[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-openai--openai-cookbook":3,"tool-openai--openai-cookbook":64},[4,17,27,35,44,52],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"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",150037,2,"2026-04-10T23:33:47",[13,14,15],"开发框架","Agent","语言模型","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":10,"last_commit_at":23,"category_tags":24,"status":16},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",[25,14,26,13],"插件","图像",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":10,"last_commit_at":33,"category_tags":34,"status":16},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[25,13],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":41,"last_commit_at":42,"category_tags":43,"status":16},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,3,"2026-04-06T11:19:32",[15,26,14,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"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",[13,15],{"id":53,"name":54,"github_repo":55,"description_zh":56,"stars":57,"difficulty_score":10,"last_commit_at":58,"category_tags":59,"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。",85092,"2026-04-10T11:13:16",[26,60,61,25,14,62,15,13,63],"数据工具","视频","其他","音频",{"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":79,"owner_email":79,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":91,"forks":92,"last_commit_at":93,"license":94,"difficulty_score":10,"env_os":78,"env_gpu":95,"env_ram":95,"env_deps":96,"category_tags":99,"github_topics":100,"view_count":104,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":105,"updated_at":106,"faqs":107,"releases":137},6520,"openai\u002Fopenai-cookbook","openai-cookbook","Examples and guides for using the OpenAI API","openai-cookbook 是 OpenAI 官方提供的一套实用代码示例与指南合集，旨在帮助开发者快速上手并掌握 OpenAI API 的核心用法。面对大模型应用中常见的提示词工程、函数调用、数据嵌入及复杂任务编排等挑战，新手往往难以找到标准化的实现路径。openai-cookbook 通过提供经过验证的代码片段和详细教程，有效解决了“如何从零开始构建应用”以及“如何最佳实践特定功能”的痛点。\n\n这套资源主要面向软件开发者和 AI 技术研究人员，同时也适合希望深入理解大模型能力的技术爱好者。虽然示例代码主要以 Python 编写，但其背后的设计思路和技术逻辑具有通用性，可轻松迁移至其他编程语言。其独特亮点在于内容紧跟官方最新特性更新，覆盖了从基础文本生成到高级代理（Agent）构建的全场景需求，且所有示例均支持在本地环境直接运行调试。作为开源项目，它采用宽松的 MIT 许可证，鼓励社区贡献与二次开发，是学习大模型应用开发不可或缺的实战手册。","\u003Ca href=\"https:\u002F\u002Fcookbook.openai.com\" target=\"_blank\">\n  \u003Cpicture>\n    \u003Csource media=\"(prefers-color-scheme: dark)\" srcset=\"\u002Fimages\u002Fopenai-cookbook-white.png\" style=\"max-width: 100%; width: 400px; margin-bottom: 20px\">\n    \u003Cimg alt=\"OpenAI Cookbook Logo\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fopenai_openai-cookbook_readme_3858717f6799.png\" width=\"400px\">\n  \u003C\u002Fpicture>\n\u003C\u002Fa>\n\n\u003Ch3>\u003C\u002Fh3>\n \n> ✨ Navigate at [cookbook.openai.com](https:\u002F\u002Fcookbook.openai.com)\n\nExample code and guides for accomplishing common tasks with the [OpenAI API](https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fintroduction). To run these examples, you'll need an OpenAI account and associated API key ([create a free account here](https:\u002F\u002Fplatform.openai.com\u002Fsignup)). Set an environment variable called `OPENAI_API_KEY` with your API key. Alternatively, in most IDEs such as Visual Studio Code, you can create an `.env` file at the root of your repo containing `OPENAI_API_KEY=\u003Cyour API key>`, which will be picked up by the notebooks.\n\nMost code examples are written in Python, though the concepts can be applied in any language.\n\nFor other useful tools, guides and courses, check out these [related resources from around the web](https:\u002F\u002Fcookbook.openai.com\u002Frelated_resources).\n\n## License\n\nMIT License\n","\u003Ca href=\"https:\u002F\u002Fcookbook.openai.com\" target=\"_blank\">\n  \u003Cpicture>\n    \u003Csource media=\"(prefers-color-scheme: dark)\" srcset=\"\u002Fimages\u002Fopenai-cookbook-white.png\" style=\"max-width: 100%; width: 400px; margin-bottom: 20px\">\n    \u003Cimg alt=\"OpenAI Cookbook Logo\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fopenai_openai-cookbook_readme_3858717f6799.png\" width=\"400px\">\n  \u003C\u002Fpicture>\n\u003C\u002Fa>\n\n\u003Ch3>\u003C\u002Fh3>\n \n> ✨ 前往 [cookbook.openai.com](https:\u002F\u002Fcookbook.openai.com) 浏览\n\n使用 [OpenAI API](https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fintroduction) 完成常见任务的示例代码和指南。要运行这些示例，您需要一个 OpenAI 账户及相应的 API 密钥（[在此创建免费账户](https:\u002F\u002Fplatform.openai.com\u002Fsignup)）。请设置名为 `OPENAI_API_KEY` 的环境变量，并将其值设为您的 API 密钥。或者，在大多数 IDE（如 Visual Studio Code）中，您可以在仓库根目录下创建一个 `.env` 文件，内容为 `OPENAI_API_KEY=\u003C您的API密钥>`，这样笔记本就会自动读取该密钥。\n\n大多数代码示例使用 Python 编写，但相关概念适用于任何编程语言。\n\n如需其他实用工具、指南和课程，请查看这些来自网络的[相关资源](https:\u002F\u002Fcookbook.openai.com\u002Frelated_resources)。\n\n## 许可证\n\nMIT 许可证","# OpenAI Cookbook 快速上手指南\n\nOpenAI Cookbook 是一个开源仓库，提供了使用 OpenAI API 完成常见任务的示例代码和指南。大多数示例使用 Python 编写，但核心概念适用于任何编程语言。\n\n## 环境准备\n\n在开始之前，请确保满足以下条件：\n\n*   **系统要求**：支持 Python 的操作系统（Windows, macOS, Linux）。\n*   **前置依赖**：\n    *   已安装 Python (推荐 3.8 及以上版本)。\n    *   拥有 [OpenAI 账户](https:\u002F\u002Fplatform.openai.com\u002Fsignup) 并获取了 API Key。\n*   **网络环境**：由于 OpenAI 服务在中国大陆地区无法直接访问，请确保您的开发环境已配置好可靠的网络代理或加速方案。\n\n## 安装步骤\n\n1.  **克隆仓库**\n    将项目代码下载到本地：\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-cookbook.git\n    cd openai-cookbook\n    ```\n\n2.  **安装 Python 依赖**\n    建议使用虚拟环境，然后安装所需的库（主要是 `openai` 和 `jupyter`）：\n    ```bash\n    pip install -r requirements.txt\n    ```\n    *(注：如果 `requirements.txt` 下载缓慢，可尝试指定国内镜像源，例如：`pip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`)*\n\n3.  **配置 API Key**\n    您需要将 API Key 设置为环境变量，以便示例代码能够读取。\n\n    *   **方法一：临时设置（终端会话有效）**\n        *   macOS\u002FLinux:\n            ```bash\n            export OPENAI_API_KEY=\"sk-...\"\n            ```\n        *   Windows (PowerShell):\n            ```powershell\n            $env:OPENAI_API_KEY=\"sk-...\"\n            ```\n\n    *   **方法二：创建 .env 文件（推荐，适用于 Jupyter Notebook）**\n        在项目根目录下创建一个名为 `.env` 的文件，内容如下：\n        ```text\n        OPENAI_API_KEY=sk-你的实际_API_Key_在此处\n        ```\n\n## 基本使用\n\nCookbook 中的示例主要以 Jupyter Notebook (`.ipynb`) 形式提供。以下是运行第一个示例的步骤：\n\n1.  **启动 Jupyter Notebook**\n    在项目根目录执行：\n    ```bash\n    jupyter notebook\n    ```\n    浏览器会自动打开界面。\n\n2.  **选择示例**\n    在文件列表中导航至 `examples` 目录，选择一个感兴趣的笔记本，例如 `How_to_count_tokens_with_tiktoken.ipynb` 或 `How_to_call_functions_with_chat_models.ipynb`。\n\n3.  **运行代码**\n    *   打开笔记本后，依次点击单元格（Cell）并按 `Shift + Enter` 运行。\n    *   代码会自动读取您配置的 `OPENAI_API_KEY` 并调用 API。\n    *   观察输出结果，理解如何构建请求、处理响应以及管理 Token。\n\n> **提示**：虽然示例多为 Python，但您可以参考其逻辑（如 Prompt 构建、参数设置、错误处理），将其迁移到您熟悉的编程语言中。","一家电商初创公司的后端团队正急需为客服系统集成智能回复功能，以自动处理海量的用户咨询订单状态问题。\n\n### 没有 openai-cookbook 时\n- 开发人员需从零摸索 OpenAI API 的参数调优，反复试错导致 Token 消耗巨大且响应速度不稳定。\n- 面对复杂的上下文记忆需求，团队缺乏标准代码参考，自行编写的对话历史管理逻辑漏洞百出。\n- 遇到流式输出（Streaming）或函数调用（Function Calling）等高级特性时，因文档分散而耗费数天查阅资料。\n- 不同成员实现的代码风格迥异，缺乏统一的错误处理机制，导致后期维护成本极高。\n\n### 使用 openai-cookbook 后\n- 直接复用书中经过验证的“降低延迟与成本”示例代码，快速配置出最优参数，显著提升了响应效率。\n- 借鉴成熟的对话管理模板，轻松实现了精准的上下文窗口控制，确保多轮对话逻辑连贯无误。\n- 通过现成的流式输出和函数调用指南，团队在半天内便完成了复杂交互功能的开发与部署。\n- 全员基于统一的高质量代码库协作，规范了异常捕获与重试机制，大幅降低了系统故障率。\n\nopenai-cookbook 将原本需要数周摸索的 API 集成过程缩短至几天，让团队能专注于业务逻辑而非底层技术细节。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fopenai_openai-cookbook_a42470f1.png","openai","OpenAI","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fopenai_1960bbf4.png","",null,"https:\u002F\u002Fopenai.com\u002F","https:\u002F\u002Fgithub.com\u002Fopenai",[83,87],{"name":84,"color":85,"percentage":86},"Jupyter Notebook","#DA5B0B",93.1,{"name":88,"color":89,"percentage":90},"MDX","#fcb32c",6.9,72659,12267,"2026-04-10T21:55:21","MIT","未说明",{"notes":97,"python":95,"dependencies":98},"主要提供基于 OpenAI API 的代码示例和指南，大多数示例使用 Python 编写。运行需要 OpenAI 账户及 API Key，需设置 OPENAI_API_KEY 环境变量或在根目录创建包含该密钥的 .env 文件。概念可应用于任何编程语言。",[],[15,25],[75,101,102,103],"chatgpt","gpt-4","openai-api",7,"2026-03-27T02:49:30.150509","2026-04-11T15:13:53.746694",[108,113,118,123,128,133],{"id":109,"question_zh":110,"answer_zh":111,"source_url":112},29483,"如何使用 ChatGPT API 在多次调用中保持对话上下文而不丢失之前的内容？","要维持对话上下文，您需要使用 Assistants API 中的线程（Threads）功能。具体步骤是创建一个助手（Assistant）和一个线程（Thread），然后在后续请求中只需发送线程 ID，而无需重复发送整个对话历史。这样可以有效保留上下文并简化代码逻辑。相关文档和示例代码可参考：https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fassistants\u002Foverview 和 https:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-python\u002Fblob\u002Fmain\u002Fexamples\u002Fassistant.py","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-cookbook\u002Fissues\u002F275",{"id":114,"question_zh":115,"answer_zh":116,"source_url":117},29484,"在使用 Vision API (gpt-4-vision-preview) 时，如何限制只有 OpenAI 的爬虫才能访问我的图片 URL？需要配置哪些 IP 白名单？","OpenAI 的图像下载器会使用特定的 IP 段来抓取图片。为了安全起见，您需要在防火墙或服务器配置中仅允许以下 IP 段访问您的图片资源：\n1. 40.84.181.32\u002F28\n2. 40.84.182.32\u002F28\n3. 13.65.138.96\u002F27\n请注意，这些 IP 段可能未完全包含在官方插件文档的通用列表中，是针对 Vision API 特有的范围。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-cookbook\u002Fissues\u002F832",{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},29485,"运行 nextjs-with-flask-server 示例时，上传文档后获取答案出现错误或连接被拒绝（ERR_CONNECTION_REFUSED），如何解决？","此问题通常由配置缺失或环境差异引起。请尝试以下解决方案：\n1. 检查并编辑 server\u002Fconfig.py 文件，确保填入了正确的 OpenAI API Key 和其他必要配置信息。\n2. 确认启动脚本命令：在某些系统（如 macOS 或新版 Linux）上，可能需要将 'python' 改为 'python3'。\n3. 确保在三个不同的终端窗口中分别运行必要的服务进程，以避免端口冲突或进程挂起。\n4. 如果是在 Linux 上运行成功但在其他系统失败，请检查本地防火墙设置及 Axios 请求的目标地址是否正确（localhost vs 0.0.0.0）。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-cookbook\u002Fissues\u002F159",{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},29486,"在使用 File Q&A 示例时遇到 'ERR_HTTP_HEADERS_SENT' 错误，或者上传文件后无法获得回答，原因是什么？","该错误往往不是代码逻辑问题，而是由于 OpenAI 账户状态导致的。最常见的原因是免费试用期（开户前 3 个月）已结束，导致 API 调用被拒绝从而引发后端异常。解决方法是升级您的 OpenAI 会员计划或绑定支付方式以激活付费额度。此外，如果上传大文件或多个文件时出错，也可能与超时或负载有关，但首先应排查账户余额和权限状态。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-cookbook\u002Fissues\u002F135",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},29487,"设置了 seed 参数后，为什么 OpenAI API 的输出结果仍然不一致（非确定性）？","虽然设置了 seed 参数旨在实现确定性输出，但目前该功能仅在特定旧版本模型中表现稳定，主要是 gpt-4-1106-preview 和 gpt-3.5-turbo-1106。如果您使用的是更新版本的模型（如带有日期后缀的新版），即使 System Fingerprint 和 Seed 值相同，输出仍可能不同。这是因为新模型可能未完全支持或已更改了确定性行为的实现方式。建议明确指定上述支持的模型版本进行测试。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-cookbook\u002Fissues\u002F861",{"id":134,"question_zh":135,"answer_zh":136,"source_url":122},29488,"如何在 Vercel 上部署包含 Flask 后端的 Next.js OpenAI 示例项目？","直接在 Vercel 上部署包含 Flask 后端的全栈应用较为复杂，因为 Vercel 主要优化用于 Serverless 函数和前端框架。用户反馈表明，直接在根目录运行 vercel 命令会导致 404 错误。目前的变通方案包括：\n1. 将 Flask 后端分离部署到其他支持 Python 的平台（如 Render, Heroku 或 AWS），仅将 Next.js 前端部署到 Vercel，并在前端配置中指向外部后端 API 地址。\n2. 或者重构项目，将后端逻辑转换为 Vercel 支持的 Serverless Functions (Python 或 Node.js)，但这需要修改原有的 Flask 路由结构。\n目前官方示例尚未提供针对 Vercel 的一键部署指南，建议参考社区讨论进行架构调整。",[]]