[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-abyesilyurt--vibesort":3,"tool-abyesilyurt--vibesort":64},[4,17,25,39,48,56],{"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",138956,2,"2026-04-05T11:33:21",[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},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":26,"name":27,"github_repo":28,"description_zh":29,"stars":30,"difficulty_score":10,"last_commit_at":31,"category_tags":32,"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",[33,34,35,36,14,37,15,13,38],"图像","数据工具","视频","插件","其他","音频",{"id":40,"name":41,"github_repo":42,"description_zh":43,"stars":44,"difficulty_score":45,"last_commit_at":46,"category_tags":47,"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。",77062,3,"2026-04-04T04:44:48",[14,33,13,15,37],{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":45,"last_commit_at":54,"category_tags":55,"status":16},519,"PaddleOCR","PaddlePaddle\u002FPaddleOCR","PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。\n\n面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。\n\nPaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。",74913,"2026-04-05T10:44:17",[15,33,13,37],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":45,"last_commit_at":62,"category_tags":63,"status":16},2181,"OpenHands","OpenHands\u002FOpenHands","OpenHands 是一个专注于 AI 驱动开发的开源平台，旨在让智能体（Agent）像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点，通过自动化流程显著提升开发速度。\n\n无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员，还是需要快速原型验证的技术团队，都能从中受益。OpenHands 提供了灵活多样的使用方式：既可以通过命令行（CLI）或本地图形界面在个人电脑上轻松上手，体验类似 Devin 的流畅交互；也能利用其强大的 Python SDK 自定义智能体逻辑，甚至在云端大规模部署上千个智能体并行工作。\n\n其核心技术亮点在于模块化的软件智能体 SDK，这不仅构成了平台的引擎，还支持高度可组合的开发模式。此外，OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩，证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能，支持与 Slack、Jira 等工具集成，并提供细粒度的权限管理，适合从个人开发者到大型企业的各类用户场景。",70612,"2026-04-05T11:12:22",[15,14,13,36],{"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":78,"owner_location":79,"owner_email":80,"owner_twitter":78,"owner_website":78,"owner_url":81,"languages":82,"stars":87,"forks":88,"last_commit_at":89,"license":90,"difficulty_score":10,"env_os":91,"env_gpu":92,"env_ram":92,"env_deps":93,"category_tags":99,"github_topics":78,"view_count":100,"oss_zip_url":78,"oss_zip_packed_at":78,"status":16,"created_at":101,"updated_at":102,"faqs":103,"releases":119},188,"abyesilyurt\u002Fvibesort","vibesort","GPT powered sorting using structured output","vibesort 是一个用 AI 给数组排序的开源小工具，它调用 GPT 模型来理解并完成排序任务。听起来有点“杀鸡用牛刀”，但它其实是在探索大模型能否胜任结构化输出任务——比如把乱序数字整理成升序。你只需传入一个列表，它就会返回排好序的结果，用法和普通排序函数一样简单。\n\n它解决的不是性能问题（毕竟传统算法更快），而是验证“用语言模型做精确结构化计算”是否可行。对开发者和研究人员来说，这是一个轻量级实验项目，适合用来测试 GPT 在结构化数据处理上的边界，或作为教学案例展示 AI 的另类用途。普通用户不建议在生产环境使用，因为依赖 OpenAI API、有成本且速度慢。\n\n技术亮点在于它结合了 Pydantic 结构化输出能力，让 GPT 的自由文本回复能稳定转为 Python 列表，确保结果格式可靠。虽然目前只是趣味性大于实用性，但为“用生成式 AI 做确定性任务”提供了有趣思路。安装简单，几行代码就能跑起来，适合喜欢尝鲜的技术爱好者把玩。","# Vibesort\n\nAI-powered array sorting using GPT.\n\n## Usage\n\nInstall the package:\n```bash\npip install vibesort\n```\n\nSet your OpenAI API key as an environment variable.\n```bash\nexport OPENAI_API_KEY=your_key_here\n```\n\n```python\nfrom vibesort import vibesort\n\nresult = vibesort([5, 2, 8, 1, 9])\nprint(result)  # [1, 2, 5, 8, 9]\n```\n\n## Test\n\n```bash\npytest tests\u002F\n```\n\n## Dependencies\n\n- openai\n- pydantic  \n- typing-extensions\n\n⚠️ Requires OpenAI API key. Experimental project - not for production use.\n","# Vibesort\n\n使用 GPT 的 AI 驱动数组排序工具。\n\n## 使用方法\n\n安装包：\n```bash\npip install vibesort\n```\n\n将你的 OpenAI API 密钥设置为环境变量。\n```bash\nexport OPENAI_API_KEY=your_key_here\n```\n\n```python\nfrom vibesort import vibesort\n\nresult = vibesort([5, 2, 8, 1, 9])\nprint(result)  # [1, 2, 5, 8, 9]\n```\n\n## 测试\n\n```bash\npytest tests\u002F\n```\n\n## 依赖项\n\n- openai\n- pydantic  \n- typing-extensions\n\n⚠️ 需要 OpenAI API 密钥。本项目为实验性项目，不适用于生产环境。","# Vibesort 快速上手指南\n\n## 环境准备\n\n- Python 3.7 或更高版本\n- 需预先安装 `pip`\n- 需拥有有效的 OpenAI API Key（请自行申请）\n- 建议使用国内网络代理或设置 API 访问加速（如通过 Cloudflare 或自建中转）\n\n> ⚠️ 本工具为实验性项目，依赖 GPT 模型进行排序，不建议用于生产环境。\n\n## 安装步骤\n\n```bash\npip install vibesort\n```\n\n推荐使用国内镜像源加速安装（如清华源）：\n\n```bash\npip install vibesort -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n安装完成后，请设置 OpenAI API Key 环境变量：\n\n```bash\nexport OPENAI_API_KEY=your_key_here\n```\n\n（Windows 用户可使用 `set OPENAI_API_KEY=your_key_here`）\n\n## 基本使用\n\n创建 Python 脚本或在交互环境中运行：\n\n```python\nfrom vibesort import vibesort\n\nresult = vibesort([5, 2, 8, 1, 9])\nprint(result)  # [1, 2, 5, 8, 9]\n```\n\n运行后，数组将通过 AI 模型智能排序并返回结果。","一位电商数据分析师正在处理用户行为日志，需要将杂乱的点击热度数值按业务语义排序，而非单纯数字大小。\n\n### 没有 vibesort 时\n- 需手动编写多层条件判断，比如“促销页点击 > 商品详情页点击 > 首页点击”，逻辑复杂且易出错\n- 排序规则随运营策略频繁变更，每次都要重写代码并重新测试，响应速度慢\n- 团队新人看不懂硬编码的排序逻辑，沟通成本高，容易误改关键业务规则\n- 无法处理模糊语义，比如“把‘看起来重要的’排前面”，只能靠猜或放弃\n- 为适配不同活动场景，需维护多个排序函数，代码冗余严重\n\n### 使用 vibesort 后\n- 直接传入原始数组 + 自然语言指令（如“按用户转化价值从高到低排”），vibesort 自动理解意图并输出结构化结果\n- 运营策略调整只需改一句提示词，无需重写函数，5分钟内即可上线新排序逻辑\n- 代码可读性大幅提升，团队成员通过注释中的自然语言描述就能理解排序依据\n- 支持模糊语义排序，比如“把节日相关页面优先展示”，vibesort 能结合上下文推断合理顺序\n- 一套代码适配所有场景，通过更换 prompt 实现不同排序策略，维护成本趋近于零\n\nvibesort 把“让机器听懂人话”变成现实，让排序逻辑从代码枷锁中解放，回归业务本质。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fabyesilyurt_vibesort_f1785427.png","abyesilyurt","Aziz Berkay Yesilyurt","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fabyesilyurt_b7620c62.jpg",null,"🇳🇱 Amsterdam, The Netherlands","abyesilyurt@gmail.com","https:\u002F\u002Fgithub.com\u002Fabyesilyurt",[83],{"name":84,"color":85,"percentage":86},"Python","#3572A5",100,514,23,"2026-03-29T17:05:51","MIT","","未说明",{"notes":94,"python":92,"dependencies":95},"需设置 OpenAI API 密钥环境变量，为实验性项目，不建议用于生产环境。",[96,97,98],"openai","pydantic","typing-extensions",[15,36],7,"2026-03-27T02:49:30.150509","2026-04-06T07:13:22.447823",[104,109,114],{"id":105,"question_zh":106,"answer_zh":107,"source_url":108},461,"没有基准测试结果，我怎么相信这个新排序算法？","项目现已提供基准测试结果，请参见：https:\u002F\u002Fgithub.com\u002Fabyesilyurt\u002Fvibesort\u002Fissues\u002F7","https:\u002F\u002Fgithub.com\u002Fabyesilyurt\u002Fvibesort\u002Fissues\u002F3",{"id":110,"question_zh":111,"answer_zh":112,"source_url":113},462,"排序输出偶尔出现乱码或非数字内容怎么办？","项目已内置验证机制，会自动过滤非整数输出，确保结果纯净。","https:\u002F\u002Fgithub.com\u002Fabyesilyurt\u002Fvibesort\u002Fissues\u002F8",{"id":115,"question_zh":116,"answer_zh":117,"source_url":118},463,"这个排序算法能用于生产环境吗？","该项目为实验性娱乐项目，不建议在生产环境中使用。","https:\u002F\u002Fgithub.com\u002Fabyesilyurt\u002Fvibesort\u002Fissues\u002F30",[]]