[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-liyupi--ai-code-helper":3,"tool-liyupi--ai-code-helper":64},[4,17,27,35,43,56],{"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},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",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"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",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"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",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":80,"owner_email":81,"owner_twitter":82,"owner_website":83,"owner_url":84,"languages":85,"stars":102,"forks":103,"last_commit_at":104,"license":82,"difficulty_score":105,"env_os":106,"env_gpu":107,"env_ram":107,"env_deps":108,"category_tags":118,"github_topics":119,"view_count":23,"oss_zip_url":82,"oss_zip_packed_at":82,"status":16,"created_at":134,"updated_at":135,"faqs":136,"releases":137},3389,"liyupi\u002Fai-code-helper","ai-code-helper","2025 年 AI 编程助手实战项目（作者：程序员鱼皮），基于 Spring Boot 3.5 + Java 21 + LangChain4j + AI 构建智能编程学习与求职辅导机器人，覆盖 AI 大模型接入、LangChain4j 核心特性、流式对话、Prompt 工程、RAG 检索增强、向量数据库、Tool Calling 工具调用、MCP 模型上下文协议、Web 爬虫、安全防护、Vue.js 前端开发、SSE 服务端推送等企业级 AI 应用开发技术。帮助开发者掌握 AI 时代必备技能，熟悉 LangChain 框架，提升编程学习效率和求职竞争力，成为企业需要的 AI 全栈开发人才。","ai-code-helper 是一款专为开发者打造的智能编程学习与求职辅导机器人，由程序员鱼皮基于 Spring Boot 3.5、Java 21 及 LangChain4j 框架精心构建。它旨在解决开发者在技术学习路径规划、代码疑难解答以及求职面试准备中遇到的痛点，提供从简历优化到高频面试题解析的一站式支持。\n\n该项目非常适合希望掌握 AI 应用开发技能的 Java 工程师、寻求提升编程效率的学生，以及准备技术面试的求职者使用。通过实战该项目，用户不仅能获得个性化的学习建议，还能深入理解企业级 AI 应用的开发流程。\n\n其技术亮点在于全面集成了 LangChain4j 的核心能力：支持流式对话以提供流畅的打字机体验；利用 RAG（检索增强生成）结合本地知识库输出精准答案；具备 Tool Calling 工具调用与 MCP（模型上下文协议）支持，可实时抓取最新面试资讯与技术动态；同时内置输入安全防护机制，确保交互内容合规。作为开源实战项目，ai-code-helper 不仅是一个实用的辅助工具，更是开发者进阶 AI 全栈能力的优质学习范本。","# 🤖 AI 编程小助手 - LangChain4j 实战项目\n\n> 基于 LangChain4j + 通义千问的 AI 智能编程学习与求职辅导机器人\n\n[![Spring Boot](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FSpring%20Boot-3.5.3-brightgreen.svg)](https:\u002F\u002Fspring.io\u002Fprojects\u002Fspring-boot)\n[![Vue.js](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FVue.js-3.3.4-4FC08D.svg)](https:\u002F\u002Fvuejs.org\u002F)\n[![LangChain4j](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLangChain4j-1.1.0-blue.svg)](https:\u002F\u002Fgithub.com\u002Flangchain4j\u002Flangchain4j)\n[![Java](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FJava-21-orange.svg)](https:\u002F\u002Fwww.oracle.com\u002Fjava\u002F)\n\n\n\n大家好，我是程序员鱼皮。现在 AI 应用开发可以说是程序员必备的技能了，求职时能够大幅增加竞争力。之前我用 Spring AI 带大家做过一个 [开源的 AI 超级智能体项目](https:\u002F\u002Fgithub.com\u002Fliyupi\u002Fyu-ai-agent)，这次我来带大家快速掌握另一个主流的 Java AI 应用开发框架 LangChain4j。\n\n这个教程项目也是我精心设计，拒绝枯燥的理论，而是用一个编程小助手项目带大家在实战中依次学习 LangChain4j 的主流用法。看完这个教程，你不仅学会了 LangChain4j，还直接多了一段项目经历，岂不美哉？\n\n项目视频教程：https:\u002F\u002Fbilibili.com\u002Fvideo\u002FBV1X4GGziEyr\n\n文字教程：https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002F7cNh7ndeiWiHBjnkTkz_Zg （在公众号程序员鱼皮的文章）\n\n更多鱼皮原创项目教程、编程学习路线可以在 [编程导航学习网](https:\u002F\u002Fwww.codefather.cn\u002F) 获取。\n\n⭐ 如果这个项目对您有帮助，请给鱼皮一个 Star，这会激励我继续爆肝输出更多干货教程，万分感谢！ \n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fliyupi_ai-code-helper_readme_01c52bca4dbc.png)\n\n本项目中，会话记忆、结构化输出、RAG、工具调用、MCP、护轨、可观测性、AI 代码生成等等，都有从 0 的讲解和实践。\n\n\n## ✨ 项目介绍\n\n### 定位\n- 编程学习导师: 提供清晰的学习路线规划和个性化建议\n- 求职面试助手: 涵盖简历优化、面试技巧、高频题目解析\n- 代码答疑专家: 实时解答编程技术问题，提供代码示例\n\n### 技术\n\n#### AI 服务\n- **LangChain4j集成**: 采用业界领先的AI应用开发框架\n- **通义千问模型**: 基于阿里云大模型，专业可靠\n- **流式响应**: 实时打字机效果，提升用户体验\n\n#### 安全机制\n- **输入安全防护**: 检测敏感内容，确保应用安全\n\n#### 工具集成\n- **RAG检索增强**: 结合本地知识库，提供精准答案\n- **MCP协议支持**: 模型上下文协议，增强AI能力\n- **面试题搜索**: 实时抓取最新面试题目\n- **Web爬虫工具**: 获取实时技术资讯\n\n\n\n## 🚀 快速开始\n\n### 环境要求\n\n- **Java**: JDK 21+\n- **Node.js**: 16.0+\n- **Maven**: 3.6+\n- **通义千问API**: 需申请API密钥\n- **Big Model API**: 需申请API密钥\n\n### 启动步骤\n\n#### 1. 后端启动\n```bash\n# 克隆项目\ngit clone \u003Crepository-url>\ncd ai-code-helper\n\n# 配置API密钥\n# 编辑 src\u002Fmain\u002Fresources\u002Fapplication.yml\n# 填入您的通义千问 API 和 Big Model API 密钥\n\n# 启动后端服务\nmvn spring-boot:run\n```\n\n#### 2. 前端启动\n```bash\n# 进入前端目录\ncd ai-code-helper-frontend\n\n# 安装依赖\nnpm install\n\n# 启动开发服务器\nnpm run dev\n```\n\n#### 3. 访问应用\n- 前端地址: `http:\u002F\u002Flocalhost:5173`\n- 后端API: `http:\u002F\u002Flocalhost:8081\u002Fapi`\n\n\n\n## 技术架构\n\n```\n┌─────────────────┐    ┌─────────────────┐\n│   Vue.js 前端    │────│  Spring Boot   │\n│   - 聊天界面     │    │    后端服务      │\n│   - 实时流式     │    │   - RESTful API │\n│   - Markdown    │    │   - SSE 推送     │\n└─────────────────┘    └─────────────────┘\n                              │\n                    ┌─────────────────┐\n                    │   LangChain4j   │\n                    │   - AI服务层    │\n                    │   - 工具集成    │\n                    │   - 安全防护    │\n                    └─────────────────┘\n                              │\n                    ┌─────────────────┐\n                    │   通义千问API    │\n                    │   - 对话模型    │\n                    │   - 嵌入模型    │\n                    │   - 流式输出    │\n                    └─────────────────┘\n```\n\n\n\n## 核心模块\n\n- `AiCodeHelperService`: 核心对话服务\n- `QwenChatModelConfig`: 模型配置管理\n- `RagConfig`: 检索增强配置\n- `McpConfig`: 模型上下文协议\n\n- `InterviewQuestionTool`: 面试题搜索\n- `SafeInputGuardrail`: 输入安全防护\n- `ChatModelListener`: 对话监听器\n\n\n\n## 致谢\n\n- [LangChain4j](https:\u002F\u002Fgithub.com\u002Flangchain4j\u002Flangchain4j) - 强大的AI应用开发框架\n- [阿里云通义千问](https:\u002F\u002Fdashscope.aliyun.com\u002F) - 优秀的大语言模型\n- [Spring Boot](https:\u002F\u002Fspring.io\u002Fprojects\u002Fspring-boot) - 简化的Java开发框架\n- [Vue.js](https:\u002F\u002Fvuejs.org\u002F) - 渐进式JavaScript框架\n\n","# 🤖 AI 编程小助手 - LangChain4j 实战项目\n\n> 基于 LangChain4j + 通义千问的 AI 智能编程学习与求职辅导机器人\n\n[![Spring Boot](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FSpring%20Boot-3.5.3-brightgreen.svg)](https:\u002F\u002Fspring.io\u002Fprojects\u002Fspring-boot)\n[![Vue.js](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FVue.js-3.3.4-4FC08D.svg)](https:\u002F\u002Fvuejs.org\u002F)\n[![LangChain4j](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLangChain4j-1.1.0-blue.svg)](https:\u002F\u002Fgithub.com\u002Flangchain4j\u002Flangchain4j)\n[![Java](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FJava-21-orange.svg)](https:\u002F\u002Fwww.oracle.com\u002Fjava\u002F)\n\n\n\n大家好，我是程序员鱼皮。现在 AI 应用开发可以说是程序员必备的技能了，求职时能够大幅增加竞争力。之前我用 Spring AI 带大家做过一个 [开源的 AI 超级智能体项目](https:\u002F\u002Fgithub.com\u002Fliyupi\u002Fyu-ai-agent)，这次我来带大家快速掌握另一个主流的 Java AI 应用开发框架 LangChain4j。\n\n这个教程项目也是我精心设计，拒绝枯燥的理论，而是用一个编程小助手项目带大家在实战中依次学习 LangChain4j 的主流用法。看完这个教程，你不仅学会了 LangChain4j，还直接多了一段项目经历，岂不美哉？\n\n项目视频教程：https:\u002F\u002Fbilibili.com\u002Fvideo\u002FBV1X4GGziEyr\n\n文字教程：https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002F7cNh7ndeiWiHBjnkTkz_Zg （在公众号程序员鱼皮的文章）\n\n更多鱼皮原创项目教程、编程学习路线可以在 [编程导航学习网](https:\u002F\u002Fwww.codefather.cn\u002F) 获取。\n\n⭐ 如果这个项目对您有帮助，请给鱼皮一个 Star，这会激励我继续爆肝输出更多干货教程，万分感谢！ \n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fliyupi_ai-code-helper_readme_01c52bca4dbc.png)\n\n本项目中，会话记忆、结构化输出、RAG、工具调用、MCP、护轨、可观测性、AI 代码生成等等，都有从 0 的讲解和实践。\n\n\n## ✨ 项目介绍\n\n### 定位\n- 编程学习导师: 提供清晰的学习路线规划和个性化建议\n- 求职面试助手: 涵盖简历优化、面试技巧、高频题目解析\n- 代码答疑专家: 实时解答编程技术问题，提供代码示例\n\n### 技术\n\n#### AI 服务\n- **LangChain4j集成**: 采用业界领先的AI应用开发框架\n- **通义千问模型**: 基于阿里云大模型，专业可靠\n- **流式响应**: 实时打字机效果，提升用户体验\n\n#### 安全机制\n- **输入安全防护**: 检测敏感内容，确保应用安全\n\n#### 工具集成\n- **RAG检索增强**: 结合本地知识库，提供精准答案\n- **MCP协议支持**: 模型上下文协议，增强AI能力\n- **面试题搜索**: 实时抓取最新面试题目\n- **Web爬虫工具**: 获取实时技术资讯\n\n\n\n## 🚀 快速开始\n\n### 环境要求\n\n- **Java**: JDK 21+\n- **Node.js**: 16.0+\n- **Maven**: 3.6+\n- **通义千问API**: 需申请API密钥\n- **Big Model API**: 需申请API密钥\n\n### 启动步骤\n\n#### 1. 后端启动\n```bash\n# 克隆项目\ngit clone \u003Crepository-url>\ncd ai-code-helper\n\n# 配置API密钥\n# 编辑 src\u002Fmain\u002Fresources\u002Fapplication.yml\n# 填入您的通义千问 API 和 Big Model API 密钥\n\n# 启动后端服务\nmvn spring-boot:run\n```\n\n#### 2. 前端启动\n```bash\n# 进入前端目录\ncd ai-code-helper-frontend\n\n# 安装依赖\nnpm install\n\n# 启动开发服务器\nnpm run dev\n```\n\n#### 3. 访问应用\n- 前端地址: `http:\u002F\u002Flocalhost:5173`\n- 后端API: `http:\u002F\u002Flocalhost:8081\u002Fapi`\n\n\n\n## 技术架构\n\n```\n┌─────────────────┐    ┌─────────────────┐\n│   Vue.js 前端    │────│  Spring Boot   │\n│   - 聊天界面     │    │    后端服务      │\n│   - 实时流式     │    │   - RESTful API │\n│   - Markdown    │    │   - SSE 推送     │\n└─────────────────┘    └─────────────────┘\n                              │\n                    ┌─────────────────┐\n                    │   LangChain4j   │\n                    │   - AI服务层    │\n                    │   - 工具集成    │\n                    │   - 安全防护    │\n                    └─────────────────┘\n                              │\n                    ┌─────────────────┐\n                    │   通义千问API    │\n                    │   - 对话模型    │\n                    │   - 嵌入模型    │\n                    │   - 流式输出    │\n                    └─────────────────┘\n```\n\n\n\n## 核心模块\n\n- `AiCodeHelperService`: 核心对话服务\n- `QwenChatModelConfig`: 模型配置管理\n- `RagConfig`: 检索增强配置\n- `McpConfig`: 模型上下文协议\n\n- `InterviewQuestionTool`: 面试题搜索\n- `SafeInputGuardrail`: 输入安全防护\n- `ChatModelListener`: 对话监听器\n\n\n\n## 致谢\n\n- [LangChain4j](https:\u002F\u002Fgithub.com\u002Flangchain4j\u002Flangchain4j) - 强大的AI应用开发框架\n- [阿里云通义千问](https:\u002F\u002Fdashscope.aliyun.com\u002F) - 优秀的大语言模型\n- [Spring Boot](https:\u002F\u002Fspring.io\u002Fprojects\u002Fspring-boot) - 简化的Java开发框架\n- [Vue.js](https:\u002F\u002Fvuejs.org\u002F) - 渐进式JavaScript框架","# AI 编程小助手 (ai-code-helper) 快速上手指南\n\n本项目是一个基于 **LangChain4j** + **通义千问** 的 AI 智能编程学习与求职辅导机器人，涵盖会话记忆、RAG 检索增强、工具调用及安全防护等核心功能。\n\n## 1. 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **JDK**: 版本 21 或更高 (推荐 Oracle JDK 21 或 OpenJDK 21)\n*   **Node.js**: 版本 16.0 或更高\n*   **Maven**: 版本 3.6 或更高\n*   **API 密钥**:\n    *   **阿里云通义千问 API Key**: 需前往 [阿里云 DashScope 控制台](https:\u002F\u002Fdashscope.aliyun.com\u002F) 申请。\n    *   **Big Model API Key**: 根据项目具体需求申请对应的大模型密钥。\n\n## 2. 安装与配置\n\n### 第一步：克隆项目\n```bash\ngit clone \u003Crepository-url>\ncd ai-code-helper\n```\n\n### 第二步：配置 API 密钥\n编辑后端配置文件 `src\u002Fmain\u002Fresources\u002Fapplication.yml`，填入您申请的 API 密钥：\n\n```yaml\n# 示例配置结构，请以实际文件为准\nlangchain4j:\n  qwen:\n    api-key: \"您的通义千问_API_KEY\"\n    # 其他配置...\nbig-model:\n  api-key: \"您的_Big_Model_API_KEY\"\n```\n\n### 第三步：启动后端服务\n在项目根目录下执行以下命令启动 Spring Boot 后端：\n```bash\nmvn spring-boot:run\n```\n*注：国内开发者若 Maven 下载依赖较慢，建议在 `~\u002F.m2\u002Fsettings.xml` 中配置阿里云镜像源。*\n\n### 第四步：启动前端服务\n打开新终端，进入前端目录并启动：\n```bash\ncd ai-code-helper-frontend\nnpm install\nnpm run dev\n```\n*注：若 npm 安装依赖缓慢，可临时切换淘宝镜像：`npm config set registry https:\u002F\u002Fregistry.npmmirror.com`*\n\n## 3. 基本使用\n\n服务启动成功后，即可通过浏览器访问应用：\n\n1.  **访问地址**: 打开浏览器访问 `http:\u002F\u002Flocalhost:5173`\n2.  **功能体验**:\n    *   **编程答疑**: 在对话框输入技术问题（如“如何用 Java 实现单例模式？”），系统将实时返回代码示例和解析。\n    *   **求职辅导**: 询问面试技巧或请求简历优化建议。\n    *   **知识库检索**: 提问涉及本地知识库的内容，体验 RAG 检索增强效果。\n\n**后端 API 地址**: `http:\u002F\u002Flocalhost:8081\u002Fapi` (供调试或直接调用)","刚入职的 Java 后端新人小林，正面临转正答辩压力，急需在两周内补齐 Spring Boot 3 新特性知识并优化简历以应对内部竞聘。\n\n### 没有 ai-code-helper 时\n- **学习路径迷茫**：面对海量技术文档不知从何下手，缺乏针对个人基础的个性化学习路线规划，效率极低。\n- **求职准备低效**：手动搜索面试题耗时费力，难以获取最新的高频考点，简历优化缺乏专业指导，只能凭感觉修改。\n- **代码答疑滞后**：遇到复杂报错时，需在多个论坛间切换查找答案，往往得不到结合项目上下文的精准代码示例。\n- **交互体验割裂**：传统问答无法保留多轮对话记忆，每次提问都要重复背景信息，且等待响应时间长，打断开发思路。\n- **信息安全隐患**：直接将公司代码片段粘贴到公共 AI 平台存在泄露风险，缺乏企业级的输入安全防护机制。\n\n### 使用 ai-code-helper 后\n- **定制成长路线**：ai-code-helper 基于 RAG 检索增强生成技术，为小林生成专属的 Spring Boot 3 学习地图，按部就班提升技能。\n- **智能求职辅导**：内置的面试题搜索工具实时抓取最新考题，AI 导师针对性解析高频难点，并一键优化简历亮点，显著提升竞争力。\n- **精准代码解惑**：利用 LangChain4j 的工具调用能力，直接提供符合当前项目规范的修复代码，实现“秒级”技术答疑。\n- **流畅流式对话**：支持 SSE 服务端推送与打字机效果，完整保留会话记忆，让多轮技术探讨如真人交流般自然顺畅。\n- **安全合规保障**：独有的输入安全护轨自动拦截敏感代码上传，确保在享受 AI 便利的同时，严守企业数据安全红线。\n\nai-code-helper 不仅将小林的备考周期缩短了一半，更通过全栈 AI 实战能力赋能，助其成功通过竞聘成为团队核心骨干。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fliyupi_ai-code-helper_01c52bca.png","liyupi","程序员鱼皮","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fliyupi_36fe7f81.jpg","speak less do more！前腾讯全栈开发，现科技公司创始人","编程学习公众号【程序员鱼皮】","China Shanghai","592789970@qq.com",null,"https:\u002F\u002Fwww.codefather.cn","https:\u002F\u002Fgithub.com\u002Fliyupi",[86,90,94,98],{"name":87,"color":88,"percentage":89},"Vue","#41b883",46.2,{"name":91,"color":92,"percentage":93},"Java","#b07219",43.6,{"name":95,"color":96,"percentage":97},"JavaScript","#f1e05a",8.5,{"name":99,"color":100,"percentage":101},"HTML","#e34c26",1.7,586,189,"2026-04-03T12:37:02",4,"","未说明",{"notes":109,"python":110,"dependencies":111},"该项目基于 Java 和 Vue.js 开发，无需 Python 环境。运行前需申请阿里云通义千问 API 密钥及 Big Model API 密钥，并在 application.yml 中配置。后端使用 Maven 构建，前端使用 npm 管理依赖。","不需要",[112,113,114,115,116,117],"Java 21+","Spring Boot 3.5.3","LangChain4j 1.1.0","Vue.js 3.3.4","Node.js 16.0+","Maven 3.6+",[51,15,14,13],[120,121,122,123,124,125,126,127,128,129,130,131,132,133],"ai","ai-model","backend","frontend","java","langchain4j","mcp","rag","spring-ai","springboot","springmvc","tool-calling","vector-database","vue","2026-03-27T02:49:30.150509","2026-04-06T05:36:48.433719",[],[]]