ai-dev-gallery
ai-dev-gallery 是一款专为 Windows 开发者打造的开源学习项目，旨在帮助大家轻松掌握如何在应用中集成本地 AI 模型与 API 能力。它有效解决了开发者在入门 AI 应用开发时面临的样本匮乏、环境配置复杂以及代码参考不足等痛点。
通过 ai-dev-gallery，用户可以探索超过 25 个由本地 AI 驱动的交互式示例，直接从 Hugging Face 或 GitHub 浏览、下载并运行模型。其最独特的亮点在于“一键导出”功能：用户不仅能查看完整的 C# 源代码，还能将任意示例瞬间转换为独立的 Visual Studio 项目，极大地降低了从“体验”到“实战”的门槛。此外，项目完全开源，支持离线运行已下载的模型，无需强制绑定微软账号。
这款工具非常适合希望将 AI 功能融入桌面应用的 Windows 程序员、技术爱好者以及计算机专业学生。无论你是想快速验证新想法，还是系统学习 WinUI 与 Windows App SDK 下的 AI 集成方案，ai-dev-gallery 都能提供直观、高效的实践路径，助你在本地设备上顺畅开启 AI 开发之旅。
使用场景
一位专注于 Windows 桌面开发的工程师，正试图为公司的内部文档管理工具集成本地 AI 摘要功能，以保护敏感数据不上传云端。
没有 ai-dev-gallery 时
- 环境配置繁琐：开发者需手动在 Hugging Face 查找模型、下载权重文件并解决复杂的依赖冲突，耗时数天才能跑通第一个 Demo。
- 代码参考缺失：缺乏针对 WinUI 和 Windows App SDK 的原生 C# 集成示例，只能强行移植 Python 代码或摸索晦涩的底层 API。
- 硬件适配困难：难以确定模型在不同架构（如 x64 与 ARM64 Copilot+ PC）上的兼容性，常因显存估算错误导致应用崩溃。
- 离线验证受阻：无法快速构建完全离线的测试环境，每次调试都受限于网络波动或云端 API 配额，影响开发效率。
使用 ai-dev-gallery 后
- 一键获取样本：直接从内置库中浏览并运行超过 25 个交互式本地 AI 样本，几分钟内即可在本地验证模型效果。
- 源码即时复用：查看完整的 C# 源代码，并通过“一键导出”功能将独立的 Visual Studio 项目保存到本地，直接作为开发起点。
- 架构自动适配：工具自动处理 ARM64 与 x64 的构建差异，明确提示显存需求，确保应用在各类 Windows 设备上稳定运行。
- 纯本地工作流：模型下载后即可完全离线运行，开发者无需联网即可反复调试隐私敏感功能，彻底消除数据外泄顾虑。
ai-dev-gallery 将原本需要数周摸索的本地 AI 集成过程，缩短为几小时的标准化开发流程，让 Windows 开发者能专注于业务逻辑而非基础设施搭建。
运行环境要求
- Windows
非强制但推荐用于运行样本，建议显存 8GB+
推荐 16GB+
快速开始
AI 开发者画廊（预览版）
[!IMPORTANT]
AI 开发者画廊目前处于公开预览阶段，我们非常期待您的反馈！请通过创建问题分享您的想法。
AI 开发者画廊专为 Windows 开发者设计，旨在帮助将 AI 功能集成到应用程序和项目中。它包含：
- 探索超过 25 个由本地 AI 模型驱动的交互式示例
- 轻松浏览、下载并运行来自 Hugging Face 和 GitHub 的模型
- 查看 C# 源代码，并一键导出独立的 Visual Studio 项目
🚀 开始使用
从 Microsoft Store 下载 AI 开发者画廊，或者按照以下步骤手动安装：
1. 设置开发环境
⚠️ 注意: AI 开发者画廊需要 Visual Studio 2022 或更高版本进行构建，并且需要 Windows 10 或更高版本才能运行。 如果您是首次使用 WinUI 和 Windows 应用 SDK 构建应用，请按照安装说明操作。
所需的 Visual Studio 组件:
- Windows 应用程序开发
2. 克隆仓库
git clone https://github.com/microsoft/AI-Dev-Gallery.git
3. 使用 Visual Studio 打开 AIDevGallery.sln！
确保在 Visual Studio 中将 AIDevGallery 项目设置为启动项目。
按 F5 键运行 AI 开发者画廊！
⚠️ 注意: 在基于 ARM64 的 Copilot+ PC 上，请务必以
ARM64架构（而非x64）构建并运行解决方案。这一点对于运行与 Phi Silica 等模型通信的示例尤为重要。
⚠️ 注意: 如果您在设备上安装应用程序时遇到问题，请通过< a href="https://github.com/microsoft/AI-Dev-Gallery/issues">提交一个问题告知我们，我们的团队将竭诚为您提供帮助！
💻 设备要求
- 最低操作系统版本: Windows 10, 版本 1809 (10.0; Build 17763)
- 架构: x64、ARM64
- 内存: 建议至少 16 GB
- 磁盘空间: 建议至少 20 GB 可用空间
- GPU: 建议配备 8 GB 显存，以便在 GPU 上运行示例
👏 为 AI 开发者画廊做出贡献
您希望看到哪些示例或文档改进？我们始终欢迎您的帮助。请随时< a href="https://github.com/microsoft/AI-Dev-Gallery/issues">提交一个问题开始讨论，或者更好的是，直接创建一个包含您想要更改的 PR！
❓ 常见问题解答
- 问: 使用该应用是否需要 Microsoft 帐户？
- 答: 不需要，该应用无需 Microsoft 帐户即可使用。
- 问: 我可以在没有互联网连接的情况下使用该应用吗？
- 答: 是的，该应用可以离线使用，因为 AI 模型已本地下载。不过，您需要联网才能从 Hugging Face 或 GitHub 下载其他 AI 模型。
- 问: 应用中提供了哪些 AI 模型？
- 答: 该应用集成了来自 Microsoft Foundry on Windows 的热门开源模型和 API。在运行示例时，您可以选择要使用的模型。
- 问: 应用的源代码是否可访问？我可以贡献新的示例吗？
- 答: 是的，该应用完全开源，其代码可在 GitHub 上找到。欢迎您通过< a href="https://github.com/microsoft/AI-Dev-Gallery/issues">提交一个问题来参与贡献，或者直接提交 PR，我们的审核人员会对其进行审查。
- 问: 我可以在哪里提供反馈？
- 答: 欢迎您向我们提供反馈，或在我们的 GitHub 仓库中< a href="https://github.com/microsoft/AI-Dev-Gallery/issues/new">提交一个问题。
- 问: 我是否必须运行整个应用才能尝试单个示例的演示？
- 答: 是的，运行任何示例都需要启动整个应用。不过，一旦您通过应用为某个示例下载了模型，就可以将其导出为 Visual Studio 项目，并从此独立运行该示例。
✨ 贡献
本项目欢迎各种贡献和建议。大多数贡献都需要您同意一份贡献者许可协议 (CLA)，声明您有权并将您的贡献权利授予我们。有关详细信息，请访问 https://cla.opensource.microsoft.com。
当您提交拉取请求时，CLA 机器人会自动判断您是否需要签署 CLA，并相应地标记您的 PR（例如状态检查、评论）。只需按照机器人提供的指示操作即可。对于所有使用我们 CLA 的仓库，您只需完成一次此流程。
本项目采用了微软开源行为准则。如需更多信息，请参阅行为准则常见问题解答，或发送电子邮件至opencode@microsoft.com咨询更多问题或意见。
📚 商标
本项目可能包含用于标识项目、产品或服务的商标或标志。对 Microsoft 商标的授权使用须遵守并遵循Microsoft 商标与品牌指南。在本项目的修改版本中使用 Microsoft 商标或标志时，不得造成混淆或暗示 Microsoft 的赞助关系。任何第三方商标或标志的使用均应遵循相关第三方的政策。
🔔 行为准则
本项目采用了< a href="https://github.com/microsoft/AI-Dev-Gallery/blob/main/CODE_OF_CONDUCT.md">微软开源行为准则。
📢 隐私声明
该应用程序会记录基本遥测数据。有关更多信息，请阅读< a href="http://go.microsoft.com/fwlink/?LinkId=521839">Microsoft 隐私声明。
相似工具推荐
stable-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。 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。
everything-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。 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。 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
ComfyUI
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。 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。 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。
NextChat
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。 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。 NextChat 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。
ML-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。 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。
ragflow
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。 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。 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。