[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-codeproject--CodeProject.AI-Server":3,"tool-codeproject--CodeProject.AI-Server":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",148568,2,"2026-04-09T23:34:24",[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。",108111,"2026-04-08T11:23:26",[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},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",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"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],{"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":77,"owner_twitter":73,"owner_website":78,"owner_url":79,"languages":80,"stars":121,"forks":122,"last_commit_at":123,"license":124,"difficulty_score":32,"env_os":125,"env_gpu":126,"env_ram":127,"env_deps":128,"category_tags":133,"github_topics":134,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":142,"updated_at":143,"faqs":144,"releases":145},6142,"codeproject\u002FCodeProject.AI-Server","CodeProject.AI-Server","CodeProject.AI Server is a self contained service that software developers can include in, and distribute with, their applications in order to augment their apps with the power of AI.","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。\n\n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。\n\n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。\n\n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。","[![made-for-VSCode](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FMade%20for-VSCode-1f425f.svg)](https:\u002F\u002Fopen.vscode.dev\u002Fcodeproject\u002FCodeProject.AI-Server\u002F) [![made-with-dotnet](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FMade%20with-net9.0-blue)](https:\u002F\u002Fdotnet.microsoft.com\u002F) [![made-with-python](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FMade%20with-Python-orange)](https:\u002F\u002Fwww.python.org\u002F) [![GitHub license](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-SSPL-green)](https:\u002F\u002Fwww.mongodb.com\u002Flicensing\u002Fserver-side-public-license) [![Open Source Love svg2](https:\u002F\u002Fbadges.frapsoft.com\u002Fos\u002Fv2\u002Fopen-source.svg?v=103)](https:\u002F\u002Fgithub.com\u002Fellerbrock\u002Fopen-source-badges\u002F)\n\u003C!--\n   \n\n[![NVIDIA](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FNVIDIA-76B900?style=for-the-badge&logo=nvidia&logoColor=white)](https:\u002F\u002Fnvidia.com)\n[![Raspberry Pi](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FRaspberry%20Pi-A22846?style=for-the-badge&logo=Raspberry%20Pi&logoColor=white)](https:\u002F\u002Fraspberrypi.com)\n[![Apple Silicon](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fapple%20silicon-333333?style=for-the-badge&logo=apple&logoColor=white)](https:\u002F\u002Fapple.com)\n-->\n\n# CodeProject.AI Server\n\n [**Download the latest version**](https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Flatest.html)\n\nA standalone, self-hosted, fast, free and Open Source Artificial Intelligence microserver for any \nplatform, any language. It can be installed locally, required no off-device or out of network data\ntransfer, and is easy to use.\n\n![Object detection](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fcodeproject_CodeProject.AI-Server_readme_74b11e3a5d96.png)\n\n# Supported Platforms\n\n\u003Cdiv style=\"width:75%;min-width:700px;margin:30px auto\">\n\n| \u003Cimg src=\"https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Fimg\u002Fwindows.svg\" title=\"Windows\" style=\"width:64px\">  | \u003Cimg src=\"https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Fimg\u002Fmacos.svg\" title=\"macOS\" style=\"width:72px\">  | \u003Cimg src=\"https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Fimg\u002Fapple-silicon.svg\" title=\"Apple Silicon\" style=\"width:64px\"> | \u003Cimg src=\"https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Fimg\u002FUbuntu.svg\" title=\"Ubuntu\" style=\"width:64px\">  | \u003Cimg src=\"https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Fimg\u002FRaspberryPi64.svg\" title=\"Raspberry Pi arm64\" style=\"width:64px\"> | \u003Cimg src=\"https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Fimg\u002Fdocker.svg\" title=\"Docker\" style=\"width:64px\">  |  \u003Cimg src=\"https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Fimg\u002FVisualStudio.svg\" title=\"Visual Studio\" style=\"width:64px\">         |         \u003Cimg src=\"https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Fimg\u002FVisualStudioCode.svg\" title=\"Visual Studio Code\" style=\"width:64px\">        |\n| :------: |  :---: | :---------: | :-----: | :----: | :----: | :--------------------: | :-------------------: |\n| Windows  | macOS  | macOS arm64 |  Ubuntu \u002F Debian | Raspberry Pi arm64 |  Docker | Visual Studio\u003Cbr>2019+ | Visual Studio\u003Cbr>Code |\n\n\u003C\u002Fdiv>\n\n\n# Why\n\n1. AI programming is something every single developer should be aware of. We wanted a fun project we could use to help teach developers and get them involved in AI. We'll be using CodeProject.AI as a focus for articles and exploration to make it fun and painless to learn AI programming.\n\n3. We got sick of fighting versions and libraries and models and being blocked by tiny annoying things every step of the way. So we put put this together so we could save you the frustration. We'll take care of the housekeeping, you focus on the code.\n  \n2. We also got sick of needing to sign up to potentially expensive services for AI functionality. This  is something we need, and by sharing maybe you can use it too, and hopefully add your own modules and improvements along the way.\n\n## Cut to the chase: how do I play with it?\n\n### 1: Running and playing with the features\n\n1. [**Download the latest version**](https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Flatest.html), install, and launch the shortcut to the server's dashboard on your desktop.\n2. On the dashboard, top and centre, is a link to the CodeProject.AI Explorer. Open that and play!\n\n### 2: Running and debugging the code\n\n1. Clone the CodeProject.AI-Server repository.\n2. Make sure you have Visual Studio Code or Visual Studio 2019+ installed.\n3. Run the setup script in \u002Fdevops\u002Finstall\n4. Optionally pull all CodeProject.AI Modules by running the clone_repos script in \u002Fdevops\u002Finstall\n5. Debug the front-end server application (see notes below, but it's easy)\n\n\n## How do I use it in my application?\n\nHere's an example of using the API for scene detection using a simple JavaScript call:\n\n```html\n\u003Chtml>\n\u003Cbody>\nDetect the scene in this file: \u003Cinput id=\"image\" type=\"file\" \u002F>\n\u003Cinput type=\"button\" value=\"Detect Scene\" onclick=\"detectScene(image)\" \u002F>\n\n\u003Cscript>\nfunction detectScene(fileChooser) {\n    var formData = new FormData();\n    formData.append('image', fileChooser.files[0]);\n\n    fetch('http:\u002F\u002Flocalhost:32168\u002Fv1\u002Fvision\u002Fdetect\u002Fscene', {\n        method: \"POST\",\n        body: formData\n    })\n    .then(response => {\n        if (response.ok) response.json().then(data => {\n            console.log(`Scene is ${data.label}, ${data.confidence} confidence`)\n        });\n    });\n}\n\u003C\u002Fscript>\n\u003C\u002Fbody>\n\u003C\u002Fhtml>\n```\n\nYou can include the CodeProject.AI installer (or just a link to the latest version of the installer) in your own apps and installers and voila, you have an AI enabled app.\n\n\n## What does it include?\n\nCodeProject.AI includes\n\n1. **A HTTP REST API Server.** The server listens for requests from other apps, passes them to the backend analysis services for processing, and then passes the results back to the caller. It runs as a simple self contained web service on your device.\n2. **Backend Analysis services**.  The brains of the operation is in the analysis services sitting behind the front end API. All processing of data is done on the current machine. No calls to the cloud and no data leaving the device.\n3. **The Source Code**, naturally.\n\n## What can it do?\n\nIt can run any AI module your imagination and patience can create. Current modules include\n\n- Generative AI: LLMs for text generation, Text-to-image, and multi-modal LLMs (eg \"tell me what's in this picture\")\n- Object Detection in images, including using custom models\n- Faces detection and recognition images\n- Scene recognition represented in an image\n- Remove a background from an image\n- Blur a background from an image\n- Enhance the resolution of an image\n- Pull out the most important sentences in text to generate a text summary\n- Prove sentiment analysis on text\n- Sound Classification\n\nWe will be constantly expanding the feature list.\n\n## Our Goals\n\n1. **To promote AI development** and inspire the AI developer community to dive in and have a go. AI is here, it's in demand, and it's a huge paradigm change in the industry. Whether you like AI or not, developers owe it to themselves to experiment in and familiarise themselves with the  technology. This is CodeProject.AI: a demonstration, an explorer, a learning tool, and a library and service that can be used out of the box.\n2. **To make AI development *easy***. It's not that AI development is that hard. It's that there are so, so many options. Our architecture is designed to allow any AI implementation to find a home in our system, and for our service to be callable from any language.\n3. **To focus on core use-cases**. We're deliberately not a solution for everyone. Instead we're a solution for common day-to-day needs. We will be adding dozens of modules and scores of AI capabilities to our system, but our goal is always clarity and simplicity over a 100% solution.\n4. **To tap the expertise of the Developer Community**. We're not experts but we know a developer or two out there who are. The true power of CodeProject.AI comes from the contributions and improvements from our AI community.\n\n\n#### Supported Development Environments\n\nThis current release works best with Visual Studio Code on Windows 10+. Ubuntu 22.04+, Debian and macOS (both Intel and Apple Silicon). Visual Studio 2019+ support is included for Windows 10+.\n\nThe current release provides support for CPU on each platform, DirectML on Windows, CUDA on Windows and Linux, support for Apple Silicon GPUs, RockChip NPUs and Coral.AI TPUs. Support depends on the module itself.\n\n\n## How to Guides\n\n - [Installing CodeProject.AI on your machine](https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Fwhy\u002Finstall_on_windows.html). For those who have CodeProject.AI integrated with Home Assist or Blue Iris\n - [Setting up the development environment](https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Fdevguide\u002Finstall_dev.html) (spoiler: it's easy!)\n - [Running in Docker](https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Finstall\u002Frunning_in_docker.html)\n - Setup or install issues? See the [FAQs](https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Ffaq\u002Findex.html)\n\nI'll add this to the docs:\n\n## Latest Version changes: 2.9\n\n- Updated to .NET 9\n- Support for Ubuntu 24.10\n- Improved CUDA 12 support\n- Improvements to CUDA support in Windows and Linux\n- Further Windows arm64 fixes\n- Further macOS arm64 fixes\n- General dev environment setup fixes\n- Fixes for Windows installer when wget is missing\n\n","[![made-for-VSCode](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FMade%20for-VSCode-1f425f.svg)](https:\u002F\u002Fopen.vscode.dev\u002Fcodeproject\u002FCodeProject.AI-Server\u002F) [![made-with-dotnet](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FMade%20with-net9.0-blue)](https:\u002F\u002Fdotnet.microsoft.com\u002F) [![made-with-python](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FMade%20with-Python-orange)](https:\u002F\u002Fwww.python.org\u002F) [![GitHub license](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-SSPL-green)](https:\u002F\u002Fwww.mongodb.com\u002Flicensing\u002Fserver-side-public-license) [![Open Source Love svg2](https:\u002F\u002Fbadges.frapsoft.com\u002Fos\u002Fv2\u002Fopen-source.svg?v=103)](https:\u002F\u002Fgithub.com\u002Fellerbrock\u002Fopen-source-badges\u002F)\n\u003C!--\n   \n\n[![NVIDIA](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FNVIDIA-76B900?style=for-the-badge&logo=nvidia&logoColor=white)](https:\u002F\u002Fnvidia.com)\n[![Raspberry Pi](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FRaspberry%20Pi-A22846?style=for-the-badge&logo=Raspberry%20Pi&logoColor=white)](https:\u002F\u002Fraspberrypi.com)\n[![Apple Silicon](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fapple%20silicon-333333?style=for-the-badge&logo=apple&logoColor=white)](https:\u002F\u002Fapple.com)\n-->\n\n# CodeProject.AI 服务器\n\n [**下载最新版本**](https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Flatest.html)\n\n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。\n\n![物体检测](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fcodeproject_CodeProject.AI-Server_readme_74b11e3a5d96.png)\n\n# 支持的平台\n\n\u003Cdiv style=\"width:75%;min-width:700px;margin:30px auto\">\n\n| \u003Cimg src=\"https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Fimg\u002Fwindows.svg\" title=\"Windows\" style=\"width:64px\">  | \u003Cimg src=\"https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Fimg\u002Fmacos.svg\" title=\"macOS\" style=\"width:72px\">  | \u003Cimg src=\"https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Fimg\u002Fapple-silicon.svg\" title=\"Apple Silicon\" style=\"width:64px\"> | \u003Cimg src=\"https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Fimg\u002FUbuntu.svg\" title=\"Ubuntu\" style=\"width:64px\">  | \u003Cimg src=\"https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Fimg\u002FRaspberryPi64.svg\" title=\"Raspberry Pi arm64\" style=\"width:64px\"> | \u003Cimg src=\"https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Fimg\u002Fdocker.svg\" title=\"Docker\" style=\"width:64px\">  |  \u003Cimg src=\"https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Fimg\u002FVisualStudio.svg\" title=\"Visual Studio\" style=\"width:64px\">         |         \u003Cimg src=\"https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Fimg\u002FVisualStudioCode.svg\" title=\"Visual Studio Code\" style=\"width:64px\">        |\n| :------: |  :---: | :---------: | :-----: | :----: | :----: | :--------------------: | :-------------------: |\n| Windows  | macOS  | macOS arm64 |  Ubuntu \u002F Debian | Raspberry Pi arm64 |  Docker | Visual Studio\u003Cbr>2019+ | Visual Studio\u003Cbr>Code |\n\n\u003C\u002Fdiv>\n\n\n# 为什么\n\n1. 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。\n\n3. 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。\n  \n2. 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。\n\n## 直奔主题：我该如何试用它？\n\n### 1：运行并体验功能\n\n1. [**下载最新版本**](https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Flatest.html)，安装后，在桌面上启动服务器仪表盘的快捷方式。\n2. 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！\n\n### 2：运行和调试代码\n\n1. 克隆 CodeProject.AI-Server 仓库。\n2. 确保已安装 Visual Studio Code 或 Visual Studio 2019 及以上版本。\n3. 在 \u002Fdevops\u002Finstall 中运行安装脚本。\n4. 可选地，通过运行 \u002Fdevops\u002Finstall 中的 clone_repos 脚本，拉取所有 CodeProject.AI 模块。\n5. 调试前端服务器应用程序（见下文说明，但其实很简单）\n\n\n## 如何在我的应用中使用它？\n\n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：\n\n```html\n\u003Chtml>\n\u003Cbody>\n检测此文件中的场景： \u003Cinput id=\"image\" type=\"file\" \u002F>\n\u003Cinput type=\"button\" value=\"检测场景\" onclick=\"detectScene(image)\" \u002F>\n\n\u003Cscript>\nfunction detectScene(fileChooser) {\n    var formData = new FormData();\n    formData.append('image', fileChooser.files[0]);\n\n    fetch('http:\u002F\u002Flocalhost:32168\u002Fv1\u002Fvision\u002Fdetect\u002Fscene', {\n        method: \"POST\",\n        body: formData\n    })\n    .then(response => {\n        if (response.ok) response.json().then(data => {\n            console.log(`场景是 ${data.label}, 置信度为 ${data.confidence}`)\n        });\n    });\n}\n\u003C\u002Fscript>\n\u003C\u002Fbody>\n\u003C\u002Fhtml>\n```\n\n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。\n\n\n## 它包含了哪些内容？\n\nCodeProject.AI 包含\n\n1. **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。\n2. **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。\n3. **源代码**，当然。\n\n## 它能做什么？\n\n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：\n\n- 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”）\n- 图像中的物体检测，包括使用自定义模型\n- 图像中的人脸检测和识别\n- 图像中的场景识别\n- 从图像中移除背景\n- 对图像背景进行模糊处理\n- 提升图像分辨率\n- 从文本中提取最重要的句子以生成摘要\n- 文本的情感分析\n- 声音分类\n\n我们将不断扩展其功能列表。\n\n## 我们的目标\n\n1. **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。\n2. **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。\n3. **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。\n4. **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。\n\n\n#### 支持的开发环境\n\n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。\n\n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。\n\n\n## 使用指南\n\n- [在本地安装 CodeProject.AI](https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Fwhy\u002Finstall_on_windows.html)。适用于已将 CodeProject.AI 集成到 Home Assistant 或 Blue Iris 的用户。\n- [搭建开发环境](https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Fdevguide\u002Finstall_dev.html)（剧透：非常简单！）\n- [在 Docker 中运行](https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Finstall\u002Frunning_in_docker.html)\n- 遇到设置或安装问题？请参阅[常见问题解答](https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Ffaq\u002Findex.html)\n\n我将补充到文档中：\n\n## 最新版本更新：2.9\n\n- 升级至 .NET 9\n- 增加对 Ubuntu 24.10 的支持\n- 改进 CUDA 12 支持\n- 优化 Windows 和 Linux 下的 CUDA 支持\n- 进一步修复 Windows arm64 平台的问题\n- 进一步修复 macOS arm64 平台的问题\n- 修复开发环境配置中的通用问题\n- 解决在缺少 wget 工具时 Windows 安装程序无法正常运行的问题","# CodeProject.AI Server 快速上手指南\n\nCodeProject.AI Server 是一个独立、自托管、快速且开源的 AI 微服务器。它支持跨平台、跨语言调用，所有数据处理均在本地完成，无需联网或上传数据到云端，非常适合隐私敏感型应用和本地开发测试。\n\n## 环境准备\n\n### 系统要求\n支持以下操作系统及架构：\n- **Windows**: 10+ (支持 x64 及 arm64)\n- **macOS**: Intel 及 Apple Silicon (arm64)\n- **Linux**: Ubuntu 22.04+\u002F24.10, Debian\n- **嵌入式**: Raspberry Pi (arm64)\n- **容器**: Docker\n\n### 硬件加速支持\n根据模块不同，支持以下加速方案：\n- **CPU**: 所有平台通用\n- **GPU (NVIDIA)**: Windows\u002FLinux (CUDA 12+, DirectML)\n- **GPU (Apple)**: macOS Apple Silicon\n- **NPU\u002FTPU**: RockChip NPUs, Coral.AI TPUs\n\n### 前置依赖\n- **开发调试需安装**:\n  - Visual Studio Code 或 Visual Studio 2019+\n  - .NET 9.0 SDK\n  - Python 环境（具体版本视模块需求而定）\n\n## 安装步骤\n\n### 方式一：直接安装使用（推荐）\n适合希望快速体验功能或集成到现有应用的用户。\n\n1. **下载安装包**\n   访问官方最新版本的下载页面：\n   [Download the latest version](https:\u002F\u002Fcodeproject.github.io\u002Fcodeproject.ai\u002Flatest.html)\n\n2. **安装并运行**\n   - 运行下载的安装程序。\n   - 安装完成后，点击桌面生成的快捷方式启动服务器仪表盘（Dashboard）。\n\n3. **打开探索器**\n   在仪表盘顶部中央，点击 **CodeProject.AI Explorer** 链接，即可在浏览器中直接测试各项 AI 功能。\n\n### 方式二：源码编译与调试\n适合开发者贡献代码或深度定制。\n\n1. **克隆仓库**\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002Fcodeproject\u002FCodeProject.AI-Server.git\n   ```\n\n2. **执行安装脚本**\n   进入项目目录并运行设置脚本（需确保已安装 VS Code 或 VS 2019+）：\n   ```bash\n   cd CodeProject.AI-Server\n   # Windows PowerShell\n   .\u002Fdevops\u002Finstall\u002Fsetup.ps1\n   \n   # Linux\u002FmacOS Bash\n   .\u002Fdevops\u002Finstall\u002Fsetup.sh\n   ```\n\n3. **(可选) 拉取所有 AI 模块**\n   如果需要完整的模块支持，运行以下脚本：\n   ```bash\n   # Windows PowerShell\n   .\u002Fdevops\u002Finstall\u002Fclone_repos.ps1\n   \n   # Linux\u002FmacOS Bash\n   .\u002Fdevops\u002Finstall\u002Fclone_repos.sh\n   ```\n\n4. **启动调试**\n   使用 Visual Studio Code 或 Visual Studio 打开项目，直接运行前端服务器应用进行调试。\n\n### 方式三：Docker 运行\n```bash\ndocker run -d -p 32168:32168 --name codeproject-ai codeproject\u002Fai-server:latest\n```\n*注：具体镜像标签和参数请参考官方 Docker 文档。*\n\n## 基本使用\n\nCodeProject.AI 通过 HTTP REST API 提供服务，默认监听端口为 `32168`。任何语言均可通过发送 HTTP 请求调用。\n\n### 示例：场景识别 (Scene Detection)\n\n以下是一个简单的 HTML + JavaScript 示例，演示如何上传图片并识别场景内容。\n\n```html\n\u003Chtml>\n\u003Cbody>\nDetect the scene in this file: \u003Cinput id=\"image\" type=\"file\" \u002F>\n\u003Cinput type=\"button\" value=\"Detect Scene\" onclick=\"detectScene(image)\" \u002F>\n\n\u003Cscript>\nfunction detectScene(fileChooser) {\n    var formData = new FormData();\n    formData.append('image', fileChooser.files[0]);\n\n    fetch('http:\u002F\u002Flocalhost:32168\u002Fv1\u002Fvision\u002Fdetect\u002Fscene', {\n        method: \"POST\",\n        body: formData\n    })\n    .then(response => {\n        if (response.ok) response.json().then(data => {\n            console.log(`Scene is ${data.label}, ${data.confidence} confidence`)\n        });\n    });\n}\n\u003C\u002Fscript>\n\u003C\u002Fbody>\n\u003C\u002Fhtml>\n```\n\n### 主要功能模块\n当前版本支持的功能包括但不限于：\n- **生成式 AI**: 文本生成 (LLMs)、文生图、多模态问答\n- **视觉处理**: 物体检测、人脸识别、场景识别、背景移除\u002F模糊、图像超分辨率\n- **文本处理**: 关键句提取（摘要）、情感分析\n- **音频处理**: 声音分类\n\n您可以将安装程序集成到您的应用程序中，让用户一键部署本地 AI 能力，无需依赖外部云服务。","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。\n\n### 没有 CodeProject.AI-Server 时\n- 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。\n- 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。\n- 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。\n- 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。\n\n### 使用 CodeProject.AI-Server 后\n- 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。\n- 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。\n- 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。\n- 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。\n\nCodeProject.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。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fcodeproject_CodeProject.AI-Server_74b11e3a.png","codeproject","CodeProject","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fcodeproject_8e441005.png","For those who Code. ",null,"webmaster@codeproject.com","https:\u002F\u002Fcodeproject.com","https:\u002F\u002Fgithub.com\u002Fcodeproject",[81,85,89,93,97,101,105,109,113,117],{"name":82,"color":83,"percentage":84},"C#","#178600",49.1,{"name":86,"color":87,"percentage":88},"Shell","#89e051",13.2,{"name":90,"color":91,"percentage":92},"Python","#3572A5",11.5,{"name":94,"color":95,"percentage":96},"Batchfile","#C1F12E",10.1,{"name":98,"color":99,"percentage":100},"HTML","#e34c26",8.7,{"name":102,"color":103,"percentage":104},"JavaScript","#f1e05a",6,{"name":106,"color":107,"percentage":108},"CSS","#663399",0.6,{"name":110,"color":111,"percentage":112},"PowerShell","#012456",0.3,{"name":114,"color":115,"percentage":116},"VBScript","#15dcdc",0.2,{"name":118,"color":119,"percentage":120},"Go","#00ADD8",0.1,955,222,"2026-04-08T16:41:42","NOASSERTION","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\u002FLinux), 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",{"notes":129,"python":130,"dependencies":131},"该工具为独立自托管微服务器，所有数据处理均在本地完成，无需联网。支持多种硬件加速后端（如 CUDA、DirectML、Apple Silicon），但具体支持情况取决于所安装的 AI 模块。开发环境推荐在 Windows 10+、Ubuntu 22.04+\u002F24.10、Debian 或 macOS 上使用 VS Code 或 Visual Studio 2019+。功能涵盖生成式 AI、物体检测、人脸识别、场景分析等，且支持自定义模型。","未说明 (项目标识为 'Made with Python')",[132,90],".NET 9.0",[14,15],[135,136,137,138,139,140,141],"artificial-intelligence","generative-ai","mlops","object-detection","onnx","python","pytorch","2026-03-27T02:49:30.150509","2026-04-10T15:51:25.932883",[],[146,151,156,161,166,171,176,181,186,191,196,201,206,211,216,221,226,231,236],{"id":147,"version":148,"summary_zh":149,"released_at":150},188733,"v2.9.5","安装程序的改进","2024-12-11T14:31:17",{"id":152,"version":153,"summary_zh":154,"released_at":155},188734,"v2.9.4","- 更新至 .NET 9\n- 支持 Ubuntu 24.10\n- 改进 CUDA 12 支持\n- 优化 Windows 和 Linux 下的 CUDA 支持\n- Docker 更新\n- 进一步修复 Windows arm64 相关问题\n- 进一步修复 macOS arm64 相关问题\n- 通用开发环境配置修复\n- 修复在缺少 wget 时的 Windows 安装程序问题","2024-12-04T03:09:41",{"id":157,"version":158,"summary_zh":159,"released_at":160},188735,"v2.8.1","# 标题\n- 更新至 .NET 8\n- 新增 Node.js、Go 和 Rust 示例\n- 对模块开发者而言，由于部分脚本变量重命名及设置脚本文件的重新组织，此次更新\\*可能\\*会引入破坏性变更。\n- 支持全新的多模态 Phi-3 大语言模型\n\n# 其他\n- 设置流程的改进\n- 修复 Python 脚本中 CUDA 检测的问题\n- 支持向服务器发送 JSON 请求","2024-09-05T19:03:35",{"id":162,"version":163,"summary_zh":164,"released_at":165},188736,"v2.6.5","## 变更内容\n* 修复了 macOS 安装问题\n* 修复了 Linux systemd 安装问题\n* 修复了 Object Detector YOLOv5 3.1 在 Linux arm64 上的安装问题\n* 修复了在 Linux\u002FmacOS 上测试先前安装的 PIP 包的问题\n* 增加了对 Radxa ROCK（RockChip）设备的支持\n* 设置了对外部模块的支持\n* 各种优化，并由 @seth-planet 在 https:\u002F\u002Fgithub.com\u002Fcodeproject\u002FCodeProject.AI-Server\u002Fpull\u002F97 中修复了 YOLOv8 图像值缩放错误\n* 使用了新的 TPU 分段选项，由 @seth-planet 在 https:\u002F\u002Fgithub.com\u002Fcodeproject\u002FCodeProject.AI-Server\u002Fpull\u002F99 中实现\n* Bug 修复：服务 URL 中的标准端口不正确，由 @miguelangel-nubla 在 https:\u002F\u002Fgithub.com\u002Fcodeproject\u002FCodeProject.AI-Server\u002Fpull\u002F102 中修复\n\n## 新贡献者\n* @seth-planet 在 https:\u002F\u002Fgithub.com\u002Fcodeproject\u002FCodeProject.AI-Server\u002Fpull\u002F97 中做出了首次贡献\n* @miguelangel-nubla 在 https:\u002F\u002Fgithub.com\u002Fcodeproject\u002FCodeProject.AI-Server\u002Fpull\u002F102 中做出了首次贡献\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002Fcodeproject\u002FCodeProject.AI-Server\u002Fcompare\u002Fv2.6.2...v2.6.5","2024-05-27T20:40:55",{"id":167,"version":168,"summary_zh":169,"released_at":170},188737,"v2.6.2","- 现在可以在安装时选择初始要安装的模块\n- 部分模块（Coral、Yolov8）现在允许通过仪表盘在运行时下载单个模型\n- 新增一个生成式AI模块（Llama LLM聊天机器人）\n- 提供了一种标准化的方法，用于在代码中处理那些会运行长时间任务的模块，例如生成式AI\n- Debian支持得到了改进\n- 仪表盘进行了小幅界面优化\n- 模块配置文件有所简化\n- 在源代码中加入了.NET和Python的模板模块（包括简单示例和长流程演示）\n- 对Coral和ALPR模块进行了改进（感谢Seth和Mike）\n- Docker CUDA 12.2镜像现已包含cuDNN\n- 修复了安装脚本中的问题\n- 在YOLOv8模块中新增了目标分割功能","2024-04-05T11:40:51",{"id":172,"version":173,"summary_zh":174,"released_at":175},188738,"v2.5.1","- 进行了大量 JavaScript 更新，如果遇到异常情况，请尝试按 Ctrl+F5 刷新页面。\n- 模块列表现在会在您点击版本号时显示该模块的版本历史。\n- 基准测试已更新，现使用当前激活的目标检测模块的自定义模型。\n- 仪表板上的“信息”按钮现在会显示来自该模块的状态数据转储。对于目标检测等模块，它将包含标签和计数的字典，以便您查看正在检测的内容；而对于训练等长时间运行的模块，则会显示训练状态。此举旨在为未来的更优 UI 功能提供支持。\n- 修复了大量 bug，其中特别包括一个影响模块安装的脚本问题，以及两个分别影响 YOLOv5 6.2 模块和超分辨率模块的模块设置问题。\n- Coral 模块现已支持多 TPU，但目前仍稍显不稳定。未来几天内将推出更新。","2024-01-22T16:20:19",{"id":177,"version":178,"summary_zh":179,"released_at":180},188739,"v2.5.0","- 动态资源管理器界面：每个模块现在都为资源管理器提供自己的用户界面\n- 资源管理器中支持声音试听模块\n- 仪表板改进\n- 更新的模块设置模式，新增模块作者和原始项目致谢信息\n- 安装程序修复\n- Jetson 支持改进\n- 支持 Arm 架构的 Windows","2024-01-13T16:00:04",{"id":182,"version":183,"summary_zh":184,"released_at":185},188740,"v2.2.4","- 改进了对 Windows、Ubuntu、macOS（Intel 和 Apple Silicon）的支持，并增强了对 ROCm 和 Jetson 的支持\n- 新增安装 SDK，使模块安装程序的制作更加简便\n- 优化了安装反馈和自检功能\n- Coral.AI 现已支持 Linux、macOS（仅限 11 和 12 版本）以及 Windows\n- 修复了移除分块传输编码的问题，以允许通过 HTTP\u002F1.1 访问 API（Blue Iris 修复）\n- 多项错误修复","2023-09-27T14:18:52",{"id":187,"version":188,"summary_zh":189,"released_at":190},188741,"v2.1.0","- 改进了对树莓派的支持。新增了一个快速的目标检测模块，支持 Coral.AI TPU，所有内容均打包在 Arm64 架构的 Docker 镜像中。\n- 所有模块现在都可以安装或卸载（此前部分模块为固定不可卸载）。\n- 安装程序流程更加精简：安装时仅安装服务器端组件；首次运行时会自动安装目标检测（Python 和 .NET 版本）及人脸处理模块（可后续卸载）。\n- 重新设计了 Python 模块 SDK。模块现为新的子类，而非作为模块运行器的聚合体。\n- 重构了模块配置文件，使其更简洁、减少重复内容。\n- 日志记录得到增强：日志数量更多、质量更高、过滤功能更完善，并提供更丰富的信息。\n- 新增两个模块：ObjectDetectionTFLite，用于在树莓派上使用 Coral 进行目标检测；以及 Cartoonise，带来趣味性功能。\n- 改进了对 CUDA 显卡半精度计算支持的检查。\n- 模块现已引入版本控制，模块注册表将仅显示与当前服务器版本兼容的模块。\n- 修复了多项 bug。\n- 共享的 Python 运行时环境现已移至 `runtimes` 目录。\n- 所有模块已从 `AnalysisLayer` 文件夹迁移到模块专用的 `modules` 文件夹。\n- 已在 CUDA 12 上完成测试。","2023-04-17T23:06:40",{"id":192,"version":193,"summary_zh":194,"released_at":195},188742,"v2.0.5","新的模块架构、可下载模块、Raspberry Pi 支持，并修复了多处内存泄漏问题。","2023-01-16T18:39:10",{"id":197,"version":198,"summary_zh":199,"released_at":200},188743,"v1.6.8.0","- Improved multi-thread support for ONNX on .NET\r\n- improved image handling for MacOS\u002FLinux\r\n- Added support for sideloading modules\r\n- Better arm64 support\r\n- General cleanups","2022-10-28T11:40:03",{"id":202,"version":203,"summary_zh":204,"released_at":205},188744,"v1.6.0.0","- Optimised RAM use\r\n- Ability to enable \u002F disable modules and GPU support via the dashboard\r\n- REST settings API for updating settings on the fly\r\n- Apple M1\u002FM2 GPU support\r\n- Async processes and logging for a performance boost\r\n- Breaking: the CustomObjectDetection is now part of ObjectDetectionYolo","2022-09-22T17:46:16",{"id":207,"version":208,"summary_zh":209,"released_at":210},188745,"v1.5.6.2","- Docker nVidia GPU support\r\n- Further performance improvements\r\n- cuDNN install script to help with nVidia driver and toolkit installation\r\n- Bug fixes","2022-08-19T00:57:54",{"id":212,"version":213,"summary_zh":214,"released_at":215},188746,"v1.5.6","- nVidia GPU support!\r\n- Perf improvements to Python modules\r\n- Work on the Python SDK to make creating modules easier\r\n- Dev installers now drastically simplified for those creating new modules\r\n- Added SuperResolution as a demo module\r\n","2022-08-09T20:09:35",{"id":217,"version":218,"summary_zh":219,"released_at":220},188747,"v1.5.5","- Some minor cleanups to python SDK in prep for serious refactoring\r\n- endless fights with Windows Installer XML that has resulted in a few nips and tucks\r\n- Benchmark now allows any custom model you choose\r\n- Overriding settings for some legacy modules now far easier: Blue Iris users will benefit\r\n- Front end Server is now a self-contained .NET package","2022-07-15T22:00:04",{"id":222,"version":223,"summary_zh":224,"released_at":225},188748,"v1.5.1","A small patch to correct an installer issue","2022-07-01T00:23:15",{"id":227,"version":228,"summary_zh":229,"released_at":230},188749,"v1.5.0","- Added Custom model support\r\n- Cleaned out Installer folder\r\n- Rebrand from CodeProject senseAI to CodeProject.AI","2022-06-24T20:37:24",{"id":232,"version":233,"summary_zh":234,"released_at":235},188750,"v1.4.0","- Updated the module system module definitions to provide automated documentation\r\n- New module: Sentiment analysis\r\n- Revamped dashboard and senseAI Explorer\r\n- Updated docker","2022-06-04T16:59:07",{"id":237,"version":238,"summary_zh":239,"released_at":240},188751,"v1.3.0","* Reworked the module system in order to better encapsulate module definitions\r\n* Two new modules: Portrait mode and Remove Background\r\n* Support for multiple versions of Python\r\n* Updated docker\r\n* Reorganized \u002F refactored dev environment setup scripts to make it easier to add new modules\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fcodeproject\u002FCodeProject.SenseAI\u002Fcommits\u002Fv1.3.0","2022-05-17T20:14:12"]