CodeProject.AI-Server
CodeProject.AI Server 是一款独立、自托管的开源人工智能微服务器，旨在帮助开发者轻松为应用程序集成强大的 AI 功能。它支持 Windows、macOS、Linux、树莓派及 Docker 等多种平台，兼容多种编程语言，无需依赖外部网络或云端服务，所有数据处理均在本地完成，既快速又安全。
许多开发者在引入 AI 功能时，常受困于复杂的版本冲突、库依赖和模型配置问题，甚至不得不依赖昂贵的外部 API 服务。CodeProject.AI Server 正是为解决这些痛点而生：它预置了常用 AI 模块（如物体检测），屏蔽底层复杂性，让开发者只需关注业务逻辑，无需操心环境搭建与模型维护。
这款工具特别适合软件开发者、技术爱好者以及希望在不增加成本的前提下探索 AI 应用的团队。无论是构建桌面应用、嵌入式项目，还是在 VS Code 中进行原型开发，都能快速上手。其模块化设计还允许用户自定义扩展功能，社区驱动的模式也鼓励贡献与共享。
通过提供开箱即用的体验和跨平台支持，CodeProject.AI Server 降低了 AI 编程的门槛，让学习和实践变得更加有趣且高效。
使用场景
一家小型安防初创团队正在开发一款运行在本地边缘设备（如 Raspberry Pi）上的智能门禁系统，需要实时识别门口人员并检测是否携带危险物品。
没有 CodeProject.AI-Server 时
- 团队需手动配置复杂的 Python 深度学习环境，频繁遭遇依赖库版本冲突，导致开发进度停滞。
- 为实现物体检测功能，不得不接入昂贵的云端 AI API，不仅增加了运营成本，还因网络延迟导致开门响应慢。
- 担心用户隐私数据上传至第三方服务器，面临合规风险，且无法在断网环境下正常工作。
- 不同成员的开发环境（Windows、macOS、Linux）不一致，模型部署调试耗时耗力，难以统一标准。
使用 CodeProject.AI-Server 后
- 直接下载并运行预封装的微服务，自动解决所有依赖问题，团队可立即专注于业务逻辑代码而非环境搭建。
- 利用其内置的物体检测模块在本地完成推理，零网络延迟实现毫秒级开门响应，且完全免费，大幅降低运营成本。
- 所有数据处理均在设备本地完成，无需上传云端，完美满足隐私合规要求，即使在无网络环境下也能稳定运行。
- 凭借跨平台特性，同一套服务镜像可无缝运行于从开发者的 MacBook 到生产环境的 Raspberry Pi 上，极大简化了部署流程。
CodeProject.AI-Server 让开发者无需成为 AI 专家，也能轻松将强大的本地化人工智能能力集成到任何应用中。
运行环境要求
- Windows
- macOS (Intel & Apple Silicon)
- Linux (Ubuntu
- Debian)
- 非必需（支持 CPU 运行）
- 可选加速：NVIDIA GPU (CUDA 12+, Windows/Linux), Apple Silicon GPU, DirectML (Windows), RockChip NPUs, Coral.AI TPUs
- 显存大小未说明，取决于具体模块
未说明
快速开始
CodeProject.AI 服务器
一个独立、自托管、快速、免费且开源的人工智能微型服务器，适用于任何平台、任何语言。它可以本地安装，无需将数据传输到设备外或网络之外，使用起来非常简单。
支持的平台
 |
 |
 |
 |
 |
 |
 |
 |
|---|---|---|---|---|---|---|---|
| Windows | macOS | macOS arm64 | Ubuntu / Debian | Raspberry Pi arm64 | Docker | Visual Studio 2019+ |
Visual Studio Code |
为什么
AI 编程是每个开发者都应该了解的内容。我们希望有一个有趣的项目，可以用来帮助开发者学习并参与 AI 领域。我们将以 CodeProject.AI 为核心，通过文章和探索活动，让学习 AI 编程变得有趣且轻松。
我们厌倦了不断处理各种版本、库和模型，以及在每一步都被一些琐碎的小问题卡住的情况。因此，我们开发了这个项目，希望能帮你省去这些烦恼。我们会负责底层的维护工作，你只需专注于编写代码。
我们也厌倦了为了使用 AI 功能而不得不注册那些可能价格昂贵的服务。这是我们真正需要的东西，通过分享，也许你也能用上它，并在使用过程中添加自己的模块和改进。
直奔主题：我该如何试用它？
1：运行并体验功能
- 下载最新版本，安装后，在桌面上启动服务器仪表盘的快捷方式。
- 在仪表盘的顶部中央，有一个指向 CodeProject.AI 浏览器的链接。打开它，尽情玩耍吧！
2：运行和调试代码
- 克隆 CodeProject.AI-Server 仓库。
- 确保已安装 Visual Studio Code 或 Visual Studio 2019 及以上版本。
- 在 /devops/install 中运行安装脚本。
- 可选地，通过运行 /devops/install 中的 clone_repos 脚本，拉取所有 CodeProject.AI 模块。
- 调试前端服务器应用程序（见下文说明，但其实很简单）
如何在我的应用中使用它？
以下是一个使用 API 进行场景检测的示例，只需一个简单的 JavaScript 调用：
<html>
<body>
检测此文件中的场景： <input id="image" type="file" />
<input type="button" value="检测场景" onclick="detectScene(image)" />
<script>
function detectScene(fileChooser) {
var formData = new FormData();
formData.append('image', fileChooser.files[0]);
fetch('http://localhost:32168/v1/vision/detect/scene', {
method: "POST",
body: formData
})
.then(response => {
if (response.ok) response.json().then(data => {
console.log(`场景是 ${data.label}, 置信度为 ${data.confidence}`)
});
});
}
</script>
</body>
</html>
你可以在自己的应用程序和安装程序中包含 CodeProject.AI 安装程序（或者直接提供最新版本的安装链接），这样你的应用就具备了 AI 功能。
它包含了哪些内容？
CodeProject.AI 包含
- 一个 HTTP REST API 服务器。 该服务器监听来自其他应用的请求，将其传递给后端分析服务进行处理，然后将结果返回给调用方。它作为一个简单的自包含 Web 服务在你的设备上运行。
- 后端分析服务。 整个系统的“大脑”位于前端 API 后面的分析服务中。所有数据处理都在本地机器上完成。无需调用云端，也不会有数据离开设备。
- 源代码，当然。
它能做什么？
它可以运行任何由你的想象力和耐心创造的 AI 模块。目前的模块包括：
- 生成式 AI：用于文本生成的 LLM、文本转图像，以及多模态 LLM（例如“告诉我这张图片里有什么”）
- 图像中的物体检测，包括使用自定义模型
- 图像中的人脸检测和识别
- 图像中的场景识别
- 从图像中移除背景
- 对图像背景进行模糊处理
- 提升图像分辨率
- 从文本中提取最重要的句子以生成摘要
- 文本的情感分析
- 声音分类
我们将不断扩展其功能列表。
我们的目标
- 推动人工智能发展，激励人工智能开发者社区积极参与并尝试。人工智能已经到来，市场需求旺盛，正引领行业发生重大范式转变。无论你是否喜欢人工智能，开发者都应亲自实践，熟悉这项技术。这就是 CodeProject.AI：一个演示平台、探索工具、学习资源，同时也是一套开箱即用的库和服务。
- 让人工智能开发变得简单。并非人工智能开发本身有多难，而是可供选择的方案实在太多。我们的架构旨在让任何人工智能实现都能融入我们的系统，并且我们的服务可以被任意编程语言调用。
- 聚焦核心应用场景。我们并非面向所有人的解决方案，而是专注于日常常见的需求。未来我们将为系统添加数十个模块和数十种人工智能能力，但我们的目标始终是保持清晰与简洁，而非追求面面俱到的完整解决方案。
- 汇聚开发者社区的专业智慧。我们并非专家，但我们深知社区中不乏这方面的高手。CodeProject.AI 的真正强大之处，在于来自人工智能社区的贡献与改进。
支持的开发环境
当前版本在 Windows 10 及以上、Ubuntu 22.04 及以上、Debian 和 macOS（包括 Intel 和 Apple Silicon 架构）上与 Visual Studio Code 配合使用效果最佳。同时，Windows 10 及以上版本也支持 Visual Studio 2019 及更高版本。
当前版本在各平台上均支持 CPU；Windows 上支持 DirectML；Windows 和 Linux 上支持 CUDA；此外还支持 Apple Silicon GPU、RockChip NPU 和 Coral.AI TPU。具体支持情况取决于各个模块的功能。
使用指南
- 在本地安装 CodeProject.AI。适用于已将 CodeProject.AI 集成到 Home Assistant 或 Blue Iris 的用户。
- 搭建开发环境（剧透：非常简单！）
- 在 Docker 中运行
- 遇到设置或安装问题？请参阅常见问题解答
我将补充到文档中：
最新版本更新：2.9
- 升级至 .NET 9
- 增加对 Ubuntu 24.10 的支持
- 改进 CUDA 12 支持
- 优化 Windows 和 Linux 下的 CUDA 支持
- 进一步修复 Windows arm64 平台的问题
- 进一步修复 macOS arm64 平台的问题
- 修复开发环境配置中的通用问题
- 解决在缺少 wget 工具时 Windows 安装程序无法正常运行的问题
版本历史
v2.9.52024/12/11v2.9.42024/12/04v2.8.12024/09/05v2.6.52024/05/27v2.6.22024/04/05v2.5.12024/01/22v2.5.02024/01/13v2.2.42023/09/27v2.1.02023/04/17v2.0.52023/01/16v1.6.8.02022/10/28v1.6.0.02022/09/22v1.5.6.22022/08/19v1.5.62022/08/09v1.5.52022/07/15v1.5.12022/07/01v1.5.02022/06/24v1.4.02022/06/04v1.3.02022/05/17相似工具推荐
openclaw
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。 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。 OpenClaw 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
stable-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。 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。
everything-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。 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。 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
ComfyUI
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。 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。 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。
gemini-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。 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。 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。
markitdown
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。 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。 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