[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-kingbootoshi--cartographer":3,"tool-kingbootoshi--cartographer":64},[4,17,27,35,48,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},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。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","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},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",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},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。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"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。",84991,"2026-04-05T10:45:23",[14,43,44,45,15,46,26,13,47],"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":10,"last_commit_at":54,"category_tags":55,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,46],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},2181,"OpenHands","OpenHands\u002FOpenHands","OpenHands 是一个专注于 AI 驱动开发的开源平台，旨在让智能体（Agent）像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点，通过自动化流程显著提升开发速度。\n\n无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员，还是需要快速原型验证的技术团队，都能从中受益。OpenHands 提供了灵活多样的使用方式：既可以通过命令行（CLI）或本地图形界面在个人电脑上轻松上手，体验类似 Devin 的流畅交互；也能利用其强大的 Python SDK 自定义智能体逻辑，甚至在云端大规模部署上千个智能体并行工作。\n\n其核心技术亮点在于模块化的软件智能体 SDK，这不仅构成了平台的引擎，还支持高度可组合的开发模式。此外，OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩，证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能，支持与 Slack、Jira 等工具集成，并提供细粒度的权限管理，适合从个人开发者到大型企业的各类用户场景。",70612,"2026-04-05T11:12:22",[26,15,13,45],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"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":80,"owner_twitter":82,"owner_website":83,"owner_url":84,"languages":85,"stars":90,"forks":91,"last_commit_at":92,"license":80,"difficulty_score":93,"env_os":94,"env_gpu":94,"env_ram":94,"env_deps":95,"category_tags":99,"github_topics":80,"view_count":10,"oss_zip_url":80,"oss_zip_packed_at":80,"status":16,"created_at":100,"updated_at":101,"faqs":102,"releases":118},964,"kingbootoshi\u002Fcartographer","cartographer","Claude Code plugin that maps and documents codebases of any size using parallel AI subagents","Cartographer 是 Claude Code 的一款插件，专门帮你快速理清大型代码库的结构。它能自动分析整个项目，生成清晰的架构文档，让你不再面对\"祖传代码\"无从下手。\n\n这个插件主要解决两个痛点：一是新项目上手慢，二是老项目文档缺失。传统方式下，开发者需要花数小时甚至数天逐行阅读代码才能理解整体架构。Cartographer 通过并行调度多个 AI 子代理，将代码库分块分析后汇总，几分钟内就能产出完整的架构地图。\n\n技术上，Cartographer 的亮点在于\"分而治之\"：先扫描文件树估算工作量，再按 token 预算智能拆分任务，多个 Sonnet 子代理并行处理不同模块，最后综合成一份结构化的 CODEBASE_MAP.md 文档，包含文件用途、依赖关系和数据流向。如果代码有更新，它还能通过 git 历史只分析改动部分，实现增量更新。\n\n这款工具特别适合需要快速接手陌生代码库的开发者、需要维护遗留系统的工程师，以及希望为开源项目补充文档的贡献者。需要注意的是，由于调用多个子代理，token 消耗较大，大型项目建议先评估成本，或在 Claude 提示下改用更轻量的 Haik","Cartographer 是 Claude Code 的一款插件，专门帮你快速理清大型代码库的结构。它能自动分析整个项目，生成清晰的架构文档，让你不再面对\"祖传代码\"无从下手。\n\n这个插件主要解决两个痛点：一是新项目上手慢，二是老项目文档缺失。传统方式下，开发者需要花数小时甚至数天逐行阅读代码才能理解整体架构。Cartographer 通过并行调度多个 AI 子代理，将代码库分块分析后汇总，几分钟内就能产出完整的架构地图。\n\n技术上，Cartographer 的亮点在于\"分而治之\"：先扫描文件树估算工作量，再按 token 预算智能拆分任务，多个 Sonnet 子代理并行处理不同模块，最后综合成一份结构化的 CODEBASE_MAP.md 文档，包含文件用途、依赖关系和数据流向。如果代码有更新，它还能通过 git 历史只分析改动部分，实现增量更新。\n\n这款工具特别适合需要快速接手陌生代码库的开发者、需要维护遗留系统的工程师，以及希望为开源项目补充文档的贡献者。需要注意的是，由于调用多个子代理，token 消耗较大，大型项目建议先评估成本，或在 Claude 提示下改用更轻量的 Haiku 模型以节省费用。","# Cartographer\n\n\u003Cimg width=\"640\" height=\"360\" alt=\"claudecartographer\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkingbootoshi_cartographer_readme_b026b1ea4ecf.png\" \u002F>\n\n\nA Claude Code plugin that maps and documents codebases of any size using parallel AI subagents.\n\n## Installation\n\n**Step 1:** Add the marketplace to Claude Code:\n\n```\n\u002Fplugin marketplace add kingbootoshi\u002Fcartographer\n```\n\n**Step 2:** Install the plugin:\n\n```\n\u002Fplugin install cartographer\n```\n\n**Step 3:** Restart Claude Code (may be required for the skill to load)\n\n**Step 4:** Use it:\n\n```\n\u002Fcartographer\n```\n\nOr just say \"map this codebase\" and it will trigger automatically.\n\n## What it Does\n\nCartographer orchestrates multiple Sonnet subagents to analyze your entire codebase in parallel, then synthesizes their findings into:\n\n- `docs\u002FCODEBASE_MAP.md` - Detailed architecture map with file purposes, dependencies, data flows, and navigation guides\n- Updates `CLAUDE.md` with a summary pointing to the map\n\n## How it Works\n\n1. Runs a scanner script to get file tree with token counts (respects .gitignore)\n2. Plans how to split work across subagents based on token budgets\n3. Spawns Sonnet subagents in parallel - each analyzes a portion of the codebase\n4. Synthesizes all subagent reports into comprehensive documentation\n\n## Update Mode\n\nIf `docs\u002FCODEBASE_MAP.md` already exists, Cartographer will:\n\n1. Check git history for changes since last mapping\n2. Only re-analyze changed modules\n3. Merge updates with existing documentation\n\nJust run `\u002Fcartographer` again to update.\n\n## Token Usage\n\n⚠️ **NOTE:** This skill spawns Sonnet subagents for accurate, reliable analysis. Depending on codebase size, this can use significant tokens. Be mindful of your usage.\n\nYou can ask Claude to use Haiku subagents instead for a cheaper run, but accuracy may suffer on complex codebases.\n\n## Requirements\n\n- tiktoken (for token counting): `pip install tiktoken` or `uv pip install tiktoken`\n\n## Full Documentation\n\nSee [plugins\u002Fcartographer\u002FREADME.md](plugins\u002Fcartographer\u002FREADME.md) for detailed documentation.\n\n## License\n\nMIT\n","# Cartographer\n\n\u003Cimg width=\"640\" height=\"360\" alt=\"claudecartographer\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkingbootoshi_cartographer_readme_b026b1ea4ecf.png\" \u002F>\n\n\n一个 Claude Code 插件，使用并行 AI 子代理（subagents）映射和记录任意规模的代码库。\n\n## 安装\n\n**步骤 1：** 添加市场源到 Claude Code：\n\n```\n\u002Fplugin marketplace add kingbootoshi\u002Fcartographer\n```\n\n**步骤 2：** 安装插件：\n\n```\n\u002Fplugin install cartographer\n```\n\n**步骤 3：** 重启 Claude Code（可能需要重启以加载技能）\n\n**步骤 4：** 使用：\n\n```\n\u002Fcartographer\n```\n\n或者直接说 \"map this codebase\"，它会自动触发。\n\n## 功能说明\n\nCartographer 协调多个 Sonnet 子代理并行分析整个代码库，然后将它们的发现综合成：\n\n- `docs\u002FCODEBASE_MAP.md` - 详细的架构图，包含文件用途、依赖关系、数据流和导航指南\n- 更新 `CLAUDE.md`，添加指向该架构图的摘要\n\n## 工作原理\n\n1. 运行扫描脚本获取文件树和 token 数量（遵循 .gitignore）\n2. 根据 token 预算规划如何将工作分配给子代理\n3. 并行生成 Sonnet 子代理 - 每个分析代码库的一部分\n4. 将所有子代理的报告综合成全面的文档\n\n## 更新模式\n\n如果 `docs\u002FCODEBASE_MAP.md` 已存在，Cartographer 将：\n\n1. 检查自上次映射以来的 git 历史变更\n2. 仅重新分析变更的模块\n3. 将更新与现有文档合并\n\n只需再次运行 `\u002Fcartographer` 即可更新。\n\n## Token 使用量\n\n⚠️ **注意：** 此技能会生成 Sonnet 子代理以进行准确、可靠的分析。根据代码库大小，这可能会消耗大量 token。请注意您的使用量。\n\n您可以要求 Claude 改用 Haiku 子代理以降低运行成本，但在复杂代码库上准确性可能会下降。\n\n## 依赖要求\n\n- tiktoken（用于 token 计数）：`pip install tiktoken` 或 `uv pip install tiktoken`\n\n## 完整文档\n\n详细文档请参见 [plugins\u002Fcartographer\u002FREADME.md](plugins\u002Fcartographer\u002FREADME.md)。\n\n## 许可证\n\nMIT","# Cartographer 快速上手指南\n\n## 环境准备\n\n| 项目 | 要求 |\n|:---|:---|\n| 运行环境 | Claude Code |\n| Python 依赖 | tiktoken（用于 Token 计数） |\n| 代码仓库 | 任意规模的代码项目 |\n\n安装 tiktoken：\n```bash\npip install tiktoken\n# 或使用 uv\nuv pip install tiktoken\n```\n\n> ⚠️ **Token 消耗提示**：本工具会并行启动多个 Sonnet 子代理进行分析，大型代码库可能消耗较多 Token。如需节省成本，可要求使用 Haiku 子代理，但复杂代码库的准确性可能下降。\n\n---\n\n## 安装步骤\n\n**Step 1：添加插件市场**\n```bash\n\u002Fplugin marketplace add kingbootoshi\u002Fcartographer\n```\n\n**Step 2：安装插件**\n```bash\n\u002Fplugin install cartographer\n```\n\n**Step 3：重启 Claude Code**（使技能生效）\n\n---\n\n## 基本使用\n\n### 启动代码库分析\n\n```bash\n\u002Fcartographer\n```\n\n或直接输入自然语言指令：\n```\nmap this codebase\n```\n\n### 输出结果\n\n| 文件 | 内容 |\n|:---|:---|\n| `docs\u002FCODEBASE_MAP.md` | 详细的架构地图，包含文件用途、依赖关系、数据流和导航指南 |\n| `CLAUDE.md` | 更新摘要，指向完整地图 |\n\n### 增量更新\n\n若 `docs\u002FCODEBASE_MAP.md` 已存在，再次运行 `\u002Fcartographer` 将：\n1. 检查自上次映射以来的 Git 变更历史\n2. 仅重新分析变更的模块\n3. 合并更新到现有文档","一位后端工程师加入了一家金融科技公司，接手维护一个拥有 15 万行代码的遗留交易系统，需要在两周内理解整体架构并完成一个紧急的合规改造需求。\n\n### 没有 cartographer 时\n\n- **代码迷宫**：工程师花了 3 天时间手动浏览目录结构，发现核心交易逻辑分散在 47 个文件中，仍不清楚数据如何从订单入口流向风控模块\n- **文档缺失**：仅有的 README 是两年前写的，提到的模块早已重构，关键的业务规则注释散落在不同 commit 中\n- **依赖黑洞**：修改一个支付状态枚举后，编译报错涉及 12 个未预料到的下游服务，回滚花了 6 小时\n- **知识孤岛**：询问两位资深同事，得到的架构描述相互矛盾，实际代码与口述设计存在明显偏差\n- **进度失控**：第一周结束时，工程师只完成了 30% 的代码理解工作，项目 deadline 面临延期风险\n\n### 使用 cartographer 后\n\n- **全景地图**：运行 `\u002Fcartographer` 后 20 分钟，工程师获得了一份结构化的 `CODEBASE_MAP.md`，清晰标注了交易核心、风控引擎、清算模块三大领域的边界与交互关系\n- **活文档**：文档自动关联了当前代码版本，每个关键文件都附有功能摘要和上下游依赖说明，工程师 2 小时内定位到需要改造的 8 个核心文件\n- **变更预判**：通过数据流图提前识别出支付状态变更的影响范围，一次性完成 23 处关联修改，零回滚\n- **共识基准**：团队以 cartographer 生成的架构图作为讨论基础，消除了理解分歧，评审会议效率提升 60%\n- **按期交付**：工程师在第 8 天完成改造并通过测试，剩余时间用于补充单元测试，项目顺利上线\n\ncartographer 将\"阅读代码\"转变为\"查阅地图\"，让开发者在复杂代码库中快速建立全局认知，大幅降低新成员上手成本与架构决策风险。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkingbootoshi_cartographer_bb2e677d.png","kingbootoshi","Bootoshi","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fkingbootoshi_796fd5e7.png","agentic engineer ",null,"The Boo Kingdom","KingBootoshi","https:\u002F\u002Fbootoshi.ai","https:\u002F\u002Fgithub.com\u002Fkingbootoshi",[86],{"name":87,"color":88,"percentage":89},"Python","#3572A5",100,535,38,"2026-04-05T10:01:04",1,"未说明",{"notes":96,"python":94,"dependencies":97},"这是一个 Claude Code 插件，需要安装 Claude Code 才能使用。插件通过调用 Sonnet 子代理进行代码分析，依赖 Claude Code 的运行环境而非本地 GPU。使用时需注意 token 消耗，大型代码库可能产生较高费用。支持增量更新模式，仅重新分析变更的模块。可通过指定使用 Haiku 子代理降低成本，但复杂代码库的准确性可能下降。",[98],"tiktoken",[15,45],"2026-03-27T02:49:30.150509","2026-04-06T07:11:48.840366",[103,108,113],{"id":104,"question_zh":105,"answer_zh":106,"source_url":107},4266,"Cartographer 与 Repomix 有什么区别？","Repomix 主要专注于生成代码库的 XML 输出文件，而 Cartographer 更加详细和专注。关键区别在于：Cartographer 使用 TikToken 分析每个文件的 token 大小，让 orchestrator 代理能够根据这些信息对文件进行分组，并提示子代理获取目标信息，从而创建更准确的代码库地图。这种方法避免了大型代码库中的上下文丢失（context rot）问题。","https:\u002F\u002Fgithub.com\u002Fkingbootoshi\u002Fcartographer\u002Fissues\u002F2",{"id":109,"question_zh":110,"answer_zh":111,"source_url":112},4267,"如何避免在系统中安装 tiktoken 依赖？","可以使用 `uv` 工具来运行脚本，无需全局安装依赖。具体方法是在 Python 脚本顶部添加依赖声明注释，例如：\n```python\n# \u002F\u002F\u002F script\n# dependencies = [\"tiktoken\"]\n# \u002F\u002F\u002F\n```\n然后使用 `uv run script.py` 执行，uv 会自动安装并使用声明的依赖。这比在系统或虚拟环境中安装更方便，特别适合非 Python 项目。","https:\u002F\u002Fgithub.com\u002Fkingbootoshi\u002Fcartographer\u002Fissues\u002F3",{"id":114,"question_zh":115,"answer_zh":116,"source_url":117},4268,"生成的代码库地图中时间戳不正确（显示未来时间）怎么办？","这是一个已知问题，原版本中的 `last_mapped` 时间戳是硬编码或估算的。解决方案是在生成地图前获取实际系统时间：\n```bash\ndate -u +\"%Y-%m-%dT%H:%M:%SZ\"\n```\n然后将该值同时用于 frontmatter 和标题文本中。此问题已在 v1.4.0 之后的版本中修复，建议更新到最新版本。","https:\u002F\u002Fgithub.com\u002Fkingbootoshi\u002Fcartographer\u002Fissues\u002F4",[]]