[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-mckaywrigley--clarity-ai":3,"tool-mckaywrigley--clarity-ai":61},[4,18,26,36,44,52],{"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",143909,2,"2026-04-07T11:33:18",[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。",107888,"2026-04-06T11:32:50",[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},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":53,"name":54,"github_repo":55,"description_zh":56,"stars":57,"difficulty_score":10,"last_commit_at":58,"category_tags":59,"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",[14,15,13,60],"视频",{"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":77,"owner_email":77,"owner_twitter":72,"owner_website":78,"owner_url":79,"languages":80,"stars":93,"forks":94,"last_commit_at":95,"license":96,"difficulty_score":32,"env_os":97,"env_gpu":98,"env_ram":97,"env_deps":99,"category_tags":104,"github_topics":77,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":105,"updated_at":106,"faqs":107,"releases":108},5134,"mckaywrigley\u002Fclarity-ai","clarity-ai","A Perplexity clone.","Clarity AI 是一款开源的 Perplexity.ai 复刻项目，旨在让开发者轻松构建具备实时联网搜索能力的智能问答应用。它解决了大语言模型因训练数据截止而无法获取最新网络信息的问题，通过“搜索 + 生成”的模式，为用户提供基于当下网页内容的准确回答。\n\n当用户提出问题后，Clarity AI 会自动在谷歌搜索相关网页，抓取并解析其中的文本内容，随后将这些实时信息与用户提问组合成提示词，调用 OpenAI API 生成最终答案并流式传输给用户。其核心工作流清晰透明：从获取查询、爬取搜索结果、提取文本到合成回答，全流程代码开源可供自由修改。\n\n这款工具特别适合开发者和技术爱好者使用。它不仅展示了如何利用现有的爬虫技术和 LLM API 快速搭建强大的搜索增强型应用，还无需庞大的专业团队即可实现类似商业产品的核心功能。对于希望学习如何整合网络检索与大模型能力，或想在此基础上进行二次开发（如接入官方搜索 API 以提升速度、优化提示词工程）的人员来说，Clarity AI 是一个极佳的入门范本和实验基地。","# Clarity AI\n\nClarity is simple [perplexity.ai](https:\u002F\u002Fwww.perplexity.ai\u002F) clone. Use the code for whatever you like! :)\n\nIf you have any questions, feel free to reach out to me on [Twitter](https:\u002F\u002Ftwitter.com\u002Fmckaywrigley).\n\n[![Clarity AI](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmckaywrigley_clarity-ai_readme_60959dc27e60.png)](https:\u002F\u002Fclarity-ai.vercel.app\u002F)\n\n## How It Works\n\nGiven a query, Clarity fetches relevant, up-to-date information from the web and uses OpenAI's API to generate an answer.\n\nThe app works as follows:\n\n1. Get query from user\n2. Scrape Google for relevant webpages\n3. Parse webpages for text\n4. Build prompt using query + webpage text\n5. Call OpenAI API to generate answer\n6. Stream answer back to user\n\n## Requirements\n\nGet OpenAI API key [here](https:\u002F\u002Fopenai.com\u002Fapi\u002F).\n\n## Running Locally\n\n1. Clone repo\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fmckaywrigley\u002Fclarity-ai.git\n```\n\n2. Install dependencies\n\n```bash\nnpm i\n```\n\n3. Run app\n\n```bash\nnpm run dev\n```\n\n## Improvement Ideas\n\nHere are some ideas for how to improve Clarity:\n\n- [ ] Speed up answers by replacing link scraping with the Google Search API (scraping was used to circumvent cost + rate limits)\n- [ ] Add \"follow up\" searches\n- [ ] Improve the prompt\n- [ ] Get sources working in non text-davinci-003 models\n- [ ] Train your own model to use for answer synthesis\n\n## Credits\n\nShoutout to [Perplexity AI](https:\u002F\u002Fwww.perplexity.ai\u002F) for the inspiration. I highly recommend checking their product out.\n\nThis repo is meant to show people that you can build powerful apps like Perplexity even if you don't have a large, experienced team.\n\nLLMs are amazing, and I hope Clarity inspires you to build something cool!\n","# Clarity AI\n\nClarity 是一个简单的 [perplexity.ai](https:\u002F\u002Fwww.perplexity.ai\u002F) 克隆项目。你可以随意使用这段代码！ :)\n\n如果你有任何问题，欢迎在 [Twitter](https:\u002F\u002Ftwitter.com\u002Fmckaywrigley) 上联系我。\n\n[![Clarity AI](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmckaywrigley_clarity-ai_readme_60959dc27e60.png)](https:\u002F\u002Fclarity-ai.vercel.app\u002F)\n\n## 工作原理\n\n当用户提供查询时，Clarity 会从网上抓取相关且最新的信息，并利用 OpenAI 的 API 生成答案。\n\n应用的工作流程如下：\n\n1. 获取用户的查询\n2. 抓取 Google 搜索结果中的相关网页\n3. 解析网页内容以提取文本\n4. 使用查询和网页文本构建提示词\n5. 调用 OpenAI API 生成答案\n6. 将答案流式传输回用户\n\n## 需求\n\n请在此处获取 OpenAI API 密钥：[OpenAI API](https:\u002F\u002Fopenai.com\u002Fapi\u002F)。\n\n## 本地运行\n\n1. 克隆仓库\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fmckaywrigley\u002Fclarity-ai.git\n```\n\n2. 安装依赖\n\n```bash\nnpm i\n```\n\n3. 运行应用\n\n```bash\nnpm run dev\n```\n\n## 改进建议\n\n以下是一些改进 Clarity 的想法：\n\n- [ ] 通过使用 Google Search API 替代链接抓取来加快回答速度（之前使用抓取是为了规避成本和速率限制）\n- [ ] 添加“后续”搜索功能\n- [ ] 优化提示词\n- [ ] 让来源信息能够在非 text-davinci-003 模型中正常工作\n- [ ] 训练自己的模型用于答案合成\n\n## 致谢\n\n特别感谢 [Perplexity AI](https:\u002F\u002Fwww.perplexity.ai\u002F) 提供的灵感。强烈推荐大家体验他们的产品。\n\n这个仓库旨在向人们展示，即使没有庞大而经验丰富的团队，你也可以构建像 Perplexity 这样强大的应用。\n\n大语言模型非常强大，希望 Clarity 能激励你创造出一些酷炫的东西！","# Clarity AI 快速上手指南\n\nClarity AI 是一个开源的 Perplexity.ai 简易克隆项目。它通过抓取网络实时信息并结合 OpenAI API，为用户提供基于最新数据的回答。\n\n## 环境准备\n\n在开始之前，请确保你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 (推荐 v16 或更高版本)\n*   **包管理器**：npm 或 yarn\n*   **API 密钥**：你需要一个有效的 [OpenAI API Key](https:\u002F\u002Fopenai.com\u002Fapi\u002F)\n    *   *注意：由于网络原因，国内开发者可能需要配置代理或使用国内镜像源访问 OpenAI 服务。*\n\n## 安装步骤\n\n按照以下步骤在本地运行该项目：\n\n1.  **克隆仓库**\n    将项目代码下载到本地：\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fmckaywrigley\u002Fclarity-ai.git\n    ```\n\n2.  **进入目录并安装依赖**\n    进入项目文件夹并安装所需依赖包（国内用户如遇下载缓慢，可临时配置 npm 镜像）：\n    ```bash\n    cd clarity-ai\n    npm i\n    ```\n    *(可选加速方案：`npm config set registry https:\u002F\u002Fregistry.npmmirror.com`)*\n\n3.  **配置环境变量**\n    在项目根目录下创建 `.env` 文件（如果不存在），并填入你的 OpenAI API Key：\n    ```text\n    OPENAI_API_KEY=sk-your-api-key-here\n    ```\n\n4.  **启动应用**\n    运行开发服务器：\n    ```bash\n    npm run dev\n    ```\n\n## 基本使用\n\n启动成功后，终端通常会显示本地访问地址（默认为 `http:\u002F\u002Flocalhost:3000`）。\n\n1.  在浏览器中打开该地址。\n2.  在搜索框中输入任意问题（例如：\"2024 年最新的 AI 发展趋势是什么？”）。\n3.  系统将自动执行以下流程：\n    *   搜索并抓取相关的网页内容。\n    *   解析网页文本。\n    *   结合你的问题和抓取的内容构建提示词。\n    *   调用 OpenAI 生成答案并流式传输给你。\n\n现在你可以基于此代码进行二次开发，例如替换为 Google Search API 以提升速度，或优化提示词工程。","某科技初创公司的市场分析师需要在半小时内完成一份关于“最新固态电池技术突破”的竞品简报，以应对下午的投资人会议。\n\n### 没有 clarity-ai 时\n- 分析师需手动在搜索引擎中逐条筛选数十个链接，耗时费力且容易遗漏关键信息。\n- 打开多个网页后，必须人工阅读并提取有效数据，难以快速区分广告内容与核心技术参数。\n- 整合信息撰写报告时，由于缺乏实时上下文，容易出现数据过时或来源标注不清的问题。\n- 面对紧迫的时间截点，反复切换标签页和复制粘贴导致注意力分散，极大增加了出错概率。\n- 无法即时验证信息的准确性，只能依赖个人经验判断，缺乏基于多源内容的交叉验证机制。\n\n### 使用 clarity-ai 后\n- 输入查询后，clarity-ai 自动抓取并解析全网最新相关网页，秒级返回经过筛选的核心信息摘要。\n- 系统直接将抓取到的网页文本与问题结合，生成结构清晰的回答，省去了人工阅读和摘录的繁琐步骤。\n- 生成的答案天然附带来源依据，分析师可直接引用并追溯原始链接，确保简报数据的时效性与可信度。\n- 流式输出的交互方式让分析师能边看边调整思路，无需等待完整结果，显著提升了信息获取效率。\n- 基于开源架构，团队可根据需求替换为 Google Search API 或微调提示词，灵活适配特定的行业调研标准。\n\nclarity-ai 将原本需要数小时的多步检索与整合工作压缩为分钟级的自动化流程，让创作者能专注于决策而非信息收集。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmckaywrigley_clarity-ai_60959dc2.png","mckaywrigley","Mckay Wrigley","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fmckaywrigley_46df35ac.jpg","Founder, Takeoff AI. I build AI tools.","Takeoff AI",null,"mckaywrigley.com","https:\u002F\u002Fgithub.com\u002Fmckaywrigley",[81,85,89],{"name":82,"color":83,"percentage":84},"TypeScript","#3178c6",97.2,{"name":86,"color":87,"percentage":88},"JavaScript","#f1e05a",2.5,{"name":90,"color":91,"percentage":92},"CSS","#663399",0.3,1411,275,"2026-04-06T08:14:38","MIT","未说明","不需要",{"notes":100,"python":97,"dependencies":101},"该项目是基于 Node.js 的前端\u002F全栈应用，非本地运行的大模型，因此无需 GPU。核心依赖是 OpenAI API 密钥。安装步骤使用 'npm i' 和 'npm run dev'，表明需要安装 Node.js 环境。",[102,103],"Node.js","npm",[35,13],"2026-03-27T02:49:30.150509","2026-04-08T01:14:41.190400",[],[]]