[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-karpathy--reader3":3,"tool-karpathy--reader3":65},[4,17,27,35,48,57],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},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",158594,2,"2026-04-16T23:34:05",[13,14,15],"开发框架","Agent","语言模型","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},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",90106,3,"2026-04-06T11:19:32",[15,26,14,13],"图像",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":10,"last_commit_at":33,"category_tags":34,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":10,"last_commit_at":41,"category_tags":42,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",85092,"2026-04-10T11:13:16",[26,43,44,45,14,46,15,13,47],"数据工具","视频","插件","其他","音频",{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":54,"last_commit_at":55,"category_tags":56,"status":16},5784,"funNLP","fighting41love\u002FfunNLP","funNLP 是一个专为中文自然语言处理（NLP）打造的超级资源库，被誉为\"NLP 民工的乐园”。它并非单一的软件工具，而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。\n\n面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点，funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具，还独特地收录了丰富的垂直领域资源，如法律、医疗、金融行业的专用词库与数据集，甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性，从基础的字典词典到前沿的 BERT、GPT-2 模型代码，再到高质量的标注数据和竞赛方案，应有尽有。\n\n无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师，还是从事人工智能研究的学者，都能在这里找到急需的“武器弹药”。对于开发者而言，它能大幅减少寻找数据和复现模型的时间；对于研究者，它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神，极大地降低了中文自然语言处理的开发与研究成本，是中文 AI 社区不可或缺的宝藏仓库。",79857,1,"2026-04-08T20:11:31",[15,43,46],{"id":58,"name":59,"github_repo":60,"description_zh":61,"stars":62,"difficulty_score":54,"last_commit_at":63,"category_tags":64,"status":16},5773,"cs-video-courses","Developer-Y\u002Fcs-video-courses","cs-video-courses 是一个精心整理的计算机科学视频课程清单，旨在为自学者提供系统化的学习路径。它汇集了全球知名高校（如加州大学伯克利分校、新南威尔士大学等）的完整课程录像，涵盖从编程基础、数据结构与算法，到操作系统、分布式系统、数据库等核心领域，并深入延伸至人工智能、机器学习、量子计算及区块链等前沿方向。\n\n面对网络上零散且质量参差不齐的教学资源，cs-video-courses 解决了学习者难以找到成体系、高难度大学级别课程的痛点。该项目严格筛选内容，仅收录真正的大学层级课程，排除了碎片化的简短教程或商业广告，确保用户能接触到严谨的学术内容。\n\n这份清单特别适合希望夯实计算机基础的开发者、需要补充特定领域知识的研究人员，以及渴望像在校生一样系统学习计算机科学的自学者。其独特的技术亮点在于分类极其详尽，不仅包含传统的软件工程与网络安全，还细分了生成式 AI、大语言模型、计算生物学等新兴学科，并直接链接至官方视频播放列表，让用户能一站式获取高质量的教育资源，免费享受世界顶尖大学的课堂体验。",79792,"2026-04-08T22:03:59",[46,26,43,13],{"id":66,"github_repo":67,"name":68,"description_en":69,"description_zh":70,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":77,"owner_avatar_url":78,"owner_bio":79,"owner_company":80,"owner_location":81,"owner_email":82,"owner_twitter":80,"owner_website":83,"owner_url":84,"languages":85,"stars":94,"forks":95,"last_commit_at":96,"license":80,"difficulty_score":54,"env_os":97,"env_gpu":98,"env_ram":97,"env_deps":99,"category_tags":104,"github_topics":80,"view_count":10,"oss_zip_url":80,"oss_zip_packed_at":80,"status":16,"created_at":105,"updated_at":106,"faqs":107,"releases":108},8299,"karpathy\u002Freader3","reader3","Quick illustration of how one can easily read books together with LLMs. It's great and I highly recommend it.","reader3 是一款轻量级、可本地部署的 EPUB 电子书阅读器，旨在让用户能便捷地与大语言模型（LLM）协同阅读。它解决了传统阅读方式中难以将书籍内容高效投喂给 AI 进行辅助理解的痛点。通过支持按章节浏览，用户可以轻松复制单章文本至任意大模型，实现“人机共读”的深度交互体验，特别适合希望利用 AI 辅助研读公版书（如古腾堡计划资源）的开发者、研究人员及技术爱好者。\n\n该项目的独特之处在于其极简的设计理念与\"vibe coding\"的开发背景，作者明确表示不再提供后续维护，鼓励用户根据自身需求直接让 LLM 修改代码，体现了“代码即时效”的前沿开发哲学。技术上，reader3 基于 Python 构建，依赖 uv 工具链管理环境，操作十分简便：只需导入 EPUB 文件即可生成本地书库，并启动本地服务器在浏览器中访问。它不追求复杂功能，而是专注于提供一个灵活、透明的基础框架，让用户能自由定制属于自己的 AI 阅读工作流。","# reader 3\n\n![reader3](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkarpathy_reader3_readme_8f7f49a2c205.png)\n\nA lightweight, self-hosted EPUB reader that lets you read through EPUB books one chapter at a time. This makes it very easy to copy paste the contents of a chapter to an LLM, to read along. Basically - get epub books (e.g. [Project Gutenberg](https:\u002F\u002Fwww.gutenberg.org\u002F) has many), open them up in this reader, copy paste text around to your favorite LLM, and read together and along.\n\nThis project was 90% vibe coded just to illustrate how one can very easily [read books together with LLMs](https:\u002F\u002Fx.com\u002Fkarpathy\u002Fstatus\u002F1990577951671509438). I'm not going to support it in any way, it's provided here as is for other people's inspiration and I don't intend to improve it. Code is ephemeral now and libraries are over, ask your LLM to change it in whatever way you like.\n\n## Usage\n\nThe project uses [uv](https:\u002F\u002Fdocs.astral.sh\u002Fuv\u002F). So for example, download [Dracula EPUB3](https:\u002F\u002Fwww.gutenberg.org\u002Febooks\u002F345) to this directory as `dracula.epub`, then:\n\n```bash\nuv run reader3.py dracula.epub\n```\n\nThis creates the directory `dracula_data`, which registers the book to your local library. We can then run the server:\n\n```bash\nuv run server.py\n```\n\nAnd visit [localhost:8123](http:\u002F\u002Flocalhost:8123\u002F) to see your current Library. You can easily add more books, or delete them from your library by deleting the folder. It's not supposed to be complicated or complex.\n\n## License\n\nMIT","# 阅读器 3\n\n![reader3](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkarpathy_reader3_readme_8f7f49a2c205.png)\n\n一款轻量级、可自托管的 EPUB 阅读器，允许你逐章阅读 EPUB 书籍。这样非常方便将某一章节的内容复制粘贴到大语言模型中，实现同步阅读。简单来说——获取 EPUB 书籍（例如 [古腾堡计划](https:\u002F\u002Fwww.gutenberg.org\u002F) 拥有大量资源），在本阅读器中打开，将文本复制粘贴到你喜欢的大语言模型，然后一起阅读。\n\n这个项目几乎完全是凭感觉写出来的，目的只是为了展示如何轻松地与大语言模型“共读”书籍（参见 [karpathy 的推文](https:\u002F\u002Fx.com\u002Fkarpathy\u002Fstatus\u002F1990577951671509438)）。我不会对该项目提供任何支持，它仅以原样形式提供，供他人参考和启发，我也无意对其进行改进。代码本身是短暂的，库的时代已经过去，你可以让大语言模型按照你的想法随意修改它。\n\n## 使用方法\n\n该项目使用 [uv](https:\u002F\u002Fdocs.astral.sh\u002Fuv\u002F) 工具。例如，将 [《德古拉》EPUB3 版](https:\u002F\u002Fwww.gutenberg.org\u002Febooks\u002F345) 下载到当前目录并命名为 `dracula.epub`，然后执行以下命令：\n\n```bash\nuv run reader3.py dracula.epub\n```\n\n这会创建一个名为 `dracula_data` 的目录，并将该书注册到你的本地书库中。接着可以启动服务器：\n\n```bash\nuv run server.py\n```\n\n然后访问 [localhost:8123](http:\u002F\u002Flocalhost:8123\u002F) 即可查看你的当前书库。你可以轻松添加更多书籍，或者通过删除相应文件夹来从书库中移除书籍。整个流程并不复杂。\n\n## 许可证\n\nMIT","# reader3 快速上手指南\n\nreader3 是一个轻量级、可自托管的 EPUB 阅读器，支持按章节浏览电子书。其核心设计理念是方便用户将章节内容复制粘贴到大语言模型（LLM）中，实现与 AI 共同阅读和讨论。\n\n## 环境准备\n\n- **操作系统**：支持 Windows、macOS 或 Linux\n- **前置依赖**：\n  - 已安装 [uv](https:\u002F\u002Fdocs.astral.sh\u002Fuv\u002F)（Python 包管理器和运行环境工具）\n  \n> 💡 国内用户可通过以下命令快速安装 `uv`：\n> ```bash\n> curl -LsSf https:\u002F\u002Fastral.sh\u002Fuv\u002Finstall.sh | sh\n> ```\n> 如遇网络问题，可尝试使用镜像源或代理加速。\n\n## 安装步骤\n\n本项目无需传统安装，直接通过 `uv` 运行即可：\n\n1. 克隆或下载本项目到本地目录。\n2. 确保当前目录下存在 `reader3.py` 和 `server.py` 文件。\n3. 准备一本 EPUB 格式的电子书（例如从 [Project Gutenberg](https:\u002F\u002Fwww.gutenberg.org\u002F) 下载），并将其重命名为如 `dracula.epub` 放在项目根目录。\n\n## 基本使用\n\n### 第一步：注册书籍\n运行以下命令将 EPUB 书籍注册到本地库（以 `dracula.epub` 为例）：\n\n```bash\nuv run reader3.py dracula.epub\n```\n\n执行后会自动生成 `dracula_data` 文件夹，表示书籍已成功导入。\n\n### 第二步：启动服务\n运行本地服务器：\n\n```bash\nuv run server.py\n```\n\n### 第三步：访问界面\n打开浏览器，访问：\n\n```\nhttp:\u002F\u002Flocalhost:8123\u002F\n```\n\n即可看到你的本地图书库。你可以：\n- 点击书籍按章节阅读\n- 复制任意章节文本粘贴至 LLM 进行互动\n- 通过删除对应 `*_data` 文件夹来移除书籍\n\n> 📝 提示：如需添加更多书籍，只需重复“第一步”操作即可。","一位文学研究者正试图利用大语言模型深入分析《德古拉》原著，以挖掘维多利亚时代的隐喻细节。\n\n### 没有 reader3 时\n- **格式转换繁琐**：需要先使用 Calibre 等重型软件将 EPUB 转换为 TXT 或 PDF，过程耗时且容易丢失原始章节结构。\n- **上下文割裂**：手动复制粘贴全文极易超出模型上下文窗口，导致分析中断，不得不反复切割文本，破坏阅读连贯性。\n- **交互体验差**：在编辑器、浏览器和聊天窗口间频繁切换，难以实现“边读边问”的流畅节奏，思路常被技术操作打断。\n- **本地部署困难**：缺乏轻量级方案，若想保护隐私不上传云端，自行搭建本地阅读环境的技术门槛过高。\n\n### 使用 reader3 后\n- **即开即用**：直接通过命令行加载 EPUB 文件，自动按章节拆解内容，无需任何预处理的格式转换步骤。\n- **按需投喂**：一键复制当前章节文本至大模型，完美匹配模型的上下文限制，确保每一章都能获得深度且完整的解读。\n- **沉浸式共读**：本地服务器提供简洁的网页界面，研究者可在阅读原文的同时，实时向模型提问并记录洞察，保持心流状态。\n- **极简自托管**：基于 uv 运行，零配置即可在本地构建私有书库，既保障了数据隐私，又保留了随时修改代码的灵活性。\n\nreader3 的核心价值在于它将复杂的电子书处理流程简化为“打开即读”，让人类读者与大模型之间的协作变得像翻阅纸质书一样自然流畅。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkarpathy_reader3_8f7f49a2.png","karpathy","Andrej","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fkarpathy_75f033eb.jpg","I like to train Deep Neural Nets on large datasets.",null,"Stanford","andrej.karpathy@gmail.com","https:\u002F\u002Ftwitter.com\u002Fkarpathy","https:\u002F\u002Fgithub.com\u002Fkarpathy",[86,90],{"name":87,"color":88,"percentage":89},"Python","#3572A5",61,{"name":91,"color":92,"percentage":93},"HTML","#e34c26",39,3525,445,"2026-04-16T14:28:12","未说明","无需求",{"notes":100,"python":101,"dependencies":102},"该项目是一个轻量级自托管 EPUB 阅读器，不涉及 AI 模型推理，因此无需 GPU。项目使用 uv 作为包管理和运行工具。作者声明不再维护此项目，代码仅供灵感参考，建议用户根据需要自行修改。","未说明 (需支持 uv 工具)",[103],"uv",[15,46],"2026-03-27T02:49:30.150509","2026-04-17T08:24:25.649845",[],[]]