[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-jihe520--MathModelAgent":3,"tool-jihe520--MathModelAgent":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":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":75,"owner_location":76,"owner_email":75,"owner_twitter":75,"owner_website":77,"owner_url":78,"languages":79,"stars":107,"forks":108,"last_commit_at":109,"license":75,"difficulty_score":110,"env_os":111,"env_gpu":112,"env_ram":112,"env_deps":113,"category_tags":122,"github_topics":123,"view_count":32,"oss_zip_url":75,"oss_zip_packed_at":75,"status":17,"created_at":128,"updated_at":129,"faqs":130,"releases":166},5595,"jihe520\u002FMathModelAgent","MathModelAgent","🤖📐专为数学建模设计的 Agent ,自动完成数学建模，生成一份完整的可以直接提交的论文。 An Agent Designed for Mathematical Modeling ,Automatically complete mathmodel and generate a complete paper ready for submission.","MathModelAgent 是一款专为数学建模竞赛打造的智能助手，旨在将原本需要数天完成的建模任务压缩至一小时内自动完成。它不仅能自动分析问题、构建数学模型、编写并调试代码，还能最终生成一篇格式规范、内容完整且可直接提交的获奖级别论文，极大提升了备赛效率。\n\n这款工具特别适合参加数学建模大赛的学生团队、相关领域的研究人员以及希望自动化科研流程的开发者使用。其核心亮点在于采用了多智能体（Multi-Agents）协作架构，内部细分出“建模手”、“代码手”和“论文手”等角色，各司其职又紧密配合。同时，它支持灵活配置不同的底层大语言模型，内置本地与云端双模式代码解释器（基于 Jupyter），并允许用户通过自定义提示词模板精准控制每个环节的输出需求。\n\n目前 MathModelAgent 处于快速迭代的实验阶段，提供了 Docker 一键部署和本地安装等多种方式，方便用户快速上手体验。虽然项目仍在完善中，但其低成本、高自动化的工作流已展现出巨大的应用潜力，是辅助数学建模工作的强力工具。","\u003Ch1 align=\"center\">🤖 MathModelAgent 📐\u003C\u002Fh1>\n\u003Cp align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjihe520_MathModelAgent_readme_8d0432625fcb.png\" height=\"250px\">\n\u003C\u002Fp>\n\u003Ch4 align=\"center\">\n    专为数学建模设计的 Agent\u003Cbr>\n    自动完成数学建模，生成一份完整的可以直接提交的论文。\n\u003C\u002Fh4>\n\n\u003Ch5 align=\"center\">简体中文 | \u003Ca href=\"README_EN.md\">English\u003C\u002Fa>\u003C\u002Fh5>\n\n## 🌟 愿景：\n\n3 天的比赛时间变为 1 小时 \u003Cbr> \n自动完整一份可以获奖级别的建模论文\n\n\u003Cp align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjihe520_MathModelAgent_readme_f4373fa50447.png\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjihe520_MathModelAgent_readme_8e62763f7d2d.png\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjihe520_MathModelAgent_readme_9c51057329f5.png\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjihe520_MathModelAgent_readme_f531b807f6db.png\">\n\u003C\u002Fp>\n\n## ✨ 功能特性\n\n- 🔍 自动分析问题，数学建模，编写代码，纠正错误，撰写论文\n- 💻 Code Interpreter\n    - local Interpreter: 基于 jupyter , 代码保存为 notebook 方便再编辑\n    - 云端 code interpreter: [E2B](https:\u002F\u002Fe2b.dev\u002F) 和 [daytona](https:\u002F\u002Fapp.daytona.io\u002F)\n- 📝 生成一份编排好格式的论文\n- 🤝 multi-agents: 建模手，代码手，论文手等\n- 🔄 multi-llms: 每个 agent 设置不同的、合适的模型\n- 🤖 支持所有模型: [litellm](https:\u002F\u002Fdocs.litellm.ai\u002Fdocs\u002Fproviders)\n- 💰 成本低：workflow agentless，不依赖 agent 框架\n- 🧩 自定义模板：prompt inject 为每个 subtask 单独设置需求\n\n## 🚀 后期计划\n\n- [x] 添加并完成 webui、cli\n- [ ] 完善的教程、文档\n- [ ] 提供 web 服务\n- [ ] 英文支持（美赛）\n- [ ] 集成 latex 模板\n- [ ] 接入视觉模型\n- [x] 添加正确文献引用\n- [x] 更多测试案例\n- [x] docker 部署\n- [ ] human in loop ( HIL ): 引入用户的交互（选择模型，@agent重写，等等）\n- [ ] feedback: evaluate the result and modify\n- [x] codeinterpreter 接入云端 如 e2b 等供应商..\n- [ ] 多语言: R 语言, matlab\n- [ ] 绘图 napki,draw.io,plantuml,svg, mermaid.js\n- [ ] 添加 benchmark\n- [ ] web search tool\n- [ ] RAG 知识库\n- [ ] A2A hand off: 代码手多次反思错误，hand off 更聪明模型 agent\n- [ ] chat \u002F agent mode\n\n## 视频demo\n\n\u003Cvideo src=\"https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F954cb607-8e7e-45c6-8b15-f85e204a0c5d\">\u003C\u002Fvideo>\n\n> [!CAUTION]\n> 项目处于实验探索迭代demo阶段，有许多需要改进优化改进地方，我(项目作者)很忙，有时间会优化更新\n> 欢迎贡献\n\n\n## 📖 使用教程\n\n\n提供三种部署方式，请选择最适合你的方案：\n1. [docker(最简单)](#-方案一docker-部署推荐最简单)\n2. [本地部署](#-方案二-本地部署)\n3. [脚本本地部署(社区)](#-方案三自动脚本部署来自社区)\n\n\n下载项目\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fjihe520\u002FMathModelAgent.git # 克隆项目\n```\n\n\n> 如果你想运行 命令行版本 cli 切换到 [master](https:\u002F\u002Fgithub.com\u002Fjihe520\u002FMathModelAgent\u002Ftree\u002Fmaster) 分支,部署更简单，但未来不会更新\n\n\n\n### 🐳 方案一：Docker 部署（推荐：安全简单）\n\n> 确保电脑安装了 docker 环境\n\n1. 启动服务\n\n在项目文件夹下运行:\n\n```bash\ndocker-compose up\n```\n\n2. 访问\n\n现在你可以访问：\n- 前端界面：http:\u002F\u002Flocalhost:5173\n- 后端API：http:\u002F\u002Flocalhost:8000\n\n3. 配置\n\n侧边栏 -> 头像 -> API Key\n\n\n### 💻 方案二: 本地部署\n\n> 确保电脑中安装好 Python, Nodejs, **Redis** 环境\n\n\n1. 安装依赖\n\n启动后端\n\n> [!CAUTION]\n> 启动 Redis, 下载和运行问 AI\n\n```bash\ncd backend # 切换到 backend 目录下\npip install uv # 推荐使用 uv 管理 python 项目\nuv sync # 安装依赖\n# 启动后端\n# 激活 python 虚拟环境\nsource .venv\u002Fbin\u002Factivate # MacOS or Linux\nvenv\\Scripts\\activate.bat # Windows\n# MacOS or Linux 运行这条命令\nENV=DEV uvicorn app.main:app --host 0.0.0.0 --port 8000 --ws-ping-interval 60 --ws-ping-timeout 120 --reload\n# Windows 运行这条命令\nset ENV=DEV ; uvicorn app.main:app --host 0.0.0.0 --port 8000 --ws-ping-interval 60 --ws-ping-timeout 120\n```\n\n启动前端\n\n```bash\ncd frontend # 切换到 frontend 目录下\nnpm install -g pnpm\npnpm i #确保电脑安装了 pnpm \npnpm run dev\n```\n修改 backend\u002F.env.dev 的环境变量 **REDIS_URL**\n\n2. 配置\n\n侧边栏 -> 头像 -> API Key\n\n\n\n### 🚀 方案三：自动脚本部署（来自社区）\n有没有自动部署的脚本 ？\n[mmaAutoSetupRun](https:\u002F\u002Fgithub.com\u002FFitia-UCAS\u002FmmaAutoSetupRun)\n\n\n\n[教程](.\u002Fdocs\u002Fmd\u002Ftutorial.md)\n\n运行的结果和产生在`backend\u002Fproject\u002Fwork_dir\u002Fxxx\u002F*`目录下\n- notebook.ipynb: 保存运行过程中产生的代码\n- res.md: 保存最后运行产生的结果为 markdown 格式\n\n需要自定义自定义提示词模板 template ？\nPrompt Inject : [prompt](.\u002Fbackend\u002Fapp\u002Fconfig\u002Fmd_template.toml)\n\n网络状况太差难以配置Docker等设置？\n网络不畅时的配置过程示例：[网络环境极差时的MathModelAgent配置过程](docs\u002Fmd\u002F网络环境极差时的MathModelAgent配置过程.md)\n\n\n## 🤝 贡献和开发\n\n[DeepWiki](https:\u002F\u002Fdeepwiki.com\u002Fjihe520\u002FMathModelAgent) | [Zread](https:\u002F\u002Fzread.ai\u002Fjihe520\u002FMathModelAgent)\n\n\n> [!TIP]\n> 如果你有跑出来好的案例可以提交 PR 在该仓库下:\n> [MathModelAgent-Example](https:\u002F\u002Fgithub.com\u002Fjihe520\u002FMathModelAgent-Example)\n\n- 项目处于**开发实验阶段**（我有时间就会更新），变更较多，还存在许多 Bug，我正着手修复。\n- 希望大家一起参与，让这个项目变得更好\n- 非常欢迎使用和提交  **PRs** 和 issues \n- 需求参考 后期计划\n\nclone 项目后，下载 **Todo Tree** 插件，可以查看代码中所有具体位置的 todo\n\n`.cursor\u002F*` 有项目整体架构、rules、mcp 可以方便开发使用\n\n## 📄 版权License\n\n个人免费使用，请勿商业用途，商业用途联系我（作者）\n\n[License](.\u002Fdocs\u002Fmd\u002FLicense.md)\n\n## 🙏 Reference\n\nThanks to the following projects:\n- [OpenCodeInterpreter](https:\u002F\u002Fgithub.com\u002FOpenCodeInterpreter\u002FOpenCodeInterpreter\u002Ftree\u002Fmain)\n- [TaskWeaver](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002FTaskWeaver)\n- [Code-Interpreter](https:\u002F\u002Fgithub.com\u002FMrGreyfun\u002FLocal-Code-Interpreter\u002Ftree\u002Fmain)\n- [Latex](https:\u002F\u002Fgithub.com\u002FVeni222987\u002FMathModelingLatexTemplate\u002Ftree\u002Fmain)\n- [Agent Laboratory](https:\u002F\u002Fgithub.com\u002FSamuelSchmidgall\u002FAgentLaboratory)\n- [ai-manus](https:\u002F\u002Fgithub.com\u002FSimpleyyt\u002Fai-manus)\n\n## 其他\n\n### 💖 Sponsor\n\n[☕️ 给作者买一杯咖啡](.\u002Fdocs\u002Fmd\u002Fsponser.md)\n\n感谢赞助\n\n#### 企业\n\n[![Powered by DartNode](https:\u002F\u002Fdartnode.com\u002Fbranding\u002FDN-Open-Source-sm.png)](https:\u002F\u002Fdartnode.com \"Powered by DartNode - Free VPS for Open Source\")\n\n\u003Cdiv align=\"center\">\n    \u003Ca href=\"https:\u002F\u002Fshare.302.ai\u002FUoTruU\" target=\"_blank\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjihe520_MathModelAgent_readme_1462debaa3e5.jpg\">\n    \u003C\u002Fa>\n\u003C\u002Fdiv>\n\n[302.AI](https:\u002F\u002Fshare.302.ai\u002FUoTruU) 是一个按用量付费的企业级AI资源平台，提供市场上最新、最全面的AI模型和API，以及多种开箱即用的在线AI应用\n\n#### 用户\n\n[danmo-tyc](https:\u002F\u002Fgithub.com\u002Fdanmo-tyc)\n\n### 👥 GROUP\n\n有问题可以进群问\n\n点击链接加入腾讯频道【MathModelAgent】：https:\u002F\u002Fpd.qq.com\u002Fs\u002F7rfbai3au\n\n点击链接加入群聊 779159301【MathModelAgent】：https:\u002F\u002Fqm.qq.com\u002Fq\u002FFw2cCJPoki\n\n[Discord](https:\u002F\u002Fdiscord.gg\u002F3Jmpqg5J)\n\n> [!CAUTION]\n> 免责声明: 注意，AI 生成仅供参考，目前水平直接参加国赛获奖是不可能的，但我相信 AI 和 该项目未来的成长。\n","\u003Ch1 align=\"center\">🤖 MathModelAgent 📐\u003C\u002Fh1>\n\u003Cp align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjihe520_MathModelAgent_readme_8d0432625fcb.png\" height=\"250px\">\n\u003C\u002Fp>\n\u003Ch4 align=\"center\">\n    专为数学建模设计的 Agent\u003Cbr>\n    自动完成数学建模，生成一份完整的可以直接提交的论文。\n\u003C\u002Fh4>\n\n\u003Ch5 align=\"center\">简体中文 | \u003Ca href=\"README_EN.md\">English\u003C\u002Fa>\u003C\u002Fh5>\n\n## 🌟 愿景：\n\n3 天的比赛时间变为 1 小时 \u003Cbr> \n自动完整一份可以获奖级别的建模论文\n\n\u003Cp align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjihe520_MathModelAgent_readme_f4373fa50447.png\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjihe520_MathModelAgent_readme_8e62763f7d2d.png\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjihe520_MathModelAgent_readme_9c51057329f5.png\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjihe520_MathModelAgent_readme_f531b807f6db.png\">\n\u003C\u002Fp>\n\n## ✨ 功能特性\n\n- 🔍 自动分析问题，数学建模，编写代码，纠正错误，撰写论文\n- 💻 Code Interpreter\n    - local Interpreter: 基于 jupyter , 代码保存为 notebook 方便再编辑\n    - 云端 code interpreter: [E2B](https:\u002F\u002Fe2b.dev\u002F) 和 [daytona](https:\u002F\u002Fapp.daytona.io\u002F)\n- 📝 生成一份编排好格式的论文\n- 🤝 multi-agents: 建模手，代码手，论文手等\n- 🔄 multi-llms: 每个 agent 设置不同的、合适的模型\n- 🤖 支持所有模型: [litellm](https:\u002F\u002Fdocs.litellm.ai\u002Fdocs\u002Fproviders)\n- 💰 成本低：workflow agentless，不依赖 agent 框架\n- 🧩 自定义模板：prompt inject 为每个 subtask 单独设置需求\n\n## 🚀 后期计划\n\n- [x] 添加并完成 webui、cli\n- [ ] 完善的教程、文档\n- [ ] 提供 web 服务\n- [ ] 英文支持（美赛）\n- [ ] 集成 latex 模板\n- [ ] 接入视觉模型\n- [x] 添加正确文献引用\n- [x] 更多测试案例\n- [x] docker 部署\n- [ ] human in loop ( HIL ): 引入用户的交互（选择模型，@agent重写，等等）\n- [ ] feedback: evaluate the result and modify\n- [x] codeinterpreter 接入云端 如 e2b 等供应商..\n- [ ] 多语言: R 语言, matlab\n- [ ] 绘图 napki,draw.io,plantuml,svg, mermaid.js\n- [ ] 添加 benchmark\n- [ ] web search tool\n- [ ] RAG 知识库\n- [ ] A2A hand off: 代码手多次反思错误，hand off 更聪明模型 agent\n- [ ] chat \u002F agent mode\n\n## 视频demo\n\n\u003Cvideo src=\"https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F954cb607-8e7e-45c6-8b15-f85e204a0c5d\">\u003C\u002Fvideo>\n\n> [!CAUTION]\n> 项目处于实验探索迭代demo阶段，有许多需要改进优化改进地方，我(项目作者)很忙，有时间会优化更新\n> 欢迎贡献\n\n\n## 📖 使用教程\n\n\n提供三种部署方式，请选择最适合你的方案：\n1. [docker(最简单)](#-方案一docker-部署推荐最简单)\n2. [本地部署](#-方案二-本地部署)\n3. [脚本本地部署(社区)](#-方案三自动脚本部署来自社区)\n\n\n下载项目\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fjihe520\u002FMathModelAgent.git # 克隆项目\n```\n\n\n> 如果你想运行 命令行版本 cli 切换到 [master](https:\u002F\u002Fgithub.com\u002Fjihe520\u002FMathModelAgent\u002Ftree\u002Fmaster) 分支,部署更简单，但未来不会更新\n\n\n\n### 🐳 方案一：Docker 部署（推荐：安全简单）\n\n> 确保电脑安装了 docker 环境\n\n1. 启动服务\n\n在项目文件夹下运行:\n\n```bash\ndocker-compose up\n```\n\n2. 访问\n\n现在你可以访问：\n- 前端界面：http:\u002F\u002Flocalhost:5173\n- 后端API：http:\u002F\u002Flocalhost:8000\n\n3. 配置\n\n侧边栏 -> 头像 -> API Key\n\n\n### 💻 方案二: 本地部署\n\n> 确保电脑中安装好 Python, Nodejs, **Redis** 环境\n\n\n1. 安装依赖\n\n启动后端\n\n> [!CAUTION]\n> 启动 Redis, 下载和运行问 AI\n\n```bash\ncd backend # 切换到 backend 目录下\npip install uv # 推荐使用 uv 管理 python 项目\nuv sync # 安装依赖\n# 启动后端\n# 激活 python 虚拟环境\nsource .venv\u002Fbin\u002Factivate # MacOS or Linux\nvenv\\Scripts\\activate.bat # Windows\n# MacOS or Linux 运行这条命令\nENV=DEV uvicorn app.main:app --host 0.0.0.0 --port 8000 --ws-ping-interval 60 --ws-ping-timeout 120 --reload\n# Windows 运行这条命令\nset ENV=DEV ; uvicorn app.main:app --host 0.0.0.0 --port 8000 --ws-ping-interval 60 --ws-ping-timeout 120\n```\n\n启动前端\n\n```bash\ncd frontend # 切换到 frontend 目录下\nnpm install -g pnpm\npnpm i #确保电脑安装了 pnpm \npnpm run dev\n```\n修改 backend\u002F.env.dev 的环境变量 **REDIS_URL**\n\n2. 配置\n\n侧边栏 -> 头像 -> API Key\n\n\n\n### 🚀 方案三：自动脚本部署（来自社区）\n有没有自动部署的脚本 ？\n[mmaAutoSetupRun](https:\u002F\u002Fgithub.com\u002FFitia-UCAS\u002FmmaAutoSetupRun)\n\n\n\n[教程](.\u002Fdocs\u002Fmd\u002Ftutorial.md)\n\n运行的结果和产生在`backend\u002Fproject\u002Fwork_dir\u002Fxxx\u002F*`目录下\n- notebook.ipynb: 保存运行过程中产生的代码\n- res.md: 保存最后运行产生的结果为 markdown 格式\n\n需要自定义自定义提示词模板 template ？\nPrompt Inject : [prompt](.\u002Fbackend\u002Fapp\u002Fconfig\u002Fmd_template.toml)\n\n网络状况太差难以配置Docker等设置？\n网络不畅时的配置过程示例：[网络环境极差时的MathModelAgent配置过程](docs\u002Fmd\u002F网络环境极差时的MathModelAgent配置过程.md)\n\n\n## 🤝 贡献和开发\n\n[DeepWiki](https:\u002F\u002Fdeepwiki.com\u002Fjihe520\u002FMathModelAgent) | [Zread](https:\u002F\u002Fzread.ai\u002Fjihe520\u002FMathModelAgent)\n\n\n> [!TIP]\n> 如果你有跑出来好的案例可以提交 PR 在该仓库下:\n> [MathModelAgent-Example](https:\u002F\u002Fgithub.com\u002Fjihe520\u002FMathModelAgent-Example)\n\n- 项目处于**开发实验阶段**（我有时间就会更新），变更较多，还存在许多 Bug，我正着手修复。\n- 希望大家一起参与，让这个项目变得更好\n- 非常欢迎使用和提交  **PRs** 和 issues \n- 需求参考 后期计划\n\nclone 项目后，下载 **Todo Tree** 插件，可以查看代码中所有具体位置的 todo\n\n`.cursor\u002F*` 有项目整体架构、rules、mcp 可以方便开发使用\n\n## 📄 版权License\n\n个人免费使用，请勿商业用途，商业用途联系我（作者）\n\n[License](.\u002Fdocs\u002Fmd\u002FLicense.md)\n\n## 🙏 Reference\n\nThanks to the following projects:\n- [OpenCodeInterpreter](https:\u002F\u002Fgithub.com\u002FOpenCodeInterpreter\u002FOpenCodeInterpreter\u002Ftree\u002Fmain)\n- [TaskWeaver](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002FTaskWeaver)\n- [Code-Interpreter](https:\u002F\u002Fgithub.com\u002FMrGreyfun\u002FLocal-Code-Interpreter\u002Ftree\u002Fmain)\n- [Latex](https:\u002F\u002Fgithub.com\u002FVeni222987\u002FMathModelingLatexTemplate\u002Ftree\u002Fmain)\n- [Agent Laboratory](https:\u002F\u002Fgithub.com\u002FSamuelSchmidgall\u002FAgentLaboratory)\n- [ai-manus](https:\u002F\u002Fgithub.com\u002FSimpleyyt\u002Fai-manus)\n\n## 其他\n\n### 💖 Sponsor\n\n[☕️ 给作者买一杯咖啡](.\u002Fdocs\u002Fmd\u002Fsponser.md)\n\n感谢赞助\n\n#### 企业\n\n[![Powered by DartNode](https:\u002F\u002Fdartnode.com\u002Fbranding\u002FDN-Open-Source-sm.png)](https:\u002F\u002Fdartnode.com \"Powered by DartNode - Free VPS for Open Source\")\n\n\u003Cdiv align=\"center\">\n    \u003Ca href=\"https:\u002F\u002Fshare.302.ai\u002FUoTruU\" target=\"_blank\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjihe520_MathModelAgent_readme_1462debaa3e5.jpg\">\n    \u003C\u002Fa>\n\u003C\u002Fdiv>\n\n[302.AI](https:\u002F\u002Fshare.302.ai\u002FUoTruU) 是一个按用量付费的企业级AI资源平台，提供市场上最新、最全面的AI模型和API，以及多种开箱即用的在线AI应用\n\n#### 用户\n\n[danmo-tyc](https:\u002F\u002Fgithub.com\u002Fdanmo-tyc)\n\n### 👥 GROUP\n\n有问题可以进群问\n\n点击链接加入腾讯频道【MathModelAgent】：https:\u002F\u002Fpd.qq.com\u002Fs\u002F7rfbai3au\n\n点击链接加入群聊 779159301【MathModelAgent】：https:\u002F\u002Fqm.qq.com\u002Fq\u002FFw2cCJPoki\n\n[Discord](https:\u002F\u002Fdiscord.gg\u002F3Jmpqg5J)\n\n> [!CAUTION]\n> 免责声明: 注意，AI 生成仅供参考，目前水平直接参加国赛获奖是不可能的，但我相信 AI 和 该项目未来的成长。","# MathModelAgent 快速上手指南\n\nMathModelAgent 是一款专为数学建模设计的 AI Agent，能够自动完成问题分析、建模、代码编写、纠错及论文撰写，旨在将数天的比赛工作压缩至 1 小时内完成。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n\n*   **操作系统**：Windows, macOS 或 Linux\n*   **核心依赖**：\n    *   **方案一（推荐）**：已安装并运行 [Docker](https:\u002F\u002Fwww.docker.com\u002F) 和 Docker Compose。\n    *   **方案二（本地开发）**：\n        *   Python (建议 3.10+)\n        *   Node.js & pnpm\n        *   **Redis** (必须安装并运行)\n*   **API Key**：准备一个大模型 API Key（支持 LiteLLM 接入的所有模型，如 OpenAI, DeepSeek, Qwen 等）。\n\n## 安装步骤\n\n### 方案一：Docker 部署（推荐，最简单安全）\n\n适合大多数用户，无需配置复杂的本地环境。\n\n1.  **克隆项目**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fjihe520\u002FMathModelAgent.git\n    cd MathModelAgent\n    ```\n\n2.  **启动服务**\n    在项目根目录下运行：\n    ```bash\n    docker-compose up\n    ```\n\n3.  **访问应用**\n    *   前端界面：http:\u002F\u002Flocalhost:5173\n    *   后端 API：http:\u002F\u002Flocalhost:8000\n\n### 方案二：本地部署\n\n适合需要修改源码或进行二次开发的开发者。\n\n1.  **克隆项目**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fjihe520\u002FMathModelAgent.git\n    cd MathModelAgent\n    ```\n\n2.  **启动后端**\n    > **注意**：请先确保本地 Redis 服务已启动。\n    ```bash\n    cd backend\n    pip install uv\n    uv sync\n    \n    # 激活虚拟环境\n    # MacOS\u002FLinux:\n    source .venv\u002Fbin\u002Factivate\n    # Windows:\n    venv\\Scripts\\activate.bat\n    \n    # 启动后端服务\n    # MacOS\u002FLinux:\n    ENV=DEV uvicorn app.main:app --host 0.0.0.0 --port 8000 --ws-ping-interval 60 --ws-ping-timeout 120 --reload\n    # Windows:\n    set ENV=DEV && uvicorn app.main:app --host 0.0.0.0 --port 8000 --ws-ping-interval 60 --ws-ping-timeout 120\n    ```\n    *提示：如需连接远程 Redis 或修改其他配置，请编辑 `backend\u002F.env.dev` 文件中的 `REDIS_URL`。*\n\n3.  **启动前端**\n    打开新终端窗口：\n    ```bash\n    cd frontend\n    npm install -g pnpm\n    pnpm i\n    pnpm run dev\n    ```\n\n## 基本使用\n\n1.  **配置 API Key**\n    *   打开浏览器访问前端地址（默认 http:\u002F\u002Flocalhost:5173）。\n    *   点击侧边栏头像图标 -> 选择 **API Key**。\n    *   输入您的大模型 API Key 并保存。\n\n2.  **开始建模**\n    *   在聊天界面输入您的数学建模题目或问题描述。\n    *   MathModelAgent 将自动调用多智能体（建模手、代码手、论文手）协同工作。\n    *   系统将自动分析问题、编写代码（在 Jupyter Notebook 中运行）、纠正错误并生成最终论文。\n\n3.  **查看结果**\n    *   **在线预览**：直接在前端界面查看生成的论文和代码运行结果。\n    *   **本地文件**：生成的文件保存在 `backend\u002Fproject\u002Fwork_dir\u002Fxxx\u002F` 目录下：\n        *   `notebook.ipynb`：包含运行过程中的完整代码。\n        *   `res.md`：最终生成的 Markdown 格式论文。\n\n> **提示**：本项目处于实验迭代阶段，生成的内容仅供参考，建议人工复核后再用于正式比赛或提交。","某高校研究生团队正备战全国大学生数学建模竞赛，需要在 72 小时内针对“城市交通拥堵优化”这一复杂课题，完成从问题分析、模型构建、代码求解到论文撰写的全流程工作。\n\n### 没有 MathModelAgent 时\n- **时间分配失衡**：队员需花费大量时间手动查阅文献和构思框架，导致留给核心算法编写和调试的时间被严重压缩，往往在最后几小时通宵赶工。\n- **协作磨合成本高**：建模手、编程手和写作手之间沟通存在壁垒，模型假设与代码实现常出现偏差，论文撰写时还需反复确认数据口径，效率低下。\n- **容错率极低**：一旦代码运行报错或模型结果不理想，人工排查和重新调整逻辑耗时巨大，极易因一个小错误导致整篇论文逻辑链条断裂。\n- **格式规范繁琐**：最后阶段需人工排版公式、图表和参考文献，容易因格式不规范被扣分，且难以保证论文整体的学术严谨性。\n\n### 使用 MathModelAgent 后\n- **全流程自动化加速**：MathModelAgent 自动拆解问题并调用多智能体协同，将原本 3 天的工作量压缩至 1 小时内完成初稿，让团队有充足时间进行深度优化。\n- **无缝角色协同**：内置的“建模手”、“代码手”和“论文手”智能体自动对齐上下文，确保模型假设直接转化为可执行代码，并即时生成对应的论文段落，消除沟通误差。\n- **智能纠错与迭代**：集成的 Code Interpreter 能自动运行代码、捕捉报错并自我修正，快速验证多种模型方案，显著提升了结果的准确性和鲁棒性。\n- **一键生成获奖级论文**：自动输出包含规范公式、图表及参考文献的完整 Markdown 或 LaTeX 格式论文，直接达到提交标准，让队员专注于策略创新而非格式调整。\n\nMathModelAgent 通过将重复性劳动转化为自动化工作流，让参赛团队从繁琐的执行细节中解放出来，真正专注于数学思维的创新与突破。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjihe520_MathModelAgent_f4373fa5.png","jihe520","Sanjin","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fjihe520_9a6e10fd.jpg",null,"Wuhan,HuBei,China","https:\u002F\u002Fsanjin.xin","https:\u002F\u002Fgithub.com\u002Fjihe520",[80,84,88,92,96,99,103],{"name":81,"color":82,"percentage":83},"Vue","#41b883",45.9,{"name":85,"color":86,"percentage":87},"Python","#3572A5",43.2,{"name":89,"color":90,"percentage":91},"TypeScript","#3178c6",9.6,{"name":93,"color":94,"percentage":95},"CSS","#663399",0.5,{"name":97,"color":98,"percentage":95},"JavaScript","#f1e05a",{"name":100,"color":101,"percentage":102},"Dockerfile","#384d54",0.3,{"name":104,"color":105,"percentage":106},"HTML","#e34c26",0.1,1693,217,"2026-04-08T11:16:34",4,"Linux, macOS, Windows","未说明",{"notes":114,"python":115,"dependencies":116},"1. 本地部署必须安装 Redis 数据库。2. 前端依赖 Node.js 和 pnpm。3. 后端推荐使用 'uv' 工具管理 Python 依赖和虚拟环境。4. 支持 Docker 一键部署（推荐）。5. 项目处于实验阶段，主要依赖外部 LLM API（通过 litellm），而非本地运行大模型，因此对本地 GPU 无明确强制要求，但运行代码解释器时可能需要相应计算资源。","未说明 (需安装 Python 环境)",[117,118,119,120,121],"uv","uvicorn","redis","nodejs","pnpm",[35,14,13],[124,125,126,127],"agent","llm","mathmodel","muti-agent","2026-03-27T02:49:30.150509","2026-04-09T00:47:07.407045",[131,136,141,146,151,156,161],{"id":132,"question_zh":133,"answer_zh":134,"source_url":135},25378,"运行 terminal.py 时出现 'TypeError: NoneType object is not iterable' 错误怎么办？","该错误通常发生在配置未正确加载或模型初始化失败时。请检查是否正确配置了环境变量和 API Key，确保 deepseek_model 对象已成功初始化而非为 None。如果问题依旧，建议加入项目群聊获取更具体的调试帮助。","https:\u002F\u002Fgithub.com\u002Fjihe520\u002FMathModelAgent\u002Fissues\u002F2",{"id":137,"question_zh":138,"answer_zh":139,"source_url":140},25379,"Docker 部署时后端忽略 REDIS_URL 环境变量并强制连接 localhost 如何解决？","这是代码中的硬编码问题。请检查 `app\u002Fservices\u002Fredis_manager.py` 文件，找到 Redis 连接初始化的部分，将其修改为读取 `REDIS_URL` 环境变量，而不是直接使用 'localhost'。修改后重新构建 Docker 镜像即可解决。","https:\u002F\u002Fgithub.com\u002Fjihe520\u002FMathModelAgent\u002Fissues\u002F17",{"id":142,"question_zh":143,"answer_zh":144,"source_url":145},25380,"网页端点击后无反应且虚拟环境激活步骤报错，是否有关联？","跳过虚拟环境激活步骤可能导致依赖包路径不一致，从而引发前端交互无响应的问题。虽然有时能勉强打开网页，但功能可能受限。建议严格按照教程激活虚拟环境（如使用 `source venv\u002Fbin\u002Factivate` 或 Windows 下的对应命令），确保所有依赖在正确的环境中安装。","https:\u002F\u002Fgithub.com\u002Fjihe520\u002FMathModelAgent\u002Fissues\u002F9",{"id":147,"question_zh":148,"answer_zh":149,"source_url":150},25381,"如何参与人类反馈（HIL）部分的开发？","目前项目重点在于将 sandbox 剥离及代码重构，HIL（Human-in-the-Loop）是后续开发重点。有意贡献者可以查看 `codex` 分支的代码，了解当前的架构和待办任务。","https:\u002F\u002Fgithub.com\u002Fjihe520\u002FMathModelAgent\u002Fissues\u002F42",{"id":152,"question_zh":153,"answer_zh":154,"source_url":155},25382,"验证 GPT-5 或其他新模型时报错 'Unsupported parameter: max_tokens' 如何处理？","不同模型提供商对参数的支持不同。请查阅 [LiteLLM 文档](https:\u002F\u002Fdocs.litellm.ai\u002Fdocs\u002Fproviders)，根据具体提供商的要求修改代码中的参数名称或移除不支持的参数（如将 `max_tokens` 调整为该模型支持的等效参数）。","https:\u002F\u002Fgithub.com\u002Fjihe520\u002FMathModelAgent\u002Fissues\u002F32",{"id":157,"question_zh":158,"answer_zh":159,"source_url":160},25383,"网页端解题过程中程序卡住且无法下载 notebook 文件是什么原因？","这通常是由于服务端流量激增导致服务器过载崩溃所致。官方建议改为本地部署项目，以避免公共服务器不稳定带来的影响，确保持续稳定的计算和文件下载服务。","https:\u002F\u002Fgithub.com\u002Fjihe520\u002FMathModelAgent\u002Fissues\u002F30",{"id":162,"question_zh":163,"answer_zh":164,"source_url":165},25384,"ModelerAgent 调用 API 时出现 'Server disconnected without sending a response' 错误怎么办？","该错误通常由请求体过大、处理超时或触发服务商隐性策略导致连接中断。建议检查输入数据长度，尝试简化 Prompt，或在 LiteLLM 中开启调试模式 (`litellm._turn_on_debug()`) 以定位具体断连原因。同时确认网络代理设置是否正确。","https:\u002F\u002Fgithub.com\u002Fjihe520\u002FMathModelAgent\u002Fissues\u002F20",[167],{"id":168,"version":169,"summary_zh":170,"released_at":171},162694,"v0.0.1","数学模型代理演示版发布！！！","2025-05-05T14:35:14"]