[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-anaisbetts--mcp-youtube":3,"tool-anaisbetts--mcp-youtube":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",140436,2,"2026-04-05T23:32:43",[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。",74939,"2026-04-05T23:16:38",[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。",70626,"2026-04-05T22:51:36",[15,14,13,36],{"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":81,"owner_email":82,"owner_twitter":80,"owner_website":83,"owner_url":84,"languages":85,"stars":94,"forks":95,"last_commit_at":96,"license":97,"difficulty_score":10,"env_os":98,"env_gpu":99,"env_ram":99,"env_deps":100,"category_tags":104,"github_topics":80,"view_count":10,"oss_zip_url":80,"oss_zip_packed_at":80,"status":16,"created_at":105,"updated_at":106,"faqs":107,"releases":123},2230,"anaisbetts\u002Fmcp-youtube","mcp-youtube","A Model-Context Protocol Server for YouTube","mcp-youtube 是一款基于模型上下文协议（MCP）构建的开源服务，旨在让 AI 助手直接“读懂”YouTube 视频内容。它通过调用本地安装的 yt-dlp 工具，自动提取指定视频的字幕文本，并将其无缝接入到如 Claude.ai 等支持 MCP 的大模型环境中。\n\n这一工具主要解决了用户无法直接向 AI 提供长视频内容进行深度分析或总结的痛点。过去，用户往往需要手动复制字幕或依赖不精准的自动转录，而 mcp-youtube 实现了从视频链接到文本上下文的自动化流转。现在，用户只需向 AI 发送“总结这个视频链接”的指令，即可快速获取精准的视频摘要、关键点提取或内容问答，极大提升了信息获取效率。\n\n该工具特别适合开发者、研究人员以及希望利用 AI 高效处理视频信息的普通用户。对于开发者而言，其独特的技术亮点在于采用了标准化的 Model Context Protocol，使得视频数据能以统一格式被不同 AI 应用调用，同时完全依赖本地运行的 yt-dlp，既保证了数据处理的灵活性，又避免了将视频内容上传至第三方服务器的隐私风险。只需简单配置，即可让本地 AI 工作流具备强大的视","mcp-youtube 是一款基于模型上下文协议（MCP）构建的开源服务，旨在让 AI 助手直接“读懂”YouTube 视频内容。它通过调用本地安装的 yt-dlp 工具，自动提取指定视频的字幕文本，并将其无缝接入到如 Claude.ai 等支持 MCP 的大模型环境中。\n\n这一工具主要解决了用户无法直接向 AI 提供长视频内容进行深度分析或总结的痛点。过去，用户往往需要手动复制字幕或依赖不精准的自动转录，而 mcp-youtube 实现了从视频链接到文本上下文的自动化流转。现在，用户只需向 AI 发送“总结这个视频链接”的指令，即可快速获取精准的视频摘要、关键点提取或内容问答，极大提升了信息获取效率。\n\n该工具特别适合开发者、研究人员以及希望利用 AI 高效处理视频信息的普通用户。对于开发者而言，其独特的技术亮点在于采用了标准化的 Model Context Protocol，使得视频数据能以统一格式被不同 AI 应用调用，同时完全依赖本地运行的 yt-dlp，既保证了数据处理的灵活性，又避免了将视频内容上传至第三方服务器的隐私风险。只需简单配置，即可让本地 AI 工作流具备强大的视频理解能力。","# YouTube MCP Server\n\nUses `yt-dlp` to download subtitles from YouTube and connects it to claude.ai via [Model Context Protocol](https:\u002F\u002Fmodelcontextprotocol.io\u002Fintroduction). Try it by asking Claude, \"Summarize the YouTube video \u003C\u003CURL>>\". Requires `yt-dlp` to be installed locally e.g. via Homebrew.\n\n### How do I get this working?\n\n1. Install `yt-dlp` (Homebrew and WinGet both work great here)\n1. Now, install this via [mcp-installer](https:\u002F\u002Fgithub.com\u002Fanaisbetts\u002Fmcp-installer), use the name `@anaisbetts\u002Fmcp-youtube`","# YouTube MCP 服务器\n\n使用 `yt-dlp` 从 YouTube 下载字幕，并通过 [Model Context Protocol](https:\u002F\u002Fmodelcontextprotocol.io\u002Fintroduction) 将其连接到 claude.ai。你可以通过向 Claude 提问“请总结 YouTube 视频 \u003C\u003CURL>>”来试用。需要在本地安装 `yt-dlp`，例如通过 Homebrew。\n\n### 如何让它正常工作？\n\n1. 安装 `yt-dlp`（Homebrew 和 WinGet 都可以很好地完成这项任务）\n2. 然后，通过 [mcp-installer](https:\u002F\u002Fgithub.com\u002Fanaisbetts\u002Fmcp-installer) 安装本项目，使用名称 `@anaisbetts\u002Fmcp-youtube`","# mcp-youtube 快速上手指南\n\nmcp-youtube 是一个基于 Model Context Protocol (MCP) 的服务器工具，它利用 `yt-dlp` 提取 YouTube 视频字幕，并将其接入 Claude.ai，使你可以直接让 Claude 总结或分析任意 YouTube 视频内容。\n\n## 环境准备\n\n在开始之前，请确保你的开发环境满足以下要求：\n\n*   **操作系统**：macOS、Linux 或 Windows。\n*   **前置依赖**：必须本地安装 `yt-dlp` 工具。\n    *   **macOS (推荐)**: 使用 Homebrew 安装\n        ```bash\n        brew install yt-dlp\n        ```\n    *   **Windows**: 使用 WinGet 安装\n        ```powershell\n        winget install yt-dlp\n        ```\n    *   **Linux**: 通常可通过包管理器安装，或使用 pip：\n        ```bash\n        pip install yt-dlp\n        ```\n\n## 安装步骤\n\n推荐使用社区维护的 `mcp-installer` 工具进行一键安装：\n\n1.  确保已安装 Node.js 环境。\n2.  运行以下命令安装 mcp-youtube 服务：\n    ```bash\n    npx @anaisbetts\u002Fmcp-installer install @anaisbetts\u002Fmcp-youtube\n    ```\n    *注：该命令会自动配置 MCP 客户端（如 Claude Desktop）所需的连接参数。*\n\n## 基本使用\n\n安装并配置完成后，重启你的 Claude 桌面应用或刷新会话。你可以在对话框中直接使用自然语言指令调用该工具。\n\n**使用示例：**\n\n直接向 Claude 发送包含视频链接的指令，例如：\n\n```text\nSummarize the YouTube video https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=VIDEO_ID\n```\n\nClaude 将自动调用 mcp-youtube 获取视频字幕，并基于字幕内容为你生成视频摘要或回答相关问题。","一位数据分析师需要快速从多个英文技术讲座视频中提取核心观点，以撰写行业趋势报告。\n\n### 没有 mcp-youtube 时\n- 必须手动打开每个 YouTube 视频，等待加载并寻找字幕选项，若视频无官方字幕则直接无法处理。\n- 即使有字幕，也需反复复制粘贴大段文本到本地文件，耗时且容易遗漏关键时间戳信息。\n- 面对长达一小时的视频，人工阅读字幕效率极低，难以在短时间内梳理出逻辑清晰的知识脉络。\n- 若想结合 AI 总结，需先将字幕整理成文档再上传至对话窗口，操作流程繁琐且中断思路。\n- 遇到外语视频时，还需额外借助翻译工具进行二次处理，进一步拉长了信息获取的周期。\n\n### 使用 mcp-youtube 后\n- 只需在 Claude 对话框中发送视频链接，mcp-youtube 自动调用 yt-dlp 后台提取字幕，无需人工干预。\n- 系统直接基于提取的字幕内容生成摘要，自动保留关键论点与对应的时间节点，信息结构化程度高。\n- 无论视频时长如何，均能在数秒内完成内容解析，让分析师能专注于观点整合而非资料收集。\n- 实现“链接即分析”的无缝体验，直接在对话流中完成从视频源到知识结论的闭环，思路不被打断。\n- 支持多语言字幕自动处理，配合大模型能力直接输出中文总结，省去了中间翻译环节。\n\nmcp-youtube 将原本碎片化、高成本的视频信息获取过程，转化为即时、自动化的知识输入流。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fanaisbetts_mcp-youtube_300c3e13.png","anaisbetts","Ani Betts","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fanaisbetts_4daffd8f.jpg","Margot Tenenbaum as software developer.",null,"Berlin","anais@anaisbetts.org","blog.anaisbetts.org","https:\u002F\u002Fgithub.com\u002Fanaisbetts",[86,90],{"name":87,"color":88,"percentage":89},"JavaScript","#f1e05a",68.8,{"name":91,"color":92,"percentage":93},"TypeScript","#3178c6",31.2,510,59,"2026-04-01T23:01:13","MIT","macOS, Windows","未说明",{"notes":101,"python":99,"dependencies":102},"需通过 Homebrew (macOS) 或 WinGet (Windows) 本地安装 yt-dlp；需使用 mcp-installer 工具进行安装，包名为 @anaisbetts\u002Fmcp-youtube；主要用于连接 claude.ai 以下载和总结 YouTube 视频字幕。",[103],"yt-dlp",[15,36],"2026-03-27T02:49:30.150509","2026-04-06T08:46:28.994693",[108,113,118],{"id":109,"question_zh":110,"answer_zh":111,"source_url":112},10254,"为什么在尝试总结 YouTube 视频时提示无法下载字幕或遇到技术错误？","这通常是因为未正确安装必要的依赖工具。请确保已安装 [mcp-installer](https:\u002F\u002Fgithub.com\u002Fanaisbetts\u002Fmcp-installer) 并按照其说明进行操作。安装完成后，工具通常能正常工作并成功获取视频字幕。","https:\u002F\u002Fgithub.com\u002Fanaisbetts\u002Fmcp-youtube\u002Fissues\u002F9",{"id":114,"question_zh":115,"answer_zh":116,"source_url":117},10255,"遇到“请登录以确认您不是机器人”的错误该怎么办？","该错误表明 yt-dlp 需要身份验证才能访问某些 YouTube 内容。解决方法是使用 `--cookies-from-browser` 或 `--cookies` 参数传递 Cookie。具体操作可参考：\n1. 如何手动传递 Cookie：https:\u002F\u002Fgithub.com\u002Fyt-dlp\u002Fyt-dlp\u002Fwiki\u002FFAQ#how-do-i-pass-cookies-to-yt-dlp\n2. 如何有效导出 YouTube Cookie：https:\u002F\u002Fgithub.com\u002Fyt-dlp\u002Fyt-dlp\u002Fwiki\u002FExtractors#exporting-youtube-cookies","https:\u002F\u002Fgithub.com\u002Fanaisbetts\u002Fmcp-youtube\u002Fissues\u002F6",{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},10256,"仓库中没有看到 LICENSE 文件，该项目使用什么许可证？","该项目确实包含许可证，但未命名为标准的 LICENSE 文件。许可证内容位于名为 `COPYING` 的文件中，请查看该文件以了解具体的许可条款。","https:\u002F\u002Fgithub.com\u002Fanaisbetts\u002Fmcp-youtube\u002Fissues\u002F5",[124],{"id":125,"version":126,"summary_zh":127,"released_at":128},107515,"v0.6.0","## What's new \r\n\r\n* mcp-youtube now strips a bunch of non-text content like timestamps out of the output, meaning that you can now pass in longer videos and get a response","2025-03-20T17:21:01"]