ProjectFib
ProjectFib 是一款专为谷歌浏览器设计的扩展程序,旨在帮助用户在浏览 Facebook 时识别并标记虚假新闻。在社交媒体深刻影响公众舆论甚至选举结果的背景下,信息分发的准确性至关重要。ProjectFib 通过算法检测与社区标记相结合的方式,直接对动态消息中的可疑内容进行提示,致力于解决假新闻泛滥导致的认知偏差问题。
这款工具非常适合关注信息真实性的普通社交媒体用户,同时也为研究虚假信息传播机制的学者或开发者提供了开源参考案例。其技术亮点在于采用了前后端分离架构,后端基于 Python 构建并支持 Docker 容器化部署,便于本地调试与功能扩展;前端则深度集成于浏览器环境,实时干预信息流展示。
需要特别说明的是,该项目源自 2016 年普林斯顿黑客松,目前官方已停止活跃开发,但其开源代码依然具有学习与二次开发的价值。作为一个由大学生发起的非营利项目,ProjectFib 展现了技术社群利用算法微调来对抗错误信息的早期尝试,提醒我们在享受便捷资讯的同时,也要保持对内容来源的批判性思考。
使用场景
一位关注社会议题的大学生每天在 Facebook 上浏览大量新闻群组,试图从海量信息中筛选出可靠素材用于撰写调研报告。
没有 ProjectFib 时
- 面对朋友圈疯传的耸动标题,必须手动复制关键词去搜索引擎交叉验证,耗时且打断阅读流。
- 缺乏即时警示机制,极易在不知情的情况下点赞或转发已被证伪的虚假新闻,无意中成为谣言传播节点。
- 难以辨别经过精心伪装的“内容农场”文章,往往读完长篇大论后才发现信息来源不可靠。
- 对于同一事件的不同报道版本,无法快速判断哪一方更具公信力,导致观点形成过程受到误导。
使用 ProjectFib 后
- 浏览动态时,ProjectFib 自动在可疑帖子旁标记警示图标,无需跳转页面即可直观识别潜在假新闻。
- 在点击分享按钮前,系统会提示该内容存在事实争议,有效阻断了用户无意识传播虚假信息的路径。
- 针对疑似内容农场生成的文章,ProjectFib 直接展示其可信度评分,帮助用户在几秒钟内决定去留。
- 提供相关事实核查链接作为参考,让用户能迅速对比多方信源,基于更准确的信息形成独立判断。
ProjectFib 通过将事实核查能力无缝嵌入浏览体验,把被动接收信息的用户转变为具备即时辨识力的明智读者。
运行环境要求
- 未说明 (作为 Chrome 扩展程序,支持所有运行 Google Chrome 的操作系统)
不需要
未说明

快速开始
免责声明:该项目已不再处于积极开发状态。
项目 Fib
在当前的媒体环境中,分发渠道的控制权几乎与内容创作本身同样重要,这也使得 Facebook 拥有了巨大的影响力。Facebook 的信息流对现实世界中人们观点形成的影响极为深远,甚至可能影响了 2016 年的选举结果,然而这些信息流并不完全准确。我们的解决方案?FiB——因为拥有 15 亿用户,算法中的每一次细微调整都可能带来改变,而我们绝不会止步于此。
安装
简单方式
前往 Chrome 网上应用店,将我们的扩展程序添加到您的浏览器。
较难方式
(适合希望体验最新功能的用户)
- 从我们的仓库下载“extension”文件夹。
- 打开浏览器的扩展程序管理页面,勾选“开发者模式”。
- 点击“加载已解压的扩展程序…”。
- 找到您下载扩展程序的目录并选择它。
- 扩展程序现在应该已经成功添加。
后端服务器 Docker 容器
为了在本地构建后端 Python 服务器并与扩展程序配合使用,本仓库包含 backend/Dockerfile。
构建 Docker 镜像:
cd backend/
docker build -t hackprincetonf16 .
在本地端口 5000 上运行 Docker 容器:
docker run -it --rm -p 5000:5000 hackprincetonf16
在手动安装扩展程序之前,请将 extension/myScript.js 中的 var server 更新为 http://localhost:5000。
关于我们
该项目目前仍在开发中(需要大量工作,并且我们也在持续投入)。我们都是大学生,致力于帮助解决社交媒体面临的问题。作为学生团队,我们有时可能需要一些时间来修复问题或审核 Pull Request,请大家多多包涵。我们始终在寻找该项目的赞助商,因为我们是非营利组织,需要资金来维持服务器运行并支付 API 使用费用。
参与贡献
我们非常欢迎贡献者。本项目是开源的,每一份贡献都很有价值。请阅读 CONTRIBUTE.md,了解如何参与我们的项目。
许可协议
本项目受开放软件许可证 3.0 版保护。
请阅读 License.md。
常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-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。 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。
everything-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。 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。 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
ComfyUI
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。 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。 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。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备