[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-antfu--qrcode-toolkit":3,"tool-antfu--qrcode-toolkit":61},[4,18,26,35,44,52],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","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。\n\n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。\n\nOpenClaw 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",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},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,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},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。",108322,2,"2026-04-10T11:39:34",[14,15,13],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":32,"last_commit_at":41,"category_tags":42,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[43,13,15,14],"插件",{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","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。\n\n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。\n\n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",93400,"2026-04-06T19:52:38",[43,14],{"id":53,"name":54,"github_repo":55,"description_zh":56,"stars":57,"difficulty_score":10,"last_commit_at":58,"category_tags":59,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-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。\n\n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。\n\nLLMs-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",90106,"2026-04-06T11:19:32",[60,15,13,14],"语言模型",{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":77,"owner_email":78,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":91,"forks":92,"last_commit_at":93,"license":94,"difficulty_score":32,"env_os":95,"env_gpu":96,"env_ram":96,"env_deps":97,"category_tags":100,"github_topics":101,"view_count":32,"oss_zip_url":79,"oss_zip_packed_at":79,"status":17,"created_at":105,"updated_at":106,"faqs":107,"releases":133},5800,"antfu\u002Fqrcode-toolkit","qrcode-toolkit","Anthony's QR Code Toolkit for AI generated QR Codes","qrcode-toolkit 是专为优化 AI 生成二维码而设计的实用工具集。在使用 Stable Diffusion 等模型创作兼具艺术感与可扫描性的二维码时，常会出现像素错位导致无法识别的问题。qrcode-toolkit 通过提供基础二维码生成与智能对比功能，能精准定位并可视化显示生成结果中的偏差像素，帮助用户快速调整提示词或参数，从而在保持视觉创意的同时确保二维码的功能性。\n\n该工具不仅拥有便捷的在线网页版，方便直观地进行图像比对与微调，还深度集成了 Stable Diffusion Web UI，允许用户在本地绘图环境中直接调用相关功能，大幅提升了工作流的连贯性。无论是希望探索创意二维码的设计师、需要稳定复现效果的 AI 研究人员，还是热衷于尝试新技术的开发者，都能从中获益。其核心亮点在于将抽象的“可扫描性”转化为可视化的像素级差异反馈，让原本依靠运气的生成过程变得更加可控和高效。作为一个开源项目，它采用宽松的 MIT 协议，鼓励社区共同改进，是连接人工智能创造力与实际应用需求的可靠桥梁。","# Anthony's QR Toolkit\n\nA toolkit mainly for AI-Generated QR Codes, with the ability to generate base QR codes, and compare with the output to find misaligned pixels.\n\n👋 Walkthrough Guide - [Refining AI Generated QR Code](https:\u002F\u002Fantfu.me\u002Fposts\u002Fai-qrcode-refine)\n\n📸 Go to the App - [qrcode.antfu.me](https:\u002F\u002Fqrcode.antfu.me)\n\n\u003Cimg alt=\"Screenshot\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fantfu_qrcode-toolkit_readme_6891b28d0d9e.png\">\n\n## Stable Diffusion Web UI Extension\n\nThis app also provides [Stable Diffusion Web UI](https:\u002F\u002Fgithub.com\u002FAUTOMATIC1111\u002Fstable-diffusion-webui) integration. Please go to [antfu\u002Fsd-webui-qrcode-toolkit](https:\u002F\u002Fgithub.com\u002Fantfu\u002Fsd-webui-qrcode-toolkit) for more details.\n\n## License\n\nMIT\n","# 安东尼的二维码工具包\n\n一个主要用于生成 AI 二维码的工具包，具备生成基础二维码以及与输出结果对比以查找错位像素的功能。\n\n👋 操作指南 - [优化 AI 生成的二维码](https:\u002F\u002Fantfu.me\u002Fposts\u002Fai-qrcode-refine)\n\n📸 前往应用 - [qrcode.antfu.me](https:\u002F\u002Fqrcode.antfu.me)\n\n\u003Cimg alt=\"截图\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fantfu_qrcode-toolkit_readme_6891b28d0d9e.png\">\n\n## Stable Diffusion Web UI 扩展\n\n该应用还提供了与 [Stable Diffusion Web UI](https:\u002F\u002Fgithub.com\u002FAUTOMATIC1111\u002Fstable-diffusion-webui) 的集成。更多详情请访问 [antfu\u002Fsd-webui-qrcode-toolkit](https:\u002F\u002Fgithub.com\u002Fantfu\u002Fsd-webui-qrcode-toolkit)。\n\n## 许可证\n\nMIT","# qrcode-toolkit 快速上手指南\n\nqrcode-toolkit 是一套专为 AI 生成二维码设计的工具集，支持生成基础二维码、对比输出结果以定位错位像素，并提供 Stable Diffusion Web UI 插件集成。\n\n## 环境准备\n\n- **操作系统**：Windows \u002F macOS \u002F Linux\n- **运行时环境**：Node.js (推荐 v18+) 或 Python (若使用 SD 插件)\n- **前置依赖**：\n  - 浏览器（用于访问在线应用）\n  - 若本地部署：`git`, `npm` 或 `pnpm`\n  - 若使用 Stable Diffusion 插件：已安装 [Stable Diffusion Web UI](https:\u002F\u002Fgithub.com\u002FAUTOMATIC1111\u002Fstable-diffusion-webui)\n\n> 💡 国内开发者建议使用国内镜像源加速依赖安装：\n> - npm: `npm config set registry https:\u002F\u002Fregistry.npmmirror.com`\n> - pnpm: `pnpm config set registry https:\u002F\u002Fregistry.npmmirror.com`\n\n## 安装步骤\n\n### 方式一：在线使用（推荐新手）\n无需安装，直接访问官方应用：\n```\nhttps:\u002F\u002Fqrcode.antfu.me\n```\n\n### 方式二：本地部署（开源版本）\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fantfu\u002Fqrcode-toolkit.git\ncd qrcode-toolkit\npnpm install\npnpm dev\n```\n\n### 方式三：Stable Diffusion Web UI 插件\n```bash\ncd stable-diffusion-webui\u002Fextensions\ngit clone https:\u002F\u002Fgithub.com\u002Fantfu\u002Fsd-webui-qrcode-toolkit.git\n```\n重启 Stable Diffusion Web UI 即可在扩展列表中启用。\n\n## 基本使用\n\n### 在线版操作流程\n1. 打开 [qrcode.antfu.me](https:\u002F\u002Fqrcode.antfu.me)\n2. 输入目标 URL 或文本内容\n3. 上传 AI 生成的二维码图片（可选）\n4. 点击\"Compare\"自动比对并高亮显示错位像素\n5. 下载修正后的二维码或参考报告\n\n### 本地开发版\n启动后访问 `http:\u002F\u002Flocalhost:3000`，界面功能与在线版一致。\n\n### SD 插件使用\n在 Stable Diffusion Web UI 的\"Scripts\"下拉菜单中选择\"QR Code Toolkit\"，设置参数后生成带艺术风格的可用二维码。\n\n> 📖 详细优化技巧请参阅作者指南：[Refining AI Generated QR Code](https:\u002F\u002Fantfu.me\u002Fposts\u002Fai-qrcode-refine)","某品牌营销团队正在利用 Stable Diffusion 生成带有艺术风格的二维码，用于线下快闪活动的海报设计，旨在让二维码融入插画背景以提升视觉吸引力。\n\n### 没有 qrcode-toolkit 时\n- 设计师只能凭肉眼判断生成的艺术二维码是否可扫，往往等到印刷成品出来后才发现无法识别，造成物料浪费。\n- 缺乏精确的像素级对比手段，难以定位是哪些具体区域的艺术笔触破坏了二维码的定位图案或数据区。\n- 在 Stable Diffusion Web UI 中反复调整重绘幅度（Denoising strength）全靠猜测，每次修改后需手动切换外部扫码器验证，工作流极其割裂且低效。\n- 面对大量生成方案，无法快速筛选出既美观又符合纠错标准的最佳版本，导致项目交付周期被迫延长。\n\n### 使用 qrcode-toolkit 后\n- 工具内置的比对功能可实时高亮显示“错位像素”，设计师能在生成阶段就精准发现并修复可能导致扫码失败的微小瑕疵。\n- 通过可视化差异图，团队能清晰看到艺术风格对二维码结构的具体干扰位置，从而针对性地调整蒙版或提示词，而非盲目重试。\n- 作为 Stable Diffusion 插件直接集成在工作流中，实现了“生成 - 校验 - 优化”的一站式操作，无需跳出界面即可确认扫码可用性。\n- 能够快速批量评估不同生成结果的可靠性，迅速锁定视觉创意与功能稳定性完美平衡的最终方案，显著提升产出效率。\n\nqrcode-toolkit 将艺术二维码的创作从“碰运气”转变为可控的精细化工程，确保了创意落地时的功能可靠性。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fantfu_qrcode-toolkit_6891b28d.png","antfu","Anthony Fu","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fantfu_c3af2959.jpg","A ship in harbor is safe, but that is not what ships are built for.","@vercel team @nuxt","undefined","hi@antfu.me",null,"https:\u002F\u002Fantfu.me","https:\u002F\u002Fgithub.com\u002Fantfu",[83,87],{"name":84,"color":85,"percentage":86},"Vue","#41b883",68.4,{"name":88,"color":89,"percentage":90},"TypeScript","#3178c6",31.6,1243,129,"2026-04-01T13:11:07","MIT","","未说明",{"notes":98,"python":96,"dependencies":99},"该工具主要作为 Stable Diffusion Web UI 的扩展插件运行（需安装 AUTOMATIC1111\u002Fstable-diffusion-webui），同时也提供在线网页版应用。具体的系统资源需求取决于所连接的 Stable Diffusion 后端环境，README 原文中未列出独立的运行环境配置。",[],[15,43],[102,103,104],"qrcode","qrcode-gene","qrcode-ai","2026-03-27T02:49:30.150509","2026-04-11T16:53:20.968842",[108,113,118,123,128],{"id":109,"question_zh":110,"answer_zh":111,"source_url":112},26292,"安装项目时运行 `npm install` 报错：`The requested module 'vue' does not provide an export named 'h'` 或 `postinstall: nuxi prepare` 失败，如何解决？","该项目强制要求使用 `pnpm` 作为包管理器，不能使用 `npm` 或 `yarn`。请卸载 node_modules 并改用 pnpm 安装：\n1. 删除现有的 `node_modules` 文件夹和锁文件。\n2. 确保已安装 pnpm (`npm install -g pnpm`)。\n3. 运行 `pnpm install` 进行安装。\n维护者明确指出：\"This project uses pnpm.\"","https:\u002F\u002Fgithub.com\u002Fantfu\u002Fqrcode-toolkit\u002Fissues\u002F11",{"id":114,"question_zh":115,"answer_zh":116,"source_url":117},26293,"如何在生成的二维码中心添加 Logo 图片？","目前该工具不支持直接添加 Logo 的功能，且维护者明确表示没有计划实现此功能（\"I have no intention of implementing that\"）。\n替代方案：\n1. 使用 Photoshop 等图像编辑软件在生成二维码后手动添加 Logo。\n2. 使用其他专门支持此功能的二维码生成器（如 QRcode-monkey）。\n3. 如果你具备开发能力，可以克隆仓库自行修改 `generate.ts` 文件来实现该功能。","https:\u002F\u002Fgithub.com\u002Fantfu\u002Fqrcode-toolkit\u002Fissues\u002F14",{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},26294,"在 Stable Diffusion WebUI (SD1.5.1) 中使用深色主题（Dark Theme）时，插件界面全黑导致无法看清 UI 和操作按钮，怎么办？","这是一个已知的显示兼容性问题。维护者表示在其环境中无法复现该问题，因此尚未修复。\n建议的临时解决方法：\n1. 暂时将 Stable Diffusion WebUI 的主题切换回浅色模式（Light Theme）。\n2. 如果熟悉前端开发，可以通过浏览器开发者工具（Inspect）检查具体的 CSS 样式冲突，并提交 PR 协助修复。\n配置深色主题的方法通常在 `webui-user.bat` 中设置 `set COMMANDLINE_ARGS=--theme dark`，若遇到此问题请移除该参数。","https:\u002F\u002Fgithub.com\u002Fantfu\u002Fqrcode-toolkit\u002Fissues\u002F13",{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},26295,"为什么对比工具（Compare tool）在处理有非对称边距（Margin）的二维码时对齐效果不佳？","当使用滑块设置了非对称边距（例如左边距 8，右边距 16）时，生成的二维码在图像中会偏移。对比工具的网格对齐功能主要基于图像中心或严格网格，难以自动识别这种人为偏移的二维码边界，导致大量非二维码区域被纳入比对，产生误差。\n建议：在使用对比工具前，尽量保持二维码四周的边距数值一致（对称），或者在外部图像编辑软件中将二维码裁剪至居中位置后再上传比对。","https:\u002F\u002Fgithub.com\u002Fantfu\u002Fqrcode-toolkit\u002Fissues\u002F10",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},26296,"如何自定义二维码的背景填充颜色（例如想要 #808080 而不是默认的 #888888）？","该功能实际上已经存在，但交互方式可能不够直观。\n操作方法：不要直接点击颜色值的文本，而是点击颜色值旁边的“彩色圆圈”（色块图标）。点击该圆圈通常会弹出颜色选择器，允许你输入自定义的十六进制颜色代码（如 #808080）或通过取色器选择任意颜色。","https:\u002F\u002Fgithub.com\u002Fantfu\u002Fqrcode-toolkit\u002Fissues\u002F17",[]]