[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-mikekelly--AgentK":3,"tool-mikekelly--AgentK":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",138956,2,"2026-04-05T11:33:21",[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":79,"owner_location":80,"owner_email":81,"owner_twitter":82,"owner_website":81,"owner_url":83,"languages":84,"stars":97,"forks":98,"last_commit_at":99,"license":100,"difficulty_score":10,"env_os":101,"env_gpu":102,"env_ram":102,"env_deps":103,"category_tags":108,"github_topics":81,"view_count":109,"oss_zip_url":81,"oss_zip_packed_at":81,"status":16,"created_at":110,"updated_at":111,"faqs":112,"releases":137},127,"mikekelly\u002FAgentK","AgentK","An autoagentic AGI that is self-evolving and modular.","AgentK 是一个开源的、模块化的通用人工智能（AGI）系统，它由多个协作的智能体（agents）组成，能够根据用户任务自动创建新智能体和工具，并持续自我演化。它的核心理念是“小而精”——以最小的初始智能体集合（称为“内核”）启动，随后在完成任务的过程中逐步构建自己的“心智”。AgentK 将智能体和工具以标准 Python 文件形式保存在 `agents` 和 `tools` 目录中，便于追踪进展或人工干预。\n\n它主要解决的是传统 AI 系统难以自主扩展能力的问题：面对新任务时，AgentK 能动态生成所需组件，而非依赖预设功能。目前包含 Hermes（任务协调）、AgentSmith（智能体构建）、ToolMaker（工具开发）和 WebResearcher（网络调研）四个核心智能体。\n\nAgentK 适合对 AI 自主性、多智能体系统感兴趣的开发者和研究人员使用，尤其欢迎希望参与 AGI 探索的技术社区成员。其技术亮点在于基于 LangGraph 和 LangChain 构建，并强调自测试与可观察性，所有行为均可通过代码审查和调试。运行只需 Docker，配置简单。","# Agent K\n\n[![Join the Discord](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDiscord-Join%20our%20server-5865F2?style=for-the-badge&logo=discord&logoColor=white)](https:\u002F\u002Fdiscord.gg\u002FWnvBB3Pz) [![Follow on X.com](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FX.com-Follow-1DA1F2?style=for-the-badge&logo=x&logoColor=white)](https:\u002F\u002Fx.com\u002FNicerInPerson)\n\nThe autoagentic AGI. AgentK is a self-evolving AGI made of agents that collaborate, and build new agents as needed, in order to complete tasks for a user.\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Fab36ebfd-7a9f-4f8b-a891-b8a1884a53a4\n\nTrace for above demo: https:\u002F\u002Fsmith.langchain.com\u002Fpublic\u002Fb0a0278c-f8b0-4912-966c-bd6c43954326\u002Fr\n\nAgent K is a modular, self-evolving AGI system that gradually builds its own mind as you challenge it to complete tasks.\n\nThe \"K\" stands kernel, meaning small core. The aim is for AgentK to be the minimum set of agents and tools necessary for it to bootstrap itself and then grow its own mind.\n\nAgentK's mind is made up of:\n\n1. Agents who collaborate to solve problems, and;\n2. Tools which those agents are able to use to interact with the outside world.\n\nIt develops both of these as regular python files (in the `agents` and `tools` directories) so it's very easy to track its progress, and even contribute yourself if you want.\n\n## The agents that make up the kernel\n\n- **Hermes**: The orchestrator that interacts with humans to understand goals, manage the creation and assignment of tasks, and coordinate the activities of other agents.\n- **AgentSmith**: The architect responsible for creating and maintaining other agents. AgentSmith ensures agents are equipped with the necessary tools and tests their functionality.\n- **ToolMaker**: The developer of tools within the system, ToolMaker creates and refines the tools that agents need to perform their tasks, ensuring that the system remains flexible and well-equipped.\n- **WebResearcher**: The knowledge gatherer, WebResearcher performs in-depth online research to provide the system with up-to-date information, allowing agents to make informed decisions and execute tasks effectively.\n\n## Internals\n\nAgentK is encouraged to write tests for itself. More can be done to aid with the detection and fixing of missbehaving agents and tools - this is work in progress.\n\nAgentK is built on top of the excellent LangGraph and LangChain frameworks.\n\n## How to run\n\nAgentK runs isolated in a docker container, so you need the latest docker installed on your system.\n\n1. Copy `.env.template` to `.env`\n2. Set environment variables in `.env`\n3. Run `.\u002Fagentk`\n","# Agent K\n\n[![加入 Discord](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDiscord-Join%20our%20server-5865F2?style=for-the-badge&logo=discord&logoColor=white)](https:\u002F\u002Fdiscord.gg\u002FWnvBB3Pz) [![在 X.com 上关注](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FX.com-Follow-1DA1F2?style=for-the-badge&logo=x&logoColor=white)](https:\u002F\u002Fx.com\u002FNicerInPerson)\n\n自动代理型 AGI（人工通用智能）。AgentK 是一个由多个智能体（agents）组成的自演化 AGI 系统，这些智能体相互协作，并根据需要构建新的智能体，以完成用户指定的任务。\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Fab36ebfd-7a9f-4f8b-a891-b8a1884a53a4\n\n上述演示的执行轨迹（Trace）：https:\u002F\u002Fsmith.langchain.com\u002Fpublic\u002Fb0a0278c-f8b0-4912-966c-bd6c43954326\u002Fr\n\nAgent K 是一个模块化、自演化的 AGI 系统，当你不断向它提出任务挑战时，它会逐步构建自己的“心智”。\n\n“K”代表 kernel（内核），意指其核心非常精简。目标是让 AgentK 仅包含启动自身所需的最少智能体和工具集，之后便能自主扩展其心智。\n\nAgentK 的心智由以下两部分组成：\n\n1. 协作解决问题的智能体（agents）；\n2. 这些智能体用于与外部世界交互的工具（tools）。\n\n系统会将这两部分都保存为标准的 Python 文件（分别位于 `agents` 和 `tools` 目录中），因此你可以轻松追踪其进展，甚至自行参与贡献。\n\n## 构成内核的智能体\n\n- **Hermes**：协调者，负责与人类交互以理解目标、管理任务的创建与分配，并协调其他智能体的活动。\n- **AgentSmith**：架构师，负责创建和维护其他智能体。AgentSmith 确保每个智能体配备必要的工具，并测试其功能。\n- **ToolMaker**：工具开发者，负责创建和优化系统所需的工具，确保智能体拥有灵活且完备的能力来执行任务。\n- **WebResearcher**：知识搜集者，负责进行深入的在线研究，为系统提供最新信息，使智能体能够做出明智决策并高效执行任务。\n\n## 内部机制\n\nAgentK 被鼓励为其自身编写测试。目前仍在持续改进对异常行为智能体和工具的检测与修复能力——这是正在进行的工作。\n\nAgentK 基于优秀的 LangGraph 和 LangChain 框架构建。\n\n## 如何运行\n\nAgentK 在 Docker 容器中隔离运行，因此你需要在系统中安装最新版 Docker。\n\n1. 将 `.env.template` 复制为 `.env`\n2. 在 `.env` 中设置环境变量\n3. 运行 `.\u002Fagentk`","# AgentK 快速上手指南\n\n## 环境准备\n\n- **操作系统**：Linux \u002F macOS \u002F Windows（需支持 Docker Desktop）\n- **前置依赖**：\n  - [Docker](https:\u002F\u002Fwww.docker.com\u002F)（建议使用最新稳定版）\n  - 若在国内，建议配置 [Docker 镜像加速器](https:\u002F\u002Fdocker.mirrors.ustc.edu.cn\u002F) 以提升拉取速度\n\n> 注意：AgentK 基于 LangGraph 和 LangChain 构建，所有依赖已封装在 Docker 镜像中，无需手动安装 Python 环境。\n\n## 安装步骤\n\n1. 克隆项目仓库：\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002FNicerInPerson\u002FAgentK.git\n   cd AgentK\n   ```\n\n2. 复制环境变量模板并配置：\n   ```bash\n   cp .env.template .env\n   ```\n   编辑 `.env` 文件，填入必要的 API 密钥（如 OpenAI、Serper 等）。\n\n3. 启动 AgentK：\n   ```bash\n   .\u002Fagentk\n   ```\n\n> 首次运行会自动拉取 Docker 镜像，请确保网络畅通。国内用户若拉取缓慢，可尝试替换为国内镜像源（如有提供）或使用代理。\n\n## 基本使用\n\n启动成功后，AgentK 会进入交互模式。输入你的任务目标即可，例如：\n\n```\n帮我写一个 Python 脚本，用于批量重命名当前目录下的图片文件。\n```\n\nAgentK 将自动：\n- 分析任务\n- 调用内部智能体（如 Hermes、AgentSmith 等）\n- 必要时创建新工具或智能体\n- 输出执行结果\n\n所有生成的智能体和工具将保存在 `agents\u002F` 和 `tools\u002F` 目录下，便于查看与复用。","一家跨境电商初创公司的技术负责人需要快速搭建一个能自动分析竞品定价、库存和促销策略的智能监控系统。\n\n### 没有 AgentK 时\n- 需要手动设计多个独立脚本分别处理网页抓取、数据清洗、价格比对和异常检测，开发周期长且耦合度高。\n- 每当目标电商平台改版，就得重新调试爬虫逻辑，维护成本极高。\n- 团队缺乏专职AI工程师，难以构建具备推理和决策能力的自动化分析流程。\n- 新增功能（如识别“限时折扣”或“捆绑销售”）需从头编码，无法复用已有模块。\n- 系统出错时难以定位是数据源问题、解析逻辑错误还是业务规则失效。\n\n### 使用 AgentK 后\n- AgentK 自动创建 WebResearcher 子代理抓取多平台商品页，并由 ToolMaker 动态生成适配不同站点结构的解析工具。\n- 当某电商页面结构变更时，AgentSmith 能基于错误反馈自动重构相关代理或工具，大幅降低人工干预频率。\n- Hermes 协调各代理协作完成“发现新品→跟踪价格波动→判断促销类型→生成报告”全流程，无需预设完整逻辑链。\n- 新增分析维度（如评论情感分析）只需向 AgentK 提出任务目标，它会自主扩展所需代理与工具。\n- 所有代理和工具以 Python 文件形式保存在 agents\u002F 和 tools\u002F 目录中，行为可追溯、可测试、可人工优化。\n\nAgentK 将原本需数周开发的定制化智能系统，转变为可通过自然语言指令持续演进的自生长分析引擎。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmikekelly_AgentK_f9fbdcc2.png","mikekelly","Mike Kelly","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fmikekelly_62de5b1c.jpg","I design, build, and market technology products. Originally a software engineer. Work in many different domains. Last few years focused on alternative payments.","Self employed","UK",null,"NicerInPerson","https:\u002F\u002Fgithub.com\u002Fmikekelly",[85,89,93],{"name":86,"color":87,"percentage":88},"Python","#3572A5",98.3,{"name":90,"color":91,"percentage":92},"Dockerfile","#384d54",1.4,{"name":94,"color":95,"percentage":96},"Shell","#89e051",0.3,963,148,"2026-04-02T14:24:00","MIT","Linux, macOS, Windows","未说明",{"notes":104,"python":102,"dependencies":105},"需安装最新版 Docker；运行前需复制 .env.template 为 .env 并配置环境变量；通过 .\u002Fagentk 脚本启动容器化服务。",[106,107],"LangGraph","LangChain",[15,13],5,"2026-03-27T02:49:30.150509","2026-04-06T05:36:39.948261",[113,117,122,127,132],{"id":65,"question_zh":114,"answer_zh":115,"source_url":116},"在 Windows 上构建 Docker 镜像时出现“无法定位 wget、curl、git 等包”的错误怎么办？","这是由于基础镜像缺少必要的软件包。请将 Dockerfile 替换为以下内容：\n\nFROM python:3.9-slim-bullseye\n\nRUN apt-get update && apt-get install -y \\\n    wget \\\n    curl \\\n    git \\\n    chromium-driver \\\n    ca-certificates \\\n    && rm -rf \u002Fvar\u002Flib\u002Fapt\u002Flists\u002F*\n\nWORKDIR \u002Fapp\nCOPY requirements.txt .\nRUN pip install --no-cache-dir -r requirements.txt\n\nCOPY . .\nENTRYPOINT [\"python\", \"agent_kernel.py\"]\n\n同时可参考此视频指南：https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=POGsJd2TQhk","https:\u002F\u002Fgithub.com\u002Fmikekelly\u002FAgentK\u002Fissues\u002F1",{"id":118,"question_zh":119,"answer_zh":120,"source_url":121},128,"运行 AgentK 时提示“ModuleNotFoundError: No module named 'transformers'”或“cv2”怎么办？","这些警告表明系统尝试加载由 AgentK 自动生成的工具或代理，但缺少依赖库。这是因为生成的代码引用了未安装的模块（如 transformers 或 opencv-python）。目前维护者正在改进系统对这类错误的处理。建议手动安装缺失的依赖：pip install transformers opencv-python。","https:\u002F\u002Fgithub.com\u002Fmikekelly\u002FAgentK\u002Fissues\u002F9",{"id":123,"question_zh":124,"answer_zh":125,"source_url":126},129,"构建 Docker 镜像时遇到“Missing cargo”错误如何解决？","该问题通常出现在 AgentK 自动修改代码后引入的依赖问题。维护者已确认并修复此问题。建议拉取最新代码重新构建。如果使用的是被 AgentK 修改过的仓库，请确保使用干净的原始代码进行构建。","https:\u002F\u002Fgithub.com\u002Fmikekelly\u002FAgentK\u002Fissues\u002F8",{"id":128,"question_zh":129,"answer_zh":130,"source_url":131},130,"README 中的 Discord 邀请链接无效怎么办？","该问题已被维护者确认，Discord 邀请链接已在后续更新中修复。请查看项目 README 获取最新有效的社区链接。","https:\u002F\u002Fgithub.com\u002Fmikekelly\u002FAgentK\u002Fissues\u002F6",{"id":133,"question_zh":134,"answer_zh":135,"source_url":136},131,"是否支持本地 LLM（如 Ollama）而不是必须使用 OpenAI 或 Claude？","社区有强烈需求支持本地 LLM（例如通过 Ollama 运行的模型），尤其适用于无法使用外部 API 的场景。虽然当前版本主要集成云端大模型，但未来可能会增加对本地 LLM 的支持。","https:\u002F\u002Fgithub.com\u002Fmikekelly\u002FAgentK\u002Fissues\u002F2",[]]