[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-mckaywrigley--repo-chat":3,"tool-mckaywrigley--repo-chat":64},[4,17,27,35,43,56],{"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",138956,2,"2026-04-05T11:33:21",[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},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",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"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",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"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",[15,14,13,26,54],{"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":82,"stars":91,"forks":92,"last_commit_at":93,"license":94,"difficulty_score":23,"env_os":95,"env_gpu":96,"env_ram":95,"env_deps":97,"category_tags":100,"github_topics":68,"view_count":10,"oss_zip_url":68,"oss_zip_packed_at":68,"status":16,"created_at":101,"updated_at":102,"faqs":103,"releases":131},655,"mckaywrigley\u002Frepo-chat","repo-chat",null,"repo-chat 是一款基于人工智能的开源项目，旨在让你能够像与朋友聊天一样，直接向 GitHub 仓库提问。无论是想了解某个函数的具体实现，还是查询整个项目的架构逻辑，它都能快速给出答案。\n\n这个项目主要解决了在浏览大型开源代码库时，人工阅读文档和源码效率低下的问题。通过语义分析，它能帮你迅速定位关键信息，节省大量时间。它非常适合软件开发人员、技术研究人员以及对特定开源项目感兴趣的学习者使用。\n\n在技术实现上，repo-chat 采用了 OpenAI 的嵌入技术与 Supabase 配合 pgvector 向量数据库，确保了检索的准确性。更棒的是，它的架构非常灵活，允许用户替换为自有的嵌入模型或数据库服务。只需简单的环境配置和脚本运行，就能完成代码克隆、向量化存储及问答交互。如果你希望提升探索代码的效率，repo-chat 绝对值得尝试。","# Repo Chat\n\nRepo chat allows you to ask questions about a GitHub repository.\n\n## Requirements\n\nIn this project we use [OpenAI embeddings](https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fguides\u002Fembeddings) and [Supabase with pgvector](https:\u002F\u002Fsupabase.com\u002Fdocs\u002Fguides\u002Fdatabase\u002Fextensions\u002Fpgvector) as our vector database.\n\nYou can switch out either of these with your own preference.\n\n## How To Run\n\n1. Go to [Supabase](https:\u002F\u002Fsupabase.com\u002F)\n2. Create your account, if you already don’t have it. \n3. Once your account is created, click on **All projects>Create Project**\n4. Put your project name, then it will give you a Supabase URL and a service key. \n5. Copy .env.example file and rename it as .env\n6. Change the Supabase URL and the key in the .env file\n7. Now, click on your project name on Supabase, and click on the SQL Editor menu which is on the left sidebar. \n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmckaywrigley_repo-chat_readme_1a14f124d9cf.png)\n\n8. Open schema.sql file in your IDE, copy it and paste in the Supabase's Query Editor, Hit Run.\n\n\n9. Configure the `.env` file with your repo url, repo branch of your choice, openai key, make sure you changed the Supabase's URL and key in the step 6.\n\n10. Run `pip install -r requirements.txt` to install the dependencies.\n\n11. Run the `python3 load.py` script to clone the repo.\n\n12. Run the `python3 embed.py` script to embed the repo.\n\n13. Run the `python3 main.py` script to ask questions about the repo.\n\n## Contact\n\nIf you have any questions, feel free to reach out to Mckay on [Twitter](https:\u002F\u002Ftwitter.com\u002Fmckaywrigley)!\n","# Repo Chat\n\nRepo Chat 允许你询问关于 GitHub 仓库的问题。\n\n## 环境要求\n\n在本项目中，我们使用 [OpenAI Embeddings（嵌入）](https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fguides\u002Fembeddings) 和 [Supabase 配合 pgvector（PostgreSQL 向量扩展）](https:\u002F\u002Fsupabase.com\u002Fdocs\u002Fguides\u002Fdatabase\u002Fextensions\u002Fpgvector) 作为我们的向量数据库 (Vector Database)。\n\n你可以根据个人偏好替换其中任意一项。\n\n## 如何运行\n\n1. 前往 [Supabase](https:\u002F\u002Fsupabase.com\u002F)\n2. 如果你尚未拥有账户，请创建账户。\n3. 账户创建完成后，点击 **All projects > Create Project**\n4. 输入项目名称，随后系统将为你提供 Supabase URL 和服务密钥。\n5. 复制 `.env.example` 文件并将其重命名为 `.env`\n6. 在 `.env` 文件中修改 Supabase URL 和密钥。\n7. 现在，点击 Supabase 上的项目名称，然后点击左侧边栏中的 SQL Editor（SQL 编辑器）菜单。\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmckaywrigley_repo-chat_readme_1a14f124d9cf.png)\n\n8. 在你的 IDE（集成开发环境）中打开 `schema.sql` 文件，复制它并粘贴到 Supabase 的查询编辑器中，然后点击运行。\n\n9. 使用你的仓库 URL、选择的仓库分支、OpenAI 密钥配置 `.env` 文件，确保你在步骤 6 中已更改了 Supabase 的 URL 和密钥。\n\n10. 运行 `pip install -r requirements.txt` 以安装依赖项。\n\n11. 运行 `python3 load.py` 脚本以克隆仓库。\n\n12. 运行 `python3 embed.py` 脚本以嵌入仓库。\n\n13. 运行 `python3 main.py` 脚本以询问关于仓库的问题。\n\n## 联系方式\n\n如有任何问题，欢迎通过 [Twitter](https:\u002F\u002Ftwitter.com\u002Fmckaywrigley) 联系 Mckay！","# repo-chat 快速上手指南\n\n## 简介\n`repo-chat` 是一个开源工具，允许你针对特定的 GitHub 仓库进行自然语言问答。它利用 OpenAI Embeddings 和 Supabase (pgvector) 实现代码库的语义搜索。\n\n## 环境准备\n1. **系统要求**: 安装 Python 3.x 环境。\n2. **外部服务**:\n   - 注册 [Supabase](https:\u002F\u002Fsupabase.com\u002F) 账号并创建项目（用于向量数据库）。\n   - 获取 [OpenAI](https:\u002F\u002Fplatform.openai.com\u002F) API Key（用于文本向量化）。\n3. **网络提示**: 由于依赖 Supabase 和 OpenAI 服务，国内用户请确保网络环境可访问相关域名，必要时配置代理。\n\n## 安装与配置\n1. **获取项目代码**\n   ```bash\n   git clone \u003Crepo-chat-repo-url>\n   cd repo-chat\n   ```\n\n2. **配置环境变量**\n   复制示例配置文件并重命名：\n   ```bash\n   cp .env.example .env\n   ```\n   编辑 `.env` 文件，填入以下关键信息：\n   - `SUPABASE_URL`: Supabase 项目地址\n   - `SUPABASE_KEY`: Supabase 服务密钥\n   - `OPENAI_API_KEY`: OpenAI API Key\n   - `REPO_URL`: 待分析的 GitHub 仓库地址\n   - `REPO_BRANCH`: 目标分支名称\n\n3. **初始化数据库**\n   - 登录 Supabase Dashboard，进入对应项目。\n   - 点击左侧菜单 **SQL Editor**。\n   - 打开本地 `schema.sql` 文件，将内容粘贴到编辑器中。\n   - 点击 **Run** 执行建表脚本。\n\n4. **安装依赖**\n   ```bash\n   pip install -r requirements.txt\n   ```\n\n## 基本使用\n按顺序执行以下脚本以完成流程：\n\n1. **克隆目标仓库** (下载代码)\n   ```bash\n   python3 load.py\n   ```\n\n2. **生成嵌入向量** (处理代码数据)\n   ```bash\n   python3 embed.py\n   ```\n\n3. **启动问答交互**\n   ```bash\n   python3 main.py\n   ```","一名刚接手遗留项目的前端工程师，急需梳理项目中用户登录鉴权的具体实现逻辑，以便快速修复线上出现的 Token 失效 Bug。\n\n### 没有 repo-chat 时\n- 面对数千行分散的 JS 和 TS 文件，只能靠 Ctrl+F 逐个搜索关键词，极易漏掉间接调用关系。\n- 项目文档缺失或陈旧，无法确定当前使用的 OAuth 提供商配置是否已更新。\n- 需要人工绘制调用链路图，耗费大量时间梳理变量传递和数据流向。\n- 新人上手周期长，往往花费一周时间才敢触碰核心安全模块。\n\n### 使用 repo-chat 后\n- 直接询问“用户 Token 是如何在中间层验证的”，repo-chat 精准返回相关代码片段及上下文。\n- 支持自然语言提问，无需记忆具体文件名，自动关联语义相似的代码块。\n- 本地向量数据库实时索引最新代码，确保回答基于当前分支的最新状态。\n- 将原本需要一周的代码熟悉工作压缩到半天，快速定位问题根源并修复。\n\nrepo-chat 通过语义化检索将代码理解从“人找代码”转变为“代码找人”，显著降低了大型开源项目的维护门槛与学习成本。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmckaywrigley_repo-chat_c000ec20.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",[83,87],{"name":84,"color":85,"percentage":86},"Python","#3572A5",79.6,{"name":88,"color":89,"percentage":90},"PLpgSQL","#336790",20.4,610,106,"2026-04-01T17:16:07","MIT","未说明","不需要（使用 OpenAI 云端 API）",{"notes":98,"python":95,"dependencies":99},"需要配置 OpenAI API Key 和 Supabase 项目凭证（URL 及 Service Key）。首次部署需在 Supabase SQL Editor 中运行 schema.sql 初始化 pgvector 扩展。所有配置通过 .env 文件管理，按顺序执行 load.py、embed.py 和 main.py 脚本。",[95],[26,13],"2026-03-27T02:49:30.150509","2026-04-06T05:44:10.171170",[104,109,113,118,122,127],{"id":105,"question_zh":106,"answer_zh":107,"source_url":108},2703,"OpenAI 模型的上下文长度限制是多少？","根据报错信息，该模型的最大上下文长度为 4097 tokens。","https:\u002F\u002Fgithub.com\u002Fmckaywrigley\u002Frepo-chat\u002Fissues\u002F7",{"id":110,"question_zh":111,"answer_zh":112,"source_url":108},2704,"遇到 OpenAI 上下文长度超限错误该如何解决？","错误提示 messages resulted in 26602 tokens，超过了 4097 的限制。解决方法是减少消息的长度（reduce the length of the messages）。",{"id":114,"question_zh":115,"answer_zh":116,"source_url":117},2705,"项目中提到的技术演示使用了哪些核心组件？","技术演示混合了计算机视觉和大语言模型，具体使用了 gpt、whisper 和 YoloV8。","https:\u002F\u002Fgithub.com\u002Fmckaywrigley\u002Frepo-chat\u002Fissues\u002F10",{"id":119,"question_zh":120,"answer_zh":121,"source_url":117},2706,"在哪里可以找到相关的技术演示链接？","演示链接发布在 Twitter 上，地址为 https:\u002F\u002Ftwitter.com\u002Fmckaywrigley\u002Fstatus\u002F1653464294493921280。",{"id":123,"question_zh":124,"answer_zh":125,"source_url":126},2707,"该仓库是否提供了有用的安装或使用步骤？","有用户反馈该仓库缺乏有用的步骤指南（doesnt provide any useful steps to follow），建议自行查阅相关文档或等待更新。","https:\u002F\u002Fgithub.com\u002Fmckaywrigley\u002Frepo-chat\u002Fissues\u002F6",{"id":128,"question_zh":129,"answer_zh":130,"source_url":117},2708,"通过 Issue 联系项目作者是否可行？","有用户询问连接事宜，作者回复称这似乎是一个死胡同（seems this may be a dead end），建议未来再尝试或寻找其他联系方式。",[]]