[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-openai--openai-quickstart-python":3,"tool-openai--openai-quickstart-python":64},[4,23,32,40,48,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":22},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。",84991,2,"2026-04-05T10:45:23",[13,14,15,16,17,18,19,20,21],"图像","数据工具","视频","插件","Agent","其他","语言模型","开发框架","音频","ready",{"id":24,"name":25,"github_repo":26,"description_zh":27,"stars":28,"difficulty_score":29,"last_commit_at":30,"category_tags":31,"status":22},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。",70612,3,"2026-04-05T11:12:22",[19,17,20,16],{"id":33,"name":34,"github_repo":35,"description_zh":36,"stars":37,"difficulty_score":10,"last_commit_at":38,"category_tags":39,"status":22},3074,"gpt4free","xtekky\u002Fgpt4free","gpt4free 是一个由社区驱动的开源项目，旨在聚合多种可访问的大型语言模型（LLM）和媒体生成接口，让用户能更灵活、便捷地使用前沿 AI 能力。它解决了直接调用各类模型时面临的接口分散、门槛高或成本昂贵等痛点，通过统一的标准将不同提供商的资源整合在一起。\n\n无论是希望快速集成 AI 功能的开发者、需要多模型对比测试的研究人员，还是想免费体验最新技术的普通用户，都能从中受益。gpt4free 提供了丰富的使用方式：既包含易于上手的 Python 和 JavaScript 客户端库，也支持部署本地图形界面（GUI），更提供了兼容 OpenAI 标准的 REST API，方便无缝替换现有应用后端。\n\n其技术亮点在于强大的多提供商支持架构，能够动态调度包括 Opus、Gemini、DeepSeek 等多种主流模型资源，并支持 Docker 一键部署及本地推理。项目秉持社区优先原则，在降低使用门槛的同时，也为贡献者提供了扩展新接口的便利框架，是探索和利用多样化 AI 资源的实用工具。",65970,"2026-04-04T01:02:03",[16,19,17],{"id":41,"name":42,"github_repo":43,"description_zh":44,"stars":45,"difficulty_score":10,"last_commit_at":46,"category_tags":47,"status":22},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。",64261,"2026-04-05T11:08:43",[17,16],{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":10,"last_commit_at":54,"category_tags":55,"status":22},193,"meilisearch","meilisearch\u002Fmeilisearch","Meilisearch 是一个开源的极速搜索服务，专为现代应用和网站打造，开箱即用。它能帮助开发者快速集成高质量的搜索功能，无需复杂的配置或额外的数据预处理。传统搜索方案往往需要大量调优才能实现准确结果，而 Meilisearch 内置了拼写容错、同义词识别、即时响应等实用特性，并支持 AI 驱动的混合搜索（结合关键词与语义理解），显著提升用户查找信息的体验。\n\nMeilisearch 特别适合 Web 开发者、产品团队或初创公司使用，尤其适用于需要快速上线搜索功能的场景，如电商网站、内容平台或 SaaS 应用。它提供简洁的 RESTful API 和多种语言 SDK，部署简单，资源占用低，本地开发或生产环境均可轻松运行。对于希望在不依赖大型云服务的前提下，为用户提供流畅、智能搜索体验的团队来说，Meilisearch 是一个高效且友好的选择。",56964,"2026-04-05T08:19:14",[13,17,14,20,16,18],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":22},4022,"awesome-claude-skills","ComposioHQ\u002Fawesome-claude-skills","awesome-claude-skills 是一个精心整理的开源资源库，旨在帮助用户挖掘和扩展 Claude AI 的潜力。它不仅仅是一份列表，更提供了实用的“技能（Skills）”模块，让 Claude 从单纯的文本生成助手，进化为能执行复杂工作流的智能代理。\n\n许多用户在使用 AI 时，常受限于其无法直接操作外部软件或处理特定格式文件的痛点。awesome-claude-skills 通过预设的工作流解决了这一问题：它不仅能教会 Claude 专业地处理 Word、PDF 等文档，进行代码开发与数据分析，还能借助 Composio 插件连接 Slack、邮箱及数百种常用应用，实现发送邮件、创建任务等自动化操作。这使得重复性任务变得标准化且可复用，极大提升了工作效率。\n\n无论是希望优化日常办公流程的普通用户、需要处理复杂文档的研究人员，还是寻求将 AI 深度集成到开发管线中的开发者，都能从中找到适合的解决方案。其独特的技术亮点在于“技能”的可定制性与强大的应用连接能力，让用户无需编写复杂代码，即可通过简单的配置让 Claude 具备跨平台执行真实任务的能力。如果你希望让 Claude",51312,"2026-04-05T19:04:23",[17,16],{"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":10,"env_os":86,"env_gpu":87,"env_ram":88,"env_deps":89,"category_tags":93,"github_topics":94,"view_count":29,"oss_zip_url":79,"oss_zip_packed_at":79,"status":22,"created_at":96,"updated_at":97,"faqs":98,"releases":129},839,"openai\u002Fopenai-quickstart-python","openai-quickstart-python","Python example app from the OpenAI API quickstart tutorial","openai-quickstart-python 是 OpenAI 官方推出的 Python 快速入门示例集合，旨在帮助开发者高效接入大模型能力。面对初次使用 API 时环境配置复杂、代码结构陌生的痛点，这个项目提供了开箱即用的代码模板，覆盖了聊天（chat）、助手（assistants）等多种接口场景。\n\n项目内部规范了依赖管理和环境变量设置，支持通过虚拟环境隔离运行，既包含 Flask Web 应用示例，也提供简单的 Python 脚本演示。这种设计让用户无需从零构建框架，只需安装 Python、配置 API Key 即可在本地启动服务。\n\n它特别适合 Python 开发者、AI 技术爱好者及需要快速验证想法的科研人员。通过直接运行这些示例，用户可以直观理解 SDK 调用流程，显著降低学习成本。无论是构建聊天机器人还是探索高级功能，这里都是理想的起点，助力用户快速从理论走向实践，轻松开启 AI 应用开发之旅。","# OpenAI API Quickstart - Python\n\nThis repository hosts multiple quickstart apps for different OpenAI API endpoints (chat, assistants, etc). Check out the `examples` folder to try out different examples and get started using the OpenAI API.\n\n## Basic request\n\nTo send your first API request with the [OpenAI Python SDK](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-python), make sure you have the right [dependencies installed](https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fquickstart?context=python) and then run the following code:\n\n```python\nfrom openai import OpenAI\nclient = OpenAI()\n\ncompletion = client.chat.completions.create(\n  model=\"gpt-3.5-turbo\",\n  messages=[\n    {\"role\": \"system\", \"content\": \"You are a helpful assistant.\"},\n    {\"role\": \"user\", \"content\": \"Hello!\"}\n  ]\n)\n\nprint(completion.choices[0].message)\n```\n\n## Setup\n\n1. If you don’t have Python installed, install it [from Python.org](https:\u002F\u002Fwww.python.org\u002Fdownloads\u002F).\n\n2. [Clone](https:\u002F\u002Fdocs.github.com\u002Fen\u002Frepositories\u002Fcreating-and-managing-repositories\u002Fcloning-a-repository) this repository.\n\n3. Navigate into the project directory:\n\n   ```bash\n   $ cd openai-quickstart-python\n   ```\n\n4. Create a new virtual environment:\n\n   - macOS:\n\n     ```bash\n     $ python -m venv venv\n     $ . venv\u002Fbin\u002Factivate\n     ```\n\n   - Windows:\n     ```cmd\n     > python -m venv venv\n     > .\\venv\\Scripts\\activate\n     ```\n\n5. Install the requirements:\n\n   ```bash\n   $ pip install -r requirements.txt\n   ```\n\n6. Make a copy of the example environment variables file:\n\n   ```bash\n   $ cp .env.example .env\n   ```\n\n7. Add your [API key](https:\u002F\u002Fplatform.openai.com\u002Fapi-keys) to the newly created `.env` file.\n\n8. Run the app:\n\nThis step depends on the app itself. If the code uses flask (like the chat-basic example), you can run:\n\n```bash\n$ flask run\n```\n\nYou should now be able to access the app from your browser at the following URL: [http:\u002F\u002Flocalhost:5000](http:\u002F\u002Flocalhost:5000)!\n\nIf the code is just a simple Python script, you can run it with:\n\n```bash\n$ python my_file.py\n```\n","# OpenAI API 快速入门 - Python\n\n此仓库托管了多个针对不同 OpenAI API 端点 (API endpoints)（如聊天、助手等）的快速入门应用。请查看 `examples` 文件夹以尝试不同的示例，并开始使用 OpenAI API。\n\n## 基本请求\n\n要使用 [OpenAI Python SDK（软件开发工具包）](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-python) 发送您的第一个 API 请求，请确保已安装正确的 [依赖项 (dependencies)](https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fquickstart?context=python)，然后运行以下代码：\n\n```python\nfrom openai import OpenAI\nclient = OpenAI()\n\ncompletion = client.chat.completions.create(\n  model=\"gpt-3.5-turbo\",\n  messages=[\n    {\"role\": \"system\", \"content\": \"You are a helpful assistant.\"},\n    {\"role\": \"user\", \"content\": \"Hello!\"}\n  ]\n)\n\nprint(completion.choices[0].message)\n```\n\n## 设置\n\n1. 如果您尚未安装 Python，请从 [Python.org](https:\u002F\u002Fwww.python.org\u002Fdownloads\u002F) 安装它。\n\n2. [克隆 (Clone)](https:\u002F\u002Fdocs.github.com\u002Fen\u002Frepositories\u002Fcreating-and-managing-repositories\u002Fcloning-a-repository) 此仓库。\n\n3. 进入项目目录：\n\n   ```bash\n   $ cd openai-quickstart-python\n   ```\n\n4. 创建一个新的 [虚拟环境 (virtual environment)](https:\u002F\u002Fdocs.python.org\u002F3\u002Ftutorial\u002Fvenv.html)：\n\n   - macOS:\n\n     ```bash\n     $ python -m venv venv\n     $ . venv\u002Fbin\u002Factivate\n     ```\n\n   - Windows:\n     ```cmd\n     > python -m venv venv\n     > .\\venv\\Scripts\\activate\n     ```\n\n5. 安装依赖项：\n\n   ```bash\n   $ pip install -r requirements.txt\n   ```\n\n6. 复制示例 [环境变量 (environment variables)](https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FEnvironment_variable) 文件：\n\n   ```bash\n   $ cp .env.example .env\n   ```\n\n7. 将您的 [API 密钥 (API key)](https:\u002F\u002Fplatform.openai.com\u002Fapi-keys) 添加到新创建的 `.env` 文件中。\n\n8. 运行应用程序：\n\n此步骤取决于应用程序本身。如果代码使用了 Flask（Web 框架）（例如 chat-basic 示例），您可以运行：\n\n```bash\n$ flask run\n```\n\n现在您应该可以通过浏览器访问该应用程序，网址为：[http:\u002F\u002Flocalhost:5000](http:\u002F\u002Flocalhost:5000)!\n\n如果代码只是一个简单的 Python 脚本，您可以使用以下方式运行它：\n\n```bash\n$ python my_file.py\n```","# OpenAI API Quickstart - Python 快速上手指南\n\n## 1. 环境准备\n- **系统要求**：已安装 Python (参考 [Python.org](https:\u002F\u002Fwww.python.org\u002Fdownloads\u002F))\n- **前置依赖**：Git、OpenAI API Key ([获取地址](https:\u002F\u002Fplatform.openai.com\u002Fapi-keys))\n\n## 2. 安装步骤\n1. **克隆仓库并进入目录**：\n   ```bash\n   $ git clone \u003Crepository_url>\n   $ cd openai-quickstart-python\n   ```\n\n2. **创建虚拟环境**：\n   - macOS:\n     ```bash\n     $ python -m venv venv\n     $ . venv\u002Fbin\u002Factivate\n     ```\n   - Windows:\n     ```cmd\n     > python -m venv venv\n     > .\\venv\\Scripts\\activate\n     ```\n\n3. **安装项目依赖**：\n   ```bash\n   $ pip install -r requirements.txt\n   ```\n\n4. **配置环境变量**：\n   ```bash\n   $ cp .env.example .env\n   ```\n   将您的 [API Key](https:\u002F\u002Fplatform.openai.com\u002Fapi-keys) 添加到新生成的 `.env` 文件中。\n\n## 3. 基本使用\n### 代码示例\n发送第一个 API 请求：\n```python\nfrom openai import OpenAI\nclient = OpenAI()\n\ncompletion = client.chat.completions.create(\n  model=\"gpt-3.5-turbo\",\n  messages=[\n    {\"role\": \"system\", \"content\": \"You are a helpful assistant.\"},\n    {\"role\": \"user\", \"content\": \"Hello!\"}\n  ]\n)\n\nprint(completion.choices[0].message)\n```\n\n### 运行应用\n根据示例类型选择运行方式：\n- **Flask 应用**（如 chat-basic）：\n  ```bash\n  $ flask run\n  ```\n  浏览器访问：http:\u002F\u002Flocalhost:5000\n\n- **简单 Python 脚本**：\n  ```bash\n  $ python my_file.py\n  ```\n\n更多示例请查看 `examples` 文件夹。","某电商公司后端工程师小张负责为新上线的 APP 快速集成智能客服功能，但他此前从未接触过 OpenAI API 的开发流程。\n\n### 没有 openai-quickstart-python 时\n- 需要手动搜索官方文档配置 Python 虚拟环境，经常因依赖版本冲突导致安装失败。\n- 从零编写 HTTP 请求代码，需反复调试认证头信息和 JSON 数据格式，耗时且易错。\n- 环境变量管理混乱，习惯将 API Key 硬编码在脚本中，存在严重的安全泄露隐患。\n- 不清楚如何正确初始化客户端对象，调试过程中频繁遇到连接超时或权限错误。\n\n### 使用 openai-quickstart-python 后\n- 直接克隆仓库获取预配置的 Flask 示例项目，通过 pip install 一键解决所有依赖问题。\n- 内置标准的 Chat Completions 请求模板，只需替换 messages 列表中的提示词即可实现交互。\n- 提供 .env.example 文件指引，强制要求将 API Key 放入环境变量，符合安全最佳实践。\n- 参考官方示例的项目结构，能快速定位并修改 model 参数，迅速验证不同模型的回复质量。\n\nopenai-quickstart-python 通过提供开箱即用的代码模板和规范的环境配置，帮助开发者大幅缩短从学习到落地的周期。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fopenai_openai-quickstart-python_10c8cf4a.png","openai","OpenAI","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fopenai_1960bbf4.png","",null,"https:\u002F\u002Fopenai.com\u002F","https:\u002F\u002Fgithub.com\u002Fopenai",1795,1350,"2026-04-02T21:49:29","MIT","Linux, macOS, Windows","无需本地 GPU（调用云端 API）","未说明",{"notes":90,"python":88,"dependencies":91},"该工具为 OpenAI API 客户端示例，模型推理在云端进行，无需本地算力。需申请 API Key 并配置环境变量。支持通过 Flask 启动 Web 服务或运行 Python 脚本。依赖包版本详见 requirements.txt。",[75,92],"flask",[16],[75,95],"openai-api","2026-03-27T02:49:30.150509","2026-04-06T07:00:44.347630",[99,104,109,114,119,124],{"id":100,"question_zh":101,"answer_zh":102,"source_url":103},3608,"无法找到 API Key（.env 文件未生效）是什么原因？","请检查官方入门指南确认配置方式。部分用户反馈问题可能源于 Python 版本过新，建议尝试使用 Python 3.9.x 版本进行测试，并确保环境变量设置正确。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-quickstart-python\u002Fissues\u002F49",{"id":105,"question_zh":106,"answer_zh":107,"source_url":108},3605,"在 Windows 系统上如何正确激活虚拟环境？","Windows 用户的激活路径应为 venv\u002FScripts\u002Factivate，而非 Linux 下的 venv\u002Fbin\u002Factivate。建议按顺序执行以下命令：升级 pip，安装 openai\u002Fflask\u002Fdot-env，创建 venv，激活 venv，安装 requirements.txt，最后运行 flask run。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-quickstart-python\u002Fissues\u002F30",{"id":110,"question_zh":111,"answer_zh":112,"source_url":113},3606,"运行 Flask 时出现 ModuleNotFoundError: No module named 'openai' 怎么办？","请确保使用的是最新版本的 openai-python 库，并在干净的 Python 环境中操作。如果问题依旧，可以尝试使用 python -m flask run 命令来启动应用，这有时能解决模块导入路径问题。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-quickstart-python\u002Fissues\u002F47",{"id":115,"question_zh":116,"answer_zh":117,"source_url":118},3607,"Python 3.11 环境下安装依赖时报错（如 Pandas\u002FNumpy）如何解决？","较新的 Python 版本可能需要更新依赖包版本以兼容。建议将 pandas 版本调整为 1.5.2，numpy 版本调整为 1.23.2。或者仅安装 flask 而不强制安装 requirements.txt 中的旧版本依赖。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-quickstart-python\u002Fissues\u002F13",{"id":120,"question_zh":121,"answer_zh":122,"source_url":123},3609,"运行 python -m venv venv 时报系统找不到文件错误如何处理？","如果使用 Anaconda，请先创建并激活 conda 环境再执行后续步骤。如果是权限问题，可尝试手动创建文件夹 mkdir venv 后再运行 venv 命令，以确保目录存在且权限正常。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-quickstart-python\u002Fissues\u002F56",{"id":125,"question_zh":126,"answer_zh":127,"source_url":128},3610,"MacOS 上因 Numpy 版本过低导致依赖冲突怎么办？","这通常与 Python 版本相关而非操作系统。建议将 requirements.txt 中的 numpy 版本升级到支持当前 Python 的版本（如 1.24.1），或更新所有相关 pip 包版本以解决依赖解析冲突。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fopenai-quickstart-python\u002Fissues\u002F12",[]]