[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-miantiao-me--aigc-weekly":3,"tool-miantiao-me--aigc-weekly":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",144730,2,"2026-04-07T23:26:32",[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":32,"last_commit_at":50,"category_tags":51,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"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":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":76,"owner_company":77,"owner_location":78,"owner_email":79,"owner_twitter":80,"owner_website":81,"owner_url":82,"languages":83,"stars":100,"forks":101,"last_commit_at":102,"license":103,"difficulty_score":104,"env_os":105,"env_gpu":106,"env_ram":106,"env_deps":107,"category_tags":119,"github_topics":120,"view_count":32,"oss_zip_url":79,"oss_zip_packed_at":79,"status":17,"created_at":127,"updated_at":128,"faqs":129,"releases":130},5310,"miantiao-me\u002Faigc-weekly","aigc-weekly","Agili 的 AIGC 周刊 - 一个由 Agentic AI Agent 驱动的 AIGC（人工智能生成内容）精选周刊。","aigc-weekly 是由 Agili 推出的 AIGC 精选周刊项目，旨在利用人工智能自动发现、筛选并整理全球最新的人工智能生成内容资讯、工具与资源。它主要解决了在信息爆炸时代，用户难以高效获取高质量、前沿行业动态的痛点，通过自动化流程替代了传统的人工策展模式。\n\n该项目特别适合对 Serverless 架构、边缘计算及 AI Agent 应用感兴趣的开发者和技术研究人员。对于希望构建自动化内容聚合平台或学习现代全栈开发的团队，aigc-weekly 提供了极佳的参考范本。普通读者也可通过其在线网站或 RSS 订阅，轻松获取经过智能筛选的优质周报。\n\n在技术亮点方面，aigc-weekly 展现了极具前瞻性的架构设计。它完全基于 Cloudflare 边缘基础设施（包括 Workers、D1 数据库、R2 存储及 Containers）构建，实现了高性能与低延迟的 Serverless 部署。核心创新在于集成了“模型上下文协议”（MCP），使得 OpenCode AI Agent 能够直接与 Payload CMS 交互，自主完成从网页爬取（借助 Firecrawl）到内容发布的全","aigc-weekly 是由 Agili 推出的 AIGC 精选周刊项目，旨在利用人工智能自动发现、筛选并整理全球最新的人工智能生成内容资讯、工具与资源。它主要解决了在信息爆炸时代，用户难以高效获取高质量、前沿行业动态的痛点，通过自动化流程替代了传统的人工策展模式。\n\n该项目特别适合对 Serverless 架构、边缘计算及 AI Agent 应用感兴趣的开发者和技术研究人员。对于希望构建自动化内容聚合平台或学习现代全栈开发的团队，aigc-weekly 提供了极佳的参考范本。普通读者也可通过其在线网站或 RSS 订阅，轻松获取经过智能筛选的优质周报。\n\n在技术亮点方面，aigc-weekly 展现了极具前瞻性的架构设计。它完全基于 Cloudflare 边缘基础设施（包括 Workers、D1 数据库、R2 存储及 Containers）构建，实现了高性能与低延迟的 Serverless 部署。核心创新在于集成了“模型上下文协议”（MCP），使得 OpenCode AI Agent 能够直接与 Payload CMS 交互，自主完成从网页爬取（借助 Firecrawl）到内容发布的全流程。此外，项目采用 Next.js 15 与 OpenNext 方案，不仅代码结构清晰，还专门为 AI 编程助手提供了详细的开发指南，是探索 Agentic AI 实际落地的优秀开源案例。","# Agili 的 AIGC 周刊\n\n一个由 Agentic AI Agent 驱动的 AIGC（人工智能生成内容）精选周刊。本项目利用最新的 AI 和 Serverless 技术，为您提供最新的资讯、工具和资源。\n\n---\n\n**在线阅读**: \u003Chttps:\u002F\u002Faigc-weekly.agi.li>\n\n**RSS订阅**: \u003Chttps:\u002F\u002Faigc-weekly.agi.li\u002Frss.xml>\n\n![aigc-weekly](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmiantiao-me_aigc-weekly_readme_5b93ac008293.png)\n\n## 🚀 特性\n\n- **AI 智能策展**：利用 Agentic AI Agent 自动发现和筛选内容。\n- **现代技术栈**：基于 Next.js 15、Payload CMS 3.0 和 Cloudflare 边缘基础设施构建。\n- **Serverless 架构**：完全部署在 Cloudflare (Workers, D1, R2, Containers) 上，实现高性能和低延迟。\n- **Agent MCP 集成**：使用模型上下文协议 (MCP) 允许 AI Agent 直接与 CMS 交互。\n\n## 🛠 技术栈\n\n- **框架**：[Next.js](https:\u002F\u002Fnextjs.org\u002F) (App Router) & [OpenNext](https:\u002F\u002Fopennext.js.org\u002F)\n- **CMS**：[Payload CMS](https:\u002F\u002Fpayloadcms.com\u002F) (Headless)\n- **数据库**：[Cloudflare D1](https:\u002F\u002Fdevelopers.cloudflare.com\u002Fd1\u002F) (SQLite)\n- **存储**：[Cloudflare R2](https:\u002F\u002Fdevelopers.cloudflare.com\u002Fr2\u002F) (对象存储)\n- **Agent 框架**：[OpenCode](https:\u002F\u002Fopencode.ai\u002F)\n- **Agent 运行时**：[Cloudflare Containers](https:\u002F\u002Fdevelopers.cloudflare.com\u002Fcontainers\u002F) （需要付费套餐，或者在本地运行）\n- **边缘运行时**：[Cloudflare Workers](https:\u002F\u002Fworkers.cloudflare.com\u002F)\n\n## 🏗 架构\n\n本项目包含三个主要组件：\n\n1. **Next.js 应用 (`app\u002F`)**：负责面向读者的前端页面以及 Payload CMS 管理界面。\n2. **OpenCode Agent (`agent\u002F`)**：一个独立的 Agent 服务，运行在 **Cloudflare Containers** 上，负责收集信息并通过 MCP 更新 CMS。\n3. **Cloudflare Worker (`worker\u002F`)**：转发请求到 Container 并控制其生命周期。\n\n## 🏁 快速开始\n\n### 前置要求\n\n- **Node.js**：v22 或更高版本\n- **pnpm**：v10 或更高版本\n- **Cloudflare 账号**：用于 D1、R2 和 Workers 部署。\n\n### 安装\n\n1. 克隆仓库：\n\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002Fmiantiao-me\u002Faigc-weekly.git\n   cd aigc-weekly\n   ```\n\n2. 安装依赖：\n   ```bash\n   pnpm install\n   ```\n\n### 配置\n\n1. **环境变量**：\n   配置必要的环境变量：\n   - 复制 `.env.example` 为 `.env.local` 并填写相应值。\n   - 复制 `worker\u002F.env.example` 为 `worker\u002F.env.local` 并填写相应值。\n\n   确保你已经配置了必要的 Cloudflare 绑定, 你需要在 `wrangler.jsonc` 中配置以下绑定：\n   - `D1`：数据库\n   - `R2`：对象存储\n   - `PAYLOAD_SECRET`：一个安全的随机字符串。\n\n2. **生成类型**：\n\n   ```bash\n   pnpm generate:types\n   ```\n\n3. **配置 MCP 和 Agent**：\n   你可以在 `agent\u002Fopencode.json` 配置 MCP Server 和模型，在 `agent\u002F.opencode\u002F` 目录修改 Agent 的技能、子 Agent 和命令等配置。\n\n   项目使用 [**Firecrawl**](https:\u002F\u002Ffirecrawl.link\u002Fplayground) 进行网页爬取和信息提取, 你需要在 Firecrawl 注册账号并获取 API Key，然后在 `worker\u002F.env.local` 中配置 `FIRECRAWL_API_KEY`。\n\n### 本地运行\n\n- **Next.js 应用**：\n\n  ```bash\n  pnpm dev\n  ```\n\n  访问应用：`http:\u002F\u002Flocalhost:3000` 和 `http:\u002F\u002Flocalhost:3000\u002Fadmin`。\n\n- **Cloudflare Worker（包含 Agent）**：\n\n  ```bash\n  pnpm dev:worker\n  ```\n\n  需要安装 Docker 以运行本地沙箱。Worker 会自动启动 OpenCode Agent 容器。\n\n## 🚀 部署\n\n本项目设计为部署在 Cloudflare 上。\n\n1. **部署数据库和应用**：\n\n   ```bash\n   pnpm deploy\n   ```\n\n   此命令会运行 `deploy:database`（迁移）和 `deploy:app`（OpenNext 构建与上传）。\n\n2. **部署 Worker**：\n   ```bash\n   pnpm deploy:worker\n   ```\n\n## 📂 项目结构\n\n- `app\u002F`：Next.js 应用源代码。\n- `agent\u002F`：OpenCode Agent 配置和技能定义。\n- `worker\u002F`：Cloudflare Worker 源代码。\n- `collections\u002F`：Payload CMS 数据模型。\n- `migrations\u002F`：数据库迁移文件。\n- `public\u002F`：静态资源。\n\n## 🤖 AI 代码助手\n\n本项目包含 [AGENTS.md](AGENTS.md) 文件，为 AI 代码助手（如 Claude Code、Cursor、Copilot 等）提供开发指南，包括命令、代码风格和架构信息。\n\n## 📄 许可证\n\n本项目采用 [GNU Affero General Public License v3.0](LICENSE) 许可证。\n","# Agili 的 AIGC 周刊\n\n一个由 Agentic AI Agent 驱动的 AIGC（人工智能生成内容）精选周刊。本项目利用最新的 AI 和 Serverless 技术，为您提供最新的资讯、工具和资源。\n\n---\n\n**在线阅读**: \u003Chttps:\u002F\u002Faigc-weekly.agi.li>\n\n**RSS订阅**: \u003Chttps:\u002F\u002Faigc-weekly.agi.li\u002Frss.xml>\n\n![aigc-weekly](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmiantiao-me_aigc-weekly_readme_5b93ac008293.png)\n\n## 🚀 特性\n\n- **AI 智能策展**：利用 Agentic AI Agent 自动发现和筛选内容。\n- **现代技术栈**：基于 Next.js 15、Payload CMS 3.0 和 Cloudflare 边缘基础设施构建。\n- **Serverless 架构**：完全部署在 Cloudflare (Workers, D1, R2, Containers) 上，实现高性能和低延迟。\n- **Agent MCP 集成**：使用模型上下文协议 (MCP) 允许 AI Agent 直接与 CMS 交互。\n\n## 🛠 技术栈\n\n- **框架**：[Next.js](https:\u002F\u002Fnextjs.org\u002F) (App Router) & [OpenNext](https:\u002F\u002Fopennext.js.org\u002F)\n- **CMS**：[Payload CMS](https:\u002F\u002Fpayloadcms.com\u002F) (Headless)\n- **数据库**：[Cloudflare D1](https:\u002F\u002Fdevelopers.cloudflare.com\u002Fd1\u002F) (SQLite)\n- **存储**：[Cloudflare R2](https:\u002F\u002Fdevelopers.cloudflare.com\u002Fr2\u002F) (对象存储)\n- **Agent 框架**：[OpenCode](https:\u002F\u002Fopencode.ai\u002F)\n- **Agent 运行时**：[Cloudflare Containers](https:\u002F\u002Fdevelopers.cloudflare.com\u002Fcontainers\u002F) （需要付费套餐，或者在本地运行）\n- **边缘运行时**：[Cloudflare Workers](https:\u002F\u002Fworkers.cloudflare.com\u002F)\n\n## 🏗 架构\n\n本项目包含三个主要组件：\n\n1. **Next.js 应用 (`app\u002F`)**：负责面向读者的前端页面以及 Payload CMS 管理界面。\n2. **OpenCode Agent (`agent\u002F`)**：一个独立的 Agent 服务，运行在 **Cloudflare Containers** 上，负责收集信息并通过 MCP 更新 CMS。\n3. **Cloudflare Worker (`worker\u002F`)**：转发请求到 Container 并控制其生命周期。\n\n## 🏁 快速开始\n\n### 前置要求\n\n- **Node.js**：v22 或更高版本\n- **pnpm**：v10 或更高版本\n- **Cloudflare 账号**：用于 D1、R2 和 Workers 部署。\n\n### 安装\n\n1. 克隆仓库：\n\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002Fmiantiao-me\u002Faigc-weekly.git\n   cd aigc-weekly\n   ```\n\n2. 安装依赖：\n   ```bash\n   pnpm install\n   ```\n\n### 配置\n\n1. **环境变量**：\n   配置必要的环境变量：\n   - 复制 `.env.example` 为 `.env.local` 并填写相应值。\n   - 复制 `worker\u002F.env.example` 为 `worker\u002F.env.local` 并填写相应值。\n\n   确保你已经配置了必要的 Cloudflare 绑定, 你需要在 `wrangler.jsonc` 中配置以下绑定：\n   - `D1`：数据库\n   - `R2`：对象存储\n   - `PAYLOAD_SECRET`：一个安全的随机字符串。\n\n2. **生成类型**：\n\n   ```bash\n   pnpm generate:types\n   ```\n\n3. **配置 MCP 和 Agent**：\n   你可以在 `agent\u002Fopencode.json` 配置 MCP Server 和模型，在 `agent\u002F.opencode\u002F` 目录修改 Agent 的技能、子 Agent 和命令等配置。\n\n   项目使用 [**Firecrawl**](https:\u002F\u002Ffirecrawl.link\u002Fplayground) 进行网页爬取和信息提取, 你需要在 Firecrawl 注册账号并获取 API Key，然后在 `worker\u002F.env.local` 中配置 `FIRECRAWL_API_KEY`。\n\n### 本地运行\n\n- **Next.js 应用**：\n\n  ```bash\n  pnpm dev\n  ```\n\n  访问应用：`http:\u002F\u002Flocalhost:3000` 和 `http:\u002F\u002Flocalhost:3000\u002Fadmin`。\n\n- **Cloudflare Worker（包含 Agent）**：\n\n  ```bash\n  pnpm dev:worker\n  ```\n\n  需要安装 Docker 以运行本地沙箱。Worker 会自动启动 OpenCode Agent 容器。\n\n## 🚀 部署\n\n本项目设计为部署在 Cloudflare 上。\n\n1. **部署数据库和应用**：\n\n   ```bash\n   pnpm deploy\n   ```\n\n   此命令会运行 `deploy:database`（迁移）和 `deploy:app`（OpenNext 构建与上传）。\n\n2. **部署 Worker**：\n   ```bash\n   pnpm deploy:worker\n   ```\n\n## 📂 项目结构\n\n- `app\u002F`：Next.js 应用源代码。\n- `agent\u002F`：OpenCode Agent 配置和技能定义。\n- `worker\u002F`：Cloudflare Worker 源代码。\n- `collections\u002F`：Payload CMS 数据模型。\n- `migrations\u002F`：数据库迁移文件。\n- `public\u002F`：静态资源。\n\n## 🤖 AI 代码助手\n\n本项目包含 [AGENTS.md](AGENTS.md) 文件，为 AI 代码助手（如 Claude Code、Cursor、Copilot 等）提供开发指南，包括命令、代码风格和架构信息。\n\n## 📄 许可证\n\n本项目采用 [GNU Affero General Public License v3.0](LICENSE) 许可证。","# aigc-weekly 快速上手指南\n\naigc-weekly 是一个由 Agentic AI Agent 驱动的 AIGC 精选周刊项目，基于 Next.js 15、Payload CMS 3.0 和 Cloudflare 边缘架构构建。本指南将帮助你快速在本地搭建并运行该项目。\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*   **Node.js**: v22 或更高版本\n*   **包管理器**: pnpm v10 或更高版本\n    *   *国内加速建议*：如安装缓慢，可配置淘宝镜像源：\n        ```bash\n        npm config set registry https:\u002F\u002Fregistry.npmmirror.com\n        ```\n*   **Cloudflare 账号**: 用于部署 D1 (数据库)、R2 (存储) 和 Workers。\n*   **Docker**: 本地运行 Agent 沙箱环境必需。\n*   **Firecrawl API Key**: 用于网页爬取和信息提取（需在 [Firecrawl](https:\u002F\u002Ffirecrawl.link\u002Fplayground) 注册获取）。\n\n## 安装步骤\n\n### 1. 克隆项目\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fmiantiao-me\u002Faigc-weekly.git\ncd aigc-weekly\n```\n\n### 2. 安装依赖\n```bash\npnpm install\n```\n\n### 3. 配置环境变量\n复制示例配置文件并填入你的密钥信息：\n\n*   **主应用配置**：\n    ```bash\n    cp .env.example .env.local\n    # 编辑 .env.local，填写 PAYLOAD_SECRET 等必要信息\n    ```\n*   **Worker\u002FAgent 配置**：\n    ```bash\n    cp worker\u002F.env.example worker\u002F.env.local\n    # 编辑 worker\u002F.env.local，务必填入 FIRECRAWL_API_KEY\n    ```\n\n> **注意**：请确保在 `wrangler.jsonc` 中正确配置了 Cloudflare 的 `D1` (数据库) 和 `R2` (对象存储) 绑定。\n\n### 4. 生成类型定义\n```bash\npnpm generate:types\n```\n\n### 5. 配置 AI Agent (可选)\n如需自定义 Agent 行为或模型，可编辑以下文件：\n*   `agent\u002Fopencode.json`: 配置 MCP Server 和模型。\n*   `agent\u002F.opencode\u002F`: 修改 Agent 技能、子 Agent 和命令。\n\n## 基本使用\n\n项目包含前端应用和后台 Agent 服务，需分别启动。\n\n### 1. 启动 Next.js 应用\n运行以下命令启动前端页面及 Payload CMS 管理后台：\n```bash\npnpm dev\n```\n*   **访问地址**:\n    *   读者端：`http:\u002F\u002Flocalhost:3000`\n    *   管理后台：`http:\u002F\u002Flocalhost:3000\u002Fadmin`\n\n### 2. 启动 Cloudflare Worker 与 Agent\n运行以下命令启动 Worker，它将自动拉起 OpenCode Agent 容器（需 Docker 支持）：\n```bash\npnpm dev:worker\n```\n*   该服务负责通过 MCP 协议收集资讯并更新 CMS 数据库。\n\n---\n完成上述步骤后，你即可在本地体验由 AI 自动策展的 AIGC 周刊功能。后续可通过 `pnpm deploy` 和 `pnpm deploy:worker` 将项目部署至 Cloudflare 生产环境。","某科技媒体编辑团队每周需从海量全球资讯中筛选高价值 AIGC 动态，以维持周刊的高质量更新。\n\n### 没有 aigc-weekly 时\n- 编辑需手动浏览数十个英文技术博客、GitHub 趋势榜和社交媒体，耗时数小时且极易遗漏关键信息。\n- 人工筛选主观性强，难以保证内容覆盖的全面性与时效性，常导致热点滞后或视角单一。\n- 整理好的内容需手动录入 CMS 后台，排版与元数据填写繁琐，占用大量本应用于深度创作的时间。\n- 缺乏自动化架构支撑，随着订阅源增加，维护成本呈指数级上升，难以规模化扩展。\n\n### 使用 aigc-weekly 后\n- Agentic AI Agent 自动利用 Firecrawl 全网爬取并智能过滤噪音，秒级锁定最新、最相关的 AIGC 前沿动态。\n- 基于模型上下文协议（MCP）的策展逻辑确保内容维度多元且客观，实时捕捉全球技术脉搏，杜绝信息死角。\n- AI 直接通过 MCP 将清洗后的高质量内容写入 Payload CMS，自动完成分类、标签与排版，实现“发现即发布”。\n- 依托 Cloudflare Serverless 架构，整个流程在边缘节点低延迟运行，无需运维服务器即可轻松应对流量高峰。\n\naigc-weekly 将编辑从繁琐的信息搬运工转型为真正的观点输出者，实现了 AIGC 资讯生产的完全自动化与智能化。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmiantiao-me_aigc-weekly_1a48f315.png","miantiao-me","面条","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fmiantiao-me_a7f5e119.png","前端切图仔🧑🏻‍💻，后端三脚猫🤷🏻‍♂️，运维挖坑人🤦🏻‍♂️，AI 门外汉🧐。","ʕ•̫͡•ʔ-̫͡-ʕ•͓͡•ʕ•̫͡•ʔ-̫͡-ʕ•͓͡•ʔ-̫͡-ʔ","NanJing,China",null,"miantiao","miantiao.me","https:\u002F\u002Fgithub.com\u002Fmiantiao-me",[84,88,92,96],{"name":85,"color":86,"percentage":87},"TypeScript","#3178c6",67.9,{"name":89,"color":90,"percentage":91},"CSS","#663399",27.4,{"name":93,"color":94,"percentage":95},"JavaScript","#f1e05a",4.3,{"name":97,"color":98,"percentage":99},"Dockerfile","#384d54",0.5,518,60,"2026-04-06T13:01:41","AGPL-3.0",4,"Linux, macOS, Windows","未说明",{"notes":108,"python":106,"dependencies":109},"本项目基于 Serverless 架构，主要依赖 Cloudflare 基础设施。本地开发需安装 Docker 以运行 Agent 沙箱容器。Agent 运行时若部署在云端需 Cloudflare 付费套餐，本地运行可替代。需配置 Firecrawl API Key 用于网页爬取。",[110,111,112,113,114,115,116,117,118],"Node.js v22+","pnpm v10+","Next.js 15","Payload CMS 3.0","Cloudflare Workers","Cloudflare D1","Cloudflare R2","OpenCode Agent","Docker (本地运行 Worker 必需)",[13,15,14],[121,122,123,124,125,126],"agent","ai","claude-agent","claude-code","cloudflare-containers","payloadcms","2026-03-27T02:49:30.150509","2026-04-08T10:17:34.768265",[],[]]