[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-fendouai--FaceRank":3,"tool-fendouai--FaceRank":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",145895,2,"2026-04-08T11:32:59",[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。",108111,"2026-04-08T11:23:26",[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},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],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"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":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":77,"owner_email":78,"owner_twitter":78,"owner_website":79,"owner_url":80,"languages":81,"stars":86,"forks":87,"last_commit_at":88,"license":89,"difficulty_score":32,"env_os":90,"env_gpu":90,"env_ram":90,"env_deps":91,"category_tags":96,"github_topics":97,"view_count":32,"oss_zip_url":78,"oss_zip_packed_at":78,"status":17,"created_at":106,"updated_at":107,"faqs":108,"releases":109},5546,"fendouai\u002FFaceRank","FaceRank","FaceRank - Rank Face by CNN Model based on TensorFlow (add keras version). FaceRank-人脸打分基于 TensorFlow (新增 Keras 版本) 的 CNN 模型（QQ群：167122861）。技术支持：http:\u002F\u002Ftensorflow123.com","FaceRank 是一个基于深度学习技术的人脸颜值评分开源项目，旨在利用卷积神经网络（CNN）模型对人脸图像进行外观商数（AQ）的量化评估。该项目主要解决了传统审美评价主观性强、难以标准化的问题，通过算法模型提供相对客观的参考分数。\n\nFaceRank 核心基于 TensorFlow 框架构建，并额外提供了由社区贡献的 Keras 版本，极大地降低了不同技术背景开发者的使用门槛。其技术亮点在于采用了经典的 CNN 架构进行特征提取与回归分析，支持用户利用自有数据集对模型进行微调训练，从而适应特定的评估需求。需要注意的是，出于隐私保护考虑，官方未公开原始训练数据集，但提供了详细的代码教程供用户自行准备数据（如调整图片尺寸至 128*128）并复现训练过程。\n\n该工具非常适合对计算机视觉感兴趣的 AI 开发者、深度学习研究人员以及希望探索人脸属性分析的技术爱好者使用。对于普通用户而言，虽然可以直接运行测试脚本体验评分功能，但其核心价值更在于作为学习人脸识别与回归模型的教学案例。无论是用于学术研究验证，还是作为入门 TensorFlow\u002FKeras 的实战项目，FaceRank 都提供了一个","FaceRank 是一个基于深度学习技术的人脸颜值评分开源项目，旨在利用卷积神经网络（CNN）模型对人脸图像进行外观商数（AQ）的量化评估。该项目主要解决了传统审美评价主观性强、难以标准化的问题，通过算法模型提供相对客观的参考分数。\n\nFaceRank 核心基于 TensorFlow 框架构建，并额外提供了由社区贡献的 Keras 版本，极大地降低了不同技术背景开发者的使用门槛。其技术亮点在于采用了经典的 CNN 架构进行特征提取与回归分析，支持用户利用自有数据集对模型进行微调训练，从而适应特定的评估需求。需要注意的是，出于隐私保护考虑，官方未公开原始训练数据集，但提供了详细的代码教程供用户自行准备数据（如调整图片尺寸至 128*128）并复现训练过程。\n\n该工具非常适合对计算机视觉感兴趣的 AI 开发者、深度学习研究人员以及希望探索人脸属性分析的技术爱好者使用。对于普通用户而言，虽然可以直接运行测试脚本体验评分功能，但其核心价值更在于作为学习人脸识别与回归模型的教学案例。无论是用于学术研究验证，还是作为入门 TensorFlow\u002FKeras 的实战项目，FaceRank 都提供了一个结构清晰、易于扩展的代码基础。","## Face Rank - Rank Face by CNN Model based on TensorFlow\n\n## Keras Version\nhttps:\u002F\u002Fgithub.com\u002Ffendouai\u002FFaceRank\u002Ftree\u002Fmaster\u002FFaceRank_with_keras\n\n## RankFace\n\nA deep learning based model to judge the AQ, Appearance Quotient, of faces. (For Chinese Young Girls Only) https:\u002F\u002Fgithub.com\u002FEntropy-xcy\u002FRankFace\n\n## 中文说明（QQ群：522785813）\n\n项目总体说明：https:\u002F\u002Fgithub.com\u002Ffendouai\u002FFaceRank\u002Fblob\u002Fmaster\u002Fcn_readme.md\n\n运行详细说明：https:\u002F\u002Fgithub.com\u002Ffendouai\u002FFaceRank\u002Fblob\u002Fmaster\u002Ftoturial.md\n\nGitee(速度更快)\n\n项目总体说明：https:\u002F\u002Fgitee.com\u002Ffendouai\u002FFaceRank\u002Fblob\u002Fmaster\u002Fcn_readme.md\n\n运行详细说明：https:\u002F\u002Fgitee.com\u002Ffendouai\u002FFaceRank\u002Fblob\u002Fmaster\u002Ftoturial.md\n\n## Result Pic\n![Result Pic](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ffendouai_FaceRank_readme_311b070ef3f1.jpg)\n\n## Privacy\nBecause of privacy，the training images dataset is not provided.\nmaybe some carton images will be given later.\n\n## Dataset\n* 130 pictures with size 128*128 from web with tag\nimage: 1-3.jpg means rank 1,3st train pic\nyou can add your own pics to the resize_images folder\n\n## Model\nModel is CNN based on TensorFlow based on : https:\u002F\u002Fgithub.com\u002Faymericdamien\u002FTensorFlow-Examples\u002F\n\n## Run\nAfter you installed TensorFlow ,just run train_model.py.\n* train the model\n* save the model to model dir\n\n## Test\nAfter you run the train_model.py ,just run the run_model.py to test.\n\n## Download\nThe model is trained can be download at\nhttp:\u002F\u002Fwww.tensorflownews.com\u002F\n\n## WechatGroup\n\nIf it is out of time,you can go to http:\u002F\u002Fwww.tensorflownews.com\u002F ,I will update the wechat group qcode here.\n\n## Thanks \n@HadXu develop the keras version\nhttps:\u002F\u002Fgithub.com\u002Ffendouai\u002FFaceRank\u002Ftree\u002Fmaster\u002FFaceRank_with_keras\n\n","## 人脸评分 - 基于 TensorFlow 的 CNN 模型对人脸进行评分\n\n## Keras 版本\nhttps:\u002F\u002Fgithub.com\u002Ffendouai\u002FFaceRank\u002Ftree\u002Fmaster\u002FFaceRank_with_keras\n\n## RankFace\n\n一款基于深度学习的模型，用于评估人脸的 AQ（外貌商数）。（仅限中国年轻女孩） https:\u002F\u002Fgithub.com\u002FEntropy-xcy\u002FRankFace\n\n## 中文说明（QQ 群：522785813）\n\n项目总体说明：https:\u002F\u002Fgithub.com\u002Ffendouai\u002FFaceRank\u002Fblob\u002Fmaster\u002Fcn_readme.md\n\n运行详细说明：https:\u002F\u002Fgithub.com\u002Ffendouai\u002FFaceRank\u002Fblob\u002Fmaster\u002Ftoturial.md\n\nGitee（速度更快）\n\n项目总体说明：https:\u002F\u002Fgitee.com\u002Ffendouai\u002FFaceRank\u002Fblob\u002Fmaster\u002Fcn_readme.md\n\n运行详细说明：https:\u002F\u002Fgitee.com\u002Ffendouai\u002FFaceRank\u002Fblob\u002Fmaster\u002Ftoturial.md\n\n## 结果图片\n![结果图片](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ffendouai_FaceRank_readme_311b070ef3f1.jpg)\n\n## 隐私\n出于隐私考虑，训练图像数据集未对外提供。\n后续可能会提供部分示例图片。\n\n## 数据集\n* 从网上收集的 130 张 128×128 尺寸图片，带有标签：\n  image: 1-3.jpg 表示第 1、3 张训练图片。\n* 您也可以将自己的图片添加到 resize_images 文件夹中。\n\n## 模型\n模型基于 TensorFlow 的 CNN 架构，参考自：https:\u002F\u002Fgithub.com\u002Faymericdamien\u002FTensorFlow-Examples\u002F\n\n## 运行\n安装 TensorFlow 后，直接运行 train_model.py 即可。\n* 训练模型\n* 将模型保存至 model 目录\n\n## 测试\n运行 train_model.py 后，再运行 run_model.py 即可进行测试。\n\n## 下载\n训练好的模型可在以下地址下载：\nhttp:\u002F\u002Fwww.tensorflownews.com\u002F\n\n## 微信群\n\n若已过时，您可访问 http:\u002F\u002Fwww.tensorflownews.com\u002F ，我将在此处更新微信群二维码。\n\n## 感谢\n@HadXu 开发了 Keras 版本\nhttps:\u002F\u002Fgithub.com\u002Ffendouai\u002FFaceRank\u002Ftree\u002Fmaster\u002FFaceRank_with_keras","# FaceRank 快速上手指南\n\nFaceRank 是一个基于 TensorFlow 和 CNN 深度学习模型的面部评分工具，主要用于评估面部外观指数（AQ）。本项目提供基础训练与测试流程，支持自定义数据集扩展。\n\n## 环境准备\n\n- **操作系统**：Linux \u002F macOS \u002F Windows\n- **Python 版本**：建议 Python 3.6+\n- **核心依赖**：\n  - TensorFlow（CPU 或 GPU 版本均可）\n  - Keras（可选，如需使用 Keras 版本请参考项目子目录）\n- **其他要求**：\n  - 已安装 `pip` 包管理工具\n  - 建议国内用户使用镜像源加速安装（如清华源、阿里源）\n\n> 💡 提示：若未安装 TensorFlow，可使用以下命令快速安装（推荐国内镜像）：\n```bash\npip install tensorflow -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n## 安装步骤\n\n1. 克隆项目代码（推荐使用 Gitee 镜像，速度更快）：\n```bash\ngit clone https:\u002F\u002Fgitee.com\u002Ffendouai\u002FFaceRank.git\ncd FaceRank\n```\n\n2. 准备数据集：\n   - 将带标签的 128x128 人脸图片放入 `resize_images` 文件夹\n   - 命名格式示例：`1-3.jpg` 表示第 1 类第 3 张训练图（数字代表排名等级）\n   - 也可自行添加新图片并调整尺寸至 128x128\n\n> ⚠️ 注意：出于隐私保护，官方不提供原始训练数据集，仅示例结构供参考。\n\n## 基本使用\n\n### 1. 训练模型\n执行以下命令开始训练 CNN 模型，训练完成后模型将自动保存至 `model` 目录：\n```bash\npython train_model.py\n```\n\n### 2. 测试模型\n训练完成后，运行测试脚本对新增图片或样本进行评分预测：\n```bash\npython run_model.py\n```\n\n### 3. （可选）使用 Keras 版本\n如需使用基于 Keras 的实现，请切换至对应子目录：\n```bash\ncd FaceRank_with_keras\n# 后续操作参照该目录下说明\n```\n\n## 补充资源\n\n- 预训练模型下载：[http:\u002F\u002Fwww.tensorflownews.com\u002F](http:\u002F\u002Fwww.tensorflownews.com\u002F)\n- 详细中文教程：[Gitee 运行说明](https:\u002F\u002Fgitee.com\u002Ffendouai\u002FFaceRank\u002Fblob\u002Fmaster\u002Ftoturial.md)\n- 项目总体介绍：[Gitee 中文 readme](https:\u002F\u002Fgitee.com\u002Ffendouai\u002FFaceRank\u002Fblob\u002Fmaster\u002Fcn_readme.md)\n\n> 📌 温馨提示：微信群二维码可能过期，请访问上述官网获取最新交流群信息。","某初创美妆科技公司正在开发一款面向年轻女性用户的\"AI 颜值测评”小程序，旨在通过上传照片为用户提供外观吸引力（AQ）的量化评分与改进建议。\n\n### 没有 FaceRank 时\n- **研发周期漫长**：团队需从零开始收集人脸数据集、清洗标注，并手动搭建 CNN 网络结构，导致项目启动阶段耗时数月。\n- **算法门槛过高**：缺乏深度学习专家的情况下，难以调整模型参数以准确提取面部特征，初期测试评分结果波动大，缺乏参考价值。\n- **部署成本高昂**：自行训练的模型在移动端推理速度慢，且未针对特定人群（如中国年轻女性）优化，导致用户体验不佳。\n- **数据隐私风险**：为凑齐训练数据，团队不得不冒险使用来源不明的网络图片，面临潜在的版权与合规法律风险。\n\n### 使用 FaceRank 后\n- **快速落地验证**：直接调用基于 TensorFlow 或 Keras 的预训练 CNN 模型，仅需少量样本微调即可在几天内完成核心评分功能开发。\n- **评分精准可靠**：利用专为“中国年轻女性”优化的 AQ 评判逻辑，模型能输出稳定且符合大众审美的量化分数，显著提升用户信任度。\n- **灵活集成部署**：提供完整的训练与测试脚本（train_model.py\u002Frun_model.py），支持开发者轻松将模型集成至后端服务，大幅降低算力消耗。\n- **合规安全可控**：遵循项目隐私保护原则，团队可使用自有脱敏数据在预留接口上进行增量训练，既规避了数据源风险又保证了模型针对性。\n\nFaceRank 通过将复杂的人脸美学评估算法封装为开箱即用的开源方案，帮助团队以极低成本实现了从“概念构想”到“精准量化评分”的商业闭环。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ffendouai_FaceRank_73e2ca00.png","fendouai","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Ffendouai_67c361b3.png","Machine Learning Master\r\n@TensorFlowNews blogger\r\n微信公众号：磐创AI\r\n","磐创AI","shenzhen",null,"http:\u002F\u002Fwww.panchuang.net\u002F","https:\u002F\u002Fgithub.com\u002Ffendouai",[82],{"name":83,"color":84,"percentage":85},"Python","#3572A5",100,855,208,"2026-04-05T02:07:31","GPL-3.0","未说明",{"notes":92,"python":90,"dependencies":93},"项目基于 TensorFlow 和 CNN 模型。训练数据集因隐私问题未提供，仅包含 130 张 128x128 的示例图片。主要功能限于特定人群（中文说明提及仅限中国年轻女性）。运行流程为先执行 train_model.py 训练并保存模型，再执行 run_model.py 进行测试。另有基于 Keras 的版本可用。",[94,95],"TensorFlow","Keras (可选版本)",[14,15,16],[98,99,100,101,102,103,104,105],"tensorflow","face-recognition","keras","machine-learning","deep-learning","convolutional-neural-networks","cnn-model","dataset","2026-03-27T02:49:30.150509","2026-04-08T22:42:18.248900",[],[]]