[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-llm-tools--embedJs":3,"tool-llm-tools--embedJs":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",146793,2,"2026-04-08T23:32:35",[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":76,"owner_location":76,"owner_email":76,"owner_twitter":76,"owner_website":76,"owner_url":77,"languages":78,"stars":87,"forks":88,"last_commit_at":89,"license":90,"difficulty_score":32,"env_os":91,"env_gpu":91,"env_ram":91,"env_deps":92,"category_tags":97,"github_topics":98,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":118,"updated_at":119,"faqs":120,"releases":149},5739,"llm-tools\u002FembedJs","embedJs","A NodeJS RAG framework to easily work with LLMs and embeddings","embedJs 是一款专为 Node.js 开发者打造的开源框架，旨在简化大语言模型（LLM）与向量嵌入技术的集成过程。它核心解决了如何让 AI 模型“读懂”并精准利用用户私有数据这一难题，通过构建检索增强生成（RAG）应用，让 AI 的回答不再局限于通用训练数据，而是能基于特定文档提供个性化、高准确度的反馈。\n\n该工具将复杂的数据处理流程封装为易用的接口：自动将海量文本分割为可管理的片段，生成相应的向量嵌入，并高效存储至向量数据库中。无论是构建智能问答系统、提取上下文信息，还是开发基于私有知识库的交互式聊天机器人，embedJs 都能帮助开发者轻松实现。\n\nembedJs 特别适合熟悉 JavaScript 或 TypeScript 的后端工程师、全栈开发者以及希望快速原型化 AI 应用的技术团队。其独特亮点在于对 Node.js 生态的深度适配，提供了丰富的数据源支持和模块化设计，让开发者无需深入钻研复杂的向量算法细节，即可专注于业务逻辑创新。如果你希望在 Node.js 环境中低成本、高效率地落地企业级 AI 应用，embedJs 是一个值得尝试的实用工具箱。","\u003Cp align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fllm-tools_embedJs_readme_f80f64163670.webp\" width=\"400px\" alt=\"EmbedJs Logo\">\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n    \u003Ca href=\"https:\u002F\u002Fwww.npmjs.com\u002Fpackage\u002F@llm-tools\u002Fembedjs\"  target=\"_blank\">\u003Cimg alt=\"License\" src=\"https:\u002F\u002Fimg.shields.io\u002Fnpm\u002Fl\u002F%40llm-tools%2Fembedjs?style=for-the-badge\">\u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fwww.npmjs.com\u002Fpackage\u002F@llm-tools\u002Fembedjs\"  target=\"_blank\">\u003Cimg alt=\"NPM Version\" src=\"https:\u002F\u002Fimg.shields.io\u002Fnpm\u002Fv\u002F%40llm-tools\u002Fembedjs?style=for-the-badge\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Chr \u002F>\n\n## What is EmbedJs?\n\nEmbedJs is an Open Source Framework for personalizing LLM responses. An ultimate toolkit for building powerful Retrieval-Augmented Generation (RAG) and Large Language Model (LLM) applications with ease in Node.js.\n\nIt segments data into manageable chunks, generates relevant embeddings, and stores them in a vector database for optimized retrieval. It enables users to extract contextual information, find precise answers, or engage in interactive chat conversations, all tailored to their own data.\n\n## 📖 Documentation\n\nComprehensive guides and API documentation are available to help you get the most out of EmbedJs:\n\n-   [Introduction](https:\u002F\u002Fllm-tools.mintlify.app\u002Fget-started\u002Fintroduction#what-is-embedjs)\n-   [Getting Started](https:\u002F\u002Fllm-tools.mintlify.app\u002Fget-started\u002Fquickstart)\n-   [Supported data types](https:\u002F\u002Fllm-tools.mintlify.app\u002Fcomponents\u002Fdata-sources\u002Foverview)\n-   [Examples](https:\u002F\u002Fllm-tools.mintlify.app\u002Fexamples)\n\n## 🌐 Contributing\n\nContributions are welcome! Please check out the issues on the repository, and feel free to open a pull request.\nFor more information, please see the [contributing guidelines](CONTRIBUTING.md).\n\n\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fllm-tools\u002Fembedjs\u002Fgraphs\u002Fcontributors\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fllm-tools_embedJs_readme_f635c999bdeb.png\" \u002F>\n\u003C\u002Fa>\n","\u003Cp align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fllm-tools_embedJs_readme_f80f64163670.webp\" width=\"400px\" alt=\"EmbedJs Logo\">\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n    \u003Ca href=\"https:\u002F\u002Fwww.npmjs.com\u002Fpackage\u002F@llm-tools\u002Fembedjs\"  target=\"_blank\">\u003Cimg alt=\"License\" src=\"https:\u002F\u002Fimg.shields.io\u002Fnpm\u002Fl\u002F%40llm-tools%2Fembedjs?style=for-the-badge\">\u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fwww.npmjs.com\u002Fpackage\u002F@llm-tools\u002Fembedjs\"  target=\"_blank\">\u003Cimg alt=\"NPM Version\" src=\"https:\u002F\u002Fimg.shields.io\u002Fnpm\u002Fv\u002F%40llm-tools\u002Fembedjs?style=for-the-badge\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Chr \u002F>\n\n## 什么是 EmbedJs？\n\nEmbedJs 是一个用于个性化大语言模型响应的开源框架。它是一个功能强大的工具集，可帮助开发者在 Node.js 环境中轻松构建增强检索生成（RAG）和大语言模型（LLM）应用。\n\nEmbedJs 可将数据分割成易于管理的块，生成相关的嵌入向量，并将其存储到向量数据库中以实现优化的检索。借助该框架，用户可以从自有数据中提取上下文信息、找到精确的答案，或进行交互式聊天对话，所有这些都完全根据其自身数据定制。\n\n## 📖 文档\n\n我们提供了全面的指南和 API 文档，助您充分利用 EmbedJs：\n\n-   [简介](https:\u002F\u002Fllm-tools.mintlify.app\u002Fget-started\u002Fintroduction#what-is-embedjs)\n-   [快速入门](https:\u002F\u002Fllm-tools.mintlify.app\u002Fget-started\u002Fquickstart)\n-   [支持的数据类型](https:\u002F\u002Fllm-tools.mintlify.app\u002Fcomponents\u002Fdata-sources\u002Foverview)\n-   [示例](https:\u002F\u002Fllm-tools.mintlify.app\u002Fexamples)\n\n## 🌐 贡献\n\n欢迎各位贡献代码！请先查看仓库中的问题列表，然后随时提交 Pull Request。更多详情请参阅[贡献指南](CONTRIBUTING.md)。\n\n\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fllm-tools\u002Fembedjs\u002Fgraphs\u002Fcontributors\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fllm-tools_embedJs_readme_f635c999bdeb.png\" \u002F>\n\u003C\u002Fa>","# EmbedJs 快速上手指南\n\nEmbedJs 是一个开源的 Node.js 框架，专为个性化大语言模型（LLM）响应而设计。它能够帮助开发者轻松构建强大的检索增强生成（RAG）应用，支持数据分块、嵌入生成及向量数据库存储，从而实现基于私有数据的上下文提取、精准问答和交互式对话。\n\n## 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- **操作系统**：Windows、macOS 或 Linux\n- **运行时环境**：Node.js (建议版本 18.x 或更高)\n- **包管理器**：npm 或 yarn\n- **前置知识**：基本的 JavaScript\u002FTypeScript 编程能力\n\n> **提示**：国内开发者如遇 npm 安装缓慢，可临时切换至淘宝镜像源：\n> ```bash\n> npm config set registry https:\u002F\u002Fregistry.npmmirror.com\n> ```\n\n## 安装步骤\n\n通过 npm 安装核心包 `@llm-tools\u002Fembedjs`。您可以根据项目需求额外安装特定的数据加载器或向量存储插件。\n\n```bash\nnpm install @llm-tools\u002Fembedjs\n```\n\n若需使用特定功能（如读取 PDF 文件或连接 Pinecone 数据库），请按需安装对应插件，例如：\n\n```bash\nnpm install @llm-tools\u002Fembedjs-loader-pdf @llm-tools\u002Fembedjs-vectorstore-pinecone\n```\n\n## 基本使用\n\n以下是一个最简单的示例，展示如何加载文本数据、生成嵌入并将其存入内存向量库，最后进行相似度检索。\n\n```javascript\nimport { Embedder } from \"@llm-tools\u002Fembedjs\";\nimport { MemoryVectorStore } from \"@llm-tools\u002Fembedjs-vectorstore-memory\";\nimport { TextLoader } from \"@llm-tools\u002Fembedjs-loader-text\";\n\nasync function main() {\n  \u002F\u002F 1. 初始化向量存储\n  const vectorStore = new MemoryVectorStore();\n\n  \u002F\u002F 2. 创建 Embedder 实例并配置数据源\n  const embedder = new Embedder({\n    vectorStore,\n    loaders: [\n      new TextLoader({\n        data: \"EmbedJs 是一个用于构建 RAG 应用的强大 Node.js 框架。\",\n        metadata: { source: \"intro\" }\n      })\n    ]\n  });\n\n  \u002F\u002F 3. 执行嵌入并存储\n  await embedder.load();\n\n  \u002F\u002F 4. 查询相似内容\n  const results = await vectorStore.similaritySearch(\"什么是 EmbedJs？\", 1);\n\n  console.log(\"检索结果:\", results[0].pageContent);\n}\n\nmain().catch(console.error);\n```\n\n运行上述代码后，系统将自动把文本分块、生成向量并存储，随后根据查询语句返回最相关的片段。您可以在此基础上扩展更多数据源（如 PDF、URL、数据库）和持久化向量库（如 Chroma、Qdrant）。","某电商初创团队希望为其 Node.js 客服系统构建一个能基于内部产品手册和售后政策自动回答用户咨询的智能助手。\n\n### 没有 embedJs 时\n- 开发人员需手动编写复杂的脚本将 PDF 和 Markdown 格式的产品文档切割成片段，极易出现语义断裂或上下文丢失。\n- 缺乏统一的向量化流程，团队不得不分别调用不同的 API 生成嵌入向量，导致代码耦合度高且难以维护。\n- 检索逻辑简陋，往往只能进行关键词匹配，无法理解用户提问的深层意图，导致回答准确率低下。\n- 每次更新产品库都需要重新跑一遍自定义的数据处理流水线，耗时费力且容易出错。\n- 缺少针对 Node.js 环境的原生优化，集成过程繁琐，严重拖慢了从原型到上线的开发进度。\n\n### 使用 embedJs 后\n- 利用内置的数据加载器自动解析多种格式文档，并智能分割为语义完整的块，确保上下文连贯性。\n- 通过一行配置即可调用主流模型生成高质量嵌入向量，并自动同步至向量数据库，大幅简化架构。\n- 依托成熟的 RAG 框架实现语义检索，能精准定位相关文档片段，使 AI 回答不仅准确且具备具体依据。\n- 支持增量数据更新机制，新产品手册上传后自动完成分块与索引，无需人工干预即可保持知识库鲜活。\n- 作为专为 Node.js 设计的轻量级框架，无缝融入现有后端项目，让团队在数天内即可完成智能客服上线。\n\nembedJs 将繁琐的 RAG 底层基建转化为简洁的 API 调用，让开发者能专注于业务逻辑而非数据处理细节。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fllm-tools_embedJs_50655273.png","llm-tools","LLM Tools","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fllm-tools_d9207878.png","",null,"https:\u002F\u002Fgithub.com\u002Fllm-tools",[79,83],{"name":80,"color":81,"percentage":82},"TypeScript","#3178c6",89.2,{"name":84,"color":85,"percentage":86},"JavaScript","#f1e05a",10.8,605,75,"2026-04-05T03:46:37","Apache-2.0","未说明",{"notes":93,"python":94,"dependencies":95},"该工具是基于 Node.js 的开源框架，用于构建 RAG 和 LLM 应用。README 中未详细列出具体的系统资源（如 GPU、内存）要求，这些通常取决于所选用的具体向量数据库后端和嵌入模型。用户需安装 Node.js 环境并通过 npm 进行安装。","不适用 (基于 Node.js)",[96],"@llm-tools\u002Fembedjs",[14,15,13,35,16],[99,100,101,102,103,104,105,106,107,108,109,110,111,112,113,114,115,116,117],"embedding","embeddings","gpt","gpt-4","llm","openai","vector-database","ai","chatgpt","cohere","huggingface","large-language-models","rag","mistral","pinecone","claude","ollama","vertex-ai","gpt-4o","2026-03-27T02:49:30.150509","2026-04-09T10:20:23.008372",[121,126,130,134,139,144],{"id":122,"question_zh":123,"answer_zh":124,"source_url":125},26035,"如何在 Next.js 项目中使用 embedjs？","并非所有向量数据库都能直接在 Next.js 中工作。基础库本身可以开箱即用，但某些基于 Node 原生包的向量数据库（如 HNSWLib）可能需要特定的打包器配置才能运行。默认情况下，许多基于 API 的向量数据库（如 Pinecone）可以直接使用。维护者提供了一个包含 Pinecone 配置的 Next.js 聊天机器人模板供参考：https:\u002F\u002Fgithub.com\u002Fllm-tools\u002Fchat-bot-nextjs-template。如果遇到原生包问题，建议暂时使用基于 API 的向量数据库或等待官方对 Next.js 的全面支持更新。","https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fissues\u002F76",{"id":127,"question_zh":128,"answer_zh":129,"source_url":125},26036,"HNSWDb 的正确导入路径是什么？","正确的导入路径是 `import { HNSWDb } from '@llm-tools\u002Fembedjs\u002FvectorDb\u002Fhnswlib'`。所有可用的导入路径都可以在项目的 README 文档中找到。请确保不要直接从主入口或其他错误的路径导入，以免出现模块未找到的错误。",{"id":131,"question_zh":132,"answer_zh":133,"source_url":125},26037,"为什么在 Mac 上运行 npm install 时会报 node-gyp 编译错误？","该错误通常是由于依赖包 `mmmagic` 需要编译原生 C++ 代码导致的。错误日志中显示 `command sh -c node-gyp rebuild` 失败。解决此问题通常需要确保系统已安装必要的构建工具。在 macOS 上，请运行 `xcode-select --install` 安装命令行工具。如果问题依旧，可能是由于特定版本的依赖不兼容，建议检查 Node.js 版本是否与项目要求一致，或者尝试清理 npm 缓存 (`npm cache clean --force`) 后重新安装。",{"id":135,"question_zh":136,"answer_zh":137,"source_url":138},26038,"如何处理向大量文档插入嵌入向量时出现的 Ollama 连接超时错误？","当处理大量文档（例如 20,000 条）时，直接循环调用可能会导致请求堆积从而引发 `ConnectTimeoutError`。虽然 Issue 中未给出直接的代码修复，但通用的解决方案包括：1. 实现批处理逻辑，不要一次性加载所有数据，而是分批次（例如每次 100-500 条）进行处理；2. 在代码中增加重试机制和延迟（retry with backoff）；3. 检查 Ollama 服务器的资源配置，确保其有能力处理高并发请求；4. 如果是本地运行，尝试调整系统的文件描述符限制或网络超时设置。","https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fissues\u002F191",{"id":140,"question_zh":141,"answer_zh":142,"source_url":143},26039,"embedjs 与 llama-cpp 集成时出现 'Cannot read properties of undefined' 错误怎么办？","该错误 `TypeError: Cannot read properties of undefined (reading 'getEmbeddingFor')` 表明 `llama-cpp-embeddings.ts` 文件中未能正确导入所需的函数。这通常是由于版本不匹配或内部导出变更引起的。建议检查 `@llm-tools\u002Fembedjs-llama-cpp` 包的版本是否与核心包 `@llm-tools\u002Fembedjs` 兼容。如果使用的是最新代码，可能需要查看源码确认导入路径是否正确，或者回退到一个稳定的发布版本。由于该问题被标记为 stale 且有多人遇到，建议关注仓库的最新 Release 说明以获取修复补丁。","https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fissues\u002F180",{"id":145,"question_zh":146,"answer_zh":147,"source_url":148},26040,"如何限制搜索范围以提高检索速度或限定在特定领域？","目前可以通过利用元数据（metadata）来实现子集搜索。如果您的文档包含分类信息（如“蚂蚁”、“蝴蝶”），可以在存入向量数据库时为每个文档添加相应的元数据标签。在查询时，虽然基础库可能默认搜索全部数据，但您可以结合外部逻辑：先根据元数据过滤出目标文档的 ID 列表，或者在使用支持元数据过滤的向量数据库（如 Pinecone, LibSqlDb 等）时，在查询参数中直接传入过滤条件（filter\u002Fmetadata match），从而只搜索特定子集，显著减少响应时间并提高相关性。","https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fissues\u002F194",[150,155,160,165,170,175,180,185,190,195,200,205,210,215,220,225,230,235,240,245],{"id":151,"version":152,"summary_zh":153,"released_at":154},163423,"v0.1.31","修复了由于包更新引入的缺失对等依赖而导致某些包出现的阻塞运行时问题。\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fcompare\u002Fv0.1.30...v0.1.31","2025-11-14T16:43:04",{"id":156,"version":157,"summary_zh":158,"released_at":159},163424,"v0.1.30","## 变更内容\n重新启动该项目的开发工作，首先更新过时的依赖包，并从构建流程中移除 CJS 构建。所有变更请参阅 PR：https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F220\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fcompare\u002Fv0.1.29...v0.1.30","2025-11-14T15:26:27",{"id":161,"version":162,"summary_zh":163,"released_at":164},163425,"v0.1.29","## 变更内容\n* 由 @punkish 在 https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F203 中修复了 FAQ 和 RAG API 的文档。\n* 修复：移除用户查询中硬编码的尾部问号，由 @feelbadinc 在 https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F217 中完成。\n* 修复：移除消息历史中不必要的切片操作，由 @Nunu27 在 https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F218 中完成。\n* 潜在修复：代码扫描告警第 2 号——工作流未包含权限，由 @adhityan 在 https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F219 中提出。\n\n## 新贡献者\n* @punkish 在 https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F203 中完成了首次贡献。\n* @feelbadinc 在 https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F217 中完成了首次贡献。\n* @Nunu27 在 https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F218 中完成了首次贡献。\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fcompare\u002Fv0.1.28...v0.1.29","2025-06-13T11:41:57",{"id":166,"version":167,"summary_zh":168,"released_at":169},163426,"v0.1.28","## 变更内容\n* 由 @adhityan 添加了图片加载器\n* 由 @adhityan 更新了构建脚本\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fcompare\u002Fv0.1.27...v0.1.28","2024-12-30T18:22:47",{"id":171,"version":172,"summary_zh":173,"released_at":174},163427,"v0.1.27","## 变更内容\n* 由 @adhityan 修复了 libsql 的评分问题\n* 由 @adhityan 新增了图片加载器\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fcompare\u002Fv0.1.26...v0.1.27","2024-12-27T14:59:16",{"id":176,"version":177,"summary_zh":178,"released_at":179},163428,"v0.1.26","## 变更内容\n* 修复了 URL 解析器错误地将本地路径标记为 Web URL 的 bug，由 @adhityan 提供。\n* 移除了嵌入模型的单例模式，由 @adhityan 提供。\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fcompare\u002Fv0.1.25...v0.1.26","2024-12-27T11:25:49",{"id":181,"version":182,"summary_zh":183,"released_at":184},163429,"v0.1.25","## 变更内容\n* Confluence 加载器更新，由 @adhityan 在 https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F184 中完成\n\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fcompare\u002Fv0.1.24...v0.1.25","2024-12-19T22:25:19",{"id":186,"version":187,"summary_zh":188,"released_at":189},163430,"v0.1.24","## 变更内容\n* 由 @adhityan 在 https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F183 中修复了 Lmdb 存储问题\n\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fcompare\u002Fv0.1.23...v0.1.24","2024-12-12T19:34:18",{"id":191,"version":192,"summary_zh":193,"released_at":194},163431,"v0.1.23","## 变更内容\n* 将 BaseEmbedding 移动到抽象类，由 @adhityan 在 https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F181 中完成。\n\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fcompare\u002Fv0.1.22...v0.1.23","2024-12-03T13:53:54",{"id":196,"version":197,"summary_zh":198,"released_at":199},163432,"v0.1.22","## 变更内容\n* @adhityan 在 https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F178 中添加了 LibSQL 支持\n\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fcompare\u002Fv0.1.21...v0.1.22","2024-11-27T17:14:57",{"id":201,"version":202,"summary_zh":203,"released_at":204},163433,"v0.1.21","## What's Changed\r\n* LanceDb now uses the safer existsOk by @adhityan in https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F177\r\n\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fcompare\u002Fv0.1.20...v0.1.21","2024-11-26T17:52:10",{"id":206,"version":207,"summary_zh":208,"released_at":209},163434,"v0.1.20","## What's Changed\r\n* fix: debug log lines issue by @adhityan in https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F174\r\n* chore: revert build script by @adhityan in https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F176\r\n\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fcompare\u002Fv0.1.19...v0.1.20","2024-11-26T17:08:14",{"id":211,"version":212,"summary_zh":213,"released_at":214},163435,"v0.1.19","## What's Changed\r\n* chore(deps-dev): bump @eslint\u002Fplugin-kit from 0.2.2 to 0.2.3 in the npm_and_yarn group by @dependabot in https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F167\r\n* chore(deps): bump cross-spawn from 7.0.3 to 7.0.6 in the npm_and_yarn group by @dependabot in https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F168\r\n* docs: fix PDF data source link in overview by @jhony112 in https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F169\r\n* Issues stale workflow by @adhityan in https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F170\r\n* chore: quickstart doc fix by @adhityan in https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F172\r\n\r\n## New Contributors\r\n* @jhony112 made their first contribution in https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F169\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fcompare\u002Fv0.1.18...v0.1.19","2024-11-26T16:28:29",{"id":216,"version":217,"summary_zh":218,"released_at":219},163436,"v0.1.18","## What's Changed\r\n* Allow local path loaders on markdown local by @adhityan in https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F157\r\n* Add Node LLama Cpp Support by @BingKui in https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F159\r\n* Doc fix by @adhityan in https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F166\r\n\r\n## New Contributors\r\n* @BingKui made their first contribution in https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F159\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fcompare\u002Fv0.1.17...v0.1.18","2024-11-13T14:37:00",{"id":221,"version":222,"summary_zh":223,"released_at":224},163437,"v0.1.17","## What's Changed\r\n* Added Markdown loader by @adhityan in https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F156\r\n\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fcompare\u002Fv0.1.16...v0.1.17","2024-11-05T10:45:10",{"id":226,"version":227,"summary_zh":228,"released_at":229},163438,"v0.1.16","## What's Changed\r\n\r\n* Added xml loader by @adhityan in https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F154\r\n\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fcompare\u002Fv0.1.15...v0.1.16","2024-11-04T21:54:24",{"id":231,"version":232,"summary_zh":233,"released_at":234},163439,"v0.1.15","## What's Changed\r\n\r\n* Docs fixes by @adhityan in https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F152\r\n\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fcompare\u002Fv0.1.14...v0.1.15","2024-11-01T19:17:22",{"id":236,"version":237,"summary_zh":238,"released_at":239},163440,"v0.1.14","## What's Changed\r\n\r\n* Introduced parameter storeConversationsToDefaultThread by @adhityan in https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F149\r\n* Introduce stores (replaces caches) by @adhityan in https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F151\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fcompare\u002Fv0.1.13...v0.1.14","2024-11-01T18:18:26",{"id":241,"version":242,"summary_zh":243,"released_at":244},163441,"v0.1.13","## What's Changed\r\n* Conversations bug fixes by @adhityan in https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fpull\u002F148\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fcompare\u002Fv0.1.12...v0.1.13","2024-10-30T20:19:57",{"id":246,"version":247,"summary_zh":248,"released_at":249},163442,"v0.1.12","## What's Changed\r\n* Confluence Loader by @adhityan\r\n* Renamed setQueryTemplate to setSystemMessage by @adhityan\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fllm-tools\u002FembedJs\u002Fcompare\u002Fv0.1.11...v0.1.12","2024-10-27T21:25:50"]