[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-clarkerubber--irwin":3,"tool-clarkerubber--irwin":61},[4,18,26,36,44,52],{"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},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",141543,2,"2026-04-06T11:32:54",[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":10,"last_commit_at":50,"category_tags":51,"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":53,"name":54,"github_repo":55,"description_zh":56,"stars":57,"difficulty_score":10,"last_commit_at":58,"category_tags":59,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,60],"视频",{"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":76,"owner_twitter":76,"owner_website":78,"owner_url":79,"languages":80,"stars":89,"forks":90,"last_commit_at":91,"license":92,"difficulty_score":93,"env_os":94,"env_gpu":95,"env_ram":96,"env_deps":97,"category_tags":106,"github_topics":108,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":118,"updated_at":119,"faqs":120,"releases":150},4518,"clarkerubber\u002Firwin","irwin","irwin - the protector of lichess from all chess players villainous","irwin 是一款专为国际象棋平台 Lichess 设计的开源反作弊 AI 系统，被誉为“棋盘的守护者”。它的核心使命是通过深度学习识别对局中的异常模式，自动标记疑似作弊者，并协助管理员高效评估违规行为，从而维护公平竞技环境。\n\n针对传统检测手段难以应对的高隐蔽性作弊问题，irwin 利用神经网络分析海量对局数据，计算玩家走棋与引擎推荐着法的吻合度，精准判断作弊概率。相比前代工具，它在架构设计上更加模块化，显著提升了运行效率与可维护性。\n\n这款工具主要适合开发者、数据科学家以及 Lichess 平台的研究人员使用。用户需要具备一定的编程基础（Python），并能够配置 MongoDB 数据库、TensorFlow 框架以及 Stockfish 引擎等依赖环境。普通棋手虽不直接操作代码，但能间接受益于其带来的纯净对局体验。\n\nirwin 的技术亮点在于其灵活的模块设计：核心逻辑与评估算法分离，使得内部的 TensorFlow 学习模块可以被其他评估方法轻松替换。同时，它简化了与 Stockfish 引擎的交互流程，大幅加快了从获取对局数据、引擎分析到最终生成评估报告的全过程。","# irwin\nirwin is the AI that learns cheating patterns, marks cheaters, and assists moderators in assessing potential cheaters.\n\n![screenshot of Irwin report](https:\u002F\u002Fi.imgur.com\u002FUcVlDK3.png)\n\n![screenshot of companion WebApp](https:\u002F\u002Fi.imgur.com\u002FLQtSQAh.png)\n\n## Dependencies\nCompatible with Python 3.x\n\n### Python Libraries\n```sh\npip3 install pymongo python-chess numpy requests\n```\n- **tensorflow** : [tensorflow installation guide](https:\u002F\u002Fwww.tensorflow.org\u002Finstall)\n\n### Database\n- **mongodb** : [mongodb installation guide](https:\u002F\u002Fdocs.mongodb.com\u002Fmanual\u002Finstallation\u002F)\n\n## Configuring\n### Create `conf\u002Fconfig.json`\n```javascript\n{\n  \"api\": {\n    \"url\": \"https:\u002F\u002Flichess.org\u002F\",\n    \"token\": \"token\"\n  },\n  \"stockfish\": {\n    \"threads\": 4,\n    \"memory\": 2048,\n    \"nodes\": 4500000,\n    \"update\": false\n  },\n  \"db\": {\n    \"host\": \"localhost\",\n    \"port\": 27017,\n    \"authenticate\": false,\n    \"authentication\": {\n      \"username\": \"username\",\n      \"password\": \"password\"\n    }\n  },\n  \"irwin\": {\n    \"train\": {\n      \"batchSize\": 5000,\n      \"cycles\": 80\n    }\n  }\n}\n```\n\n`conf\u002Fconfig.json` contains config for stockfish, mongodb, tensorflow, lichess (authentication token and URL), etc...\n### Build a database of analysed players\nIf you do not already have a database of analysed players, it will be necessary to analyse\na few hundred players to train the neural networks on.\n`python3 main.py --no-assess --no-report`\n\n## About\nIrwin (named after Steve Irwin, the Crocodile Hunter) started as the name of the server that the original\ncheatnet ran on (now deprecated). This is the successor to cheatnet.\n\nSimilar to cheatnet, it works on a similar concept of analysing the available PVs of a game to determine\nthe odds of cheating occurring.\n\nThis bot makes improvements over cheatnet by taking a dramatically more modular approach to software design.\n`modules\u002Fcore` contains most of the generic datatypes, BSON serialisation handlers and database interface\nlayers. It is also significantly faster due to a simplified approach to using stockfish analysis.\n\n`modules\u002Firwin` contains the brains of irwin, this is where the tensorflow learning and application takes place.\n\nIrwin has been designed so that `modules\u002Firwin` can be replaced with other approaches to player assessment.\n\n`Env.py` contains all of the tools to interact with lichess, irwin, and the database handlers.\n\n`main.py` covers accessing the lichess API (`modules\u002FApi.py`) via Env to get player data; pulling records from mongodb,\nanalysing games using stockfish, assessing those games using tensorflow and then posting the final assessments.\n","# irwin\nirwin 是一款能够学习作弊模式、标记作弊者，并协助版主评估潜在作弊者的 AI 系统。\n\n![Irwin 报告截图](https:\u002F\u002Fi.imgur.com\u002FUcVlDK3.png)\n\n![配套 Web 应用截图](https:\u002F\u002Fi.imgur.com\u002FLQtSQAh.png)\n\n## 依赖项\n兼容 Python 3.x\n\n### Python 库\n```sh\npip3 install pymongo python-chess numpy requests\n```\n- **tensorflow**：[tensorflow 安装指南](https:\u002F\u002Fwww.tensorflow.org\u002Finstall)\n\n### 数据库\n- **mongodb**：[mongodb 安装指南](https:\u002F\u002Fdocs.mongodb.com\u002Fmanual\u002Finstallation\u002F)\n\n## 配置\n### 创建 `conf\u002Fconfig.json`\n```javascript\n{\n  \"api\": {\n    \"url\": \"https:\u002F\u002Flichess.org\u002F\",\n    \"token\": \"token\"\n  },\n  \"stockfish\": {\n    \"threads\": 4,\n    \"memory\": 2048,\n    \"nodes\": 4500000,\n    \"update\": false\n  },\n  \"db\": {\n    \"host\": \"localhost\",\n    \"port\": 27017,\n    \"authenticate\": false,\n    \"authentication\": {\n      \"username\": \"username\",\n      \"password\": \"password\"\n    }\n  },\n  \"irwin\": {\n    \"train\": {\n      \"batchSize\": 5000,\n      \"cycles\": 80\n    }\n  }\n}\n```\n\n`conf\u002Fconfig.json` 包含 Stockfish、MongoDB、TensorFlow、Lichess（认证令牌和 URL）等的配置。\n### 构建已分析棋手数据库\n如果您尚未拥有已分析棋手的数据库，则需要先分析几百名棋手，以便训练神经网络。\n`python3 main.py --no-assess --no-report`\n\n## 关于\nIrwin（以“鳄鱼亨特”史蒂夫·欧文命名）最初是原始 cheatnet 运行的服务器名称（现已弃用）。它是 cheatnet 的后继项目。\n\n与 cheatnet 类似，它基于相似的理念：通过分析对局中的可用变例来判断是否存在作弊的可能性。\n\n该机器人在软件设计上采用了更加模块化的架构，相比 cheatnet 有了显著改进。`modules\u002Fcore` 模块包含了大部分通用数据类型、BSON 序列化处理程序以及数据库接口层。此外，由于简化了使用 Stockfish 分析的方式，其运行速度也大幅提升。\n\n`modules\u002Firwin` 模块是 Irwin 的核心部分，负责 TensorFlow 的学习与应用。\n\nIrwin 的设计使得 `modules\u002Firwin` 可以被其他棋手评估方法所替代。\n\n`Env.py` 文件包含了与 Lichess、Irwin 以及数据库操作相关的所有工具。\n\n`main.py` 负责通过 Env 访问 Lichess API（`modules\u002FApi.py`），获取棋手数据；从 MongoDB 中提取记录，使用 Stockfish 分析对局，再利用 TensorFlow 对这些对局进行评估，并最终发布评估结果。","# Irwin 快速上手指南\n\nIrwin 是一款基于人工智能的开源工具，旨在通过分析棋局中的走法模式来识别作弊行为，并辅助管理员进行评估。它利用 Stockfish 引擎分析局面，并通过 TensorFlow 训练的神经网络判断作弊概率。\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**：Linux \u002F macOS \u002F Windows (需配置相应环境变量)\n*   **Python 版本**：Python 3.x\n*   **数据库**：MongoDB (需本地运行或可远程访问)\n*   **AI 框架**：TensorFlow\n*   **棋盘引擎**：Stockfish (需单独下载二进制文件并确保在路径中或配置正确路径)\n*   **外部服务**：Lichess API Token (用于获取对局数据)\n\n### 前置依赖安装\n\n建议国内开发者使用清华源或阿里源加速 Python 包的安装。\n\n1.  **安装 Python 基础库**：\n    ```sh\n    pip3 install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple pymongo python-chess numpy requests\n    ```\n\n2.  **安装 TensorFlow**：\n    请参考 [TensorFlow 官方安装指南](https:\u002F\u002Fwww.tensorflow.org\u002Finstall) 或使用国内镜像：\n    ```sh\n    pip3 install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple tensorflow\n    ```\n\n3.  **安装 MongoDB**：\n    *   Ubuntu\u002FDebian: `sudo apt-get install mongodb`\n    *   macOS (Homebrew): `brew install mongodb-community`\n    *   Windows: 下载官方安装包或使用 Docker。\n    *   *注：具体安装细节请参阅 [MongoDB 官方文档](https:\u002F\u002Fdocs.mongodb.com\u002Fmanual\u002Finstallation\u002F)。*\n\n4.  **准备 Stockfish**：\n    下载对应系统的 Stockfish 二进制文件，并确保其可执行。后续需在配置文件中指定线程数和内存等参数。\n\n## 安装步骤\n\n1.  **克隆项目代码**\n    ```sh\n    git clone \u003Cirwin-repo-url>\n    cd irwin\n    ```\n    *(请将 `\u003Cirwin-repo-url>` 替换为实际的仓库地址)*\n\n2.  **创建配置文件**\n    在项目根目录下创建 `conf` 文件夹，并在其中新建 `config.json` 文件。\n\n    ```sh\n    mkdir -p conf\n    touch conf\u002Fconfig.json\n    ```\n\n3.  **配置 `conf\u002Fconfig.json`**\n    将以下内容写入 `conf\u002Fconfig.json`，并根据实际情况修改 `token`、数据库认证信息及 Stockfish 路径（如需）：\n\n    ```javascript\n    {\n      \"api\": {\n        \"url\": \"https:\u002F\u002Flichess.org\u002F\",\n        \"token\": \"YOUR_LICHESS_TOKEN_HERE\"\n      },\n      \"stockfish\": {\n        \"threads\": 4,\n        \"memory\": 2048,\n        \"nodes\": 4500000,\n        \"update\": false\n      },\n      \"db\": {\n        \"host\": \"localhost\",\n        \"port\": 27017,\n        \"authenticate\": false,\n        \"authentication\": {\n          \"username\": \"username\",\n          \"password\": \"password\"\n        }\n      },\n      \"irwin\": {\n        \"train\": {\n          \"batchSize\": 5000,\n          \"cycles\": 80\n        }\n      }\n    }\n    ```\n    *注意：若本地 MongoDB 未开启认证，可将 `authenticate` 设为 `false`。*\n\n## 基本使用\n\n首次使用前，需要构建一个包含已分析玩家数据的数据库，以便训练神经网络。\n\n### 1. 初始化数据库与数据采集\n运行以下命令以开始分析数百名玩家的数据（此过程仅采集和分析数据，不进行作弊评估或生成报告）：\n\n```sh\npython3 main.py --no-assess --no-report\n```\n\n*   该脚本会通过 Lichess API 获取玩家对局数据。\n*   调用 Stockfish 对对局进行深度分析。\n*   将分析结果存入 MongoDB。\n\n### 2. 后续操作\n当数据库积累足够的数据后，您可以移除 `--no-assess` 和 `--no-report` 参数来启动完整的评估流程，系统将利用 TensorFlow 模型对玩家进行作弊概率评分并生成报告。\n\n```sh\npython3 main.py\n```\n\n*提示：具体的训练周期和批次大小可在 `conf\u002Fconfig.json` 的 `irwin.train` 字段中调整。*","Lichess 平台的一名反作弊管理员正面对数千场可疑对局，急需从海量数据中精准识别出使用引擎作弊的玩家。\n\n### 没有 irwin 时\n- 管理员只能依靠人工抽查或简单的统计阈值，难以区分高水平人类玩家与作弊者，导致大量误判或漏判。\n- 缺乏统一的自动化分析流程，每场疑似对局都需要手动调用 Stockfish 引擎复盘，耗时极长且效率低下。\n- 历史作弊模式无法被系统性地学习和积累，每次判断都像是“从零开始”，无法利用过往数据提升准确率。\n- 多源数据（对局记录、引擎评估值、玩家行为）分散在不同地方，缺乏集中化的数据库进行关联分析。\n- 面对职业棋手或高段位玩家的申诉，难以提供基于神经网络概率的客观证据链，公信力不足。\n\n### 使用 irwin 后\n- irwin 利用 TensorFlow 训练的神经网络自动学习作弊模式，能精准标记异常走法，显著降低误伤率并提高捕获率。\n- 自动化流水线直接对接 Lichess API 和 MongoDB，批量拉取对局并用 Stockfish 分析，将原本数小时的工作缩短至分钟级。\n- 系统持续从新分析的对局中迭代学习，不断更新的模型能识别更隐蔽的新型作弊手段，形成越用越强的闭环。\n- 所有分析结果、概率评分及原始数据统一存入 MongoDB，管理员可通过 Web 端一键查看完整的作弊风险评估报告。\n- 生成的报告包含具体的作弊概率数值和关键走法对比，为封禁决策提供了无可辩驳的量化依据，有效应对申诉。\n\nirwin 通过将深度学习与引擎分析相结合，把反作弊工作从低效的人工排查升级为智能化的精准防御体系。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fclarkerubber_irwin_5ba7b92c.png","clarkerubber","James Clarke","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fclarkerubber_43252267.jpg","Seasoned seasonal programmer.\r\n\r\nI occasionally program for lichess.org focusing primarily on cheat detection using machine learning, and puzzle generation.",null,"Sydney, Australia","lichess.org","https:\u002F\u002Fgithub.com\u002Fclarkerubber",[81,85],{"name":82,"color":83,"percentage":84},"Python","#3572A5",98.8,{"name":86,"color":87,"percentage":88},"JavaScript","#f1e05a",1.2,525,47,"2026-03-24T01:13:17","AGPL-3.0",4,"","未说明 (依赖 TensorFlow，通常建议使用支持 CUDA 的 NVIDIA GPU 以加速训练，但 README 未明确指定)","未说明 (配置示例中 Stockfish 内存设为 2048MB，实际需求取决于分析规模)",{"notes":98,"python":99,"dependencies":100},"需要安装并运行 MongoDB 数据库。需配置 Lichess API Token。首次运行前可能需要分析数百名玩家的数据以构建训练集。内部依赖 Stockfish 引擎进行棋局分析（需在配置文件中设置线程数和内存）。","3.x",[101,102,103,104,105],"tensorflow","pymongo","python-chess","numpy","requests",[107,15,14,13],"插件",[109,101,110,111,112,113,114,115,116,104,103,117],"ai","mongodb","machine-learning","chess","chess-engine","lichess","lichess-api","python","python3","2026-03-27T02:49:30.150509","2026-04-07T00:49:48.317443",[121,126,131,135,140,145],{"id":122,"question_zh":123,"answer_zh":124,"source_url":125},20563,"是否支持输入 LeelaZero 的评估数据以提升模型准确性？","该功能请求已被提出，但随着 SF-NNUE（Stockfish NNUE）的出现，维护者认为不再需要单独集成 LeelaZero 的评估输入。SF-NNUE 已成为更主流的神经网络增强方案。","https:\u002F\u002Fgithub.com\u002Fclarkerubber\u002Firwin\u002Fissues\u002F7",{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},20564,"Irwin 项目使用什么许可证？","项目已添加许可证。该许可证与 Lichess (lila) 的许可证兼容。具体许可证类型可查看仓库根目录下的 LICENSE 文件。","https:\u002F\u002Fgithub.com\u002Fclarkerubber\u002Firwin\u002Fissues\u002F1",{"id":132,"question_zh":133,"answer_zh":134,"source_url":125},20565,"LeelaZero 的代码仓库链接是否已更新？","是的，原链接已失效。LeelaZero 的新仓库地址为：https:\u002F\u002Fgithub.com\u002FLeelaChessZero\u002Flczero。请在引用或使用相关资源时使用新地址。",{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},20560,"Irwin 是否支持密码保护的 MongoDB 数据库？","是的，Irwin 支持数据库认证配置。您需要在 `conf\u002Fconfig.json` 文件中设置相关参数。具体配置示例如下：\n```json\n{\n  \"db\": {\n    \"host\": \"localhost\",\n    \"port\": 27017,\n    \"authenticate\": true,\n    \"authentication\": {\n      \"username\": \"your_username\",\n      \"password\": \"your_password\"\n    }\n  }\n}\n```\n请确保将 `authenticate` 设置为 `true` 并填写正确的用户名和密码。","https:\u002F\u002Fgithub.com\u002Fclarkerubber\u002Firwin\u002Fissues\u002F17",{"id":141,"question_zh":142,"answer_zh":143,"source_url":144},20561,"Lichess 网站目前是否正在使用 Irwin？","不，Lichess 网站目前并没有使用 Irwin。该项目代码并非 Lichess 官方使用的反作弊系统的完整功能副本。","https:\u002F\u002Fgithub.com\u002Fclarkerubber\u002Firwin\u002Fissues\u002F14",{"id":146,"question_zh":147,"answer_zh":148,"source_url":149},20562,"是否有使用此库的文档或配置文件模板？","README 文件中提供了配置示例。您需要创建 `conf\u002Fconfig.json` 文件，包含 Stockfish、MongoDB、TensorFlow 和 Lichess API 的配置。以下是一个完整的配置模板：\n```json\n{\n  \"api\": {\n    \"url\": \"https:\u002F\u002Flichess.org\u002F\",\n    \"token\": \"your_token\"\n  },\n  \"stockfish\": {\n    \"threads\": 4,\n    \"memory\": 2048,\n    \"nodes\": 4500000,\n    \"update\": false\n  },\n  \"db\": {\n    \"host\": \"localhost\",\n    \"port\": 27017,\n    \"authenticate\": false,\n    \"authentication\": {\n      \"username\": \"username\",\n      \"password\": \"password\"\n    }\n  },\n  \"irwin\": {\n    \"train\": {\n      \"batchSize\": 5000,\n      \"cycles\": 80\n    }\n  }\n}\n```\n如果 README 中的示例不足以运行工具，请参考上述结构补充缺失字段。","https:\u002F\u002Fgithub.com\u002Fclarkerubber\u002Firwin\u002Fissues\u002F26",[]]