[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-mshumer--gpt-pro-mode":3,"tool-mshumer--gpt-pro-mode":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":68,"owner_avatar_url":76,"owner_bio":68,"owner_company":68,"owner_location":68,"owner_email":68,"owner_twitter":68,"owner_website":68,"owner_url":77,"languages":78,"stars":87,"forks":88,"last_commit_at":89,"license":68,"difficulty_score":23,"env_os":90,"env_gpu":91,"env_ram":92,"env_deps":93,"category_tags":98,"github_topics":68,"view_count":23,"oss_zip_url":68,"oss_zip_packed_at":68,"status":16,"created_at":99,"updated_at":100,"faqs":101,"releases":102},2744,"mshumer\u002Fgpt-pro-mode","gpt-pro-mode",null,"gpt-pro-mode 是一个旨在提升大语言模型输出质量的开源增强工具。它通过一种独特的“多路生成 + 综合提炼”机制，解决单次请求中模型可能出现的逻辑疏漏或内容平庸问题。其核心工作流程是：针对同一个提示词并行生成多个不同版本的回答，然后由模型自身充当“裁判”和“编辑”，将这些版本进行对比、筛选并合成一个最终的最优解。\n\n该工具特别引入了创新的“锦标赛模式”：当请求生成的数量超过 20 个时，它会先将内容分组进行局部优胜劣汰，再对胜出者进行终极融合，从而在处理复杂推理或创意写作任务时获得更稳健的表现。目前，它已适配 GPT-5、GPT-OSS 及 Nemotron 等多种主流模型，并提供便捷的 Colab 笔记本和本地 API 部署方案。\n\ngpt-pro-mode 非常适合 AI 开发者、研究人员以及需要高质量文本输出的技术团队使用。对于希望在不更换底层模型的前提下，显著优化回答深度与准确性的用户而言，这是一个轻量级且高效的解决方案。只需简单的配置即可启动本地服务，通过标准的 API 接口调用，轻松将普通模式的对话升级为专业级的深度思考。","# gpt-pro-mode\n\n[![Twitter Follow](https:\u002F\u002Fimg.shields.io\u002Ftwitter\u002Ffollow\u002Fmattshumer_?style=social)](https:\u002F\u002Fx.com\u002Fmattshumer_)\n\ngpt-oss-pro-mode: [![Open Notebook In Colab](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fdrive\u002F1XeYmOHJwACtavCjJM-eOqlPxHgTD2KNP?usp=sharing)\n\ngpt-5-pro-mode: [![Open Notebook In Colab](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fdrive\u002F1vD7T-qkfWrx8-bBUsxI09w5su0K6J4Xp?usp=sharing)\n\nnemotron-pro-mode: [![Open Notebook In Colab](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fdrive\u002F106-H2XW4HW7xooxOLn4AhA1asrcjrce_?usp=sharing)\n\nRun the attached notebooks to access Pro Mode! Star this repo and let me know what you want me to add!\n\nYou can also set up the integrated Pro Mode API endpoint.\n\n### Run it\n\n```bash\nexport OPENAI_API_KEY=sk-...   # set your key\npip install -r requirements.txt\nuvicorn main:app --host 0.0.0.0 --port 8000\n```\n\n### Example request\n\n```bash\ncurl -X POST http:\u002F\u002Flocalhost:8000\u002Fpro-mode \\\n  -H \"Content-Type: application\u002Fjson\" \\\n  -d '{\"prompt\":\"Explain self-play in RL with a concrete example.\",\"num_gens\":5}'\n```\n\nNew: tournament mode! If `num_gens` is `> 20`, it generates and synthesizes in groups of 10, then synthesizes the them all into one; otherwise, it does the regular single-pass synth.\n","# gpt-pro-mode\n\n[![Twitter 关注](https:\u002F\u002Fimg.shields.io\u002Ftwitter\u002Ffollow\u002Fmattshumer_?style=social)](https:\u002F\u002Fx.com\u002Fmattshumer_)\n\ngpt-oss-pro-mode：[![在 Colab 中打开笔记本](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fdrive\u002F1XeYmOHJwACtavCjJM-eOqlPxHgTD2KNP?usp=sharing)\n\ngpt-5-pro-mode：[![在 Colab 中打开笔记本](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fdrive\u002F1vD7T-qkfWrx8-bBUsxI09w5su0K6J4Xp?usp=sharing)\n\nnemotron-pro-mode：[![在 Colab 中打开笔记本](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fdrive\u002F106-H2XW4HW7xooxOLn4AhA1asrcjrce_?usp=sharing)\n\n运行附带的笔记本即可进入专业模式！给这个仓库点个星，并告诉我你希望我添加什么功能吧！\n\n你也可以设置集成的专业模式 API 端点。\n\n### 运行方法\n\n```bash\nexport OPENAI_API_KEY=sk-...   # 设置你的密钥\npip install -r requirements.txt\nuvicorn main:app --host 0.0.0.0 --port 8000\n```\n\n### 示例请求\n\n```bash\ncurl -X POST http:\u002F\u002Flocalhost:8000\u002Fpro-mode \\\n  -H \"Content-Type: application\u002Fjson\" \\\n  -d '{\"prompt\":\"用一个具体的例子解释强化学习中的自我博弈。\",\"num_gens\":5}'\n```\n\n新增：锦标赛模式！如果 `num_gens` 大于 20，系统会以每 10 个为一组进行生成和合成，然后再将所有结果合并成一份；否则，仍按常规的单次合成流程执行。","# gpt-pro-mode 快速上手指南\n\n## 环境准备\n\n- **操作系统**：Linux \u002F macOS \u002F Windows (WSL)\n- **Python 版本**：建议 Python 3.8+\n- **依赖项**：需安装 `requirements.txt` 中列出的 Python 包\n- **API Key**：需要有效的 OpenAI API Key\n\n## 安装步骤\n\n1. 克隆或下载本项目代码。\n2. 设置环境变量，填入你的 OpenAI API Key：\n   ```bash\n   export OPENAI_API_KEY=sk-...\n   ```\n3. 安装项目依赖：\n   ```bash\n   pip install -r requirements.txt\n   ```\n   > 💡 **国内加速建议**：如遇下载缓慢，可使用清华源加速安装：\n   > ```bash\n   > pip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n   > ```\n\n4. 启动本地服务：\n   ```bash\n   uvicorn main:app --host 0.0.0.0 --port 8000\n   ```\n\n## 基本使用\n\n服务启动后，可通过 HTTP POST 请求调用 Pro Mode 接口。以下是一个最简单的示例：\n\n```bash\ncurl -X POST http:\u002F\u002Flocalhost:8000\u002Fpro-mode \\\n  -H \"Content-Type: application\u002Fjson\" \\\n  -d '{\"prompt\":\"Explain self-play in RL with a concrete example.\",\"num_gens\":5}'\n```\n\n**参数说明：**\n- `prompt`: 输入给模型的提示词。\n- `num_gens`: 生成次数。\n  - 若 `num_gens` ≤ 20：执行单次合成。\n  - 若 `num_gens` > 20：启用**锦标赛模式 (Tournament Mode)**，每 10 组进行分组生成与合成，最后将所有结果汇总为最终输出。\n\n> 📝 **在线体验**：你也可以直接点击 README 中的 Colab 链接（gpt-oss-pro-mode \u002F gpt-5-pro-mode \u002F nemotron-pro-mode）在云端环境中直接运行测试。","某 AI 算法工程师正在为团队编写一份关于“强化学习中自博弈（Self-Play）机制”的技术文档，需要确保解释既深度准确又包含生动的具体案例。\n\n### 没有 gpt-pro-mode 时\n- **单次生成局限**：只能依赖模型单次输出，若运气不好生成内容浅显或缺乏关键细节，需人工反复调整提示词重试。\n- **逻辑深度不足**：面对复杂概念，普通模式容易给出泛泛而谈的理论定义，难以自发构建如“围棋对弈”或“游戏 AI 训练”等具象化推演过程。\n- **合成成本高**：若想获得高质量答案，工程师需手动多次请求不同版本的回答，再自行阅读、对比并拼凑出最佳内容，耗时耗力。\n- **缺乏优胜劣汰**：无法自动在多个生成结果中进行“锦标赛”式的筛选与融合，导致最终文档质量受限于单次生成的随机性。\n\n### 使用 gpt-pro-mode 后\n- **多路并行生成**：通过设置 `num_gens=5` 或更高，gpt-pro-mode 自动并行生成 5 个不同视角的解释草案，覆盖从理论推导到代码实现的多种可能。\n- **深度案例构建**：利用其内部的合成机制，工具自动从多个草稿中提取最精彩的“自博弈”实例（如 AlphaGo 自我对弈细节），形成逻辑严密的完整叙事。\n- **智能自动融合**：当设置生成数量超过 20 时，gpt-pro-mode 启动“锦标赛模式”，分组生成并逐级合成，自动剔除冗余信息，输出一份集大成的完美文档。\n- **效率显著提升**：工程师只需发送一次请求，即可获得经过多轮“内部辩论”优化后的高质量内容，将原本数小时的整理工作缩短至分钟级。\n\ngpt-pro-mode 的核心价值在于将“单次抽奖式”的生成转变为“多轮竞技合成”的精密制造，确保复杂技术内容的输出始终处于最高质量水准。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmshumer_gpt-pro-mode_87457fff.png","mshumer","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fmshumer_b4fba166.png","https:\u002F\u002Fgithub.com\u002Fmshumer",[79,83],{"name":80,"color":81,"percentage":82},"Jupyter Notebook","#DA5B0B",79,{"name":84,"color":85,"percentage":86},"Python","#3572A5",21,689,86,"2026-04-01T13:24:09","Linux, macOS, Windows","未说明 (工具通过 OpenAI API 运行，本地无需 GPU)","未说明",{"notes":94,"python":92,"dependencies":95},"该工具是一个代理层，需要设置 OPENAI_API_KEY 环境变量来调用 OpenAI 接口。本地运行仅需安装 requirements.txt 中的依赖并使用 uvicorn 启动服务，不涉及本地大模型推理，因此对本地显卡和显存无特殊要求。支持通过 Colab 笔记本运行。",[96,97],"uvicorn","openai (隐含依赖)",[26,13],"2026-03-27T02:49:30.150509","2026-04-06T06:53:20.622275",[],[]]