[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-amusi--AI-Job-Recommend":3,"tool-amusi--AI-Job-Recommend":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",138956,2,"2026-04-05T11:33:21",[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":82,"owner_website":83,"owner_url":84,"languages":82,"stars":85,"forks":86,"last_commit_at":87,"license":82,"difficulty_score":88,"env_os":89,"env_gpu":90,"env_ram":90,"env_deps":91,"category_tags":94,"github_topics":95,"view_count":23,"oss_zip_url":82,"oss_zip_packed_at":82,"status":16,"created_at":103,"updated_at":104,"faqs":105,"releases":106},1336,"amusi\u002FAI-Job-Recommend","AI-Job-Recommend","国内公司人工智能方向（含机器学习、深度学习、计算机视觉和自然语言处理）岗位的招聘信息（含全职、实习和校招）","AI-Job-Recommend 是一份持续更新的「国内 AI 岗位内推清单」，把阿里巴巴、腾讯、字节跳动、商汤、华为等几十家大厂的校招、实习、社招信息按机器学习、深度学习、计算机视觉、自然语言处理、SLAM、自动驾驶等方向整理成册，全部提供内推渠道。它解决了求职者四处搜罗零散招聘帖、难辨真伪、缺少内推入口的痛点。无论你是准备找实习的研一学生、冲刺校招的应届生，还是想跳槽的 AI 工程师，都能在这里一键直达 HR 或用人部门。项目还配套刷题指南、面试攻略和实时交流群，让求职准备更系统、更高效。","# 国内AI算法岗内推（2021年）\n提供国内各大公司人工智能方向岗位的内推机会，含机器学习、深度学习、计算机视觉、SLAM、自动驾驶和自然语言处理等方向。\n\n主要以校招、实习和全职为主，并且全都是内推方式！\n\n## 内推资源\n\n- [校招内推](校招\u002FREADME.md)：已含阿里巴巴、网易、商汤、旷视、字节跳动、滴滴、美团、图森未来、VIVO、OPPO、大疆、华为、海康威视、大华等几十家公司（2021届和2022届校招内推）\n- [实习内推](实习\u002FREADME.md)：已含阿里巴巴、腾讯、京东和商汤等公司\n- [社招内推](社招\u002FREADME.md)：已含腾讯和阿里巴巴等公司\n\n## 荐读\n\n- [重磅！2021年AI算法岗求职群来了](https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002FypRaTi9hb73N6kJRPjJoCA)\n\n- [AI算法岗求职攻略（涵盖准备攻略、刷题指南、内推和AI公司清单等资料）](https:\u002F\u002Fgithub.com\u002Famusi\u002FAI-Job-Notes)\n\n- [国内提供计算机视觉(CV)算法岗位的公司名单](https:\u002F\u002Fgithub.com\u002Famusi\u002FCV-Jobs)\n\n想了解更多更新的大厂招聘和内推信息，欢迎加入 **[2021年AI算法岗求职群](https:\u002F\u002Ft.zsxq.com\u002FVFUZR3n)**\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Famusi_AI-Job-Recommend_readme_ea5893c53f12.png)\n\n","# 国内AI算法岗内推（2021年）\n提供国内各大公司人工智能方向岗位的内推机会，含机器学习、深度学习、计算机视觉、SLAM、自动驾驶和自然语言处理等方向。\n\n主要以校招、实习和全职为主，并且全都是内推方式！\n\n## 内推资源\n\n- [校招内推](校招\u002FREADME.md)：已含阿里巴巴、网易、商汤、旷视、字节跳动、滴滴、美团、图森未来、VIVO、OPPO、大疆、华为、海康威视、大华等几十家公司（2021届和2022届校招内推）\n- [实习内推](实习\u002FREADME.md)：已含阿里巴巴、腾讯、京东和商汤等公司\n- [社招内推](社招\u002FREADME.md)：已含腾讯和阿里巴巴等公司\n\n## 荐读\n\n- [重磅！2021年AI算法岗求职群来了](https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002FypRaTi9hb73N6kJRPjJoCA)\n\n- [AI算法岗求职攻略（涵盖准备攻略、刷题指南、内推和AI公司清单等资料）](https:\u002F\u002Fgithub.com\u002Famusi\u002FAI-Job-Notes)\n\n- [国内提供计算机视觉(CV)算法岗位的公司名单](https:\u002F\u002Fgithub.com\u002Famusi\u002FCV-Jobs)\n\n想了解更多更新的大厂招聘和内推信息，欢迎加入 **[2021年AI算法岗求职群](https:\u002F\u002Ft.zsxq.com\u002FVFUZR3n)**\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Famusi_AI-Job-Recommend_readme_ea5893c53f12.png)","# AI-Job-Recommend 快速上手指南\n\n> 本指南帮助你 3 分钟内完成环境准备并开始使用 AI-Job-Recommend 获取国内 AI 算法岗内推信息。\n\n---\n\n## 环境准备\n\n- **系统要求**：任意支持 Git 的操作系统（Windows \u002F macOS \u002F Linux）\n- **前置依赖**：已安装 Git（≥2.20）  \n  - Windows 用户：推荐 [Git for Windows](https:\u002F\u002Fgit-scm.com\u002Fdownload\u002Fwin)  \n  - macOS 用户：`brew install git`  \n  - Linux 用户：`sudo apt install git`（Ubuntu\u002FDebian）\n\n---\n\n## 安装步骤\n\n1. 克隆仓库（国内镜像，速度更快）  \n   ```bash\n   git clone https:\u002F\u002Fghproxy.com\u002Fhttps:\u002F\u002Fgithub.com\u002Famusi\u002FAI-Job-Recommend.git\n   ```\n\n2. 进入项目目录  \n   ```bash\n   cd AI-Job-Recommend\n   ```\n\n---\n\n## 基本使用\n\n1. 查看校招内推列表  \n   ```bash\n   cat 校招\u002FREADME.md\n   ```\n\n2. 查看实习内推列表  \n   ```bash\n   cat 实习\u002FREADME.md\n   ```\n\n3. 查看社招内推列表  \n   ```bash\n   cat 社招\u002FREADME.md\n   ```\n\n> 打开对应 README 即可获取最新内推链接、投递邮箱及截止时间。","研二学生林晨，主修计算机视觉，正在准备 2022 届秋招，目标锁定国内大厂的视觉算法岗。\n\n### 没有 AI-Job-Recommend 时\n- 每天刷 5 个招聘网站，信息分散、重复，半小时才能筛出 3 条有效岗位  \n- 想投阿里、商汤、旷视，却找不到内部员工邮箱，只能走官网投递，简历石沉大海  \n- 不清楚各公司笔试\u002F面试节奏，错过网易提前批，只能等正式批再排队  \n- 群里流传的“内推码”真假难辨，曾被骗填钓鱼链接，浪费一次投递机会  \n\n### 使用 AI-Job-Recommend 后\n- 打开 GitHub 一页看全 40+ 家公司的校招\u002F实习\u002F社招信息，5 分钟完成今日扫岗  \n- 直接复制 README 里的内推邮箱和微信，一键把简历发给阿里师兄，当天收到笔试邀请  \n- 仓库同步更新各公司网申截止、笔试时间，提前两周收到商汤提前批提醒，顺利拿到面试  \n- 所有内推链接都经过维护者验证，扫码进群还能实时答疑，再没踩过钓鱼坑  \n\nAI-Job-Recommend 把零散的内推信息整合成一份“活地图”，让林晨用最少时间拿到最多面试。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Famusi_AI-Job-Recommend_8a9e0cf2.png","amusi","Amusi","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Famusi_84f21910.jpg","欢迎关注微信公众号: CVer，了解最新最前沿的AI\u002FCV技术","CVer","Shanghai, China","1609951733@qq.com",null,"https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002FEGiZz-Mt-8pHG7Sq_OA_UA","https:\u002F\u002Fgithub.com\u002Famusi",769,84,"2026-03-16T03:55:23",1,"","未说明",{"notes":92,"python":90,"dependencies":93},"该仓库仅为内推信息汇总，无需任何运行环境；所有内容均为2021年校招\u002F实习\u002F社招内推链接与资料，无代码或模型文件",[],[13,26,14],[96,97,98,99,100,101,102],"artificial-intelligence","computer-vision","jobs","job-search","deep-learning","machine-learning","natural-language-processing","2026-03-27T02:49:30.150509","2026-04-06T07:13:19.313041",[],[]]