[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"tool-czl9707--build-your-own-openclaw":3,"similar-czl9707--build-your-own-openclaw":65},{"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":20,"owner_email":19,"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":45,"env_ram":45,"env_deps":46,"category_tags":50,"github_topics":54,"view_count":44,"oss_zip_url":19,"oss_zip_packed_at":19,"status":60,"created_at":61,"updated_at":62,"faqs":63,"releases":64},9909,"czl9707\u002Fbuild-your-own-openclaw","build-your-own-openclaw","A step-by-step guide to build your own AI agent.","build-your-own-openclaw 是一份循序渐进的开源教程，旨在指导开发者从零开始构建属于自己的 AI 智能体（Agent）。它通过 18 个递进式的实战步骤，带领用户从一个最简单的对话循环起步，逐步添加工具调用、技能扩展、记忆持久化、网络访问等核心功能，最终演化成一个支持事件驱动架构、多智能体协作及生产级并发控制的完整系统。\n\n该项目主要解决了初学者在面对复杂 AI 代理架构时无从下手的痛点。传统的智能体开发往往涉及繁琐的配置和抽象的概念，而 build-your-own-openclaw 将庞大的工程拆解为可独立运行的小模块，每个步骤都配有详细的设计文档和可执行代码，让用户在动手实践中理解关键设计决策。\n\n这套教程特别适合希望深入掌握 AI 应用开发的程序员、技术研究人员以及想要定制个性化智能助手的极客用户。其独特的技术亮点在于清晰的分阶段演进路径：从单智能体的基础能力构建，过渡到支持多平台交互的事件驱动架构，再进阶至多智能体路由与自动任务调度，最后涵盖长短期记忆与并发控制等生产环境必备特性。通过参考项目\"pickle-bot\"的实现，学习者不仅能写出能跑的代码，更能","build-your-own-openclaw 是一份循序渐进的开源教程，旨在指导开发者从零开始构建属于自己的 AI 智能体（Agent）。它通过 18 个递进式的实战步骤，带领用户从一个最简单的对话循环起步，逐步添加工具调用、技能扩展、记忆持久化、网络访问等核心功能，最终演化成一个支持事件驱动架构、多智能体协作及生产级并发控制的完整系统。\n\n该项目主要解决了初学者在面对复杂 AI 代理架构时无从下手的痛点。传统的智能体开发往往涉及繁琐的配置和抽象的概念，而 build-your-own-openclaw 将庞大的工程拆解为可独立运行的小模块，每个步骤都配有详细的设计文档和可执行代码，让用户在动手实践中理解关键设计决策。\n\n这套教程特别适合希望深入掌握 AI 应用开发的程序员、技术研究人员以及想要定制个性化智能助手的极客用户。其独特的技术亮点在于清晰的分阶段演进路径：从单智能体的基础能力构建，过渡到支持多平台交互的事件驱动架构，再进阶至多智能体路由与自动任务调度，最后涵盖长短期记忆与并发控制等生产环境必备特性。通过参考项目\"pickle-bot\"的实现，学习者不仅能写出能跑的代码，更能领悟如何打造稳定、可扩展的 AI 系统。","# Build Your Own OpenClaw\n\nA step-by-step tutorial to build your own AI agent, from a simple chat loop to a lightweight version of [OpenClaw](https:\u002F\u002Fgithub.com\u002Fopenclaw\u002Fopenclaw).\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fczl9707_build-your-own-openclaw_readme_1061975e1282.png\" style=\"width: 100%;\">\n\n## Overview\n\n**18 progressive steps** that teach you how to build an minimal version of OpenClaw. Each step includes:\n\n- A `README.md` going through key components and design decision.\n- A Runnable codebase.\n\n**Example Project:** [pickle-bot](https:\u002F\u002Fgithub.com\u002Fczl9707\u002Fpickle-bot) - our reference implementation\n\n## Tutorial Structure\n\n### Phase 1: Capable Single Agent (Steps 1-7)\nBuild a fully-functional agent that can chat, use tools, learn skills, remember conversations, and access the internet.\n\n- [**00-chat-loop**](.\u002F00-chat-loop\u002F) - Just a Chat Loop\n- [**01-tools**](.\u002F01-tools\u002F) - Give your agent a tool.\n- [**02-skills**](.\u002F02-skills\u002F) - Extend your agent with `SKILL.md`\n- [**03-persistence**](.\u002F03-persistence\u002F) - Save your conversations.\n- [**04-slash-commands**](.\u002F04-slash-commands\u002F) - Direct user control over sessions.\n- [**05-compaction**](.\u002F05-compaction\u002F) - Pack you history and carry on...\n- [**06-web-tools**](.\u002F06-web-tools\u002F) - Your Agent want to see the bigger world.\n\n### Phase 2: Event-Driven Architecture (Steps 8-11)\nRefactor to event-driven architecture for scalability and multi-platform support.\n\n- [**07-event-driven**](.\u002F07-event-driven\u002F) - Expose you agent beyond CLI.\n- [**08-config-hot-reload**](.\u002F08-config-hot-reload\u002F) - Edit without restart.\n- [**09-channels**](.\u002F09-channels\u002F) - Talk to your agent from on your phone.\n- [**10-websocket**](.\u002F10-websocket\u002F) - Want to interact with you agent programatically?\n\n### Phase 3: Autonomous & Multi-Agent (Steps 12-16)\nAdd scheduled tasks, agent collaboration, and intelligent routing.\n\n- [**11-multi-agent-routing**](.\u002F11-multi-agent-routing\u002F) - Route right job to right agent.\n- [**12-cron-heartbeat**](.\u002F12-cron-heartbeat\u002F) - An Agent work while you are sleeping.\n- [**13-multi-layer-prompts**](.\u002F13-multi-layer-prompts\u002F) - More Context, More Context, More Context.\n- [**14-post-message-back**](.\u002F14-post-message-back\u002F) - Your Agent want to Speak to you.\n- [**15-agent-dispatch**](.\u002F15-agent-dispatch\u002F) - Your Agent want friends to work with!\n\n### Phase 4: Production & Scale (Steps 17-18)\nFeatures for reliability and long-term memory.\n\n- [**16-concurrency-control**](.\u002F16-concurrency-control\u002F) - Too many Pickle are running at the same time?\n- [**17-memory**](.\u002F17-memory\u002F) - Remember me!\n\n## How to Use This Tutorial\n\n### Configure API Keys\n\nBefore running any step, you need to configure your API keys:\n\n1. **Copy the example config:**\n   ```bash\n   cp default_workspace\u002Fconfig.example.yaml default_workspace\u002Fconfig.user.yaml\n   ```\n\n2. **Edit `config.user.yaml`** with your API keys:\n   - See [LiteLLM providers](https:\u002F\u002Fdocs.litellm.ai\u002Fdocs\u002Fproviders) for the full list of supported providers\n   - Check out [Provider Examples](PROVIDER_EXAMPLES.md) for some examples\n\n3. Just follow each steps, read and try it out.\n\n## Contributing\n\nEach step is implemented in a separate session. Feel free to suggest improvements!\n","# 搭建属于你的 OpenClaw\n\n这是一份循序渐进的教程，教你从一个简单的聊天循环开始，逐步构建出轻量级版的 [OpenClaw](https:\u002F\u002Fgithub.com\u002Fopenclaw\u002Fopenclaw) AI 代理。\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fczl9707_build-your-own-openclaw_readme_1061975e1282.png\" style=\"width: 100%;\">\n\n## 概述\n\n**18 个递进步骤**，将手把手教你如何搭建一个极简版的 OpenClaw。每个步骤都包含：\n\n- 一份 `README.md`，详细讲解关键组件与设计决策。\n- 一个可运行的代码库。\n\n**示例项目：** [pickle-bot](https:\u002F\u002Fgithub.com\u002Fczl9707\u002Fpickle-bot) — 我们的参考实现。\n\n## 教程结构\n\n### 第一阶段：功能完备的单体代理（步骤 1–7）\n构建一个功能齐全的代理，能够进行对话、使用工具、学习技能、记忆对话内容，并访问互联网。\n\n- [**00-chat-loop**](.\u002F00-chat-loop\u002F) - 仅一个聊天循环\n- [**01-tools**](.\u002F01-tools\u002F) - 为你的代理添加工具\n- [**02-skills**](.\u002F02-skills\u002F) - 通过 `SKILL.md` 扩展代理能力\n- [**03-persistence**](.\u002F03-persistence\u002F) - 保存对话记录\n- [**04-slash-commands**](.\u002F04-slash-commands\u002F) - 用户直接控制会话\n- [**05-compaction**](.\u002F05-compaction\u002F) - 压缩历史记录并继续\n- [**06-web-tools**](.\u002F06-web-tools\u002F) - 让你的代理探索更广阔的世界\n\n### 第二阶段：事件驱动架构（步骤 8–11）\n重构为事件驱动架构，以提升可扩展性和多平台支持。\n\n- [**07-event-driven**](.\u002F07-event-driven\u002F) - 将你的代理暴露到 CLI 之外\n- [**08-config-hot-reload**](.\u002F08-config-hot-reload\u002F) - 无需重启即可编辑配置\n- [**09-channels**](.\u002F09-channels\u002F) - 用手机与你的代理交流\n- [**10-websocket**](.\u002F10-websocket\u002F) - 想以编程方式与你的代理交互吗？\n\n### 第三阶段：自主与多代理系统（步骤 12–16）\n添加定时任务、代理协作和智能路由功能。\n\n- [**11-multi-agent-routing**](.\u002F11-multi-agent-routing\u002F) - 将合适的工作分配给合适的代理\n- [**12-cron-heartbeat**](.\u002F12-cron-heartbeat\u002F) - 让代理在你睡觉时工作\n- [**13-multi-layer-prompts**](.\u002F13-multi-layer-prompts\u002F) - 更多上下文，更多上下文，更多上下文\n- [**14-post-message-back**](.\u002F14-post-message-back\u002F) - 让你的代理也能“对你说”话\n- [**15-agent-dispatch**](.\u002F15-agent-dispatch\u002F) - 让你的代理有伙伴一起工作！\n\n### 第四阶段：生产与规模化（步骤 17–18）\n引入可靠性与长期记忆相关的特性。\n\n- [**16-concurrency-control**](.\u002F16-concurrency-control\u002F) - 同时运行的 Pickle 太多了吗？\n- [**17-memory**](.\u002F17-memory\u002F) - 记住我吧！\n\n## 如何使用本教程\n\n### 配置 API 密钥\n\n在运行任何步骤之前，你需要先配置好 API 密钥：\n\n1. **复制示例配置文件：**\n   ```bash\n   cp default_workspace\u002Fconfig.example.yaml default_workspace\u002Fconfig.user.yaml\n   ```\n\n2. **编辑 `config.user.yaml`**，填入你的 API 密钥：\n   - 参考 [LiteLLM 提供者列表](https:\u002F\u002Fdocs.litellm.ai\u002Fdocs\u002Fproviders)，了解所有支持的提供商。\n   - 查看 [提供者示例](PROVIDER_EXAMPLES.md)，获取一些配置示例。\n\n3. 按照每个步骤的指引，阅读并动手实践即可。\n\n## 贡献说明\n\n每个步骤都独立成一个模块。欢迎提出改进建议！","# Build Your Own OpenClaw 快速上手指南\n\n本指南将带你通过 18 个渐进式步骤，从零开始构建一个属于自己的 AI Agent（智能体），最终实现类似 OpenClaw 的轻量级版本。\n\n## 环境准备\n\n在开始之前，请确保你的开发环境满足以下要求：\n\n*   **操作系统**：Linux, macOS 或 Windows (WSL2 推荐)\n*   **Python 版本**：Python 3.9 或更高版本\n*   **依赖管理**：pip 或 poetry\n*   **API Key**：你需要一个大模型服务商的 API Key（支持 LiteLLM 接入的所有提供商，如 OpenAI, Anthropic, 国内大模型等）\n\n## 安装步骤\n\n### 1. 克隆项目\n首先，将教程代码库克隆到本地：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fopenclaw\u002Fbuild-your-own-openclaw.git\ncd build-your-own-openclaw\n```\n\n### 2. 配置 API 密钥\n在运行任何步骤前，必须配置你的模型 API 密钥。\n\n**复制配置文件：**\n```bash\ncp default_workspace\u002Fconfig.example.yaml default_workspace\u002Fconfig.user.yaml\n```\n\n**编辑配置：**\n使用你喜欢的编辑器打开 `default_workspace\u002Fconfig.user.yaml`，填入你的 API Key 和选择的模型提供商。\n*   支持的提供商列表参考：[LiteLLM Providers](https:\u002F\u002Fdocs.litellm.ai\u002Fdocs\u002Fproviders)\n*   配置示例参考项目中的 `PROVIDER_EXAMPLES.md`\n\n> **提示**：如果你使用的是国内大模型（如通义千问、智谱 AI 等），请确保在配置文件中正确设置 `base_url` 和 `model` 名称。\n\n### 3. 安装依赖\n进入你想要开始的步骤目录（例如从第一步开始），安装所需依赖：\n\n```bash\ncd 00-chat-loop\npip install -r requirements.txt\n```\n*(注：每个步骤目录下通常包含独立的 `requirements.txt`，请根据当前步骤所在目录执行安装)*\n\n## 基本使用\n\n本教程采用“阅读文档 + 运行代码”的学习方式。每个步骤都是一个可运行的独立项目。\n\n### 运行第一个示例：聊天循环 (Step 00)\n\n这是最基础的起点，构建一个简单的对话循环。\n\n1.  **进入目录**：\n    ```bash\n    cd 00-chat-loop\n    ```\n\n2.  **阅读设计文档**：\n    先阅读该目录下的 `README.md`，了解核心组件和设计决策。\n\n3.  **运行代码**：\n    执行主程序启动 Agent：\n    ```bash\n    python main.py\n    ```\n\n4.  **交互体验**：\n    终端启动后，你可以直接输入消息与 Agent 对话。\n\n### 进阶学习路径\n\n完成基础步骤后，你可以按照以下四个阶段逐步深入：\n\n*   **阶段 1：全能单智能体 (Steps 1-7)**\n    学习如何让 Agent 使用工具、掌握技能 (`SKILL.md`)、持久化记忆、处理斜杠命令以及访问互联网。\n    *   示例：`cd 01-tools` -> 运行并测试工具调用功能。\n\n*   **阶段 2：事件驱动架构 (Steps 8-11)**\n    重构为事件驱动模式，支持多平台接入（手机、WebSocket）、配置热重载。\n    *   示例：`cd 09-channels` -> 尝试通过不同渠道与 Agent 通信。\n\n*   **阶段 3：自主与多智能体 (Steps 12-16)**\n    添加定时任务 (Cron)、多层提示词上下文、多智能体路由与协作。\n    *   示例：`cd 15-agent-dispatch` -> 观察多个 Agent 如何协同工作。\n\n*   **阶段 4：生产与扩展 (Steps 17-18)**\n    实现并发控制和长期记忆机制，为生产环境做准备。\n\n### 参考实现\n如果你在某个步骤遇到困难，可以参考完整的实现示例：\n*   **Pickle-bot**: [https:\u002F\u002Fgithub.com\u002Fczl9707\u002Fpickle-bot](https:\u002F\u002Fgithub.com\u002Fczl9707\u002Fpickle-bot)\n\n现在，请从 `00-chat-loop` 开始你的构建之旅吧！","某初创团队希望快速构建一个能自动监控竞品动态、整理日报并推送至钉钉群的智能助手，但缺乏成熟的 Agent 开发框架。\n\n### 没有 build-your-own-openclaw 时\n- **从零造轮子耗时久**：开发者需手动编写基础的对话循环、记忆存储和工具调用逻辑，耗费数周仅能实现简单聊天功能。\n- **架构扩展性差**：初期代码耦合严重，想要从命令行迁移到钉钉或 WebSocket 接口时，必须重构大量核心代码。\n- **多任务协作困难**：无法轻松实现定时抓取新闻与自动总结的协同工作，更难以让多个专用 Agent（如搜索员、撰写员）分工合作。\n- **配置修改繁琐**：每次调整 API 密钥或提示词策略都需要重启服务，严重影响调试效率和迭代速度。\n\n### 使用 build-your-own-openclaw 后\n- **渐进式开发提效**：团队直接复用其 18 个递进式步骤，几天内即可从基础聊天机器人升级为具备联网搜索和技能学习能力的成熟 Agent。\n- **事件驱动无缝切换**：依托内置的事件驱动架构，轻松将助手部署到钉钉频道，并通过热重载功能实时调整配置无需停机。\n- **自主协作自动化**：利用多 Agent 路由和定时心跳机制，实现了“搜索 Agent\"抓数据、“写作 Agent\"写日报的全自动夜间运行流程。\n- **生产级特性完备**：直接获得并发控制和长短期记忆模块支持，确保在高负载下系统稳定运行且能记住长期的竞品分析上下文。\n\nbuild-your-own-openclaw 通过标准化的分步教程，将复杂的 AI Agent 开发从“手写底层代码”转变为“组装模块化能力”，极大降低了企业级智能助手的落地门槛。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fczl9707_build-your-own-openclaw_1061975e.png","czl9707","Zane Chen","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fczl9707_dcd7c2ef.png","A nostalgia Software Engineer",null,"New York","https:\u002F\u002Fzane-portfolio.kiyo-n-zane.com\u002F","https:\u002F\u002Fgithub.com\u002Fczl9707",[24,28,32,36],{"name":25,"color":26,"percentage":27},"Python","#3572A5",94.7,{"name":29,"color":30,"percentage":31},"TypeScript","#3178c6",4.9,{"name":33,"color":34,"percentage":35},"CSS","#663399",0.3,{"name":37,"color":38,"percentage":39},"JavaScript","#f1e05a",0.1,1217,207,"2026-04-19T19:12:39","MIT",2,"未说明",{"notes":47,"python":45,"dependencies":48},"本项目是一个分步教程，用于构建 AI Agent。运行前需配置 API Key（支持 LiteLLM 兼容的多种大模型提供商），无需本地部署大型模型或特定 GPU 硬件，主要依赖云端 API 服务。",[49],"litellm",[51,52,53],"开发框架","Agent","语言模型",[55,56,57,58,59],"ai-agent","tutorial","build-your-own-x","llm","python","ready","2026-03-27T02:49:30.150509","2026-04-20T10:37:19.546743",[],[],[66,77,86,94,102,111],{"id":67,"name":68,"github_repo":69,"description_zh":70,"stars":71,"difficulty_score":72,"last_commit_at":73,"category_tags":74,"status":60},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",[52,51,75,76],"图像","数据工具",{"id":78,"name":79,"github_repo":80,"description_zh":81,"stars":82,"difficulty_score":44,"last_commit_at":83,"category_tags":84,"status":60},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",[76,51,52,75,85],"插件",{"id":87,"name":88,"github_repo":89,"description_zh":90,"stars":91,"difficulty_score":72,"last_commit_at":92,"category_tags":93,"status":60},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",[51,75,52],{"id":95,"name":96,"github_repo":97,"description_zh":98,"stars":99,"difficulty_score":44,"last_commit_at":100,"category_tags":101,"status":60},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",[51,52,53],{"id":103,"name":104,"github_repo":105,"description_zh":106,"stars":107,"difficulty_score":108,"last_commit_at":109,"category_tags":110,"status":60},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",[52,85],{"id":112,"name":113,"github_repo":114,"description_zh":115,"stars":116,"difficulty_score":44,"last_commit_at":117,"category_tags":118,"status":60},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。",109154,"2026-04-18T11:18:24",[51,75,52]]