f61473a48d7e.png)\n# ChatGPT-Google\n一款将 ChatGPT（非官方）集成到 Google 搜索中的 Chrome 扩展程序\n\n## 前提条件\n- 非官方 ChatGPT API（https:\u002F\u002Fgithub.com\u002FZohaibAhmed\u002Fchatgpt-api）\n\n## Chrome 扩展程序安装步骤\n\n1. 克隆本仓库\n2. 打开 chrome:\u002F\u002Fextensions\u002F\n3. 启用开发者模式\n4. 点击“加载已解压的扩展程序”\n5. 选择您克隆本仓库的文件夹\n\n## 使用方法\n\n1. 确保 ChatGPT API 已运行（请按照此处说明操作：https:\u002F\u002Fgithub.com\u002FZohaibAhmed\u002Fchatgpt-api）\n2. 打开 Google 搜索并输入您的查询内容","# ChatGPT-Google 快速上手指南\n\nChatGPT-Google 是一款 Chrome 浏览器扩展，能够将非官方的 ChatGPT 集成到 Google 搜索中，让你在搜索结果页直接获取 AI 生成的答案。\n\n## 环境准备\n\n在开始之前，请确保满足以下前置条件：\n\n- **操作系统**：支持运行 Chrome 浏览器的系统（Windows \u002F macOS \u002F Linux）。\n- **浏览器**：Google Chrome 浏览器。\n- **核心依赖**：必须预先部署并运行非官方 ChatGPT API 服务。\n  - 项目地址：https:\u002F\u002Fgithub.com\u002FZohaibAhmed\u002Fchatgpt-api\n  - *提示：国内开发者若访问 GitHub 受限，可尝试使用镜像站或配置代理加速克隆。*\n\n## 安装步骤\n\n请按照以下步骤将扩展程序加载到 Chrome 浏览器中：\n\n1. **克隆代码仓库**\n   打开终端，执行以下命令下载源码：\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002FZohaibAhmed\u002FChatGPT-Google.git\n   ```\n   *(注：如遇网络问题，请替换为相应的国内镜像源地址)*\n\n2. **打开扩展管理页面**\n   在 Chrome 地址栏输入并访问：\n   ```text\n   chrome:\u002F\u002Fextensions\u002F\n   ```\n\n3. **开启开发者模式**\n   在页面右上角找到“开发者模式”开关，并将其启用。\n\n4. **加载扩展**\n   点击左上角的“加载已解压的扩展程序”按钮。\n\n5. **选择目录**\n   在文件选择框中，选中你刚才克隆的 `ChatGPT-Google` 文件夹。\n\n## 基本使用\n\n安装完成后，按以下步骤即可使用：\n\n1. **启动后端服务**\n   确保你已按照 [chatgpt-api](https:\u002F\u002Fgithub.com\u002FZohaibAhmed\u002Fchatgpt-api) 的说明成功启动本地 API 服务，且端口监听正常。\n\n2. **执行搜索**\n   打开 Google 搜索首页 (`google.com`)，在搜索框中输入任意查询内容（例如：`如何学习 Python`）并回车。\n\n3. **查看结果**\n   页面加载后，AI 生成的总结答案将自动显示在搜索结果区域。","一名数据分析师正在调研\"2024 年全球可再生能源市场趋势”，需要快速整合多方信息以撰写简报。\n\n### 没有 ChatGPT-Google 时\n- 需要在 Google 搜索结果页和 ChatGPT 网页之间反复切换标签页，手动复制搜索关键词再粘贴到对话框，操作繁琐且打断思路。\n- 面对 Google 返回的数十个链接，必须逐个点击阅读才能提取核心观点，难以在短时间内判断哪些信息与当前分析最相关。\n- 获取的信息往往是碎片化的事实罗列，缺乏逻辑串联，分析师需要额外花费大量时间自行归纳总结成连贯的报告段落。\n- 当需要针对某个搜索结果进行深入追问或要求换个角度解释时，无法直接基于当前的搜索上下文进行交互，导致对话断层。\n\n### 使用 ChatGPT-Google 后\n- 在 Google 搜索结果页侧边栏直接唤起 ChatGPT，自动同步当前搜索词，无需切换页面或重复输入，工作流丝滑连贯。\n- ChatGPT-Google 能即时读取并分析当前页面的搜索结果，直接提炼出前五个关键市场动态，帮助分析师秒级锁定高价值信息。\n- 工具自动将分散的搜索片段整合成一份结构清晰的趋势综述，包含数据对比与专家观点，大幅缩短从检索到成稿的时间。\n- 支持基于当前搜索结果进行多轮深度对话，例如直接指令“对比欧洲与亚洲的政策差异”，即可获得结合实时搜索内容的精准回答。\n\nChatGPT-Google 通过将生成式 AI 的理解能力无缝嵌入传统搜索流程，把原本割裂的“检索 - 阅读 - 总结”三步走变成了高效的“即搜即得”智能闭环。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FZohaibAhmed_ChatGPT-Google_f61473a4.png","ZohaibAhmed","Zohaib Ahmed","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FZohaibAhmed_2eaf703f.jpg","Breaking the entire stack.","@resemble-ai","San Francisco, CA",null,"zohaibahmed.com","https:\u002F\u002Fgithub.com\u002FZohaibAhmed",[85,89],{"name":86,"color":87,"percentage":88},"JavaScript","#f1e05a",97.4,{"name":90,"color":91,"percentage":92},"CSS","#663399",2.6,520,53,"2026-04-02T21:45:45","MIT",4,"未说明",{"notes":100,"python":98,"dependencies":101},"该工具是一个 Chrome 浏览器扩展，需配合外部的非官方 ChatGPT API 服务运行。安装时需通过 Chrome 开发者模式加载解压后的扩展文件夹。使用前必须确保外部 API 服务已启动并正常运行。",[102],"ZohaibAhmed\u002Fchatgpt-api (外部依赖)",[15,25],"2026-03-27T02:49:30.150509","2026-04-07T22:51:02.398113",[],[]]