cclsp

GitHub
607 45 简单 1 次阅读 今天MIT语言模型Agent插件
AI 解读 由 AI 自动生成,仅供参考

cclsp 是一款专为提升 AI 编程体验而设计的开源工具,它充当了大型语言模型(如 Claude)与传统代码语言服务器(LSP)之间的智能桥梁。在使用 AI 助手编写或分析代码时,模型往往难以精准定位代码的行号和列号,导致无法可靠地调用“跳转定义”、“查找引用”或“重命名符号”等核心功能。cclsp 巧妙解决了这一痛点:它能智能尝试多种位置组合,自动修正 AI 产生的坐标偏差,确保无论 AI 如何计数,都能实现稳健的代码符号解析。

这款工具特别适合依赖 Claude Code 等 AI 代理进行开发的程序员和技术团队。通过支持模型上下文协议(MCP),cclsp 让 AI 能够像专业 IDE 一样理解代码结构,轻松实现跨文件跳转、全局引用查找及安全重命名。其技术亮点在于“容错式”的位置解析机制,无需修改现有 IDE 配置即可无缝集成。目前,它已内置对 TypeScript、Python、Go 等多种主流语言的支持,并能灵活适配任何兼容 LSP 的服务器。如果你希望让 AI 编程助手更精准地导航和操作代码库,cclsp 是一个轻量且高效的增强方案。

使用场景

某后端工程师正利用 Claude Code 重构一个遗留的 TypeScript 微服务项目,需要精准定位函数定义并安全地重命名核心变量。

没有 cclsp 时

  • 定位失败率高:AI 助手常因行号计算偏差(如忽略空行或缩进差异),导致“跳转到定义”请求指向错误位置或直接报错。
  • 人工二次验证繁琐:开发者必须手动打断 AI 的执行流,亲自打开文件核对代码位置,严重拖慢重构节奏。
  • 重命名风险大:在缺乏精准符号解析的情况下,AI 进行的批量重命名容易遗漏引用点或误改字符串内容,引发潜在 Bug。
  • 上下文理解割裂:由于无法可靠获取完整的引用列表,AI 难以全面评估修改影响范围,只能基于局部代码片段“猜”逻辑。

使用 cclsp 后

  • 导航零误差:cclsp 智能尝试多种位置组合,自动纠正 AI 的行号计数偏差,确保每次“查找定义”都能精准直达源代码。
  • 流程无缝衔接:开发者无需再人工介入校验,AI 可独立、连续地完成从分析到修改的全链路操作,效率显著提升。
  • 重构更安全:借助 cclsp 提供的稳健符号解析能力,AI 能识别项目中所有相关引用,实现跨文件的安全重命名,杜绝遗漏。
  • 全局视野增强:通过 find_references 工具,AI 能瞬间掌握变量的所有使用场景,从而做出更符合整体架构的决策。

cclsp 通过弥合 AI 计数缺陷与标准语言服务之间的鸿沟,让代码重构从“冒险猜测”变成了“精准手术”。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

无 GPU 需求

内存

未说明

依赖
notes该工具是基于 Node.js 或 Bun 运行的 MCP 服务器,用于连接 LLM 编码助手与语言服务器协议 (LSP)。核心运行环境需 Node.js 18+ 或 Bun。不支持 GPU 加速。需根据目标编程语言单独安装对应的语言服务器(如 TypeScript、Python、Go 等)。配置可通过交互式向导自动完成,也支持手动配置 JSON 文件。
python需安装 Python 以运行部分语言服务器(如 python-lsp-server),但 cclsp 本身基于 Node.js/Bun
Node.js 18+
Bun (可选)
typescript-language-server (可选)
python-lsp-server (可选)
gopls (可选)
rust-analyzer (可选)
clangd (可选)
solargraph (可选)
intelephense (可选)
cclsp hero image

快速开始

MseeP.ai 安全评估徽章

cclsp - 不是普通的 LSP 适配器

npm 版本 许可证:MIT Node.js 版本 CI npm 下载量 欢迎 PR

cclsp 是一个模型上下文协议(MCP)服务器,可将基于 LLM 的编码助手与语言服务器协议(LSP)服务器无缝集成。基于 LLM 的编码助手通常难以提供准确的行号和列号,这使得简单地尝试与 LSP 服务器集成变得脆弱且令人沮丧。cclsp 通过智能地尝试多种位置组合,并提供强大的符号解析功能来解决这一问题,无论你的 AI 助手如何计算行数,它都能正常工作。

设置与使用演示

https://github.com/user-attachments/assets/52980f32-64d6-4b78-9cbf-18d6ae120cdd

目录

为什么选择 cclsp?

在使用像 Claude 这样的 AI 驱动的编码助手时,你经常需要浏览代码库以理解符号之间的关系。cclsp 弥合了语言服务器协议功能与模型上下文协议之间的鸿沟,从而实现:

  • 🔍 即时符号导航 - 无需手动搜索即可跳转到定义处
  • 📚 完整引用查找 - 查找函数、变量和类型的全部用法
  • ✏️ 安全的符号重命名 - 可以放心地在整个代码库中重命名符号
  • 🌍 通用语言支持 - 适用于任何兼容 LSP 的语言服务器
  • 🤖 AI 友好的接口 - 专为 LLM 设计,便于理解和有效使用

特性

  • 转到定义:查找符号的定义位置
  • 查找引用:定位符号的所有引用
  • 多语言支持:可配置不同文件类型的 LSP 服务器
  • TypeScript:通过 typescript-language-server 内置支持
  • Python:通过 python-lsp-server (pylsp) 支持
  • Go:通过 gopls 支持
  • 以及更多:丰富的语言服务器配置

📋 前置条件

  • Node.js 18+ 或 Bun 运行时
  • 针对目标语言的语言服务器(需单独安装)

⚡ 设置

cclsp 提供了一个交互式设置向导,可自动完成整个配置过程。请选择您偏好的方法:

自动设置(推荐)

运行交互式设置向导:

# 一次性设置(无需安装)
npx cclsp@latest setup

# 对于用户范围的配置
npx cclsp@latest setup --user

设置向导将执行以下操作:

  1. 🔍 自动检测项目中的语言,通过扫描文件进行识别
  2. 📋 根据检测到的语言显示预选的 LSP 服务器
  3. 📦 显示安装要求及详细指南
  4. ⚡ 自动安装 LSP(可选,需用户确认)
  5. 🔗 添加到 Claude MCP(可选,需用户确认)
  6. ✅ 验证设置并显示可用工具

设置选项

  • 项目配置(默认):在当前目录下创建 .claude/cclsp.json
  • 用户配置 (--user):在 ~/.config/claude/cclsp.json 中创建全局配置

手动设置

如果您更倾向于手动配置:

  1. 安装 cclsp

    npm install -g cclsp
    
  2. 安装语言服务器(请参阅 语言服务器安装

  3. 创建配置文件

    # 使用交互式生成器
    cclsp setup
    
    # 或者手动创建(请参阅“配置”部分)
    
  4. 添加到 Claude MCP

    claude mcp add cclsp npx cclsp@latest --env CCLSP_CONFIG_PATH=/path/to/cclsp.json
    

液体服务器安装

设置向导会显示每个 LSP 的安装命令,但您也可以手动安装:

📦 常见语言服务器

TypeScript/JavaScript

npm install -g typescript-language-server typescript

Python

pip install "python-lsp-server[all]"
# 或基本安装:pip install python-lsp-server

Go

go install golang.org/x/tools/gopls@latest

Rust

rustup component add rust-analyzer
rustup component add rust-src

C/C++

# Ubuntu/Debian
sudo apt install clangd

# macOS
brew install llvm

# Windows:从 LLVM 发布版下载

Ruby

gem install solargraph

PHP

npm install -g intelephense

如需了解更多语言及详细说明,请运行 npx cclsp@latest setup 并选择“显示详细安装指南”。

🚀 使用

作为 MCP 服务器

在您的 MCP 客户端(例如 Claude Code)中进行配置:

使用 npm 包(全局安装后)

{
  "mcpServers": {
    "cclsp": {
      "command": "cclsp",
      "env": {
        "CCLSP_CONFIG_PATH": "/path/to/your/cclsp.json"
      }
    }
  }
}

使用本地安装

{
  "mcpServers": {
    "cclsp": {
      "command": "node",
      "args": ["/path/to/cclsp/dist/index.js"],
      "env": {
        "CCLSP_CONFIG_PATH": "/path/to/your/cclsp.json"
      }
    }
  }
}

配置

交互式配置生成器

为了方便设置,可以使用交互式配置生成器:

# 使用 npx(推荐用于一次性设置)
npx cclsp@latest setup

# 如果已全局安装
cclsp setup

# 或者直接使用开发版本运行
bun run setup

交互式工具将:

  • 显示所有可用的语言服务器
  • 让您通过直观的控件选择要配置的服务器:
    • 导航:使用 ↑/↓ 箭头键或 Ctrl+P/Ctrl+N(Emacs 风格)
    • 选择:按空格键切换,A 键全选/取消全选,I 键反选
    • 确认:按 Enter 键继续
  • 展示所选语言的安装说明
  • 自动生成配置文件
  • 向您展示最终的配置

手动配置

或者,您可以手动创建一个 cclsp.json 配置文件:

{
  "servers": [
    {
      "extensions": ["py", "pyi"],
      "command": ["uvx", "--from", "python-lsp-server", "pylsp"],
      "rootDir": ".",
      "initializationOptions": {
        "settings": {
          "pylsp": {
            "plugins": {
              "jedi_completion": { "enabled": true },
              "jedi_definition": { "enabled": true },
              "jedi_hover": { "enabled": true },
              "jedi_references": { "enabled": true },
              "jedi_signature_help": { "enabled": true },
              "jedi_symbols": { "enabled": true },
              "pylint": { "enabled": false },
              "pycodestyle": { "enabled": false },
              "pyflakes": { "enabled": false }
            }
          }
        }
      }
    },
    {
      "extensions": ["js", "ts", "jsx", "tsx"],
      "command": ["npx", "--", "typescript-language-server", "--stdio"],
      "rootDir": "."
    }
  ]
}

配置选项:

  • extensions:该服务器处理的文件扩展名数组
  • command:用于启动 LSP 服务器的命令数组
  • rootDir:LSP 服务器的工作目录(可选,默认为“.”)
  • restartInterval:自动重启间隔(以分钟为单位,可选)
  • initializationOptions:LSP 服务器的初始化选项(可选)

initializationOptions 字段允许您自定义每个 LSP 服务器的初始化方式。这对于像 pylsp(Python)这样具有丰富插件配置的服务器,或像 devsense-php-ls 这样需要特定设置的服务器来说特别有用。

📋 更多语言服务器示例
{
  "servers": [
    {
      "extensions": ["go"],
      "command": ["gopls"],
      "rootDir": "."
    },
    {
      "extensions": ["rs"],
      "command": ["rust-analyzer"],
      "rootDir": "."
    },
    {
      "extensions": ["c", "cpp", "cc", "h", "hpp"],
      "command": ["clangd"],
      "rootDir": "."
    },
    {
      "extensions": ["java"],
      "command": ["jdtls"],
      "rootDir": "."
    },
    {
      "extensions": ["rb"],
      "command": ["solargraph", "stdio"],
      "rootDir": "."
    },
    {
      "extensions": ["php"],
      "command": ["intelephense", "--stdio"],
      "rootDir": "."
    },
    {
      "extensions": ["cs"],
      "command": ["omnisharp", "-lsp"],
      "rootDir": "."
    },
    {
      "extensions": ["swift"],
      "command": ["sourcekit-lsp"],
      "rootDir": "."
    }
  ]
}

🛠️ 开发

# 以开发模式运行
bun run dev

# 运行测试
bun test

# 运行手动集成测试
bun run test:manual

# 检查代码风格
bun run lint

# 格式化代码
bun run format

# 类型检查
bun run typecheck

🔧 MCP 工具

该服务器公开了以下 MCP 工具:

find_definition

根据文件中的名称和符号类型查找符号的定义。返回所有匹配符号的定义。

参数:

  • file_path:文件路径
  • symbol_name:符号名称
  • symbol_kind:符号类型(函数、类、变量、方法等)(可选)

find_references

在整个工作区中查找符号的所有引用。返回所有匹配符号的引用。

参数:

  • file_path:定义符号的文件路径
  • symbol_name:符号名称
  • symbol_kind:符号类型(函数、类、变量、方法等)(可选)
  • include_declaration:是否包含声明(可选,默认为 true)

rename_symbol

根据文件中的名称和符号类型重命名符号。此工具现在默认会将重命名应用到所有受影响的文件。 如果有多个匹配的符号,则会返回候选位置,并建议使用 rename_symbol_strict

参数:

  • file_path:文件路径
  • symbol_name:符号名称
  • symbol_kind:符号类型(函数、类、变量、方法等)(可选)
  • new_name:新名称
  • dry_run:如果为真,则仅预览更改而不应用(可选,默认为假)

注意:dry_run 为假时(默认),该工具会:

  • 将重命名应用到所有受影响的文件
  • 创建带有 .bak 扩展名的备份文件
  • 返回已修改文件的列表。

rename_symbol_strict

在文件中的特定位置重命名符号。当 rename_symbol 返回多个候选位置时,请使用此工具。此工具现在默认会将重命名应用到所有受影响的文件。

参数:

  • file_path:文件路径
  • line:行号(从 1 开始计数)
  • character:该行中的字符位置(从 1 开始计数)
  • new_name:新名称
  • dry_run:如果为真,则仅预览更改而不应用(可选,默认为假)

get_diagnostics

获取文件的语言诊断信息(错误、警告、提示)。使用 LSP 的 textDocument/diagnostic 方法来获取当前的诊断信息。

参数:

  • file_path:要获取诊断信息的文件路径

restart_server

手动重启 LSP 服务器。可以针对特定文件扩展名重启服务器,也可以重启所有正在运行的服务器。

参数:

  • extensions:要重启服务器的文件扩展名数组(例如,["ts", "tsx"])。如果未提供,则会重启所有服务器(可选)

💡 实际案例

查找函数定义

当 Claude 需要理解某个函数的工作原理时:

Claude:让我找到 `processRequest` 函数的定义吧。
> 使用 cclsp.find_definition,设置 symbol_name="processRequest",symbol_kind="function"

结果:在 src/handlers/request.ts 的第 127 行第 1 列找到了定义。

查找所有引用

在重构代码或了解代码影响时:

Claude:我要找出所有使用 `CONFIG_PATH` 的地方。
> 使用 cclsp.find_references,设置 symbol_name="CONFIG_PATH"

结果:找到了 5 处引用:
- src/config.ts 的第 10 行第 1 列(声明)
- src/index.ts 的第 45 行第 15 列
- src/utils/loader.ts 的第 23 行第 8 列
- tests/config.test.ts 的第 15 行第 10 列
- tests/config.test.ts 的第 89 行第 12 列

重命名符号

在整个代码库中安全地重构(现在会实际修改文件!):

Claude:我要把 `getUserData` 重命名为 `fetchUserProfile`
> 使用 cclsp.rename_symbol,参数为 symbol_name="getUserData", new_name="fetchUserProfile"

结果:成功将 getUserData(函数)重命名为 "fetchUserProfile"。

修改的文件:
- src/api/user.ts
- src/services/auth.ts
- src/components/UserProfile.tsx
... (共12个文件)

在应用更改之前预览更改(使用 dry_run):

Claude:我先预览一下哪些地方会被重命名
> 使用 cclsp.rename_symbol,参数为 symbol_name="getUserData", new_name="fetchUserProfile", dry_run=true

结果:[模拟运行] 将会把 getUserData(函数)重命名为 "fetchUserProfile":
文件:src/api/user.ts
  - 第55行第10列至第55行第21列:“fetchUserProfile”
文件:src/services/auth.ts
  - 第123行第15列至第123行第26列:“fetchUserProfile”
... (共12个文件)

当有多个符号匹配时:

Claude:我要把 `data` 变量重命名为 `userData`
> 使用 cclsp.rename_symbol,参数为 symbol_name="data", new_name="userData"

结果:找到多个与 "data" 匹配的符号。请使用 rename_symbol_strict 并指定以下位置之一:
- data(变量)位于第45行第10列
- data(参数)位于第89行第25列
- data(属性)位于第112行第5列

> 使用 cclsp.rename_symbol_strict,参数为 line=45, character=10, new_name="userData"

结果:成功将第45行第10列处的符号重命名为 "userData"。

修改的文件:
- src/utils/parser.ts

检查文件诊断信息

在分析代码质量时:

Claude:让我检查一下这个文件有没有错误或警告
> 使用 cclsp.get_diagnostics

结果:发现3条诊断信息:
- 错误 [TS2304]:无法找到名称 'undefinedVar'(第10行第5列)
- 警告 [no-unused-vars]:'config' 已定义但从未使用过(第25行第10列)
- 提示:建议使用 const 而不是 let(第30行第1列)

重启 LSP 服务器

当 LSP 服务器无响应或配置发生更改时:

Claude:TypeScript 服务器似乎没有响应,我来重启它吧
> 使用 cclsp.restart_server,参数为 extensions ["ts", "tsx"]

结果:成功重启了1个 LSP 服务器
重启的服务器:
• typescript-language-server --stdio (ts, tsx)

或者重启所有服务器:

Claude:我要重启所有的 LSP 服务器,以确保它们正常工作
> 使用 cclsp.restart_server

结果:成功重启了2个 LSP 服务器
重启的服务器:
• typescript-language-server --stdio (ts, tsx)
• pylsp (py)

🔍 故障排除

已知问题

🐍 Python LSP 服务器(pylsp)性能下降

问题:Python 语言服务器(pylsp)在长时间使用后(数小时)可能会变得缓慢或无响应,影响符号解析和代码导航。

症状

  • 对于 Python 文件,“跳转到定义”的结果很慢或根本找不到
  • 符号引用延迟或不完整
  • Python 代码分析的整体响应速度变慢

解决方案:使用自动重启功能,定期重启 pylsp 服务器:

在 Python 服务器配置中添加 restartInterval

{
  "servers": [
    {
      "extensions": ["py", "pyi"],
      "command": ["pylsp"],
      "restartInterval": 5
    }
  ]
}

这将每5分钟自动重启一次 Python LSP 服务器,从而在长时间编码过程中保持最佳性能。

替代方案:您也可以在需要时手动使用 restart_server 工具重启服务器:

  • 重启特定服务器:restart_server 并指定 extensions: ["py"]
  • 重启所有服务器:restart_server 不带参数

注意:设置向导会在检测到 Python 服务器时自动进行此配置。

常见问题

🔧 LSP 服务器无法启动

问题:出现 LSP 服务器未找到的错误信息

解决方案:确保已安装相应的语言服务器:

# 对于 TypeScript
npm install -g typescript-language-server

# 对于 Python
pip install python-lsp-server

# 对于 Go
go install golang.org/x/tools/gopls@latest
🔧 配置未加载

问题:cclsp 仅使用默认的 TypeScript 配置

解决方案:请检查:

  1. 您的配置文件是否命名为 cclsp.json(而不是 cclsp.config.json
  2. 环境变量 CCLSP_CONFIG_PATH 是否指向正确的文件
  3. JSON 语法是否正确
🔧 找不到符号的错误

问题:“跳转到定义”没有任何结果

解决方案

  1. 确保文件已保存并且属于项目
  2. 检查语言服务器是否支持该文件类型
  3. 有些语言服务器需要几秒钟来索引项目

🤝 贡献

我们欢迎您的贡献!以下是您可以帮助的方式:

报告问题

发现 bug 或有功能需求?请在 GitHub 上提交一个问题,内容包括:

  • 清晰的问题描述
  • 复现步骤
  • 预期行为与实际行为的对比
  • 您的环境信息(操作系统、Node.js 版本等)

添加语言支持

想为新语言添加支持吗?

  1. 找到您所需语言的 LSP 服务器
  2. 在本地测试配置
  3. 提交一个 PR,包含:
    • 更新后的 README 示例
    • 如果可能,提供测试文件
    • 配置文档

代码贡献

  1. 分支仓库
  2. 创建特性分支:git checkout -b feature/amazing-feature
  3. 进行更改
  4. 运行测试:bun test
  5. 提交:git commit -m '✨ feat: add amazing feature'
  6. 推送:git push origin feature/amazing-feature
  7. 打开一个拉取请求

📄 许可证

MIT

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

349.3k|★★★☆☆|昨天
Agent开发框架图像

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。

162.1k|★★★☆☆|2天前
开发框架图像Agent

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

143.9k|★★☆☆☆|今天
开发框架Agent语言模型

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。

107.9k|★★☆☆☆|昨天
开发框架图像Agent

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

93.4k|★★☆☆☆|昨天
插件开发框架

LLMs-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。 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。 LLMs-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

90.1k|★★★☆☆|昨天
语言模型图像Agent