[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-alibaba--gym-starcraft":3,"tool-alibaba--gym-starcraft":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":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":80,"owner_location":80,"owner_email":80,"owner_twitter":80,"owner_website":81,"owner_url":82,"languages":83,"stars":88,"forks":89,"last_commit_at":90,"license":80,"difficulty_score":91,"env_os":92,"env_gpu":93,"env_ram":93,"env_deps":94,"category_tags":102,"github_topics":103,"view_count":23,"oss_zip_url":80,"oss_zip_packed_at":80,"status":16,"created_at":109,"updated_at":110,"faqs":111,"releases":127},3693,"alibaba\u002Fgym-starcraft","gym-starcraft","StarCraft environment for OpenAI Gym, based on Facebook's TorchCraft. (In progress) ","gym-starcraft 是一个专为人工智能研究设计的开源项目，它将经典的即时战略游戏《星际争霸》接入到流行的 OpenAI Gym 强化学习框架中。该项目基于 Facebook 开发的 TorchCraft 桥接技术，旨在解决复杂游戏环境与 AI 训练平台之间的对接难题，让研究人员能够直接在标准化的 Gym 接口下训练和测试智能体。\n\n通过 gym-starcraft，用户无需从头构建复杂的通信协议或解析游戏状态数据，即可快速搭建起从游戏服务器到 AI 算法的实验闭环。它特别适合从事强化学习、多智能体协作及博弈策略研究的开发者与科研人员使用。对于希望探索高维度决策空间、不完全信息博弈等前沿课题的团队来说，这是一个极具价值的实验床。\n\n其核心技术亮点在于复用并优化了 TorchCraft 的底层连接能力，同时提供了符合 Python 生态的便捷调用方式（torchcraft-py）。使用者只需在本地启动带有 BWAPI 模组的《星际争霸》服务，即可通过简单的命令行指令运行随机代理或自定义算法进行交互测试。虽然该项目目前仍处于持续开发完善阶段，但它为降低星际争霸 AI 研究门槛、促进学","gym-starcraft 是一个专为人工智能研究设计的开源项目，它将经典的即时战略游戏《星际争霸》接入到流行的 OpenAI Gym 强化学习框架中。该项目基于 Facebook 开发的 TorchCraft 桥接技术，旨在解决复杂游戏环境与 AI 训练平台之间的对接难题，让研究人员能够直接在标准化的 Gym 接口下训练和测试智能体。\n\n通过 gym-starcraft，用户无需从头构建复杂的通信协议或解析游戏状态数据，即可快速搭建起从游戏服务器到 AI 算法的实验闭环。它特别适合从事强化学习、多智能体协作及博弈策略研究的开发者与科研人员使用。对于希望探索高维度决策空间、不完全信息博弈等前沿课题的团队来说，这是一个极具价值的实验床。\n\n其核心技术亮点在于复用并优化了 TorchCraft 的底层连接能力，同时提供了符合 Python 生态的便捷调用方式（torchcraft-py）。使用者只需在本地启动带有 BWAPI 模组的《星际争霸》服务，即可通过简单的命令行指令运行随机代理或自定义算法进行交互测试。虽然该项目目前仍处于持续开发完善阶段，但它为降低星际争霸 AI 研究门槛、促进学术社区交流提供了坚实的基础设施支持。","# gym-starcraft\nGym StarCraft is an environment bundle for OpenAI Gym. It is based on [Facebook's TorchCraft](https:\u002F\u002Fgithub.com\u002FTorchCraft\u002FTorchCraft), which is a bridge between Torch and StarCraft for AI research.\n\n## Installation\n\n1. Install [OpenAI Gym](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fgym) and its dependencies.\n\n2. Install [TorchCraft](https:\u002F\u002Fgithub.com\u002FTorchCraft\u002FTorchCraft) and its dependencies. You can skip the torch client part. \n\n3. Install [torchcraft-py](https:\u002F\u002Fgithub.com\u002Fdeepcraft\u002Ftorchcraft-py) and its dependencies.\n\n4. Install the package itself:\n    ```\n    git clone https:\u002F\u002Fgithub.com\u002Fdeepcraft\u002Fgym-starcraft.git\n    cd gym-starcraft\n    pip install -e .\n    ```\n\n## Usage\n1. Start StarCraft server with BWAPI by Chaoslauncher.\n\n2. Run examples:\n\n    ```\n    cd examples\n    python random_agent.py --ip $server_ip --port $server_port \n    ```\n    \n    The `$server_ip` and `$server_port` are the ip and port of the server running StarCraft.   \n    \n","# gym-starcraft\nGym StarCraft 是 OpenAI Gym 的一个环境包。它基于 Facebook 的 [TorchCraft](https:\u002F\u002Fgithub.com\u002FTorchCraft\u002FTorchCraft)，这是一个用于 AI 研究的 Torch 与 StarCraft 之间的桥梁。\n\n## 安装\n\n1. 安装 [OpenAI Gym](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fgym) 及其依赖项。\n\n2. 安装 [TorchCraft](https:\u002F\u002Fgithub.com\u002FTorchCraft\u002FTorchCraft) 及其依赖项。可以跳过 torch 客户端部分。\n\n3. 安装 [torchcraft-py](https:\u002F\u002Fgithub.com\u002Fdeepcraft\u002Ftorchcraft-py) 及其依赖项。\n\n4. 安装本包：\n    ```\n    git clone https:\u002F\u002Fgithub.com\u002Fdeepcraft\u002Fgym-starcraft.git\n    cd gym-starcraft\n    pip install -e .\n    ```\n\n## 使用方法\n\n1. 使用 Chaoslauncher 启动带有 BWAPI 的 StarCraft 服务器。\n\n2. 运行示例：\n\n    ```\n    cd examples\n    python random_agent.py --ip $server_ip --port $server_port \n    ```\n    \n    其中 `$server_ip` 和 `$server_port` 是运行 StarCraft 服务器的 IP 地址和端口。","# gym-starcraft 快速上手指南\n\n`gym-starcraft` 是一个基于 OpenAI Gym 的星际争霸（StarCraft）环境包，底层依托于 Facebook 的 TorchCraft 项目，旨在为 AI 研究提供桥梁。\n\n## 环境准备\n\n在开始之前，请确保满足以下系统要求和前置依赖：\n\n*   **操作系统**：推荐 Linux 环境（Windows 需配合特定配置运行 StarCraft 服务端）。\n*   **游戏本体**：已安装《星际争霸：母巢之战》（StarCraft: Brood War）。\n*   **核心组件**：\n    *   [OpenAI Gym](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fgym) 及其依赖。\n    *   [TorchCraft](https:\u002F\u002Fgithub.com\u002FTorchCraft\u002FTorchCraft) 及其依赖（可跳过 torch 客户端部分）。\n    *   [torchcraft-py](https:\u002F\u002Fgithub.com\u002Fdeepcraft\u002Ftorchcraft-py) 及其依赖。\n*   **启动工具**：Chaoslauncher（用于加载 BWAPI 插件启动游戏服务器）。\n\n> **提示**：国内开发者在安装 Python 依赖时，建议指定清华或阿里云镜像源以加速下载，例如：`pip install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple ...`\n\n## 安装步骤\n\n请按顺序执行以下命令完成安装：\n\n1.  **安装 OpenAI Gym**\n    参照官方文档安装 Gym 及其基础依赖。\n\n2.  **安装 TorchCraft**\n    克隆并编译 TorchCraft，注意无需安装 torch 客户端部分。\n\n3.  **安装 torchcraft-py**\n    安装 Python 绑定库及其依赖。\n\n4.  **安装 gym-starcraft**\n    克隆本项目并以开发模式安装：\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fdeepcraft\u002Fgym-starcraft.git\n    cd gym-starcraft\n    pip install -e .\n    ```\n\n## 基本使用\n\n### 1. 启动游戏服务器\n使用 **Chaoslauncher** 启动 StarCraft，并确保加载了 **BWAPI** 插件。记录下服务器运行的 IP 地址和端口号。\n\n### 2. 运行示例代理\n进入示例目录，运行随机代理脚本进行测试。请将 `$server_ip` 和 `$server_port` 替换为实际的服务器地址和端口：\n\n```bash\ncd examples\npython random_agent.py --ip $server_ip --port $server_port \n```\n\n运行成功后，AI 代理将连接到游戏实例并开始交互。","某高校人工智能实验室的研究团队正致力于开发基于深度强化学习的星际争霸微操算法，急需一个稳定的训练环境来验证模型效果。\n\n### 没有 gym-starcraft 时\n- 研究人员需要手动编写复杂的底层通信代码，通过 Socket 直接对接 TorchCraft 桥接层，开发门槛极高且容易出错。\n- 每次更换实验模型（如从 DQN 切换到 PPO）时，都要重新适配游戏状态解析逻辑，导致大量时间浪费在重复造轮子上。\n- 缺乏统一的标准接口，团队成员间代码难以复用，新加入的研究生往往需要数周时间才能搭建好可运行的测试环境。\n- 调试过程极其痛苦，游戏帧数据与奖励信号的对齐经常出现问题，难以快速定位是算法缺陷还是环境反馈错误。\n\n### 使用 gym-starcraft 后\n- 团队直接调用 gym-starcraft 提供的标准化 OpenAI Gym 接口，无需关心底层 TorchCraft 的复杂连接细节，开箱即用。\n- 切换不同强化学习算法时，只需修改几行配置代码即可复用同一套环境逻辑，实验迭代效率提升数倍。\n- 依托统一的 API 规范，组成员可以无缝共享和对比实验代码，新人能在一天内完成环境部署并跑通第一个随机智能体示例。\n- 内置的状态观测与奖励机制清晰明确，研究人员能专注于策略优化本身，迅速排查出模型收敛慢的真实原因。\n\ngym-starcraft 通过屏蔽底层游戏引擎的复杂性，让研究者能将精力完全聚焦于核心算法创新，极大降低了即时战略游戏 AI 的研发门槛。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Falibaba_gym-starcraft_a703b903.png","alibaba","Alibaba","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Falibaba_f65f7221.png","Alibaba Open Source",null,"https:\u002F\u002Fopensource.alibaba.com\u002F","https:\u002F\u002Fgithub.com\u002Falibaba",[84],{"name":85,"color":86,"percentage":87},"Python","#3572A5",100,529,138,"2026-03-30T04:04:39",5,"Windows","未说明",{"notes":95,"python":93,"dependencies":96},"该工具依赖 StarCraft: Brood War 游戏本体。必须安装 Windows 操作系统以运行游戏服务器和 Chaoslauncher。需手动启动 StarCraft 服务器并配置 IP 和端口后，方可运行 Python 代理脚本。基于 TorchCraft 桥接，无需安装 Torch 客户端部分。",[97,98,99,100,101],"gym","TorchCraft","torchcraft-py","StarCraft (with BWAPI)","Chaoslauncher",[13],[104,67,105,106,107,108],"openai-gym","starcraft","reinforcement-learning","artificial-intelligence","deep-learning","2026-03-27T02:49:30.150509","2026-04-06T08:46:04.900346",[112,117,122],{"id":113,"question_zh":114,"answer_zh":115,"source_url":116},16925,"在 single_battle_env.py 中，迭代 units_myself 和 units_enemy 是什么意思？单人对战环境是否只涉及一个单位与一个敌人的战斗？","是的，单人对战环境（single battle env）默认只关注一个我方单位与一个敌方单位的战斗。代码中的迭代是为了获取当前存在的单位 ID 和数据。如果需要处理多单位战斗，可以添加索引来选择 units_myself 和 units_enemy 中的特定单位。示例代码如下：\n```python\ndef _make_commands(self, action, unit_myself_index):\n    cmds = []\n    if self.state is None or not action.any():\n        return cmds\n\n    myself_id = np.zeros(5)\n    myself = {}\n    enemy_id = np.zeros(5)\n    enemy = {}\n\n    i = 0\n    j = 0\n\n    we = utils.is_empty(self.state['units_myself'])\n    ee = utils.is_empty(self.state['units_enemy'])\n\n    for uid, ut in self.state['units_myself'].iteritems():\n        myself_id[i] = uid\n        myself[i] = ut\n        i += 1\n\n    for uid, ut in self.state['units_enemy'].iteritems():\n        enemy_id[j] = uid\n        enemy[j] = ut\n        j += 1\n\n    if action[0] > 0:\n        # 攻击动作逻辑\n        if we or ee:\n            # 处理空单位情况\n            pass\n```","https:\u002F\u002Fgithub.com\u002Falibaba\u002Fgym-starcraft\u002Fissues\u002F3",{"id":118,"question_zh":119,"answer_zh":120,"source_url":121},16926,"运行示例时遇到错误：'The truth value of an array with more than one element is ambiguous'，如何解决？","该错误是由于在判断数组真假值时使用了不明确的表达式。解决方法是修改 gym_starcraft\u002Fenvs\u002Fsingle_battle_env.py 文件的第 33 行，将：\n```python\nif self.state is None or not action:\n```\n替换为：\n```python\nif self.state is None or action is None:\n```\n这样可以避免对数组直接进行布尔判断，从而解决报错问题。","https:\u002F\u002Fgithub.com\u002Falibaba\u002Fgym-starcraft\u002Fissues\u002F2",{"id":123,"question_zh":124,"answer_zh":125,"source_url":126},16927,"如何通过 Chaoslauncher 使用 BWAPI 启动 StarCraft 服务器？能否提供更多细节？","目前社区更推荐使用 pysc2 来替代传统的 BWAPI + Chaoslauncher 方案，因为 pysc2 提供了更现代、更易用的接口和更好的维护支持。如果仍需要使用 BWAPI，请确保已正确安装 StarCraft: Brood War、BWAPI 和 Chaoslauncher，并按照 BWAPI 官方文档配置插件路径和启动参数。但鉴于生态演进，建议优先尝试迁移至 pysc2。","https:\u002F\u002Fgithub.com\u002Falibaba\u002Fgym-starcraft\u002Fissues\u002F4",[]]