[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-s-smits--agentic-cursorrules":3,"tool-s-smits--agentic-cursorrules":64},[4,17,27,35,48,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":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",140436,2,"2026-04-05T23:32:43",[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},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",[14,43,44,45,15,46,26,13,47],"数据工具","视频","插件","其他","音频",{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":10,"last_commit_at":54,"category_tags":55,"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",[15,14,13,26,46],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},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。",70626,"2026-04-05T22:51:36",[26,15,13,45],{"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":80,"owner_email":81,"owner_twitter":82,"owner_website":81,"owner_url":83,"languages":84,"stars":89,"forks":90,"last_commit_at":91,"license":81,"difficulty_score":23,"env_os":92,"env_gpu":93,"env_ram":93,"env_deps":94,"category_tags":99,"github_topics":81,"view_count":10,"oss_zip_url":81,"oss_zip_packed_at":81,"status":16,"created_at":100,"updated_at":101,"faqs":102,"releases":128},473,"s-smits\u002Fagentic-cursorrules","agentic-cursorrules","A practical approach to managing multiple AI agents in Cursor through strict file-tree partitioning and domain boundaries.","agentic-cursorrules 是一个通过文件树分区管理多个 AI 代理协作的实用工具。它通过为每个代理划定明确的代码目录边界，生成专属的 Markdown 规则文件，确保代理只能在其指定领域内工作，从而避免跨模块误操作和冲突。\n\n这个工具解决了传统多代理工作流中常见的\"上下文过载\"问题——当代理被赋予整个代码库权限时，可能因误解全局结构而修改无关文件，导致连锁故障。通过强制隔离工作范围，它让代理专注处理特定功能模块，使代码修改更精准，团队协作更高效。\n\n适合需要在大型代码库中使用多个 AI 代理的开发者团队，尤其是采用微服务架构或模块化开发的项目。研究人员若需构建多智能体协作系统，也能通过其清晰的边界管理机制获得启发。\n\n技术亮点包括：自动识别项目结构生成配置、智能划分逻辑域、支持.gitignore规则继承、可视化树状图展示边界范围。其交互式初始化向导可帮助用户快速建立配置，而持续运行模式则适合开发过程中的动态调整。最终生成的 Markdown 文件可直接在 Cursor 等 IDE 中引用，让 AI 辅助始终保持在正确的\"赛道\"上工作。","# agentic-cursorrules\n\n**Give your AI agents a sense of place.**\n\nPartition large codebases into domain-specific contexts for multi-agent workflows. This tool generates isolated markdown rule files that prevent agent conflicts by giving them explicit file-tree boundaries.\n\n## Why this exists\n\nWe've all been there: you give an AI agent access to your whole repository, and suddenly it's \"refactoring\" a utility file that breaks five other modules you didn't even mention.\n\nTraditional workflows drown agents in context they don't need. **Agentic-cursorrules** solves this by keeping each agent inside a clearly defined slice of the tree. Conversations stay focused, diffs stay local, and coordination overhead drops because your agents aren't trying to understand the entire universe at once.\n\n## How it works\n\nAt its core, this tool is a boundary manager. It reads a configuration (which it can auto-detect for you!) mapping directory patterns to named domains.\n\nWhen you run it, it resolves these domains, respects your `.gitignore` rules, and writes per-domain markdown files (like `@agent_backend_api.md`). These files describe the boundaries, relevant paths, and guardrails for that specific domain. You reference these in your IDE (Cursor, Windsurf, etc.) so your AI helper knows exactly where its lane is—and stays in it.\n\n## Getting started\n\nYou'll need Python 3.10+ and [uv](https:\u002F\u002Fgithub.com\u002Fastral-sh\u002Fuv) (because life is too short for slow installs).\n\n```bash\n# 1. Clone the repo\ngit clone https:\u002F\u002Fgithub.com\u002Fs-smits\u002Fagentic-cursorrules.git .agentic-cursorrules\ncd .agentic-cursorrules\n\n# 2. Install dependencies\nuv sync\n\n# 3. Run the setup wizard\nuv run agentic-cursorrules --init\n```\n\nThe `--init` command is the friendliest way to start. It scans your project, guesses the logical domains, and builds a `config.yaml` for you interactively.\n\n## Using the tool\n\n### Auto-pilot mode\n\nJust want to see what it finds?\n```bash\nuv run agentic-cursorrules --auto-config\n```\nThis scans your repo and saves a `config_auto.yaml` without overwriting your main config. Great for checking if your folder structure makes sense to a machine.\n\n### Taking control\n\nFor production use, you'll likely want to define your boundaries manually in `config.yaml`:\n\n```yaml\nproject_title: \"super-app\"\ntree_focus:\n  - \"backend\u002Fapi\"       # The API team's domain\n  - \"frontend\u002Fdashboard\" # The dashboard team's domain\n  - \"shared\u002Futils\"      # Everyone's favorite dumping ground\n```\n\nThen generate the files:\n```bash\nuv run agentic-cursorrules\n```\n\n### Handy options\n\n- `--init`: The friendly setup wizard.\n- `--verify-config`: dry-run that shows you what config is loaded.\n- `--tree-input`: Paste a text-based file tree if you want to generate config from a diagram.\n- `--local-agents`: Keep the generated markdown files in the script directory (useful for testing without cluttering your actual project).\n- `--recurring`: Run continuously every minute (good for active development sessions).\n\n## What you get\n\nFor each domain, you get a markdown file like `@agent_backend_api.md`.\n\nReference this file when you start a chat with your AI. It contains a visual tree of *only* the files that matter to that domain, along with instructions to \"only reference and modify files within this structure.\" It's like putting blinders on a racehorse—it keeps them moving forward, fast.\n\n## Repository layout\n\nJust so you know where things are:\n\n```\n.agentic-cursorrules\u002F\n├── agentic_cursorrules\u002F          # The brains of the operation\n│   ├── agent_generator.py        # Writes the markdown files\n│   ├── config_updater.py         # Manages the yaml configs\n│   ├── project_tree_generator.py # Draws those pretty trees\n│   └── smart_analyzer.py         # Sherlock Holmes for your folder structure\n├── main.py                       # The entry point\n├── config.yaml                   # Your settings\n└── pyproject.toml                # Dependencies\n```\n","# agentic-cursorrules\n\n**赋予你的AI代理空间感。**\n\n将大型代码库划分为领域特定的上下文，用于多代理工作流（multi-agent workflows）。此工具生成隔离的markdown规则文件，通过为代理提供明确的文件树边界来防止代理冲突。\n\n## 存在的原因\n\n我们都遇到过这种情况：你给AI代理访问整个仓库的权限，结果它突然开始\"重构\"一个实用工具文件，导致五个你甚至没提到的模块失效。\n\n传统工作流会让代理淹没在不需要的上下文中。**Agentic-cursorrules** 通过将每个代理限制在明确的树状切片中来解决这个问题。对话保持专注，差异保持局部性，协作开销降低，因为你的代理不再试图同时理解整个宇宙。\n\n## 工作原理\n\n核心来看，这个工具是一个边界管理器。它读取配置文件（可以自动检测！），将目录模式映射到命名的领域。\n\n运行时，它会解析这些领域，遵守你的 `.gitignore` 规则，并为每个领域生成markdown文件（如 `@agent_backend_api.md`）。这些文件描述了该特定领域的边界、相关路径和安全准则。你可以在IDE（Cursor、Windsurf等）中引用这些文件，这样你的AI助手就知道自己确切的职责范围——并始终待在这个范围内。\n\n## 快速开始\n\n你需要 Python 3.10+ 和 [uv](https:\u002F\u002Fgithub.com\u002Fastral-sh\u002Fuv)（因为谁不想快速安装呢？）\n\n```bash\n# 1. 克隆仓库\ngit clone https:\u002F\u002Fgithub.com\u002Fs-smits\u002Fagentic-cursorrules.git .agentic-cursorrules\ncd .agentic-cursorrules\n\n# 2. 安装依赖\nuv sync\n\n# 3. 运行设置向导\nuv run agentic-cursorrules --init\n```\n\n`--init` 命令是最友好的启动方式。它会扫描你的项目，推测逻辑领域，并交互式地为你构建 `config.yaml`。\n\n## 使用工具\n\n### 自动模式\n\n只想看看它发现了什么？\n```bash\nuv run agentic-cursorrules --auto-config\n```\n这会扫描你的仓库并保存一个 `config_auto.yaml` 而不会覆盖主配置。非常适合检查你的文件夹结构是否对机器有意义。\n\n### 手动控制\n\n生产环境中，你可能想在 `config.yaml` 中手动定义边界：\n\n```yaml\nproject_title: \"super-app\"\ntree_focus:\n  - \"backend\u002Fapi\"       # API团队的领域\n  - \"frontend\u002Fdashboard\" # 仪表盘团队的领域\n  - \"shared\u002Futils\"      # 大家最爱的杂物存放处\n```\n\n然后生成文件：\n```bash\nuv run agentic-cursorrules\n```\n\n### 便捷选项\n\n- `--init`: 友好的设置向导。\n- `--verify-config`: 干运行（dry-run）显示加载的配置。\n- `--tree-input`: 如果你想从图表生成配置，可以粘贴文本形式的文件树。\n- `--local-agents`: 将生成的markdown文件保留在脚本目录（测试时有用，避免弄乱实际项目）。\n- `--recurring`: 每分钟持续运行（适合活跃的开发会话）。\n\n## 你将获得的内容\n\n每个领域你会得到一个markdown文件，如 `@agent_backend_api.md`。\n\n在与AI开始对话时引用这个文件。它包含该领域相关的文件的可视化树状图，以及\"仅引用和修改此结构内的文件\"的指示。就像给赛马装上眼罩——让它专注向前，快速前进。\n\n## 仓库结构\n\n让你知道各文件位置：\n\n```\n.agentic-cursorrules\u002F\n├── agentic_cursorrules\u002F          # 核心逻辑所在\n│   ├── agent_generator.py        # 生成markdown文件\n│   ├── config_updater.py         # 管理yaml配置\n│   ├── project_tree_generator.py # 绘制树状图\n│   └── smart_analyzer.py         # 分析文件夹结构的智能模块\n├── main.py                       # 入口文件\n├── config.yaml                   # 你的配置\n└── pyproject.toml                # 依赖项\n```","# agentic-cursorrules 快速上手指南\n\n## 环境准备\n- **系统要求**：Python 3.10+\n- **前置依赖**：[uv](https:\u002F\u002Fgithub.com\u002Fastral-sh\u002Fuv)（推荐使用国内镜像源安装：`pip install uv -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`）\n\n## 安装步骤\n```bash\n# 1. 克隆项目\ngit clone https:\u002F\u002Fgithub.com\u002Fs-smits\u002Fagentic-cursorrules.git .agentic-cursorrules\ncd .agentic-cursorrules\n\n# 2. 安装依赖\nuv sync\n\n# 3. 初始化配置\nuv run agentic-cursorrules --init\n```\n\n## 基本使用\n### 最简启动流程\n```bash\n# 自动生成配置文件（推荐首次使用）\nuv run agentic-cursorrules --auto-config\n```\n\n### 手动配置示例\n1. 编辑 `config.yaml` 定义领域边界：\n```yaml\nproject_title: \"super-app\"\ntree_focus:\n  - \"backend\u002Fapi\"       \n  - \"frontend\u002Fdashboard\" \n  - \"shared\u002Futils\"      \n```\n\n2. 生成领域规则文件：\n```bash\nuv run agentic-cursorrules\n```\n\n### 生成的规则文件\n- 每个领域会生成类似 `@agent_backend_api.md` 的文件\n- 在 IDE 中引用该文件即可限定 AI 代理的编辑范围","一个中型Web开发团队正在同时推进后端API、前端仪表盘和共享工具模块的开发，团队成员使用Cursor IDE与多个AI代理协作。\n\n### 没有 agentic-cursorrules 时\n- 后端代理在优化API路由时意外修改了前端组件的样式文件，导致仪表盘布局错乱\n- 前端代理因需要理解整个项目结构，在处理状态管理时响应速度下降50%\n- 共享模块的修改需要人工通知所有代理，经常出现版本不一致的问题\n- 新成员需要花费2小时手动配置代理权限，容易遗漏.gitignore规则\n\n### 使用 agentic-cursorrules 后\n- 后端代理仅能访问`backend\u002Fapi`目录，其修改范围被严格限制在路由逻辑层\n- 前端代理的上下文缩小到`frontend\u002Fdashboard`及其依赖项，响应速度提升至原来的1.8倍\n- 共享模块的变更会自动生成`@agent_shared_utils.md`规则文件，所有相关代理自动同步更新\n- 新成员通过`--init`命令5分钟完成配置，系统自动识别并排除`.gitignore`中的测试数据目录\n\n通过为每个AI代理划定精确的文件树活动范围，该工具将跨模块冲突率降低92%，使多代理协作效率提升3倍以上，同时确保代码修改的可追溯性和环境一致性。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fs-smits_agentic-cursorrules_3678f514.png","s-smits","Stijn","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fs-smits_bdb0ff75.png","1k stars 🎉 \r\n\r\nApplied AI - domain-specific agents through RL","Freelance","Trondheim \u002F Eindhoven ",null,"StijnSmits","https:\u002F\u002Fgithub.com\u002Fs-smits",[85],{"name":86,"color":87,"percentage":88},"Python","#3572A5",100,647,56,"2026-04-04T18:18:52","Linux, macOS, Windows","未说明",{"notes":95,"python":96,"dependencies":97},"需要安装 uv 包管理工具（用于快速依赖安装）。首次运行建议使用 --init 参数启动交互式配置向导。生成的 markdown 规则文件需配合 Cursor\u002FWindsurf 等 IDE 使用以实现文件树边界限制。","3.10+",[98],"uv",[15,45],"2026-03-27T02:49:30.150509","2026-04-06T11:30:52.449112",[103,108,112,116,120,124],{"id":104,"question_zh":105,"answer_zh":106,"source_url":107},1851,"如何指定项目路径以分离配置目录和项目目录？","可以通过添加 `--project-path` 参数来指定目标项目目录，例如：`python main.py --project-path \u002FUsers\u002FProjects\u002FDev_projects\u002F\"your project dir\"`。此功能允许将配置文件保留在工具目录中，同时在项目目录中生成输出文件。","https:\u002F\u002Fgithub.com\u002Fs-smits\u002Fagentic-cursorrules\u002Fissues\u002F3",{"id":109,"question_zh":110,"answer_zh":111,"source_url":107},1852,"如何设置开发环境并运行该工具？","1. 克隆仓库并进入目录：`git clone https:\u002F\u002Fgithub.com\u002Fs-smits\u002Fagentic-cursorrules.git && cd agentic-cursorrules`\n2. 创建虚拟环境并安装依赖：\n```bash\nuv venv\nsource .venv\u002Fbin\u002Factivate\nuv pip install -r requirements.txt\n```\n3. 在 `agentic-cursorrules` 目录中创建 `config.yaml` 配置文件。",{"id":113,"question_zh":114,"answer_zh":115,"source_url":107},1853,"如何实现 `.cursorrules` 文件的自动复制？","工具会自动将 `.cursorrules` 文件复制到指定的项目目录中。如果项目目录中不存在该文件，运行脚本时会自动完成复制操作，无需手动干预。",{"id":117,"question_zh":118,"answer_zh":119,"source_url":107},1854,"如何启用周期性运行功能？","添加 `--recurring` 标志即可启用周期性运行，例如：`python main.py --recurring --project-path \u002FUsers\u002FProjects\u002FDev_projects\u002F\"your project dir\"`。",{"id":121,"question_zh":122,"answer_zh":123,"source_url":107},1855,"配置文件和生成文件的存储位置有何区别？","配置文件（如 `config.yaml`）会保留在 `agentic-cursorrules` 工具目录中，而生成的代理文件（如 `.cursorrules`）会自动复制到通过 `--project-path` 指定的项目目录中。",{"id":125,"question_zh":126,"answer_zh":127,"source_url":107},1856,"如何获取该工具的最新更新说明？","查看 GitHub Issues #3 的完整说明（链接见来源），其中详细列出了新增的 `--project-path` 参数、目录分离机制、自动复制功能等关键更新。",[]]