[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-dust-tt--dust":3,"tool-dust-tt--dust":61},[4,18,26,36,44,53],{"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",151314,2,"2026-04-11T23:32:58",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"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":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"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",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"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",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":68,"owner_location":68,"owner_email":68,"owner_twitter":76,"owner_website":77,"owner_url":78,"languages":79,"stars":117,"forks":118,"last_commit_at":119,"license":120,"difficulty_score":121,"env_os":122,"env_gpu":123,"env_ram":123,"env_deps":124,"category_tags":127,"github_topics":128,"view_count":32,"oss_zip_url":68,"oss_zip_packed_at":68,"status":133,"created_at":134,"updated_at":135,"faqs":136,"releases":167},6726,"dust-tt\u002Fdust","dust","Custom AI agent platform to speed up your work.","Dust 是一个专为提升工作效率而设计的自定义 AI 智能体平台。在信息爆炸和任务繁杂的当下，用户往往受困于如何在不同数据源之间快速切换并执行复杂操作。Dust 通过允许用户构建专属的 AI 智能体，将分散的企业文档、数据库及外部工具无缝连接，从而自动化处理研究分析、内容创作及数据整合等重复性工作，显著缩短任务完成时间。\n\n这款平台特别适合希望将人工智能深度融入工作流的团队、开发者以及业务专家使用。对于非技术背景的用户，Dust 提供了直观的界面来配置智能体；而对于开发者，它则开放了强大的 API 和扩展能力，支持深度定制以满足特定业务需求。其核心亮点在于“自定义”与“集成”：用户不仅能定义智能体的行为逻辑，还能让其直接访问公司内部知识库或第三方服务，确保输出结果既精准又符合上下文语境。无论是需要快速汇总会议记录的项目经理，还是渴望自动化代码审查的工程师，Dust 都能成为得力的数字助手，让工作更加专注且高效。","## [Dust](https:\u002F\u002Fdust.tt)\n\nCustom AI agent platform to speed up your work.\n\nCheck out our [user guides and developer platform](https:\u002F\u002Fdocs.dust.tt)\n\n## We're hiring\n\n- [About Us](https:\u002F\u002Fdust.tt\u002Fhome\u002Fabout)\n- [Open Positions](https:\u002F\u002Fjobs.ashbyhq.com\u002Fdust)\n",null,"# Dust 快速上手指南\n\nDust 是一个自定义 AI 代理平台，旨在通过构建专属智能体来加速您的工作流程。以下指南将帮助您快速开始使用。\n\n## 环境准备\n\n在开始之前，请确保满足以下系统要求和前置条件：\n\n*   **操作系统**：支持 macOS、Linux 或 Windows（建议通过 WSL2 在 Windows 上运行以获得最佳兼容性）。\n*   **Node.js**：版本 18.0 或更高（推荐使用 LTS 版本）。\n*   **包管理器**：已安装 `npm` 或 `yarn`。\n*   **账户权限**：您需要拥有一个 [Dust](https:\u002F\u002Fdust.tt) 账户并获取相应的 API Key。\n*   **网络环境**：由于 Dust 服务托管在海外，国内开发者可能需要配置网络代理以确保连接稳定。目前官方暂未提供中国镜像源。\n\n## 安装步骤\n\nDust 主要作为 SaaS 平台提供服务，开发者通常通过 CLI 工具或 SDK 与平台交互。以下是初始化开发环境的步骤：\n\n1.  **创建项目目录并初始化**\n    ```bash\n    mkdir my-dust-agent\n    cd my-dust-agent\n    npm init -y\n    ```\n\n2.  **安装 Dust SDK**\n    ```bash\n    npm install @dust-tt\u002Fdust\n    ```\n\n3.  **配置环境变量**\n    在项目根目录下创建 `.env` 文件，并填入您的 API Key：\n    ```bash\n    echo \"DUST_API_KEY=your_actual_api_key_here\" > .env\n    ```\n    *注意：请将 `your_actual_api_key_here` 替换为您在 [Dust 控制台](https:\u002F\u002Fdust.tt) 生成的真实密钥。*\n\n## 基本使用\n\n以下是一个最简单的示例，展示如何通过代码调用 Dust 平台上的 AI 代理执行任务。\n\n1.  **创建脚本文件**\n    新建一个名为 `index.js` 的文件，并写入以下代码：\n\n    ```javascript\n    import { Dust } from '@dust-tt\u002Fdust';\n\n    \u002F\u002F 初始化客户端\n    const dust = new Dust({\n      apiKey: process.env.DUST_API_KEY,\n    });\n\n    async function runAgent() {\n      try {\n        \u002F\u002F 替换 'your-agent-name' 为您在 Dust 平台上创建的代理名称\n        \u002F\u002F 替换 'your-workspace-id' 为您的工作区 ID\n        const response = await dust.runAgent({\n          workspaceId: 'your-workspace-id',\n          agentName: 'your-agent-name',\n          inputs: {\n            query: '请总结今天的主要新闻。',\n          },\n        });\n\n        console.log('Agent Response:', response);\n      } catch (error) {\n        console.error('Error running agent:', error);\n      }\n    }\n\n    runAgent();\n    ```\n\n2.  **运行脚本**\n    确保您的 `.env` 文件已正确配置，然后执行：\n\n    ```bash\n    node index.js\n    ```\n\n如果配置无误，您将看到来自 Dust 代理的响应输出。更多高级功能（如创建自定义代理、连接数据源等）请访问 [Dust 开发者文档](https:\u002F\u002Fdocs.dust.tt)。","某科技公司的产品团队需要每周从分散的客户反馈、会议记录和代码提交日志中提炼关键洞察，并生成标准化的周报同步给全员。\n\n### 没有 dust 时\n- 产品经理需手动在 Slack、Jira 和 Google Docs 之间反复切换，花费数小时复制粘贴碎片化信息。\n- 不同成员整理的周报格式混乱，关键数据口径不一致，导致管理层难以快速横向对比项目进度。\n- 遇到突发问题时，无法实时关联历史决策背景，往往需要拉会重新对齐上下文，响应滞后。\n- 重复性的文档汇总工作占用了团队大量精力，导致核心策略思考时间被严重压缩。\n\n### 使用 dust 后\n- 通过配置专属 AI Agent，dust 自动连接内部知识库，一键抓取多源数据并初步清洗，将信息收集时间从半天缩短至几分钟。\n- dust 依据预设模板自动生成结构统一、数据准确的周报草稿，确保全公司阅读体验与数据维度的一致性。\n- 团队成员可直接向 dust 提问“上周关于支付模块的争议点是什么”，它能即时检索并总结相关对话与文档，实现秒级上下文回溯。\n- 自动化流程释放了人力，让团队能将重心转向基于数据洞察制定下一步产品迭代策略，而非陷入机械的文档搬运。\n\ndust 通过将分散的企业数据转化为可交互的智能代理，彻底重构了知识流转效率，让团队从“找信息”转变为“用信息”。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdust-tt_dust_54c41b5c.png","dust-tt","Dust","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fdust-tt_487c15a5.jpg","AI agent platform to transform how work gets done","DustHQ","https:\u002F\u002Fdust.tt","https:\u002F\u002Fgithub.com\u002Fdust-tt",[80,84,88,92,96,100,104,107,111,114],{"name":81,"color":82,"percentage":83},"TypeScript","#3178c6",92,{"name":85,"color":86,"percentage":87},"Rust","#dea584",5.8,{"name":89,"color":90,"percentage":91},"Swift","#F05138",1.2,{"name":93,"color":94,"percentage":95},"JavaScript","#f1e05a",0.5,{"name":97,"color":98,"percentage":99},"Shell","#89e051",0.3,{"name":101,"color":102,"percentage":103},"CSS","#663399",0.1,{"name":105,"color":106,"percentage":103},"PLpgSQL","#336790",{"name":108,"color":109,"percentage":110},"Dockerfile","#384d54",0,{"name":112,"color":113,"percentage":110},"HTML","#e34c26",{"name":115,"color":116,"percentage":110},"Lua","#000080",1325,241,"2026-04-11T11:51:52","MIT",5,"","未说明",{"notes":125,"python":123,"dependencies":126},"README 中未提供具体的运行环境需求、依赖库或安装指南。该工具主要作为一个自定义 AI 代理平台（SaaS 服务）通过网页访问，文档链接指向其在线开发者平台，而非本地开源部署代码库。",[],[35,13,14],[129,130,131,132],"large-language-models","rust","agents","llm","ready_partial","2026-03-27T02:49:30.150509","2026-04-12T07:52:32.874389",[137,142,147,152,157,162],{"id":138,"question_zh":139,"answer_zh":140,"source_url":141},30357,"Dust 助手在 Slack 中禁用时，用户如何获得反馈？","团队已决定移除与 Slack 机器人相关的“警告芯片”，并配置为当 Dust 助手被禁用时，由 GPT-4 直接在 Slack 中进行回复。此外，系统将移除禁用 GPT-4 助手的功能（类似于辅助工具的处理方式），以确保用户始终能获得响应。","https:\u002F\u002Fgithub.com\u002Fdust-tt\u002Fdust\u002Fissues\u002F2196",{"id":143,"question_zh":144,"answer_zh":145,"source_url":146},30358,"如何在对话中上传文件作为内容片段（Content Fragment）？","V1 版本已上线。用户只需点击输入栏中的文件附件图标，触发操作系统文件选择器，选择文件后，该文件将作为内容片段上传。上传完成后，用户即可发送消息。当前实现中，文件作为独立的内容片段存在，尚未重构为直接绑定到特定用户消息的架构。","https:\u002F\u002Fgithub.com\u002Fdust-tt\u002Fdust\u002Fissues\u002F2548",{"id":148,"question_zh":149,"answer_zh":150,"source_url":151},30359,"当模型在同一消息中同时生成内容和调用函数时，系统如何处理？","这种情况通常被视为模型（如 GPT-4 或 Claude）的行为特征。对于较小的模型较少见，但在 Claude 模型中几乎总是会出现 `\u003Cthinking>` 标签提示这是思维链（CoT）。系统策略是忽略初始的生成流，等待函数调用消息完成后再开始流式传输“真实”的生成内容，以避免显示中间无效状态。","https:\u002F\u002Fgithub.com\u002Fdust-tt\u002Fdust\u002Fissues\u002F5159",{"id":153,"question_zh":154,"answer_zh":155,"source_url":156},30360,"URL 连接器如何处理既是页面又是文件夹的结构？","系统将在数据库中通过标志位（如 `WebcrawlerPage.isPageAndFolder`）来标记此类页面。在展示时，如果该标志为真，则名称显示为 `_index`；如果为假，则显示为 URL 的最后部分（按 `\u002F` 分割）。这样可以正确传达该节点既包含内容又包含子文件夹的特性。","https:\u002F\u002Fgithub.com\u002Fdust-tt\u002Fdust\u002Fissues\u002F3166",{"id":158,"question_zh":159,"answer_zh":160,"source_url":161},30361,"内容片段（Content Fragment）的文件存储和迁移策略是什么？","所有内容片段的原始文档和文本（如适用）现在开始写入 Google Cloud Storage (GCS) 私有桶。对于现有数据，若 `url` 可用则复制到 `sourceUrl`；若存在 `content` 则上传至 GCS 并更新 `textUrl`。系统通过 `textUrl` 是否为空来决定是否向模型渲染内容，并记录 `textByte` 和 `textTokens`。对于无法转换为文本的二进制文件，这些字段将为空。","https:\u002F\u002Fgithub.com\u002Fdust-tt\u002Fdust\u002Fissues\u002F4240",{"id":163,"question_zh":164,"answer_zh":165,"source_url":166},30362,"多动作（Multi Actions）功能发布前需要完成哪些关键准备？","发布前的关键任务包括：确保多动作助手在“尝试”模态框中正常工作；配置功能标志以切换工作区到多动作模式；修复动作配置问题；默认隐藏动作名称并在卡片上显示描述而非名称；建立针对各提供商\u002F模型的元提示（meta-prompts）库；以及正确处理思维链（Chain of Thoughts）生成（特别是针对 Claude 模型）。","https:\u002F\u002Fgithub.com\u002Fdust-tt\u002Fdust\u002Fissues\u002F5425",[168,173,178,183,188],{"id":169,"version":170,"summary_zh":171,"released_at":172},214694,"dsbx-v0.1.3","## dsbx CLI v0.1.3\n\n**提交**: b78df6123f8ca06d582c6eb462fa50da19e2a33f\n\n### 下载\n\n| 平台 | 架构 | 二进制文件 |\n|------|--------|------------|\n| Linux | x86_64 | `dsbx-linux-x86_64` |\n\n### 安装\n\n```bash\ncurl -LO https:\u002F\u002Fgithub.com\u002Fdust-tt\u002Fdust\u002Freleases\u002Fdownload\u002Fdsbx-v0.1.3\u002Fdsbx-linux-x86_64\nchmod +x dsbx-linux-x86_64\nsudo mv dsbx-linux-x86_64 \u002Fusr\u002Flocal\u002Fbin\u002Fdsbx\n```\n\n### 验证校验和\n\n```bash\nsha256sum -c checksums-sha256.txt\n```\n","2026-03-27T14:28:19",{"id":174,"version":175,"summary_zh":176,"released_at":177},214695,"dsbx-v0.1.2","## dsbx CLI v0.1.2\n\n**提交**: 9b1f77c64fe56909a369f6ecb7ce9476a0aa3288\n\n### 下载\n\n| 平台 | 架构 | 二进制文件 |\n|----------|--------------|--------|\n| Linux    | x86_64       | `dsbx-linux-x86_64` |\n\n### 安装\n\n```bash\ncurl -LO https:\u002F\u002Fgithub.com\u002Fdust-tt\u002Fdust\u002Freleases\u002Fdownload\u002Fdsbx-v0.1.2\u002Fdsbx-linux-x86_64\nchmod +x dsbx-linux-x86_64\nsudo mv dsbx-linux-x86_64 \u002Fusr\u002Flocal\u002Fbin\u002Fdsbx\n```\n\n### 验证校验和\n\n```bash\nsha256sum -c checksums-sha256.txt\n```\n","2026-03-27T13:17:32",{"id":179,"version":180,"summary_zh":181,"released_at":182},214696,"apply-patch-v0.1.0","基于 [openai\u002Fcodex](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fcodex) 的 `rust-v0.115.0` 标签版本构建（Apache-2.0 许可）。\n\n### 下载\n\n| 平台 | 架构 | 二进制文件 |\n|------|------|------------|\n| Linux | x86_64 | `apply_patch-linux-x86_64` |\n\n### 验证校验和\n\n```bash\nsha256sum -c checksums-sha256.txt\n```","2026-03-18T10:11:27",{"id":184,"version":185,"summary_zh":186,"released_at":187},214697,"dsbx-v0.1.1","## dsbx CLI v0.1.1\n\n**提交**: 8b87381f203c94f341709b613d2d50922a0d846a\n\n### 下载\n\n| 平台 | 架构 | 二进制文件 |\n|------|--------|------------|\n| Linux | x86_64 | `dsbx-linux-x86_64` |\n\n### 安装\n\n```bash\ncurl -LO https:\u002F\u002Fgithub.com\u002Fdust-tt\u002Fdust\u002Freleases\u002Fdownload\u002Fdsbx-v0.1.1\u002Fdsbx-linux-x86_64\nchmod +x dsbx-linux-x86_64\nsudo mv dsbx-linux-x86_64 \u002Fusr\u002Flocal\u002Fbin\u002Fdsbx\n```\n\n### 验证校验和\n\n```bash\nsha256sum -c checksums-sha256.txt\n```\n","2026-03-13T12:37:19",{"id":189,"version":190,"summary_zh":191,"released_at":192},214698,"dsbx-v0.1.0","## dsbx CLI v0.1.0\n\n**提交**: 10ba0e167c0b1164a8adbd77d863dd899055bf65\n\n### 下载\n\n| 平台 | 架构 | 二进制文件 |\n|----------|--------------|--------|\n| Linux    | x86_64       | `dsbx-linux-x86_64` |\n\n### 安装\n\n```bash\ncurl -LO https:\u002F\u002Fgithub.com\u002Fdust-tt\u002Fdust\u002Freleases\u002Fdownload\u002Fdsbx-v0.1.0\u002Fdsbx-linux-x86_64\nchmod +x dsbx-linux-x86_64\nsudo mv dsbx-linux-x86_64 \u002Fusr\u002Flocal\u002Fbin\u002Fdsbx\n```\n\n### 验证校验和\n\n```bash\nsha256sum -c checksums-sha256.txt\n```\n","2026-03-06T13:32:17"]