[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-openai--openai-openapi":3,"tool-openai--openai-openapi":64},[4,18,26,39,47,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"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。",100752,2,"2026-04-10T01:20:03",[13,14,15,16],"插件","Agent","图像","开发框架","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},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",[13,16],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":10,"last_commit_at":32,"category_tags":33,"status":17},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",[15,34,35,13,14,36,37,16,38],"数据工具","视频","其他","语言模型","音频",{"id":40,"name":41,"github_repo":42,"description_zh":43,"stars":44,"difficulty_score":10,"last_commit_at":45,"category_tags":46,"status":17},6520,"openai-cookbook","openai\u002Fopenai-cookbook","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。",72659,"2026-04-10T21:55:21",[37,13],{"id":48,"name":49,"github_repo":50,"description_zh":51,"stars":52,"difficulty_score":53,"last_commit_at":54,"category_tags":55,"status":17},2181,"OpenHands","OpenHands\u002FOpenHands","OpenHands 是一个专注于 AI 驱动开发的开源平台，旨在让智能体（Agent）像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点，通过自动化流程显著提升开发速度。\n\n无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员，还是需要快速原型验证的技术团队，都能从中受益。OpenHands 提供了灵活多样的使用方式：既可以通过命令行（CLI）或本地图形界面在个人电脑上轻松上手，体验类似 Devin 的流畅交互；也能利用其强大的 Python SDK 自定义智能体逻辑，甚至在云端大规模部署上千个智能体并行工作。\n\n其核心技术亮点在于模块化的软件智能体 SDK，这不仅构成了平台的引擎，还支持高度可组合的开发模式。此外，OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩，证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能，支持与 Slack、Jira 等工具集成，并提供细粒度的权限管理，适合从个人开发者到大型企业的各类用户场景。",71056,3,"2026-04-12T11:10:54",[37,14,16,13],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":17},51,"gstack","garrytan\u002Fgstack","gstack 是 Y Combinator CEO Garry Tan 亲自开源的一套 AI 工程化配置，旨在将 Claude Code 升级为你的虚拟工程团队。面对单人开发难以兼顾产品战略、架构设计、代码审查及质量测试的挑战，gstack 提供了一套标准化解决方案，帮助开发者实现堪比二十人团队的高效产出。\n\n这套配置特别适合希望提升交付效率的创始人、技术负责人，以及初次尝试 Claude Code 的开发者。gstack 的核心亮点在于内置了 15 个具有明确职责的 AI 角色工具，涵盖 CEO、设计师、工程经理、QA 等职能。用户只需通过简单的斜杠命令（如 `\u002Freview` 进行代码审查、`\u002Fqa` 执行测试、`\u002Fplan-ceo-review` 规划功能），即可自动化处理从需求分析到部署上线的全链路任务。\n\n所有操作基于 Markdown 和斜杠命令，无需复杂配置，完全免费且遵循 MIT 协议。gstack 不仅是一套工具集，更是一种现代化的软件工厂实践，让单人开发者也能拥有严谨的工程流程。",70223,"2026-04-12T11:10:20",[14,13],{"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":79,"stars":82,"forks":83,"last_commit_at":84,"license":85,"difficulty_score":86,"env_os":78,"env_gpu":87,"env_ram":87,"env_deps":88,"category_tags":91,"github_topics":92,"view_count":10,"oss_zip_url":79,"oss_zip_packed_at":79,"status":17,"created_at":94,"updated_at":95,"faqs":96,"releases":132},6956,"openai\u002Fopenai-openapi","openai-openapi","OpenAPI specification for the OpenAI API","openai-openapi 提供了 OpenAI API 的官方 OpenAPI 规范定义文件。简单来说，它是一份标准化的“接口说明书”，详细描述了如何与 OpenAI 的各项服务进行通信，包括可用的端点、请求参数格式以及返回数据结构。\n\n在开发过程中，开发者往往需要花费大量时间查阅文档来确认接口细节，或者手动编写接口定义以便生成客户端代码。openai-openapi 正是为了解决这一痛点而生，它让机器能够自动理解 API 结构，从而支持自动生成类型安全的 SDK、快速构建 API 测试用例以及集成到各类开发工具中，显著提升了开发效率并减少了人为错误。\n\n这份资源主要面向软件工程师、后端开发者以及技术研究人员。如果你正在构建基于大模型的应用，或者希望将 OpenAI 能力无缝集成到现有系统中，openai-openapi 将是不可或缺的基础设施。其独特的技术亮点在于提供了经过官方维护的最新规范版本，并专门设立了手动更新分支，确保在社区发现文档问题时能及时修正，保证了接口定义的准确性与时效性。通过直接使用这份标准规范，团队可以更专注于业务逻辑创新，而非底层接口对接的繁琐细节。","# OpenAPI spec for the OpenAI API\n\nThe most recent OpenAPI specification for the OpenAI API can be found here:\n\nhttps:\u002F\u002Fapp.stainless.com\u002Fapi\u002Fspec\u002Fdocumented\u002Fopenai\u002Fopenapi.documented.yml\n\nTo see the most recent manually updated version of the OpenAPI spec, refer to\nthis branch:\n\nhttps:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-openapi\u002Ftree\u002Fmanual_spec\n\nIf you notice a problem with the OpenAPI specification, please create an issue\nin this repository, and the OpenAI team will make a best-effort attempt to\ntriage and resolve them. For immediate assistance, visit:\n\nhttps:\u002F\u002Fhelp.openai.com\u002Fen\u002Farticles\u002F6614161-how-can-i-contact-support\n","# OpenAI API 的 OpenAPI 规范\n\nOpenAI API 的最新 OpenAPI 规范可以在这里找到：\n\nhttps:\u002F\u002Fapp.stainless.com\u002Fapi\u002Fspec\u002Fdocumented\u002Fopenai\u002Fopenapi.documented.yml\n\n如需查看最新的人工维护版本的 OpenAPI 规范，请访问以下分支：\n\nhttps:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-openapi\u002Ftree\u002Fmanual_spec\n\n如果您发现 OpenAPI 规范存在问题，请在此仓库中提交一个问题，OpenAI 团队将尽最大努力进行分类和解决。如需即时帮助，请访问：\n\nhttps:\u002F\u002Fhelp.openai.com\u002Fen\u002Farticles\u002F6614161-how-can-i-contact-support","# OpenAI OpenAPI 规范快速上手指南\n\n本仓库提供了 OpenAI API 的官方 OpenAPI 规范文件，适用于需要生成客户端代码、进行接口文档集成或自动化测试的中国开发者。\n\n## 环境准备\n\n在使用本规范前，请确保满足以下基础要求：\n\n*   **操作系统**：Windows \u002F macOS \u002F Linux 均可\n*   **前置依赖**：\n    *   `git`：用于克隆仓库或拉取最新规范\n    *   `curl` 或浏览器：用于直接下载 YAML 文件\n    *   （可选）代码生成工具：如 `openapi-generator`、`swagger-codegen` 或语言特定的 SDK 生成库（如 Python 的 `datamodel-code-generator`）\n\n> **注意**：本仓库仅包含 API 描述文件（`.yml`），不包含可执行的二进制程序或 Python\u002FNode.js 包，因此无需安装特定的运行时环境即可获取规范文件。\n\n## 安装步骤\n\n你可以通过以下两种方式获取最新的 OpenAPI 规范文件：\n\n### 方式一：直接下载最新官方规范（推荐）\n\n直接通过链接获取经过文档化处理的最新规范文件：\n\n```bash\ncurl -O https:\u002F\u002Fapp.stainless.com\u002Fapi\u002Fspec\u002Fdocumented\u002Fopenai\u002Fopenapi.documented.yml\n```\n\n或者在浏览器中访问该链接并保存为 `openapi.documented.yml`。\n\n### 方式二：克隆仓库获取手动维护版本\n\n如果你需要查看或贡献手动更新的规范版本，可以克隆整个仓库：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-openapi.git\ncd openai-openapi\ngit checkout manual_spec\n```\n\n## 基本使用\n\n获取 `.yml` 文件后，最常见的用法是将其输入到代码生成器中，自动生成特定语言的客户端 SDK。\n\n### 示例：使用 openapi-generator 生成 Python 客户端\n\n假设你已安装 Java 环境和 `openapi-generator-cli`，执行以下命令生成 Python 代码：\n\n```bash\nopenapi-generator generate \\\n  -i openapi.documented.yml \\\n  -g python \\\n  -o .\u002Fopenai-python-client\n```\n\n### 示例：在 Swagger UI 中预览接口文档\n\n如果你本地运行了 Swagger UI，可以将下载的 `openapi.documented.yml` 文件路径配置到 `url` 参数中进行可视化浏览：\n\n```javascript\nconst ui = SwaggerUIBundle({\n  url: \"openapi.documented.yml\", \u002F\u002F 或指向该文件的在线链接\n  dom_id: '#swagger-ui',\n  \u002F\u002F ...其他配置\n})\n```\n\n生成后的代码库即可用于调用 OpenAI 的各项接口（如 Chat Completions, Images, Embeddings 等）。","某初创团队正在开发一款集成 OpenAI 能力的智能客服系统，需要快速构建后端服务以调用多种模型接口。\n\n### 没有 openai-openapi 时\n- 开发人员只能依赖零散的官方文档手动编写 API 请求代码，极易因参数遗漏或格式错误导致运行时崩溃。\n- 每次 OpenAI 更新模型参数（如新增 `temperature` 范围或废弃旧字段），团队需人工逐行排查代码，维护成本极高且滞后。\n- 缺乏标准的类型定义，前端与后端在数据交互格式上频繁扯皮，联调效率低下，测试覆盖率难以保证。\n- 无法自动生成 Mock 数据或 SDK，新成员上手慢，重复造轮子现象严重，拖慢了整体迭代节奏。\n\n### 使用 openai-openapi 后\n- 直接导入规范文件即可通过工具链自动生成强类型的客户端代码，从源头杜绝了参数拼写错误和类型不匹配问题。\n- 一旦 OpenAI 更新接口，只需拉取最新的 openai-openapi 规格文件重新生成代码，瞬间完成全量适配，确保持续集成流畅。\n- 基于标准规范自动产出清晰的 API 文档和 Mock 服务，前后端协作无缝衔接，测试人员可提前介入验证逻辑。\n- 利用生成的 SDK 快速搭建原型，新开发者无需深究底层 HTTP 细节即可专注业务逻辑，显著缩短项目交付周期。\n\nopenai-openapi 通过将非结构化的文档转化为机器可读的标准协议，彻底消除了人工对接 API 的不确定性与低效劳动。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fopenai_openai-openapi_c2d76f03.png","openai","OpenAI","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fopenai_1960bbf4.png","",null,"https:\u002F\u002Fopenai.com\u002F","https:\u002F\u002Fgithub.com\u002Fopenai",2357,506,"2026-04-11T12:23:12","MIT",1,"未说明",{"notes":89,"python":87,"dependencies":90},"该仓库仅包含 OpenAI API 的 OpenAPI 规范文件（YAML 格式），并非可执行的 AI 模型或工具，因此无需特定的操作系统、GPU、内存或 Python 环境。用户可直接通过提供的链接查看或下载规范文件，用于生成客户端代码或进行 API 文档集成。",[],[13],[75,93],"openai-api","2026-03-27T02:49:30.150509","2026-04-13T04:23:12.708769",[97,102,107,112,117,122,127],{"id":98,"question_zh":99,"answer_zh":100,"source_url":101},31350,"调用 openAI.createImage 方法生成图片时遇到 400 错误，该如何解决？","400 错误通常由参数命名错误或参数值不符合要求（如 prompt 过长）引起。建议在代码中添加错误处理逻辑以获取具体的错误字段信息：\n\nif (error.response) {\n    console.log(\"错误状态:\", error.response.status);\n    console.log(\"错误数据:\", error.response.data);\n} else {\n    console.log(\"错误消息:\", error.message);\n}\n\n通过查看 error.response.data 可以定位具体是哪个字段导致了问题。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-openapi\u002Fissues\u002F15",{"id":103,"question_zh":104,"answer_zh":105,"source_url":106},31351,"Chat Completion 消息参数中缺少 `name` 字段，无法区分同角色的不同参与者怎么办？","这是一个已知的规范缺失问题。维护者确认该问题已在仓库中修复（true fix has merged），并将很快发布到各个语言的 SDK 中。请确保将您的 OpenAI SDK 更新至最新版本以获取该功能支持。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-openapi\u002Fissues\u002F118",{"id":108,"question_zh":109,"answer_zh":110,"source_url":111},31352,"OpenAPI 规范中何时会加入 Realtime API（实时 API）的定义？","Realtime API 的规范定义已经添加。虽然它不是传统的 REST API，但其 Schema 对象定义已被纳入 OpenAPI 规范文件中（参考 Issue #356）。这对于代码生成非常有用，您可以直接在最新的 openapi.yaml 文件中找到相关定义。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-openapi\u002Fissues\u002F341",{"id":113,"question_zh":114,"answer_zh":115,"source_url":116},31353,"解析 Assistant 消息时，`MessageContentTextAnnotationsFileCitationObject` 中的 `quote` 字段报错缺失怎么办？","这是一个规范与实际响应不一致的问题。服务器在某些情况下不会返回 `quote` 字段，但 OpenAPI 规范将其标记为必填项，导致客户端解析失败。目前社区已确认该问题存在，若您在开发中遇到此问题，建议暂时将该字段视为可选（nullable）处理，或关注官方文档和 SDK 的后续更新以获取修复版本。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-openapi\u002Fissues\u002F263",{"id":118,"question_zh":119,"answer_zh":120,"source_url":121},31354,"OpenAPI 规范中是否包含 Moderations（内容审核）端点？如果找不到该如何使用？","Moderations 端点此前曾缺失，但目前已添加到 OpenAPI 规范中。如果您使用的 SDK 版本较旧可能尚未包含此功能。维护者确认该端点已发布在 `openai@3.0.1` (npm) 及后续版本中。请升级您的 SDK 至最新版本即可直接使用 `POST \u002Fv1\u002Fmoderations` 接口。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-openapi\u002Fissues\u002F3",{"id":123,"question_zh":124,"answer_zh":125,"source_url":126},31355,"Assistant 的 Tools 枚举中缺少 `file_search` 和 `function` 选项，导致代码生成错误怎么办？","这是 OpenAPI 规范文件（yaml）中 `AssistantToolsCode` 枚举定义不完整导致的。部分代码生成工具（如 Visual Studio 的代码生成器）因此只能识别 `code_interpreter`。该问题属于规范定义的滞后，建议手动修改生成的代码以支持 `file_search` 和 `function`，或者等待官方更新 openapi.yaml 文件后重新生成代码。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-openapi\u002Fissues\u002F277",{"id":128,"question_zh":129,"answer_zh":130,"source_url":131},31356,"上传文件（createFile）时，OpenAPI 规范定义的 `file` 类型与实际 API 要求的类型不一致怎么办？","OpenAPI 规范中将 `file` 定义为 binary 编码的字符串，但实际 API 后端期望接收的是一个文件对象（Object\u002FMultipart Form Data）。在使用 `openai-node` 等客户端时，应直接传入文件流或文件对象，例如：\n\nconst readmeFileStream = fs.createReadStream('readme.md');\nawait openai.files.create({ file: readmeFileStream, purpose: 'assistants' });\n\n不要尝试将其转换为 base64 字符串，直接使用文件流对象即可。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-openapi\u002Fissues\u002F123",[133,138],{"id":134,"version":135,"summary_zh":136,"released_at":137},231071,"2.0.0","移除以下已弃用或从 API 中删除的端点：\n- 引擎\n- 答案\n- 分类\n- 搜索","2023-06-19T21:44:06",{"id":139,"version":140,"summary_zh":141,"released_at":142},231072,"1.3.0","在聊天补全 API 中添加函数调用支持\n\n公告：https:\u002F\u002Fopenai.com\u002Fblog\u002Ffunction-calling-and-other-api-updates\n文档：https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fguides\u002Fgpt\u002Ffunction-calling","2023-06-13T17:14:47"]