[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"tool-corca-ai--EVAL":3,"similar-corca-ai--EVAL":98},{"id":4,"github_repo":5,"name":6,"description_en":7,"description_zh":8,"ai_summary_zh":9,"readme_en":10,"readme_zh":11,"quickstart_zh":12,"use_case_zh":13,"hero_image_url":14,"owner_login":15,"owner_name":16,"owner_avatar_url":17,"owner_bio":18,"owner_company":19,"owner_location":19,"owner_email":20,"owner_twitter":19,"owner_website":21,"owner_url":22,"languages":23,"stars":40,"forks":41,"last_commit_at":42,"license":43,"difficulty_score":44,"env_os":45,"env_gpu":46,"env_ram":45,"env_deps":47,"category_tags":57,"github_topics":19,"view_count":62,"oss_zip_url":19,"oss_zip_packed_at":19,"status":63,"created_at":64,"updated_at":65,"faqs":66,"releases":97},10142,"corca-ai\u002FEVAL","EVAL","EVAL(Elastic Versatile Agent with Langchain) will execute all your requests. Just like an eval method!","EVAL（Elastic Versatile Agent with Langchain）是一款基于大语言模型的智能代理工具，旨在将用户的自然语言指令直接转化为可执行的行动。它解决了传统 AI 助手仅能回答问题而无法自主完成复杂任务的痛点：用户只需描述期望的结果，EVAL 便能自动规划路径，自主进行搜索、编写代码、运行程序、调试错误乃至构建完整的多文件 Web 应用，最终交付可用成果。\n\n这款工具特别适合开发者、技术研究人员以及希望自动化工作流的进阶用户。对于需要快速原型开发、数据检索分析或跨模态内容生成的场景，EVAL 能显著降低操作门槛并提升效率。\n\n其核心技术亮点在于“自我进化”能力与多模态交互支持。EVAL 不仅能理解文本、图像和数据表格，还能在运行过程中动态创建和修改自身工具库——当遇到错误时，它能自动编写补丁修复代码；面对新需求，它能即时开发专用脚本。此外，它集成了终端操作、代码编辑器、多源搜索引擎（Google\u002FBing\u002FWikipedia）以及先进的图像生成与编辑模型（如 Stable Diffusion），形成了一个闭环的自主执行环境。通过简单的 Docker 部署，用","EVAL（Elastic Versatile Agent with Langchain）是一款基于大语言模型的智能代理工具，旨在将用户的自然语言指令直接转化为可执行的行动。它解决了传统 AI 助手仅能回答问题而无法自主完成复杂任务的痛点：用户只需描述期望的结果，EVAL 便能自动规划路径，自主进行搜索、编写代码、运行程序、调试错误乃至构建完整的多文件 Web 应用，最终交付可用成果。\n\n这款工具特别适合开发者、技术研究人员以及希望自动化工作流的进阶用户。对于需要快速原型开发、数据检索分析或跨模态内容生成的场景，EVAL 能显著降低操作门槛并提升效率。\n\n其核心技术亮点在于“自我进化”能力与多模态交互支持。EVAL 不仅能理解文本、图像和数据表格，还能在运行过程中动态创建和修改自身工具库——当遇到错误时，它能自动编写补丁修复代码；面对新需求，它能即时开发专用脚本。此外，它集成了终端操作、代码编辑器、多源搜索引擎（Google\u002FBing\u002FWikipedia）以及先进的图像生成与编辑模型（如 Stable Diffusion），形成了一个闭环的自主执行环境。通过简单的 Docker 部署，用户即可拥有一个能像\"eval\"函数一样灵活执行各类请求的智能伙伴。","# EVAL\n\n> **EVAL(Elastic Versatile Agent with Langchain) will execute all your requests. Like the eval method!**\n>\n> You don't have to think about how. If you tell them the results you want, they'll search, code, run, and test the Internet themselves, and they'll return the final results.\n\nhttps:\u002F\u002Fuser-images.githubusercontent.com\u002F19206046\u002F229892113-481437b7-a332-4e0c-bfb3-d2c97c9035be.mp4\n\nEVAL Making a full-fledged web application with multiple files\n\nhttps:\u002F\u002Fuser-images.githubusercontent.com\u002F51526347\u002F230061897-b3479405-8ebd-45ab-a432-6506730242b9.mov\n\nEVAL Making a UI for itself\n\n#### [EVAL-BOT](https:\u002F\u002Fgithub.com\u002Feval-bot)\n\nEVAL's self-managed github account. EVAL does everything except for signup and bio setting.\n\n### Examples\n\n[Here](examples\u002F) is an example.\n\n### EVAL's FEATURE\n\n1. **Multimodal Conversation**\n   - It **understands** and **generates** data formats for text, image, dataframe, audio (TODO), video (TODO).\n2. **Services**\n   - It can serve **services (blocking processes)** such as web apps.\n3. **Evolving**\n   - It can **create it's own tools** by writing, modifying, executing and testing code.\n\n### BUILT-IN TOOLS\n\n1. Terminal\n   - SyscallTracer\n2. Code Editor\n   - READ: Read and understand file.\n   - WRITE: Write code to create a new tool.\n   - PATCH: Correct the error throught the code patch if an error occurs.\n   - DELETE: Delete code in file for a new start.\n3. Search\n   - Google, Bing, Wikipedia\n   - Custom DB Search (Currently using Corca's Wine Data in https:\u002F\u002Fwww.workershop.kr\u002Fen)\n     - Use GPT index to quickly find the information you need in a document and use that information to answer\n   - Requests.get (Get information from anywhere you want)\n4. Image Understanding, Generation, Editing\n   - Image Understanding\n     - Image Understanding: blip-image-captioning\n     - Visual Question&Answering: blip-vqa\n   - Image Generation: Stable Diffusion 1.5\n   - Image Editing\n     - Replace or remove an object: Stable Diffusion Inpainting\n     - Change Image's style: InstructPix2Pix\n\nThanks to [LangChain](https:\u002F\u002Fgithub.com\u002Fhwchase17\u002Flangchain), [Visual ChatGPT](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fvisual-chatgpt), [llama index](https:\u002F\u002Fgithub.com\u002Fjerryjliu\u002Fllama_index).\n\n### CUSTOM TOOLS\n\nWe also don't know what tools EVAL will create. Every day, It will create the right tools to execute your request.\n\n---\n\n## Usage\n\n1. Environment variables\n2. Run with docker-compose\n3. Send request to EVAL\n\n### 1. Environment Variables\n\nYou need to write some environment variables in the `.env` file. Refer [.env.example](.env.example) if you don't know how to format it.\n\n**Mandatory**\n\nManatory envs are required in order to serve EVAL.\n\n- `OPENAI_API_KEY` - OpenAI api key\n\n**Optional**\n\nEach optional env has default value, so you don't need to set unless you want to change it.\n\n- `EVAL_PORT` - port (default: 8000)\n- `SERVER` - server address (default: http:\u002F\u002Flocalhost:8000)\n- `LOG_LEVEL` - INFO | DEBUG (default: INFO)\n- `BOT_NAME` - give it a name! (default: Orca)\n- `MODEL_NAME` - model name for GPT (default: gpt-4)\n\n**For More Tools**\n\nSome tools requires environment variables. Set envs depend on which tools you want to use.\n\n- Google search tool\n  - `SERPAPI_API_KEY`\n- Bing search tool\n  - `BING_SEARCH_URL`\n  - `BING_SUBSCRIPTION_KEY`\n\n### 2. Run with docker-compose\n\n- There are 2 services in docker-compose.yml\n  - `eval` - without GPU, much lighter\n    ```bash\n    docker-compose up --build eval\n    ```\n  - `eval.gpu` - with GPU, for multi-modal conversation\n    ```bash\n    docker-compose up --build eval.gpu\n    ```\n- The one with GPU is much heavier and unstable for now because of the massive dependencies. We recommend you to use the one without GPU if you don't need multi-modal conversation.\n\n### 3. Send request to EVAL\n\n- Use the Web GUI to use EVAL in ease\n\n  - Go to `http:\u002F\u002Flocalhost:8000` in your browser\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fcorca-ai_EVAL_readme_e26e90d9497b.png\" \u002F>\n\n- Or you can manually send request to EVAL with APIs.\n\n  - `POST \u002Fapi\u002Fexecute`\n\n    - `session` - session id\n    - `files` - urls of file inputs\n    - `prompt` - prompt\n\n    - examples\n\n      ```bash\n      curl -X POST -H \"Content-Type: application\u002Fjson\" -d '{\"session\": \"sessionid\", \"files\": [], \"prompt\": \"Hi there!\"}' http:\u002F\u002Flocalhost:8000\u002Fapi\u002Fexecute\n      ```\n\n      ```bash\n      http POST http:\u002F\u002Flocalhost:8000\u002Fapi\u002Fexecute session=sessionid files:='[]' prompt=\"Hi there!\"\n      ```\n\n- It also supports asynchronous execution. You can use `POST \u002Fapi\u002Fexecute\u002Fasync` instead of `POST \u002Fapi\u002Fexecute`, with same body.\n\n  - It returns `id` of the execution. Use `GET \u002Fapi\u002Fexecute\u002Fasync\u002F{id}` to get the result.\n\n## TODO\n\n- [ ] GUI\n- [ ] memory saving\n- [ ] session manage\n- [ ] convert to alpaca\n- [ ] prompt upgrade\n- [ ] give a tool to create tools\n- [ ] etc.\n\n## Reference\n\nThanks to the following repositories.\n\n- https:\u002F\u002Fgithub.com\u002Fhwchase17\u002Flangchain\n- https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fvisual-chatgpt\n- https:\u002F\u002Fgithub.com\u002Fjerryjliu\u002Fllama_index\n","# EVAL\n\n> **EVAL（基于 LangChain 的弹性多功能代理）将执行您所有的请求。就像 eval 方法一样！**\n>\n> 您无需考虑具体如何实现。只要告诉它您想要的结果，它就会自行在互联网上搜索、编写代码、运行并测试，最终返回结果。\n\nhttps:\u002F\u002Fuser-images.githubusercontent.com\u002F19206046\u002F229892113-481437b7-a332-4e0c-bfb3-d2c97c9035be.mp4\n\nEVAL 使用多文件构建一个完整的 Web 应用程序\n\nhttps:\u002F\u002Fuser-images.githubusercontent.com\u002F51526347\u002F230061897-b3479405-8ebd-45ab-a432-6506730242b9.mov\n\nEVAL 为自己创建 UI\n\n#### [EVAL-BOT](https:\u002F\u002Fgithub.com\u002Feval-bot)\n\nEVAL 自行管理的 GitHub 账号。除了注册和设置个人简介外，其他一切均由 EVAL 完成。\n\n### 示例\n\n[这里](examples\u002F)提供了一些示例。\n\n### EVAL 的特性\n\n1. **多模态对话**\n   - 它能够**理解**并**生成**文本、图像、数据框、音频（待开发）、视频（待开发）等多种数据格式。\n2. **服务提供**\n   - 它可以提供**阻塞型服务**，例如 Web 应用。\n3. **自我进化**\n   - 它可以通过编写、修改、执行和测试代码来**创建自己的工具**。\n\n### 内置工具\n\n1. 终端\n   - SyscallTracer\n2. 代码编辑器\n   - READ：读取并理解文件内容。\n   - WRITE：编写代码以创建新工具。\n   - PATCH：如果出现错误，通过代码补丁进行修复。\n   - DELETE：删除文件中的代码以便重新开始。\n3. 搜索\n   - Google、Bing、维基百科\n   - 自定义数据库搜索（目前使用 Corca 的 Wine 数据，网址为 https:\u002F\u002Fwww.workershop.kr\u002Fen）\n     - 利用 GPT 索引快速在文档中找到所需信息，并据此回答问题。\n   - Requests.get（从任何您希望的地方获取信息）。\n4. 图像理解、生成与编辑\n   - 图像理解\n     - 图像描述：blip-image-captioning\n     - 视觉问答：blip-vqa\n   - 图像生成：Stable Diffusion 1.5\n   - 图像编辑\n     - 替换或移除对象：Stable Diffusion Inpainting\n     - 改变图像风格：InstructPix2Pix\n\n感谢 [LangChain](https:\u002F\u002Fgithub.com\u002Fhwchase17\u002Flangchain)、[Visual ChatGPT](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fvisual-chatgpt) 和 [llama index](https:\u002F\u002Fgithub.com\u002Fjerryjliu\u002Fllama_index) 的支持。\n\n### 自定义工具\n\n我们同样无法预测 EVAL 将会创造出哪些工具。每一天，它都会根据您的需求，生成最合适的工具来完成任务。\n\n---\n\n## 使用方法\n\n1. 设置环境变量\n2. 使用 docker-compose 运行\n3. 向 EVAL 发送请求\n\n### 1. 环境变量\n\n您需要在 `.env` 文件中填写一些环境变量。如果您不确定格式，请参考 [.env.example](.env.example)。\n\n**必填项**\n\n这些环境变量是运行 EVAL 所必需的。\n\n- `OPENAI_API_KEY` - OpenAI API 密钥\n\n**可选项**\n\n每个可选环境变量都有默认值，因此除非您想更改，否则无需设置。\n\n- `EVAL_PORT` - 端口（默认：8000）\n- `SERVER` - 服务器地址（默认：http:\u002F\u002Flocalhost:8000）\n- `LOG_LEVEL` - INFO | DEBUG（默认：INFO）\n- `BOT_NAME` - 为它起个名字吧！（默认：Orca）\n- `MODEL_NAME` - GPT 模型名称（默认：gpt-4）\n\n**用于更多工具**\n\n某些工具需要特定的环境变量。请根据您希望使用的工具设置相应的环境变量。\n\n- Google 搜索工具\n  - `SERPAPI_API_KEY`\n- Bing 搜索工具\n  - `BING_SEARCH_URL`\n  - `BING_SUBSCRIPTION_KEY`\n\n### 2. 使用 docker-compose 运行\n\n- 在 `docker-compose.yml` 中有两个服务：\n  - `eval` - 不带 GPU，更加轻量\n    ```bash\n    docker-compose up --build eval\n    ```\n  - `eval.gpu` - 带 GPU，用于多模态对话\n    ```bash\n    docker-compose up --build eval.gpu\n    ```\n- 目前，带 GPU 的版本由于依赖项过多，较为沉重且不稳定。如果您不需要多模态对话，建议使用不带 GPU 的版本。\n\n### 3. 向 EVAL 发送请求\n\n- 您可以使用 Web GUI 轻松使用 EVAL：\n\n  - 在浏览器中访问 `http:\u002F\u002Flocalhost:8000`\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fcorca-ai_EVAL_readme_e26e90d9497b.png\" \u002F>\n\n- 或者，您也可以通过 API 手动向 EVAL 发送请求。\n\n  - `POST \u002Fapi\u002Fexecute`\n\n    - `session` - 会话 ID\n    - `files` - 输入文件的 URL\n    - `prompt` - 提示语\n\n    - 示例：\n\n      ```bash\n      curl -X POST -H \"Content-Type: application\u002Fjson\" -d '{\"session\": \"sessionid\", \"files\": [], \"prompt\": \"你好！\"}' http:\u002F\u002Flocalhost:8000\u002Fapi\u002Fexecute\n      ```\n\n      ```bash\n      http POST http:\u002F\u002Flocalhost:8000\u002Fapi\u002Fexecute session=sessionid files:='[]' prompt=\"你好！\"\n      ```\n\n- EVAL 还支持异步执行。您可以使用 `POST \u002Fapi\u002Fexecute\u002Fasync` 替代 `POST \u002Fapi\u002Fexecute`，请求体保持不变。\n\n  - 它会返回执行的 `id`。您可以使用 `GET \u002Fapi\u002Fexecute\u002Fasync\u002F{id}` 来获取结果。\n\n## 待办事项\n\n- [ ] GUI\n- [ ] 内存优化\n- [ ] 会话管理\n- [ ] 转换为 Alpaca 格式\n- [ ] 提升提示语质量\n- [ ] 提供一种用于创建工具的工具\n- [ ] 等等。\n\n## 参考文献\n\n感谢以下项目的支持：\n\n- https:\u002F\u002Fgithub.com\u002Fhwchase17\u002Flangchain\n- https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fvisual-chatgpt\n- https:\u002F\u002Fgithub.com\u002Fjerryjliu\u002Fllama_index","# EVAL 快速上手指南\n\nEVAL (Elastic Versatile Agent with Langchain) 是一个能够自主执行复杂任务的 AI 智能体。只需告诉它想要的结果，它就能自动进行搜索、编写代码、运行程序、测试并返回最终成果，甚至能创建自己的工具。\n\n## 环境准备\n\n### 系统要求\n- **操作系统**: Linux, macOS 或 Windows (需安装 Docker Desktop)\n- **Docker**: 已安装 Docker Engine 和 Docker Compose\n- **硬件建议**:\n  - **基础版**: 无需 GPU，适合文本处理和代码生成任务，资源占用较低。\n  - **多模态版**: 需要 NVIDIA GPU 及对应的驱动，用于支持图像理解、生成等多模态对话功能（目前依赖较重，稳定性略低于基础版）。\n\n### 前置依赖\n- 有效的 **OpenAI API Key** (必填)\n- (可选) 搜索引擎密钥：如需使用 Google 搜索需 `SERPAPI_API_KEY`，使用 Bing 搜索需 `BING_SEARCH_URL` 和 `BING_SUBSCRIPTION_KEY`。\n\n## 安装步骤\n\n### 1. 配置环境变量\n在项目根目录下创建 `.env` 文件，并填入必要的配置。你可以参考 `.env.example` 进行格式设置。\n\n```bash\n# 必填：OpenAI API 密钥\nOPENAI_API_KEY=sk-your-api-key-here\n\n# 可选：自定义配置（若不填写则使用默认值）\n# EVAL_PORT=8000\n# SERVER=http:\u002F\u002Flocalhost:8000\n# LOG_LEVEL=INFO\n# BOT_NAME=Orca\n# MODEL_NAME=gpt-4\n\n# 可选：第三方工具密钥\n# SERPAPI_API_KEY=your-serpapi-key\n# BING_SEARCH_URL=https:\u002F\u002Fapi.bing.microsoft.com\u002Fv7.0\u002Fsearch\n# BING_SUBSCRIPTION_KEY=your-bing-key\n```\n\n### 2. 启动服务\n使用 `docker-compose` 启动服务。根据是否需要多模态（图像处理）功能选择以下任一命令：\n\n**方案 A：基础版（无 GPU，推荐大多数用户）**\n轻量级，启动快，适合纯文本和代码任务。\n```bash\ndocker-compose up --build eval\n```\n\n**方案 B：多模态版（需 GPU）**\n包含图像理解和生成能力，但依赖庞大，启动较慢且目前稳定性稍弱。\n```bash\ndocker-compose up --build eval.gpu\n```\n\n> **注意**：国内用户若遇到拉取镜像缓慢的问题，建议配置 Docker 镜像加速器（如阿里云、腾讯云等）后再执行上述命令。\n\n## 基本使用\n\n启动成功后，你可以通过以下两种方式与 EVAL 交互：\n\n### 方式一：使用 Web 图形界面（推荐）\n在浏览器中访问本地服务地址，即可通过可视化界面发送指令：\n```text\nhttp:\u002F\u002Flocalhost:8000\n```\n在界面中输入你的需求（例如：“创建一个简单的待办事项网页应用”），EVAL 将自动执行搜索、编码、运行和测试流程。\n\n### 方式二：通过 API 调用\n你可以直接使用 `curl` 或其他 HTTP 客户端发送请求。\n\n**同步执行示例：**\n```bash\ncurl -X POST -H \"Content-Type: application\u002Fjson\" \\\n-d '{\"session\": \"sessionid\", \"files\": [], \"prompt\": \"Hi there!\"}' \\\nhttp:\u002F\u002Flocalhost:8000\u002Fapi\u002Fexecute\n```\n\n**异步执行示例：**\n适用于耗时较长的任务。先提交任务获取 ID，再查询结果。\n```bash\n# 1. 提交任务\ncurl -X POST -H \"Content-Type: application\u002Fjson\" \\\n-d '{\"session\": \"sessionid\", \"files\": [], \"prompt\": \"Build a snake game\"}' \\\nhttp:\u002F\u002Flocalhost:8000\u002Fapi\u002Fexecute\u002Fasync\n\n# 2. 使用返回的 id 查询结果\n# GET \u002Fapi\u002Fexecute\u002Fasync\u002F{id}\n```","一位全栈开发者需要在半天内构建一个具备实时数据可视化功能的葡萄酒推荐 Web 应用，并自动部署上线。\n\n### 没有 EVAL 时\n- 开发者需手动切换浏览器搜索最新葡萄酒评分数据、查阅文档确定技术栈，并在本地反复配置环境。\n- 编写代码时需人工处理多文件结构，一旦报错需逐行调试，修复逻辑漏洞和样式问题耗时极长。\n- 若要加入“上传酒标图片识别品种”功能，必须单独研究计算机视觉模型并编写复杂的图像预处理脚本。\n- 完成开发后，还需手动购买服务器、配置域名及部署流程，整个周期往往超过数天。\n\n### 使用 EVAL 后\n- 只需告诉 EVAL“创建一个基于最新数据的葡萄酒推荐网站”，它会自动搜索网络数据、规划架构并生成完整代码库。\n- EVAL 在运行中若遇到报错，会利用内置的 PATCH 工具自动修正代码错误，并通过终端自行测试直到服务稳定运行。\n- 当提出“增加图片识别功能”时，EVAL 能直接调用内置的 BLIP 和 Stable Diffusion 模型，即时生成并集成图像理解模块。\n- 最终 EVAL 不仅交付了可运行的 Web 服务，还能自动管理 GitHub 仓库版本，将原本数天的工作压缩至分钟级。\n\nEVAL 的核心价值在于将开发者从繁琐的搜索、编码、调试及运维链条中解放出来，实现“只定义结果，过程全自动”的敏捷开发模式。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fcorca-ai_EVAL_e26e90d9.png","corca-ai","Corca","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fcorca-ai_951ca0ee.png","AI Product & AX Company",null,"contact@corca.ai","https:\u002F\u002Fwww.corca.ai\u002F","https:\u002F\u002Fgithub.com\u002Fcorca-ai",[24,28,32,36],{"name":25,"color":26,"percentage":27},"Python","#3572A5",88.4,{"name":29,"color":30,"percentage":31},"JavaScript","#f1e05a",7.2,{"name":33,"color":34,"percentage":35},"HTML","#e34c26",4.3,{"name":37,"color":38,"percentage":39},"CSS","#663399",0.1,868,80,"2026-04-08T16:52:28","MIT",3,"未说明","非必需。仅在使用多模态对话功能（图像理解、生成、编辑）时需要 GPU；若无此需求，官方推荐使用无 GPU 的 Docker 容器（eval），并指出带 GPU 的版本因依赖庞大目前较重且不稳定。未指定具体显卡型号、显存大小或 CUDA 版本。",{"notes":48,"python":45,"dependencies":49},"该工具主要通过 Docker Compose 部署。提供两种服务模式：'eval'（无 GPU，轻量级，适用于文本和代码任务）和 'eval.gpu'（含 GPU，用于多模态任务，但官方提示其依赖庞大且目前不够稳定）。必须配置 OPENAI_API_KEY 环境变量。若需使用 Google 或 Bing 搜索工具，还需分别配置对应的 API Key。",[50,51,52,53,54,55,56],"LangChain","Visual ChatGPT","llama index","Stable Diffusion 1.5","blip-image-captioning","blip-vqa","InstructPix2Pix",[58,59,60,61],"语言模型","图像","Agent","其他",2,"ready","2026-03-27T02:49:30.150509","2026-04-20T19:22:53.698707",[67,72,77,82,87,92],{"id":68,"question_zh":69,"answer_zh":70,"source_url":71},45538,"在 Docker 中运行时遇到 SSLError (SSL 未知错误) 怎么办？","这通常是由于网络代理或 SSL 证书验证问题导致的。有用户通过配置本地代理（local proxy）解决了该问题。建议检查 Docker 容器的网络设置，或者在宿主机配置好代理后确保 Docker 能继承该设置。维护者建议可以将此类非常规问题的解决方案整理到项目 Wiki 中供参考。","https:\u002F\u002Fgithub.com\u002Fcorca-ai\u002FEVAL\u002Fissues\u002F34",{"id":73,"question_zh":74,"answer_zh":75,"source_url":76},45539,"生成的代码文件开头包含了多余的语言标识（如 ```html 或 python），导致语法错误，如何解决？","这是一个已知的解析问题，模型有时会在生成的代码块前后添加 Markdown 标记。该问题已在 Pull Request #48 中得到修复。如果仍遇到此问题，建议更新到包含该修复的最新版本，或者在代码解析逻辑中增加去除 Markdown 代码块标记（fences）的步骤。","https:\u002F\u002Fgithub.com\u002Fcorca-ai\u002FEVAL\u002Fissues\u002F15",{"id":78,"question_zh":79,"answer_zh":80,"source_url":81},45540,"遇到 'Chain Error: parse error' 导致链式执行终止，该如何处理？","这通常与 LangChain 版本兼容性有关。有用户反馈将 LangChain 升级到 0.135 版本可解决问题。升级时需要注意代码修改：`BaseOutputParser` 的导入路径已变更，需从 `from langchain.schema import BaseOutputParser` 进行导入。此外，还需修改 `pyproject.toml` 文件并运行 `poetry update` 和 `poetry lock` 来锁定新版本依赖。","https:\u002F\u002Fgithub.com\u002Fcorca-ai\u002FEVAL\u002Fissues\u002F39",{"id":83,"question_zh":84,"answer_zh":85,"source_url":86},45541,"发送请求时收到 '404 Not Found' 错误，原因是什么？","这是因为使用了错误的 API 端点。旧的文档或示例中可能使用了 `\u002Fcommand` 路径，但在新版本中，正确的执行接口路径已更改为 `\u002Fapi\u002Fexecute`。\n请使用以下正确的 curl 命令格式：\ncurl -X POST -H \"Content-Type: application\u002Fjson\" -d '{\"session\": \"sessionid\", \"files\": [], \"prompt\": \"你的提示词\"}' http:\u002F\u002Flocalhost:8000\u002Fapi\u002Fexecute\n或者直接访问 http:\u002F\u002Flocalhost:8000 使用图形界面（GUI）发送请求。","https:\u002F\u002Fgithub.com\u002Fcorca-ai\u002FEVAL\u002Fissues\u002F25",{"id":88,"question_zh":89,"answer_zh":90,"source_url":91},45542,"调用时返回错误信息 'The model: gpt-4 does not exist' 是怎么回事？","这表示当前使用的 OpenAI API 密钥没有访问 GPT-4 模型的权限。GPT-4 通常需要加入等待名单（waitlist）并获得批准后才能使用。如果你尚未获得 GPT-4 访问权限，可以尝试将配置中的模型名称更改为 `gpt-3.5-turbo`，该模型通常对大多数 API 密钥默认可用。","https:\u002F\u002Fgithub.com\u002Fcorca-ai\u002FEVAL\u002Fissues\u002F14",{"id":93,"question_zh":94,"answer_zh":95,"source_url":96},45543,"允许 AI 代理运行任意代码是否存在安全风险？如何防护？","是的，存在潜在风险。如果 AI 行为不可控（例如被诱导执行恶意操作），可能会删除文件或访问敏感数据。维护者强烈建议在 Docker 容器中运行 EVAL，以利用容器的隔离性限制其对宿主机的影响。除了使用 Docker 隔离外，目前主要依靠用户在输入提示词时保持谨慎，避免诱导 AI 执行危险操作。","https:\u002F\u002Fgithub.com\u002Fcorca-ai\u002FEVAL\u002Fissues\u002F50",[],[99,109,118,126,134,142],{"id":100,"name":101,"github_repo":102,"description_zh":103,"stars":104,"difficulty_score":44,"last_commit_at":105,"category_tags":106,"status":63},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,"2026-04-06T06:32:30",[60,107,59,108],"开发框架","数据工具",{"id":110,"name":111,"github_repo":112,"description_zh":113,"stars":114,"difficulty_score":62,"last_commit_at":115,"category_tags":116,"status":63},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,"2026-04-19T23:22:26",[108,107,60,59,117],"插件",{"id":119,"name":120,"github_repo":121,"description_zh":122,"stars":123,"difficulty_score":44,"last_commit_at":124,"category_tags":125,"status":63},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",[60,58,117,107,59],{"id":127,"name":128,"github_repo":129,"description_zh":130,"stars":131,"difficulty_score":44,"last_commit_at":132,"category_tags":133,"status":63},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",[107,59,60],{"id":135,"name":136,"github_repo":137,"description_zh":138,"stars":139,"difficulty_score":62,"last_commit_at":140,"category_tags":141,"status":63},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",[107,60,58],{"id":143,"name":144,"github_repo":145,"description_zh":146,"stars":147,"difficulty_score":148,"last_commit_at":149,"category_tags":150,"status":63},8272,"opencode","anomalyco\u002Fopencode","OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。\n\n这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。\n\n在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信",144296,1,"2026-04-16T14:50:03",[60,117]]