[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-daveebbelaar--ai-cookbook":3,"tool-daveebbelaar--ai-cookbook":62},[4,18,26,36,46,54],{"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",160015,2,"2026-04-18T11:30:52",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":42,"last_commit_at":43,"category_tags":44,"status":17},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",[13,45],"插件",{"id":47,"name":48,"github_repo":49,"description_zh":50,"stars":51,"difficulty_score":32,"last_commit_at":52,"category_tags":53,"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。",109154,"2026-04-18T11:18:24",[14,15,13],{"id":55,"name":56,"github_repo":57,"description_zh":58,"stars":59,"difficulty_score":32,"last_commit_at":60,"category_tags":61,"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",[45,13,15,14],{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":78,"owner_email":79,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":95,"forks":96,"last_commit_at":97,"license":98,"difficulty_score":42,"env_os":99,"env_gpu":100,"env_ram":100,"env_deps":101,"category_tags":104,"github_topics":105,"view_count":32,"oss_zip_url":79,"oss_zip_packed_at":79,"status":17,"created_at":112,"updated_at":113,"faqs":114,"releases":115},9102,"daveebbelaar\u002Fai-cookbook","ai-cookbook","Examples and tutorials to help developers build AI systems","ai-cookbook 是一本专为开发者打造的 AI 系统构建实战指南，汇集了丰富的示例代码与详细教程。它的核心目标是解决开发者在从零搭建 AI 应用时面临的“起步难”和“集成慢”问题，通过提供可直接复制粘贴的代码片段，帮助用户快速将功能模块整合到自己的项目中，从而大幅降低试错成本并提升开发效率。\n\n这份资源特别适合具有一定编程基础、希望快速上手构建落地型 AI 系统的软件工程师和技术爱好者。无论你是想巩固 Python 基础的新手，还是寻求端到端生成式 AI（GenAI）解决方案的资深开发者，都能从中找到对应的实践路径。ai-cookbook 的独特亮点在于其强烈的“实战导向”，所有内容均源自真实世界的项目开发经验，摒弃了纯理论的空泛讲解，专注于传授那些在实际生产中真正行得通的技术方案。由 AI 工程师 Dave 及其团队维护，它不仅是代码库，更是一座连接理论学习与工程落地的桥梁，助力用户高效构建稳定可靠的智能应用。","# Introduction\n\nThis Cookbook contains examples and tutorials to help developers build AI systems with copy\u002Fpaste code snippets that you can easily integrate into your own projects.\n\n## About me\n\nI'm Dave, an AI engineer and founder of Datalumina. I run an AI development company, and on my [YouTube channel](https:\u002F\u002Fwww.youtube.com\u002F@daveebbelaar?sub_confirmation=1), I share practical tutorials that teach you how to build AI systems that actually work in the real world.\n\n### My other work\n\nBeyond this cookbook, I've created a few other resources that might help you depending on where you are in your career.\n\nIf you're completely new to AI and just getting started with Python, I have a [free five-hour course](https:\u002F\u002Fyoutu.be\u002FygXn5nV5qFc) that covers everything you need to know to build a solid foundation.\n\nIf you're already comfortable with the basics and want to go deeper, I run a program where I teach developers [how to build and deploy end-to-end GenAI solutions](https:\u002F\u002Fgo.datalumina.com\u002FCkIsMAK) using the same approach we use for our agency clients.\n\nAnd if you're a skilled developer or data professional looking to go independent, I can help you [land your first client](https:\u002F\u002Fgo.datalumina.com\u002FMVWhVn9).\n","# 介绍\n\n本 Cookbook 包含示例和教程，旨在帮助开发者通过可直接复制粘贴的代码片段构建 AI 系统，并轻松集成到您自己的项目中。\n\n## 关于我\n\n我是 Dave，一名 AI 工程师，同时也是 Datalumina 的创始人。我经营一家 AI 开发公司，在我的 [YouTube 频道](https:\u002F\u002Fwww.youtube.com\u002F@daveebbelaar?sub_confirmation=1)上，我会分享实用的教程，教您如何构建真正能在现实世界中发挥作用的 AI 系统。\n\n### 我的其他工作\n\n除了这本 Cookbook 之外，我还创建了其他一些资源，具体哪一种对您有帮助，取决于您目前的职业发展阶段。\n\n如果您是 AI 领域的新手，刚刚开始学习 Python，我有一门 [免费的五小时课程](https:\u002F\u002Fyoutu.be\u002FygXn5nV5qFc)，涵盖了建立扎实基础所需的一切知识。\n\n如果您已经掌握了基础知识并希望深入学习，我可以带您参与一个项目，教您如何使用我们为代理客户所采用的相同方法，[构建并部署端到端的 GenAI 解决方案](https:\u002F\u002Fgo.datalumina.com\u002FCkIsMAK)。\n\n而如果您是一位经验丰富的开发者或数据专业人士，正考虑独立创业，我也可以帮助您[拿下您的第一位客户](https:\u002F\u002Fgo.datalumina.com\u002FMVWhVn9)。","# ai-cookbook 快速上手指南\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**：Windows、macOS 或 Linux\n- **Python 版本**：建议安装 Python 3.8 或更高版本\n- **前置依赖**：\n  - 已安装 `git` 用于克隆代码库\n  - 已安装 `pip` 用于管理 Python 包\n  - （可选）建议创建虚拟环境以隔离项目依赖\n\n> **提示**：国内开发者可使用清华源或阿里源加速 pip 安装，例如：`pip install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple \u003Cpackage_name>`\n\n## 安装步骤\n\n1. **克隆仓库**\n   打开终端，执行以下命令将项目复制到本地：\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002Fdaveebbelaar\u002Fai-cookbook.git\n   cd ai-cookbook\n   ```\n\n2. **创建并激活虚拟环境**（推荐）\n   ```bash\n   python -m venv venv\n   # Windows\n   venv\\Scripts\\activate\n   # macOS \u002F Linux\n   source venv\u002Fbin\u002Factivate\n   ```\n\n3. **安装依赖**\n   根据具体示例所需的依赖，安装基础包或查看对应文件夹下的 `requirements.txt`：\n   ```bash\n   pip install -r requirements.txt\n   ```\n   *注：若需加速，可添加国内镜像源参数，如 `pip install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple -r requirements.txt`*\n\n## 基本使用\n\n本工具的核心价值在于提供“复制即用”的代码片段。以下是使用流程：\n\n1. **浏览示例**\n   进入仓库目录，查看不同的教程文件夹（如 `llm-basics`, `rag-systems` 等），找到您需要的功能场景。\n\n2. **复制代码**\n   直接复制示例中的 Python 代码片段到您的项目中。\n\n3. **运行示例**\n   假设您找到了一个名为 `simple_chat.py` 的示例文件，直接在终端运行：\n   ```bash\n   python simple_chat.py\n   ```\n\n4. **集成到项目**\n   将复制的代码逻辑嵌入您现有的 AI 应用结构中，并根据需要修改 API Key 或配置参数即可。\n\n> **注意**：大部分示例需要配置 LLM API Key（如 OpenAI、Anthropic 等），请在代码中替换为您自己的密钥或在环境变量中设置。","一家初创公司的后端工程师需要在两天内为电商客服系统集成一个能自动处理退货请求的生成式 AI 功能，但团队缺乏大模型落地的实战经验。\n\n### 没有 ai-cookbook 时\n- 开发者需在海量碎片化博客和过时的官方文档中盲目搜索，难以辨别代码示例的可用性与时效性。\n- 面对复杂的 Prompt 工程、上下文窗口管理及流式响应处理，只能从零摸索，极易陷入调试死胡同。\n- 缺乏端到端的完整架构参考，导致代码模块间接口不兼容，反复重构浪费了大量开发时间。\n- 担心生产环境的稳定性与错误处理机制，因无现成最佳实践可依，上线前不得不进行冗长的手动测试。\n\n### 使用 ai-cookbook 后\n- 直接复制经过验证的代码片段，快速集成了符合当前技术栈的退货处理逻辑，省去了筛选无效信息的时间。\n- 参照教程中关于 Prompt 优化和流式输出的具体案例，一次性解决了响应延迟和意图识别不准的难题。\n- 基于提供的端到端 GenAI 解决方案模板，迅速搭建起从用户输入到数据库更新的完整闭环，架构清晰稳定。\n- 利用内置的错误处理和重试机制示例，显著提升了系统在异常流量下的鲁棒性，确保了按时高质量交付。\n\nai-cookbook 通过将抽象的 AI 理论转化为可立即运行的代码实战，让开发者从“造轮子”的困境中解脱，专注于业务价值的快速实现。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdaveebbelaar_ai-cookbook_44cddb02.png","daveebbelaar","Dave Ebbelaar","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fdaveebbelaar_7af3bd2f.jpg","AI Engineer, Founder of Datalumina","@datalumina","Amsterdam",null,"www.academy.datalumina.com","https:\u002F\u002Fgithub.com\u002Fdaveebbelaar",[83,87,91],{"name":84,"color":85,"percentage":86},"Python","#3572A5",95,{"name":88,"color":89,"percentage":90},"Jupyter Notebook","#DA5B0B",4.9,{"name":92,"color":93,"percentage":94},"Dockerfile","#384d54",0.2,3941,1402,"2026-04-18T07:02:48","MIT","","未说明",{"notes":102,"python":100,"dependencies":103},"README 内容主要为项目介绍及作者背景，未包含具体的运行环境需求、依赖库列表或安装说明。该项目定位为代码片段合集（cookbook），具体环境配置可能取决于各个独立示例的要求。",[],[13,35,15,14],[106,107,108,109,110,111],"agents","ai","anthropic","llm","openai","python","2026-03-27T02:49:30.150509","2026-04-18T22:35:23.252490",[],[]]