[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-seanpixel--Teenage-AGI":3,"tool-seanpixel--Teenage-AGI":64},[4,17,27,35,43,56],{"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",138956,2,"2026-04-05T11:33:21",[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},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",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"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",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"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",[15,14,13,26,54],{"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":68,"owner_company":68,"owner_location":68,"owner_email":68,"owner_twitter":78,"owner_website":79,"owner_url":80,"languages":81,"stars":90,"forks":91,"last_commit_at":92,"license":93,"difficulty_score":23,"env_os":94,"env_gpu":95,"env_ram":95,"env_deps":96,"category_tags":102,"github_topics":68,"view_count":23,"oss_zip_url":68,"oss_zip_packed_at":68,"status":16,"created_at":103,"updated_at":104,"faqs":105,"releases":131},1421,"seanpixel\u002FTeenage-AGI","Teenage-AGI",null,"Teenage-AGI 是一个受“生成式智能体”论文启发的开源 Python 项目，旨在赋予 AI 代理持久的记忆与深度思考能力。它解决了传统大模型在对话中容易“遗忘”上下文、缺乏长期记忆以及难以进行行动前推理的痛点。通过结合 OpenAI 的强大语言能力和 Pinecone 向量数据库，Teenage-AGI 能让 AI 在回复用户前先检索过往记忆、内部“深思熟虑”再输出结果，且即使程序关闭，记忆也能永久保存并持续积累。\n\n该工具的独特亮点在于其模拟人类认知的六步工作流：从向量化存储查询、检索相关记忆，到生成思维链、记录思考过程，最后基于记忆与思考产出回答并再次归档。这种机制让 AI 能够像拥有连续意识的个体一样进行多轮交互，甚至记住自己的名字与特征。\n\nTeenage-AGI 主要适合开发者、AI 研究人员以及对自主智能体架构感兴趣的技术爱好者使用。用户只需配置 API 密钥即可在本地终端或 Docker 容器中运行，探索具备长期记忆和反思能力的下一代 AI 应用原型。对于希望深入理解智能体如何“思考”与“记忆”的创作者而言，这是一个极具价值的实验性工具。","# Teenage-AGI\n\n## Objective\nInspired by several Auto-GPT-related Projects (predominantly BabyAGI) and the Paper [\"Generative Agents: Interactive Simulacra of Human Behavior\"](https:\u002F\u002Farxiv.org\u002Fabs\u002F2304.03442), this Python project uses OpenAI and Pinecone to Give memory to an AI agent and also allows it to \"think\" before making an action (outputting text). Also, just by shutting down the AI, it doesn't forget its memories since it lives on Pinecone and its memory_counter saves the index that it's on.\n\n\n## Updates\nApril 12: Added \"read\" and \"think\" commands. Add \"read: \" or \"think: \" in front of a query to feed it information using read (any length works) or insert a memory into an agent.\n\n### Sections\n- [How it Works](https:\u002F\u002Fgithub.com\u002Fseanpixel\u002FTeenage-AGI\u002Fblob\u002Fmain\u002FREADME.md#how-it-works)\n- [How to Use](https:\u002F\u002Fgithub.com\u002Fseanpixel\u002FTeenage-AGI\u002Fblob\u002Fmain\u002FREADME.md#how-to-use)\n- [Experiments](https:\u002F\u002Fgithub.com\u002Fseanpixel\u002FTeenage-AGI\u002Fblob\u002Fmain\u002FREADME.md#experiments)\n- [More About Project & Me](https:\u002F\u002Fgithub.com\u002Fseanpixel\u002FTeenage-AGI\u002Fblob\u002Fmain\u002FREADME.md#more-about-the-project--me)\n- [Credits](https:\u002F\u002Fgithub.com\u002Fseanpixel\u002FTeenage-AGI\u002Fblob\u002Fmain\u002FREADME.md#credits)\n\n## How it Works\nHere is what happens every time the AI is queried by the user:\n1. AI vectorizes the query and stores it in a Pinecone Vector Database\n2. AI looks inside its memory and finds memories and past queries that are relevant to the current query\n3. AI thinks about what action to take\n4. AI stores the thought from Step 3\n5. Based on the thought from Step 3 and relevant memories from Step 2, AI generates an output\n6. AI stores the current query and its answer in its Pinecone vector database memory\n\n## How to Use\n1. Clone the repository via `git clone https:\u002F\u002Fgithub.com\u002Fseanpixel\u002FTeenage-AGI.git` and cd into the cloned repository.\n2. Install required packages by doing: pip install -r requirements.txt\n3. Create a .env file from the template `cp .env.template .env`\n4. `open .env` and set your OpenAI and Pinecone API info.\n5. Run `python main.py` and talk to the AI in the terminal\n\n## Running in a docker container\nYou can run the system isolated in a container using docker-compose:\n```\ndocker-compose run teenage-agi\n```\n\n## Experiments\nCurrently, using GPT-4, I found that it can remember its name and other characteristics. It also carries on the conversation quite well without a context window (although I might add it soon). I will update this section as I keep playing with it.\n\n## More about the Project & Me\nAfter reading the Simulcra paper, I made this project in my college dorm. I realized that most of the \"language\" that I generate is inside my head, so I thought maybe it would make sense if AGI does as well. I'm a founder currently running a startup called [DSNR]([url](https:\u002F\u002Fwww.dsnr.ai\u002F)) and also a first-year at USC. Contact me on [twitter](https:\u002F\u002Ftwitter.com\u002Fsean_pixel) about anything would love to chat.\n\n## Credits\nThank you to [@yoheinakajima](https:\u002F\u002Ftwitter.com\u002Fyoheinakajima) and the team behind [\"Generative Agents: Interactive Simulacra of Human Behavior\"](https:\u002F\u002Farxiv.org\u002Fabs\u002F2304.03442) for the idea!","# 青少年AGI\n\n## 目标\n本项目深受多项与Auto-GPT相关的项目（以BabyAGI为主）以及论文【“生成式智能体：人类行为的交互式模拟”】（https:\u002F\u002Farxiv.org\u002Fabs\u002F2304.03442）的启发。通过使用OpenAI和Pinecone，本Python项目为AI智能体赋予了记忆功能，并使其在执行动作之前能够“思考”——即在输出文本之前进行深思熟虑。此外，只需关闭AI，它便不会忘记自己的记忆，因为其数据存储于Pinecone中，且其memory_counter会自动保存当前所处的索引位置。\n\n## 更新记录\n4月12日：新增了“read”和“think”命令。在查询前添加“read: ”或“think: ”，即可利用read（任意长度均可）向AI输入信息，或将记忆插入到智能体中。\n\n### 各个部分\n- 【工作原理】（https:\u002F\u002Fgithub.com\u002Fseanpixel\u002FTeenage-AGI\u002Fblob\u002Fmain\u002FREADME.md#how-it-works）\n- 【使用方法】（https:\u002F\u002Fgithub.com\u002Fseanpixel\u002FTeenage-AGI\u002Fblob\u002Fmain\u002FREADME.md#how-to-use）\n- 【实验结果】（https:\u002F\u002Fgithub.com\u002Fseanpixel\u002FTeenage-AGI\u002Fblob\u002Fmain\u002FREADME.md#experiments）\n- 【关于项目与我的更多介绍】（https:\u002F\u002Fgithub.com\u002Fseanpixel\u002FTeenage-AGI\u002Fblob\u002Fmain\u002FREADME.md#more-about-the-project--me）\n- 【致谢】（https:\u002F\u002Fgithub.com\u002Fseanpixel\u002FTeenage-AGI\u002Fblob\u002Fmain\u002FREADME.md#credits）\n\n## 工作原理\n每当用户对AI发起查询时，会发生以下流程：\n1. AI将查询进行向量化处理，并将其存储至Pinecone向量数据库中。\n2. AI会查看自身的记忆库，查找与当前查询相关联的记忆及过往查询记录。\n3. AI会思考应采取何种行动。\n4. AI将第3步中的思考结果存储下来。\n5. 基于第3步的思考以及第2步中相关联的记忆，AI将生成最终输出。\n6. AI会将当前查询及其答案存储至Pinecone向量数据库的记忆中。\n\n## 使用方法\n1. 通过`git clone https:\u002F\u002Fgithub.com\u002Fseanpixel\u002FTeenage-AGI.git`克隆仓库，并进入克隆后的项目目录。\n2. 安装所需软件包：运行`pip install -r requirements.txt`。\n3. 从模板文件复制并修改`.env`文件，将其命名为`.env`。\n4. 打开`.env`文件，填写您的OpenAI和Pinecone API密钥。\n5. 运行`python main.py`，然后在终端中与AI展开对话吧！\n\n## 在Docker容器中运行\n您可以通过docker-compose在容器中隔离运行本系统：\n```\ndocker-compose run teenage-agi\n```\n\n## 实验结果\n目前，使用GPT-4时，我发现它能够记住自己的姓名及其他特征。此外，即使没有上下文窗口，AI也能很好地延续对话（尽管我可能很快会加入这一功能）。随着我对它的不断探索与调试，我会适时更新本节内容。\n\n## 关于项目与我的更多介绍\n在阅读了Simulcra论文后，我在大学宿舍里启动了这个项目。我意识到，自己所生成的大部分“语言”其实都源自内心深处，于是萌生了一个想法：如果让AGI也具备类似的能力，岂不妙哉？目前，我是一名创始人，正运营着一家名为DSNR的初创公司（[网址](https:\u002F\u002Fwww.dsnr.ai\u002F)），同时也在USC就读大一。如果您有任何问题或想交流，欢迎随时通过[推特](https:\u002F\u002Ftwitter.com\u002Fsean_pixel)与我联系！\n\n## 致谢\n感谢[@yoheinakajima](https:\u002F\u002Ftwitter.com\u002Fyoheinakajima)以及“生成式智能体：人类行为的交互式模拟”（https:\u002F\u002Farxiv.org\u002Fabs\u002F2304.03442）团队的创意！","# Teenage-AGI 快速上手指南\n\nTeenage-AGI 是一个受 Auto-GPT 和“生成式智能体”论文启发的 Python 项目。它利用 OpenAI 和 Pinecone 为 AI 智能体赋予长期记忆，并使其具备在行动前进行“思考”的能力。即使程序关闭，记忆也会保存在 Pinecone 向量数据库中。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n\n*   **操作系统**：Linux、macOS 或 Windows（需安装 Git 和 Python）。\n*   **Python 版本**：建议 Python 3.8 及以上。\n*   **必备账号与密钥**：\n    *   **OpenAI API Key**：用于驱动大语言模型（推荐使用 GPT-4 以获得最佳效果）。\n    *   **Pinecone API Key** 及 **Environment**：用于存储和检索向量记忆。\n*   **网络环境**：由于需要访问 OpenAI 和 Pinecone 服务，请确保网络通畅（国内开发者可能需要配置代理或使用加速方案）。\n\n## 安装步骤\n\n请按照以下步骤在本地部署 Teenage-AGI：\n\n1.  **克隆仓库**\n    打开终端，执行以下命令下载项目代码并进入目录：\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fseanpixel\u002FTeenage-AGI.git\n    cd Teenage-AGI\n    ```\n\n2.  **安装依赖**\n    使用 pip 安装所需的 Python 包。国内用户可添加清华源以加速下载：\n    ```bash\n    pip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n    ```\n\n3.  **配置环境变量**\n    复制环境变量模板文件：\n    ```bash\n    cp .env.template .env\n    ```\n    使用文本编辑器打开 `.env` 文件，填入您的 API 信息：\n    ```bash\n    open .env\n    # 或在 Windows 上使用: notepad .env\n    ```\n    需填写的关键字段包括 `OPENAI_API_KEY`、`PINECONE_API_KEY` 和 `PINECONE_ENVIRONMENT`。\n\n## 基本使用\n\n完成配置后，即可启动智能体并与之交互。\n\n1.  **启动程序**\n    在终端运行主脚本：\n    ```bash\n    python main.py\n    ```\n    *如果您熟悉 Docker，也可以使用隔离容器运行：*\n    ```bash\n    docker-compose run teenage-agi\n    ```\n\n2.  **与 AI 对话**\n    程序启动后，直接在终端输入文本即可与拥有记忆的 AI 交流。\n\n3.  **高级指令**\n    为了更有效地利用其“思考”和“记忆”机制，您可以使用以下前缀指令：\n    *   **注入信息**：输入 `read: \u003C内容>` 将长文本信息喂给 AI，它会将其存入记忆而不立即回复。\n    *   **强制思考**：输入 `think: \u003C问题\u002F提示>` 引导 AI 在内部进行深度思考并将思考过程存入记忆。\n\n    **示例：**\n    ```text\n    > read: 我的名字叫 Alex，我喜欢研究量子物理，住在上海。\n    > 你好，你还记得我是谁吗？\n    > think: 根据之前的对话，我应该如何规划接下来的学习路径？\n    ```\n\nAI 会将您的查询向量化存入 Pinecone，检索相关记忆，经过“思考”步骤后生成回答，并将本次交互再次存入库中，从而实现持续的上下文记忆。","一位独立开发者正在构建一个需要长期陪伴用户、具备连续记忆能力的虚拟角色游戏 NPC，希望它能记住玩家的历史互动并据此做出有深度的反应。\n\n### 没有 Teenage-AGI 时\n- **记忆断层严重**：每次对话重启或上下文窗口溢出后，NPC 就会“失忆”，无法提及之前与玩家约定的事件或细节。\n- **缺乏深度思考**：NPC 只能对当前输入进行即时反应，无法像人类一样在回答前先在“内心”权衡利弊或组织逻辑，导致回复肤浅。\n- **数据持久化困难**：开发者需要自行编写复杂的数据库代码来存储和检索历史对话向量，开发成本高且难以维护。\n- **角色一致性差**：由于缺乏长期记忆支撑，NPC 的性格特征和行为模式容易随对话轮数增加而发生漂移，破坏沉浸感。\n\n### 使用 Teenage-AGI 后\n- **永久记忆留存**：借助 Pinecone 向量数据库，Teenage-AGI 自动将关键互动向量化存储，即使程序关闭再启动，也能准确回忆玩家的姓名和过往经历。\n- **内置思维链条**：通过独有的\"think\"机制，Teenage-AGI 在输出回复前会先生成内部思考过程，使 NPC 的回答更具逻辑性和情感深度。\n- **开箱即用的记忆架构**：开发者只需配置 API 密钥即可运行，Teenage-AGI 内置了完整的“读取 - 思考 - 行动 - 存储”闭环，无需重复造轮子。\n- **角色高度拟人**：基于长期记忆和相关性检索，Teenage-AGI 能让 NPC 在不同会话中保持性格一致，甚至主动提及旧事，极大增强代入感。\n\nTeenage-AGI 通过赋予 AI 持久的记忆与独立思考能力，将原本单薄的聊天机器人升级为拥有“灵魂”的长期陪伴型智能体。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fseanpixel_Teenage-AGI_a6cc71d0.png","seanpixel","Sean Ahn","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fseanpixel_b78b6825.png","sean_pixel","seanpixel.com","https:\u002F\u002Fgithub.com\u002Fseanpixel",[82,86],{"name":83,"color":84,"percentage":85},"Python","#3572A5",97.9,{"name":87,"color":88,"percentage":89},"Dockerfile","#384d54",2.1,910,115,"2026-04-02T20:41:32","MIT","Linux, macOS, Windows","未说明",{"notes":97,"python":95,"dependencies":98},"该项目主要依赖云端 API（OpenAI 和 Pinecone），本地无需高性能 GPU 或大显存。运行前需配置 .env 文件填入 OpenAI 和 Pinecone 的 API 密钥。支持通过 Docker Compose 在容器中隔离运行。",[99,100,101],"openai","pinecone-client","python-dotenv",[26,15],"2026-03-27T02:49:30.150509","2026-04-06T07:15:10.004605",[106,111,116,121,126],{"id":107,"question_zh":108,"answer_zh":109,"source_url":110},6525,"只有 GPT-3.5 账号可以使用这个项目吗？","可以。您不需要强制使用 GPT-4。请参考项目中的模型配置方法，将默认模型设置为 `gpt-3.5-turbo`。通常在 `agent.py` 文件中可以通过设置环境变量 `OPENAI_MODEL` 或直接修改代码中的默认值来切换模型，具体操作见相关配置文档或代码注释。","https:\u002F\u002Fgithub.com\u002Fseanpixel\u002FTeenage-AGI\u002Fissues\u002F14",{"id":112,"question_zh":113,"answer_zh":114,"source_url":115},6521,"遇到 'gpt-4' 模型不存在的错误怎么办？","如果您尚未获得 GPT-4 的 API 访问权限，可以暂时切换到 gpt-3.5-turbo 模型。请打开 `agent.py` 文件，找到第 18 行左右的代码：\n`OPENAI_MODEL = os.getenv(\"OPENAI_MODEL\") or \"gpt-4\"`\n将其修改为：\n`OPENAI_MODEL = os.getenv(\"OPENAI_MODEL\") or \"gpt-3.5-turbo\"`\n保存后重新运行即可。","https:\u002F\u002Fgithub.com\u002Fseanpixel\u002FTeenage-AGI\u002Fissues\u002F12",{"id":117,"question_zh":118,"answer_zh":119,"source_url":120},6522,"调用 Embeddings API 时出现 'input' 无效的错误如何解决？","该错误通常是因为在向 Agent 输入指令时直接按下了回车键，导致输入为空字符串。请确保在提示符后输入了具体的文字内容再按回车。如果问题持续，请拉取最新的代码更新，维护者已通过提交修复了未捕获空输入导致的异常。","https:\u002F\u002Fgithub.com\u002Fseanpixel\u002FTeenage-AGI\u002Fissues\u002F7",{"id":122,"question_zh":123,"answer_zh":124,"source_url":125},6523,"如何正确配置 Pinecone 的环境变量（Environment）？","如果在 `.env` 文件中配置了正确的区域（如 `northamerica-northeast1-gcp`）但仍报错指向默认区域（如 `us-west1-gcp`），可能是环境变量名称拼写错误。请检查并确保使用正确的变量名 `PINECONE_API_ENV` 而不是 `PINECONE_ENV`。\n正确格式示例：\n`PINECONE_API_ENV=northamerica-northeast1-gcp`","https:\u002F\u002Fgithub.com\u002Fseanpixel\u002FTeenage-AGI\u002Fissues\u002F20",{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},6524,"运行程序时出现 Pinecone 创建索引相关的报错怎么办？","这通常是由于依赖版本或代码逻辑的旧版 Bug 导致的。多个用户反馈表明，该项目最近的更新（PR #5）已经修复了此类 Pinecone 连接和索引创建的问题。请执行 `git pull` 拉取最新代码，并重新安装依赖后再次尝试运行。","https:\u002F\u002Fgithub.com\u002Fseanpixel\u002FTeenage-AGI\u002Fissues\u002F1",[]]