[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-deepforge-dev--deepforge":3,"tool-deepforge-dev--deepforge":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},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。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},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",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},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。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},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。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"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":78,"owner_location":78,"owner_email":78,"owner_twitter":78,"owner_website":79,"owner_url":80,"languages":81,"stars":120,"forks":121,"last_commit_at":122,"license":123,"difficulty_score":124,"env_os":125,"env_gpu":125,"env_ram":125,"env_deps":126,"category_tags":133,"github_topics":134,"view_count":23,"oss_zip_url":78,"oss_zip_packed_at":78,"status":16,"created_at":138,"updated_at":139,"faqs":140,"releases":171},2937,"deepforge-dev\u002Fdeepforge","deepforge","A modern development environment for deep learning","DeepForge 是一款专为深度学习打造的现代化开源可视化开发环境，旨在为用户提供从模型设计到训练部署的全流程支持。它有效解决了传统深度学习开发中代码编写繁琐、架构调试困难以及分布式训练管理复杂等痛点，让开发者无需在多个工具间切换即可完成完整工作流。\n\n这款工具特别适合人工智能研究人员、算法工程师以及希望直观构建神经网络的开发者使用。通过其独特的图形化架构编辑器，用户可以像搭积木一样设计复杂的网络结构，并轻松创建训练与测试流水线。DeepForge 的核心亮点在于支持分布式集群执行，并能通过类似笔记本的交互界面提供实时的训练反馈，让用户能够并排对比不同实验的执行状态。此外，它还内置了协同编辑功能和自动版本控制，极大地提升了团队协作效率与实验管理的规范性。无论是快速验证新想法，还是管理大规模深度学习项目，DeepForge 都能提供一个高效、直观且强大的开发平台。","[![Release State](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fstate-beta-yellow.svg)](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fstate-beta-yellow.svg)\n[![License](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-Apache%202.0-blue.svg)](.\u002FLICENSE)\n[![Join us on slack!](http:\u002F\u002Fslack.deepforge.org\u002Fbadge.svg)](http:\u002F\u002Fslack.deepforge.org\u002F)\n\nUsing DeepForge? [Let us know what you think!](https:\u002F\u002Fgoo.gl\u002Fforms\u002F2pDdCPXoUvkQhVzQ2)\n\n# DeepForge\nDeepForge is an open-source visual development environment for deep learning providing end-to-end support for creating deep learning models. This is achieved through providing the ability to design **architectures**, create training **pipelines**, and then execute these pipelines over a cluster. Using a notebook-esque api, users can get real-time feedback about the status of any of their **executions** including compare them side-by-side in real-time.\n\n![overview](images\u002Foverview.png \"\")\n\nAdditional features include:\n- Graphical architecture editor\n- Training\u002Ftesting pipeline creation\n- Distributed pipeline execution\n- Real-time pipeline feedback\n- Collaborative editing\n- Automatic version control.\n\n## Quick Start\nInstalling deepforge natively requires NodeJS (LTS recommended), MongoDB, and python3 installed (at least on the worker machines).\n```\nnpm install -g deepforge-dev\u002Fdeepforge\n```\n\nAfter installing deepforge, you need to install a neural network library of your choosing (a deepforge extension). The recommended is deepforge-keras.\n```\ndeepforge extensions add deepforge-dev\u002Fdeepforge-keras\n```\n\nNext, simply start deepforge with `deepforge start`.\n\nFinally, navigate to [http:\u002F\u002Flocalhost:8888](http:\u002F\u002Flocalhost:8888) to start using DeepForge! For more detailed instructions and other installation options, check out the [docs](http:\u002F\u002Fdeepforge.readthedocs.io\u002Fen\u002Flatest\u002Fdeployment\u002Foverview.html).\n\n## Additional Resources\n- [Intro to DeepForge Slides](https:\u002F\u002Fdocs.google.com\u002Fpresentation\u002Fd\u002F10_y5O3gHXSATfjHVLJg7dOdrz-tAXNWjlxhJ5SlA0ic\u002Fedit?usp=sharing)\n- [wiki](https:\u002F\u002Fgithub.com\u002Fdeepforge-dev\u002Fdeepforge\u002Fwiki) containing overview, installation, configuration and developer information\n- [Examples](https:\u002F\u002Fgithub.com\u002Fdeepforge-dev\u002Fexamples)\n- [Datamodel Developer Slides](https:\u002F\u002Fdocs.google.com\u002Fpresentation\u002Fd\u002F1hd3IyUlzW_TIPnzCnE-1pdz00Pw8WaIxYiOW_Hyog-M\u002Fedit#slide=id.p)\n\n## FAQ\n- Failed extension installation with an error like `Could not find project (webgme-easydag)`\n    - Update your local version of `npm` to at least 5.8.0\n\n## Interested in contributing?\nContributions are welcome! There are a couple different ways to contribute to DeepForge:\n- Provide user feedback!\n    - on the [documentation](http:\u002F\u002Fdeepforge.readthedocs.io)\n    - on deepforge and its future development: https:\u002F\u002Fgoo.gl\u002Fforms\u002F2pDdCPXoUvkQhVzQ2\n- Contribute to the project directly by submitting some PR's!\n\nIf you have any questions, check out the [wiki](https:\u002F\u002Fgithub.com\u002Fdeepforge-dev\u002Fdeepforge\u002Fwiki\u002F) or drop me a line on slack!\n\n\nSponsored by the [National Science Foundation](https:\u002F\u002Fwww.nsf.gov\u002F) and [Digital Reasoning](http:\u002F\u002Fwww.digitalreasoning.com\u002F)\n","[![发布状态](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fstate-beta-yellow.svg)](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fstate-beta-yellow.svg)\n[![许可证](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-Apache%202.0-blue.svg)](.\u002FLICENSE)\n[![加入我们的 Slack 社区！](http:\u002F\u002Fslack.deepforge.org\u002Fbadge.svg)](http:\u002F\u002Fslack.deepforge.org\u002F)\n\n正在使用 DeepForge 吗？[请告诉我们您的想法！](https:\u002F\u002Fgoo.gl\u002Fforms\u002F2pDdCPXoUvkQhVzQ2)\n\n# DeepForge\nDeepForge 是一个用于深度学习的开源可视化开发环境，为创建深度学习模型提供端到端的支持。它通过允许用户设计**架构**、构建训练**流水线**，并在集群上执行这些流水线来实现这一目标。借助类似笔记本的 API，用户可以实时获取其任何**执行**的状态反馈，并在实时情况下对不同执行进行并排比较。\n\n![概览](images\u002Foverview.png \"\")\n\n其他功能包括：\n- 图形化架构编辑器\n- 训练\u002F测试流水线创建\n- 分布式流水线执行\n- 实时流水线反馈\n- 协作编辑\n- 自动版本控制。\n\n## 快速入门\n本地安装 DeepForge 需要安装 Node.js（推荐使用 LTS 版本）、MongoDB 和 Python 3（至少在工作节点上）。\n```\nnpm install -g deepforge-dev\u002Fdeepforge\n```\n\n安装完 DeepForge 后，您需要安装自己选择的神经网络库（作为 DeepForge 的扩展）。推荐使用 deepforge-keras。\n```\ndeepforge extensions add deepforge-dev\u002Fdeepforge-keras\n```\n\n接下来，只需运行 `deepforge start` 即可启动 DeepForge。\n\n最后，访问 [http:\u002F\u002Flocalhost:8888](http:\u002F\u002Flocalhost:8888) 即可开始使用 DeepForge！如需更详细的说明及其他安装选项，请参阅[文档](http:\u002F\u002Fdeepforge.readthedocs.io\u002Fen\u002Flatest\u002Fdeployment\u002Foverview.html)。\n\n## 其他资源\n- [DeepForge 简介幻灯片](https:\u002F\u002Fdocs.google.com\u002Fpresentation\u002Fd\u002F10_y5O3gHXSATfjHVLJg7dOdrz-tAXNWjlxhJ5SlA0ic\u002Fedit?usp=sharing)\n- [维基](https:\u002F\u002Fgithub.com\u002Fdeepforge-dev\u002Fdeepforge\u002Fwiki)，包含概述、安装、配置及开发者信息\n- [示例](https:\u002F\u002Fgithub.com\u002Fdeepforge-dev\u002Fexamples)\n- [数据模型开发者幻灯片](https:\u002F\u002Fdocs.google.com\u002Fpresentation\u002Fd\u002F1hd3IyUlzW_TIPnzCnE-1pdz00Pw8WaIxYiOW_Hyog-M\u002Fedit#slide=id.p)\n\n## 常见问题解答\n- 扩展安装失败，出现类似 `Could not find project (webgme-easydag)` 的错误\n    - 请将本地的 `npm` 更新至至少 5.8.0 版本\n\n## 想要参与贡献吗？\n我们欢迎各方贡献！参与 DeepForge 的方式有多种：\n- 提供用户反馈！\n    - 在[文档](http:\u002F\u002Fdeepforge.readthedocs.io)中\n    - 关于 DeepForge 及其未来发展：https:\u002F\u002Fgoo.gl\u002Fforms\u002F2pDdCPXoUvkQhVzQ2\n- 直接通过提交 Pull Request 来为项目贡献力量！\n\n如果您有任何疑问，请查看[维基](https:\u002F\u002Fgithub.com\u002Fdeepforge-dev\u002Fdeepforge\u002Fwiki\u002F)，或在 Slack 上与我联系！\n\n\n由[美国国家科学基金会](https:\u002F\u002Fwww.nsf.gov\u002F)和[Digital Reasoning](http:\u002F\u002Fwww.digitalreasoning.com\u002F)赞助","# DeepForge 快速上手指南\n\nDeepForge 是一个开源的深度学习可视化开发环境，支持从模型架构设计、训练流水线构建到集群分布式执行的全流程开发。\n\n## 环境准备\n\n在开始安装前，请确保您的系统满足以下要求：\n\n*   **操作系统**：Linux \u002F macOS \u002F Windows (需配置相应环境)\n*   **Node.js**：建议安装 LTS (长期支持) 版本\n*   **MongoDB**：需预先安装并运行\n*   **Python**： worker 节点需安装 Python 3\n\n## 安装步骤\n\n### 1. 安装 DeepForge 核心\n使用 npm 全局安装 DeepForge：\n\n```bash\nnpm install -g deepforge-dev\u002Fdeepforge\n```\n\n> **提示**：国内用户若下载缓慢，可配置淘宝镜像源加速：\n> `npm config set registry https:\u002F\u002Fregistry.npmmirror.com`\n\n### 2. 安装神经网络扩展\nDeepForge 需要搭配具体的深度学习框架扩展才能工作，推荐使用 Keras 扩展：\n\n```bash\ndeepforge extensions add deepforge-dev\u002Fdeepforge-keras\n```\n\n### 3. 启动服务\n安装完成后，运行以下命令启动 DeepForge 服务器：\n\n```bash\ndeepforge start\n```\n\n## 基本使用\n\n1.  **访问界面**：\n    启动成功后，打开浏览器访问 [http:\u002F\u002Flocalhost:8888](http:\u002F\u002Flocalhost:8888)。\n\n2.  **开始开发**：\n    *   **架构设计**：使用图形化编辑器可视化搭建神经网络架构。\n    *   **流水线构建**：创建训练或测试流水线 (Pipeline)。\n    *   **执行与监控**：提交流水线至集群执行，并通过类似 Notebook 的界面实时查看执行状态、日志及对比不同实验结果。\n\n更多详细配置与高级用法，请参考官方 [文档](http:\u002F\u002Fdeepforge.readthedocs.io\u002Fen\u002Flatest\u002Fdeployment\u002Foverview.html)。","某医疗影像初创团队的算法工程师正在协作开发一个用于早期肺癌筛查的卷积神经网络模型，需要在多台服务器上进行大规模分布式训练。\n\n### 没有 deepforge 时\n- 团队成员各自在本地编写脚本定义网络架构，代码风格不统一，合并时经常发生冲突且难以追溯历史版本。\n- 训练任务通过手动提交 Shell 脚本到集群，无法实时监控进度，往往需要数小时后登录服务器查看日志才能发现超参数设置错误。\n- 不同实验的配置分散在各个文件中，缺乏可视化的对比手段，复现最佳模型或分析失败原因如同“大海捞针”。\n- 新加入的成员需要花费数天配置复杂的本地深度学习环境（NodeJS、MongoDB、Python 依赖），严重拖慢项目启动速度。\n\n### 使用 deepforge 后\n- 利用图形化架构编辑器，团队在浏览器中可视化搭建并版本化管理网络结构，自动记录每次修改，彻底消除了代码合并冲突。\n- 通过类 Notebook 的 API 一键将训练流水线分发至集群，实时反馈损失曲线和系统状态，能在几分钟内即时拦截异常任务。\n- 内置的实验对比功能支持并排展示多次执行的指标图表，工程师能直观地筛选出最优模型并快速定位性能瓶颈。\n- 新成员只需安装轻量级客户端即可接入团队共享的开发环境，无需重复配置底层依赖，实现了真正的开箱即用与协同编辑。\n\ndeepforge 将碎片化的深度学习开发流程整合为可视化的端到端闭环，显著提升了团队协作效率与实验迭代速度。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdeepforge-dev_deepforge_3521c533.png","deepforge-dev","DeepForge","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fdeepforge-dev_5373182c.png",null,"https:\u002F\u002Fdeepforge.org","https:\u002F\u002Fgithub.com\u002Fdeepforge-dev",[82,86,90,94,97,101,105,109,113,117],{"name":83,"color":84,"percentage":85},"JavaScript","#f1e05a",78.9,{"name":87,"color":88,"percentage":89},"CSS","#663399",10.4,{"name":91,"color":92,"percentage":93},"Python","#3572A5",2.2,{"name":95,"color":96,"percentage":23},"SCSS","#c6538c",{"name":98,"color":99,"percentage":100},"Lua","#000080",1.8,{"name":102,"color":103,"percentage":104},"Less","#1d365d",1.7,{"name":106,"color":107,"percentage":108},"Stylus","#ff6347",1.5,{"name":110,"color":111,"percentage":112},"Svelte","#ff3e00",0.5,{"name":114,"color":115,"percentage":116},"HTML","#e34c26",0.4,{"name":118,"color":119,"percentage":116},"EJS","#a91e50",755,74,"2026-03-26T19:59:02","Apache-2.0",4,"未说明",{"notes":127,"python":128,"dependencies":129},"该工具是一个可视化开发环境，核心依赖 NodeJS 和 MongoDB。神经网络功能通过扩展实现（如 deepforge-keras），因此具体的 GPU、显存及深度学习框架版本需求取决于用户选择的扩展插件，而非 DeepForge 本身强制规定。安装前需确保 npm 版本至少为 5.8.0 以避免扩展安装失败。","Python 3 (至少在工作节点上安装)",[130,131,132],"NodeJS (推荐 LTS 版本)","MongoDB","deepforge-keras (推荐的神经网络库扩展)",[53,52,13],[135,136,137],"deep-learning","rapid-prototyping","ide","2026-03-27T02:49:30.150509","2026-04-06T05:19:32.547996",[141,146,151,156,161,166],{"id":142,"question_zh":143,"answer_zh":144,"source_url":145},13567,"运行 npm install 时遇到加密密钥字节数错误（'config.authentication.encryption.key must be 32 bytes'）怎么办？","该问题通常由 Windows 风格的换行符导致配置文件读取异常引起。解决方案有两种：\n1. 修改 `config\u002Fconfig.base.js` 文件，显式设置一个 32 字节的密钥：\n   config.authentication.encryption.key = 'pathToAnotherFileWith32bytes';\n2. （推荐）使用 Docker 运行服务器以避免环境配置问题，命令如下：\n   docker-compose up\n   使用的 compose 配置需包含 mongo 服务和 deepforge\u002Fkitchen-sink 镜像，并映射相应端口和数据卷。","https:\u002F\u002Fgithub.com\u002Fdeepforge-dev\u002Fdeepforge\u002Fissues\u002F1720",{"id":147,"question_zh":148,"answer_zh":149,"source_url":150},13568,"如何查看流水线执行中生成的所有图表（目前只能看到一个）？","默认情况下，执行索引仅抓取并显示一个图表。若需查看所有生成的图表，目前的变通方法是打开未显示图表的控制台输出并选择图形视图（graph view）。开发团队已意识到此限制，计划在未来版本中扩展可视化区域或添加切换控件，以便在执行标签页中直接查看所有图表。","https:\u002F\u002Fgithub.com\u002Fdeepforge-dev\u002Fdeepforge\u002Fissues\u002F1907",{"id":152,"question_zh":153,"answer_zh":154,"source_url":155},13569,"在哪里可以找到 DeepForge 的操作指南或演示教程？","操作指南（Walkthroughs）和演示教程已添加到官方文档中，访问地址为：http:\u002F\u002Fdeepforge.readthedocs.org\u002F。此外，项目也参考了类似 deeplearning4j 的教程风格来丰富文档内容。","https:\u002F\u002Fgithub.com\u002Fdeepforge-dev\u002Fdeepforge\u002Fissues\u002F408",{"id":157,"question_zh":158,"answer_zh":159,"source_url":160},13570,"是否支持直接在项目模型中存储 Plotly JSON 以简化绘图后端？","是的，为了解决当前 matplotlib 后端不支持某些绘图（如一维张量图、3D 图）以及转换工具（mpl_to_plotly）的功能限制，建议直接将 Plotly JSON 存储在元模型的 `Graph` 节点中。具体做法是更新 `Graph` 节点，增加一个 `data` 字段用于存放 Plotly JSON 数据。这样可以避免为每种图表编写自定义代码，并立即支持几乎所有类型的绘图。","https:\u002F\u002Fgithub.com\u002Fdeepforge-dev\u002Fdeepforge\u002Fissues\u002F1745",{"id":162,"question_zh":163,"answer_zh":164,"source_url":165},13571,"如何在 ArtifactIndex 中修改工件（Artifact）的类型？","目前允许用户修改工件类型，特别是当类型信息缺失（显示为 Unknown）时。由于系统尚未对上传或导入的工件类型进行严格验证，用户可以手动更改类型值。但需注意，输入无效的类型值可能导致反序列化错误。未来可能会添加对话框警告或在修改时进行一定的有效性检查。","https:\u002F\u002Fgithub.com\u002Fdeepforge-dev\u002Fdeepforge\u002Fissues\u002F1681",{"id":167,"question_zh":168,"answer_zh":169,"source_url":170},13572,"在操作中为字符串属性类型添加默认参数时导致异常，原因是什么？","该问题通常与操作类初始化参数的定义有关。确保在 Python 操作类的 `__init__` 方法中正确定义了所有参数的默认值。例如，对于 `log_path`, `data_path`, `temp_path` 等字符串属性，必须在构造函数中赋予默认值（如空字符串或特定路径），否则在实例化时可能引发异常。检查日志文件（如 webgme-client-dump.json.log）可帮助定位具体缺失的参数。","https:\u002F\u002Fgithub.com\u002Fdeepforge-dev\u002Fdeepforge\u002Fissues\u002F1142",[172,177,182,187,192,197,202,207,212,217,222,227,232,237,242,247,252,257,262,267],{"id":173,"version":174,"summary_zh":175,"released_at":176},72389,"v2.5.0","# 概述\n- 更新代码编辑器，使用 Monaco 和 LSP #571 #1800 \n- 支持工件溯源的具象化 #1734 #1946 \n- 文档改进 #1895 #1896 \n- 改进作业定义中的输出解析 #1815 #1890 \n- 执行索引和图可视化改进 #1907 #1909 #1975 #1976 #2027 #2028 \n- 两阶段提交逻辑的 bug 修复 #1955 #1956 #1953 #1954 #1960 #1961 \n- 库导入功能（通过扩展）#1993 #1994 \n- 作业执行相关 bug 修复 #1973 #1974 #1978 #1979 #2000 #2001 \n- 其他代码清理与改进 #1874 #1877 #1879 #1880 #1882 #1883 #1878 #1881 #1930 #1931 #1972 #2029 #2030 \n- 将作业元数据保存到输出目录 #1917 #1919 \n\n## 交互式编辑器\n- 添加交互式训练编辑器和工作区（暂未在稳定版中启用）#1808 #1816 #1938 #1941 #1926 #1943 #1933 #1952 #1963 #1964 #1965 #1966 #1967 #1968 \n- 添加至现有会话；显示加载状态 #1885 #1937\n- 其他各项改进 #1939 #1940 \n\n## 计算服务\n- 向 SciServer Compute 提交作业时提供作业名称 #1830 #1889 \n- 清除支持 #1724 #1922 \n- 增加账户关联支持 #2005 #2006 #2011 #2012 #2009 #2010 #1999 #2008 #2013 #2014 \n### 交互式计算\n- 增加对 `KILL` 信号的支持 #1898 #1899 \n- 增加保存工件的支持 #1902 #1903 \n- 分叉支持 #1886 #1906 #1921 #1923 \n- 状态更新支持 #1928 #1929","2021-06-02T21:19:46",{"id":178,"version":179,"summary_zh":180,"released_at":181},72390,"v2.4.1","# 概述\n- 修复管道导出为命令行脚本的问题 #1862 #1871 #1869 #1870\n- 修复绘图可视化中的错误 #1867 #1868\n- 更新网站图标和页面标题 #1872 #1873\n- 修复 TwoPhaseCore 工具中的错误信息 #1875 #1876","2020-08-20T15:56:56",{"id":183,"version":184,"summary_zh":185,"released_at":186},72391,"v2.4.0","# 概述\n- 在工件中记录数据溯源信息，任务输出 #1705 #1708 #1728 #1732 \n- 改进数据处理（流式处理）#1702 #1703 #1777 #1814 #1840 #1841 \n- 确保上传的数据不会存储在 DeepForge 上 #1704 #1717 \n- 允许编辑工件类型 #1681 #1682 \n- CLI 的小幅改进 #1678 #1686 \n- 修复了 GME Blob 存储在认证用户下的 bug #1645 #1838 \n- SciServer 计算适配器的少量改进 #1790 #1791 #1822 #1823 #1826 #1828 #1849 #1850 #1855 #1864 \n- 将 PlotlyJSON 存储在模型中，而非使用其自有表示形式 #1745 #1747 #1805 #1806 #1845 #1846 #1857 #1858 \n- 部署\u002F文档方面的改进 #1721 #1722 #1736 #1737 #1755 #1756 #1757 #1758 #1762 #1763 #1780 #1782 #1740 #1786 #1787 #1801 \n\n## 最新功能更新（尚未完全发布）\n- 增加对张量进行交互式探索的支持 #1692 #1694 #1845 #1846 #1842 #1843（目前默认 UI 中尚不可用）\n- 增加交互式计算能力 #1700 #1701 #1691 #1783 #1784 #1810 #1811 #1817 #1820 #1844 #1847 #1851 #1852 \n- 为操作按钮添加自定义动作 #1742 #1741 #1772 #1773 #1776 #1781 \n- 增加交互式编辑与探索功能 #1768 #1770 #1774 #1775 #1818 #1821 \n\n## 其他\n- 内部开发工具的改进 #1711 #1712 #1706 #1707 #1713 #1716 #1729 #1730 #1752 #1754 #1760 #1771 #1788 #1789 \n- 其他代码清理工作 #1698 #1699 #1709 #1710 #1696 #1697 #1714 #1715 #1723 #1735 #1738 #1739 #1750 #1751 #1797 #1798 #1829 #1831 \n- 小幅错误修复 #1684 #1685 #1687 #1688 #1726 #1727 #1731 #1733 #1743 #1744 #1748 #1749 #1764 #1765 #1779 #1792 #1793 #1802 #1803 #1833 #1834 #1835 #1837 #1827 #1836 #1853 #1854 #1859 #1860","2020-08-17T18:07:11",{"id":188,"version":189,"summary_zh":190,"released_at":191},72392,"v2.3.1","# 概述\n- 修复配置保存相关问题 #1671 #1672 #1676 #1677 \n- 修复在执行未设置指针的流水线时出现的错误 #1674 #1675 ","2020-04-28T19:24:15",{"id":193,"version":194,"summary_zh":195,"released_at":196},72393,"v2.3.0","# 概述\n- SciServer 存储与计算适配器的改进：\n    - 卷池选择 #1635 #1636 #1656 #1657 \n    - 将执行文件上传至临时\u002F暂存目录 #1349 #1649 \n    - 其他杂项 #1637 #1647 #1665 #1666 #1668 #1669 \n- 从存储后端导入现有工件 #1608 #1630 #1660 #1661 \n- 配置对话框的改进 #1650 #1651 #1658 #1659 #1653 #1664 \n- 各类错误修复及日志记录优化 #1628 #1632 #1633 #1643 #1644 #1654 #1655 #1663 #1662 #1667 \n- 部署更新 #1626 #1627 #1640 #1641 #1642 ","2020-04-22T21:10:31",{"id":198,"version":199,"summary_zh":200,"released_at":201},72394,"v2.2.1","# 概述\n- 修复了 SciServer Compute 的问题 #1621、#1622、#1623、#1620\n- 移除了扩展依赖 #1624、#1625\n- 更新了文档 #1517、#1613","2020-04-09T15:22:41",{"id":203,"version":204,"summary_zh":205,"released_at":206},72395,"v2.2.0","# 概述\n- 添加存储和计算适配器，以支持与现有网络基础设施的集成 #1186 #1227 #1245 #1255 ...\n    - 添加 SciServer 计算\u002F文件集成 #1299 #1309 #1427 #1567 #1563 ...\n    - 移除旧的 `--worker` 选项，以反映这种松耦合的设计 #1599 #1600\n- 在 matplotlib 后端中添加散点图、3D 绘图和图像支持 #1572 #1308 #1329 #1218 #1373 ...\n- 添加对使用 conda 进行自定义 Python 依赖管理的支持 #1466 #1514 #1528 #1532 ...\n- 其他代码清理和重构 #1233 #1306 ...","2020-04-09T02:26:01",{"id":208,"version":209,"summary_zh":210,"released_at":211},72396,"v2.1.1","# 概述\n- 修复了操作输出类型的检测。#1214 #1215 \n- 移除了未使用的依赖项。#1216 #1217 \n- 修复了环境检测相关的问题（测试失败）。#1212 #1213 ","2019-03-22T14:26:28",{"id":213,"version":214,"summary_zh":215,"released_at":216},72397,"v2.1.0","# 概述\n- 新增作业缓存选项（默认关闭） #1204 #1203 \n- 改进错误信息 #1201 #1202 #1159 #1196 #1193 #1194 \n- 增加与 WebGME 默认可视化工具的兼容性 #1171 #1172 #1177 #1180 \n- 记录数据来源 #1168 #1169 \n- 改进库操作支持 #1173 #1174 #1178 #1179 \n- 改进执行时间\u002F持续时间的 UI 展示 #1187 #1188 \n- 其他清理工作 #1182 #1183 \n\n## 错误修复\n- 改进作业在非正常退出时的处理 #1205 #1206 #1207 #1208 #1209 #1210 \n- 修复复制操作的命名问题 #1160 #1161 \n- 确保指针操作时无竞态条件 #1166 #1167 \n- 修复图表相关问题 #1191 #1192 #1189 #1190 \n- 在 Docker 镜像中添加缺失的 Python 库 #1197 #1198 \n- 文档更新 #1158 \n","2019-03-11T05:13:14",{"id":218,"version":219,"summary_zh":220,"released_at":221},72398,"v2.0.0","# 概述\n神经网络架构建模语言已从 DeepForge 基础应用程序中解耦，并打包为一个扩展（例如 https:\u002F\u002Fgithub.com\u002Fdeepforge-dev\u002Fdeepforge-keras）。这样做使得可以使用多种深度学习框架，同时也支持其他类型的扩展。","2018-08-03T20:03:09",{"id":223,"version":224,"summary_zh":225,"released_at":226},72399,"v1.4.4","- Updated webgme-easydag version #1105 \r\n- Updated nodejs version in docker files #1107 \r\n- Fixed config settings for webgme v2.11","2018-04-24T16:04:36",{"id":228,"version":229,"summary_zh":230,"released_at":231},72400,"v1.4.3","Fixed issue with creating layers in the architecture editor #1104 #1103 ","2018-04-24T13:43:45",{"id":233,"version":234,"summary_zh":235,"released_at":236},72401,"v1.4.2","# Overview\r\n- Fixed backwards compatibility bug with old projects (before operation color support) #1036 #1035 ","2017-09-08T12:23:55",{"id":238,"version":239,"summary_zh":240,"released_at":241},72402,"v1.4.1","# Overview\r\n- Fixed a bug with deleting nodes in a table #1033 #1034 ","2017-08-13T23:32:43",{"id":243,"version":244,"summary_zh":245,"released_at":246},72403,"v1.4.0","# Overview\r\n- Added support for customization of code editors #1025 #1026\r\n- misc doc updates\r\n\r\n(Preparing for v2.0.0 release #1024 )","2017-06-02T23:08:14",{"id":248,"version":249,"summary_zh":250,"released_at":251},72404,"v1.3.0","# Overview\r\n- Added docker support #990 #1017 \r\n- Minor UI improvements\r\n    - operation interface editor #1022 #1023 #1020 #1021 \r\n    - architecture editor #1009 #1019 \r\n- Added support for attributes with spaces in the names #1006 #1013 \r\n- Misc bug fixes #1007 #1008 #997 #1000 #1011 #1012 #1015 #1016 \r\n- Misc improvements to cifar10 example #1003 #1004 \r\n- Refactored job execution and code generation #1014 #1018 ","2017-05-01T02:21:07",{"id":253,"version":254,"summary_zh":255,"released_at":256},72405,"v1.2.0","# Overview\r\n- Added color selection for custom operations. #980 #989 \r\n- Improved the torch installation errors using cli and worker url usage #986 #987 #994 #995 \r\n- Improved nondeterministic failing with starting mongodb #991 #996 \r\n- Updated deepforge for the latest webgme #998 #999 #992 #993 ","2017-04-02T03:46:44",{"id":258,"version":259,"summary_zh":260,"released_at":261},72406,"v1.1.0","# Overview\n- Added axis labeling support to `deepforge.Graph` #979 #981 \n- Set output operation color to light grey #189 #982 \n- Fixed selected connection icons #983 #984 \n- Update webgme dependency to version 2.10.0\n","2017-03-01T01:23:44",{"id":263,"version":264,"summary_zh":265,"released_at":266},72407,"v1.0.0","# Overview\n- Added extension architecture for exporting pipelines to production #945 #956 #959 #960 #963 #964 #961 #962 #969 #970 #971 #972 #975 #976 \n- Fixed the artifact type descriptions in the index #942 #943 \n- Filter input types for input operations if constrained by connections #703 #944\n- Added pipeline \"export to command line interface\" #948 #949 #952 #953  \n\n## Pipeline Editor\n- Fixed execution try height on firefox #950 #951 \n- Fixed incorrectly drawn connections in pipeline editor #923 #954 \n- Changed export pipeline icon to 'launch' icon #967 #968 \n\n## Misc\n- Aliased `npm start` to `.\u002Fbin\u002Fdeepforge start` #965 #966 #977 #978 \n- Fixed issue with displaying architecture index w\u002F new webgme dep #957 #958 \n- Added repository field to package.json\n","2017-02-01T04:06:52",{"id":268,"version":269,"summary_zh":270,"released_at":271},72408,"v0.22.0","# Overview\n- Added architecture validation feedback from architecture editor #915 #920 #928 #931 #929 #930 #939 #940 \n- Fixed bug w\u002F orphan processes when running multi-threaded operations #934 #935 \n- Removed `lineOffset` from the operation `attributes` object on execution #924 #925 \n- Misc bug fixes #932 #933 #937 #938 \n\n## Related updates\n- Moved gitter channel to reflect repo transfer, added a starter-kit (demonstrating various features of deepforge) and posted links to more slides and documentation\n","2016-12-20T18:27:17"]