[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-chiphuyen--sniffly":3,"tool-chiphuyen--sniffly":61},[4,18,26,36,44,53],{"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":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",144730,2,"2026-04-07T23:26:32",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"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。",107888,"2026-04-06T11:32:50",[14,15,13],{"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",[52,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"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",[35,15,13,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":78,"owner_email":77,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":103,"forks":104,"last_commit_at":105,"license":106,"difficulty_score":107,"env_os":108,"env_gpu":109,"env_ram":110,"env_deps":111,"category_tags":116,"github_topics":117,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":122,"updated_at":123,"faqs":124,"releases":150},5269,"chiphuyen\u002Fsniffly","sniffly","Claude Code dashboard with usage stats, error analysis, and sharable feature","Sniffly 是一款专为 Claude Code 用户打造的本地化数据分析仪表盘，旨在帮助用户更深入地理解和使用这款 AI 编程助手。它通过解析本地的 Claude Code 日志，直观展示使用统计、错误类型分布以及详细的指令交互历史，让用户清晰看到 AI 在哪些环节容易出错，从而优化提示词策略并避免重复失误。\n\n这款工具特别适合频繁使用 Claude Code 的开发者、技术团队负责人及 AI 研究人员。对于需要复盘协作流程或分享最佳实践的团队，Sniffly 提供了独特的“可共享仪表盘”功能，支持生成链接将脱敏后的统计数据与指令记录安全地分享给同事，便于知识沉淀与团队协作。\n\nSniffly 的核心亮点在于其严格的隐私保护机制与便捷的部署方式。所有数据处理均在用户本地机器完成，对话内容默认不会上传至任何服务器，且无遥测收集，确保代码与业务逻辑绝对安全。同时，它基于 Python 构建，支持通过 UV 或 pip 一键安装启动，无需复杂配置即可在浏览器中访问可视化界面。无论是个人开发者想要提升单兵作战效率，还是团队希望量化 AI 辅助编程的效果，Sniffly 都是一个轻量、安全且","Sniffly 是一款专为 Claude Code 用户打造的本地化数据分析仪表盘，旨在帮助用户更深入地理解和使用这款 AI 编程助手。它通过解析本地的 Claude Code 日志，直观展示使用统计、错误类型分布以及详细的指令交互历史，让用户清晰看到 AI 在哪些环节容易出错，从而优化提示词策略并避免重复失误。\n\n这款工具特别适合频繁使用 Claude Code 的开发者、技术团队负责人及 AI 研究人员。对于需要复盘协作流程或分享最佳实践的团队，Sniffly 提供了独特的“可共享仪表盘”功能，支持生成链接将脱敏后的统计数据与指令记录安全地分享给同事，便于知识沉淀与团队协作。\n\nSniffly 的核心亮点在于其严格的隐私保护机制与便捷的部署方式。所有数据处理均在用户本地机器完成，对话内容默认不会上传至任何服务器，且无遥测收集，确保代码与业务逻辑绝对安全。同时，它基于 Python 构建，支持通过 UV 或 pip 一键安装启动，无需复杂配置即可在浏览器中访问可视化界面。无论是个人开发者想要提升单兵作战效率，还是团队希望量化 AI 辅助编程的效果，Sniffly 都是一个轻量、安全且实用的分析伴侣。","# Sniffly - Claude Code Analytics Dashboard\n\nAnalyze Claude Code logs to help you use Claude Code better.\n\n[Website](https:\u002F\u002Fsniffly.dev) | [Quickstart](#-quickstart) | [Features](#-features) | [Sharable dashboard](#-sharing-your-dashboard)\n\n## 📊 Features\n### Understanding your usage patterns\n\u003Ccenter>\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fchiphuyen_sniffly_readme_1d88a3d74bd0.png\" width=\"800\" \u002F>\n\u003C\u002Fcenter>\n\n### Error breakdown\n_See where Claude Code makes mistakes so that you avoid these mistakes._\n\n\u003Ccenter>\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fchiphuyen_sniffly_readme_3222fe01cc0b.png\" width=\"500\" \u002F>\n\u003C\u002Fcenter>\n\n### Message history analysis\n_Walk through all your instructions and share them with your coworkers if needed._\n\n\u003Ccenter>\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fchiphuyen_sniffly_readme_3a141ab0bfd4.png\" width=\"1000\" \u002F>\n\u003C\u002Fcenter>\n\n\n## 🚀 Quickstart\n- Requirement: Python 3.10+\n\n### With UV (recommended)\nMake sure you have `uv` installed! https:\u002F\u002Fgithub.com\u002Fastral-sh\u002Fuv\n\n```bash\n# One-time execution (no installation needed)\nuvx sniffly@latest init\n```\n\n```bash\n# Install the package\nuv tool install sniffly@latest\nsniffly init\n```\n\nAfter running `sniffly init`, access your dashboard on your browser at http:\u002F\u002Flocalhost:8081 (or whichever host\u002Fport you choose).\n\nIf you run Sniffly on a remote server, use [port forwarding](https:\u002F\u002Fwww.reddit.com\u002Fr\u002FHomeNetworking\u002Fcomments\u002Fi7ijiz\u002Fa_guide_to_port_forwarding\u002F) to open the browser on your local computer.\n\n### With pip\n\n```bash\npip install sniffly\nsniffly init\n```\n\n### From source\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fchiphuyen\u002Fsniffly.git\ncd sniffly\npip install -e .\nsniffly init\n```\n\n## 🔧 Configuration\n\n### Common Settings\n\n```bash\n# Change port (default: 8081)\nsniffly config set port 8090\n\n# Disable auto-opening browser\nsniffly config set auto_browser false\n\n# Show current configuration\nsniffly config show\n```\n\n### All Configuration Options\n\n| Key | Default | Description |\n|-----|---------|-------------|\n| `port` | 8081 | Server port |\n| `host` | 127.0.0.1 | Server host |\n| `auto_browser` | true | Auto-open browser on start |\n| `cache_max_projects` | 5 | Max projects in memory cache |\n| `cache_max_mb_per_project` | 500 | Max MB per project |\n| `messages_initial_load` | 500 | Initial messages to load |\n| `max_date_range_days` | 30 | Max days for date range selection |\n\nSee full [CLI Reference](docs\u002Fcli-reference.md) for all options and commands.\n\n\n## 💡 Sharing Your Dashboard\nYou can create a link to share your project's stats and instructions with your coworkers.\n\n1. Click the \"📤 Share\" button in your dashboard\n2. Choose privacy options:\n   - **Private**: Only people with the link can view\n   - **Public**: Listed in the public gallery\n   - **Include Commands**: Share your actual command text\n3. Copy and share the generated link\n\n## 🚨 Troubleshooting\n\n### Common Issues\n\n```bash\nsniffly help\n```\n\n**Port already in use?**\n```bash\n# Use a different port\nsniffly init --port 8090\n\n# Or change default\nsniffly config set port 8090\n```\n\n**Browser doesn't open?**\n```bash\n# Check setting\nsniffly config show\n\n# Enable auto-browser\nsniffly config set auto_browser true\n\n# Or manually visit http:\u002F\u002Flocalhost:8081\n```\n\n**Configuration issues?**\n```bash\n# View all settings and their sources\nsniffly config show\n\n# Reset a setting to default\nsniffly config unset port\n\n# Remove all custom config\nrm ~\u002F.sniffly\u002Fconfig.json\n```\n\nFor more issues, see [GitHub Issues](https:\u002F\u002Fgithub.com\u002Fchiphuyen\u002Fsniffly\u002Fissues).\n\n## 🔐 Privacy\n\nSniffly runs entirely on your local machine:\n- ✅ All data processing happens locally\n- ✅ No telemetry\n- ✅ Your conversations never leave your computer\n- ✅ Shared dashboards are opt-in only\n\n## 📄 License\n\nMIT License - see [LICENSE](LICENSE) file.\n\n## 🔗 Links\n\n- **Homepage**: [sniffly.dev](https:\u002F\u002Fsniffly.dev)\n- **Documentation**: [Full CLI Reference](docs\u002Fcli-reference.md)\n- **Issues**: [GitHub Issues](https:\u002F\u002Fgithub.com\u002Fchiphuyen\u002Fsniffly\u002Fissues)\n","# Sniffly - Claude Code 分析仪表板\n\n分析 Claude Code 日志，帮助您更好地使用 Claude Code。\n\n[网站](https:\u002F\u002Fsniffly.dev) | [快速入门](#-quickstart) | [功能](#-features) | [可共享的仪表板](#-sharing-your-dashboard)\n\n## 📊 功能\n### 了解您的使用模式\n\u003Ccenter>\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fchiphuyen_sniffly_readme_1d88a3d74bd0.png\" width=\"800\" \u002F>\n\u003C\u002Fcenter>\n\n### 错误分类\n_查看 Claude Code 在哪些地方容易出错，从而避免这些错误。_\n\n\u003Ccenter>\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fchiphuyen_sniffly_readme_3222fe01cc0b.png\" width=\"500\" \u002F>\n\u003C\u002Fcenter>\n\n### 消息历史分析\n_回顾您所有的指令，必要时可以与同事分享。_\n\n\u003Ccenter>\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fchiphuyen_sniffly_readme_3a141ab0bfd4.png\" width=\"1000\" \u002F>\n\u003C\u002Fcenter>\n\n\n## 🚀 快速入门\n- 要求：Python 3.10+\n\n### 使用 UV（推荐）\n请确保已安装 `uv`！https:\u002F\u002Fgithub.com\u002Fastral-sh\u002Fuv\n\n```bash\n# 一次性执行（无需安装）\nuvx sniffly@latest init\n```\n\n```bash\n# 安装软件包\nuv tool install sniffly@latest\nsniffly init\n```\n\n运行 `sniffly init` 后，在浏览器中访问 http:\u002F\u002Flocalhost:8081（或您选择的主机\u002F端口）即可打开仪表板。\n\n如果您在远程服务器上运行 Sniffly，请使用[端口转发](https:\u002F\u002Fwww.reddit.com\u002Fr\u002FHomeNetworking\u002Fcomments\u002Fi7ijiz\u002Fa_guide_to_port_forwarding\u002F)，以便在本地计算机上打开浏览器。\n\n### 使用 pip\n\n```bash\npip install sniffly\nsniffly init\n```\n\n### 从源代码安装\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fchiphuyen\u002Fsniffly.git\ncd sniffly\npip install -e .\nsniffly init\n```\n\n## 🔧 配置\n\n### 常见设置\n\n```bash\n# 更改端口（默认：8081）\nsniffly config set port 8090\n\n# 禁用自动打开浏览器\nsniffly config set auto_browser false\n\n# 显示当前配置\nsniffly config show\n```\n\n### 所有配置选项\n\n| 键 | 默认值 | 描述 |\n|-----|---------|-------------|\n| `port` | 8081 | 服务器端口 |\n| `host` | 127.0.0.1 | 服务器主机 |\n| `auto_browser` | true | 启动时自动打开浏览器 |\n| `cache_max_projects` | 5 | 内存缓存中的最大项目数 |\n| `cache_max_mb_per_project` | 500 | 每个项目的最大 MB 数 |\n| `messages_initial_load` | 500 | 初始加载的消息数量 |\n| `max_date_range_days` | 30 | 日期范围选择的最大天数 |\n\n有关所有选项和命令，请参阅完整的[CLI 参考文档](docs\u002Fcli-reference.md)。\n\n\n## 💡 分享您的仪表板\n您可以创建一个链接，与同事分享您项目的统计数据和指令。\n\n1. 在仪表板中点击“📤 分享”按钮\n2. 选择隐私选项：\n   - **私密**：只有拥有链接的人才能查看\n   - **公开**：会列在公共图库中\n   - **包含指令**：分享您的实际指令文本\n3. 复制并分享生成的链接\n\n## 🚨 故障排除\n\n### 常见问题\n\n```bash\nsniffly help\n```\n\n**端口已被占用？**\n```bash\n# 使用其他端口\nsniffly init --port 8090\n\n# 或更改默认端口\nsniffly config set port 8090\n```\n\n**浏览器未打开？**\n```bash\n# 检查设置\nsniffly config show\n\n# 启用自动打开浏览器\nsniffly config set auto_browser true\n\n# 或手动访问 http:\u002F\u002Flocalhost:8081\n```\n\n**配置问题？**\n```bash\n# 查看所有设置及其来源\nsniffly config show\n\n# 将某个设置重置为默认值\nsniffly config unset port\n\n# 删除所有自定义配置\nrm ~\u002F.sniffly\u002Fconfig.json\n```\n\n如需更多帮助，请参阅[GitHub 问题页面](https:\u002F\u002Fgithub.com\u002Fchiphuyen\u002Fsniffly\u002Fissues)。\n\n## 🔐 隐私\nSniffly 完全在您的本地机器上运行：\n- ✅ 所有数据处理都在本地进行\n- ✅ 无遥测数据\n- ✅ 您的对话绝不会离开您的电脑\n- ✅ 共享的仪表板仅限于自愿参与\n\n## 📄 许可证\nMIT 许可证 - 请参阅[LICENSE](LICENSE) 文件。\n\n## 🔗 链接\n- **首页**: [sniffly.dev](https:\u002F\u002Fsniffly.dev)\n- **文档**: [完整 CLI 参考](docs\u002Fcli-reference.md)\n- **问题**: [GitHub 问题](https:\u002F\u002Fgithub.com\u002Fchiphuyen\u002Fsniffly\u002Fissues)","# Sniffly 快速上手指南\n\nSniffly 是一个专为 Claude Code 设计的本地分析仪表盘，帮助你可视化使用模式、错误分布及指令历史，从而更高效地使用 Claude Code。所有数据均在本地处理，隐私安全。\n\n## 环境准备\n\n- **操作系统**：支持 Windows、macOS、Linux\n- **Python 版本**：Python 3.10 或更高版本\n- **推荐工具**：`uv`（更快的 Python 包管理工具，可选但推荐）\n  - 安装 uv：访问 https:\u002F\u002Fgithub.com\u002Fastral-sh\u002Fuv 获取安装说明\n- **网络要求**：首次运行需联网下载依赖，后续完全离线运行\n\n> 💡 国内用户提示：若 `pip` 或 `uv` 下载缓慢，可配置国内镜像源加速（如清华源、阿里云源）。\n\n## 安装步骤\n\n### 方式一：使用 uv（推荐）\n\n```bash\n# 一键运行（无需永久安装）\nuvx sniffly@latest init\n\n# 或永久安装到本地工具链\nuv tool install sniffly@latest\nsniffly init\n```\n\n### 方式二：使用 pip\n\n```bash\npip install sniffly\nsniffly init\n```\n\n> 🇨🇳 国内加速建议：\n> ```bash\n> pip install sniffly -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n> ```\n\n### 方式三：从源码安装\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fchiphuyen\u002Fsniffly.git\ncd sniffly\npip install -e .\nsniffly init\n```\n\n## 基本使用\n\n1. **启动服务**  \n   执行以下命令后，Sniffly 会自动扫描本地的 Claude Code 日志并启动本地服务器：\n\n   ```bash\n   sniffly init\n   ```\n\n2. **访问仪表盘**  \n   打开浏览器访问：\n\n   ```\n   http:\u002F\u002Flocalhost:8081\n   ```\n\n   > 若启动时未自动打开浏览器，请手动访问上述地址。  \n   > 若在远程服务器运行，请通过 SSH 端口转发将 `8081` 映射到本地。\n\n3. **查看核心功能**\n   - **使用统计**：了解调用频率、令牌消耗等趋势\n   - **错误分析**：定位常见失败类型，优化提示词\n   - **指令回溯**：浏览历史对话与命令，支持团队分享\n\n4. **自定义配置（可选）**\n\n   ```bash\n   # 修改监听端口\n   sniffly config set port 8090\n\n   # 禁用自动打开浏览器\n   sniffly config set auto_browser false\n\n   # 查看当前配置\n   sniffly config show\n   ```\n\n完成以上步骤后，即可开始分析你的 Claude Code 使用数据。所有数据仅存储于本地，安全可靠。","某后端团队在重构遗留代码库时，资深工程师利用 Claude Code 辅助生成大量迁移脚本和单元测试，但团队难以量化其实际产出与潜在风险。\n\n### 没有 sniffly 时\n- **黑盒式协作**：团队成员各自运行 Claude Code，其他人无法查看具体的指令历史和上下文，导致重复劳动或指令风格不统一。\n- **错误归因困难**：当生成的代码出现批量报错时，只能人工翻阅终端日志，难以快速统计是模型幻觉、上下文超限还是提示词不当导致的。\n- **用量盲区**：管理者无法得知项目消耗了多少 Token 或进行了多少次交互，难以评估 AI 辅助开发的真实成本效益。\n- **知识沉淀缺失**：优秀的提示词（Prompt）和调试过程散落在个人终端历史记录中，无法形成可复用的团队资产。\n- **复盘效率低下**：周会回顾时，依靠口头描述或截图分享工作流，缺乏直观的数据图表支撑，沟通成本极高。\n\n### 使用 sniffly 后\n- **透明化指令流**：通过本地仪表盘，团队成员可一键浏览所有指令历史，快速理解同事的解题思路并复用高效提示词。\n- **精准错误分析**：sniffly 自动将错误分类可视化，团队能立即发现“上下文截断”是主要失败原因，从而针对性优化输入策略。\n- **数据驱动决策**：仪表盘清晰展示每日交互量与 Token 消耗趋势，让管理者直观看到 AI 在特定模块的效率提升数据。\n- **资产共享便捷**：利用“分享”功能生成脱敏链接，将成功的重构案例和指令序列转化为团队内部的标准操作文档。\n- **高效复盘会议**：直接投屏统计图表和命令 walkthrough，用客观数据替代模糊描述，大幅缩短技术复盘时间。\n\nsniffly 将原本分散且不可见的 AI 交互过程，转化为可度量、可分析且可共享的团队智能资产。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fchiphuyen_sniffly_1d88a3d7.png","chiphuyen","Chip Huyen","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fchiphuyen_9fc913f3.jpg","AI x stuff",null,"San Francisco","chipro","https:\u002F\u002Fhuyenchip.com","https:\u002F\u002Fgithub.com\u002Fchiphuyen",[83,87,91,95,99],{"name":84,"color":85,"percentage":86},"Python","#3572A5",44.2,{"name":88,"color":89,"percentage":90},"JavaScript","#f1e05a",28.4,{"name":92,"color":93,"percentage":94},"HTML","#e34c26",22.6,{"name":96,"color":97,"percentage":98},"CSS","#663399",4.4,{"name":100,"color":101,"percentage":102},"Shell","#89e051",0.3,1201,105,"2026-04-07T14:19:20","MIT",1,"未说明 (基于 Python 和 uv\u002Fpip，通常支持 Linux, macOS, Windows)","不需要","未说明 (配置项中包含每个项目最大缓存 500MB)",{"notes":112,"python":113,"dependencies":114},"该工具完全在本地运行，无需联网处理数据。推荐使用 'uv' 进行安装和管理。默认在本地主机端口 8081 启动 Web 仪表盘，若在远程服务器运行需配置端口转发。无遥测数据，共享仪表盘功能为可选。","3.10+",[115,64],"uv (推荐)",[13,15,14],[118,119,120,121],"agent","ai","analytics","coding","2026-03-27T02:49:30.150509","2026-04-08T07:44:49.872382",[125,130,135,140,145],{"id":126,"question_zh":127,"answer_zh":128,"source_url":129},23879,"如何删除已分享的公开链接？","如果您误操作分享了链接，可以联系维护者请求删除。通常情况下，除非您点击了 `List on sniffly.dev` 选项，否则内容不会公开。请检查是否误点了该按钮。","https:\u002F\u002Fgithub.com\u002Fchiphuyen\u002Fsniffly\u002Fissues\u002F3",{"id":131,"question_zh":132,"answer_zh":133,"source_url":134},23880,"为什么在 Windows 上安装时因 uvloop 依赖失败？","旧版本（v0.1.3）的 uvloop 不支持 Windows。请升级到最新版本（v0.1.4 或更高），该版本已修复此问题。您可以运行 `uvx sniffly@latest init` 重新尝试安装。","https:\u002F\u002Fgithub.com\u002Fchiphuyen\u002Fsniffly\u002Fissues\u002F9",{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},23881,"为什么找不到错误分解（error breakdown）页面？","运行 `sniffly init` 后，您需要先点击列表中的具体项目名称，才能进入并查看该项目的错误分解页面。","https:\u002F\u002Fgithub.com\u002Fchiphuyen\u002Fsniffly\u002Fissues\u002F4",{"id":141,"question_zh":142,"answer_zh":143,"source_url":144},23882,"文档链接（docs.sniffly.dev）无法访问怎么办？","该问题已被修复。如果之前遇到 404 错误，请刷新页面或重新访问 https:\u002F\u002Fdocs.sniffly.dev\u002F 确认是否正常加载。","https:\u002F\u002Fgithub.com\u002Fchiphuyen\u002Fsniffly\u002Fissues\u002F5",{"id":146,"question_zh":147,"answer_zh":148,"source_url":149},23883,"仓库中缺少 LICENSE 文件怎么办？","该问题已修复。README 中声明的 MIT 许可证文件现已添加到仓库根目录中。","https:\u002F\u002Fgithub.com\u002Fchiphuyen\u002Fsniffly\u002Fissues\u002F12",[]]