[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-microsoft--prose":3,"tool-microsoft--prose":61},[4,18,28,36,45,53],{"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":24,"last_commit_at":25,"category_tags":26,"status":17},9989,"n8n","n8n-io\u002Fn8n","n8n 是一款面向技术团队的公平代码（fair-code）工作流自动化平台，旨在让用户在享受低代码快速构建便利的同时，保留编写自定义代码的灵活性。它主要解决了传统自动化工具要么过于封闭难以扩展、要么完全依赖手写代码效率低下的痛点，帮助用户轻松连接 400 多种应用与服务，实现复杂业务流程的自动化。\n\nn8n 特别适合开发者、工程师以及具备一定技术背景的业务人员使用。其核心亮点在于“按需编码”：既可以通过直观的可视化界面拖拽节点搭建流程，也能随时插入 JavaScript 或 Python 代码、调用 npm 包来处理复杂逻辑。此外，n8n 原生集成了基于 LangChain 的 AI 能力，支持用户利用自有数据和模型构建智能体工作流。在部署方面，n8n 提供极高的自由度，支持完全自托管以保障数据隐私和控制权，也提供云端服务选项。凭借活跃的社区生态和数百个现成模板，n8n 让构建强大且可控的自动化系统变得简单高效。",184740,2,"2026-04-19T23:22:26",[16,14,13,15,27],"插件",{"id":29,"name":30,"github_repo":31,"description_zh":32,"stars":33,"difficulty_score":10,"last_commit_at":34,"category_tags":35,"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":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":24,"last_commit_at":42,"category_tags":43,"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",161147,"2026-04-19T23:31:47",[14,13,44],"语言模型",{"id":46,"name":47,"github_repo":48,"description_zh":49,"stars":50,"difficulty_score":24,"last_commit_at":51,"category_tags":52,"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。",109154,"2026-04-18T11:18:24",[14,15,13],{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":24,"last_commit_at":59,"category_tags":60,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[27,13,15,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":76,"owner_email":77,"owner_twitter":78,"owner_website":79,"owner_url":80,"languages":81,"stars":98,"forks":99,"last_commit_at":100,"license":101,"difficulty_score":102,"env_os":103,"env_gpu":104,"env_ram":104,"env_deps":105,"category_tags":108,"github_topics":111,"view_count":24,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":120,"updated_at":121,"faqs":122,"releases":153},9883,"microsoft\u002Fprose","prose","Microsoft Program Synthesis using Examples SDK is a framework of technologies for the automatic generation of programs from input-output examples. This repo includes samples and sample data for the Microsoft Program Synthesis using Example SDK.","Prose（Microsoft Program Synthesis using Examples SDK）是一套由微软开发的技术框架，旨在通过输入 - 输出示例自动生成计算机程序。它的核心理念是“示例编程”：用户只需提供几个具体的数据变换案例，系统便能自动推导出背后的逻辑并生成可执行代码，从而将复杂的编码过程转化为直观的数据演示。\n\n这一工具主要解决了传统编程中语法门槛高、重复性数据处理繁琐以及领域专家难以直接将业务逻辑转化为代码的痛点。它特别适用于开发者、研究人员以及需要处理特定数据转换任务的领域专家。对于开发者而言，Prose 提供了强大的底层能力，支持通过自定义领域特定语言（DSL）来构建专用的程序合成解决方案，官方仓库中包含了从 API 调用到 DSL 编写的丰富教程与示例，甚至涵盖了合并冲突解决等高级场景。\n\nProse 的独特技术亮点在于其强大的归纳推理引擎，能够从少量样本中精准泛化出通用规则。不过需要注意的是，微软已于 2025 年 10 月宣布停止发布该 SDK 的新版本，现有资源更适合用于学习程序合成原理、维护既有项目或作为研究参考，而非开启全新的长期商业依赖。","# Microsoft Program Synthesis using Examples SDK\n\n**IMPORTANT: As of October 14, 2025, we have stopped releasing new versions of the PROSE SDK.**\n\nThe Program Synthesis using Examples (PROSE) SDK includes a set of technologies for the automatic generation of programs\nfrom input-output examples. This repo includes samples, release notes, and some other miscellaneous projects related to\nthe Microsoft PROSE SDK.\n\nThe samples are split into two categories:\n\n- Samples for using existing PROSE DSL APIs to accomplish tasks in\n  [api-samples\u002Fapi-samples.sln](api-samples\u002Fapi-samples.sln). \n- Samples for creating program synthesis solutions using the PROSE SDK by authoring a DSL in the\n  [dsl-samples](dsl-samples) directory:\n  - [DSL authoring tutorial](dsl-samples\u002Ftutorial)\n  - [ProseSample](dsl-samples\u002FProseSample\u002FProseSample.sln)\n  - [DSL for merge conflict resolution](dsl-samples\u002FMergeConflictsResolution\u002FMergeConflictsResolution.sln)\n\nYou can find guides for some of these sample projects and other information about the PROSE project here:\n[https:\u002F\u002Faka.ms\u002Fprose\u002F](https:\u002F\u002Faka.ms\u002Fprose\u002F)\n\n## Contributing\n\nThe source of truth for all the information in this repository is actually an internal Microsoft repository, and any\nchanges made here are at risk of being overwritten by future public releases from the PROSE team.  If you detect issues\nwith any of the samples or other things in this repo, please [open an issue](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fprose\u002Fissues),\nand someone from the PROSE team will work with you to see that the problem is addressed.\n\n---\nThis project has adopted the [Microsoft Open Source Code of Conduct](https:\u002F\u002Fopensource.microsoft.com\u002Fcodeofconduct\u002F).\nFor more information see the [Code of Conduct FAQ](https:\u002F\u002Fopensource.microsoft.com\u002Fcodeofconduct\u002Ffaq\u002F) or contact\n[opencode@microsoft.com](mailto:opencode@microsoft.com) with any additional questions or comments.\n","# Microsoft 示例驱动的程序合成 SDK\n\n**重要提示：自2025年10月14日起，我们已停止发布 PROSE SDK 的新版本。**\n\n示例驱动的程序合成（PROSE）SDK 包含一套技术，用于根据输入-输出示例自动生成程序。本仓库包含与 Microsoft PROSE SDK 相关的示例、发行说明以及其他一些杂项项目。\n\n这些示例分为两类：\n\n- 用于使用现有 PROSE DSL API 完成任务的示例，位于 [api-samples\u002Fapi-samples.sln](api-samples\u002Fapi-samples.sln)。\n- 用于通过在 [dsl-samples](dsl-samples) 目录中编写 DSL 来构建程序合成解决方案的示例：\n  - [DSL 编写教程](dsl-samples\u002Ftutorial)\n  - [ProseSample](dsl-samples\u002FProseSample\u002FProseSample.sln)\n  - [用于合并冲突解决的 DSL](dsl-samples\u002FMergeConflictsResolution\u002FMergeConflictsResolution.sln)\n\n您可以在以下链接找到部分示例项目的指南以及有关 PROSE 项目的其他信息：\n[https:\u002F\u002Faka.ms\u002Fprose\u002F](https:\u002F\u002Faka.ms\u002Fprose\u002F)\n\n## 贡献\n\n本仓库中所有信息的真实来源实际上是微软内部的一个仓库，此处所做的任何更改都有可能被 PROSE 团队未来的公开发布所覆盖。如果您发现本仓库中的任何示例或其他内容存在问题，请 [提交一个问题](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fprose\u002Fissues)，PROSE 团队的成员将与您合作，确保问题得到解决。\n\n---\n本项目已采用 [Microsoft 开源行为准则](https:\u002F\u002Fopensource.microsoft.com\u002Fcodeofconduct\u002F)。如需更多信息，请参阅 [行为准则常见问题解答](https:\u002F\u002Fopensource.microsoft.com\u002Fcodeofconduct\u002Ffaq\u002F) 或发送电子邮件至 [opencode@microsoft.com](mailto:opencode@microsoft.com) 咨询更多问题或意见。","# PROSE SDK 快速上手指南\n\n> **重要提示**：微软已于 2025 年 10 月 14 日停止发布 PROSE SDK 的新版本。本指南基于现有稳定版本编写，适用于学习和维护现有项目。\n\nPROSE (Program Synthesis using Examples) 是一个通过输入 - 输出示例自动生成程序的 SDK。它允许开发者定义领域特定语言 (DSL)，从而实现智能代码生成、数据转换或冲突解决等功能。\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 10\u002F11 或 Linux (需安装 .NET 运行时)。\n*   **核心框架**: **.NET SDK 6.0** 或更高版本（推荐 .NET 8）。\n    *   下载地址：[https:\u002F\u002Fdotnet.microsoft.com\u002Fdownload](https:\u002F\u002Fdotnet.microsoft.com\u002Fdownload)\n    *   *国内加速*: 如遇下载缓慢，可尝试使用清华大学镜像源配置环境变量或直接下载离线安装包。\n*   **开发工具**: \n    *   Visual Studio 2022 (推荐，需安装 \".NET 桌面开发\" 工作负载)\n    *   或 VS Code + C# Dev Kit 扩展\n*   **版本控制**: Git\n\n## 安装步骤\n\n由于 PROSE SDK 主要通过源码示例提供，推荐使用 Git 克隆官方仓库并构建示例项目。\n\n1.  **克隆仓库**\n    打开终端，执行以下命令获取源代码：\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fprose.git\n    cd prose\n    ```\n\n2.  **构建示例项目**\n    进入示例解决方案目录并还原依赖：\n    ```bash\n    # 构建 API 使用示例\n    dotnet build api-samples\u002Fapi-samples.sln\n\n    # 或者构建 DSL 创作示例（适合自定义合成逻辑）\n    dotnet build dsl-samples\u002FProseSample\u002FProseSample.sln\n    ```\n\n    *注：如果 `dotnet restore` 速度较慢，可临时配置 NuGet 国内镜像：*\n    ```bash\n    dotnet nuget add source https:\u002F\u002Fapi.nuget.org\u002Fv3\u002Findex.json -n official --configfile .\u002FNuGet.Config\n    # 建议手动编辑 NuGet.Config 添加阿里云或清华源以加速\n    ```\n\n## 基本使用\n\nPROSE 的核心工作流是：**定义 DSL -> 提供示例 -> 合成程序**。以下以 `ProseSample` 为例展示最基础的用法。\n\n### 1. 运行预置示例\n直接进入示例目录运行，观察如何从示例中推断逻辑：\n\n```bash\ncd dsl-samples\u002FProseSample\ndotnet run --project ProseSample.csproj\n```\n\n### 2. 代码调用示例 (C#)\n在您自己的项目中，可以通过引用 SDK 并编写简单的合成逻辑来使用。以下是一个概念性示例，展示如何调用合成引擎：\n\n```csharp\nusing Microsoft.ProgramSynthesis;\nusing Microsoft.ProgramSynthesis.Rules;\n\n\u002F\u002F 1. 定义你的 DSL 语法树节点 (需在 DSL 项目中预先定义)\n\u002F\u002F 2. 准备输入 - 输出示例\nvar examples = new List\u003C(string input, string output)>\n{\n    (\"john doe\", \"Doe, John\"),\n    (\"jane smith\", \"Smith, Jane\")\n};\n\n\u002F\u002F 3. 创建合成上下文并执行合成\n\u002F\u002F 注意：具体 API 取决于你定义的 DSL 类型\nvar spec = Specification.FromExamples(examples);\nvar program = Synthesizer.Solve(spec, dslGrammar);\n\n\u002F\u002F 4. 输出生成的程序\nif (program != null)\n{\n    Console.WriteLine($\"Synthesized program: {program}\");\n}\n```\n\n### 3. 进阶：自定义 DSL\n若要解决特定领域问题（如合并冲突解决），请参考 `dsl-samples\u002FMergeConflictsResolution` 目录。你需要：\n1.  使用 PROSE DSL 语言定义语法规则。\n2.  编写转换逻辑。\n3.  编译生成特定的合成器。\n\n更多详细教程和 API 文档请访问：[https:\u002F\u002Faka.ms\u002Fprose\u002F](https:\u002F\u002Faka.ms\u002Fprose\u002F)","某电商数据分析师需要每天从成千上万条杂乱的客户评论中提取“商品颜色”和“尺码”信息，并整理成标准的 JSON 格式供下游系统使用。\n\n### 没有 prose 时\n- 分析师必须手动编写复杂的正则表达式来匹配各种非标准化的描述（如“红色 L 码”、“大号的红款”），调试过程极其耗时。\n- 每当遇到新的表述变体（例如用户写成“选的是大红，尺寸 L\"），原有规则就会失效，需要反复修改代码并重新部署。\n- 团队中非技术背景的运营人员无法参与规则优化，只能被动等待开发人员排期处理新的提取需求。\n- 维护成本高昂，随着时间推移，硬编码的规则库变得臃肿不堪，极易出现遗漏或错误提取的情况。\n\n### 使用 prose 后\n- 分析师只需在界面提供几组“输入评论 - 期望 JSON\"的示例，prose 即可自动推断逻辑并生成对应的提取程序，无需手写正则。\n- 当遇到新的表述变体时，仅需补充一两个新示例，prose 能即时自动调整合成逻辑，实现秒级迭代。\n- 业务人员也能直接通过提供示例来“教”系统如何处理新数据，大幅降低了技术门槛，实现了业务与技术的协同。\n- 生成的程序具有更强的泛化能力，能够智能处理未见过的句式结构，显著提升了数据清洗的准确率和稳定性。\n\nprose 将繁琐的代码编写转化为直观的示例演示，让非程序员也能高效构建定制化的数据转换工具。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_prose_835b1ceb.png","microsoft","Microsoft","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fmicrosoft_4900709c.png","Open source projects and samples from Microsoft",null,"opensource@microsoft.com","OpenAtMicrosoft","https:\u002F\u002Fopensource.microsoft.com","https:\u002F\u002Fgithub.com\u002Fmicrosoft",[82,86,90,94],{"name":83,"color":84,"percentage":85},"C#","#178600",50,{"name":87,"color":88,"percentage":89},"Python","#3572A5",33.4,{"name":91,"color":92,"percentage":93},"Jupyter Notebook","#DA5B0B",16.1,{"name":95,"color":96,"percentage":97},"HTML","#e34c26",0.5,657,98,"2026-04-14T17:21:35","NOASSERTION",4,"","未说明",{"notes":106,"python":104,"dependencies":107},"该工具为微软程序合成示例（PROSE）SDK，主要用于基于输入输出示例自动生成程序。README 指出自 2025 年 10 月 14 日起已停止发布新版本。项目包含用于使用现有 DSL API 的示例以及用于编写自定义 DSL 的示例。源代码的真实来源是微软内部仓库，此处更改可能会被覆盖。该项目主要面向 .NET 开发环境（根据 .sln 解决方案文件推断），但 README 中未明确列出具体的操作系统、硬件配置、Python 版本或依赖库要求。",[],[109,110,14,16],"音频","视频",[112,113,64,72,114,115,116,117,118,119],"synthesis","sdk","dotnet","csharp","data-transformation","data-wrangling","program-synthesis","examples","2026-03-27T02:49:30.150509","2026-04-20T10:25:15.442608",[123,128,133,138,143,148],{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},44404,"更新到 Prose 2.0.0 时出现“无法添加对 'libz3' 的引用”错误怎么办？","该问题已在 PROSE v3.0.0 中修复，建议直接升级到最新版本。如果必须使用旧版本或在 VS 2017\u002F2015 中遇到此问题，可以通过手动修改项目配置来解决：\n1. 在 VS 2017 中，直接在 .csproj 文件中添加 PackageReference：\n\u003CPackageReference Include=\"Microsoft.ProgramSynthesis\" Version=\"2.3.0\" \u002F>\n2. 在 VS 2015 中，如果使用 packages.config，需手动添加依赖项并在 csproj 中添加 DLL 引用。\n这是 NuGet UI 与原生 z3 库组合使用时的已知问题，手动配置后可正常还原和构建。","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fprose\u002Fissues\u002F11",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},44405,"为什么在使用 look_ahead_regex 和 look_behind_regex 添加额外约束时学习失败了？","这是一个已知的 Bug，在早期版本中传递正确的正则表达式会导致学习失败。该问题已在 PROSE 1.1.0 版本中修复。请升级您的 Microsoft.ProgramSynthesis 包到 1.1.0 或更高版本即可解决此问题。","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fprose\u002Fissues\u002F7",{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},44406,"如何在 Linux 或 Mac 上构建和运行 ProseSamples 项目？","默认示例项目可能针对 .NET Framework 4.5，导致在 Linux\u002FMac 上构建失败。解决方案是使用支持 .NET Core 的分支或确保安装了正确的运行时。\n1. 可以使用维护者提供的 feature\u002Fnetcore-support 分支（或其合并后的主分支）。\n2. 如果遇到框架版本未找到的错误（如 Microsoft.NETCore.App 2.1.0），请根据报错信息安装指定的 SDK 或运行时。\n3. 建议使用 `dotnet run --verbosity minimal` 来获取更详细的错误诊断信息，默认 verbosity 为 quiet 可能会隐藏关键错误。","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fprose\u002Fissues\u002F40",{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},44407,"在 Linux 上构建 ProseSamples 时出现 'dotnet dslc' 退出代码 150 错误如何解决？","该错误通常是因为缺少兼容的 .NET Core 框架版本。例如，报错可能显示未找到 'Microsoft.NETCore.App' version '2.1.0'。\n解决方法：\n1. 运行 `dotnet run --verbosity minimal` 查看具体缺失的框架版本。\n2. 根据提示下载并安装对应的 .NET Core SDK 或 Runtime（例如 2.1.0）。\n3. 确保项目文件中的目标框架与已安装的版本匹配。该问题在 7.11.1 版本中也包含了相关修复。","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fprose\u002Fissues\u002F44",{"id":144,"question_zh":145,"answer_zh":146,"source_url":147},44408,"README 中提供的 Google Drive 数据集链接失效了，哪里可以获取数据集？","原有的 Google Drive 链接已失效。维护者已在新版本中进行了修补。您可以参考以下替代资源获取相关数据集或复现材料：\nhttps:\u002F\u002Fgithub.com\u002Fafariha\u002FConformanceConstraintsReproducibility\n建议检查项目的最新 Release 说明以获取更新后的数据下载地址。","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fprose\u002Fissues\u002F65",{"id":149,"question_zh":150,"answer_zh":151,"source_url":152},44409,"如何编写递归语法的 Witness 函数以实现递归程序合成？","要使语法递归工作，必须为递归参数正确实现 Witness 函数。Witness 函数的作用是将输出规范（Spec）映射到参数的规范（Spec）。\n常见问题是 Witness 函数未接受自定义的部分图像规范（PartialImageSpec）作为参数，导致搜索过早结束。\n解决方案步骤：\n1. 定义一个自定义 Spec 类（如 PartialImageSpec），用于表示部分匹配的图像状态（例如用特殊值表示“任意颜色”）。\n2. 重写 CorrectOnProvided 方法，逻辑需处理这些特殊值（如：10 代表除 0 外的任意颜色，-x 代表除 x 外的任意颜色）。\n3. 确保 Witness 函数能正确接收并处理这个自定义 Spec 对象，从而指导合成引擎进行递归搜索。","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fprose\u002Fissues\u002F49",[]]