[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-microsoft--vscode-ai-toolkit":3,"tool-microsoft--vscode-ai-toolkit":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",140436,2,"2026-04-05T23:32:43",[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":68,"owner_location":68,"owner_email":79,"owner_twitter":80,"owner_website":81,"owner_url":82,"languages":68,"stars":83,"forks":84,"last_commit_at":85,"license":86,"difficulty_score":87,"env_os":88,"env_gpu":89,"env_ram":90,"env_deps":91,"category_tags":99,"github_topics":68,"view_count":23,"oss_zip_url":68,"oss_zip_packed_at":68,"status":16,"created_at":100,"updated_at":101,"faqs":102,"releases":131},4079,"microsoft\u002Fvscode-ai-toolkit","vscode-ai-toolkit",null,"vscode-ai-toolkit 是一款专为 Visual Studio Code 打造的 AI 智能体开发扩展包，旨在让开发者在熟悉的编码环境中一站式完成从模型探索到应用部署的全流程。它内置了 Microsoft Foundry 资源，有效解决了传统 AI 开发中环境切换频繁、工具链分散以及调试困难等痛点。\n\n无论是希望快速验证想法的开发者，还是需要深入优化模型的研究人员，都能从中受益。该工具支持连接 Anthropic、OpenAI、Google 及本地 Ollama 等多种模型源，提供直观的“模型目录”进行对比评测，并通过“游乐场”实现实时交互测试。其核心亮点在于强大的“智能体构建器”与“智能体检查器”：前者支持无代码提示词工程与 MCP 工具集成，后者则允许用户像调试普通代码一样，对 AI 智能体进行断点调试、流式响应可视化及多智能体工作流追踪。此外，它还涵盖了模型微调、量化转换及自动化评估等功能，帮助用户高效打造生产级 AI 应用，让智能体开发变得既专业又轻松。","# AI Toolkit for Visual Studio Code\n\n![Feature Highlight](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_vscode-ai-toolkit_readme_8c96c8e20bb1.png)\n\n## 🤖 What is AI Toolkit\n\nAI Toolkit is an **extension pack** for Visual Studio Code that makes AI agent development fast and delightful. It ships with the [Microsoft Foundry](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fmicrosoft-foundry-for-vscode) extension built-in, giving you direct access to Microsoft Foundry resources—deploy models, manage agents, and more—without leaving VS Code.\n\nWith AI Toolkit you can:\n\n- 🔍 **Discover and evaluate models** from a wide range of providers—Microsoft Foundry, Foundry Local, Anthropic, OpenAI, GitHub, Google, NVIDIA NIM—or run models locally with ONNX and Ollama.\n- ⚡ **Build, test, and deploy AI agents** using a no-code Agent Builder for prompt agents, or write code-based hosted agents with full debugging, streaming visualization, and MCP tool integrations.\n\n### ✨ Feature highlights\n\n| Feature | Description | Screenshot |\n|---------|-------------|------------|\n| [Model Catalog](https:\u002F\u002Fcode.visualstudio.com\u002Fdocs\u002Fintelligentapps\u002Fmodels) | Discover and access AI models from multiple sources including Microsoft Foundry, Foundry Local, GitHub, ONNX, Ollama, OpenAI, Anthropic, and Google. Compare models side-by-side and find the perfect fit for your use case. | ![Screenshot showing the AI Toolkit Model Catalog interface with various AI model options](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_vscode-ai-toolkit_readme_a9dab9c5afa5.png) |\n| [Playground](https:\u002F\u002Fcode.visualstudio.com\u002Fdocs\u002Fintelligentapps\u002Fplayground) | Interactive chat environment for real-time model testing. Experiment with different prompts, parameters, and multi-modal inputs including images and attachments. | ![Screenshot showing the AI Toolkit Playground interface with chat messaging and model parameter controls](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_vscode-ai-toolkit_readme_8bbcb985142d.png) |\n| [Agent Builder](https:\u002F\u002Fcode.visualstudio.com\u002Fdocs\u002Fintelligentapps\u002Fagentbuilder) | Streamlined prompt engineering and agent development workflow. Create sophisticated prompts, integrate MCP tools, and generate production-ready code with structured outputs. | ![Screenshot showing the Agent Builder interface for creating and managing AI agents](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_vscode-ai-toolkit_readme_caa79d250334.png) |\n| [Agent Inspector](https:\u002F\u002Faka.ms\u002FAIToolkit\u002Fdoc\u002Ftest-tool) | Debug, visualize, and iterate on AI agents directly within VS Code. Press F5 to launch with full debugger support, view real-time streaming responses, and visualize multi-agent workflow execution with code navigation. | ![Screenshot showing the Agent Inspector interface for debugging and visualizing AI agents](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_vscode-ai-toolkit_readme_710fcd77dc26.png) |\n| [Model Evaluation](https:\u002F\u002Fcode.visualstudio.com\u002Fdocs\u002Fintelligentapps\u002Fevaluation) | Comprehensive model assessment using datasets and standard metrics. Measure performance with built-in evaluators (F1 score, relevance, similarity, coherence) or create custom evaluation criteria. | ![Screenshot showing the Model Evaluation interface with metrics and performance analysis tools](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_vscode-ai-toolkit_readme_5c9333150790.png) |\n| [Fine-tuning](https:\u002F\u002Fcode.visualstudio.com\u002Fdocs\u002Fintelligentapps\u002Ffinetune) | Customize and adapt models for specific domains and requirements. Train models locally with GPU support or leverage Azure Container Apps for cloud-based fine-tuning. | ![Screenshot showing the Fine-tuning interface with model adaptation and training controls](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_vscode-ai-toolkit_readme_e68d3a7199b5.png) |\n| [Model Conversion](https:\u002F\u002Fcode.visualstudio.com\u002Fdocs\u002Fintelligentapps\u002Fmodelconversion) | Convert, quantize, and optimize machine learning models for local deployment. Transform models from Hugging Face and other sources to run efficiently on Windows with CPU, GPU, or NPU acceleration. | ![Screenshot showing the Model Conversion interface with tools for optimizing and transforming AI models](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_vscode-ai-toolkit_readme_984380693698.png) |\n| [Tracing](https:\u002F\u002Fcode.visualstudio.com\u002Fdocs\u002Fintelligentapps\u002Ftracing) | Monitor and analyze the performance of your AI applications. Collect and visualize trace data to gain insights into model behavior and performance. | ![Screenshot showing the Tracing interface with tools for monitoring AI applications](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_vscode-ai-toolkit_readme_a5b3960bb2d9.png) |\n| [Profiling (Windows ML)](https:\u002F\u002Fcode.visualstudio.com\u002Fdocs\u002Fintelligentapps\u002Fprofiling) | Diagnose the CPU, GPU, NPU resource usages of the process, ONNX model on different execution providers, and Windows Machine Learning events. | ![Screenshot showing the Profiling interface with tools for diagnosing resource usage and performance of AI applications](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_vscode-ai-toolkit_readme_a611a80776e2.png) |\n\n## 🚀 Getting started\n\nGet up and running to interact with a model in three steps:\n\n1. 📦 **Install** — Follow the [installation guide](https:\u002F\u002Fcode.visualstudio.com\u002Fdocs\u002Fintelligentapps\u002Foverview#_install-and-setup) to set up AI Toolkit on your device.\n2. 🗂️ **Explore models** — Open the extension tree view → **Developer Tools** → **Discover** → **Model Catalog**. We recommend starting with models hosted by GitHub.\n3. 💬 **Try it out** — Select **Try in Playground** on any model card to start experimenting right away.\n\n## 🛠️ Build AI agents\n\nAI Toolkit gives you two paths to build AI agents—pick the one that fits your workflow:\n\n### 🖱️ No-code: Agent Builder (Prompt Agents)\n\nUse the [Agent Builder](https:\u002F\u002Fcode.visualstudio.com\u002Fdocs\u002Fintelligentapps\u002Fagentbuilder) to create, test, and deploy prompt agents through a visual interface—no code required.\n\n- ✨ Generate and improve prompts with natural language, or let **Inspire Me** draft a starting point\n- 🔁 Iterate and refine prompts based on real-time model responses in the integrated Playground\n- 🧩 Extend your agent with tools from the Tool Catalog or custom function calling\n- 📊 Evaluate accuracy and performance with built-in or custom metrics\n- 💡 Export production-ready code snippets for rapid app integration\n\n### 🧑‍💻 Code-based: Hosted Agents (VS Code + GitHub Copilot)\n\nBuild single-agent or multi-agent workflows in code using the [Agent Framework SDK](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fagent-framework), with full debugging and deployment support.\n\n- 🏗️ **Code Generation** — Scaffold hosted agent code or orchestrate multi-agent workflows with GitHub Copilot\n- 🔬 **[Agent Inspector](https:\u002F\u002Faka.ms\u002FAIToolkit\u002Fdoc\u002Ftest-tool)** — Press F5 to launch with breakpoints, real-time streaming, workflow visualization, and one-click code navigation\n- ☁️ **Cloud Deployment** — Deploy hosted agents to Microsoft Foundry\n- 📈 **Observability** — Trace agent execution locally or evaluate performance with built-in and custom metrics\n\n## 💬 Feedback and resources\n\nWe'd love to hear from you! Your feedback helps shape our roadmap.\n\n- 📖 [Developer documentation](https:\u002F\u002Faka.ms\u002FAIToolkit\u002Fdoc) — explore all features in depth\n- 🐛 [GitHub Issues](https:\u002F\u002Faka.ms\u002FAIToolkit\u002Ffeedback) — report bugs or suggest new features\n- 💬 [Discord community](https:\u002F\u002Faka.ms\u002Fazureaifoundry\u002Fdiscord) — connect with fellow developers\n\nAI Toolkit ❤️ Developer Community.\n\n## 📊 Data and telemetry\n\nAI Toolkit for Visual Studio Code collects usage data and sends it to Microsoft to help improve our products and services. Read our [privacy statement](https:\u002F\u002Fgo.microsoft.com\u002Ffwlink\u002F?LinkId=521839) to learn more. This extension respects the `telemetry.enableTelemetry` setting—learn more at [disable telemetry reporting](https:\u002F\u002Fcode.visualstudio.com\u002Fdocs\u002Fsupporting\u002Ffaq#_how-to-disable-telemetry-reporting).\n","# 适用于 Visual Studio Code 的 AI 工具包\n\n![功能亮点](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_vscode-ai-toolkit_readme_8c96c8e20bb1.png)\n\n## 🤖 什么是 AI 工具包\n\nAI 工具包是 Visual Studio Code 的一个 **扩展包**，旨在让 AI 代理开发既快速又愉悦。它内置了 [Microsoft Foundry](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fmicrosoft-foundry-for-vscode) 扩展，使您无需离开 VS Code 即可直接访问 Microsoft Foundry 资源——部署模型、管理代理等。\n\n借助 AI 工具包，您可以：\n\n- 🔍 **发现并评估模型**：来自众多提供商的模型，包括 Microsoft Foundry、Foundry Local、Anthropic、OpenAI、GitHub、Google、NVIDIA NIM；或者使用 ONNX 和 Ollama 在本地运行模型。\n- ⚡ **构建、测试和部署 AI 代理**：通过无代码的代理构建器创建提示词代理，或编写基于代码的托管代理，享受完整的调试功能、流式可视化以及与 MCP 工具的集成。\n\n### ✨ 功能亮点\n\n| 功能 | 描述 | 截图 |\n|---------|-------------|------------|\n| [模型目录](https:\u002F\u002Fcode.visualstudio.com\u002Fdocs\u002Fintelligentapps\u002Fmodels) | 发现并访问来自多个来源的 AI 模型，包括 Microsoft Foundry、Foundry Local、GitHub、ONNX、Ollama、OpenAI、Anthropic 和 Google。并排比较模型，找到最适合您用例的模型。 | ![展示 AI 工具包模型目录界面的截图，包含多种 AI 模型选项](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_vscode-ai-toolkit_readme_a9dab9c5afa5.png) |\n| [游乐场](https:\u002F\u002Fcode.visualstudio.com\u002Fdocs\u002Fintelligentapps\u002Fplayground) | 用于实时模型测试的交互式聊天环境。尝试不同的提示、参数以及包括图像和附件在内的多模态输入。 | ![展示 AI 工具包游乐场界面的截图，包含聊天消息和模型参数控制](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_vscode-ai-toolkit_readme_8bbcb985142d.png) |\n| [代理构建器](https:\u002F\u002Fcode.visualstudio.com\u002Fdocs\u002Fintelligentapps\u002Fagentbuilder) | 简化提示工程和代理开发流程。创建复杂的提示，集成 MCP 工具，并生成具有结构化输出的生产就绪代码。 | ![展示代理构建器界面的截图，用于创建和管理 AI 代理](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_vscode-ai-toolkit_readme_caa79d250334.png) |\n| [代理检查器](https:\u002F\u002Faka.ms\u002FAIToolkit\u002Fdoc\u002Ftest-tool) | 直接在 VS Code 中调试、可视化并迭代 AI 代理。按下 F5 键即可启动完整调试支持，查看实时流式响应，并通过代码导航可视化多代理工作流执行情况。 | ![展示代理检查器界面的截图，用于调试和可视化 AI 代理](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_vscode-ai-toolkit_readme_710fcd77dc26.png) |\n| [模型评估](https:\u002F\u002Fcode.visualstudio.com\u002Fdocs\u002Fintelligentapps\u002Fevaluation) | 使用数据集和标准指标进行全面的模型评估。利用内置评估器（F1 分数、相关性、相似性、连贯性）衡量性能，或创建自定义评估标准。 | ![展示模型评估界面的截图，包含指标和性能分析工具](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_vscode-ai-toolkit_readme_5c9333150790.png) |\n| [微调](https:\u002F\u002Fcode.visualstudio.com\u002Fdocs\u002Fintelligentapps\u002Ffinetune) | 根据特定领域和需求定制和调整模型。可在本地使用 GPU 支持进行训练，或利用 Azure 容器应用进行云端微调。 | ![展示微调界面的截图，包含模型适配和训练控件](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_vscode-ai-toolkit_readme_e68d3a7199b5.png) |\n| [模型转换](https:\u002F\u002Fcode.visualstudio.com\u002Fdocs\u002Fintelligentapps\u002Fmodelconversion) | 转换、量化和优化机器学习模型，以便在本地部署。将来自 Hugging Face 等来源的模型转换为可在 Windows 上以 CPU、GPU 或 NPU 加速高效运行的格式。 | ![展示模型转换界面的截图，包含优化和转换 AI 模型的工具](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_vscode-ai-toolkit_readme_984380693698.png) |\n| [跟踪](https:\u002F\u002Fcode.visualstudio.com\u002Fdocs\u002Fintelligentapps\u002Ftracing) | 监控和分析您的 AI 应用程序性能。收集并可视化跟踪数据，以深入了解模型行为和性能。 | ![展示跟踪界面的截图，包含监控 AI 应用程序的工具](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_vscode-ai-toolkit_readme_a5b3960bb2d9.png) |\n| [性能剖析（Windows ML）](https:\u002F\u002Fcode.visualstudio.com\u002Fdocs\u002Fintelligentapps\u002Fprofiling) | 诊断进程的 CPU、GPU、NPU 资源使用情况，不同执行提供者的 ONNX 模型，以及 Windows 机器学习事件。 | ![展示性能剖析界面的截图，包含诊断资源使用和 AI 应用程序性能的工具](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_vscode-ai-toolkit_readme_a611a80776e2.png) |\n\n## 🚀 开始使用\n\n只需三步即可开始与模型互动：\n\n1. 📦 **安装** — 按照[安装指南](https:\u002F\u002Fcode.visualstudio.com\u002Fdocs\u002Fintelligentapps\u002Foverview#_install-and-setup)在您的设备上设置 AI 工具包。\n2. 🗂️ **探索模型** — 打开扩展树视图 → **开发者工具** → **发现** → **模型目录**。我们建议从 GitHub 托管的模型开始。\n3. 💬 **试用** — 在任何模型卡片上选择 **在游乐场中试用**，即可立即开始实验。\n\n## 🛠️ 构建 AI 代理\n\nAI 工具包为您提供两种构建 AI 代理的方式，请根据您的工作流程选择适合的一种：\n\n### 🖱️ 无代码：代理构建器（提示词代理）\n\n使用[代理构建器](https:\u002F\u002Fcode.visualstudio.com\u002Fdocs\u002Fintelligentapps\u002Fagentbuilder)，通过可视化界面创建、测试和部署提示词代理——无需编写代码。\n\n- ✨ 使用自然语言生成和改进提示，或让“启发我”为您起草起点\n- 🔁 基于集成游乐场中的实时模型响应迭代和完善提示\n- 🧩 使用工具目录中的工具或自定义函数调用来扩展您的代理\n- 📊 使用内置或自定义指标评估准确性和性能\n- 💡 导出生产就绪的代码片段，以便快速集成到应用程序中\n\n### 🧑‍💻 基于代码：托管代理（VS Code + GitHub Copilot）\n\n使用 [Agent Framework SDK](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fagent-framework)，通过代码构建单代理或多代理工作流，并获得完整的调试和部署支持。\n\n- 🏗️ **代码生成** — 使用 GitHub Copilot 搭建托管代理代码框架或编排多代理工作流\n- 🔬 **[Agent Inspector](https:\u002F\u002Faka.ms\u002FAIToolkit\u002Fdoc\u002Ftest-tool)** — 按下 F5 键即可启动，支持断点调试、实时流式输出、工作流可视化以及一键跳转代码\n- ☁️ **云端部署** — 将托管代理部署至 Microsoft Foundry\n- 📈 **可观测性** — 在本地跟踪代理执行过程，或利用内置及自定义指标评估性能\n\n## 💬 反馈与资源\n\n我们非常期待您的反馈！您的意见将帮助我们规划产品路线图。\n\n- 📖 [开发者文档](https:\u002F\u002Faka.ms\u002FAIToolkit\u002Fdoc) — 深入了解所有功能\n- 🐛 [GitHub Issues](https:\u002F\u002Faka.ms\u002FAIToolkit\u002Ffeedback) — 提交 Bug 或提出新功能建议\n- 💬 [Discord 社区](https:\u002F\u002Faka.ms\u002Fazureaifoundry\u002Fdiscord) — 与同行开发者交流互动\n\nAI Toolkit ❤️ 开发者社区。\n\n## 📊 数据与遥测\n\n适用于 Visual Studio Code 的 AI Toolkit 会收集使用数据并发送至 Microsoft，以帮助改进我们的产品和服务。请阅读我们的 [隐私声明](https:\u002F\u002Fgo.microsoft.com\u002Ffwlink\u002F?LinkId=521839) 了解更多。此扩展尊重 `telemetry.enableTelemetry` 设置——更多信息请参阅 [禁用遥测报告](https:\u002F\u002Fcode.visualstudio.com\u002Fdocs\u002Fsupporting\u002Ffaq#_how-to-disable-telemetry-reporting)。","# VS Code AI Toolkit 快速上手指南\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、macOS 或 Linux。\n    *   *注：部分高级功能（如 Windows ML 性能分析、NPU 加速模型转换）仅在 Windows 平台上可用。*\n*   **核心软件**：已安装 [Visual Studio Code](https:\u002F\u002Fcode.visualstudio.com\u002F) (推荐最新版本)。\n*   **前置依赖**（可选，视需求而定）：\n    *   **本地运行模型**：若需本地运行大模型，建议预先安装 [Ollama](https:\u002F\u002Follama.com\u002F) 或配置好 ONNX Runtime 环境。\n    *   **云端部署**：若需使用 Microsoft Foundry 进行云端部署，需拥有有效的 Azure 账号并登录。\n    *   **代码开发**：若进行代码级 Agent 开发，建议安装 [GitHub Copilot] 扩展以获得最佳体验。\n\n## 安装步骤\n\n1.  **启动 VS Code**。\n2.  **打开扩展面板**：\n    *   点击左侧活动栏的扩展图标，或使用快捷键 `Ctrl+Shift+X` (Windows\u002FLinux) \u002F `Cmd+Shift+X` (macOS)。\n3.  **搜索并安装**：\n    *   在搜索框输入 `AI Toolkit`。\n    *   找到由 **Microsoft** 发布的 **\"AI Toolkit for Visual Studio Code\"**。\n    *   点击 **Install** 按钮。\n    *   *该扩展包内置了 Microsoft Foundry 扩展，安装后无需额外配置即可访问相关资源。*\n\n> **提示**：国内用户若访问 VS Code 扩展市场较慢，可配置国内镜像源或使用离线 `.vsix` 包安装。\n\n## 基本使用\n\n只需三步即可开始与 AI 模型交互：\n\n### 1. 探索模型目录\n安装完成后，点击左侧活动栏的 **Developer Tools** (开发者工具) 图标（通常位于底部或侧边栏），依次选择：\n`Discover` -> `Model Catalog`。\n\n在这里您可以浏览来自 Microsoft Foundry、GitHub、Hugging Face、Ollama、OpenAI 等多源的模型。建议初学者从 **GitHub hosted models** 开始尝试。\n\n### 2. 进入游乐场 (Playground)\n在模型列表中找到任意感兴趣的模型卡片，点击 **Try in Playground** 按钮。\n这将打开一个交互式聊天窗口，您可以：\n*   输入提示词 (Prompt) 进行测试。\n*   调整温度 (Temperature)、最大令牌数等参数。\n*   上传图片或附件进行多模态测试。\n\n### 3. 构建您的第一个 Agent (无代码模式)\n若想快速创建智能体而无需编写代码：\n1.  在侧边栏找到 **Agent Builder**。\n2.  使用自然语言描述您的需求，或利用 **Inspire Me** 功能生成初始提示词。\n3.  在集成的 Playground 中实时预览效果并迭代优化。\n4.  满意后，可直接导出生产级别的代码片段用于集成。\n\n---\n*更多高级功能（如代码级 Agent 调试、模型微调、性能分析等）请参考官方开发者文档。*","某初创团队正在开发一款基于本地知识库的法律咨询 AI 助手，需要在有限算力下快速验证模型效果并部署代理。\n\n### 没有 vscode-ai-toolkit 时\n- **模型选型困难**：开发者需手动切换多个网页终端（如 Hugging Face、Ollama CLI）来测试不同厂商的模型，无法直观对比响应速度与准确性。\n- **调试过程黑盒**：编写代码型 Agent 时，缺乏可视化流式输出和多步执行追踪，排查逻辑错误只能依靠打印日志，效率极低。\n- **评估标准缺失**：难以量化模型在法律条文检索中的表现，缺乏内置的 F1 分数或相关性指标，导致优化方向模糊。\n- **部署流程割裂**：从本地原型到云端部署需要重写大量配置代码，且无法直接在 IDE 中管理 Azure 资源，上下文频繁切换。\n\n### 使用 vscode-ai-toolkit 后\n- **一站式模型目录**：直接在侧边栏调用 Model Catalog，并行对比 Microsoft Foundry、Ollama 及 Anthropic 等模型在相同提示词下的表现，瞬间锁定最佳基座。\n- **可视化智能调试**：利用 Agent Inspector 按 F5 启动调试，实时查看多智能体协作的思维链流转与工具调用细节，像调试普通代码一样定位 AI 逻辑漏洞。\n- **量化性能评估**：通过内置的 Model Evaluation 功能，上传法律问答数据集，自动生成相关性、连贯性等评分报表，用数据驱动模型迭代。\n- **无缝构建部署**：借助 Agent Builder 无代码生成提示工程模板，并直接调用集成的 Microsoft Foundry 扩展将训练好的代理一键部署至云端，全程无需离开 VS Code。\n\nvscode-ai-toolkit 将原本分散、黑盒的 AI 开发流程整合为可视化的闭环工作流，让开发者能专注于业务逻辑而非基础设施搭建。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_vscode-ai-toolkit_8c96c8e2.png","microsoft","Microsoft","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fmicrosoft_4900709c.png","Open source projects and samples from Microsoft","opensource@microsoft.com","OpenAtMicrosoft","https:\u002F\u002Fopensource.microsoft.com","https:\u002F\u002Fgithub.com\u002Fmicrosoft",1944,218,"2026-04-03T03:25:56","MIT",1,"Windows, macOS, Linux","非必需（支持 CPU 运行）。若进行本地微调或模型转换，需支持 GPU 或 NPU 加速；具体型号、显存及 CUDA 版本未说明。","未说明",{"notes":92,"python":90,"dependencies":93},"该工具是 Visual Studio Code 的扩展包，核心功能依赖 VS Code 环境。支持通过 Ollama 和 ONNX 在本地运行模型，也可连接云端服务（如 Microsoft Foundry, OpenAI 等）。本地微调功能支持使用 Azure Container Apps 进行云端训练，或在本地利用 GPU\u002FNPU 加速。模型转换功能专为 Windows 优化，支持将 Hugging Face 模型转换为本地高效运行格式。",[94,95,96,97,98],"Visual Studio Code","Microsoft Foundry Extension","ONNX Runtime","Ollama","Agent Framework SDK",[26,13,15,53],"2026-03-27T02:49:30.150509","2026-04-06T09:14:02.908221",[103,108,113,118,123,127],{"id":104,"question_zh":105,"answer_zh":106,"source_url":107},18582,"为什么我的 NPU 模型（如 Phi-4 或 QNN）在首次运行后失败或无法加载？","这通常是由于驱动程序过旧或缺少底层系统更新导致的。解决方案包括：\n1. 更新 Windows 11 系统和 NPU 驱动程序。\n2. 检查并安装设备制造商（如 Lenovo）提供的底层硬件更新（System Hardware Update）。\n3. 确保安装了最新版本的 AI Toolkit 扩展。\n许多用户反馈，在安装完特定的系统硬件更新并重启后，NPU 优化模型即可正常工作。","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fvscode-ai-toolkit\u002Fissues\u002F204",{"id":109,"question_zh":110,"answer_zh":111,"source_url":112},18583,"配置自定义模型（如 OpenRouter）时，为什么会出现 404 错误或 URL 被截断？","这是因为 Playground 内部使用的 OpenAI 客户端会自动处理路径拼接。如果在配置 `chat_completion_url` 时已经包含了 `\u002Fapi\u002Fv1` 或其他路径后缀，可能会导致最终请求的 URL 错误。\n解决方案：在配置自定义模型时，请尝试将 URL 设置为不带末尾斜杠的基础地址，或者根据报错情况，手动在 URL 末尾追加 `\u002Fchat\u002Fcompletions`。例如，如果原地址是 `https:\u002F\u002Fsome-server\u002Fpath`，尝试将其配置为 `https:\u002F\u002Fsome-server\u002Fpath\u002Fchat\u002Fcompletions`。同时，确保模型名称没有进行错误的 URL 编码。","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fvscode-ai-toolkit\u002Fissues\u002F231",{"id":114,"question_zh":115,"answer_zh":116,"source_url":117},18584,"在 Agent Builder 中运行 AI 辅助评估时遇到 Import error 或包冲突错误怎么办？","该错误通常是由用户全局环境（user site-packages）中存在冲突的包引起的，特别是 `promptflow` 和 `opentelemetry` 版本不兼容。\n解决方案：\n1. 检查并卸载用户目录下的冲突包。可以使用命令卸载全局安装的 `promptflow` 和 `opentelemetry`。\n2. 确保评估运行时使用的是扩展自带的独立 Python 环境，而不是受污染的全局环境。\n用户反馈移除这些冲突包后，评估功能即可恢复正常。","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fvscode-ai-toolkit\u002Fissues\u002F303",{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},18585,"QNN 执行提供者报错“找不到实现” (Could not find an implementation) 如何解决？","此错误表明当前的 NPU 驱动或运行时环境不支持模型所需的特定操作节点。\n建议步骤：\n1. 确认您的 NPU 型号和驱动程序版本是否与模型要求匹配。\n2. 尝试重新安装 Windows 11 或执行干净的驱动安装。\n3. 如果问题仅在旧版本中出现，请升级到最新的 AI Toolkit 预发布版本或正式版，因为新版本可能包含修复。\n注意：如果重装后仅第一次提示成功，后续仍失败，极大概率是驱动层面的兼容性问题，需等待厂商驱动更新。","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fvscode-ai-toolkit\u002Fissues\u002F151",{"id":124,"question_zh":125,"answer_zh":126,"source_url":107},18586,"如何在本地利用 NPU 运行大语言模型（LLM）？","您可以使用支持 NPU 优化的模型（如 meta-llama-3.2 或 Phi-4 的 QNN 版本）配合 AI Toolkit 扩展。\n推荐工具：\n1. 使用 AnythingLLM 等工具，它们已针对本地 NPU 运行进行了优化。\n2. 确保安装了 Qualcomm 提供的最新驱动和运行时库。\n3. 在 VS Code 的 AI Toolkit 中选择带有 `-qnn` 后缀的模型版本，这些版本专为高通 NPU 设计。\n参考资源：Qualcomm 官方 YouTube 频道有关于使用 AnythingLLM 和本地 LLM 的详细教程。",{"id":128,"question_zh":129,"answer_zh":130,"source_url":112},18587,"自定义模型配置中的 `base_url` 应该如何正确填写以避免连接错误？","Playground 使用标准的 OpenAI Python 客户端发起请求。该客户端在处理 URL 时有特定的行为（如自动添加斜杠）。\n最佳实践：\n1. 如果您的服务端点标准路径是 `https:\u002F\u002Fserver.com\u002Fapi\u002Fv1\u002Fchat\u002Fcompletions`，在配置 `chat_completion_url` 时，可能需要填写 `https:\u002F\u002Fserver.com\u002Fapi\u002Fv1` 或直接填写完整路径，具体取决于扩展版本的解析逻辑。\n2. 如果收到 404 错误，尝试手动在配置的 URL 后追加 `\u002Fchat\u002Fcompletions`。\n3. 避免在 URL 末尾保留多余的斜杠 `\u002F`，除非服务端明确要求。\n可以通过编写一个简单的 Python 脚本使用 `openai` 库测试您的 URL 和 API Key 是否连通，以此来确定正确的 `base_url` 格式。",[]]