[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-anthropics--claude-cookbooks":3,"tool-anthropics--claude-cookbooks":62},[4,18,26,36,46,54],{"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},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",159267,2,"2026-04-17T11:29:14",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":42,"last_commit_at":43,"category_tags":44,"status":17},8272,"opencode","anomalyco\u002Fopencode","OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。\n\n这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。\n\n在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信",144296,1,"2026-04-16T14:50:03",[13,45],"插件",{"id":47,"name":48,"github_repo":49,"description_zh":50,"stars":51,"difficulty_score":32,"last_commit_at":52,"category_tags":53,"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,"2026-04-10T11:39:34",[14,15,13],{"id":55,"name":56,"github_repo":57,"description_zh":58,"stars":59,"difficulty_score":32,"last_commit_at":60,"category_tags":61,"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",[45,13,15,14],{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":68,"readme_en":69,"readme_zh":70,"quickstart_zh":71,"use_case_zh":72,"hero_image_url":73,"owner_login":74,"owner_name":75,"owner_avatar_url":76,"owner_bio":77,"owner_company":78,"owner_location":78,"owner_email":78,"owner_twitter":78,"owner_website":79,"owner_url":80,"languages":81,"stars":100,"forks":101,"last_commit_at":102,"license":103,"difficulty_score":32,"env_os":77,"env_gpu":104,"env_ram":104,"env_deps":105,"category_tags":110,"github_topics":78,"view_count":32,"oss_zip_url":78,"oss_zip_packed_at":78,"status":17,"created_at":112,"updated_at":113,"faqs":114,"releases":143},8496,"anthropics\u002Fclaude-cookbooks","claude-cookbooks","A collection of notebooks\u002Frecipes showcasing some fun and effective ways of using Claude.","claude-cookbooks 是 Anthropic 官方推出的一套开源实战指南，旨在帮助开发者轻松上手并高效利用 Claude AI。它收录了丰富的代码笔记本（Notebooks）和配方（Recipes），提供了大量可直接复制粘贴的代码片段，覆盖文本分类、内容摘要、检索增强生成（RAG）、工具调用以及多模态视觉分析等核心场景。\n\n对于许多想要将 Claude 集成到项目中的开发者而言，从零开始编写 API 交互逻辑往往耗时且容易出错。claude-cookbooks 正是为了解决这一痛点而生，它将复杂的技术概念转化为具体的可执行案例，展示了如何连接外部数据库、调用计算器或 SQL 查询，甚至结合 Pinecone 和 Wikipedia 等第三方服务来扩展模型能力。无论是处理图表识别还是构建客服代理，用户都能在这里找到经过验证的最佳实践。\n\n这套资源主要面向软件开发者和技术研究人员，特别是那些希望快速构建基于 Claude 应用的工程师。虽然示例代码主要以 Python 编写，但其中的设计思路同样适用于其他支持 API 调用的编程语言。新手可以通过它夯实基础，资深开发者则能从中获","claude-cookbooks 是 Anthropic 官方推出的一套开源实战指南，旨在帮助开发者轻松上手并高效利用 Claude AI。它收录了丰富的代码笔记本（Notebooks）和配方（Recipes），提供了大量可直接复制粘贴的代码片段，覆盖文本分类、内容摘要、检索增强生成（RAG）、工具调用以及多模态视觉分析等核心场景。\n\n对于许多想要将 Claude 集成到项目中的开发者而言，从零开始编写 API 交互逻辑往往耗时且容易出错。claude-cookbooks 正是为了解决这一痛点而生，它将复杂的技术概念转化为具体的可执行案例，展示了如何连接外部数据库、调用计算器或 SQL 查询，甚至结合 Pinecone 和 Wikipedia 等第三方服务来扩展模型能力。无论是处理图表识别还是构建客服代理，用户都能在这里找到经过验证的最佳实践。\n\n这套资源主要面向软件开发者和技术研究人员，特别是那些希望快速构建基于 Claude 应用的工程师。虽然示例代码主要以 Python 编写，但其中的设计思路同样适用于其他支持 API 调用的编程语言。新手可以通过它夯实基础，资深开发者则能从中获取架构灵感。作为社区驱动的项目，它还鼓励用户贡献新点子，共同完善这份宝贵的技术资产，让每个人都能更顺畅地探索 AI 开发的无限可能。","# Claude Cookbooks\n\nThe Claude Cookbooks provide code and guides designed to help developers build with Claude, offering copy-able code snippets that you can easily integrate into your own projects.\n\n## Prerequisites\n\nTo make the most of the examples in this cookbook, you'll need a Claude API key (sign up for free [here](https:\u002F\u002Fwww.anthropic.com)).\n\nWhile the code examples are primarily written in Python, the concepts can be adapted to any programming language that supports interaction with the Claude API.\n\nIf you're new to working with the Claude API, we recommend starting with our [Claude API Fundamentals course](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fcourses\u002Ftree\u002Fmaster\u002Fanthropic_api_fundamentals) to get a solid foundation.\n\n## Explore Further\n\nLooking for more resources to enhance your experience with Claude and AI assistants? Check out these helpful links:\n\n- [Anthropic developer documentation](https:\u002F\u002Fdocs.claude.com\u002Fclaude\u002Fdocs\u002Fguide-to-anthropics-prompt-engineering-resources)\n- [Anthropic support docs](https:\u002F\u002Fsupport.anthropic.com)\n- [Anthropic Discord community](https:\u002F\u002Fwww.anthropic.com\u002Fdiscord)\n\n## Contributing\n\nThe Claude Cookbooks thrives on the contributions of the developer community. We value your input, whether it's submitting an idea, fixing a typo, adding a new guide, or improving an existing one. By contributing, you help make this resource even more valuable for everyone.\n\nTo avoid duplication of efforts, please review the existing issues and pull requests before contributing.\n\nIf you have ideas for new examples or guides, share them on the [issues page](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fissues).\n\n## Table of recipes\n\n### Capabilities\n- [Classification](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Ftree\u002Fmain\u002Fcapabilities\u002Fclassification): Explore techniques for text and data classification using Claude.\n- [Retrieval Augmented Generation](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Ftree\u002Fmain\u002Fcapabilities\u002Fretrieval_augmented_generation): Learn how to enhance Claude's responses with external knowledge.\n- [Summarization](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Ftree\u002Fmain\u002Fcapabilities\u002Fsummarization): Discover techniques for effective text summarization with Claude.\n\n### Tool Use and Integration\n- [Tool use](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Ftree\u002Fmain\u002Ftool_use): Learn how to integrate Claude with external tools and functions to extend its capabilities.\n  - [Customer service agent](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Ftool_use\u002Fcustomer_service_agent.ipynb)\n  - [Calculator integration](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Ftool_use\u002Fcalculator_tool.ipynb)\n  - [SQL queries](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmisc\u002Fhow_to_make_sql_queries.ipynb)\n\n### Third-Party Integrations\n- [Retrieval augmented generation](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Ftree\u002Fmain\u002Fthird_party): Supplement Claude's knowledge with external data sources.\n  - [Vector databases (Pinecone)](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fthird_party\u002FPinecone\u002Frag_using_pinecone.ipynb)\n  - [Wikipedia](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fthird_party\u002FWikipedia\u002Fwikipedia-search-cookbook.ipynb\u002F)\n  - [Web pages](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmisc\u002Fread_web_pages_with_haiku.ipynb)\n- [Embeddings with Voyage AI](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fthird_party\u002FVoyageAI\u002Fhow_to_create_embeddings.md)\n\n### Multimodal Capabilities\n- [Vision with Claude](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Ftree\u002Fmain\u002Fmultimodal): \n  - [Getting started with images](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmultimodal\u002Fgetting_started_with_vision.ipynb)\n  - [Best practices for vision](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmultimodal\u002Fbest_practices_for_vision.ipynb)\n  - [Interpreting charts and graphs](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmultimodal\u002Freading_charts_graphs_powerpoints.ipynb)\n  - [Extracting content from forms](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmultimodal\u002Fhow_to_transcribe_text.ipynb)\n- [Generate images with Claude](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmisc\u002Fillustrated_responses.ipynb): Use Claude with Stable Diffusion for image generation.\n\n### Advanced Techniques\n- [Sub-agents](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmultimodal\u002Fusing_sub_agents.ipynb): Learn how to use Haiku as a sub-agent in combination with Opus.\n- [Upload PDFs to Claude](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmisc\u002Fpdf_upload_summarization.ipynb): Parse and pass PDFs as text to Claude.\n- [Automated evaluations](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmisc\u002Fbuilding_evals.ipynb): Use Claude to automate the prompt evaluation process.\n- [Enable JSON mode](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmisc\u002Fhow_to_enable_json_mode.ipynb): Ensure consistent JSON output from Claude.\n- [Create a moderation filter](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmisc\u002Fbuilding_moderation_filter.ipynb): Use Claude to create a content moderation filter for your application.\n- [Prompt caching](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmisc\u002Fprompt_caching.ipynb): Learn techniques for efficient prompt caching with Claude.\n\n## Additional Resources\n\n- [Anthropic on AWS](https:\u002F\u002Fgithub.com\u002Faws-samples\u002Fanthropic-on-aws): Explore examples and solutions for using Claude on AWS infrastructure.\n- [AWS Samples](https:\u002F\u002Fgithub.com\u002Faws-samples\u002F): A collection of code samples from AWS which can be adapted for use with Claude. Note that some samples may require modification to work optimally with Claude.\n","# Claude 烹饪书\n\nClaude 烹饪书提供了旨在帮助开发者使用 Claude 进行构建的代码和指南，其中包含可复制的代码片段，您可以轻松地将其集成到您自己的项目中。\n\n## 先决条件\n\n为了充分利用本烹饪书中的示例，您需要一个 Claude API 密钥（请在此处免费注册：[https:\u002F\u002Fwww.anthropic.com](https:\u002F\u002Fwww.anthropic.com)）。\n\n虽然代码示例主要以 Python 编写，但这些概念可以适配到任何支持与 Claude API 交互的编程语言。\n\n如果您是首次使用 Claude API，我们建议您先从我们的 [Claude API 基础课程](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fcourses\u002Ftree\u002Fmaster\u002Fanthropic_api_fundamentals) 开始学习，以打下坚实的基础。\n\n## 深入探索\n\n正在寻找更多资源来提升您使用 Claude 和 AI 助手的体验吗？请查看以下有用链接：\n\n- [Anthropic 开发者文档](https:\u002F\u002Fdocs.claude.com\u002Fclaude\u002Fdocs\u002Fguide-to-anthropics-prompt-engineering-resources)\n- [Anthropic 支持文档](https:\u002F\u002Fsupport.anthropic.com)\n- [Anthropic Discord 社区](https:\u002F\u002Fwww.anthropic.com\u002Fdiscord)\n\n## 贡献\n\nClaude 烹饪书依靠开发者社区的贡献而蓬勃发展。我们非常重视您的意见，无论是提交一个想法、修复一个拼写错误、添加一个新的指南，还是改进现有的指南。通过您的贡献，您将帮助使这一资源对所有人更加有价值。\n\n为避免重复工作，请在贡献之前先查看现有的问题和拉取请求。\n\n如果您有新的示例或指南的想法，请在 [问题页面](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fissues) 上分享。\n\n## 食谱目录\n\n### 功能\n- [分类](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Ftree\u002Fmain\u002Fcapabilities\u002Fclassification)：探索使用 Claude 进行文本和数据分类的技术。\n- [检索增强生成](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Ftree\u002Fmain\u002Fcapabilities\u002Fretrieval_augmented_generation)：了解如何利用外部知识增强 Claude 的响应。\n- [摘要生成](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Ftree\u002Fmain\u002Fcapabilities\u002Fsummarization)：发现使用 Claude 进行有效文本摘要的技术。\n\n### 工具使用与集成\n- [工具使用](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Ftree\u002Fmain\u002Ftool_use)：学习如何将 Claude 与外部工具和函数集成，以扩展其功能。\n  - [客户服务代理](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Ftool_use\u002Fcustomer_service_agent.ipynb)\n  - [计算器集成](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Ftool_use\u002Fcalculator_tool.ipynb)\n  - [SQL 查询](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmisc\u002Fhow_to_make_sql_queries.ipynb)\n\n### 第三方集成\n- [检索增强生成](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Ftree\u002Fmain\u002Fthird_party)：用外部数据源补充 Claude 的知识。\n  - [向量数据库（Pinecone）](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fthird_party\u002FPinecone\u002Frag_using_pinecone.ipynb)\n  - [维基百科](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fthird_party\u002FWikipedia\u002Fwikipedia-search-cookbook.ipynb\u002F)\n  - [网页](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmisc\u002Fread_web_pages_with_haiku.ipynb)\n- [使用 Voyage AI 进行嵌入](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fthird_party\u002FVoyageAI\u002Fhow_to_create_embeddings.md)\n\n### 多模态能力\n- [Claude 的视觉功能](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Ftree\u002Fmain\u002Fmultimodal)：\n  - [图像入门](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmultimodal\u002Fgetting_started_with_vision.ipynb)\n  - [视觉最佳实践](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmultimodal\u002Fbest_practices_for_vision.ipynb)\n  - [解读图表和图形](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmultimodal\u002Freading_charts_graphs_powerpoints.ipynb)\n  - [从表格中提取内容](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmultimodal\u002Fhow_to_transcribe_text.ipynb)\n- [使用 Claude 生成图像](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmisc\u002Fillustrated_responses.ipynb)：将 Claude 与 Stable Diffusion 结合用于图像生成。\n\n### 高级技巧\n- [子代理](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmultimodal\u002Fusing_sub_agents.ipynb)：学习如何将 Haiku 作为子代理与 Opus 结合使用。\n- [将 PDF 上传至 Claude](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmisc\u002Fpdf_upload_summarization.ipynb)：解析 PDF 并将其作为文本传递给 Claude。\n- [自动化评估](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmisc\u002Fbuilding_evals.ipynb)：使用 Claude 自动化提示评估流程。\n- [启用 JSON 模式](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmisc\u002Fhow_to_enable_json_mode.ipynb)：确保 Claude 输出一致的 JSON 格式。\n- [创建内容过滤器](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmisc\u002Fbuilding_moderation_filter.ipynb)：使用 Claude 为您的应用程序创建内容过滤器。\n- [提示缓存](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmisc\u002Fprompt_caching.ipynb)：学习使用 Claude 进行高效提示缓存的技术。\n\n## 其他资源\n\n- [Anthropic 在 AWS 上](https:\u002F\u002Fgithub.com\u002Faws-samples\u002Fanthropic-on-aws)：探索在 AWS 基础设施上使用 Claude 的示例和解决方案。\n- [AWS 示例](https:\u002F\u002Fgithub.com\u002Faws-samples\u002F)：AWS 提供的一系列代码示例，可适配用于 Claude。请注意，某些示例可能需要修改才能与 Claude 最佳配合。","# Claude Cookbooks 快速上手指南\n\n## 环境准备\n\n在开始使用 Claude Cookbooks 之前，请确保满足以下前置条件：\n\n*   **系统要求**：支持 Python 的操作系统（Windows, macOS, Linux）。\n*   **编程语言**：示例代码主要使用 **Python**，但核心概念适用于任何能调用 Claude API 的语言。\n*   **API 密钥**：你需要一个 Anthropic API Key。\n    *   注册地址：[https:\u002F\u002Fwww.anthropic.com](https:\u002F\u002Fwww.anthropic.com)\n    *   *注意：目前官方未提供中国镜像源，国内开发者可能需要配置网络代理以访问 API 和 GitHub 仓库。*\n*   **基础知识**：建议新手先阅读 [Claude API Fundamentals course](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fcourses\u002Ftree\u002Fmaster\u002Fanthropic_api_fundamentals) 建立基础认知。\n\n## 安装步骤\n\n1.  **克隆仓库**\n    将包含所有示例代码和指南的仓库克隆到本地：\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook.git\n    cd anthropic-cookbook\n    ```\n\n2.  **安装依赖**\n    大多数示例需要 `anthropic` Python 客户端库。建议创建虚拟环境后安装：\n    ```bash\n    python -m venv venv\n    # Windows\n    venv\\Scripts\\activate\n    # macOS\u002FLinux\n    source venv\u002Fbin\u002Factivate\n\n    pip install anthropic\n    ```\n    *注：部分特定示例（如向量数据库集成、PDF 处理等）可能需要额外安装相关库（如 `pinecone-client`, `pypdf2` 等），请参考具体笔记本文件顶部的依赖说明。*\n\n3.  **配置 API Key**\n    在运行代码前，请将你的 API Key 设置为环境变量：\n    ```bash\n    # Windows (PowerShell)\n    $env:ANTHROPIC_API_KEY=\"your-api-key-here\"\n\n    # macOS\u002FLinux\n    export ANTHROPIC_API_KEY=\"your-api-key-here\"\n    ```\n\n## 基本使用\n\nCookbooks 提供了多种场景的代码片段（Recipes）。以下是一个最基础的文本分类示例，展示如何调用 Claude API：\n\n```python\nfrom anthropic import Anthropic\n\nclient = Anthropic()\n\nmessage = client.messages.create(\n    model=\"claude-3-sonnet-20240229\",\n    max_tokens=1024,\n    messages=[\n        {\n            \"role\": \"user\",\n            \"content\": [\n                {\n                    \"type\": \"text\",\n                    \"text\": \"请将以下文本分类为'正面'、'负面'或'中性'：'这款 AI 工具极大地提高了我的开发效率！'\"\n                }\n            ]\n        }\n    ]\n)\n\nprint(message.content[0].text)\n```\n\n### 探索更多场景\n你可以根据需求深入查看仓库中的具体目录：\n\n*   **核心能力**：\n    *   [文本分类](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Ftree\u002Fmain\u002Fcapabilities\u002Fclassification)\n    *   [检索增强生成 (RAG)](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Ftree\u002Fmain\u002Fcapabilities\u002Fretrieval_augmented_generation)\n    *   [文本摘要](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Ftree\u002Fmain\u002Fcapabilities\u002Fsummarization)\n*   **工具调用**：集成计算器、SQL 查询或自定义函数 ([Tool Use](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Ftree\u002Fmain\u002Ftool_use))。\n*   **多模态**：图片识别、图表分析及表单内容提取 ([Vision](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Ftree\u002Fmain\u002Fmultimodal))。\n*   **高级技巧**：JSON 模式输出、自动化评估、Prompt 缓存及内容过滤 ([Advanced Techniques](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fanthropic-cookbook\u002Fblob\u002Fmain\u002Fmisc\u002Fhow_to_enable_json_mode.ipynb))。\n\n> **提示**：大部分示例以 Jupyter Notebook (`.ipynb`) 形式提供，建议使用 Jupyter Lab 或 VS Code 打开运行以获得最佳体验。","某电商初创公司的后端工程师需要快速构建一个能自动处理用户投诉、查询订单数据库并生成安抚话术的智能客服原型。\n\n### 没有 claude-cookbooks 时\n- 开发者需从零研究 Claude API 的鉴权与请求格式，反复调试基础代码导致启动缓慢。\n- 在实现“查询订单状态”功能时，不清楚如何让模型安全地调用内部 SQL 接口，容易写出有注入风险的代码。\n- 面对复杂的用户情绪分类需求，缺乏现成的提示词（Prompt）模板，只能凭经验盲目尝试，准确率低下。\n- 想要结合外部知识库回答退货政策时，不知道如何搭建 RAG（检索增强生成）架构，技术门槛过高。\n- 遇到多模态需求（如识别用户上传的破损商品图）时，找不到关于视觉模型最佳实践的参考，开发陷入停滞。\n\n### 使用 claude-cookbooks 后\n- 直接复用库中提供的 Python 基础脚本，几分钟内即可完成 API 对接，立即进入业务逻辑开发。\n- 参考\"SQL queries\"和\"Customer service agent\"食谱，轻松实现了安全的工具调用链，让模型能精准查询数据库并执行操作。\n- 套用\"Classification\"章节的分类技巧，快速构建了高精度的用户情绪识别模块，有效区分紧急与非紧急工单。\n- 利用\"Pinecone\"或\"Wikipedia\"集成示例，迅速搭好了 RAG 流程，使客服能依据公司最新文档准确回答政策问题。\n- 遵循\"Vision with Claude\"中的最佳实践指南，顺利上线了图片识别功能，自动分析用户上传的商品受损照片。\n\nclaude-cookbooks 将原本数周的探索性开发工作压缩至数小时，让团队能直接站在成熟方案之上构建高价值的 AI 应用。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fanthropics_claude-cookbooks_afe2e94f.png","anthropics","Anthropic","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fanthropics_1ed37989.png","",null,"https:\u002F\u002Fanthropic.com","https:\u002F\u002Fgithub.com\u002Fanthropics",[82,86,90,94,97],{"name":83,"color":84,"percentage":85},"Jupyter Notebook","#DA5B0B",95.6,{"name":87,"color":88,"percentage":89},"Python","#3572A5",4.3,{"name":91,"color":92,"percentage":93},"Shell","#89e051",0,{"name":95,"color":96,"percentage":93},"Makefile","#427819",{"name":98,"color":99,"percentage":93},"Dockerfile","#384d54",40841,4503,"2026-04-17T07:33:00","MIT","未说明",{"notes":106,"python":107,"dependencies":108},"该项目主要是代码示例和指南集合，而非本地运行的模型。核心需求是拥有 Claude API 密钥。代码概念可适配任何支持 Claude API 的编程语言。部分示例涉及第三方集成（如 Pinecone、Voyage AI）或多模态功能，可能需要相应的 API 密钥或额外库，但 README 中未列出具体的本地环境依赖版本。","主要示例使用 Python，具体版本未说明",[109],"anthropic (Claude API SDK)",[35,14,13,111],"其他","2026-03-27T02:49:30.150509","2026-04-18T00:50:22.601266",[115,120,125,130,135,139],{"id":116,"question_zh":117,"answer_zh":118,"source_url":119},38029,"调用技能（Skills）时输入 Token 消耗过高导致频繁触发速率限制错误（429），有哪些优化策略？","针对 Token 消耗过高导致的速率限制问题，可以采取以下具体措施：\n1. **启用提示词缓存（Prompt Caching）**：Anthropic API 支持提示词缓存。对于在多次请求中重复出现的静态内容（如系统提示词、工具定义 schema），添加 `cache_control` 断点可以显著减少重复计费的 Token。\n2. **管理对话历史**：在发送请求前，对早期的对话轮次进行截断或摘要总结。虽然示例 Notebook 未默认实现，但修剪旧消息是控制 Token 用量的常见模式。\n3. **记录 Token 用量**：建议记录每次请求的 Token 使用情况，以便在接近限制（如每分钟 50k 输入 Token）时主动检测，而不是等到收到 429 错误后再处理。\n4. **关注官方修复**：社区已有相关的 PR（如 #397）专门致力于减少技能 Notebook 中的过度 Token 使用，建议关注后续更新。","https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fclaude-cookbooks\u002Fissues\u002F324",{"id":121,"question_zh":122,"answer_zh":123,"source_url":124},38030,"如何在 Google Cloud Vertex AI (AnthropicVertex) 中使用 Skills 功能？遇到 'Unexpected value(s) for the anthropic-beta header' 错误怎么办？","在 GCP 的 AnthropicVertex 中使用 Skills 时，如果遇到关于 `anthropic-beta` 头部的无效请求错误（例如提示 `skills-2025-10-02` 是意外值），通常是因为该特定 Beta 功能尚未在 Vertex AI 端点完全开放或配置方式不同。\n\n**注意**：根据报错信息 `Please consult our documentation at docs.anthropic.com or try again without the header`，这表明当前的 Vertex AI 集成可能不支持直接通过 `default_headers` 传递特定的 Beta 标记来启用 Skills，或者该功能仅在某些特定区域\u002F模型版本可用。建议检查最新的 GCP 文档确认 Skills 在 Vertex AI 上的支持状态，或尝试移除自定义的 beta 头部直接使用标准接口测试。如果必须使用最新 Beta 特性，可能需要暂时切换回直接使用 Anthropic API 而非 Vertex AI 封装。","https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fclaude-cookbooks\u002Fissues\u002F311",{"id":126,"question_zh":127,"answer_zh":128,"source_url":129},38031,"这个仓库（claude-cookbooks）适合反馈 Claude 模型本身的回答质量问题吗？","不适合。`claude-cookbooks` 仓库专门用于处理与 Jupyter Notebook 代码示例相关的问题。如果您需要反馈关于 Claude 在 claude.ai 网站上的回答质量、行为或其他模型相关问题，请使用以下官方渠道：\n1. **官方支持页面**：https:\u002F\u002Fsupport.anthropic.com\n2. **官方 Discord 社区**：https:\u002F\u002Fanthropic.com\u002Fdiscord\n在此仓库提交模型反馈类问题通常会被关闭。","https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fclaude-cookbooks\u002Fissues\u002F423",{"id":131,"question_zh":132,"answer_zh":133,"source_url":134},38032,"构建针对印度金融法规（如 SEBI\u002FRBI 文件）的 RAG 系统时，有哪些特殊的挑战和最佳实践？","在处理印度金融监管文档的 RAG（检索增强生成）项目时，需注意以下领域特有的挑战及对策：\n1. **交叉引用处理**：法规通告（Circulars）经常相互引用和修订。需要能够追踪完整的修订链，理解当前有效的条款。\n2. **表格密集型文档**：监管阈值、费用结构常以表格形式存在，简单的分块（chunking）会导致上下文丢失。需采用保留结构的解析策略。\n3. **复杂的合规逻辑**：不同监管机构（如 RBI 和 SEBI）的规则可能存在重叠但不完全一致的情况（例如 eKYC 与物理 KYC 的文件接受规则不同）。\n4. **特定术语识别**：通用嵌入模型可能难以处理 BFSI（银行、金融服务和保险）领域的专业术语，建议结合混合搜索（语义 + 关键词）并针对领域微调。\n5. **引用追踪**：系统应能将答案精确回溯到具体的通告编号和条款，以满足合规审计需求。","https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fclaude-cookbooks\u002Fissues\u002F407",{"id":136,"question_zh":137,"answer_zh":138,"source_url":119},38033,"如何监控和预防触及 API 速率限制（Rate Limit）？","为了避免因触及速率限制（如每分钟 50,000 输入 Token）而导致服务中断，建议在应用中实施以下监控机制：\n1. **实时日志记录**：记录每个请求的实际 Token 消耗量。\n2. **主动预警**：在代码中累加短时间窗口内的 Token 用量，当检测到接近限制阈值时（例如达到 80% 或 90%），主动降低请求频率或暂停非关键任务，而不是等待收到 429 错误码后再做出反应。\n3. **动态调整**：根据当前的用量情况，动态调整发送给模型的上下文长度或最大输出 Token 数。",{"id":140,"question_zh":141,"answer_zh":142,"source_url":119},38034,"在使用 Agent 技能时，是否有推荐的方法来最小化系统提示词（System Prompt）的大小？","是的，为了减少 Token 开销，推荐采用以下方法优化系统提示词和技能定义：\n1. **利用缓存机制**：将大型静态块（如系统提示词和工具 Schema）标记为可缓存（使用 `cache_control`），这样在后续请求中不会重复计费。\n2. **动态加载**：探讨是否可以将技能定义动态加载，而不是在每次请求中都包含所有技能的完整定义（具体取决于 SDK 版本支持）。\n3. **精简定义**：审查工具\u002F技能的描述文本，去除冗余信息，仅保留模型执行任务所需的最小必要上下文。",[]]