[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-pingcap--autoflow":3,"tool-pingcap--autoflow":61},[4,18,28,37,45,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":24,"last_commit_at":25,"category_tags":26,"status":17},9989,"n8n","n8n-io\u002Fn8n","n8n 是一款面向技术团队的公平代码（fair-code）工作流自动化平台，旨在让用户在享受低代码快速构建便利的同时，保留编写自定义代码的灵活性。它主要解决了传统自动化工具要么过于封闭难以扩展、要么完全依赖手写代码效率低下的痛点，帮助用户轻松连接 400 多种应用与服务，实现复杂业务流程的自动化。\n\nn8n 特别适合开发者、工程师以及具备一定技术背景的业务人员使用。其核心亮点在于“按需编码”：既可以通过直观的可视化界面拖拽节点搭建流程，也能随时插入 JavaScript 或 Python 代码、调用 npm 包来处理复杂逻辑。此外，n8n 原生集成了基于 LangChain 的 AI 能力，支持用户利用自有数据和模型构建智能体工作流。在部署方面，n8n 提供极高的自由度，支持完全自托管以保障数据隐私和控制权，也提供云端服务选项。凭借活跃的社区生态和数百个现成模板，n8n 让构建强大且可控的自动化系统变得简单高效。",184740,2,"2026-04-19T23:22:26",[16,14,13,15,27],"插件",{"id":29,"name":30,"github_repo":31,"description_zh":32,"stars":33,"difficulty_score":10,"last_commit_at":34,"category_tags":35,"status":17},10095,"AutoGPT","Significant-Gravitas\u002FAutoGPT","AutoGPT 是一个旨在让每个人都能轻松使用和构建 AI 的强大平台，核心功能是帮助用户创建、部署和管理能够自动执行复杂任务的连续型 AI 智能体。它解决了传统 AI 应用中需要频繁人工干预、难以自动化长流程工作的痛点，让用户只需设定目标，AI 即可自主规划步骤、调用工具并持续运行直至完成任务。\n\n无论是开发者、研究人员，还是希望提升工作效率的普通用户，都能从 AutoGPT 中受益。开发者可利用其低代码界面快速定制专属智能体；研究人员能基于开源架构探索多智能体协作机制；而非技术背景用户也可直接选用预置的智能体模板，立即投入实际工作场景。\n\nAutoGPT 的技术亮点在于其模块化“积木式”工作流设计——用户通过连接功能块即可构建复杂逻辑，每个块负责单一动作，灵活且易于调试。同时，平台支持本地自托管与云端部署两种模式，兼顾数据隐私与使用便捷性。配合完善的文档和一键安装脚本，即使是初次接触的用户也能在几分钟内启动自己的第一个 AI 智能体。AutoGPT 正致力于降低 AI 应用门槛，让人人都能成为 AI 的创造者与受益者。",183572,"2026-04-20T04:47:55",[13,36,27,14,15],"语言模型",{"id":38,"name":39,"github_repo":40,"description_zh":41,"stars":42,"difficulty_score":10,"last_commit_at":43,"category_tags":44,"status":17},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,"2026-04-05T11:01:52",[14,15,13],{"id":46,"name":47,"github_repo":48,"description_zh":49,"stars":50,"difficulty_score":24,"last_commit_at":51,"category_tags":52,"status":17},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",161147,"2026-04-19T23:31:47",[14,13,36],{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":24,"last_commit_at":59,"category_tags":60,"status":17},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。",109154,"2026-04-18T11:18:24",[14,15,13],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":77,"owner_email":77,"owner_twitter":74,"owner_website":78,"owner_url":79,"languages":80,"stars":117,"forks":118,"last_commit_at":119,"license":120,"difficulty_score":121,"env_os":122,"env_gpu":123,"env_ram":124,"env_deps":125,"category_tags":134,"github_topics":135,"view_count":24,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":144,"updated_at":145,"faqs":146,"releases":147},10161,"pingcap\u002Fautoflow","autoflow","pingcap\u002Fautoflow is a Graph RAG based and conversational knowledge base tool built with TiDB Serverless Vector Storage. Demo: https:\u002F\u002Ftidb.ai","AutoFlow 是一款由 PingCAP 推出的开源知识库工具，旨在通过对话式搜索帮助用户高效获取信息。它基于先进的 Graph RAG（图检索增强生成）技术，能够像 Perplexity 一样提供流畅的问答体验，有效解决了传统搜索在理解复杂上下文和关联知识时的局限性，让机器回答更精准、更有逻辑。\n\n这款工具特别适合开发者和技术团队使用，尤其是那些希望为产品文档或官方网站快速构建智能客服助手的人群。AutoFlow 内置了强大的网站爬虫，能自动抓取并索引站点内容；同时提供简单的 JavaScript 代码片段，方便将对话窗口无缝嵌入任何网页右下角，即时响应用户查询。\n\n在技术层面，AutoFlow 融合了 TiDB Serverless 向量存储、LlamaIndex 框架以及 Stanford 的 DSPy 技术。这种组合不仅实现了高质量的知识图谱构建，还优化了对大模型的编程控制，减少了繁琐的提示词工程。目前项目仍处于早期开发阶段，未来计划封装为 Python 包以便更广泛地集成。无论是想搭建内部知识库的企业，还是探索 RAG 技术的开发者，AutoFlow 都是一个值得关注的现代","AutoFlow 是一款由 PingCAP 推出的开源知识库工具，旨在通过对话式搜索帮助用户高效获取信息。它基于先进的 Graph RAG（图检索增强生成）技术，能够像 Perplexity 一样提供流畅的问答体验，有效解决了传统搜索在理解复杂上下文和关联知识时的局限性，让机器回答更精准、更有逻辑。\n\n这款工具特别适合开发者和技术团队使用，尤其是那些希望为产品文档或官方网站快速构建智能客服助手的人群。AutoFlow 内置了强大的网站爬虫，能自动抓取并索引站点内容；同时提供简单的 JavaScript 代码片段，方便将对话窗口无缝嵌入任何网页右下角，即时响应用户查询。\n\n在技术层面，AutoFlow 融合了 TiDB Serverless 向量存储、LlamaIndex 框架以及 Stanford 的 DSPy 技术。这种组合不仅实现了高质量的知识图谱构建，还优化了对大模型的编程控制，减少了繁琐的提示词工程。目前项目仍处于早期开发阶段，未来计划封装为 Python 包以便更广泛地集成。无论是想搭建内部知识库的企业，还是探索 RAG 技术的开发者，AutoFlow 都是一个值得关注的现代化解决方案。","\u003C!-- markdownlint-disable MD033 MD041 -->\n\n\u003Cdiv align=\"center\">\n\u003Ch1>AutoFlow\u003C\u002Fh1>\n  \u003Ca href='https:\u002F\u002Fwww.pingcap.com\u002Ftidb-cloud-serverless\u002F?utm_source=tidb.ai&utm_medium=community'>\n    \u003Cimg src=\"https:\u002F\u002Fraw.githubusercontent.com\u002Fpingcap\u002Fautoflow\u002Frefs\u002Fheads\u002Fmain\u002Fdocs\u002Fpublic\u002Ficon-dark.svg\" alt=\"AutoFlow\" width =100 height=100>\u003C\u002Fimg>\n  \u003C\u002Fa>\n\n  \u003Ca href=\"https:\u002F\u002Ftrendshift.io\u002Frepositories\u002F12294\" target=\"_blank\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fpingcap_autoflow_readme_4cc089988f35.png\" alt=\"pingcap%2Fautoflow | Trendshift\" style=\"width: 250px; height: 55px;\" width=\"250\" height=\"55\"\u002F>\u003C\u002Fa>\n\n  [![Backend Docker Image Version](https:\u002F\u002Fimg.shields.io\u002Fdocker\u002Fv\u002Ftidbai\u002Fbackend?sort=semver&arch=amd64&label=tidbai%2Fbackend&color=blue&logo=fastapi)](https:\u002F\u002Fhub.docker.com\u002Fr\u002Ftidbai\u002Fbackend)\n  [![Frontend Docker Image Version](https:\u002F\u002Fimg.shields.io\u002Fdocker\u002Fv\u002Ftidbai\u002Ffrontend?sort=semver&arch=amd64&label=tidbai%2Ffrontend&&color=blue&logo=next.js)](https:\u002F\u002Fhub.docker.com\u002Fr\u002Ftidbai\u002Ffrontend)\n  [![E2E Status](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fcheck-runs\u002Fpingcap\u002Ftidb.ai\u002Fmain?nameFilter=E2E%20Test&label=e2e)](https:\u002F\u002Ftidb-ai-playwright.vercel.app\u002F)\n\u003C\u002Fdiv>\n\n> [!WARNING]\n> Autoflow is still in the early stages of development. And we are actively working on it, the next move is to make it to a python package and make it a RAG solution e.g. `pip install autoflow-ai`. If you have any questions or suggestions, please feel free to contact us on [Discussion](https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fdiscussions).\n\n## Introduction\n\nAutoFlow is an open source graph rag (graphrag: knowledge graph rag) based knowledge base tool built on top of [TiDB Vector](https:\u002F\u002Fwww.pingcap.com\u002Fai?utm_source=tidb.ai&utm_medium=community) and [LlamaIndex](https:\u002F\u002Fgithub.com\u002Frun-llama\u002Fllama_index) and [DSPy](https:\u002F\u002Fgithub.com\u002Fstanfordnlp\u002Fdspy).\n\n- **Live Demo**: [https:\u002F\u002Ftidb.ai](https:\u002F\u002Ftidb.ai?utm_source=tidb.ai&utm_medium=community)\n- **Deployment Docs**: [Deployment Docs](https:\u002F\u002Fautoflow.tidb.ai\u002F?utm_source=github&utm_medium=tidb.ai)\n\n## Features\n\n1. **Perplexity-style Conversational Search page**: Our platform features an advanced built-in website crawler, designed to elevate your browsing experience. This crawler effortlessly navigates official and documentation sites, ensuring comprehensive coverage and streamlined search processes through sitemap URL scraping.\n\n![Image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fpingcap_autoflow_readme_6cf2c42656b4.png)\n\n2. **Embeddable JavaScript Snippet**: Integrate our conversational search window effortlessly into your website by copying and embedding a simple JavaScript code snippet. This widget, typically placed at the bottom right corner of your site, facilitates instant responses to product-related queries.\n\n![Image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fpingcap_autoflow_readme_1e7a97d0fee6.png)\n\n## Deploy\n\n- [Deploy with Docker Compose](https:\u002F\u002Fautoflow.tidb.ai\u002Fdeploy-with-docker) (with: 4 CPU cores and 8GB RAM)\n\n## Tech Stack\n\n- [TiDB](https:\u002F\u002Fwww.pingcap.com\u002Fai?utm_source=tidb.ai&utm_medium=community) – Database to store chat history, vector, json, and analytic\n- [LlamaIndex](https:\u002F\u002Fwww.llamaindex.ai\u002F) - RAG framework\n- [DSPy](https:\u002F\u002Fgithub.com\u002Fstanfordnlp\u002Fdspy) - The framework for programming—not prompting—foundation models\n- [Next.js](https:\u002F\u002Fnextjs.org\u002F) – Framework\n- [Tailwind CSS](https:\u002F\u002Ftailwindcss.com\u002F) – CSS framework\n- [shadcn\u002Fui](https:\u002F\u002Fui.shadcn.com\u002F) - Design\n\n## Contributing\n\nWe welcome contributions from the community. If you are interested in contributing to the project, please read the [Contributing Guidelines](\u002FCONTRIBUTING.md).\n\n\u003Ca href=\"https:\u002F\u002Fnext.ossinsight.io\u002Fwidgets\u002Fofficial\u002Fcompose-last-28-days-stats?repo_id=752946440\" target=\"_blank\" style=\"display: block\" align=\"center\">\n  \u003Cpicture>\n    \u003Csource media=\"(prefers-color-scheme: dark)\" srcset=\"https:\u002F\u002Fnext.ossinsight.io\u002Fwidgets\u002Fofficial\u002Fcompose-last-28-days-stats\u002Fthumbnail.png?repo_id=752946440&image_size=auto&color_scheme=dark\" width=\"655\" height=\"auto\">\n    \u003Cimg alt=\"Performance Stats of pingcap\u002Fautoflow - Last 28 days\" src=\"https:\u002F\u002Fnext.ossinsight.io\u002Fwidgets\u002Fofficial\u002Fcompose-last-28-days-stats\u002Fthumbnail.png?repo_id=752946440&image_size=auto&color_scheme=light\" width=\"655\" height=\"auto\">\n  \u003C\u002Fpicture>\n\u003C\u002Fa>\n\u003C!-- Made with [OSS Insight](https:\u002F\u002Fossinsight.io\u002F) -->\n\n## License\n\nAutoFlow is open-source under the Apache License, Version 2.0. You can [find it here](https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fblob\u002Fmain\u002FLICENSE.txt).\n\n## Contact\n\nYou can reach out to us on [Discord](https:\u002F\u002Fdiscord.gg\u002FXzSW23Jg9p).\n","\u003C!-- markdownlint-disable MD033 MD041 -->\n\n\u003Cdiv align=\"center\">\n\u003Ch1>AutoFlow\u003C\u002Fh1>\n  \u003Ca href='https:\u002F\u002Fwww.pingcap.com\u002Ftidb-cloud-serverless\u002F?utm_source=tidb.ai&utm_medium=community'>\n    \u003Cimg src=\"https:\u002F\u002Fraw.githubusercontent.com\u002Fpingcap\u002Fautoflow\u002Frefs\u002Fheads\u002Fmain\u002Fdocs\u002Fpublic\u002Ficon-dark.svg\" alt=\"AutoFlow\" width =100 height=100>\u003C\u002Fimg>\n  \u003C\u002Fa>\n\n  \u003Ca href=\"https:\u002F\u002Ftrendshift.io\u002Frepositories\u002F12294\" target=\"_blank\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fpingcap_autoflow_readme_4cc089988f35.png\" alt=\"pingcap%2Fautoflow | Trendshift\" style=\"width: 250px; height: 55px;\" width=\"250\" height=\"55\"\u002F>\u003C\u002Fa>\n\n  [![Backend Docker Image Version](https:\u002F\u002Fimg.shields.io\u002Fdocker\u002Fv\u002Ftidbai\u002Fbackend?sort=semver&arch=amd64&label=tidbai%2Fbackend&color=blue&logo=fastapi)](https:\u002F\u002Fhub.docker.com\u002Fr\u002Ftidbai\u002Fbackend)\n  [![Frontend Docker Image Version](https:\u002F\u002Fimg.shields.io\u002Fdocker\u002Fv\u002Ftidbai\u002Ffrontend?sort=semver&arch=amd64&label=tidbai%2Ffrontend&&color=blue&logo=next.js)](https:\u002F\u002Fhub.docker.com\u002Fr\u002Ftidbai\u002Ffrontend)\n  [![E2E Status](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fcheck-runs\u002Fpingcap\u002Ftidb.ai\u002Fmain?nameFilter=E2E%20Test&label=e2e)](https:\u002F\u002Ftidb-ai-playwright.vercel.app\u002F)\n\u003C\u002Fdiv>\n\n> [!WARNING]\n> Autoflow目前仍处于开发的早期阶段。我们正在积极地推进该项目，下一步计划将其打包成Python库，并打造为一个RAG解决方案，例如通过`pip install autoflow-ai`来使用。如果您有任何问题或建议，请随时通过[讨论区](https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fdiscussions)与我们联系。\n\n## 简介\n\nAutoFlow是一个基于图谱检索（graphrag：知识图谱RAG）的开源知识库工具，构建于[TiDB Vector](https:\u002F\u002Fwww.pingcap.com\u002Fai?utm_source=tidb.ai&utm_medium=community)、[LlamaIndex](https:\u002F\u002Fgithub.com\u002Frun-llama\u002Fllama_index)以及[DSPy](https:\u002F\u002Fgithub.com\u002Fstanfordnlp\u002Fdspy)之上。\n\n- **在线演示**: [https:\u002F\u002Ftidb.ai](https:\u002F\u002Ftidb.ai?utm_source=tidb.ai&utm_medium=community)\n- **部署文档**: [部署文档](https:\u002F\u002Fautoflow.tidb.ai\u002F?utm_source=github&utm_medium=tidb.ai)\n\n## 功能\n\n1. **类似Perplexity风格的对话式搜索页面**: 我们的平台内置了先进的网站爬虫，旨在提升您的浏览体验。该爬虫能够轻松抓取官方和文档站点，通过站点地图URL的抓取，确保全面覆盖并简化搜索流程。\n\n![图片](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fpingcap_autoflow_readme_6cf2c42656b4.png)\n\n2. **可嵌入的JavaScript代码片段**: 您只需复制并嵌入一段简单的JavaScript代码，即可将我们的对话式搜索窗口无缝集成到您的网站中。该小部件通常放置在您网站的右下角，能够即时响应与产品相关的查询。\n\n![图片](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fpingcap_autoflow_readme_1e7a97d0fee6.png)\n\n## 部署\n\n- [使用Docker Compose部署](https:\u002F\u002Fautoflow.tidb.ai\u002Fdeploy-with-docker)（需配备4核CPU和8GB内存）\n\n## 技术栈\n\n- [TiDB](https:\u002F\u002Fwww.pingcap.com\u002Fai?utm_source=tidb.ai&utm_medium=community) – 用于存储聊天记录、向量、JSON及分析数据的数据库\n- [LlamaIndex](https:\u002F\u002Fwww.llamaindex.ai\u002F) - RAG框架\n- [DSPy](https:\u002F\u002Fgithub.com\u002Fstanfordnlp\u002Fdspy) - 用于编程而非提示词的基础模型框架\n- [Next.js](https:\u002F\u002Fnextjs.org\u002F) – 框架\n- [Tailwind CSS](https:\u002F\u002Ftailwindcss.com\u002F) – CSS框架\n- [shadcn\u002Fui](https:\u002F\u002Fui.shadcn.com\u002F) - 设计\n\n## 贡献\n\n我们欢迎社区的贡献。如果您有兴趣参与本项目，请阅读[贡献指南](\u002FCONTRIBUTING.md)。\n\n\u003Ca href=\"https:\u002F\u002Fnext.ossinsight.io\u002Fwidgets\u002Fofficial\u002Fcompose-last-28-days-stats?repo_id=752946440\" target=\"_blank\" style=\"display: block\" align=\"center\">\n  \u003Cpicture>\n    \u003Csource media=\"(prefers-color-scheme: dark)\" srcset=\"https:\u002F\u002Fnext.ossinsight.io\u002Fwidgets\u002Fofficial\u002Fcompose-last-28-days-stats\u002Fthumbnail.png?repo_id=752946440&image_size=auto&color_scheme=dark\" width=\"655\" height=\"auto\">\n    \u003Cimg alt=\"pingcap\u002Fautoflow近28天性能统计\" src=\"https:\u002F\u002Fnext.ossinsight.io\u002Fwidgets\u002Fofficial\u002Fcompose-last-28-days-stats\u002Fthumbnail.png?repo_id=752946440&image_size=auto&color_scheme=light\" width=\"655\" height=\"auto\">\n  \u003C\u002Fpicture>\n\u003C\u002Fa>\n\u003C!-- 使用[OSS Insight](https:\u002F\u002Fossinsight.io\u002F)制作 -->\n\n## 许可证\n\nAutoFlow采用Apache许可证2.0版开源。您可以[在此处查看](https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fblob\u002Fmain\u002FLICENSE.txt)。\n\n## 联系方式\n\n您可以通过[Discord](https:\u002F\u002Fdiscord.gg\u002FXzSW23Jg9p)与我们取得联系。","# AutoFlow 快速上手指南\n\nAutoFlow 是一个基于 Graph RAG（知识图谱检索增强生成）的开源知识库工具，构建于 TiDB Vector、LlamaIndex 和 DSPy 之上。它支持类似 Perplexity 的对话式搜索，并提供可嵌入网站的 JavaScript 组件。\n\n> **注意**：该项目目前处于早期开发阶段，未来计划发布为 Python 包（`pip install autoflow-ai`）。当前推荐使用 Docker 方式进行部署体验。\n\n## 环境准备\n\n在开始之前，请确保您的服务器或本地环境满足以下要求：\n\n*   **操作系统**：Linux \u002F macOS \u002F Windows (需安装 Docker Desktop)\n*   **硬件资源**：\n    *   CPU：至少 4 核\n    *   内存：至少 8GB RAM\n*   **前置依赖**：\n    *   [Docker](https:\u002F\u002Fwww.docker.com\u002F) (推荐 v20.10+)\n    *   [Docker Compose](https:\u002F\u002Fdocs.docker.com\u002Fcompose\u002F) (通常包含在 Docker Desktop 中)\n\n## 安装步骤\n\nAutoFlow 官方推荐使用 Docker Compose 进行一键部署。\n\n1.  **克隆项目仓库**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow.git\n    cd autoflow\n    ```\n\n2.  **启动服务**\n    在项目根目录下运行以下命令拉取镜像并启动容器：\n    ```bash\n    docker compose up -d\n    ```\n    *注：首次运行会自动下载 `tidbai\u002Fbackend` 和 `tidbai\u002Ffrontend` 镜像，请耐心等待。*\n\n3.  **验证部署**\n    等待约 1-2 分钟让服务初始化完成后，在浏览器访问：\n    ```text\n    http:\u002F\u002Flocalhost:3000\n    ```\n\n## 基本使用\n\n### 1. 创建知识库与爬虫\n登录界面后，您可以创建一个新项目。AutoFlow 内置了强大的网站爬虫功能：\n\n*   输入目标文档站的 URL（例如官方文档首页）。\n*   系统会自动通过 Sitemap 抓取页面内容。\n*   利用 TiDB Vector 和 LlamaIndex 将内容向量化并构建知识图谱。\n\n### 2. 对话式搜索\n在左侧或主界面的聊天窗口中，直接针对已导入的知识库提问。系统将基于 Graph RAG 技术提供精准的引用回答。\n\n### 3. 嵌入到自有网站\n若需将此功能集成到您的产品中：\n\n1.  在 AutoFlow 界面找到 **\"Embed\"** 或 **\"JavaScript Snippet\"** 选项。\n2.  复制生成的代码片段。\n3.  将其粘贴到您网站 HTML 的 `\u003Cbody>` 标签底部即可：\n    ```html\n    \u003C!-- 示例代码，具体请以控制台生成为准 -->\n    \u003Cscript src=\"http:\u002F\u002Flocalhost:3000\u002Fembed.js\">\u003C\u002Fscript>\n    ```\n     widget 将默认显示在网页右下角，为用户提供即时问答服务。\n\n---\n*更多详细部署文档请参考：[AutoFlow Deployment Docs](https:\u002F\u002Fautoflow.tidb.ai\u002F)*","某 SaaS 初创公司的技术文档团队正面临产品迭代快、文档分散在多个子站，导致用户咨询响应慢且准确率低的困境。\n\n### 没有 autoflow 时\n- **信息检索碎片化**：客服人员需在 Confluence、GitHub Wiki 和旧版官网间手动切换搜索，难以拼凑完整的技术逻辑，平均单次查询耗时超过 15 分钟。\n- **回答缺乏上下文关联**：传统关键词搜索无法理解“分布式事务”与“数据一致性”之间的图谱关系，常返回孤立段落，导致给用户的解答断章取义。\n- **多端部署成本高**：想要在公司官网嵌入智能客服，需单独开发前端接口并维护向量数据库，开发周期长达数周，且难以实时同步最新文档。\n\n### 使用 autoflow 后\n- **一站式图谱化搜索**：利用 autoflow 内置的爬虫自动抓取全站 sitemap 并构建知识图谱，客服只需一次提问，系统即可跨文档源整合出包含因果关系的完整答案，查询缩短至秒级。\n- **推理能力显著提升**：基于 Graph RAG 架构，autoflow 能精准识别技术概念间的深层联系，针对复杂场景（如故障排查）提供逻辑严密的推导过程，而非简单的片段堆砌。\n- **零代码快速集成**：团队仅需复制一段 JavaScript  snippet 即可将具备对话能力的搜索窗口嵌入官网右下角，后端依托 TiDB Serverless 自动处理向量存储与分析，无需额外运维投入。\n\nautoflow 通过将分散文档转化为可推理的知识图谱，让企业以极低门槛实现了从“关键词匹配”到“智能知识助手”的质的飞跃。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fpingcap_autoflow_6cf2c426.gif","pingcap","PingCAP","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fpingcap_af5054e7.png","The team behind TiDB TiKV, an open source MySQL compatible HTAP database",null,"https:\u002F\u002Fpingcap.com","https:\u002F\u002Fgithub.com\u002Fpingcap",[81,85,89,93,97,101,104,107,111,114],{"name":82,"color":83,"percentage":84},"TypeScript","#3178c6",52.9,{"name":86,"color":87,"percentage":88},"Python","#3572A5",41.9,{"name":90,"color":91,"percentage":92},"Jupyter Notebook","#DA5B0B",3.8,{"name":94,"color":95,"percentage":96},"SCSS","#c6538c",0.6,{"name":98,"color":99,"percentage":100},"CSS","#663399",0.2,{"name":102,"color":103,"percentage":100},"Shell","#89e051",{"name":105,"color":106,"percentage":100},"Dockerfile","#384d54",{"name":108,"color":109,"percentage":110},"JavaScript","#f1e05a",0.1,{"name":112,"color":113,"percentage":110},"HTML","#e34c26",{"name":115,"color":116,"percentage":110},"Makefile","#427819",2765,175,"2026-04-19T23:52:48","Apache-2.0",4,"未说明 (基于 Docker，通常支持 Linux\u002FmacOS\u002FWindows)","未说明","最低 8GB (Docker Compose 部署建议配置)",{"notes":126,"python":123,"dependencies":127},"该项目目前处于早期开发阶段，官方推荐使用 Docker Compose 进行部署，建议服务器配置为 4 核 CPU 和 8GB 内存。核心功能依赖 TiDB Serverless 数据库存储向量数据。未来计划发布为 Python 包 (pip install autoflow-ai)。",[128,129,130,131,132,133],"TiDB Vector","LlamaIndex","DSPy","Next.js","Tailwind CSS","shadcn\u002Fui",[16,36,14],[136,137,138,139,140,141,142,143],"mysql","rag","serverless","vector-database","chatbot","graphrag","knowledge-graph","cot","2026-03-27T02:49:30.150509","2026-04-20T19:23:40.713277",[],[148,153,158,163,168],{"id":149,"version":150,"summary_zh":151,"released_at":152},360508,"0.4.0","## 亮点\n\n- 支持 [评估（测试版）](https:\u002F\u002Ftidb.ai\u002Fdocs\u002Fevaluation) 工具，用于评估聊天引擎输出的性能和可靠性（由 @Icemap 和 @634750802 完成）。\n  - 当前支持的关键指标：\n    - 事实准确性\n    - 语义相似度\n- 支持新的大模型提供商：\n  - [Gitee AI](https:\u002F\u002Ftidb.ai\u002Fdocs\u002Fllm#gitee-ai)（由 @lc-soft 完成）\n  - 测试新的类 OpenAI 提供商（由 @jrj5423 完成）：\n    - [vLLM](https:\u002F\u002Ftidb.ai\u002Fdocs\u002Fllm#vllm)\n    - [Xinference](https:\u002F\u002Ftidb.ai\u002Fdocs\u002Fllm#xinference)\n- 支持新的嵌入模型提供商：\n  - [Gitee AI](https:\u002F\u002Ftidb.ai\u002Fdocs\u002Fembedding-model#gitee-ai)（由 @lc-soft 完成）\n  - [Amazon Bedrock](https:\u002F\u002Ftidb.ai\u002Fdocs\u002Fembedding-model#amazon-bedrock)（由 @jrj5423 和 @Mini256 完成）\n\n## 改进\n\n- 通过站点设置中的 `max_upload_file_size` 参数（默认为 10MB）限制上传文件大小（由 @sszgwdk 和 @634750802 完成）\n- 支持在聊天页面下载参考文件（由 @Rutheniumlmw 和 @634750802 完成）\n\n## 新贡献者\n\n* @sszgwdk 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F497 中完成了首次贡献\n* @jrj5423 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F522 中完成了首次贡献\n* @Rutheniumlmw 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F538 中完成了首次贡献\n* @lc-soft 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F470 中完成了首次贡献\n* @nicognaW 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F496 中完成了首次贡献\n\n如果您使用 Docker 部署 Autoflow，请按照 [升级](https:\u002F\u002Ftidb.ai\u002Fdocs\u002Fdeploy-with-docker#upgrade) 指南来升级您的 Autoflow。\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fcompare\u002Fv0.3.0...0.4.0","2025-01-03T09:33:24",{"id":154,"version":155,"summary_zh":156,"released_at":157},360509,"0.4.0rc1","## 变更内容\n\n* e2e：@634750802 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F438 中修复了引导流程\n* 修复：结构化预测仅适用于 OpenAI API，由 @Icemap 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F487 中完成\n* UI（前端）：@634750802 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F464 中添加了由 magicui.design 制作的酷炫首页背景\n* UI（前端）：@634750802 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F489 中优化了进度图表标签\n* 杂项（前端）：@634750802 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F488 中升级到 Next.js 15 和 React 19\n* e2e：@634750802 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F491 中再次修复了引导流程\n* 修复（前端）：@634750802 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F492 中实现了导航后刷新功能\n* 功能：@Icemap 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F463 中新增了评估 API\n* 功能（前端）：@634750802 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F495 中开发了评估管理页面\n* 支持通过 CLI 传递自定义域名用户名，由 @chethanuk 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F420 中实现\n* 为 stackvm 添加验证，由 @IANTHEREAL 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F503 中完成\n* 功能：新增站点设置 upload_max_body_size，由 @sszgwdk 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F497 中实现\n* 支持传递自定义管理员用户名和密码，并启用重置功能……由 @sszgwdk 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F499 中完成\n* 支持响应格式，由 @IANTHEREAL 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F504 中实现\n* 修复：@Icemap 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F498 中修复了预发布环境中的错误\n* 功能：更新评估 API 分组，由 @Icemap 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F515 中完成\n* 功能（前端）：@634750802 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F513 中进一步优化了评估管理页面\n* 扩展图搜索能力，由 @IANTHEREAL 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F517 中实现\n* 优化（前端）：部分用 @tanstack\u002Fform 替代 react-hook-form，由 @634750802 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F519 中完成\n* 改进图基础 API，由 @IANTHEREAL 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F521 中完成\n* 文档：添加 vLLM 和 Xinference 模型的示例，由 @jrj5423 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F522 中完成\n* 重构（前端）：用 @tanstack\u002Fform 替代 react-hook-form，由 @634750802 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F524 中完成\n* 优化目标背景生成及 API，由 @IANTHEREAL 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F530 中完成\n* e2e：@634750802 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F529 中新增了聊天引擎测试\n* 修复（前端）：仅在首页显示小部件，由 @634750802 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F531 中完成\n* 修复（前端）：修正小部件的显示条件，由 @634750802 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F533 中完成\n* e2e：@634750802 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F536 中新增了知识库测试用例\n* 文档：评估相关说明，由 @Icemap 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F539 中完成\n* 文档：在 CONTRIBUTING.md 中新增“如何添加 API？”内容","2024-12-31T07:24:05",{"id":159,"version":160,"summary_zh":161,"released_at":162},360510,"v0.3.0","## 发布说明\n\n- 项目更名为 autoflow\n- 支持多个知识库\n- 新增嵌入模型提供商支持：\n  - [Ollama](https:\u002F\u002Ftidb.ai\u002Fdocs\u002Fembedding-model#ollama)\n  - [OpenAI 类似模型](https:\u002F\u002Ftidb.ai\u002Fdocs\u002Fembedding-model#openai-like)\n  - [智谱AI](https:\u002F\u002Ftidb.ai\u002Fdocs\u002Fembedding-model#zhipuai)\n\n详情请参阅 [v0.3.0 版本发布说明](https:\u002F\u002Ftidb.ai\u002Fdocs\u002Freleases\u002Fv0.3.0)\n\n## ‼️ 从 v0.2.x 迁移到 v0.3.0\n\n如果您希望将 autoflow 从 v0.2.x 升级到 v0.3.0，请在迁移前查看破坏性变更和[迁移指南](https:\u002F\u002Ftidb.ai\u002Fdocs\u002Freleases\u002Fv0.3.0#migrating-from-v02x-to-v030)。\n\n## 新贡献者\n* @chethanuk 在 https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fpull\u002F421 中完成了首次贡献\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002Fpingcap\u002Fautoflow\u002Fcompare\u002F0.2.9...v0.3.0","2024-12-09T05:16:27",{"id":164,"version":165,"summary_zh":166,"released_at":167},360511,"0.2.0","- [发布说明](https:\u002F\u002Ftidb.ai\u002Fdocs\u002Freleases\u002Fv0.2.0)\n- [部署指南](https:\u002F\u002Ftidb.ai\u002Fdocs\u002Fdeploy-with-docker)\n- [升级指南](https:\u002F\u002Ftidb.ai\u002Fdocs\u002Fdeploy-with-docker#upgrade)","2024-08-22T00:26:29",{"id":169,"version":170,"summary_zh":171,"released_at":172},360512,"0.1.0","请参阅[发布说明](https:\u002F\u002Ftidb.ai\u002Fdocs\u002Freleases\u002Fv0.1.0)和[部署指南](https:\u002F\u002Ftidb.ai\u002Fdocs\u002Fdeploy-with-docker)。","2024-08-12T08:45:16"]