[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-duoergun0729--nlp":3,"tool-duoergun0729--nlp":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",159267,2,"2026-04-17T11:29:14",[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。",108322,"2026-04-10T11:39:34",[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":74,"owner_email":78,"owner_twitter":74,"owner_website":79,"owner_url":80,"languages":81,"stars":86,"forks":87,"last_commit_at":88,"license":74,"difficulty_score":42,"env_os":89,"env_gpu":90,"env_ram":90,"env_deps":91,"category_tags":94,"github_topics":96,"view_count":32,"oss_zip_url":74,"oss_zip_packed_at":74,"status":17,"created_at":101,"updated_at":102,"faqs":103,"releases":104},8625,"duoergun0729\u002Fnlp","nlp","兜哥出品 \u003C一本开源的NLP入门书籍>","nlp 是由安全专家“兜哥”打造的一本开源自然语言处理（NLP）入门书籍，旨在帮助读者从零开始掌握让机器理解人类文字的核心技术。面对传统基于规则的过滤机制在垃圾邮件识别、违规内容检测等场景中容易被绕过的痛点，nlp 通过引入机器学习与深度学习算法，提供了更智能的解决方案。\n\n本书内容涵盖从基础的词袋模型、TF-IDF、Word2Vec 向量表示，到进阶的多层感知机分类、FastText 应用、LDA 主题建模及中文分词实战。其独特亮点在于采用完全开源的协作模式托管于 GitHub，能够紧跟 FastText 等前沿技术的快速迭代，及时修正错误并更新案例，克服了传统纸质教材内容滞后的局限。书中还结合了情感分析、文档相似度计算及安全领域的实际攻防场景，理论与实践并重。\n\nnlp 非常适合希望入门 NLP 的开发者、网络安全研究人员以及对人工智能感兴趣的学生使用。无论你是想构建智能客服、优化内容审核系统，还是单纯想理解机器如何解读文字背后的意图，这份持续更新的开源指南都能为你提供扎实的技术路径和实用的代码参考。","# NLP基础知识\n\n- [常用数据集简介](常用数据集简介.md)\n- [推荐更新源](推荐更新源.md)\n- [打造NLP工具箱](打造NLP工具箱.md)\n- [如何衡量机器学习分类模型](如何衡量机器学习分类模型.md)\n- [词袋模型和TFIDF模型](词袋模型和TFIDF模型.md)\n- [Word2Vec模型和Doc2Vec模型](Word2Vec模型和Doc2Vec模型.md)\n- [自己动手训练word2vec模型](自己动手训练word2vec模型.md)\n- [使用多层感知机进行文档分类](使用多层感知机进行文档分类.md)\n- [使用fasttext进行文档分类](使用fasttext进行文档分类.md)\n- [使用LDA进行文档主题建模](使用LDA进行文档主题建模.md)\n- [使用Jieba进行中文词性标注](使用Jieba进行中文词性标注.md)\n- [使用TextRank和TFIDF进行关键字自动提取](使用TextRank和TFIDF进行关键字自动提取.md)\n- [文档相似度](文档相似度.md)\n\n# NLP应用案例\n\n- [对美食评语进行情感分析](预测Yelp美食评分.md)\n\n# 让机器理解文字\n\n图像、文字和声音是人类接触、理解外部世界最常见的三种形式，其中文字又是最容易保存和进行交换的形式。大量的人类文明，最终都是以文字的形式保留下来的；大量的信息交换，都是是文字的形式进行。如何能让机器可以与人交流，理解人类的思想，最终能像人类一样理解文字以及文字背后的各种想法、意图呢？自然语言处理，即所谓的NLP是重要的支撑技术。\n\n![人机对话](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fduoergun0729_nlp_readme_a08688f82e5e.png)\n\n# NLP与安全\n\n在传统的web攻防中，大家与http协议结下了不解之缘。但是在安全领域，web攻防只是很小一个分支。许多明显的与工作和生活无关的垃圾邮件，人一样就可以看出来，但是基于规则的垃圾邮件网关处理起来却总是差强人意。越来越多的电商、论坛甚至是视频网站的弹幕，总是可以看到明显的人身攻击或者违法违规信息，但是基于规则的过滤机制总是被绕过。人类可以很轻松的理解二十四口交换机，知道苹果是水果还是手机，但是机器如何做到呢？答案就是NLP。\n\n# 一本开源的NLP入门书籍\n\n这可能是第一本用开源的思想写的NLP入门书籍，整个写作过程都在我的Github上。\n\n\thttps:\u002F\u002Fgithub.com\u002Fduoergun0729\u002Fnlp\n\n之所以想用开源的思路去写，主要是因为NLP技术，尤其是基于机器学习的NLP技术发展非常快，比如目前已经广泛使用的fasttext技术，2016年发布论文，2017年已经进入大量生产领域，但是许多自然语言处理书籍还停留在大学课程的范围，甚至连词向量都很少涉及。相对周期繁琐的纸质书籍编写，在Github上我可以很方便的进行编写和更新，有勘误也可以很快修改。目前我已经完成了其中的三篇，后面我将不断更新内容，大家可以订阅我的Github，或者关注我的微信公众号《**兜哥带你学安全**》\n\n![公众号](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fduoergun0729_nlp_readme_4f08e3e8cd78.png)\n\n\n\n\n# License\n\n© 2018~2025 兜哥.\n\n本作品采用[知识共享署名-非商业性使用 4.0 国际许可协议](https:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc\u002F4.0\u002F)进行许可。没有我许可的任何使用该书进行的商业行为都是违法。\n\t\n","# NLP基础知识\n\n- [常用数据集简介](常用数据集简介.md)\n- [推荐更新源](推荐更新源.md)\n- [打造NLP工具箱](打造NLP工具箱.md)\n- [如何衡量机器学习分类模型](如何衡量机器学习分类模型.md)\n- [词袋模型和TFIDF模型](词袋模型和TFIDF模型.md)\n- [Word2Vec模型和Doc2Vec模型](Word2Vec模型和Doc2Vec模型.md)\n- [自己动手训练word2vec模型](自己动手训练word2vec模型.md)\n- [使用多层感知机进行文档分类](使用多层感知机进行文档分类.md)\n- [使用fasttext进行文档分类](使用fasttext进行文档分类.md)\n- [使用LDA进行文档主题建模](使用LDA进行文档主题建模.md)\n- [使用Jieba进行中文词性标注](使用Jieba进行中文词性标注.md)\n- [使用TextRank和TFIDF进行关键字自动提取](使用TextRank和TFIDF进行关键字自动提取.md)\n- [文档相似度](文档相似度.md)\n\n# NLP应用案例\n\n- [对美食评语进行情感分析](预测Yelp美食评分.md)\n\n# 让机器理解文字\n\n图像、文字和声音是人类接触、理解外部世界最常见的三种形式，其中文字又是最容易保存和进行交换的形式。大量的人类文明，最终都是以文字的形式保留下来的；大量的信息交换，都是是文字的形式进行。如何能让机器可以与人交流，理解人类的思想，最终能像人类一样理解文字以及文字背后的各种想法、意图呢？自然语言处理，即所谓的NLP是重要的支撑技术。\n\n![人机对话](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fduoergun0729_nlp_readme_a08688f82e5e.png)\n\n# NLP与安全\n\n在传统的web攻防中，大家与http协议结下了不解之缘。但是在安全领域，web攻防只是很小一个分支。许多明显的与工作和生活无关的垃圾邮件，人一样就可以看出来，但是基于规则的垃圾邮件网关处理起来却总是差强人意。越来越多的电商、论坛甚至是视频网站的弹幕，总是可以看到明显的人身攻击或者违法违规信息，但是基于规则的过滤机制总是被绕过。人类可以很轻松的理解二十四口交换机，知道苹果是水果还是手机，但是机器如何做到呢？答案就是NLP。\n\n# 一本开源的NLP入门书籍\n\n这可能是第一本用开源的思想写的NLP入门书籍，整个写作过程都在我的Github上。\n\n\thttps:\u002F\u002Fgithub.com\u002Fduoergun0729\u002Fnlp\n\n之所以想用开源的思路去写，主要是因为NLP技术，尤其是基于机器学习的NLP技术发展非常快，比如目前已经广泛使用的fasttext技术，2016年发布论文，2017年已经进入大量生产领域，但是许多自然语言处理书籍还停留在大学课程的范围，甚至连词向量都很少涉及。相对周期繁琐的纸质书籍编写，在Github上我可以很方便的进行编写和更新，有勘误也可以很快修改。目前我已经完成了其中的三篇，后面我将不断更新内容，大家可以订阅我的Github，或者关注我的微信公众号《**兜哥带你学安全**》\n\n![公众号](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fduoergun0729_nlp_readme_4f08e3e8cd78.png)\n\n\n\n\n# License\n\n© 2018~2025 兜哥.\n\n本作品采用[知识共享署名-非商业性使用 4.0 国际许可协议](https:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc\u002F4.0\u002F)进行许可。没有我许可的任何使用该书进行的商业行为都是违法。","# NLP 开源入门指南快速上手\n\n本指南基于《一本开源的 NLP 入门书籍》项目整理，旨在帮助开发者快速搭建自然语言处理（NLP）学习环境并掌握基础技能。\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 (推荐 Ubuntu\u002FCentOS), macOS 或 Windows (需安装 WSL 或 Python 环境)。\n*   **Python 版本**：建议安装 Python 3.6 及以上版本。\n*   **前置依赖**：\n    *   `pip` (Python 包管理工具)\n    *   `git` (用于克隆代码仓库)\n    *   基础科学计算库：`numpy`, `scipy`, `scikit-learn`\n    *   中文分词工具：`jieba`\n    *   深度学习框架（可选，视具体模型而定）：`tensorflow` 或 `pytorch`\n\n> **提示**：国内用户建议在安装 Python 包时使用清华或阿里镜像源，以提升下载速度。\n\n## 安装步骤\n\n### 1. 克隆项目仓库\n首先，将包含教程代码和数据的开源仓库克隆到本地：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fduoergun0729\u002Fnlp.git\ncd nlp\n```\n\n### 2. 安装 Python 依赖\n进入项目目录后，使用 pip 安装所需的第三方库。推荐使用国内镜像源加速安装：\n\n```bash\npip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n*注：若项目中未提供 `requirements.txt`，请根据各章节教程手动安装核心库，例如：*\n\n```bash\npip install numpy scipy scikit-learn jieba gensim fasttext -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n### 3. 验证环境\n确保关键库安装成功，特别是中文分词库 `jieba`：\n\n```bash\npython -c \"import jieba; print('Jieba installed successfully')\"\n```\n\n## 基本使用\n\n本项目以模块化教程形式呈现，涵盖从基础理论到实战案例。以下是两个最基础的快速示例：\n\n### 示例 1：中文分词与词性标注\n使用 `jieba` 进行基础的中文分词演示：\n\n```python\nimport jieba\n\ntext = \"自然语言处理是人工智能的重要分支\"\nseg_list = jieba.cut(text, cut_all=False)\n\nprint(\"分词结果:\", \"\u002F \".join(seg_list))\n```\n\n### 示例 2：构建词袋模型 (Bag of Words)\n使用 `sklearn` 快速将文本转换为向量表示：\n\n```python\nfrom sklearn.feature_extraction.text import CountVectorizer\n\ncorpus = [\n    \"我爱吃苹果\",\n    \"苹果是水果\",\n    \"手机也是苹果\"\n]\n\nvectorizer = CountVectorizer()\nX = vectorizer.fit_transform(corpus)\n\nprint(\"词汇表:\", vectorizer.get_feature_names_out())\nprint(\"向量矩阵:\\n\", X.toarray())\n```\n\n### 进阶学习路径\n完成环境搭建后，您可以按照项目目录结构深入学习：\n1.  **基础理论**：阅读 `词袋模型和 TFIDF 模型.md` 理解特征提取。\n2.  **词向量**：参考 `Word2Vec 模型和 Doc2Vec 模型.md` 学习分布式表示。\n3.  **实战分类**：运行 `使用 fasttext 进行文档分类.md` 中的代码进行文本分类。\n4.  **综合案例**：尝试 `预测 Yelp 美食评分.md` 完成完整的情感分析项目。\n\n更多详细代码和解释请参阅项目根目录下的各 `.md` 文档。","某电商安全团队每天需处理数万条用户评论与弹幕，急需从海量文本中精准识别人身攻击、违规广告及恶意引流信息。\n\n### 没有 nlp 时\n- 依赖僵化的关键词黑名单，攻击者只需使用谐音字、拆字或插入特殊符号（如“微_信”）即可轻松绕过过滤。\n- 无法理解语境歧义，常将“苹果很好吃”误判为手机广告，或将反讽语句漏放，导致误杀率高且遗漏严重。\n- 面对新出现的网络黑话和变种违规话术，规则库更新滞后，人工审核团队不得不投入大量人力进行二次复查。\n- 缺乏对文本情感倾向的量化分析，难以区分用户是真实投诉还是恶意抹黑，处置决策缺乏数据支撑。\n- 非结构化文本数据无法被有效利用，历史违规案例沉睡在数据库中，无法转化为自动防御能力。\n\n### 使用 nlp 后\n- 基于 Word2Vec 和 fasttext 训练专属词向量模型，即使面对谐音、变体或从未见过的新型违规话术，也能通过语义相似度精准拦截。\n- 利用 Jieba 词性标注与 LDA 主题建模技术，结合上下文理解语义，准确区分“苹果”是指水果还是品牌，大幅降低误报率。\n- 借助多层感知机进行文档分类，系统可自动学习最新攻击样本特征，实现对新威胁的分钟级响应与策略自适应更新。\n- 应用情感分析模型对评论进行打分，自动标记高风险恶意差评供优先复核，使人工审核效率提升数倍。\n- 通过 TextRank 算法自动提取违规文本关键字并构建动态知识库，让历史数据持续赋能，形成越用越聪明的防御闭环。\n\nnlp 将原本依赖人工经验的“被动堵截”升级为基于语义理解的“主动智能防御”，在保障内容安全的同时显著降低了运营成本。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fduoergun0729_nlp_a08688f8.png","duoergun0729",null,"https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fduoergun0729_ad563128.jpg","《Web安全之机器学习入门》作者","baidu.com","250261953@qq.com","duoergun0729.github.io","https:\u002F\u002Fgithub.com\u002Fduoergun0729",[82],{"name":83,"color":84,"percentage":85},"Python","#3572A5",100,2486,562,"2026-04-12T03:15:38","","未说明",{"notes":92,"python":90,"dependencies":93},"该仓库主要是一本开源的 NLP 入门书籍（教程），包含数据集介绍、模型原理（如 Word2Vec, LDA, fasttext）及应用案例的文档，而非一个可直接运行的软件工具或框架。因此 README 中未提供具体的操作系统、硬件配置、Python 版本或依赖库安装要求。用户需根据书中提到的具体算法（如使用 Jieba、fasttext、多层感知机等）自行搭建相应的开发环境。",[],[95,35,13,15,14],"音频",[65,97,98,99,100],"ai","security","word2vec","fasttext","2026-03-27T02:49:30.150509","2026-04-18T02:22:11.067407",[],[]]