[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-mckaywrigley--prompts":3,"tool-mckaywrigley--prompts":64},[4,17,25,39,48,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},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",[13,14,15],"开发框架","Agent","语言模型","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":10,"last_commit_at":23,"category_tags":24,"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",[13,15],{"id":26,"name":27,"github_repo":28,"description_zh":29,"stars":30,"difficulty_score":10,"last_commit_at":31,"category_tags":32,"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",[33,34,35,36,14,37,15,13,38],"图像","数据工具","视频","插件","其他","音频",{"id":40,"name":41,"github_repo":42,"description_zh":43,"stars":44,"difficulty_score":45,"last_commit_at":46,"category_tags":47,"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。",77062,3,"2026-04-04T04:44:48",[14,33,13,15,37],{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":45,"last_commit_at":54,"category_tags":55,"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",[15,33,13,37],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":45,"last_commit_at":62,"category_tags":63,"status":16},2181,"OpenHands","OpenHands\u002FOpenHands","OpenHands 是一个专注于 AI 驱动开发的开源平台，旨在让智能体（Agent）像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点，通过自动化流程显著提升开发速度。\n\n无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员，还是需要快速原型验证的技术团队，都能从中受益。OpenHands 提供了灵活多样的使用方式：既可以通过命令行（CLI）或本地图形界面在个人电脑上轻松上手，体验类似 Devin 的流畅交互；也能利用其强大的 Python SDK 自定义智能体逻辑，甚至在云端大规模部署上千个智能体并行工作。\n\n其核心技术亮点在于模块化的软件智能体 SDK，这不仅构成了平台的引擎，还支持高度可组合的开发模式。此外，OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩，证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能，支持与 Slack、Jira 等工具集成，并提供细粒度的权限管理，适合从个人开发者到大型企业的各类用户场景。",70626,"2026-04-05T22:51:36",[15,14,13,36],{"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":68,"owner_email":68,"owner_twitter":75,"owner_website":80,"owner_url":81,"languages":68,"stars":82,"forks":83,"last_commit_at":84,"license":68,"difficulty_score":85,"env_os":86,"env_gpu":87,"env_ram":87,"env_deps":88,"category_tags":91,"github_topics":68,"view_count":10,"oss_zip_url":68,"oss_zip_packed_at":68,"status":16,"created_at":92,"updated_at":93,"faqs":94,"releases":95},3684,"mckaywrigley\u002Fprompts","prompts",null,"prompts 是由开发者 Mckay Wrigley 整理并开源的一套提示词（Prompts）合集，旨在分享他在日常 AI 工作流中验证过的高效指令。这套资源主要解决了用户在面对大语言模型时，难以快速构建高质量、结构化提示词的痛点，帮助用户跳过反复调试的过程，直接获得更精准的回答或创作成果。\n\n目前，prompts 以 JSON 文件格式提供，用户既可以将其一键导入到 Chatbot UI 等本地部署的聊天界面中建立个人指令库，也可以直接复制单个提示词在 ChatGPT 等网页端使用，操作十分灵活。虽然项目目前处于测试迭代阶段，但其设计初衷是打造一个可进化的系统，未来还计划支持按需选择提示词以及社区共享功能，让每个人都能轻松创建和分发自己的指令模板。\n\n这套工具非常适合希望提升与 AI 协作效率的普通用户、内容创作者，以及正在探索大模型应用落地的开发者和研究人员。无论你是想优化日常工作流，还是研究提示词工程的最佳实践，prompts 都是一个轻量且实用的起点，能让你更专注于任务本身，而非纠结于如何向 AI 提问。","# Mckay's Prompts\n\nThis is a collection of prompts I use in my workflow.\n\nI'll be updating this frequently, so check back often!\n\nLatest update: 4\u002F19\u002F23\n\n## Beta\n\nI'm currently doing a beta test of this idea with some simple but useful prompts.\n\nI'll improve it as feedback comes in.\n\nExpect much more powerful prompts as I get this system ironed out.\n\n## Usage\n\nDownload the json file [here](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F142KoReNVMeoqcaZ3Njj9ltnadnEXAmCo\u002Fview?usp=sharing) and import it into [Chatbot UI](https:\u002F\u002Fwww.chatbotui.com\u002F).\n\nOr, you can just copy and paste the prompts you want into ChatGPT.\n\n## Upcoming\n\nI'll be back soon with a system for selecting the prompts you want to use so that you don't have to import them all at once.\n\nI'm also building a system for everyone to create & share their own prompts.\n\n## Contact\n\nIf you have any questions, feel free to reach out to me on [Twitter](https:\u002F\u002Ftwitter.com\u002Fmckaywrigley).\n","# 麦凯的提示词\n\n这是我工作流中使用的一组提示词合集。\n\n我会经常更新这里，所以请多多关注！\n\n最新更新：2023年4月19日\n\n## 测试版\n\n目前我正在用一些简单但实用的提示词对这个想法进行测试。\n\n随着反馈的不断收集，我会持续优化它。\n\n等这套系统完善后，我还会推出更加强大的提示词。\n\n## 使用方法\n\n请从[这里](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F142KoReNVMeoqcaZ3Njj9ltnadnEXAmCo\u002Fview?usp=sharing)下载 JSON 文件，并将其导入 [Chatbot UI](https:\u002F\u002Fwww.chatbotui.com\u002F)。\n\n或者，你也可以直接将需要的提示词复制粘贴到 ChatGPT 中使用。\n\n## 即将推出\n\n我很快会推出一个选择性导入提示词的功能，这样你就不用一次性全部导入了。\n\n此外，我还在搭建一个平台，让大家可以创建并分享自己的提示词。\n\n## 联系方式\n\n如果你有任何问题，欢迎通过[推特](https:\u002F\u002Ftwitter.com\u002Fmckaywrigley)联系我。","# Mckay's Prompts 快速上手指南\n\n## 环境准备\n- **系统要求**：无特定操作系统限制，只需具备现代浏览器或可访问互联网的设备。\n- **前置依赖**：\n  - 已注册并拥有 [ChatGPT](https:\u002F\u002Fchat.openai.com\u002F) 账号，或\n  - 已部署\u002F访问 [Chatbot UI](https:\u002F\u002Fwww.chatbotui.com\u002F) 实例。\n- **网络提示**：由于资源文件托管于 Google Drive，国内用户可能需要配置网络代理才能下载 JSON 文件。\n\n## 安装步骤\n本项目无需传统代码安装，主要通过导入配置文件或直接复制方式使用。\n\n1. **下载提示词库**\n   访问以下链接下载 `json` 配置文件：\n   ```text\n   https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F142KoReNVMeoqcaZ3Njj9ltnadnEXAmCo\u002Fview?usp=sharing\n   ```\n\n2. **导入至 Chatbot UI（推荐）**\n   - 打开 [Chatbot UI](https:\u002F\u002Fwww.chatbotui.com\u002F)。\n   - 在设置或数据管理界面找到 \"Import\"（导入）功能。\n   - 选择上一步下载的 `json` 文件进行导入。\n\n3. **替代方案：直接使用**\n   - 若不使用 Chatbot UI，可直接打开下载的 `json` 文件。\n   - 手动复制你需要的提示词内容。\n\n## 基本使用\n\n### 方式一：在 Chatbot UI 中使用\n导入完成后，你可以在 Chatbot UI 的侧边栏或提示词库中看到加载的 prompts。点击即可将其作为系统指令或预设模板发送给 AI 模型。\n\n### 方式二：在 ChatGPT 网页版中使用\n将复制的提示词直接粘贴到 ChatGPT 的对话框中发送。例如：\n\n```text\n[在此处粘贴从 JSON 文件中复制的具体 Prompt 内容]\n```\n\n随后即可按照该提示词的逻辑与 AI 进行交互。","一名全栈开发者正急需为新的 SaaS 产品编写一套结构严谨的 API 文档，同时希望保持代码示例的高质量与风格统一。\n\n### 没有 prompts 时\n- 每次都需要手动输入冗长的背景指令（如“你是一个资深技术作家，请遵循 Google 风格指南...\"），不仅耗时且容易遗漏关键约束。\n- 生成的文档结构松散，不同接口的描述格式不一致，后期需要花费大量时间人工调整排版和语气。\n- 代码示例往往缺乏具体的错误处理逻辑或上下文注释，导致开发人员在使用时需要二次猜测意图。\n- 随着对话轮数增加，AI 逐渐“遗忘”初始设定的专业角色，输出内容变得随意甚至出现幻觉。\n- 难以快速复用经过验证的高效提问模式，每次新项目启动都要重新摸索最佳的指令写法。\n\n### 使用 prompts 后\n- 直接从 Mckay's Prompts 中导入预设的专业指令模板，一键激活“技术文档专家”模式，瞬间确立输出标准。\n- 所有生成的接口文档自动遵循统一的 Markdown 结构，包含标准化的参数表、返回值说明及注意事项，无需后期格式化。\n- 输出的代码示例内置了完整的异常捕获机制和详细注释，直接复制即可集成到项目中，大幅降低理解成本。\n- 借助精心设计的系统级提示词，AI 在整个会话过程中始终保持高度专业的语调，确保持续输出的稳定性。\n- 团队可直接复用这些经过实战检验的提示词库，将原本用于构思指令的时间全部投入到核心业务逻辑的开发中。\n\nMckay's Prompts 通过将隐性的专家经验转化为可复用的标准化指令，显著提升了人机协作的效率与产出质量。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmckaywrigley_prompts_b80fccea.png","mckaywrigley","Mckay Wrigley","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fmckaywrigley_46df35ac.jpg","Founder, Takeoff AI. I build AI tools.","Takeoff AI","mckaywrigley.com","https:\u002F\u002Fgithub.com\u002Fmckaywrigley",851,89,"2026-03-26T03:34:03",1,"","未说明",{"notes":89,"python":87,"dependencies":90},"该工具并非需要本地运行环境的软件，而是一组提示词（Prompts）的集合文件（JSON 格式）。用户只需下载 JSON 文件并导入到 Chatbot UI 中，或直接复制粘贴到 ChatGPT 等现有大模型界面即可使用，无需配置操作系统、GPU、内存或 Python 环境。",[],[15],"2026-03-27T02:49:30.150509","2026-04-06T08:45:34.403015",[],[]]