[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-malywut--gpt_examples":3,"tool-malywut--gpt_examples":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",140436,2,"2026-04-05T23:32:43",[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。",107662,"2026-04-03T11:11:01",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,52],"视频",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},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",[14,35],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":65,"owner_company":65,"owner_location":65,"owner_email":65,"owner_twitter":65,"owner_website":65,"owner_url":76,"languages":77,"stars":86,"forks":87,"last_commit_at":88,"license":65,"difficulty_score":10,"env_os":89,"env_gpu":89,"env_ram":89,"env_deps":90,"category_tags":97,"github_topics":65,"view_count":32,"oss_zip_url":65,"oss_zip_packed_at":65,"status":17,"created_at":98,"updated_at":99,"faqs":100,"releases":136},4242,"malywut\u002Fgpt_examples","gpt_examples",null,"gpt_examples 是配套书籍《Developing Apps with GPT-4 and ChatGPT》的官方代码仓库，汇集了基于 GPT-4 和 ChatGPT 构建应用的丰富实战案例。它主要解决了开发者在将大语言模型理论转化为实际应用时，面临的代码版本过时、环境配置复杂以及缺乏具体场景参考等痛点。\n\n该项目不仅随书籍内容同步更新，适配了最新版的 OpenAI Python 库，还额外补充了首版书中未收录的新颖示例，确保技术栈的前沿性。其内容覆盖广泛，从基础的 PDF 文档问答系统、语音助手开发，到利用 LlamaIndex 和 Weaviate 进行高级检索增强生成（RAG）的定制，均提供了可运行的 Jupyter Notebook 或 Python 脚本。部分复杂案例还贴心地集成了 Docker 配置，帮助用户快速搭建 Redis 或 Weaviate 等依赖环境。\n\ngpt_examples 非常适合希望深入掌握大模型应用开发的程序员、技术研究人员以及正在学习相关书籍的读者。通过提供结构清晰、即插即用的代码模板，它能帮助用户跳过繁琐的基础搭建过程，直接聚焦于核心逻辑","gpt_examples 是配套书籍《Developing Apps with GPT-4 and ChatGPT》的官方代码仓库，汇集了基于 GPT-4 和 ChatGPT 构建应用的丰富实战案例。它主要解决了开发者在将大语言模型理论转化为实际应用时，面临的代码版本过时、环境配置复杂以及缺乏具体场景参考等痛点。\n\n该项目不仅随书籍内容同步更新，适配了最新版的 OpenAI Python 库，还额外补充了首版书中未收录的新颖示例，确保技术栈的前沿性。其内容覆盖广泛，从基础的 PDF 文档问答系统、语音助手开发，到利用 LlamaIndex 和 Weaviate 进行高级检索增强生成（RAG）的定制，均提供了可运行的 Jupyter Notebook 或 Python 脚本。部分复杂案例还贴心地集成了 Docker 配置，帮助用户快速搭建 Redis 或 Weaviate 等依赖环境。\n\ngpt_examples 非常适合希望深入掌握大模型应用开发的程序员、技术研究人员以及正在学习相关书籍的读者。通过提供结构清晰、即插即用的代码模板，它能帮助用户跳过繁琐的基础搭建过程，直接聚焦于核心逻辑的实现与优化，是探索 AI 应用落地的优质实践指南。","\u003Cdiv align=\"center\">\nThis repository contains different examples and use cases showcased in the book \u003Ca href=\"https:\u002F\u002Fappswithgpt.com\">Developing Apps with GPT-4 and ChatGPT\u003C\u002Fa>.\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmalywut_gpt_examples_readme_60b29ea8ca98.png\" alt=\"Book cover\" width=\"300\"\u002F>\n\u003C\u002Fdiv>\n\nIf you are coming from the first edition, you will find that the code has been updated to use a more recent OpenAI Python library version. You will also find additional code examples that are not in this book's first edition. To switch back to the original code, go to \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fmalywut\u002Fgpt_examples\u002Freleases\u002Ftag\u002F0.27\">this tag\u003C\u002Fa>. The chapters and numbering of the examples are identical across book editions.\n\n# Usage\n\n### All examples\nInstall the requirements for all the examples with:\n\n    pip install -r requirements.txt\n\nEach example contains either a Jupyter notebook, or a Python file that can be run with:\n\n    python [example_folder]\u002Frun.py\n\nSome examples require some additional setup.\n\n### Chap3_03_QuestionAnseringOnPDF\nStart Redis with\n\n    docker-compose up -d\n\n### Chap3_04_VoiceAssistant\nThe Gradio interface is available at the address displayed in the output.\n\n### Chap5_04_LlamaIndexCustomization\nCustomize if needed the docker-compose.yml file and start Weaviate with\n\n    docker-compose up -d\nAlternatively, run:\n\n    docker run -p 8080:8080 -p 50051:50051 cr.weaviate.io\u002Fsemitechnologies\u002Fweaviate:1.24.9\n","\u003Cdiv align=\"center\">\n本仓库包含书籍《使用 GPT-4 和 ChatGPT 开发应用》中展示的各类示例和用例。\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmalywut_gpt_examples_readme_60b29ea8ca98.png\" alt=\"书籍封面\" width=\"300\"\u002F>\n\u003C\u002Fdiv>\n\n如果您之前看过第一版，会发现代码已更新为使用较新的 OpenAI Python 库版本。此外，您还会看到一些第一版中未收录的额外代码示例。若需切换回原始代码，请访问 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fmalywut\u002Fgpt_examples\u002Freleases\u002Ftag\u002F0.27\">此标签\u003C\u002Fa>。各章节及示例编号在不同版本的书中保持一致。\n\n# 使用方法\n\n### 所有示例\n安装所有示例所需的依赖：\n\n    pip install -r requirements.txt\n\n每个示例都包含一个 Jupyter 笔记本或一个可执行的 Python 文件，可通过以下命令运行：\n\n    python [example_folder]\u002Frun.py\n\n部分示例需要进行额外的设置。\n\n### Chap3_03_QuestionAnseringOnPDF\n启动 Redis：\n\n    docker-compose up -d\n\n### Chap3_04_VoiceAssistant\nGradio 界面将显示在输出信息中给出的地址上。\n\n### Chap5_04_LlamaIndexCustomization\n如有需要，可自定义 `docker-compose.yml` 文件，然后使用以下命令启动 Weaviate：\n\n    docker-compose up -d\n或者直接运行：\n\n    docker run -p 8080:8080 -p 50051:50051 cr.weaviate.io\u002Fsemitechnologies\u002Fweaviate:1.24.9","# gpt_examples 快速上手指南\n\n本仓库收录了《Developing Apps with GPT-4 and ChatGPT》一书中的示例代码与用例，已更新以适配最新版的 OpenAI Python 库。\n\n## 环境准备\n\n*   **系统要求**：支持 Python 3.8+ 的操作系统（Linux\u002FmacOS\u002FWindows）。\n*   **前置依赖**：\n    *   Python 环境及 pip 包管理工具。\n    *   **Docker & Docker Compose**：部分示例（如 PDF 问答、向量数据库）需要本地运行 Redis 或 Weaviate 服务。\n    *   **OpenAI API Key**：请确保已准备好有效的 API Key 并在运行前配置好环境变量。\n\n## 安装步骤\n\n1.  **克隆仓库**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fmalywut\u002Fgpt_examples.git\n    cd gpt_examples\n    ```\n\n2.  **安装依赖**\n    建议先创建虚拟环境，然后安装所有示例所需的通用依赖：\n    ```bash\n    python -m venv venv\n    # Windows:\n    venv\\Scripts\\activate\n    # macOS\u002FLinux:\n    source venv\u002Fbin\u002Factivate\n\n    # 安装依赖（国内用户可使用清华源加速）\n    pip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n    ```\n\n3.  **特定服务启动（按需）**\n    若运行涉及数据库的示例，需先启动对应服务：\n    *   **Redis (用于 Chap3_03_QuestionAnseringOnPDF)**:\n        ```bash\n        docker-compose up -d\n        ```\n    *   **Weaviate (用于 Chap5_04_LlamaIndexCustomization)**:\n        ```bash\n        docker-compose up -d\n        # 或直接运行容器\n        docker run -p 8080:8080 -p 50051:50051 cr.weaviate.io\u002Fsemitechnologies\u002Fweaviate:1.24.9\n        ```\n\n## 基本使用\n\n每个示例文件夹通常包含一个 Jupyter Notebook 或可直接运行的 `run.py` 脚本。\n\n**通用运行命令：**\n```bash\npython [example_folder]\u002Frun.py\n```\n\n**示例：运行语音助手 (Chap3_04_VoiceAssistant)**\n```bash\npython Chap3_04_VoiceAssistant\u002Frun.py\n```\n运行后，终端将输出 Gradio 界面的访问地址，在浏览器中打开该地址即可交互。\n\n> **注意**：具体示例可能需要额外的配置文件修改或 API Key 设置，请参考各章节文件夹内的具体说明。如需回退到书籍第一版对应的代码，请切换至 `0.27` 标签版本。","某初创团队的技术负责人正带领两名工程师，试图在两周内为法律部门构建一个能基于 PDF 合同文档进行智能问答的原型系统。\n\n### 没有 gpt_examples 时\n- **架构摸索耗时**：团队需从零研究如何将非结构化 PDF 文本切片、向量化并存储到 Redis 或 Weaviate，仅环境配置和依赖调试就耗费了三天。\n- **代码复用率低**：网上碎片化的教程缺乏统一标准，导致编写的检索增强生成（RAG）逻辑漏洞百出，难以处理复杂的法律术语上下文。\n- **迭代成本高昂**：每次调整向量数据库连接或修改提示词模板，都需要手动重写大量底层 boilerplate 代码，严重拖慢验证速度。\n- **版本兼容陷阱**：OpenAI Python 库更新频繁，自行编写的接口常因版本不匹配而报错，排查问题占据了开发时间的半壁江山。\n\n### 使用 gpt_examples 后\n- **快速启动原型**：直接复用 `Chap3_03_QuestionAnseringOnPDF` 示例，通过一条 `docker-compose` 命令即可拉起 Redis 服务，半天内完成基础架构搭建。\n- **标准化最佳实践**：参考书中更新的代码逻辑，直接获得经过验证的文档加载与检索流程，确保法律条款查询的准确率大幅提升。\n- **灵活定制扩展**：基于 `Chap5_04_LlamaIndexCustomization` 示例，轻松切换至 Weaviate 数据库并自定义索引策略，无需重复造轮子。\n- **无缝适配新版库**：直接使用已适配最新 OpenAI 库版本的代码，避免了繁琐的版本冲突排查，让团队专注于业务逻辑优化。\n\ngpt_examples 将原本需要数周摸索的复杂工程链路压缩为几天的配置工作，让团队能迅速从“搭建基础设施”转向“交付业务价值”。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmalywut_gpt_examples_eb5a1941.png","malywut","Marie-Alice Blete","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fmalywut_38b25775.png","https:\u002F\u002Fgithub.com\u002Fmalywut",[78,82],{"name":79,"color":80,"percentage":81},"Python","#3572A5",55.9,{"name":83,"color":84,"percentage":85},"Jupyter Notebook","#DA5B0B",44.1,675,291,"2026-03-16T05:35:30","未说明",{"notes":91,"python":89,"dependencies":92},"部分示例需要额外设置：Chap3_03 需通过 docker-compose 启动 Redis；Chap5_04 需通过 docker-compose 或 Docker 命令启动 Weaviate 数据库。代码已更新以使用较新版本的 OpenAI Python 库。",[93,94,95,96],"openai (Python library, recent version)","redis (via docker-compose)","weaviate (via docker-compose or Docker)","gradio",[35,14],"2026-03-27T02:49:30.150509","2026-04-06T15:03:04.207060",[101,106,111,116,121,126,131],{"id":102,"question_zh":103,"answer_zh":104,"source_url":105},19319,"语音助手出现循环错误或无法正常工作怎么办？","该问题已在书籍第二版中修复。如果您仍在使用旧代码，请注意调用 Whisper 的方式已更新：不再需要单独导入 whisper 库，所有功能现已包含在 openai 库中。请使用以下代码进行调用：\ntranscription = openai.audio.transcriptions.create(\n    model=\"whisper-1\",\n    file=media_file,\n)","https:\u002F\u002Fgithub.com\u002Fmalywut\u002Fgpt_examples\u002Fissues\u002F11",{"id":107,"question_zh":108,"answer_zh":109,"source_url":110},19320,"运行 Gradio\u002FWhisper 示例时遇到 'source' 参数错误如何解决？","这是由于 Gradio 库版本更新导致的。在最新版本中，参数 'source' 已更改为 'sources'（复数形式）。维护者已更新项目中的所有库以适配最新版本，请拉取最新代码即可解决。如果问题依旧，请检查您的 gradio 版本（使用命令 `pip show gradio`），建议升级到最新版。","https:\u002F\u002Fgithub.com\u002Fmalywut\u002Fgpt_examples\u002Fissues\u002F9",{"id":112,"question_zh":113,"answer_zh":114,"source_url":115},19321,"使用 LangChain 时出现 '__call__' 已被弃用的警告如何处理？","LangChain 0.1.0 版本后弃用了 `__call__` 方法，并在 0.2.0 中移除。要消除警告，请将代码中调用链的地方由 `chain(...)` 改为使用 `invoke` 方法，例如：`chain.invoke(...)`。维护者已更新仓库代码以适配新版本的库，建议同步最新代码。","https:\u002F\u002Fgithub.com\u002Fmalywut\u002Fgpt_examples\u002Fissues\u002F5",{"id":117,"question_zh":118,"answer_zh":119,"source_url":120},19322,"书中提到的 Elden Ring 复杂示例代码在哪里可以找到？","相关代码位于仓库的 `02_QuestionAnsweringOnPDF` 目录下（链接：https:\u002F\u002Fgithub.com\u002Fmalywut\u002Fgpt_examples\u002Ftree\u002Fmain\u002F02_QuestionAnsweringOnPDF）。注意：仓库中不包含 Elden Ring 的 PDF 文件，但您可以替换为任何其他的 PDF 文档来运行该示例。","https:\u002F\u002Fgithub.com\u002Fmalywut\u002Fgpt_examples\u002Fissues\u002F1",{"id":122,"question_zh":123,"answer_zh":124,"source_url":125},19323,"如何正确运行基于 Docker 的 PDF 问答示例（Chap3_03）？","Docker 容器仅用于设置和运行 Redis 数据库，并暴露标准 Redis 端口。一旦容器通过 `docker-compose up` 启动成功，您应该在本地机器上直接运行 Python 脚本，而不是在容器内运行。请执行命令：`python run.py`。不要在容器内尝试运行该脚本，因为容器内可能未安装 Python 环境。","https:\u002F\u002Fgithub.com\u002Fmalywut\u002Fgpt_examples\u002Fissues\u002F13",{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},19324,"Docker Compose 配置中 Redis 数据目录挂载路径不匹配导致数据无法保存怎么办？","默认情况下，Redis 的数据目录配置为 `\u002Fdata`，但旧的 docker-compose 文件可能将其挂载到了 `\u002Fvar\u002Flib\u002Fredis`。为确保向量数据库在会话间持久化保存，请修改 `docker-compose.yml` 文件，将 volumes 部分更正为：\nvolumes:\n  - vector-db:\u002Fdata\n同时确保环境变量中设置 `REDIS_DATA_DIR=\u002Fdata`。","https:\u002F\u002Fgithub.com\u002Fmalywut\u002Fgpt_examples\u002Fissues\u002F6",{"id":132,"question_zh":133,"answer_zh":134,"source_url":135},19325,"书中提到的 redis.conf 配置文件在仓库中找不到，该如何配置 Redis？","最新版本的示例已不再强制依赖外部的 redis.conf 文件。如果您需要自定义 Redis 配置，可以手动创建一个配置文件（例如放在 `.\u002Fredis\u002Fredis.conf`），并在 `docker-compose.yml` 的 volumes 部分进行挂载：\nvolumes:\n  - vector-db:\u002Fvar\u002Flib\u002Fredis\n  - .\u002Fredis\u002Fredis.conf:\u002Fusr\u002Flocal\u002Fetc\u002Fredis\u002Fredis.conf\n启动服务只需运行 `docker compose up` 或 `docker-compose up`。","https:\u002F\u002Fgithub.com\u002Fmalywut\u002Fgpt_examples\u002Fissues\u002F4",[137],{"id":138,"version":139,"summary_zh":140,"released_at":141},117308,"0.27","与 OpenAI API 0.27 兼容","2023-11-24T14:58:00"]