[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"tool-miantiao-me--bm.md":3,"similar-miantiao-me--bm.md":75},{"id":4,"github_repo":5,"name":6,"description_en":7,"description_zh":8,"ai_summary_zh":8,"readme_en":9,"readme_zh":10,"quickstart_zh":11,"use_case_zh":12,"hero_image_url":13,"owner_login":14,"owner_name":15,"owner_avatar_url":16,"owner_bio":17,"owner_company":18,"owner_location":19,"owner_email":20,"owner_twitter":21,"owner_website":22,"owner_url":23,"languages":24,"stars":44,"forks":45,"last_commit_at":46,"license":47,"difficulty_score":48,"env_os":49,"env_gpu":50,"env_ram":50,"env_deps":51,"category_tags":62,"github_topics":64,"view_count":48,"oss_zip_url":20,"oss_zip_packed_at":20,"status":70,"created_at":71,"updated_at":72,"faqs":73,"releases":74},5481,"miantiao-me\u002Fbm.md","bm.md","更好用的 Markdown 排版助手｜一键适配微信公众号、网页与图片。","bm.md 是一款专为内容创作者打造的 Markdown 排版助手，旨在解决将技术文档或文章发布到微信公众号、网页等平台时格式混乱、调整繁琐的痛点。它让用户能够专注于写作本身，通过“所见即所得”的实时预览编辑体验，一键将 Markdown 内容转换为精美且适配多平台的排版格式，甚至直接导出为长图分享，极大地提升了内容分发效率。\n\n这款工具非常适合需要频繁撰写技术博客、公众号文章的开发者、产品经理及运营人员，同时也适合对排版美学有要求的普通写作者。除了基础的排版功能，bm.md 还内置了 14 种精心设计的排版样式和代码高亮主题，轻松切换商务专业或复古怀旧风格。在技术架构上，它基于现代化的 TanStack Start、React 19 与 Vite 7 构建，不仅运行流畅，还特别提供了 REST API 和 MCP 协议支持，方便开发者将其集成到自动化工作流中。无论是日常写作还是团队协作，bm.md 都能以简洁高效的方式，帮助用户呈现更专业的内容效果。","# bm.md\n\n更好用的 Markdown 排版助手｜一键适配微信公众号、~~知乎专栏~~、~~掘金~~、网页与图片。\n\n---\n\n## ✨ 特性\n\n- 📝 **实时预览** - 基于 CodeMirror 6 的 Markdown 编辑器，所见即所得\n- 🎨 **14 种排版样式** - 从专业商务到复古怀旧，满足不同场景需求\n- 🌈 **14 种代码主题** - 支持浅色\u002F深色多种代码高亮风格\n- 📱 **多平台适配** - 一键复制到微信公众号、~~知乎~~、~~掘金~~\n- 🖼️ **图片导出** - 将排版内容导出为图片分享\n- 🔌 **开发者友好** - 提供 REST API 和 MCP 协议集成\n- ⌨️ **快捷操作** - 命令面板 + 全局快捷键，高效操作\n\n## 🚀 快速开始\n\n```bash\n# 克隆项目\ngit clone https:\u002F\u002Fgithub.com\u002Fmiantiao-me\u002Fbm.md.git\ncd bm.md\n\n# 安装依赖\npnpm install\n\n# 启动开发服务器\npnpm dev\n```\n\n访问 http:\u002F\u002Flocalhost:2663 开始使用。\n\n## 🛠️ 技术栈\n\n- **框架**: [TanStack Start](https:\u002F\u002Ftanstack.com\u002Fstart) (React 19 + TanStack Router)\n- **构建**: [Vite 7](https:\u002F\u002Fvite.dev)\n- **样式**: [Tailwind CSS 4](https:\u002F\u002Ftailwindcss.com) + [shadcn\u002Fui](https:\u002F\u002Fui.shadcn.com)\n- **部署**: [Nitro](https:\u002F\u002Fnitro.build) (支持 Cloudflare Workers \u002F Vercel \u002F Netlify \u002F Docker \u002F Alibaba ESA \u002F Tencent EdgeOne 等)\n\n#阿里云ESA Pages #阿里云云工开物\n\n本项目由阿里云ESA提供加速、计算和保护: [![Alibaba ESA](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmiantiao-me_bm.md_readme_a7999d08019f.png)](https:\u002F\u002Falibaba.bm.md\u002F)\n\n阿里云部署配置：\n\n```txt\n安装命令: pnpm install\n构建命令: pnpm run build\n根目录: \u002F\n静态资源目录: dist\u002Fclient\n函数文件路径: dist\u002Fserver\u002Fserver.js\n```\n\n其他环境部署配置参考 [Nitro](https:\u002F\u002Fv3.nitro.build\u002Fdeploy) 文档。\n\n## 📖 文档\n\n- [功能说明](https:\u002F\u002Fgithub.com\u002Fmiantiao-me\u002Fbm.md\u002Fblob\u002Fmaster\u002Fdocs\u002Ffeatures.md) - 完整功能介绍\n- [架构设计](https:\u002F\u002Fgithub.com\u002Fmiantiao-me\u002Fbm.md\u002Fblob\u002Fmaster\u002Fdocs\u002Farchitecture.md) - 技术架构详解\n- [UI 设计](https:\u002F\u002Fgithub.com\u002Fmiantiao-me\u002Fbm.md\u002Fblob\u002Fmaster\u002Fdocs\u002Fdesign.md) - 界面设计说明\n- [API 文档](https:\u002F\u002Fbm.md\u002Fdocs) - REST API 参考\n\n## 🤝 贡献\n\n欢迎提交 Issue 和 Pull Request。\n\n## 📄 许可证\n\n[AGPL-3.0](https:\u002F\u002Fgithub.com\u002Fmiantiao-me\u002Fbm.md\u002Fblob\u002Fmaster\u002FLICENSE)\n","# bm.md\n\n更好用的 Markdown 排版助手｜一键适配微信公众号、~~知乎专栏~~、~~掘金~~、网页与图片。\n\n---\n\n## ✨ 特性\n\n- 📝 **实时预览** - 基于 CodeMirror 6 的 Markdown 编辑器，所见即所得\n- 🎨 **14 种排版样式** - 从专业商务到复古怀旧，满足不同场景需求\n- 🌈 **14 种代码主题** - 支持浅色\u002F深色多种代码高亮风格\n- 📱 **多平台适配** - 一键复制到微信公众号、~~知乎~~、~~掘金~~\n- 🖼️ **图片导出** - 将排版内容导出为图片分享\n- 🔌 **开发者友好** - 提供 REST API 和 MCP 协议集成\n- ⌨️ **快捷操作** - 命令面板 + 全局快捷键，高效操作\n\n## 🚀 快速开始\n\n```bash\n# 克隆项目\ngit clone https:\u002F\u002Fgithub.com\u002Fmiantiao-me\u002Fbm.md.git\ncd bm.md\n\n# 安装依赖\npnpm install\n\n# 启动开发服务器\npnpm dev\n```\n\n访问 http:\u002F\u002Flocalhost:2663 开始使用。\n\n## 🛠️ 技术栈\n\n- **框架**: [TanStack Start](https:\u002F\u002Ftanstack.com\u002Fstart) (React 19 + TanStack Router)\n- **构建**: [Vite 7](https:\u002F\u002Fvite.dev)\n- **样式**: [Tailwind CSS 4](https:\u002F\u002Ftailwindcss.com) + [shadcn\u002Fui](https:\u002F\u002Fui.shadcn.com)\n- **部署**: [Nitro](https:\u002F\u002Fnitro.build) (支持 Cloudflare Workers \u002F Vercel \u002F Netlify \u002F Docker \u002F Alibaba ESA \u002F Tencent EdgeOne 等)\n\n#阿里云ESA Pages #阿里云云工开物\n\n本项目由阿里云 ESA 提供加速、计算和保护: [![Alibaba ESA](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmiantiao-me_bm.md_readme_a7999d08019f.png)](https:\u002F\u002Falibaba.bm.md\u002F)\n\n阿里云部署配置：\n\n```txt\n安装命令: pnpm install\n构建命令: pnpm run build\n根目录: \u002F\n静态资源目录: dist\u002Fclient\n函数文件路径: dist\u002Fserver\u002Fserver.js\n```\n\n其他环境部署配置参考 [Nitro](https:\u002F\u002Fv3.nitro.build\u002Fdeploy) 文档。\n\n## 📖 文档\n\n- [功能说明](https:\u002F\u002Fgithub.com\u002Fmiantiao-me\u002Fbm.md\u002Fblob\u002Fmaster\u002Fdocs\u002Ffeatures.md) - 完整功能介绍\n- [架构设计](https:\u002F\u002Fgithub.com\u002Fmiantiao-me\u002Fbm.md\u002Fblob\u002Fmaster\u002Fdocs\u002Farchitecture.md) - 技术架构详解\n- [UI 设计](https:\u002F\u002Fgithub.com\u002Fmiantiao-me\u002Fbm.md\u002Fblob\u002Fmaster\u002Fdocs\u002Fdesign.md) - 界面设计说明\n- [API 文档](https:\u002F\u002Fbm.md\u002Fdocs) - REST API 参考\n\n## 🤝 贡献\n\n欢迎提交 Issue 和 Pull Request。\n\n## 📄 许可证\n\n[AGPL-3.0](https:\u002F\u002Fgithub.com\u002Fmiantiao-me\u002Fbm.md\u002Fblob\u002Fmaster\u002FLICENSE)","# bm.md 快速上手指南\n\nbm.md 是一款现代化的 Markdown 排版助手，支持实时预览、多种主题样式，并可一键适配微信公众号等平台或导出为图片。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n- **操作系统**：Windows \u002F macOS \u002F Linux\n- **Node.js**：建议安装最新 LTS 版本（推荐 v20+）\n- **包管理器**：必须安装 [pnpm](https:\u002F\u002Fpnpm.io) (项目首选)\n  ```bash\n  npm install -g pnpm\n  ```\n\n## 安装步骤\n\n1. **克隆项目代码**\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002Fmiantiao-me\u002Fbm.md.git\n   cd bm.md\n   ```\n\n2. **安装依赖**\n   使用 pnpm 安装项目所需依赖（国内网络若较慢，可配置 `.npmrc` 使用淘宝镜像源）：\n   ```bash\n   pnpm install\n   ```\n\n3. **启动开发服务器**\n   ```bash\n   pnpm dev\n   ```\n\n## 基本使用\n\n1. **访问应用**\n   终端显示启动成功后，在浏览器打开：\n   ```text\n   http:\u002F\u002Flocalhost:2663\n   ```\n\n2. **编辑与预览**\n   - 在左侧编辑器编写 Markdown 内容，右侧将基于 CodeMirror 6 实时渲染预览。\n   - 点击顶部工具栏切换 **14 种排版样式** 或 **代码高亮主题**。\n\n3. **导出与发布**\n   - **复制内容**：编辑完成后，点击“复制”按钮即可获取适配微信公众号格式的 HTML 代码，直接粘贴至公众号后台。\n   - **导出图片**：点击“导出图片”功能，将当前排版保存为长图用于分享。\n   - **API 调用**：开发者可通过 `http:\u002F\u002Flocalhost:2663\u002Fdocs` 查看 REST API 文档进行集成。\n\n> **提示**：生产环境构建请使用 `pnpm run build`，构建产物位于 `dist` 目录，支持部署到 Vercel、Cloudflare Workers 或阿里云 ESA 等平台。","某技术团队的内容运营专员每周需将开发文档转化为微信公众号推文，以同步项目进度和技术亮点。\n\n### 没有 bm.md 时\n- 需在本地 Markdown 编辑器与微信后台之间反复复制粘贴，格式经常错乱，手动调整耗时极长。\n- 代码块高亮风格单一且丑陋，无法匹配文章整体的商务或复古基调，阅读体验差。\n- 每次发布前都要截图制作封面或长图，缺乏一键导出功能，图片清晰度难以保证。\n- 多平台分发时需针对不同渠道重新排版，缺乏统一样式管理，效率低下。\n\n### 使用 bm.md 后\n- 利用实时预览和一键复制功能，直接在浏览器完成编辑并无缝同步至微信公众号，格式完美保留。\n- 从 14 种预设排版样式和代码主题中灵活切换，轻松打造专业商务风或复古怀旧风，提升文章质感。\n- 通过内置的图片导出功能，一键生成高清长图用于朋友圈分享或存档，无需额外截图工具。\n- 依托统一的样式模板和多平台适配能力，一次编辑即可快速分发给不同渠道，大幅缩短发布周期。\n\nbm.md 将繁琐的排版工作流简化为“编辑即发布”，让创作者专注于内容本身而非格式调整。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmiantiao-me_bm.md_e511b654.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",[25,29,33,37,41],{"name":26,"color":27,"percentage":28},"TypeScript","#3178c6",67,{"name":30,"color":31,"percentage":32},"CSS","#663399",32.6,{"name":34,"color":35,"percentage":36},"JavaScript","#f1e05a",0.2,{"name":38,"color":39,"percentage":40},"HTML","#e34c26",0.1,{"name":42,"color":43,"percentage":40},"Dockerfile","#384d54",538,61,"2026-04-07T09:12:35","AGPL-3.0",2,"Linux, macOS, Windows","未说明",{"notes":52,"python":50,"dependencies":53},"该项目为基于 Node.js 的前端\u002F全栈应用，非 AI 模型推理工具，因此无 GPU、Python 或大显存需求。需安装 pnpm 包管理器，通过 'pnpm install' 安装依赖，'pnpm dev' 启动开发服务器（默认端口 2663）。支持部署到 Cloudflare Workers、Vercel、Docker 及阿里云 ESA 等多种环境。",[54,55,56,57,58,59,60,61],"Node.js (隐含要求)","pnpm","TanStack Start","React 19","Vite 7","Tailwind CSS 4","shadcn\u002Fui","Nitro",[63],"其他",[65,66,67,68,69],"makrdown","mcp","skills","tanstack","tanstack-start","ready","2026-03-27T02:49:30.150509","2026-04-08T17:18:50.356906",[],[],[76,92,101,109,118,126],{"id":77,"name":78,"github_repo":79,"description_zh":80,"stars":81,"difficulty_score":48,"last_commit_at":82,"category_tags":83,"status":70},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。",85013,"2026-04-06T11:09:19",[84,85,86,87,88,63,89,90,91],"图像","数据工具","视频","插件","Agent","语言模型","开发框架","音频",{"id":93,"name":94,"github_repo":95,"description_zh":96,"stars":97,"difficulty_score":98,"last_commit_at":99,"category_tags":100,"status":70},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",[88,84,90,89,63],{"id":102,"name":103,"github_repo":104,"description_zh":105,"stars":106,"difficulty_score":98,"last_commit_at":107,"category_tags":108,"status":70},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。",75097,"2026-04-07T22:51:14",[89,84,90,63],{"id":110,"name":111,"github_repo":112,"description_zh":113,"stars":114,"difficulty_score":115,"last_commit_at":116,"category_tags":117,"status":70},3215,"awesome-machine-learning","josephmisiti\u002Fawesome-machine-learning","awesome-machine-learning 是一份精心整理的机器学习资源清单，汇集了全球优秀的机器学习框架、库和软件工具。面对机器学习领域技术迭代快、资源分散且难以甄选的痛点，这份清单按编程语言（如 Python、C++、Go 等）和应用场景（如计算机视觉、自然语言处理、深度学习等）进行了系统化分类，帮助使用者快速定位高质量项目。\n\n它特别适合开发者、数据科学家及研究人员使用。无论是初学者寻找入门库，还是资深工程师对比不同语言的技术选型，都能从中获得极具价值的参考。此外，清单还延伸提供了免费书籍、在线课程、行业会议、技术博客及线下聚会等丰富资源，构建了从学习到实践的全链路支持体系。\n\n其独特亮点在于严格的维护标准：明确标记已停止维护或长期未更新的项目，确保推荐内容的时效性与可靠性。作为机器学习领域的“导航图”，awesome-machine-learning 以开源协作的方式持续更新，旨在降低技术探索门槛，让每一位从业者都能高效地站在巨人的肩膀上创新。",72149,1,"2026-04-03T21:50:24",[90,63],{"id":119,"name":120,"github_repo":121,"description_zh":122,"stars":123,"difficulty_score":115,"last_commit_at":124,"category_tags":125,"status":70},2234,"scikit-learn","scikit-learn\u002Fscikit-learn","scikit-learn 是一个基于 Python 构建的开源机器学习库，依托于 SciPy、NumPy 等科学计算生态，旨在让机器学习变得简单高效。它提供了一套统一且简洁的接口，涵盖了从数据预处理、特征工程到模型训练、评估及选择的全流程工具，内置了包括线性回归、支持向量机、随机森林、聚类等在内的丰富经典算法。\n\n对于希望快速验证想法或构建原型的数据科学家、研究人员以及 Python 开发者而言，scikit-learn 是不可或缺的基础设施。它有效解决了机器学习入门门槛高、算法实现复杂以及不同模型间调用方式不统一的痛点，让用户无需重复造轮子，只需几行代码即可调用成熟的算法解决分类、回归、聚类等实际问题。\n\n其核心技术亮点在于高度一致的 API 设计风格，所有估算器（Estimator）均遵循相同的调用逻辑，极大地降低了学习成本并提升了代码的可读性与可维护性。此外，它还提供了强大的模型选择与评估工具，如交叉验证和网格搜索，帮助用户系统地优化模型性能。作为一个由全球志愿者共同维护的成熟项目，scikit-learn 以其稳定性、详尽的文档和活跃的社区支持，成为连接理论学习与工业级应用的最",65697,"2026-04-07T23:34:58",[90,63,85],{"id":127,"name":128,"github_repo":129,"description_zh":130,"stars":131,"difficulty_score":48,"last_commit_at":132,"category_tags":133,"status":70},3364,"keras","keras-team\u002Fkeras","Keras 是一个专为人类设计的深度学习框架，旨在让构建和训练神经网络变得简单直观。它解决了开发者在不同深度学习后端之间切换困难、模型开发效率低以及难以兼顾调试便捷性与运行性能的痛点。\n\n无论是刚入门的学生、专注算法的研究人员，还是需要快速落地产品的工程师，都能通过 Keras 轻松上手。它支持计算机视觉、自然语言处理、音频分析及时间序列预测等多种任务。\n\nKeras 3 的核心亮点在于其独特的“多后端”架构。用户只需编写一套代码，即可灵活选择 TensorFlow、JAX、PyTorch 或 OpenVINO 作为底层运行引擎。这一特性不仅保留了 Keras 一贯的高层易用性，还允许开发者根据需求自由选择：利用 JAX 或 PyTorch 的即时执行模式进行高效调试，或切换至速度最快的后端以获得最高 350% 的性能提升。此外，Keras 具备强大的扩展能力，能无缝从本地笔记本电脑扩展至大规模 GPU 或 TPU 集群，是连接原型开发与生产部署的理想桥梁。",63927,"2026-04-04T15:24:37",[90,85,63]]