[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-dadbodgeoff--drift":3,"tool-dadbodgeoff--drift":64},[4,18,26,39,48,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"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。",100752,2,"2026-04-10T01:20:03",[13,14,15,16],"插件","Agent","图像","开发框架","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},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",[13,16],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":10,"last_commit_at":32,"category_tags":33,"status":17},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",85052,"2026-04-08T11:03:08",[15,34,35,13,14,36,37,16,38],"数据工具","视频","其他","语言模型","音频",{"id":40,"name":41,"github_repo":42,"description_zh":43,"stars":44,"difficulty_score":45,"last_commit_at":46,"category_tags":47,"status":17},2181,"OpenHands","OpenHands\u002FOpenHands","OpenHands 是一个专注于 AI 驱动开发的开源平台，旨在让智能体（Agent）像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点，通过自动化流程显著提升开发速度。\n\n无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员，还是需要快速原型验证的技术团队，都能从中受益。OpenHands 提供了灵活多样的使用方式：既可以通过命令行（CLI）或本地图形界面在个人电脑上轻松上手，体验类似 Devin 的流畅交互；也能利用其强大的 Python SDK 自定义智能体逻辑，甚至在云端大规模部署上千个智能体并行工作。\n\n其核心技术亮点在于模块化的软件智能体 SDK，这不仅构成了平台的引擎，还支持高度可组合的开发模式。此外，OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩，证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能，支持与 Slack、Jira 等工具集成，并提供细粒度的权限管理，适合从个人开发者到大型企业的各类用户场景。",70918,3,"2026-04-09T23:08:27",[37,14,16,13],{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":10,"last_commit_at":54,"category_tags":55,"status":17},51,"gstack","garrytan\u002Fgstack","gstack 是 Y Combinator CEO Garry Tan 亲自开源的一套 AI 工程化配置，旨在将 Claude Code 升级为你的虚拟工程团队。面对单人开发难以兼顾产品战略、架构设计、代码审查及质量测试的挑战，gstack 提供了一套标准化解决方案，帮助开发者实现堪比二十人团队的高效产出。\n\n这套配置特别适合希望提升交付效率的创始人、技术负责人，以及初次尝试 Claude Code 的开发者。gstack 的核心亮点在于内置了 15 个具有明确职责的 AI 角色工具，涵盖 CEO、设计师、工程经理、QA 等职能。用户只需通过简单的斜杠命令（如 `\u002Freview` 进行代码审查、`\u002Fqa` 执行测试、`\u002Fplan-ceo-review` 规划功能），即可自动化处理从需求分析到部署上线的全链路任务。\n\n所有操作基于 Markdown 和斜杠命令，无需复杂配置，完全免费且遵循 MIT 协议。gstack 不仅是一套工具集，更是一种现代化的软件工厂实践，让单人开发者也能拥有严谨的工程流程。",68319,"2026-04-09T23:08:01",[14,13],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":17},3074,"gpt4free","xtekky\u002Fgpt4free","gpt4free 是一个由社区驱动的开源项目，旨在聚合多种可访问的大型语言模型（LLM）和媒体生成接口，让用户能更灵活、便捷地使用前沿 AI 能力。它解决了直接调用各类模型时面临的接口分散、门槛高或成本昂贵等痛点，通过统一的标准将不同提供商的资源整合在一起。\n\n无论是希望快速集成 AI 功能的开发者、需要多模型对比测试的研究人员，还是想免费体验最新技术的普通用户，都能从中受益。gpt4free 提供了丰富的使用方式：既包含易于上手的 Python 和 JavaScript 客户端库，也支持部署本地图形界面（GUI），更提供了兼容 OpenAI 标准的 REST API，方便无缝替换现有应用后端。\n\n其技术亮点在于强大的多提供商支持架构，能够动态调度包括 Opus、Gemini、DeepSeek 等多种主流模型资源，并支持 Docker 一键部署及本地推理。项目秉持社区优先原则，在降低使用门槛的同时，也为贡献者提供了扩展新接口的便利框架，是探索和利用多样化 AI 资源的实用工具。",65970,"2026-04-04T01:02:03",[13,37,14],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":79,"owner_email":79,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":120,"forks":121,"last_commit_at":122,"license":79,"difficulty_score":123,"env_os":124,"env_gpu":125,"env_ram":125,"env_deps":126,"category_tags":129,"github_topics":130,"view_count":10,"oss_zip_url":79,"oss_zip_packed_at":79,"status":17,"created_at":144,"updated_at":145,"faqs":146,"releases":178},6168,"dadbodgeoff\u002Fdrift","drift","Codebase intelligence for AI. Detects patterns & conventions + remembers decisions across sessions. MCP server for any IDE. Offline CLI.","Drift 是一款专为 AI 编程助手打造的代码库智能增强工具。它旨在解决大模型在理解复杂项目时，难以把握团队特有的编码风格、隐性规范以及跨会话决策记忆的痛点。通过深度扫描代码库，Drift 能自动识别项目中的模式与约定，并将关键的技术决策持久化存储，确保 AI 在不同会话中都能保持上下文的一致性，从而生成更符合项目规范的代码。\n\n这款工具特别适合软件开发者和技术团队使用，尤其是那些希望提升 AI 结对编程效率、减少重复配置说明的工程人员。Drift 的独特之处在于其灵活的架构设计：它既是一个支持任意集成开发环境（IDE）的 MCP（模型上下文协议）服务器，也是一个可离线运行的命令行工具，充分保障了数据隐私与本地化需求。此外，其核心引擎已从早期的 TypeScript 重构为高性能的 Rust 实现，显著提升了分析速度与系统稳定性。无论是日常功能开发还是大型项目重构，Drift 都能让 AI 更“懂”你的代码习惯，成为真正默契的智能搭档。","# Drift\n\nCodebase intelligence for AI. Detects patterns & conventions + remembers decisions across sessions. MCP server for any IDE. Offline CLI.\n\n## Repository structure\n\n- **drift v1 depreciated\u002F** – Legacy TypeScript implementation (deprecated)\n- **drift v2\u002F** – Current Rust\u002FTypeScript monorepo (active development)\n\nFor v2 setup and usage, see `drift v2\u002FREADME.md` or the docs in `drift v2\u002Fdocs\u002F`.\n","# 漂移\n\n面向人工智能的代码库智能工具。能够检测模式和约定，并在不同会话间记住决策。适用于任何 IDE 的 MCP 服务器。支持离线命令行界面。\n\n## 仓库结构\n\n- **drift v1 depreciated\u002F** – 旧版 TypeScript 实现（已弃用）\n- **drift v2\u002F** – 当前的 Rust\u002FTypeScript 单体仓库（正在开发中）\n\n有关 v2 的设置和使用，请参阅 `drift v2\u002FREADME.md` 或 `drift v2\u002Fdocs\u002F` 中的文档。","# Drift 快速上手指南\n\nDrift 是一款专为 AI 设计的代码库智能工具，能够检测代码模式与规范，并在不同会话间记忆决策。它支持作为 MCP 服务器集成到任意 IDE，也提供离线 CLI 使用方式。\n\n> **注意**：当前活跃开发版本为 **Drift v2**（基于 Rust\u002FTypeScript），旧版 v1 已废弃。本指南仅针对 v2 版本。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n- **操作系统**：Linux, macOS, 或 Windows (WSL 推荐)\n- **前置依赖**：\n  - [Rust](https:\u002F\u002Frustup.rs\u002F) (最新稳定版)\n  - [Node.js](https:\u002F\u002Fnodejs.org\u002F) (v18 或更高版本)\n  - Git\n\n**国内加速建议**：\n- 安装 Rust 时，建议使用国内镜像源配置 `rustup`：\n  ```bash\n  export RUSTUP_DIST_SERVER=https:\u002F\u002Fmirrors.ustc.edu.cn\u002Frust-static\n  export RUSTUP_UPDATE_ROOT=https:\u002F\u002Fmirrors.ustc.edu.cn\u002Frust-static\u002Frustup\n  curl --proto '=https' --tlsv1.2 -sSf https:\u002F\u002Fmirrors.ustc.edu.cn\u002Frust-static\u002Frustup-init.sh | sh\n  ```\n- Node.js 推荐使用 [cnpm](https:\u002F\u002Fgithub.com\u002Fcnpm\u002Fcnpm) 或淘宝镜像源进行包管理。\n\n## 安装步骤\n\n由于 Drift v2 采用 Monorepo 结构，需克隆仓库并进入对应目录进行构建。\n\n1. **克隆仓库**\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002Fdrift-labs\u002Fdrift.git\n   cd drift\n   ```\n\n2. **进入 v2 目录**\n   ```bash\n   cd \"drift v2\"\n   ```\n\n3. **安装依赖并构建**\n   \n   首先安装 Rust 依赖：\n   ```bash\n   cargo build --release\n   ```\n\n   接着安装 TypeScript\u002FNode 依赖（如项目包含前端或 TS 工具链）：\n   ```bash\n   npm install\n   # 或者使用国内镜像\n   cnpm install\n   ```\n\n4. **验证安装**\n   构建完成后，可尝试运行 CLI 帮助命令确认安装成功：\n   ```bash\n   cargo run --release -- --help\n   ```\n\n## 基本使用\n\nDrift 主要作为 MCP (Model Context Protocol) 服务器运行，以便让 AI 助手理解您的代码库。\n\n### 启动 MCP 服务器\n\n在项目根目录下运行以下命令启动服务：\n\n```bash\ncargo run --release -- mcp serve\n```\n\n### 集成到 IDE\n\n一旦服务器启动，您可以在支持 MCP 协议的 AI 编程助手（如 Cursor、Zed 或配置了 MCP 的 VS Code 插件）中连接该服务。\n\n**配置示例**（以通用 MCP 客户端配置为例）：\n```json\n{\n  \"mcpServers\": {\n    \"drift\": {\n      \"command\": \"cargo\",\n      \"args\": [\"run\", \"--release\", \"--\", \"mcp\", \"serve\"],\n      \"cwd\": \"\u002Fpath\u002Fto\u002Fyour\u002Fproject\"\n    }\n  }\n}\n```\n\n启动后，AI 将自动获取代码库的上下文信息，包括代码规范、历史决策记录及模式分析，从而提供更精准的代码建议。","某中型电商团队的后端工程师正在重构遗留的订单处理模块，需要让 AI 助手在理解现有代码规范的基础上生成新代码。\n\n### 没有 drift 时\n- AI 生成的代码风格与团队现有的命名规范和错误处理模式不一致，导致每次都需要人工大幅修改。\n- 跨会话协作时，AI 无法记住之前关于“异步重试机制”的技术决策，反复提出已被否决的方案。\n- 开发者必须手动复制大量上下文代码片段给 AI，不仅耗时且容易超出令牌限制，导致分析不准确。\n- 离线环境下无法使用智能辅助，一旦网络波动，开发流程即刻中断。\n\n### 使用 drift 后\n- drift 自动扫描并学习代码库中的模式与约定，确保 AI 输出的代码天然符合团队风格，无需二次调整。\n- 凭借跨会话记忆能力，drift 让 AI 准确复现之前确定的技术决策，避免重复讨论已解决的架构问题。\n- 作为本地运行的 CLI 和 MCP 服务器，drift 直接在 IDE 中提供全量代码库智能，无需手动粘贴上下文。\n- 完全支持离线工作模式，无论网络状况如何，开发者都能获得稳定、快速的代码分析与建议。\n\ndrift 通过将代码库智能转化为可记忆的上下文，让 AI 从“通用聊天机器人”进化为真正懂项目的“资深结对程序员”。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdadbodgeoff_drift_197a6da5.png","dadbodgeoff","Geoffrey Fernald","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fdadbodgeoff_68dcfb62.png","Just a guy trying to be better than he was yesterday",null,"https:\u002F\u002Fx.com\u002FDadBodGeoffTV","https:\u002F\u002Fgithub.com\u002Fdadbodgeoff",[83,87,91,95,99,103,107,110,114,117],{"name":84,"color":85,"percentage":86},"TypeScript","#3178c6",62.9,{"name":88,"color":89,"percentage":90},"Rust","#dea584",34.5,{"name":92,"color":93,"percentage":94},"HTML","#e34c26",1.4,{"name":96,"color":97,"percentage":98},"JavaScript","#f1e05a",0.6,{"name":100,"color":101,"percentage":102},"C#","#178600",0.2,{"name":104,"color":105,"percentage":106},"PHP","#4F5D95",0.1,{"name":108,"color":109,"percentage":106},"Java","#b07219",{"name":111,"color":112,"percentage":113},"Shell","#89e051",0,{"name":115,"color":116,"percentage":113},"CSS","#663399",{"name":118,"color":119,"percentage":113},"Go","#00ADD8",768,63,"2026-04-09T07:52:50",4,"","未说明",{"notes":127,"python":125,"dependencies":128},"README 中未提供具体的运行环境需求。该项目当前活跃版本为 v2（drift v2\u002F），采用 Rust 和 TypeScript 开发的单体仓库架构，而非 Python 实现。详细的环境配置和使用说明需参考 `drift v2\u002FREADME.md` 或 `drift v2\u002Fdocs\u002F` 目录下的文档。",[],[13],[131,132,133,134,135,136,137,138,139,140,141,142,143],"ai-tools","cli","code-quality","csharp","java","mcp","mcp-server","model-context-protocol","pattern-detection","php","python","typescript","vscode-extension","2026-03-27T02:49:30.150509","2026-04-10T15:54:22.007239",[147,152,157,161,165,170,174],{"id":148,"question_zh":149,"answer_zh":150,"source_url":151},27933,"运行 Drift 时遇到 'JavaScript heap out of memory'（内存溢出）错误怎么办？","该问题已在版本 0.9.33 中通过重大重构解决。开发团队将调用图分析和代码解析的核心逻辑从 TypeScript 重写为 Rust。这一改动显著提升了性能并解决了内存限制问题。请升级至最新版本：\n1. 更新包：确保使用 driftdetect 0.9.33 或更高版本。\n2. 验证：新版本利用 Rust 进行底层处理，不再受限于 Node.js 的堆内存大小，能够处理大型代码库。","https:\u002F\u002Fgithub.com\u002Fdadbodgeoff\u002Fdrift\u002Fissues\u002F32",{"id":153,"question_zh":154,"answer_zh":155,"source_url":156},27934,"应该将 .drift 目录下的哪些文件提交到 Git 版本控制中？","根据官方文档和最佳实践：\n1. 建议提交：.drift\u002Findexes 和 .drift\u002Fboundaries 通常包含项目的基础索引和边界定义，建议提交以便团队协作保持一致。\n2. 视情况提交：.drift\u002Fviews 通常包含用户特定的视图配置，如果是个人偏好可不提交，但如果是团队共享的分析视图则建议提交。\n3. 参考文档：具体的忽略规则和建议已更新至项目 Wiki 中，建议查阅最新的 Wiki 页面以获取针对您工作流的详细指南。","https:\u002F\u002Fgithub.com\u002Fdadbodgeoff\u002Fdrift\u002Fissues\u002F30",{"id":158,"question_zh":159,"answer_zh":160,"source_url":156},27935,"如何配置自动批准模式（Auto Approve）？配置文件格式是什么？","在 config.json 中可以通过两种方式配置自动批准逻辑：\n1. 基于学习阈值：\n   \"learning\": {\n     \"autoApproveThreshold\": \u003C数值>\n   }\n2. 基于模式置信度：\n   \"patterns\": {\n     \"minConfidence\": 0.7,\n     \"autoApprove\": false\n   }\n具体使用哪种方式取决于您希望基于历史学习数据还是静态规则的置信度来进行自动批准。建议参考最新更新的 Wiki 文档以获取完整的配置示例。",{"id":162,"question_zh":163,"answer_zh":164,"source_url":156},27936,"运行 'npx -y driftdetect-mcp' 时报错 'could not determine executable to run' 如何解决？","此问题通常是因为 MCP 服务器已捆绑在 CLI 主包中，无需单独运行或通过 npx 调用可执行文件。\n解决方案：\n1. 确保安装了最新版 CLI：运行 npm install -g driftdetect@latest。\n2. 重启 IDE：MCP 服务器随 CLI 一起安装，通常在 IDE（如 VS Code）重启后会自动加载并连接，无需手动在终端运行 npx 命令。\n3. 验证版本：运行 drift --version 确认版本号为 0.9.40 或更高。",{"id":166,"question_zh":167,"answer_zh":168,"source_url":169},27937,"全局安装后运行 'drift init' 报错 'Cannot find module ... index.js' 怎么办？","这是由于旧版本 npm 包中缺少编译后的 dist 文件导致的。\n解决步骤：\n1. 卸载旧版本：npm uninstall -g driftdetect\n2. 清理缓存（可选）：npm cache clean --force\n3. 重新安装最新版：npm install -g driftdetect@latest\n4. 验证安装：运行 drift --version，应显示 0.9.40 或更高版本。\n注意：如果您正在使用 MCP 功能，安装完成后请重启您的 IDE 以确保正确加载 bundled 的 MCP 服务器。","https:\u002F\u002Fgithub.com\u002Fdadbodgeoff\u002Fdrift\u002Fissues\u002F35",{"id":171,"question_zh":172,"answer_zh":173,"source_url":156},27938,"Drift 如何自动识别项目语言并加载相应的工具？可以强制加载所有工具吗？","从 v0.9.27 开始，Drift 具备智能工具过滤功能：\n1. 自动检测：无需配置，工具会自动读取 tsconfig.json, go.mod, Cargo.toml 等文件来识别项目语言。\n2. 工具加载策略：默认加载 41 个核心工具（模式、安全、影响分析等），并根据检测到的语言动态加载额外的语言特定工具（如 drift_typescript, drift_go 等），以减少上下文噪音。\n3. 强制加载所有工具：如果需要在一个多语言单体仓库中暴露所有工具，可在 config.json 中添加以下配置：\n   { \"mcp\": { \"tools\": { \"all\": true } } }",{"id":175,"question_zh":176,"answer_zh":177,"source_url":169},27939,"Drift 现在支持 C# 项目的哪些特性？","最新版本增强了对 C# 的支持，能够无需特殊配置即可自动提取和分析以下内容：\n1. ASP.NET Core 属性：如 [HttpGet], [Authorize], [Route]。\n2. Entity Framework 属性：如 [Key], [Required]。\n3. 文档注释：支持 XML doc comments。\n4. 类继承关系。\n这使得 Drift 能够自动检测 API 端点、数据访问模式、认证流程、依赖注入模式以及验证逻辑。",[]]