[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-shenwei356--awesome":3,"tool-shenwei356--awesome":65},[4,18,32,41,49,57],{"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},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。",85092,2,"2026-04-10T11:13:16",[15,16,27,28,13,29,30,14,31],"视频","插件","其他","语言模型","音频",{"id":33,"name":34,"github_repo":35,"description_zh":36,"stars":37,"difficulty_score":38,"last_commit_at":39,"category_tags":40,"status":17},5784,"funNLP","fighting41love\u002FfunNLP","funNLP 是一个专为中文自然语言处理（NLP）打造的超级资源库，被誉为\"NLP 民工的乐园”。它并非单一的软件工具，而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。\n\n面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点，funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具，还独特地收录了丰富的垂直领域资源，如法律、医疗、金融行业的专用词库与数据集，甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性，从基础的字典词典到前沿的 BERT、GPT-2 模型代码，再到高质量的标注数据和竞赛方案，应有尽有。\n\n无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师，还是从事人工智能研究的学者，都能在这里找到急需的“武器弹药”。对于开发者而言，它能大幅减少寻找数据和复现模型的时间；对于研究者，它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神，极大地降低了中文自然语言处理的开发与研究成本，是中文 AI 社区不可或缺的宝藏仓库。",79857,1,"2026-04-08T20:11:31",[30,16,29],{"id":42,"name":43,"github_repo":44,"description_zh":45,"stars":46,"difficulty_score":38,"last_commit_at":47,"category_tags":48,"status":17},5773,"cs-video-courses","Developer-Y\u002Fcs-video-courses","cs-video-courses 是一个精心整理的计算机科学视频课程清单，旨在为自学者提供系统化的学习路径。它汇集了全球知名高校（如加州大学伯克利分校、新南威尔士大学等）的完整课程录像，涵盖从编程基础、数据结构与算法，到操作系统、分布式系统、数据库等核心领域，并深入延伸至人工智能、机器学习、量子计算及区块链等前沿方向。\n\n面对网络上零散且质量参差不齐的教学资源，cs-video-courses 解决了学习者难以找到成体系、高难度大学级别课程的痛点。该项目严格筛选内容，仅收录真正的大学层级课程，排除了碎片化的简短教程或商业广告，确保用户能接触到严谨的学术内容。\n\n这份清单特别适合希望夯实计算机基础的开发者、需要补充特定领域知识的研究人员，以及渴望像在校生一样系统学习计算机科学的自学者。其独特的技术亮点在于分类极其详尽，不仅包含传统的软件工程与网络安全，还细分了生成式 AI、大语言模型、计算生物学等新兴学科，并直接链接至官方视频播放列表，让用户能一站式获取高质量的教育资源，免费享受世界顶尖大学的课堂体验。",79792,"2026-04-08T22:03:59",[29,15,16,14],{"id":50,"name":51,"github_repo":52,"description_zh":53,"stars":54,"difficulty_score":10,"last_commit_at":55,"category_tags":56,"status":17},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",[13,15,14,30,29],{"id":58,"name":59,"github_repo":60,"description_zh":61,"stars":62,"difficulty_score":10,"last_commit_at":63,"category_tags":64,"status":17},519,"PaddleOCR","PaddlePaddle\u002FPaddleOCR","PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。\n\n面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。\n\nPaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。",75569,"2026-04-14T10:38:48",[30,15,14,29],{"id":66,"github_repo":67,"name":68,"description_en":69,"description_zh":70,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":77,"owner_avatar_url":78,"owner_bio":79,"owner_company":80,"owner_location":81,"owner_email":82,"owner_twitter":76,"owner_website":83,"owner_url":84,"languages":79,"stars":85,"forks":86,"last_commit_at":87,"license":88,"difficulty_score":38,"env_os":89,"env_gpu":90,"env_ram":90,"env_deps":91,"category_tags":94,"github_topics":95,"view_count":24,"oss_zip_url":79,"oss_zip_packed_at":79,"status":17,"created_at":103,"updated_at":104,"faqs":105,"releases":106},7462,"shenwei356\u002Fawesome","awesome","Awesome resources on Bioinformatics, data science, machine learning, programming language (Python, Golang, R, Perl) and miscellaneous stuff.","awesome 是一个精心整理的开源资源合集，旨在为生物信息学、数据科学、机器学习及多种编程语言领域提供一站式导航。面对技术栈更新快、优质资料分散难寻的痛点，它将零散的工具、教程和库系统化地归类，帮助用户快速定位所需内容，极大提升了学习与研发效率。\n\n该资源库特别适合生物信息研究人员、数据科学家以及使用 Python、R、Golang、Perl 等语言的开发者。无论是需要构建数据分析流程，还是寻找特定的算法实现，都能在这里找到经过筛选的高质量链接。其独特亮点在于跨领域的广泛覆盖与深度垂直的结合：既包含了 Linux、Git 等通用技术基石，又深入到了生物信息学这一专业细分领域，同时兼顾了从 C 到 JavaScript 等多语言生态。此外，它还收录了各类实用工具与杂项资源，形成了一个全面而灵活的知识网络。作为一份遵循 MIT 协议的开放清单，awesome 不仅是新手的入门指南，也是资深专家查漏补缺的得力助手，让技术探索之路更加顺畅高效。","# awesome\n\nCollection of useful resources on Bioinformatics, data science,\nmachine learning, programming language (Python, Golang, R, Perl, etc.)\nand miscellaneous stuff.\n\n\u003C!-- START doctoc generated TOC please keep comment here to allow auto update -->\n\u003C!-- DON'T EDIT THIS SECTION, INSTEAD RE-RUN doctoc TO UPDATE -->\n**Table of Contents**\n\n- [Technology](#technology)\n- [Programming languages](#programming-languages)\n- [Specific domains](#specific-domains)\n- [Miscellaneous](#miscellaneous)\n- [License](#license)\n\n\u003C!-- END doctoc generated TOC please keep comment here to allow auto update -->\n\n\n## Technology\n\n- [Data Science](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Fdata-science.md)\n- [Machine Learning](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Fmachine-learning.md)\n- [Linux](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Flinux.md)\n- [Git](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Fgit.md)\n\n## Programming languages\n\n- [Python](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Fpython.md)\n- [R](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Fr.md)\n- [Golang](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Fgolang.md)\n- [Perl](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Fperl.md)\n- [C](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Fc.md)\n- [Javascript](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Fjavascript.md)\n\n## Specific domains\n\n- [Bioinformatics](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Fbioinformatics.md)\n\n## Miscellaneous\n\n- [Utilities](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Futilities.md)\n- [Miscellaneous](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Fmisc.md)\n\n## License\n\n[MIT License](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002FLICENSE)\n","# 令人惊叹\n\n生物信息学、数据科学、机器学习、编程语言（Python、Golang、R、Perl等）以及各种杂项的实用资源合集。\n\n\u003C!-- START doctoc generated TOC please keep comment here to allow auto update -->\n\u003C!-- DON'T EDIT THIS SECTION, INSTEAD RE-RUN doctoc TO UPDATE -->\n**目录**\n\n- [技术](#technology)\n- [编程语言](#programming-languages)\n- [特定领域](#specific-domains)\n- [杂项](#miscellaneous)\n- [许可证](#license)\n\n\u003C!-- END doctoc generated TOC please keep comment here to allow auto update -->\n\n\n## 技术\n\n- [数据科学](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Fdata-science.md)\n- [机器学习](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Fmachine-learning.md)\n- [Linux](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Flinux.md)\n- [Git](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Fgit.md)\n\n## 编程语言\n\n- [Python](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Fpython.md)\n- [R](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Fr.md)\n- [Golang](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Fgolang.md)\n- [Perl](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Fperl.md)\n- [C](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Fc.md)\n- [Javascript](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Fjavascript.md)\n\n## 特定领域\n\n- [生物信息学](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Fbioinformatics.md)\n\n## 杂项\n\n- [实用工具](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Futilities.md)\n- [其他](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002Fmisc.md)\n\n## 许可证\n\n[MIT 许可证](https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\u002Fblob\u002Fmaster\u002FLICENSE)","# Awesome 资源清单快速上手指南\n\n`awesome` 并非一个需要编译或运行的软件工具，而是一个精心整理的**开源资源索引仓库**。它汇集了生物信息学、数据科学、机器学习及多种编程语言（Python, Go, R, Perl 等）的优质学习资源、库和工具链接。\n\n本指南将帮助你快速访问并利用这些资源。\n\n## 环境准备\n\n由于本项目本质为 Markdown 文档集合，无需特定的系统环境或依赖包。\n\n- **系统要求**：任意操作系统（Windows, macOS, Linux）。\n- **前置依赖**：\n  - 现代 Web 浏览器（推荐 Chrome, Edge, Firefox）。\n  - 或 Git 客户端（用于本地克隆仓库）。\n  - 或 Markdown 阅读器（可选，用于本地预览）。\n\n## 安装步骤（获取资源）\n\n你可以选择在线浏览或下载到本地查阅。鉴于网络环境，推荐国内开发者使用加速方式。\n\n### 方式一：在线直接浏览（推荐）\n直接访问 GitHub 仓库页面查看分类索引：\n- **主页面**: https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome\n- **国内加速访问**: 若 GitHub 访问缓慢，可使用 [Gitee 镜像](https:\u002F\u002Fgitee.com\u002Fmirrors\u002Fawesome) (如有同步) 或通过第三方 GitHub 加速服务查看。\n\n### 方式二：本地克隆（便于离线查阅）\n如果你希望将资源列表保存到本地，可以使用以下命令：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fshenwei356\u002Fawesome.git\n```\n\n*注：若克隆速度慢，可配置 Git 使用国内代理，或使用 `git clone https:\u002F\u002Fgitee.com\u002Fmirrors\u002Fawesome.git`（如果存在对应镜像）。*\n\n进入目录：\n```bash\ncd awesome\n```\n\n## 基本使用\n\n获取资源后，根据你的技术栈或研究领域，直接打开对应的 `.md` 文件即可找到相关工具库的链接列表。\n\n### 1. 按技术领域查找\n在根目录或 `Technology` 部分，点击或打开以下文件获取特定领域的资源清单：\n- **数据科学**: 查看 `data-science.md`\n- **机器学习**: 查看 `machine-learning.md`\n- **Linux 工具**: 查看 `linux.md`\n- **Git 教程与工具**: 查看 `git.md`\n\n### 2. 按编程语言查找\n在 `Programming languages` 部分，找到你使用的语言对应的文件：\n- **Python**: 查看 `python.md`\n- **R 语言**: 查看 `r.md`\n- **Golang**: 查看 `golang.md`\n- **Perl**: 查看 `perl.md`\n- **C\u002FC++**: 查看 `c.md`\n- **Javascript**: 查看 `javascript.md`\n\n### 3. 按垂直领域查找\n- **生物信息学**: 查看 `bioinformatics.md`（包含大量生信专用工具和数据库）\n\n### 4. 实用工具与杂项\n- **常用 utilities**: 查看 `utilities.md`\n- **其他资源**: 查看 `misc.md`\n\n**使用示例**：\n假设你需要寻找 Python 数据分析相关的库，只需打开 `python.md` 文件，在其中搜索 \"Data Analysis\" 或直接浏览列表，即可找到如 `pandas`, `numpy` 等库的官方文档或优秀第三方实现链接，点击链接跳转至对应项目页面进行安装和使用。","某生物信息学研究员正着手构建一个基于 Python 和 R 的基因组数据分析流程，急需筛选合适的机器学习算法库与高效的数据清洗工具。\n\n### 没有 awesome 时\n- **检索效率低下**：需要在 Google、GitHub 和技术论坛间反复切换搜索，耗费数天时间才能零散找到几个潜在可用的库。\n- **质量难以甄别**：面对海量搜索结果，无法快速判断哪些项目维护活跃、文档齐全，极易踩坑选用已停止更新的“僵尸”项目。\n- **技术栈割裂**：难以系统性获取跨语言（如从 Python 到 R）的协同工具资源，导致数据流转环节频繁出现格式兼容问题。\n- **领域知识缺失**：缺乏针对生物信息学垂直领域的专用工具清单，不得不从头阅读大量论文来复现基础算法实现。\n\n### 使用 awesome 后\n- **资源一键直达**：直接查阅 `awesome` 中整理好的 Data Science 和 Bioinformatics 章节，几分钟内即可锁定行业公认的主流工具链。\n- **优选成熟方案**：依托列表中对资源质量的预先筛选，直接采用高星、高活跃度的库，大幅降低了试错成本和部署风险。\n- **全栈视野打通**：通过 Programming languages 分类同时获取 Python、R 及 Golang 的最佳实践资源，轻松构建多语言混合的高效分析管线。\n- **垂直领域赋能**：利用特定的生物信息学资源板块，快速集成现成的序列处理与变异检测工具，将原本需要数周的基础搭建工作压缩至两天。\n\nawesome 通过将分散的技术资源结构化与 curated 化，让研究人员从繁琐的“找轮子”过程中解放出来，专注于核心科学问题的突破。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fshenwei356_awesome_e5888685.png","shenwei356","Wei Shen","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fshenwei356_b40de898.jpg",null,"Chongqing Medical University, China","Chongqing, China","shenwei356@gmail.com","http:\u002F\u002Fshenwei.me","https:\u002F\u002Fgithub.com\u002Fshenwei356",751,182,"2026-04-13T12:57:29","MIT","","未说明",{"notes":92,"python":90,"dependencies":93},"该项目是一个资源列表（Awesome List），汇集了生物信息学、数据科学、机器学习及多种编程语言（Python, Golang, R, Perl 等）的相关工具和资料链接。它本身不是一个可执行的软件工具，因此没有具体的运行环境、硬件配置或依赖库要求。用户需根据列表中链接到的具体子项目或工具去查阅相应的环境需求。",[],[29,16],[68,96,97,98,99,100,101,102],"data-science","programing-language","git","linux","golang","python","perl","2026-03-27T02:49:30.150509","2026-04-15T03:24:38.037879",[],[]]