TensorFlow-Course
TensorFlow-Course 是一个专为 TensorFlow 打造的开源教程仓库，旨在提供简单易懂、即拿即用的学习资源。针对深度学习框架虽然强大但入门门槛较高、官方文档对新手不够友好的痛点，该项目通过结构化的实战案例，帮助学习者快速跨越从理论到代码的鸿沟。
每个教程都配备了完整的源代码和详细的配套文档，内容已更新至 TensorFlow 2.3 版本，并涵盖了如何利用 Keras 等高层 API 简化模型构建的技巧。这种“代码 + 文档”双轨并行的模式，有效解决了初学者在面对高度模块化设计时容易产生的困惑，让复杂的神经网络搭建过程变得清晰直观。
无论是刚刚接触人工智能的学生、希望快速上手的开发者，还是从事相关领域的研究人员，都能从中获益。对于想要系统掌握 TensorFlow 核心概念并付诸实践的用户来说，TensorFlow-Course 提供了一条清晰的学习路径，帮助大家更高效地开启深度学习之旅。
使用场景
某初创公司的算法实习生小李，需要在两周内基于 TensorFlow 2.3 构建一个图像分类原型以向投资人演示，但他对框架的模块化设计感到无从下手。
没有 TensorFlow-Course 时
- 环境配置受阻：面对 TensorFlow 频繁的版本迭代，花费数天排查依赖冲突，始终无法在本地跑通"Hello World"级别的示例代码。
- 概念理解割裂：官方文档过于侧重底层数学原理和分散的 API 说明，难以将张量运算、会话管理等碎片化知识串联成完整的模型构建逻辑。
- 试错成本高昂：由于缺乏结构化的参考代码，每次调整网络架构都需要从头编写大量样板代码，调试过程如同“盲人摸象”，严重拖慢开发进度。
- 实战信心不足：面对高度灵活的模块化设计，担心因架构设计不当导致模型无法收敛，迟迟不敢动手实现核心业务逻辑。
使用 TensorFlow-Course 后
- 快速启动项目：直接复用仓库中已适配 TensorFlow 2.3 的现成教程代码，几分钟内即可完成环境验证并运行起第一个基准模型。
- 体系化学习路径：跟随由浅入深的教程目录，通过关联的源码与文档对照，迅速理清了从数据加载到模型训练的全流程逻辑。
- 高效迭代优化：基于提供的标准源代码进行修改和扩展，将原本需要数天的架构调整工作缩短至几小时，专注于业务算法本身的优化。
- 落地底气增强：参考成熟的案例实现，不仅规避了常见的入门陷阱，还快速构建出稳定的演示原型，顺利完成了投资汇报。
TensorFlow-Course 通过将复杂的框架细节封装为即插即用的教程与源码，极大地降低了深度学习的学习门槛与工程落地成本。
运行环境要求
- 未说明
未说明
未说明
快速开始
TensorFlow 课程_
.. image:: https://travis-ci.org/instillai/TensorFlow-Course.svg?branch=master :target: https://travis-ci.org/instillai/TensorFlow-Course .. image:: https://img.shields.io/badge/contributions-welcome-brightgreen.svg?style=flat :target: https://github.com/open-source-for-science/TensorFlow-Course/pulls .. image:: https://img.shields.io/twitter/follow/machinemindset.svg?label=Follow&style=social :target: https://twitter.com/machinemindset .. image:: https://zenodo.org/badge/151300862.svg :target: https://zenodo.org/badge/latestdoi/151300862
本仓库旨在为 TensorFlow 提供简单易用的教程。每个教程都包含“源代码”，并且大多数教程还配有“文档”。
.. .. image:: _img/mainpage/TensorFlow_World.gif
.. 链接。 .. _TensorFlow: https://www.tensorflow.org/install/ .. _维基百科: https://en.wikipedia.org/wiki/TensorFlow/
########################################################################## 赞助 ##########################################################################
为了支持本项目的维护与升级，请您考虑 赞助项目开发者 <https://github.com/sponsors/astorfi/dashboard>_。
无论何种程度的支持，都是对本项目的重要贡献 :heart:
状态: 本项目已更新至 TensorFlow 2.3。
################# 目录 ################# .. contents:: :local: :depth: 3
========================================== 免费下载 TensorFlow 路线图电子书
.. raw:: html
.. raw:: html
.. raw:: html
========================================== Slack 社区
.. raw:: html
.. raw:: html
.. raw:: html
什么是 TensorFlow？
TensorFlow 是一个开源软件库，用于在各种任务中进行数据流编程。它是一个符号数学库，也广泛应用于机器学习领域，例如神经网络。TensorFlow 在 Google 的研究和生产中都有广泛应用，常常取代其闭源前身 DistBelief。
TensorFlow 由 Google Brain 团队开发，最初仅供 Google 内部使用。2015年11月9日，TensorFlow 以 Apache 2.0 开源许可证正式发布。
============ 动机
这个开源项目有多种动机。截至本文撰写时，TensorFlow 是目前最好的深度学习框架之一。那么问题来了：既然网上已经有许多关于 TensorFlow 的教程，为什么还要创建这样一个仓库呢？
为什么使用 TensorFlow？
如今，深度学习备受关注——快速且优化的算法和架构实现显得尤为重要。TensorFlow 正是为此而设计的。
TensorFlow 的一大优势在于其灵活性，能够构建高度模块化的模型。然而，对于初学者来说，这也可能成为劣势，因为构建模型时需要综合考虑许多细节。
不过，这一问题已通过开发高级 API 得到缓解，例如 Keras <https://keras.io/>_ 和 Slim <https://github.com/tensorflow/models/blob/031a5a4ab41170d555bc3e8f8545cf9c8e3f1b28/research/inception/inception/slim/README.md>_，它们抽象了机器学习算法设计中的许多复杂部分。
有趣的是，TensorFlow 如今几乎无处不在。许多研究人员和开发者都在使用它，它的社区正以惊人的速度增长！由于参与者众多，遇到的问题往往也是其他人经常碰到的，因此解决起来相对容易。
这个仓库的意义何在？
仅仅为了开发而开发开源项目，并不是我们开展这项工作的初衷。 考虑到大量教程不断涌入这个庞大的社区，本仓库的建立是为了打破大多数开源项目常见的“启动后很快停滞”的现象，但究竟是为什么、又该如何做到呢？
首先，如果大多数人不会驻足浏览，那投入精力又有何意义？如果所创建的内容无法帮助开发者和研究人员群体，又有什么价值呢？为何要花费时间去做一件很容易被遗忘的事情呢？那么，我们究竟该如何做呢？ 即便到目前为止，关于 TensorFlow 的教程多不胜数，涵盖模型设计和 TensorFlow 工作流程等方面。
然而，其中大多数要么过于复杂，要么缺乏足够的文档说明。真正简洁明了、结构清晰，并能深入讲解具体实现模型的教程却寥寥无几。
本项目的目标是通过结构化、简洁且优化的代码实现，为社区提供更好的指导，帮助大家更快速有效地使用 TensorFlow。
值得注意的是，本项目的核心目标是提供文档完善、代码简化的教程！
================================================= TensorFlow 安装与环境配置
.. image:: _img/mainpage/installation-logo.gif :height: 100px :width: 200 px :scale: 50 % :alt: 替代文本 :align: 右侧 :target: docs/tutorials/installation
.. _TensorFlow 安装: https://www.tensorflow.org/install
要安装 TensorFlow，请参考以下链接：
TensorFlow 安装_
.. image:: _img/mainpage/installation.gif :target: https://www.tensorflow.org/install
建议使用虚拟环境进行安装，以避免包冲突并方便自定义工作环境。
==================== TensorFlow 教程
本仓库中的教程按相关类别划分。
==========================
热身
.. image:: _img/mainpage/welcome.gif :height: 100px :width: 200 px :scale: 50 % :alt: 替代文本 :align: right
.. _colab: https://colab.research.google.com/github/instillai/TensorFlow-Course/blob/master/codes/ipython/0-welcome/welcome.ipynb .. _Documentationcnnwelcome: docs/tutorials/0-welcome .. _ipythonwelcome: codes/ipython/0-welcome/welcome.ipynb .. _pythonwelcome: https://github.com/instillai/TensorFlow-Course/blob/master/codes/python/0-welcome/welcome.py .. _videowelcome: https://youtu.be/xd0DVygHlNE
.. |Welcome| image:: https://colab.research.google.com/assets/colab-badge.svg :target: https://colab.research.google.com/github/instillai/TensorFlow-Course/blob/master/codes/ipython/0-welcome/welcome.ipynb
.. |youtubeim| image:: _img/mainpage/YouTube.png :target: https://github.com/instillai/TensorFlow-Course/blob/master/_img/mainpage/YouTube.png
+----+---------------------+--------------------------+------------------------------------------------------------------------+-------------------------------------------+
| # | 主题 | 运行 | 源代码 | 媒体 |
+====+=====================+==========================+========================================================================+===========================================+
| 1 | 启动 | |Welcome| | Notebook <ipythonwelcome_>_ / Python <pythonwelcome_>_ | 视频教程 <videowelcome_>_ |
+----+---------------------+--------------------------+------------------------------------------------------------------------+-------------------------------------------+
==========================
基础
.. raw:: html
.. raw:: html
.. raw:: html
.. raw:: html
.. _ipythontensors: codes/ipython/1-basics/tensors.ipynb .. _pythontensors: codes/python/1-basics/tensors.py .. _videotensors: https://youtu.be/Od-VvnYUbFw .. |Tensors| image:: https://colab.research.google.com/assets/colab-badge.svg :target: https://colab.research.google.com/github/instillai/TensorFlow-Course/blob/master/codes/ipython/1-basics/tensors.ipynb
.. _ipythonad: codes/ipython/1-basics/automatic_differentiation.ipynb .. _pythonad: codes/python/1-basics/automatic_differentiation.py .. _videoad: https://youtu.be/l-MGydWW-UE .. |AD| image:: https://colab.research.google.com/assets/colab-badge.svg :target: https://colab.research.google.com/github/instillai/TensorFlow-Course/blob/master/codes/ipython/1-basics/automatic_differentiation.ipynb
.. _ipythongraphs: codes/ipython/1-basics/graph.ipynb .. _pythongraphs: codes/python/1-basics/graph.py .. _videographs: https://youtu.be/P9xA1s6AUNk .. |graphs| image:: https://colab.research.google.com/assets/colab-badge.svg :target: https://colab.research.google.com/github/instillai/TensorFlow-Course/blob/master/codes/ipython/1-basics/graph.ipynb
.. _ipythonmodels: codes/ipython/1-basics/models.ipynb .. _pythonmodels: codes/python/1-basics/models.py .. _videomodels: https://youtu.be/WnlUE04REOY .. |models| image:: https://colab.research.google.com/assets/colab-badge.svg :target: https://colab.research.google.com/github/instillai/TensorFlow-Course/blob/master/codes/ipython/1-basics/models.ipynb
+----+-----------------------------------+--------------------------+------------------------------------------------------------------------+-----------------------------------------+
| # | 主题 | 运行 | 源代码 | 媒体 |
+====+===================================+==========================+========================================================================+=========================================+
| 1 | 张量 | |Tensors| | Notebook <ipythontensors_>_ / Python <pythontensors_>_ | 视频教程 <videotensors_>_ |
+----+-----------------------------------+--------------------------+------------------------------------------------------------------------+-----------------------------------------+
| 2 | 自动微分 | |AD| | Notebook <ipythonad_>_ / Python <pythonad_>_ | 视频教程 <videoad_>_ |
+----+-----------------------------------+--------------------------+------------------------------------------------------------------------+-----------------------------------------+
| 3 | 图简介 | |graphs| | Notebook <ipythongraphs_>_ / Python <pythongraphs_>_ | 视频教程 <videographs_>_ |
+----+-----------------------------------+--------------------------+------------------------------------------------------------------------+-----------------------------------------+
| 4 | TensorFlow 模型 | |models| | Notebook <ipythonmodels_>_ / Python <pythonmodels_>_ | 视频教程 <videomodels_>_ |
+----+-----------------------------------+--------------------------+------------------------------------------------------------------------+-----------------------------------------+
==========================
基础机器学习
.. raw:: html
.. raw:: html
.. raw:: html
.. raw:: html
.. .. image:: _img/mainpage/basicmodels.gif .. :height: 100px .. :width: 200 px .. :scale: 50 % .. :alt: 替代文本 .. :align: right
.. _ipythonlinearreg: codes/ipython/basics_in_machine_learning/linearregression.ipynb .. _pythonlinearreg: codes/python/basics_in_machine_learning/linearregression.py .. _tutoriallinearreg: https://www.machinelearningmindset.com/linear-regression-with-tensorflow/ .. _videoinearreg: https://youtu.be/2RTBBiKKuLI
.. _tutorialdataaugmentation: https://www.machinelearningmindset.com/data-augmentation-with-tensorflow/ .. _ipythondataaugmentation: https://github.com/instillai/TensorFlow-Course/blob/master/codes/ipython/basics_in_machine_learning/dataaugmentation.ipynb .. _pythondataaugmentation: https://github.com/instillai/TensorFlow-Course/blob/master/codes/python/basics_in_machine_learning/dataaugmentation.py .. _videodataaugmentation: https://youtu.be/HbzR2snHJF0
.. |lr| image:: https://colab.research.google.com/assets/colab-badge.svg :target: https://colab.research.google.com/github/instillai/TensorFlow-Course/blob/master/codes/ipython/basics_in_machine_learning/linearregression.ipynb .. |da| image:: https://colab.research.google.com/assets/colab-badge.svg :target: https://colab.research.google.com/github/instillai/TensorFlow-Course/blob/master/codes/ipython/basics_in_machine_learning/dataaugmentation.ipynb
+----+-----------------------------------+--------------------------+------------------------------------------------------------------------------------+----------------------------------------------+----------------------------------------------+
| # | topic | Run | Source Code | More | Media |
+====+===================================+==========================+====================================================================================+==============================================+==============================================+
| 1 | 线性回归 | |lr| | 笔记本 <ipythonlinearreg_>_ / Python <pythonlinearreg_>_ | 教程 <tutoriallinearreg_>_ | 视频教程 <videoinearreg_>_ |
+----+-----------------------------------+--------------------------+------------------------------------------------------------------------------------+----------------------------------------------+----------------------------------------------+
| 2 | 数据增强 | |da| | 笔记本 <ipythondataaugmentation_>_ / Python <pythondataaugmentation_>_ | 教程 <tutorialdataaugmentation_>_ | 视频教程 <videodataaugmentation_>_ |
+----+-----------------------------------+--------------------------+------------------------------------------------------------------------------------+----------------------------------------------+----------------------------------------------+
.. +----+----------------------------+----------------------------------------------------------------------------------------+----------------------------------------------+
==========================
神经网络
.. raw:: html
.. raw:: html
.. raw:: html
.. raw:: html
<br>
.. _ipythonmlp: https://github.com/instillai/TensorFlow-Course/blob/master/codes/ipython/neural_networks/mlp.ipynb .. _pythonmlp: https://github.com/instillai/TensorFlow-Course/blob/master/codes/python/neural_networks/mlp.py .. _videomlp: https://youtu.be/w20efZqSK2Y
.. _ipythoncnn: https://github.com/instillai/TensorFlow-Course/blob/master/codes/ipython/neural_networks/CNNs.ipynb .. _pythoncnn: https://github.com/instillai/TensorFlow-Course/blob/master/codes/python/neural_networks/cnns.py .. _videocnn: https://youtu.be/WVifZBCRz8g
.. |mlp| image:: https://colab.research.google.com/assets/colab-badge.svg :target: https://colab.research.google.com/github/instillai/TensorFlow-Course/blob/master/codes/ipython/neural_networks/mlp.ipynb .. |cnn| image:: https://colab.research.google.com/assets/colab-badge.svg :target: https://colab.research.google.com/github/instillai/TensorFlow-Course/blob/master/codes/ipython/neural_networks/CNNs.ipynb
+----+------------------------------------------+--------------------------+------------------------------------------------------+------------------------------------+
| # | topic | Run | Source Code | Media |
+====+==========================================+==========================+======================================================+====================================+
| 1 | 多层感知机 | |mlp| | 笔记本 <ipythonmlp_>_ / Python <pythonmlp_>_ | 视频教程 <videomlp_>_ |
+----+------------------------------------------+--------------------------+------------------------------------------------------+------------------------------------+
| 2 | 卷积神经网络 | |cnn| | 笔记本 <ipythoncnn_>_ / Python <pythoncnn_>_ | 视频教程 <videocnn_>_ |
+----+------------------------------------------+--------------------------+------------------------------------------------------+------------------------------------+
==========================
进阶
.. raw:: html
.. raw:: html
.. raw:: html
.. raw:: html
<br>
.. _ipythoncustomtr: https://github.com/instillai/TensorFlow-Course/blob/master/codes/ipython/advanced/custom_training.ipynb .. _pythoncustomtr: https://github.com/instillai/TensorFlow-Course/blob/master/codes/python/advanced/custom_training.py .. _videocustomtr: https://youtu.be/z5gcabfyPfA
.. _ipythondgenerator: https://github.com/instillai/TensorFlow-Course/blob/master/codes/ipython/advanced/dataset_generator.ipynb .. _pythondgenerator: https://github.com/instillai/TensorFlow-Course/blob/master/codes/python/advanced/dataset_generator.py .. _videodgenerator: https://youtu.be/-YsgMdDPu3g
.. _ipythontfrecords: https://github.com/instillai/TensorFlow-Course/blob/master/codes/ipython/advanced/tfrecords.ipynb .. _pythontfrecords: https://github.com/instillai/TensorFlow-Course/blob/master/codes/python/advanced/tfrecords.py .. _videotfrecords: https://youtu.be/zqavy_5QMk8
.. |ctraining| image:: https://colab.research.google.com/assets/colab-badge.svg :target: https://colab.research.google.com/github/instillai/TensorFlow-Course/blob/master/codes/ipython/advanced/custom_training.ipynb
.. |dgenerator| image:: https://colab.research.google.com/assets/colab-badge.svg :target: https://colab.research.google.com/github/instillai/TensorFlow-Course/blob/master/codes/ipython/advanced/dataset_generator.ipynb
.. |tfrecords| image:: https://colab.research.google.com/assets/colab-badge.svg :target: https://colab.research.google.com/github/instillai/TensorFlow-Course/blob/master/codes/ipython/advanced/tfrecords.ipynb
+----+------------------------------------------+--------------------------+--------------------------------------------------------------------+----------------------------------------+
| # | 主题 | 运行 | 源代码 | 媒体 |
+====+==========================================+==========================+====================================================================+========================================+
| 1 | 自定义训练 | |ctraining| | 笔记本 <ipythoncustomtr_>_ / Python <pythoncustomtr_>_ | 视频教程 <videocustomtr_>_ |
+----+------------------------------------------+--------------------------+--------------------------------------------------------------------+----------------------------------------+
| 2 | 数据集生成器 | |dgenerator| | 笔记本 <ipythondgenerator_>_ / Python <pythondgenerator_>_ | 视频教程 <videodgenerator_>_ |
+----+------------------------------------------+--------------------------+--------------------------------------------------------------------+----------------------------------------+
| 3 | 创建 TFRecords | |tfrecords| | 笔记本 <ipythontfrecords_>_ / Python <pythontfrecords_>_ | 视频教程 <videotfrecords_>_ |
+----+------------------------------------------+--------------------------+--------------------------------------------------------------------+----------------------------------------+
===================== 一些有用的教程
TensorFlow 示例 <https://github.com/aymericdamien/TensorFlow-Examples>_ - 面向初学者的 TensorFlow 教程和代码示例Sungjoon 的 TensorFlow-101 <https://github.com/sjchoi86/Tensorflow-101>_ - 使用 Jupyter Notebook 编写的 Python 版 TensorFlow 教程Terry Um 的 TensorFlow 练习 <https://github.com/terryum/TensorFlow_Exercises>_ - 重新实现其他 TensorFlow 示例中的代码时间序列分类 <https://github.com/guillaume-chevalier/LSTM-Human-Activity-Recognition>_ - 在手机传感器数据上使用 LSTM 的 TensorFlow 循环神经网络分类
============= 贡献说明
在向本仓库提交贡献时，请先通过议题、邮件或其他方式与仓库所有者讨论您希望进行的更改，再进行实际修改。对于错别字，请勿直接创建拉取请求，而应在议题中指出或直接联系仓库所有者。
请注意，我们有一份行为准则，请在与本项目的所有互动中严格遵守。
拉取请求流程
为便于我们更好地处理您的请求，请参考以下标准：
- 拉取请求主要应围绕代码脚本的建议或改进。
- 请勿直接修改 ipython 文件，而是修改对应的 PYTHON 文件。
- 如果拉取请求涉及非代码部分，则需对文档产生显著影响；否则，建议在议题中提出。
- 在构建并提交拉取请求之前，请确保已移除所有安装或构建依赖项。
- 对界面变更添加详细注释，包括新增环境变量、开放端口、重要文件路径及容器参数等。
- 当至少有一位其他开发者签字确认后，您可以自行合并拉取请求；若无权限，可在确认所有检查均已通过的情况下，请求仓库所有者代为合并。
最后说明
我们期待您的宝贵反馈！请帮助我们改进这个开源项目，使我们的工作更加完善。如需贡献，请创建一个拉取请求，我们将尽快予以审核。再次感谢您的反馈与细致的代码审查。
======================== 开发者
公司: Instill AI [官网 <https://instillai.com/>_]
创建者: Machine Learning Mindset [博客 <https://machinelearningmindset.com/blog/>, GitHub <https://github.com/machinelearningmindset>, Twitter <https://twitter.com/machinemindset>_]
开发者: Amirsina Torfi [GitHub <https://github.com/astorfi>, 个人网站 <https://astorfi.github.io/>, LinkedIn <https://www.linkedin.com/in/amirsinatorfi/>_ ]
版本历史
1.02019/12/19常见问题
相似工具推荐
openclaw
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。 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。 OpenClaw 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
stable-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。 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。
everything-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。 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。 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
ComfyUI
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。 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。 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。
gemini-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。 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。 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。
markitdown
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。 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。 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