[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-a7medev--react-native-ml-kit":3,"tool-a7medev--react-native-ml-kit":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",140436,2,"2026-04-05T23:32:43",[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":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":75,"owner_website":81,"owner_url":82,"languages":83,"stars":111,"forks":112,"last_commit_at":113,"license":114,"difficulty_score":23,"env_os":115,"env_gpu":116,"env_ram":116,"env_deps":117,"category_tags":120,"github_topics":121,"view_count":23,"oss_zip_url":81,"oss_zip_packed_at":81,"status":16,"created_at":128,"updated_at":129,"faqs":130,"releases":163},2038,"a7medev\u002Freact-native-ml-kit","react-native-ml-kit","React Native On-Device Machine Learning w\u002F Google ML Kit","React Native ML Kit 是一个为 React Native 应用提供本地机器学习能力的开源库，基于 Google ML Kit 构建，让开发者无需依赖云端服务，即可在手机端直接实现图像识别、文字识别、人脸检测、语言识别和二维码扫描等功能。它解决了移动应用在处理 AI 任务时对网络依赖强、延迟高、隐私风险大的问题，所有计算都在设备本地完成，响应更快、更省流量，也更保护用户隐私。适合使用 React Native 开发跨平台 App 的前端开发者，尤其是希望在 iOS 和 Android 上统一集成轻量级 AI 功能的团队。目前支持图像标签、文本识别、语言识别、人脸检测和二维码扫描等主流模块，翻译功能暂不支持 iOS。其独特优势在于无缝对接原生 ML Kit SDK，无需复杂配置，通过简单的 JavaScript 调用即可启用高性能本地模型，大幅降低 AI 功能的接入门槛。对于需要快速上线智能功能、又重视性能与隐私的移动应用开发者来说，是一个实用且可靠的解决方案。","# React Native ML Kit\n\nReact Native On-Device Machine Learning w\u002F Google ML Kit\n\n## Supported Modules\n\n| Module                                     | Android | iOS |\n| ------------------------------------------ | :-----: | :-: |\n| [Image Labeling](.\u002Fimage-labeling)         |   ✅    | ✅  |\n| [Identify Languages](.\u002Fidentify-languages) |   ✅    | ✅  |\n| [Face Detection](.\u002Fface-detection)         |   ✅    | ✅  |\n| [Text Recognition](.\u002Ftext-recognition)     |   ✅    | ✅  |\n| [Barcode Scanning](.\u002Fbarcode-scanning)     |   ✅    | ✅  |\n| [Translate Text](.\u002Ftranslate-text)         |   ✅    | ❌  |\n| Object Detection and Tracking              |   ❌    | ❌  |\n| Digital Ink Recognition                    |   ❌    | ❌  |\n| Smart Replies                              |   ❌    | ❌  |\n","# React Native ML Kit\n\n使用 Google ML Kit 的 React Native 设备端机器学习\n\n## 支持的模块\n\n| 模块                                     | Android | iOS |\n| ------------------------------------------ | :-----: | :-: |\n| [图像标签](.\u002Fimage-labeling)         |   ✅    | ✅  |\n| [语言识别](.\u002Fidentify-languages) |   ✅    | ✅  |\n| [人脸检测](.\u002Fface-detection)         |   ✅    | ✅  |\n| [文本识别](.\u002Ftext-recognition)     |   ✅    | ✅  |\n| [条形码扫描](.\u002Fbarcode-scanning)     |   ✅    | ✅  |\n| [文本翻译](.\u002Ftranslate-text)         |   ✅    | ❌  |\n| 对象检测与跟踪              |   ❌    | ❌  |\n| 数字墨迹识别                    |   ❌    | ❌  |\n| 智能回复                              |   ❌    | ❌  |","# React Native ML Kit 快速上手指南\n\n## 环境准备\n\n- **系统要求**：macOS 或 Windows 10+，支持 React Native 0.60+\n- **前置依赖**：\n  - Node.js (>= 14)\n  - React Native CLI 或 Expo (推荐使用 Expo SDK 47+)\n  - Android Studio（Android）或 Xcode（iOS）\n  - Google Play 服务（Android 设备需支持）\n\n> **国内加速建议**：使用 npm 镜像源 `https:\u002F\u002Fregistry.npmmirror.com`  \n> ```bash\n> npm config set registry https:\u002F\u002Fregistry.npmmirror.com\n> ```\n\n## 安装步骤\n\n```bash\nnpm install react-native-ml-kit\n```\n\n### Android 配置（需手动添加）\n\n在 `android\u002Fapp\u002Fbuild.gradle` 中添加：\n\n```gradle\nimplementation 'com.google.mlkit:vision-face-detection:17.0.2'\nimplementation 'com.google.mlkit:vision-label-image:18.0.5'\nimplementation 'com.google.mlkit:text-recognition:18.0.3'\nimplementation 'com.google.mlkit:barcode-scanning:18.0.1'\nimplementation 'com.google.mlkit:language-id:18.0.0'\nimplementation 'com.google.mlkit:translate:17.0.0'\n```\n\n### iOS 配置\n\n在 `ios\u002FPodfile` 中添加：\n\n```ruby\npod 'GoogleMLKit\u002FFaceDetection', '~> 4.0.0'\npod 'GoogleMLKit\u002FImageLabeling', '~> 4.0.0'\npod 'GoogleMLKit\u002FTextRecognition', '~> 4.0.0'\npod 'GoogleMLKit\u002FBarcodeScanning', '~> 4.0.0'\npod 'GoogleMLKit\u002FLanguageID', '~> 4.0.0'\n```\n\n然后执行：\n\n```bash\ncd ios && pod install && cd ..\n```\n\n## 基本使用\n\n### 图像标签识别（Image Labeling）\n\n```js\nimport { ImageLabeling } from 'react-native-ml-kit';\n\nconst labelImage = async () => {\n  const labels = await ImageLabeling.detectLabels({ uri: 'file:\u002F\u002F\u002Fpath\u002Fto\u002Fimage.jpg' });\n  console.log(labels); \u002F\u002F [{ label: 'cat', confidence: 0.92 }, ...]\n};\n```\n\n### 文字识别（Text Recognition）\n\n```js\nimport { TextRecognition } from 'react-native-ml-kit';\n\nconst recognizeText = async () => {\n  const text = await TextRecognition.recognizeText({ uri: 'file:\u002F\u002F\u002Fpath\u002Fto\u002Ftext-image.jpg' });\n  console.log(text.text); \u002F\u002F 识别出的文本内容\n};\n```\n\n### 语言识别（Identify Languages）\n\n```js\nimport { IdentifyLanguages } from 'react-native-ml-kit';\n\nconst detectLanguage = async () => {\n  const language = await IdentifyLanguages.identifyLanguage('Hello, 世界');\n  console.log(language.languageCode); \u002F\u002F 输出 'en'\n};\n```\n\n> 所有模块均支持 `uri` 或 `base64` 格式输入图片，详见各模块文档。","一位跨境电商卖家在海外仓管理库存，每天需手动拍摄数十个包裹的快递单号，再逐条录入系统，耗时且易出错。他希望在移动端App中实现一键扫描快递单，自动识别并上传单号，提升效率。\n\n### 没有 react-native-ml-kit 时\n- 每张快递单需人工抄写，平均耗时30秒，日均处理50单就需25分钟，严重影响发货节奏\n- 手动输入常因字迹模糊或格式混乱导致错误，每天约有5%-8%的单号需人工复核修正\n- 依赖第三方API进行OCR识别，需联网且收费高昂，网络不稳定时无法使用\n- 无法在离线环境下操作，仓库内信号差时功能完全失效\n- 开发团队需为iOS和Android分别集成不同OCR SDK，维护成本高、兼容性难保障\n\n### 使用 react-native-ml-kit 后\n- 直接调用Text Recognition模块，拍摄单号后0.5秒内自动识别，效率提升90%以上\n- 本地处理保障识别准确率稳定在97%以上，即使单号打印模糊也能精准提取数字和字母\n- 无需联网即可运行，仓库内无网络时照样高效工作，降低对网络环境的依赖\n- 一套代码同时支持iOS和Android，开发周期缩短60%，后续维护只需统一更新\n- 无需支付云端OCR服务费用，年节省云服务成本超$3000，ROI显著提升\n\nreact-native-ml-kit 让快递单识别从繁琐的手工劳动变成秒级自动化操作，真正实现了“拍一下，就录入”的高效仓储体验。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fa7medev_react-native-ml-kit_625d49e0.png","a7medev","Ahmed Elrefaey","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fa7medev_38e1d13b.jpg","Enjoying software, computer science, and math.","@luciqai","Cairo, Egypt",null,"https:\u002F\u002Fgithub.com\u002Fa7medev",[84,88,92,95,99,103,107],{"name":85,"color":86,"percentage":87},"Java","#b07219",42.3,{"name":89,"color":90,"percentage":91},"Objective-C","#438eff",22.6,{"name":93,"color":94,"percentage":91},"TypeScript","#3178c6",{"name":96,"color":97,"percentage":98},"Ruby","#701516",6.8,{"name":100,"color":101,"percentage":102},"JavaScript","#f1e05a",4.4,{"name":104,"color":105,"percentage":106},"Starlark","#76d275",0.8,{"name":108,"color":109,"percentage":110},"Objective-C++","#6866fb",0.5,569,83,"2026-04-04T23:45:28","MIT","","未说明",{"notes":118,"python":116,"dependencies":119},"该工具为 React Native 组件，依赖 Google ML Kit，需在 Android 或 iOS 设备上运行，不支持 Linux\u002FmacOS\u002FWindows 桌面环境；翻译模块不支持 iOS；所有功能均为设备端运行，无需云端服务。",[],[13],[122,123,124,125,126,127],"react-native","ml-kit","ml-kit-vision","ml","android","ios","2026-03-27T02:49:30.150509","2026-04-06T09:52:02.858261",[131,136,141,146,151,155,159],{"id":132,"question_zh":133,"answer_zh":134,"source_url":135},9285,"在 iOS 上使用 @react-native-ml-kit\u002Ftext-recognition 时出现 CocoaPods 兼容性错误，如何解决？","将 iOS 的部署目标（deployment target）更新至 15.5 或更高版本。在 Xcode 中修改项目设置，并在 Podfile 中添加 `platform :ios, '15.5'`。如果是 Expo 项目，可在 app.json 的 ios 配置中添加 `deploymentTarget: \"15.5\"`。","https:\u002F\u002Fgithub.com\u002Fa7medev\u002Freact-native-ml-kit\u002Fissues\u002F76",{"id":137,"question_zh":138,"answer_zh":139,"source_url":140},9286,"在 Android 上安装 @react-native-ml-kit\u002Fimage-labeling 后应用崩溃，如何修复？","确保已正确配置 Android SDK 环境，包括安装 Android SDK 和设置 ANDROID_HOME 环境变量。同时检查是否缺少必要的依赖项，建议使用最新版本的包并重新运行 `npx react-native link`（如适用）或执行 `cd ios && pod install && cd .. && npx react-native run-android`。","https:\u002F\u002Fgithub.com\u002Fa7medev\u002Freact-native-ml-kit\u002Fissues\u002F12",{"id":142,"question_zh":143,"answer_zh":144,"source_url":145},9287,"在 iOS 上使用 @react-native-ml-kit\u002Ftext-recognition 时与 @react-native-firebase\u002Fcrashlytics 存在依赖冲突，如何解决？","升级 @react-native-ml-kit\u002Ftext-recognition 到最新版本，以使用更新的 ML Kit 依赖（如 GoogleDataTransport >= 10.0）。若仍冲突，可尝试在 Podfile 中添加覆盖依赖的配置，或使用 EAS Build 时通过自定义构建配置强制统一依赖版本。","https:\u002F\u002Fgithub.com\u002Fa7medev\u002Freact-native-ml-kit\u002Fissues\u002F61",{"id":147,"question_zh":148,"answer_zh":149,"source_url":150},9288,"在 Android 上使用 TextRecognition.recognize() 时出现 'No content provider' 错误，如何解决？","确保传入的 URI 是本地文件路径（如 file:\u002F\u002F 或 content:\u002F\u002F），而非远程 URL。ML Kit 不支持直接从网络 URL 读取图像。应先下载图像到本地缓存目录，再传入本地文件路径进行识别。","https:\u002F\u002Fgithub.com\u002Fa7medev\u002Freact-native-ml-kit\u002Fissues\u002F17",{"id":152,"question_zh":153,"answer_zh":154,"source_url":135},9289,"在 iOS 上使用 CocoaPods 安装时提示 'Could not find compatible versions for pod RNMLKitTextRecognition'，如何处理？","检查并更新你的 iOS 项目部署目标（Deployment Target）至 15.5 或更高版本。在 Xcode 中打开项目，进入 'General' > 'Deployment Info' 修改版本，或在 Podfile 开头添加 `platform :ios, '15.5'`，然后执行 `pod install --repo-update`。",{"id":156,"question_zh":157,"answer_zh":158,"source_url":135},9290,"在 Expo 项目中使用 @react-native-ml-kit\u002Ftext-recognition 时如何设置 iOS 最低版本？","在 app.json 或 app.config.js 的 ios 配置中添加 `deploymentTarget: \"15.5\"`，例如：`\"ios\": { \"deploymentTarget\": \"15.5\" }`，然后重新运行 `eas build -p ios --clear-cache` 以应用更改。",{"id":160,"question_zh":161,"answer_zh":162,"source_url":145},9291,"在使用 @react-native-ml-kit 时遇到多个 Firebase 依赖冲突，是否有通用解决方案？","升级所有 @react-native-ml-kit 包至最新版本，以确保使用与最新 Firebase SDK 兼容的 ML Kit 版本（如 GoogleDataTransport >= 10.0）。若仍冲突，可尝试在 Podfile 中使用 `pod 'GoogleDataTransport', '~> 10.0'` 强制统一版本，或使用 Expo 的 eas-build 配置覆盖依赖。",[]]