[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-brian-team--brian2":3,"tool-brian-team--brian2":61},[4,18,28,37,45,53],{"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":24,"last_commit_at":25,"category_tags":26,"status":17},9989,"n8n","n8n-io\u002Fn8n","n8n 是一款面向技术团队的公平代码（fair-code）工作流自动化平台，旨在让用户在享受低代码快速构建便利的同时，保留编写自定义代码的灵活性。它主要解决了传统自动化工具要么过于封闭难以扩展、要么完全依赖手写代码效率低下的痛点，帮助用户轻松连接 400 多种应用与服务，实现复杂业务流程的自动化。\n\nn8n 特别适合开发者、工程师以及具备一定技术背景的业务人员使用。其核心亮点在于“按需编码”：既可以通过直观的可视化界面拖拽节点搭建流程，也能随时插入 JavaScript 或 Python 代码、调用 npm 包来处理复杂逻辑。此外，n8n 原生集成了基于 LangChain 的 AI 能力，支持用户利用自有数据和模型构建智能体工作流。在部署方面，n8n 提供极高的自由度，支持完全自托管以保障数据隐私和控制权，也提供云端服务选项。凭借活跃的社区生态和数百个现成模板，n8n 让构建强大且可控的自动化系统变得简单高效。",184740,2,"2026-04-19T23:22:26",[16,14,13,15,27],"插件",{"id":29,"name":30,"github_repo":31,"description_zh":32,"stars":33,"difficulty_score":10,"last_commit_at":34,"category_tags":35,"status":17},10095,"AutoGPT","Significant-Gravitas\u002FAutoGPT","AutoGPT 是一个旨在让每个人都能轻松使用和构建 AI 的强大平台，核心功能是帮助用户创建、部署和管理能够自动执行复杂任务的连续型 AI 智能体。它解决了传统 AI 应用中需要频繁人工干预、难以自动化长流程工作的痛点，让用户只需设定目标，AI 即可自主规划步骤、调用工具并持续运行直至完成任务。\n\n无论是开发者、研究人员，还是希望提升工作效率的普通用户，都能从 AutoGPT 中受益。开发者可利用其低代码界面快速定制专属智能体；研究人员能基于开源架构探索多智能体协作机制；而非技术背景用户也可直接选用预置的智能体模板，立即投入实际工作场景。\n\nAutoGPT 的技术亮点在于其模块化“积木式”工作流设计——用户通过连接功能块即可构建复杂逻辑，每个块负责单一动作，灵活且易于调试。同时，平台支持本地自托管与云端部署两种模式，兼顾数据隐私与使用便捷性。配合完善的文档和一键安装脚本，即使是初次接触的用户也能在几分钟内启动自己的第一个 AI 智能体。AutoGPT 正致力于降低 AI 应用门槛，让人人都能成为 AI 的创造者与受益者。",183572,"2026-04-20T04:47:55",[13,36,27,14,15],"语言模型",{"id":38,"name":39,"github_repo":40,"description_zh":41,"stars":42,"difficulty_score":10,"last_commit_at":43,"category_tags":44,"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":46,"name":47,"github_repo":48,"description_zh":49,"stars":50,"difficulty_score":24,"last_commit_at":51,"category_tags":52,"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",161147,"2026-04-19T23:31:47",[14,13,36],{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":24,"last_commit_at":59,"category_tags":60,"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。",109154,"2026-04-18T11:18:24",[14,15,13],{"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":76,"owner_email":76,"owner_twitter":76,"owner_website":77,"owner_url":78,"languages":79,"stars":110,"forks":111,"last_commit_at":112,"license":113,"difficulty_score":114,"env_os":115,"env_gpu":116,"env_ram":116,"env_deps":117,"category_tags":128,"github_topics":130,"view_count":24,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":141,"updated_at":142,"faqs":143,"releases":178},10017,"brian-team\u002Fbrian2","brian2","Brian is a free, open source simulator for spiking neural networks. ","Brian2 是一款免费且开源的脉冲神经网络模拟器，专为神经科学研究打造。它基于 Python 语言开发，能够在几乎所有主流平台上运行，旨在通过高效的计算能力节省处理器时间，同时凭借简洁易用的特性大幅节约科研人员的宝贵时间。\n\n在神经科学领域，模拟复杂的脉冲神经网络往往面临代码编写繁琐、学习曲线陡峭以及计算效率低下的挑战。Brian2 正是为了解决这些痛点而生，它允许用户以直观、灵活的方式定义神经元模型和突触连接，无需深入底层硬件细节即可快速构建并运行大规模网络仿真。其高度可扩展的架构也方便研究者根据特定需求定制功能。\n\n这款工具特别适合神经科学家、计算生物学研究人员以及相关领域的开发者使用。无论是需要验证理论模型的研究员，还是希望探索脑机制的学生，都能通过 Brian2 轻松上手。其独特的技术亮点在于“时钟驱动”的模拟机制与自然的语法设计，使得复杂的数学方程可以直接转化为可执行代码，真正实现了直觉与效率的平衡。此外，完善的文档支持和活跃的社区论坛也为使用者提供了坚实的后盾。如果你正在从事脉冲神经网络相关的研究工作，Brian2 将是一个值得信赖的高效伙伴。","# Brian2\n\n*A clock-driven simulator for spiking neural networks*\n\nBrian is a free, open source simulator for spiking neural networks. It is written in the Python programming language and is available on almost all platforms. We believe that a simulator should not only save the time of processors, but also the time of scientists. Brian is therefore designed to be easy to learn and use, highly flexible and easily extensible.\n\nPlease report issues at the github issue tracker (https:\u002F\u002Fgithub.com\u002Fbrian-team\u002Fbrian2\u002Fissues) or in the Brian forum (https:\u002F\u002Fbrian.discourse.group).\n\nDocumentation for Brian2 can be found at http:\u002F\u002Fbrian2.readthedocs.org\n\nBrian2 is released under the terms of the [CeCILL 2.1 license](https:\u002F\u002Fopensource.org\u002Flicenses\u002FCECILL-2.1).\n\nIf you use Brian for your published research, we kindly ask you to cite our article:\n\n> Stimberg, M, Brette, R, Goodman, DFM. “Brian 2, an Intuitive and Efficient Neural Simulator.” eLife 8 (2019): e47314. doi: [10.7554\u002FeLife.47314](https:\u002F\u002Fdoi.org\u002F10.7554\u002FeLife.47314).\n\n\n[![PyPI version](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002FBrian2.svg)](https:\u002F\u002Fpypi.python.org\u002Fpypi\u002FBrian2)\n[![Conda version](https:\u002F\u002Fimg.shields.io\u002Fconda\u002Fvn\u002Fconda-forge\u002Fbrian2.svg)](https:\u002F\u002Fanaconda.org\u002Fconda-forge\u002Fbrian2)\n[![Debian package](https:\u002F\u002Fimg.shields.io\u002Fdebian\u002Fv\u002Fpython3-brian\u002Ftesting)](https:\u002F\u002Fpackages.debian.org\u002Ftesting\u002Fpython3-brian)\n[![Fedora package](https:\u002F\u002Fimg.shields.io\u002Ffedora\u002Fv\u002Fpython3-brian2\u002Ff43)](https:\u002F\u002Fpackages.fedoraproject.org\u002Fpkgs\u002Fpython-brian2\u002Fpython3-brian2\u002F)\n[![Spack](https:\u002F\u002Fimg.shields.io\u002Fspack\u002Fv\u002Fpy-brian2)](https:\u002F\u002Fpackages.spack.io\u002Fpackage.html?name=py-brian2)\n[![AUR version](https:\u002F\u002Fimg.shields.io\u002Faur\u002Fversion\u002Fpython-brian2)](https:\u002F\u002Faur.archlinux.org\u002Fpackages\u002Fpython-brian2)\n![Docker Image Version](https:\u002F\u002Fimg.shields.io\u002Fdocker\u002Fv\u002Fbriansimulator\u002Fbrian?label=docker%20image)\n\n[![Docker Pulls](https:\u002F\u002Fimg.shields.io\u002Fdocker\u002Fpulls\u002Fbriansimulator\u002Fbrian)](https:\u002F\u002Fhub.docker.com\u002Fr\u002Fbriansimulator\u002Fbrian)\n[![DOI](https:\u002F\u002Fzenodo.org\u002Fbadge\u002FDOI\u002F10.5281\u002Fzenodo.17833036.svg)](https:\u002F\u002Fzenodo.org\u002Fdoi\u002F10.5281\u002Fzenodo.17833036)\n[![Software Heritage (repository)](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbrian-team_brian2_readme_847253007175.png)](https:\u002F\u002Farchive.softwareheritage.org\u002Fbrowse\u002Forigin\u002F?origin_url=https:\u002F\u002Fgithub.com\u002Fbrian-team\u002Fbrian2)\n[![Software Heritage (release)](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbrian-team_brian2_readme_f3f5ada42e20.png)](https:\u002F\u002Farchive.softwareheritage.org\u002Fswh:1:rel:ba3061dfeb4e1a23791c063612f560990a0eea69;origin=https:\u002F\u002Fgithub.com\u002Fbrian-team\u002Fbrian2;visit=swh:1:snp:bb8a53ef18202531e042a06297936bb230d4f6af)\n\n[![Contributor Covenant](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FContributor%20Covenant-v1.4%20adopted-ff69b4.svg)](CODE_OF_CONDUCT.md)\n[![Discourse topics](https:\u002F\u002Fimg.shields.io\u002Fdiscourse\u002Ftopics?server=https%3A%2F%2Fbrian.discourse.group)](https:\u002F\u002Fbrian.discourse.group)\n[![Discourse chat](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdiscourse-chat-4EC820?logo=discourse&link=https%3A%2F%2Fbrian.discourse.group%2Fchat)](https:\u002F\u002Fbrian.discourse.group\u002Fchat)\n\n[![Neuromorphic Computing](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FCollaboration_Network-Open_Neuromorphic-blue)](https:\u002F\u002Fopen-neuromorphic.org\u002Fneuromorphic-computing\u002F)\n[![PySimHub](https:\u002F\u002Fpysimhub.io\u002Fbadge.svg)](https:\u002F\u002Fpysimhub.io\u002Fprojects\u002Fbrian2)\n\n[![Ruff](https:\u002F\u002Fimg.shields.io\u002Fendpoint?url=https:\u002F\u002Fraw.githubusercontent.com\u002Fastral-sh\u002Fruff\u002Fmain\u002Fassets\u002Fbadge\u002Fv2.json)](https:\u002F\u002Fgithub.com\u002Fastral-sh\u002Fruff)\n[![SPEC 0 — Minimum Supported Dependencies](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FSPEC-0-green?labelColor=%23004811&color=%235CA038)](https:\u002F\u002Fscientific-python.org\u002Fspecs\u002Fspec-0000\u002F)\n\n## Quickstart\nTry out Brian on the [mybinder](https:\u002F\u002Fmybinder.org\u002F) service:\n\n[![mybinder](https:\u002F\u002Fstatic.mybinder.org\u002Fbadge.svg)](https:\u002F\u002Fmybinder.org\u002Fv2\u002Fgh\u002Fbrian-team\u002Fbrian2-binder\u002Fmaster?filepath=index.ipynb)\n\n## Dependencies\nThe following packages need to be installed to use Brian 2 (cf. [`pyproject.toml`](pyproject.toml)):\n\n* Python >= 3.12\n* NumPy >= 2.0\n* SymPy >= 1.2\n* Cython >= 0.29.21\n* PyParsing >= 3\n* Jinja2 >= 2.7\n* setuptools >= 61\n* py-cpuinfo (only required on Windows)\n* packaging\n\nFor full functionality, you might also want to install:\n\n* GSL >=1.16\n* SciPy >=0.13.3\n* Matplotlib >= 2.0\n\nTo build the documentation:\n\n* Sphinx >=7,\u003C9\n* ipython >=5\n* sphinx-tabs\n\nTo run the test suite:\n\n* pytest >= 8\n* pytest-xdist (optional)\n\n## Testing status for master branch\n\n[![Test status on GitHub Actions](https:\u002F\u002Fgithub.com\u002Fbrian-team\u002Fbrian2\u002Factions\u002Fworkflows\u002Ftestsuite.yml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002Fbrian-team\u002Fbrian2\u002Factions\u002Fworkflows\u002Ftestsuite.yml)\n[![Publish status on GitHub Actions](https:\u002F\u002Fgithub.com\u002Fbrian-team\u002Fbrian2\u002Factions\u002Fworkflows\u002Fpublish.yml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002Fbrian-team\u002Fbrian2\u002Factions\u002Fworkflows\u002Fpublish.yml)\n[![Test coverage](https:\u002F\u002Fimg.shields.io\u002Fcoveralls\u002Fbrian-team\u002Fbrian2\u002Fmaster.svg)](https:\u002F\u002Fcoveralls.io\u002Fr\u002Fbrian-team\u002Fbrian2?branch=master)\n[![Documentation Status](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbrian-team_brian2_readme_13d664e1afd7.png)](https:\u002F\u002Fbrian2.readthedocs.io\u002Fen\u002Fstable\u002F?badge=stable)\n","# Brian2\n\n*用于脉冲神经网络的时钟驱动型模拟器*\n\nBrian 是一款免费、开源的脉冲神经网络模拟器。它使用 Python 编程语言编写，几乎可在所有平台上运行。我们认为，一个模拟器不仅应节省计算资源的时间，还应节省科学家的研究时间。因此，Brian 的设计目标是易于学习和使用、高度灵活且易于扩展。\n\n如遇问题，请在 GitHub 问题跟踪器（https:\u002F\u002Fgithub.com\u002Fbrian-team\u002Fbrian2\u002Fissues）或 Brian 论坛（https:\u002F\u002Fbrian.discourse.group）中提交报告。\n\nBrian2 的文档可在 http:\u002F\u002Fbrian2.readthedocs.org 找到。\n\nBrian2 根据 [CeCILL 2.1 许可证](https:\u002F\u002Fopensource.org\u002Flicenses\u002FCECILL-2.1) 发布。\n\n如果您在已发表的研究中使用了 Brian，请您引用我们的论文：\n\n> Stimberg, M, Brette, R, Goodman, DFM. “Brian 2, an Intuitive and Efficient Neural Simulator.” eLife 8 (2019): e47314. doi: [10.7554\u002FeLife.47314](https:\u002F\u002Fdoi.org\u002F10.7554\u002FeLife.47314).\n\n\n[![PyPI 版本](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002FBrian2.svg)](https:\u002F\u002Fpypi.python.org\u002Fpypi\u002FBrian2)\n[![Conda 版本](https:\u002F\u002Fimg.shields.io\u002Fconda\u002Fvn\u002Fconda-forge\u002Fbrian2.svg)](https:\u002F\u002Fanaconda.org\u002Fconda-forge\u002Fbrian2)\n[![Debian 软件包](https:\u002F\u002Fimg.shields.io\u002Fdebian\u002Fv\u002Fpython3-brian\u002Ftesting)](https:\u002F\u002Fpackages.debian.org\u002Ftesting\u002Fpython3-brian)\n[![Fedora 软件包](https:\u002F\u002Fimg.shields.io\u002Ffedora\u002Fv\u002Fpython3-brian2\u002Ff43)](https:\u002F\u002Fpackages.fedoraproject.org\u002Fpkgs\u002Fpython-brian2\u002Fpython3-brian2\u002F)\n[![Spack](https:\u002F\u002Fimg.shields.io\u002Fspack\u002Fv\u002Fpy-brian2)](https:\u002F\u002Fpackages.spack.io\u002Fpackage.html?name=py-brian2)\n[![AUR 版本](https:\u002F\u002Fimg.shields.io\u002Faur\u002Fversion\u002Fpython-brian2)](https:\u002F\u002Faur.archlinux.org\u002Fpackages\u002Fpython-brian2)\n![Docker 镜像版本](https:\u002F\u002Fimg.shields.io\u002Fdocker\u002Fv\u002Fbriansimulator\u002Fbrian?label=docker%20image)\n\n[![Docker 拉取次数](https:\u002F\u002Fimg.shields.io\u002Fdocker\u002Fpulls\u002Fbriansimulator\u002Fbrian)](https:\u002F\u002Fhub.docker.com\u002Fr\u002Fbriansimulator\u002Fbrian)\n[![DOI](https:\u002F\u002Fzenodo.org\u002Fbadge\u002FDOI\u002F10.5281\u002Fzenodo.17833036.svg)](https:\u002F\u002Fzenodo.org\u002Fdoi\u002F10.5281\u002Fzenodo.17833036)\n[![软件遗产（仓库）](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbrian-team_brian2_readme_847253007175.png)](https:\u002F\u002Farchive.softwareheritage.org\u002Fbrowse\u002Forigin\u002F?origin_url=https:\u002F\u002Fgithub.com\u002Fbrian-team\u002Fbrian2)\n[![软件遗产（发布）](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbrian-team_brian2_readme_f3f5ada42e20.png)](https:\u002F\u002Farchive.softwareheritage.org\u002Fswh:1:rel:ba3061dfeb4e1a23791c063612f560990a0eea69;origin=https:\u002F\u002Fgithub.com\u002Fbrian-team\u002Fbrian2;visit=swh:1:snp:bb8a53ef18202531e042a06297936bb230d4f6af)\n\n[![贡献者公约](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FContributor%20Covenant-v1.4%20adopted-ff69b4.svg)](CODE_OF_CONDUCT.md)\n[![Discourse 主题](https:\u002F\u002Fimg.shields.io\u002Fdiscourse\u002Ftopics?server=https%3A%2F%2Fbrian.discourse.group)](https:\u002F\u002Fbrian.discourse.group)\n[![Discourse 聊天](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdiscourse-chat-4EC820?logo=discourse&link=https%3A%2F%2Fbrian.discourse.group%2Fchat)](https:\u002F\u002Fbrian.discourse.group\u002Fchat)\n\n[![神经形态计算](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FCollaboration_Network-Open_Neuromorphic-blue)](https:\u002F\u002Fopen-neuromorphic.org\u002Fneuromorphic-computing\u002F)\n[![PySimHub](https:\u002F\u002Fpysimhub.io\u002Fbadge.svg)](https:\u002F\u002Fpysimhub.io\u002Fprojects\u002Fbrian2)\n\n[![Ruff](https:\u002F\u002Fimg.shields.io\u002Fendpoint?url=https:\u002F\u002Fraw.githubusercontent.com\u002Fastral-sh\u002Fruff\u002Fmain\u002Fassets\u002Fbadge\u002Fv2.json)](https:\u002F\u002Fgithub.com\u002Fastral-sh\u002Fruff)\n[![SPEC 0 — 最低支持依赖](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FSPEC-0-green?labelColor=%23004811&color=%235CA038)](https:\u002F\u002Fscientific-python.org\u002Fspecs\u002Fspec-0000\u002F)\n\n## 快速入门\n您可以在 [mybinder](https:\u002F\u002Fmybinder.org\u002F) 服务上试用 Brian：\n\n[![mybinder](https:\u002F\u002Fstatic.mybinder.org\u002Fbadge.svg)](https:\u002F\u002Fmybinder.org\u002Fv2\u002Fgh\u002Fbrian-team\u002Fbrian2-binder\u002Fmaster?filepath=index.ipynb)\n\n## 依赖项\n要使用 Brian 2，需要安装以下软件包（参阅 [`pyproject.toml`](pyproject.toml))：\n\n* Python >= 3.12\n* NumPy >= 2.0\n* SymPy >= 1.2\n* Cython >= 0.29.21\n* PyParsing >= 3\n* Jinja2 >= 2.7\n* setuptools >= 61\n* py-cpuinfo（仅在 Windows 上需要）\n* packaging\n\n为获得完整功能，您可能还需要安装：\n\n* GSL >=1.16\n* SciPy >=0.13.3\n* Matplotlib >= 2.0\n\n构建文档所需：\n\n* Sphinx >=7,\u003C9\n* ipython >=5\n* sphinx-tabs\n\n运行测试套件所需：\n\n* pytest >= 8\n* pytest-xdist（可选）\n\n## 主分支的测试状态\n\n[![GitHub Actions 测试状态](https:\u002F\u002Fgithub.com\u002Fbrian-team\u002Fbrian2\u002Factions\u002Fworkflows\u002Ftestsuite.yml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002Fbrian-team\u002Fbrian2\u002Factions\u002Fworkflows\u002Ftestsuite.yml)\n[![GitHub Actions 发布状态](https:\u002F\u002Fgithub.com\u002Fbrian-team\u002Fbrian2\u002Factions\u002Fworkflows\u002Fpublish.yml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002Fbrian-team\u002Fbrian2\u002Factions\u002Fworkflows\u002Fpublish.yml)\n[![测试覆盖率](https:\u002F\u002Fimg.shields.io\u002Fcoveralls\u002Fbrian-team\u002Fbrian2\u002Fmaster.svg)](https:\u002F\u002Fcoveralls.io\u002Fr\u002Fbrian-team\u002Fbrian2?branch=master)\n[![文档状态](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbrian-team_brian2_readme_13d664e1afd7.png)](https:\u002F\u002Fbrian2.readthedocs.io\u002Fen\u002Fstable\u002F?badge=stable)","# Brian2 快速上手指南\n\nBrian2 是一个基于 Python 的时钟驱动脉冲神经网络（Spiking Neural Networks）模拟器。它设计直观、灵活且易于扩展，旨在节省科研人员的开发时间。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n\n*   **操作系统**：支持几乎所有主流平台（Linux, macOS, Windows）。\n*   **Python 版本**：>= 3.12\n*   **核心依赖**：\n    *   NumPy >= 2.0\n    *   SymPy >= 1.2\n    *   Cython >= 0.29.21\n    *   PyParsing >= 3\n    *   Jinja2 >= 2.7\n    *   setuptools >= 61\n    *   packaging\n    *   py-cpuinfo (仅 Windows 需要)\n*   **推荐依赖**（用于完整功能）：\n    *   SciPy >= 0.13.3\n    *   Matplotlib >= 2.0\n    *   GSL >= 1.16 (用于部分随机数生成优化)\n\n## 安装步骤\n\n您可以选择以下任意一种方式进行安装。国内用户推荐使用镜像源以加速下载。\n\n### 方式一：使用 pip 安装（推荐）\n\n使用国内镜像源（如清华大学源）进行安装：\n\n```bash\npip install brian2 -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n若需安装包含绘图和科学计算功能的完整依赖：\n\n```bash\npip install \"brian2[full]\" -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n### 方式二：使用 Conda 安装\n\n如果您使用 Anaconda 或 Miniconda：\n\n```bash\nconda install -c conda-forge brian2\n```\n\n### 方式三：在线体验\n\n无需本地安装，可直接在浏览器中通过 MyBinder 尝试运行示例：\n\n[点击此处在 MyBinder 中打开 Brian2](https:\u002F\u002Fmybinder.org\u002Fv2\u002Fgh\u002Fbrian-team\u002Fbrian2-binder\u002Fmaster?filepath=index.ipynb)\n\n## 基本使用\n\n以下是一个最简单的示例，模拟一个漏电积分发放（LIF）神经元并绘制其膜电位变化。\n\n创建一个名为 `simple_simulation.py` 的文件，写入以下代码：\n\n```python\nfrom brian2 import *\n\n# 设置默认单位系统\nstart_scope()\n\n# 定义神经元模型方程\n# tau_m: 膜时间常数, v: 膜电位, I: 输入电流\neqs = '''\ndv\u002Fdt = (I - v) \u002F tau_m : 1\ntau_m : second\nI : 1\n'''\n\n# 创建神经元群 (1 个神经元)\nG = NeuronGroup(1, eqs, threshold='v>1', reset='v=0', method='exact')\nG.v = 0\nG.tau_m = 10*ms\nG.I = 1.5\n\n# 创建状态监视器以记录膜电位\nM = StateMonitor(G, 'v', record=True)\n\n# 运行模拟 50 毫秒\nrun(50*ms)\n\n# 绘制结果\nimport matplotlib.pyplot as plt\nplt.plot(M.t\u002Fms, M.v[0])\nplt.xlabel('Time (ms)')\nplt.ylabel('Membrane Potential (v)')\nplt.title('Simple LIF Neuron Simulation')\nplt.show()\n```\n\n运行该脚本即可看到神经元的放电波形。更复杂的网络构建、突触连接及可视化功能请参考 [官方文档](http:\u002F\u002Fbrian2.readthedocs.org)。","某神经科学实验室的研究员正试图构建一个包含数千个神经元的大型脉冲神经网络模型，以模拟大脑皮层对特定视觉刺激的反应机制。\n\n### 没有 brian2 时\n- **开发门槛极高**：研究员必须手动推导复杂的微分方程离散化公式，并编写底层 C++ 或 CUDA 代码来实现高效仿真，耗时数周且极易出错。\n- **迭代验证缓慢**：每次调整神经元参数或连接拓扑结构，都需要重新编译代码并等待漫长的构建过程，严重拖慢实验假设的验证速度。\n- **数学表达晦涩**：代码逻辑与原始的生物学数学公式严重脱节，导致团队成员难以审查算法正确性，协作沟通成本高昂。\n- **扩展性受限**：当需要引入新的突触可塑性规则（如 STDP）时，往往需要重构大量底层架构，灵活性极差。\n\n### 使用 brian2 后\n- **直观建模**：研究员直接使用 Python 字符串定义微分方程（如 `dv\u002Fdt = ...`），brian2 自动处理数值积分与代码生成，将模型构建时间从数周缩短至数小时。\n- **即时反馈**：修改模型参数无需编译，利用 brian2 的即时编译技术即可在秒级内启动仿真，大幅加速了“假设 - 验证”的研发循环。\n- **代码即公式**：仿真脚本中的数学表达与论文公式高度一致，非计算机背景的神经科学家也能轻松读懂并参与代码审查，提升了团队协作效率。\n- **灵活扩展**：借助 brian2 高度模块化的设计，研究员仅需几行代码即可嵌入自定义的突触学习规则，无需改动核心引擎即可探索多种生物机制。\n\nbrian2 通过将复杂的底层计算自动化，让科学家能将宝贵精力从繁琐的代码实现回归到真正的神经科学探索中。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbrian-team_brian2_868b1b78.png","brian-team","Brian simulator","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fbrian-team_6e29053b.jpg","",null,"https:\u002F\u002Fbriansimulator.org","https:\u002F\u002Fgithub.com\u002Fbrian-team",[80,84,88,92,96,100,103,107],{"name":81,"color":82,"percentage":83},"Python","#3572A5",91.4,{"name":85,"color":86,"percentage":87},"C++","#f34b7d",3.5,{"name":89,"color":90,"percentage":91},"Jupyter Notebook","#DA5B0B",2.5,{"name":93,"color":94,"percentage":95},"Cython","#fedf5b",2.4,{"name":97,"color":98,"percentage":99},"Dockerfile","#384d54",0.1,{"name":101,"color":102,"percentage":99},"Shell","#89e051",{"name":104,"color":105,"percentage":106},"Makefile","#427819",0,{"name":108,"color":109,"percentage":106},"C","#555555",1162,284,"2026-04-15T11:50:54","NOASSERTION",1,"Linux, macOS, Windows","未说明",{"notes":118,"python":119,"dependencies":120},"在 Windows 系统上额外需要安装 py-cpuinfo。若需完整功能，建议安装 GSL (>=1.16)、SciPy (>=0.13.3) 和 Matplotlib (>=2.0)。该工具主要通过 CPU 运行，README 中未提及 GPU 加速需求或具体内存要求。",">=3.12",[121,122,123,124,125,126,127],"NumPy>=2.0","SymPy>=1.2","Cython>=0.29.21","PyParsing>=3","Jinja2>=2.7","setuptools>=61","packaging",[36,14,129],"其他",[131,132,133,134,135,136,137,138,139,140,64],"python","neuroscience","science","differential-equations","spiking-neural-networks","biological-simulations","code-generation","simulation-framework","brian","computational-neuroscience","2026-03-27T02:49:30.150509","2026-04-20T17:02:29.693803",[144,149,154,159,164,169,174],{"id":145,"question_zh":146,"answer_zh":147,"source_url":148},44991,"如何在 Apple M1 (ARM 架构) Mac 上解决 Cython 编译失败和 clang 错误？","在 M1 Mac 上，clang 编译器不支持 '-march=native' 参数，导致编译失败并回退到较慢的 numpy 模式。解决方法是手动将代码生成目标设置为 numpy。请在代码中设置：prefs.codegen.target = \"numpy\"。这将避免编译错误消息，但需注意运行速度可能比使用编译代码慢。","https:\u002F\u002Fgithub.com\u002Fbrian-team\u002Fbrian2\u002Fissues\u002F1278",{"id":150,"question_zh":151,"answer_zh":152,"source_url":153},44992,"Synapses（突触）模块目前缺少哪些主要功能？","根据开发进度，Synapses 模块已实现事件驱动机制、多种创建方式和标量延迟等功能。目前主要缺失的两个功能是：1. 子组索引（indexing with subgroups）；2. 集中变量\u002F突触求和（lumped variables \u002F synaptic sums）。其中集中变量还需要在代码生成侧进行额外思考，可能需要单独的模板处理。","https:\u002F\u002Fgithub.com\u002Fbrian-team\u002Fbrian2\u002Fissues\u002F42",{"id":155,"question_zh":156,"answer_zh":157,"source_url":158},44993,"Brian 2 是否支持 Cython 作为代码生成目标？其性能如何？","是的，Brian 2 支持 Cython 作为代码生成目标，这对于 Python 3 环境是必要的（因为 weave 不再维护）。Cython 后端虽然实现过程有些复杂（特别是数据类型名称和变量类型的处理），但现在已能正常工作且效率合理。其性能虽略低于 weave，但差距不大。如果类型定义处理不当，速度可能会显著变慢，因此需确保正确配置。","https:\u002F\u002Fgithub.com\u002Fbrian-team\u002Fbrian2\u002Fissues\u002F27",{"id":160,"question_zh":161,"answer_zh":162,"source_url":163},44994,"如何在代码生成中使用 OpenMP 进行并行加速？","OpenMP 支持已合并到主分支。用户可以通过配置来启用或禁用它。为了获得更好的性能，建议显式调用 sort_synapses 方法对突触进行排序。系统可能会发出警告提示：“考虑运行 S.sort_synapses() 以获得更好的性能”。若需完全禁用 OpenMP（即生成的代码不包含 #pragma 语句且编译器标志不含 -fopenmp），需在配置中关闭该选项。","https:\u002F\u002Fgithub.com\u002Fbrian-team\u002Fbrian2\u002Fissues\u002F89",{"id":165,"question_zh":166,"answer_zh":167,"source_url":168},44995,"Group.runner 和 .language 属性是否还在使用？应该如何处理？","Group.runner 目前未被测试，但它具有潜在用途，例如在不预生成所有数据的情况下，在慢时间尺度上改变网络输入（替代 TimedArray）。因此建议保留该功能并修复相关引用。关于 '.language' 属性，项目中已大量将其重构为 'generator'（代码生成器），但在文档中提及“为目标语言生成代码”时仍可保留 'language' 一词。建议使用 PyCharm 等工具批量替换代码中的引用以确保一致性。","https:\u002F\u002Fgithub.com\u002Fbrian-team\u002Fbrian2\u002Fissues\u002F131",{"id":170,"question_zh":171,"answer_zh":172,"source_url":173},44996,"Brian 2 的独立模式（Standalone mode）架构中 Device 和 Language 对象是如何设计的？","为了实现模块化，Brian 2 采用了分离的 Device 对象和 Language 对象架构。Device 负责数据存储和设备特定逻辑（如 SpikeQueue 的处理），而 Language 负责代码生成逻辑（如自动生成 C 版本以优化性能）。这种分离结构使得系统更灵活，便于用户扩展和配置不同的后端目标。","https:\u002F\u002Fgithub.com\u002Fbrian-team\u002Fbrian2\u002Fissues\u002F23",{"id":175,"question_zh":176,"answer_zh":177,"source_url":153},44997,"在矢量化代码中如何处理随机数生成以保证 Python 和 C++ 结果的可复现性？","为了保证随机数在 Python 和 C++ 之间的可复现性，不应依赖函数调用的顺序。建议将所有无参数的函数调用替换为 `func(_vectorisation_idx)` 的形式。每个模板有责任在执行用户代码前定义 `_vectorisation_idx`（例如 `_vectorisation_idx = np.arange(_num_neurons)`）。这样即使切换到 C++ 后端，也能通过传入索引信息生成一致的随机数序列。",[]]