[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-mattprusak--autoresearch-genealogy":3,"tool-mattprusak--autoresearch-genealogy":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",140436,2,"2026-04-05T23:32:43",[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},519,"PaddleOCR","PaddlePaddle\u002FPaddleOCR","PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。\n\n面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。\n\nPaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。",74939,"2026-04-05T23:16:38",[26,14,13,46],{"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":76,"owner_company":76,"owner_location":76,"owner_email":76,"owner_twitter":76,"owner_website":76,"owner_url":78,"languages":76,"stars":79,"forks":80,"last_commit_at":81,"license":82,"difficulty_score":83,"env_os":84,"env_gpu":85,"env_ram":84,"env_deps":86,"category_tags":89,"github_topics":76,"view_count":23,"oss_zip_url":76,"oss_zip_packed_at":76,"status":16,"created_at":90,"updated_at":91,"faqs":92,"releases":93},3385,"mattprusak\u002Fautoresearch-genealogy","autoresearch-genealogy","Structured prompts, vault templates, and archive guides for AI-assisted genealogy research. Built for Claude Code.","autoresearch-genealogy 是一套专为 AI 辅助家谱研究设计的结构化提示词、知识库模板及档案指南，最初基于 Claude Code 构建，但同样适用于其他 AI 工具或人工工作流。它旨在解决传统家谱研究中效率低下、资料来源难以核实以及研究路径缺乏系统性的痛点，帮助用户在加速挖掘家族历史的同时，严格保持史料引用的严谨性。\n\n这套工具非常适合希望利用 AI 提升研究效率的家谱爱好者、拥有老照片或 DNA 测试结果却不知从何入手的普通用户，以及关注 AI 在人文学科自主研究应用的科技爱好者。其核心亮点在于提供了一套包含 12 个步骤的“自主研究”提示词序列，能够自动执行网页搜索、更新本地知识库并交叉验证数据准确性；同时附带完整的 Obsidian 知识库模板和覆盖全球 24 个国家地区的档案检索指南。通过标准化的工作流，autoresearch-genealogy 让用户能系统化地填补家族树空白、分析时间线缺口并解析遗传数据，将零散的家族记忆转化为结构清晰、证据确凿的历史档案。","# autoresearch-genealogy\n\nStructured prompts, vault templates, and research workflows for AI-assisted genealogy research. Built for Claude Code, adaptable to any AI tool or manual workflow.\n\nThis project extracts and generalizes methods developed during a real genealogy research effort that produced 105 files spanning 9 generations across 6 family lines, using Claude Code's autonomous research capabilities.\n\n## Who This Is For\n\n- **Genealogy researchers** who want to use AI to accelerate their family history work without sacrificing source rigor\n- **AI\u002Ftech enthusiasts** who want a concrete example of autonomous research loops applied to a humanities domain\n- **Anyone** who has a box of old photos, a DNA test, and unanswered questions about their family\n\n## Quick Start\n\n1. Clone this repo\n2. Copy the `vault-template\u002F` folder into your Obsidian vault (or any markdown editor)\n3. Fill in `Family_Tree.md` with what you already know (start with yourself, work backward)\n4. Scan any physical documents you have (certificates, photos, letters)\n5. Open Claude Code, paste the contents of `prompts\u002F01-tree-expansion.md`, and run it\n6. Review the results, then run `prompts\u002F02-cross-reference-audit.md` to verify\n\nSee `workflows\u002Fgetting-started.md` for the full walkthrough.\n\n## What's Included\n\n### Prompts (`prompts\u002F`)\n\n12 autoresearch prompts designed for Claude Code's `\u002Fautoresearch` command. Each defines a Goal, Metric, Direction, Verify condition, Guard rails, Iterations, and Protocol. They run autonomously: searching the web, updating your vault, and verifying their own work.\n\n| Prompt | Purpose |\n|---|---|\n| 01-tree-expansion | Push every branch as far back as possible using web research |\n| 02-cross-reference-audit | Find and fix discrepancies between your tree and source documents |\n| 03-findagrave-sweep | Locate Find a Grave memorials for every deceased ancestor |\n| 04-gedcom-completeness | Ensure your GEDCOM file matches your vault data |\n| 05-source-citation-audit | Verify every person file cites at least two independent sources |\n| 06-unresolved-persons | Identify and resolve unnamed people mentioned in your documents |\n| 07-timeline-gap-analysis | Find life events where records should exist but have not been found |\n| 08-open-question-resolution | Systematically attack every open research question |\n| 09-bygdebok-extraction | Extract data from digitized local history books (any country) |\n| 10-colonial-records-search | Search for colonial American ancestors in pre-1800 records |\n| 11-immigration-search | Locate passenger manifests and naturalization records |\n| 12-dna-chromosome-analysis | Analyze per-chromosome ancestry data to map genetic segments |\n\n### Vault Template (`vault-template\u002F`)\n\n19 files: a complete Obsidian vault starter kit with YAML frontmatter, plain markdown, readable anywhere.\n\n- **Core files**: Family tree, research log, open questions, data inventory, timeline, genetic profile, chromosome painting, witness network, unresolved persons, research strategy\n- **Templates**: Person, transcription, certificate, postcard, region, surname, hypothesis, draft letter\n\n### Archive Guides (`archives\u002F`)\n\n24 country and region-specific guides covering where to find records, what is free vs paid, and what AI tools can access directly vs what requires a browser.\n\n**Europe**: Ireland, England\u002FWales, Scotland, France, Italy, Spain\u002FPortugal, Germany, Netherlands, Austria, Hungary, Norway, Sweden, Poland, Russia\u002FUkraine\n\n**Americas**: USA (colonial, immigration, census, vital records), African American, Canada, Mexico\u002FLatin America\n\n**Oceania**: Australia\u002FNew Zealand\n\n**Cross-national**: Jewish genealogy\n\n### Reference Guides (`reference\u002F`)\n\n9 methodology documents: confidence tiers, source hierarchy, DNA interpretation guardrails, naming conventions (patronymics, farm names, przydomki), GEDCOM format guide, common pitfalls, glossary, AI capabilities assessment, and the case for autoresearch in genealogy.\n\n### Workflows (`workflows\u002F`)\n\n7 step-by-step guides: getting started, OCR pipeline, new ancestor intake, document triage, oral history protocol, discrepancy resolution, phase planning.\n\n### Examples (`examples\u002F`)\n\n6 anonymized worked examples showing autoresearch in action: tree expansion session, cross-reference audit, DNA-to-genealogy mapping, name resolution, colonial deep dive.\n\n## Philosophy\n\n**Structured autonomous research with mechanical verification, not AI guessing.**\n\nGenealogy is different from most AI tasks. There is no compiler. Sources disagree with each other. Confidence is probabilistic, not binary. A name that appears as \"Sakkarias\" in one record and \"Zacharias\" in another might both be correct. A date listed as 1820 in one source and 1925 in another is almost certainly wrong somewhere.\n\nThe autoresearch approach adapts to this by:\n\n- **Defining measurable metrics** (count of sourced claims, count of resolved questions, count of remaining discrepancies)\n- **Requiring verification after every iteration** (cross-reference audit, not just accumulation)\n- **Logging negative results** (what you searched for and did not find is as important as what you found)\n- **Maintaining confidence tiers** (Strong Signal \u002F Moderate Signal \u002F Speculative) rather than treating all claims as equal\n\nThis is inspired by Andrej Karpathy's autoresearch concept: autonomous goal-directed loops where the AI modifies, verifies, keeps or discards, and repeats. Applied to genealogy, the \"compiler\" is replaced by cross-referencing independent sources.\n\n## License\n\nMIT. See `LICENSE`.\n\n## Contributing\n\nContributions welcome. If you have prompts, workflows, or archive guides that worked for your research, open a PR. Please ensure all examples use placeholder names (no real family data).\n","# 自动研究-家谱\n\n用于AI辅助家谱研究的结构化提示、资料库模板和研究工作流。专为Claude Code打造，可适配任何AI工具或手动流程。\n\n本项目提取并概括了一项实际家谱研究中所开发的方法。该研究利用Claude Code的自主研究能力，生成了涵盖6条家族线、9个世代共105个文件。\n\n## 适用人群\n\n- **家谱研究者**：希望借助AI加速家族史研究，同时不牺牲资料严谨性的人。\n- **AI\u002F科技爱好者**：想要了解自主研究循环在人文领域具体应用案例的人。\n- **所有人**：只要家中有一箱老照片、一份DNA检测报告，以及关于家族的未解之谜，都适合使用本项目。\n\n## 快速入门\n\n1. 克隆此仓库\n2. 将`vault-template\u002F`文件夹复制到你的Obsidian资料库（或任何Markdown编辑器）中\n3. 在`Family_Tree.md`中填写你已知的信息（从自己开始，逐步追溯）\n4. 扫描你拥有的纸质文件（证书、照片、信件等）\n5. 打开Claude Code，粘贴`prompts\u002F01-tree-expansion.md`的内容并运行\n6. 审查结果后，再运行`prompts\u002F02-cross-reference-audit.md`进行验证\n\n完整操作指南请参阅`workflows\u002Fgetting-started.md`。\n\n## 包含内容\n\n### 提示（`prompts\u002F`）\n\n专为Claude Code的`\u002Fautoresearch`命令设计的12个自动研究提示。每个提示都定义了目标、度量标准、方向、验证条件、安全措施、迭代次数和执行协议。这些提示能够自主运行：在网络上搜索、更新你的资料库，并验证自身的工作成果。\n\n| 提示编号 | 目的 |\n|---|---|\n| 01-tree-expansion | 利用网络研究将每一条分支尽可能地向前推进 |\n| 02-cross-reference-audit | 查找并修正家谱与原始资料之间的不一致之处 |\n| 03-findagrave-sweep | 为每位已故祖先找到Find a Grave上的纪念页面 |\n| 04-gedcom-completeness | 确保GEDCOM文件与你的资料库数据一致 |\n| 05-source-citation-audit | 核实每位人物记录至少引用了两个独立来源 |\n| 06-unresolved-persons | 识别并解决文档中提到但尚未命名的人物 |\n| 07-timeline-gap-analysis | 寻找本应有记录却未能找到的生活事件 |\n| 08-open-question-resolution | 有条不紊地解决所有未完成的研究问题 |\n| 09-bygdebok-extraction | 从数字化的地方志中提取数据（适用于任何国家） |\n| 10-colonial-records-search | 搜索1800年以前的美国殖民时期祖先记录 |\n| 11-immigration-search | 查找移民船乘客名单及入籍记录 |\n| 12-dna-chromosome-analysis | 分析按染色体划分的祖先信息，绘制遗传片段图 |\n\n### 资料库模板（`vault-template\u002F`）\n\n包含19个文件：一套完整的Obsidian资料库入门套件，采用YAML前端标记，纯Markdown格式，可在任何地方轻松阅读。\n\n- **核心文件**：家谱树、研究日志、待解决问题、数据清单、时间线、遗传档案、染色体图谱、证人网络、未解决人物、研究策略\n- **模板**：人物、转录文本、证书、明信片、地区、姓氏、假设、草拟信件\n\n### 档案指南（`archives\u002F`）\n\n24份针对不同国家和地区编写的指南，涵盖在哪里可以找到相关记录、哪些资源是免费的、哪些需要付费，以及哪些AI工具可以直接访问、哪些则需要通过浏览器操作。\n\n**欧洲**：爱尔兰、英格兰\u002F威尔士、苏格兰、法国、意大利、西班牙\u002F葡萄牙、德国、荷兰、奥地利、匈牙利、挪威、瑞典、波兰、俄罗斯\u002F乌克兰\n\n**美洲**：美国（殖民地时期、移民、人口普查、户籍记录）、非裔美国人、加拿大、墨西哥\u002F拉丁美洲\n\n**大洋洲**：澳大利亚\u002F新西兰\n\n**跨国**：犹太家谱\n\n### 参考指南（`reference\u002F`）\n\n9份方法论文档：置信度分级、资料层级结构、DNA解读的安全边界、命名规范（父名、农场名称、昵称）、GEDCOM格式指南、常见陷阱、术语表、AI能力评估，以及在家谱研究中采用自动研究的理由。\n\n### 工作流（`workflows\u002F`）\n\n7份分步指南：快速入门、OCR处理流程、新祖先录入、文档分类、口述历史流程、差异解决、阶段规划。\n\n### 示例（`examples\u002F`）\n\n6个匿名化的实际案例，展示了自动研究的具体应用：家谱扩展会话、交叉引用审核、DNA与家谱的映射、姓名解析、殖民地时期的深入研究。\n\n## 哲学理念\n\n**结构化的自主研究，辅以机械式验证，而非AI的猜测。**\n\n家谱研究不同于大多数AI任务。这里没有“编译器”。不同的资料来源之间常常存在分歧。研究结论的可信度是概率性的，而非非黑即白。例如，某条记录中显示为“Sakkarias”，而另一条记录中却是“Zacharias”，这两种写法都有可能是正确的。又或者，一个来源标注出生年份为1820年，而另一个来源则是1925年，这几乎可以肯定其中必有一处错误。\n\n自动研究方法正是为此而设计的，其特点如下：\n\n- **设定可衡量的指标**（有来源支持的主张数量、已解决的问题数量、剩余的不一致之处数量）\n- **要求每次迭代后进行验证**（通过交叉核对来审计，而非单纯地积累信息）\n- **记录负面结果**（你搜索过但未找到的内容，与你找到的内容同样重要）\n- **维持置信度分级**（强信号 \u002F 中等信号 \u002F 推测性），而不是将所有主张一视同仁。\n\n这一理念受到Andrej Karpathy提出的自动研究概念的启发：即由AI驱动的自主目标导向循环，AI会在其中修改、验证、保留或舍弃信息，并不断重复。应用于家谱研究时，“编译器”被交叉核对独立来源的过程所取代。\n\n## 许可证\n\nMIT许可证。详情请参阅`LICENSE`文件。\n\n## 贡献\n\n欢迎贡献！如果你有对自己研究有效的提示、工作流或档案指南，请提交Pull Request。请确保所有示例均使用占位符名称，不得包含真实的家族数据。","# autoresearch-genealogy 快速上手指南\n\n`autoresearch-genealogy` 是一套专为 AI 辅助家谱研究设计的结构化提示词、知识库模板和研究工作流。该项目基于 Claude Code 的自主研究能力构建，旨在帮助用户在保持史料严谨性的同时加速家族历史研究。\n\n## 环境准备\n\n在开始之前，请确保满足以下前置条件：\n\n*   **操作系统**：Windows, macOS 或 Linux。\n*   **核心工具**：已安装并配置好 **Claude Code** (CLI 工具)。\n*   **笔记软件**：推荐使用 **Obsidian** 用于管理 Markdown 格式的家谱数据（也可使用其他支持 Markdown 的编辑器）。\n*   **基础依赖**：\n    *   Git (用于克隆仓库)\n    *   Node.js (运行 Claude Code 所需)\n*   **数据素材**：准备好现有的家族信息（如已知亲属名单）、扫描的文档（证书、照片、信件）或 DNA 测试报告（可选）。\n\n> **注意**：本项目主要依赖云端 AI 模型进行网络搜索和推理，本地无需复杂的 Python 环境或大型模型部署。国内用户请确保网络环境能够访问 GitHub 及所需的海外档案数据库（部分功能可能需要代理）。\n\n## 安装步骤\n\n1.  **克隆仓库**\n    打开终端，执行以下命令将项目代码下载到本地：\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fyour-repo\u002Fautoresearch-genealogy.git\n    cd autoresearch-genealogy\n    ```\n    *(注：请将 URL 替换为实际的仓库地址)*\n\n2.  **初始化知识库模板**\n    将项目中的 `vault-template\u002F` 文件夹复制到你的 Obsidian 知识库（Vault）根目录中，或者复制到你计划存放研究数据的任意 Markdown 编辑目录：\n    ```bash\n    cp -r vault-template\u002F \u002Fpath\u002Fto\u002Fyour\u002Fobsidian-vault\u002F\n    ```\n    *如果是 Windows PowerShell，可使用：`Copy-Item -Recurse vault-template\\ C:\\Path\\To\\Your\\Vault\\`*\n\n3.  **填充基础数据**\n    进入你的知识库目录，打开 `Family_Tree.md` 文件。\n    *   从你自己开始，向后追溯填写已知的家庭成员信息。\n    *   尽可能完善姓名、出生日期、地点等基础字段。\n\n4.  **准备物理文档**\n    将手中的纸质家谱、出生证明、老照片等实物扫描为电子文件（PDF 或图片格式），并存放在知识库的附件文件夹中，以便 AI 后续读取。\n\n## 基本使用\n\n本项目的核心是通过特定的提示词（Prompts）驱动 Claude Code 进行自主研究循环。以下是最低限度的启动流程：\n\n### 1. 启动树形扩展研究\n打开终端进入项目目录，启动 Claude Code，并加载第一个核心提示词 `01-tree-expansion.md`。该提示词会利用网络搜索尽可能向前追溯家族分支。\n\n```bash\nclaude\n```\n\n在 Claude Code 交互界面中，读取并执行提示词内容（或者直接粘贴文件内容）：\n```markdown\n\u003C!-- 在 Claude Code 对话框中粘贴以下内容 -->\n\u003Cfile_content path=\"prompts\u002F01-tree-expansion.md\">\n(此处粘贴 prompts\u002F01-tree-expansion.md 的完整内容)\n\u003C\u002Ffile_content>\n```\n*或者直接通过命令行传入（取决于你的 Claude Code 版本支持）：*\n```bash\nclaude --prompt-file prompts\u002F01-tree-expansion.md\n```\n\nAI 将自动执行以下操作：\n*   搜索网络公开记录。\n*   更新你知识库中的 Markdown 文件。\n*   记录搜索过程和结果。\n\n### 2. 执行交叉验证审计\n当第一轮扩展完成后，不要立即停止。运行第二个提示词 `02-cross-reference-audit.md` 来验证数据的准确性，查找并修复矛盾之处。\n\n```markdown\n\u003C!-- 在 Claude Code 对话框中粘贴以下内容 -->\n\u003Cfile_content path=\"prompts\u002F02-cross-reference-audit.md\">\n(此处粘贴 prompts\u002F02-cross-reference-audit.md 的完整内容)\n\u003C\u002Ffile_content>\n```\n\n此步骤至关重要，它体现了“机械验证而非 AI 猜测”的理念，确保每个结论都有至少两个独立来源支持。\n\n### 3. 查看与迭代\n*   打开你的 Obsidian 知识库，查看 `Family_Tree.md` 及相关人员文件的变化。\n*   检查生成的“研究日志”和“未解决问题”列表。\n*   根据需要，继续运行 `prompts\u002F` 目录下的其他专用提示词（如 `03-findagrave-sweep` 寻找墓地记录，或 `11-immigration-search` 查询移民名单）。\n\n详细的全流程向导请参阅项目内的 `workflows\u002Fgetting-started.md` 文件。","一位拥有百年家族老照片和 DNA 测试报告的研究者，试图理清跨越六代人的复杂亲属关系，却苦于海量碎片化信息难以整合。\n\n### 没有 autoresearch-genealogy 时\n- **人工检索效率低下**：研究者需手动在各国档案网站、墓碑数据库和移民名单中反复搜索，耗时数周仅能推进一代人的线索。\n- **证据链断裂且混乱**：找到的资料散落在不同文件夹，缺乏统一格式，经常忘记某条信息的来源，导致无法验证真伪。\n- **关键盲区难以发现**：对于文档中提到的“无名亲戚”或时间线上的空白期，往往因精力有限而被忽略，研究陷入停滞。\n- **跨源比对易出错**：依靠人眼核对不同记录中的姓名拼写和日期差异，极易遗漏矛盾点，导致家谱出现错误分支。\n\n### 使用 autoresearch-genealogy 后\n- **自主循环加速挖掘**：利用内置的 12 个结构化提示词（如 `01-tree-expansion`），AI 自动遍历网络资源，几天内即可将家谱向后推演数代。\n- **标准化知识库构建**：直接套用 Obsidian 模板库，所有人物、证书和转录文件自动按规范归档，每条记录强制关联至少两个独立来源。\n- **智能缺口分析**：通过 `07-timeline-gap-analysis` 和 `06-unresolved-persons` 指令，系统主动识别生命事件缺失处并锁定未具名人物，生成针对性调查任务。\n- **自动化交叉审计**：运行 `02-cross-reference-audit` 自动比对家谱树与原始文档，瞬间标记出日期冲突或来源不一致的地方，确保数据严谨性。\n\nautoresearch-genealogy 将原本需要数月的人工考据工作转化为可验证的自动化流程，让研究者能从繁琐的检索中解脱，专注于家族故事的深度解读。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmattprusak_autoresearch-genealogy_720c39de.png","mattprusak",null,"https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fmattprusak_f4d5ce50.png","https:\u002F\u002Fgithub.com\u002Fmattprusak",1040,101,"2026-04-04T16:06:19","MIT",1,"未说明","不需要",{"notes":87,"python":84,"dependencies":88},"该工具并非本地运行的 AI 模型，而是一套用于辅助家谱研究的提示词（Prompts）、Obsidian 笔记模板和工作流指南。其核心运行依赖于外部服务'Claude Code'（需用户自行配置），以及任意 Markdown 编辑器（推荐 Obsidian）。无需安装 Python 环境、GPU 或特定的深度学习库。用户只需克隆仓库，将模板文件夹复制到笔记库中，并在 Claude Code 中粘贴提示词即可使用。",[],[15,46],"2026-03-27T02:49:30.150509","2026-04-06T10:26:33.708715",[],[]]