[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-team-openpm--workgpt":3,"tool-team-openpm--workgpt":61},[4,18,26,36,44,53],{"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":10,"last_commit_at":24,"category_tags":25,"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":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"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",157379,2,"2026-04-15T23:32:42",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"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。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":76,"owner_email":77,"owner_twitter":76,"owner_website":78,"owner_url":79,"languages":80,"stars":85,"forks":86,"last_commit_at":87,"license":88,"difficulty_score":32,"env_os":89,"env_gpu":89,"env_ram":89,"env_deps":90,"category_tags":94,"github_topics":76,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":95,"updated_at":96,"faqs":97,"releases":98},7853,"team-openpm\u002Fworkgpt","workgpt","A GPT agent framework for invoking APIs","WorkGPT 是一个专为调用 API 设计的智能体框架，其运作模式类似于 AutoGPT 或 LangChain。用户只需向它下达一个指令并提供一组可用的 API，WorkGPT 就能自主与 AI 模型进行多轮对话和规划，直到完成任务。无论是搜索网络信息、爬取网站数据，还是执行如叫车等具体操作，它都能通过解析 OpenAPI 文件来灵活支持各类服务。\n\n这一工具主要解决了让大语言模型从“单纯聊天”转向“实际执行”的难题，打通了 AI 思维与外部系统操作之间的壁垒。它特别适合开发者使用，尤其是那些希望快速构建具备自动化执行能力的应用程序、需要整合多种后端服务或进行复杂工作流编排的技术人员。\n\nWorkGPT 的技术亮点在于其出色的兼容性与智能化处理。它不仅支持通过 OpenPM 包管理器便捷地获取和集成海量现成的 OpenAPI 接口，还能自动处理复杂的认证逻辑，用户仅需提供密钥即可。此外，它甚至能将网页爬虫返回的纯文本数据直接转化为结构化信息，允许开发者定义输出 schema，确保最终结果精准符合业务需求，极大地降低了开发智能代理应用的门槛。","# workgpt\n\n[![NPM version](https:\u002F\u002Fimg.shields.io\u002Fnpm\u002Fv\u002Fworkgpt?color=a1b858&label=)](https:\u002F\u002Fwww.npmjs.com\u002Fpackage\u002Fworkgpt)\n\nWorkGPT is an agent framework in a similar fashion to AutoGPT or LangChain. You give it a directive and an array of APIs and it will converse back and forth with the AI until its directive is complete.\n\nFor example, a directive could be to research the web for something, to crawl a website, or to order you an Uber. We support any and all APIs that can be represented with an OpenAPI file.\n\n## Install\n\n```bash\nnpm install workgpt\n```\n\n## Usage\n\n```typescript\nimport { Calculator } from 'workgpt\u002Fapis\u002Fcalculator'\nimport { FactApi } from 'workgpt\u002Fapis\u002Ffact'\nimport { OpenpmApi } from 'workgpt\u002Fapis\u002Fopenpm'\nimport { OpenAiAgent } from 'workgpt\u002Fchat-agents\u002Fopen-ai'\nimport { WorkGptRunner } from 'workgpt\u002Frunners\u002Fworkgpt'\n\nconst agent = new OpenAiAgent({\n  verbose: true,\n  temperature: 0.1,\n  model: 'gpt-4-0613',\n})\n\nconst apis = await Promise.all([\n  OpenpmApi.fromPackageId('ipinfo', {\n    authKey: process.env.IPINFO_API_KEY!,\n  }),\n  new Calculator(),\n  new FactApi(),\n])\n\nconst runner = new WorkGptRunner({\n  agent,\n  apis,\n})\n\nconst result = await runner.runWithDirective(\n  'What is the city related to the ip address 76.220.35.234 and what is the population of that city?'\n)\n\nconsole.log('Result', result)\n```\n\n## What is OpenPM\n\nYou'll notice that we're using an OpenPM API in the example above. [OpenPM](https:\u002F\u002Fopenpm.ai) is a package manager for OpenAPI files. In the example you can see we've pulled in a package from OpenPM called `ipinfo` to be used for looking up IP addresses.\n\nYou don't have to use OpenPM. We support importing any arbitrary OpenAPI file. You can see that we're smart about authentication. You just need to pass an `authKey` and the library will figure out how to authorize itself. All the endpoints in the API will be exposed as local functions to the LLM, ready to be invoked.\n\n## Crawling example\n\nWe include an example of using Puppeteer as a text-based browser to give the LLM access to the web. You'll notice that the text-based browser passes out all the HTML and just returns text. This is actually enough for GPT-4, which is smart enough to extract data from the plain text.\n\nWe can pass our own custom API to the LLM as a finishing program API that the LLM can call whenever it's finished. The advantage of this is that you can give it a schema to follow, which is great when trying to extract data from a webpage.\n\n```typescript\nexport class WorkGptControl extends Api {\n  @invokable({\n    usage: 'Finishes the program. Call when you have an answer.',\n    schema: z.object({\n      fundingRounds: z.array(\n        z.object({\n          organizationName: z.string(),\n          transactionName: z.string(),\n          moneyRaised: z.string(),\n          leadInvestors: z.array(z.string()),\n        })\n      ),\n    }),\n  })\n  onFinish(result: any) {\n    haltProgram(result)\n  }\n}\n\nconst agent = new OpenAiAgent({\n  verbose: true,\n  temperature: 0,\n  model: 'gpt-4-0613',\n})\n\nconst apis = await Promise.all([new TextBrowser(), new WorkGptControl()])\n\nconst runner = new WorkGptRunner({\n  agent,\n  apis,\n})\n\nconst result = await runner.runWithDirective(\n  'Get the featured funding rounds of https:\u002F\u002Fwww.crunchbase.com'\n)\n\nconsole.log('Result', JSON.stringify(result, null, 2))\n```\n\n## License\n\nMIT\n","# workgpt\n\n[![NPM version](https:\u002F\u002Fimg.shields.io\u002Fnpm\u002Fv\u002Fworkgpt?color=a1b858&label=)](https:\u002F\u002Fwww.npmjs.com\u002Fpackage\u002Fworkgpt)\n\nWorkGPT 是一个类似于 AutoGPT 或 LangChain 的代理框架。你只需提供一条指令和一组 API，它就会与 AI 不断交互，直到完成你的指令。\n\n例如，指令可以是搜索网络上的信息、爬取某个网站，或者帮你叫一辆优步。我们支持任何可以用 OpenAPI 文件表示的 API。\n\n## 安装\n\n```bash\nnpm install workgpt\n```\n\n## 使用方法\n\n```typescript\nimport { Calculator } from 'workgpt\u002Fapis\u002Fcalculator'\nimport { FactApi } from 'workgpt\u002Fapis\u002Ffact'\nimport { OpenpmApi } from 'workgpt\u002Fapis\u002Fopenpm'\nimport { OpenAiAgent } from 'workgpt\u002Fchat-agents\u002Fopen-ai'\nimport { WorkGptRunner } from 'workgpt\u002Frunners\u002Fworkgpt'\n\nconst agent = new OpenAiAgent({\n  verbose: true,\n  temperature: 0.1,\n  model: 'gpt-4-0613',\n})\n\nconst apis = await Promise.all([\n  OpenpmApi.fromPackageId('ipinfo', {\n    authKey: process.env.IPINFO_API_KEY!,\n  }),\n  new Calculator(),\n  new FactApi(),\n])\n\nconst runner = new WorkGptRunner({\n  agent,\n  apis,\n})\n\nconst result = await runner.runWithDirective(\n  'IP 地址 76.220.35.234 对应的城市是哪个？该城市的人口是多少？'\n)\n\nconsole.log('结果', result)\n```\n\n## 什么是 OpenPM\n\n在上面的示例中，我们使用了一个 OpenPM API。[OpenPM](https:\u002F\u002Fopenpm.ai) 是一个用于管理 OpenAPI 文件的包管理器。在示例中，我们从 OpenPM 引入了一个名为 `ipinfo` 的包，用来查询 IP 地址信息。\n\n你并不一定要使用 OpenPM。我们同样支持导入任意的 OpenAPI 文件。此外，我们在认证方面也做了智能处理：你只需传入一个 `authKey`，库就会自动完成授权。API 中的所有端点都会以本地函数的形式暴露给 LLM，随时可供调用。\n\n## 网页爬取示例\n\n我们提供了一个使用 Puppeteer 作为文本浏览器的示例，以便让 LLM 能够访问互联网。请注意，这个文本浏览器只会返回网页的纯文本内容，而不会传递 HTML。不过，对于 GPT-4 来说，这已经足够了——它足够智能，可以直接从纯文本中提取所需的数据。\n\n我们还可以为 LLM 提供一个自定义的结束程序 API，当 LLM 完成任务后，就可以调用这个 API。这样做的好处是可以为 LLM 提供一个明确的数据提取模式，尤其适合从网页中抓取结构化数据。\n\n```typescript\nexport class WorkGptControl extends Api {\n  @invokable({\n    usage: '结束程序。当你得到答案时调用。',\n    schema: z.object({\n      fundingRounds: z.array(\n        z.object({\n          organizationName: z.string(),\n          transactionName: z.string(),\n          moneyRaised: z.string(),\n          leadInvestors: z.array(z.string()),\n        })\n      ),\n    }),\n  })\n  onFinish(result: any) {\n    haltProgram(result)\n  }\n}\n\nconst agent = new OpenAiAgent({\n  verbose: true,\n  temperature: 0,\n  model: 'gpt-4-0613',\n})\n\nconst apis = await Promise.all([new TextBrowser(), new WorkGptControl()])\n\nconst runner = new WorkGptRunner({\n  agent,\n  apis,\n})\n\nconst result = await runner.runWithDirective(\n  '获取 https:\u002F\u002Fwww.crunchbase.com 网站上精选的融资轮次信息'\n)\n\nconsole.log('结果', JSON.stringify(result, null, 2))\n```\n\n## 许可证\n\nMIT","# WorkGPT 快速上手指南\n\nWorkGPT 是一个类似 AutoGPT 或 LangChain 的 AI 智能体框架。你只需提供指令和一组 API，它就能与 AI 进行多轮对话，直到完成任务。支持任何可通过 OpenAPI 文件表示的接口。\n\n## 环境准备\n\n- **系统要求**：支持 Node.js 的操作系统（Windows, macOS, Linux）\n- **前置依赖**：\n  - Node.js (建议 v16 或更高版本)\n  - npm 包管理器\n  - OpenAI API Key (需配置在环境变量中)\n\n## 安装步骤\n\n使用 npm 安装 WorkGPT：\n\n```bash\nnpm install workgpt\n```\n\n> **提示**：国内开发者若遇到下载缓慢，可配置淘宝镜像源加速：\n> ```bash\n> npm config set registry https:\u002F\u002Fregistry.npmmirror.com\n> ```\n\n## 基本使用\n\n以下示例展示了如何组合计算器、事实查询和 IP 信息查询 API，让 AI 自动完成“查询 IP 归属城市及人口”的任务。\n\n请确保已设置环境变量 `IPINFO_API_KEY` 和 `OPENAI_API_KEY`。\n\n```typescript\nimport { Calculator } from 'workgpt\u002Fapis\u002Fcalculator'\nimport { FactApi } from 'workgpt\u002Fapis\u002Ffact'\nimport { OpenpmApi } from 'workgpt\u002Fapis\u002Fopenpm'\nimport { OpenAiAgent } from 'workgpt\u002Fchat-agents\u002Fopen-ai'\nimport { WorkGptRunner } from 'workgpt\u002Frunners\u002Fworkgpt'\n\nconst agent = new OpenAiAgent({\n  verbose: true,\n  temperature: 0.1,\n  model: 'gpt-4-0613',\n})\n\nconst apis = await Promise.all([\n  OpenpmApi.fromPackageId('ipinfo', {\n    authKey: process.env.IPINFO_API_KEY!,\n  }),\n  new Calculator(),\n  new FactApi(),\n])\n\nconst runner = new WorkGptRunner({\n  agent,\n  apis,\n})\n\nconst result = await runner.runWithDirective(\n  'What is the city related to the ip address 76.220.35.234 and what is the population of that city?'\n)\n\nconsole.log('Result', result)\n```\n\n**核心逻辑说明：**\n1. **初始化 Agent**：配置使用的 LLM 模型（如 gpt-4）及参数。\n2. **加载 APIs**：通过 `OpenpmApi` 加载第三方 OpenAPI 包，或直接实例化内置 API。框架会自动处理认证逻辑。\n3. **运行任务**：创建 `WorkGptRunner` 并传入自然语言指令，AI 将自主规划调用哪些 API 以达成目标。","某电商数据分析师需要每日从多个外部 API 获取物流状态、汇率信息及竞品价格，并整合成一份结构化报告。\n\n### 没有 workgpt 时\n- 开发人员需手动编写大量胶水代码，逐个调用不同 API 并处理各异的认证方式（如 API Key、OAuth），耗时且易出错。\n- 当某个 API 返回格式变更或网络波动时，缺乏自动重试与纠错机制，导致整个数据管道中断，需人工介入排查。\n- 将分散的 API 数据清洗并聚合为统一 JSON 格式的过程繁琐，往往需要编写复杂的解析逻辑，维护成本极高。\n- 若需增加新的数据源（如新增一个天气 API 影响物流预测），必须重新修改主程序代码并重新部署，灵活性极差。\n\n### 使用 workgpt 后\n- 只需提供 OpenAPI 文件列表和自然语言指令（如“查询订单物流并换算为人民币”），workgpt 自动识别并调用相应 API，无需手写调用逻辑。\n- 内置智能对话机制，若某次 API 调用失败或参数错误，workgpt 能自主尝试修正参数或重试，显著提升任务完成率。\n- 自动将多源异构数据按预设 Schema 清洗并聚合为标准 JSON 输出，直接对接下游报表系统，省去中间转换环节。\n- 新增数据源仅需挂载新的 OpenAPI 描述文件，无需改动核心代码，即可让 AI 代理即时感知并调用新能力。\n\nworkgpt 通过将自然语言指令转化为自动化的多 API 协作流程，让开发者从繁琐的接口集成工作中解放出来，专注于业务逻辑本身。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fteam-openpm_workgpt_fa67ac6f.png","team-openpm","openpm","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fteam-openpm_2ebe2d5f.png","",null,"support@openpm.ai","https:\u002F\u002Fopenpm.ai","https:\u002F\u002Fgithub.com\u002Fteam-openpm",[81],{"name":82,"color":83,"percentage":84},"TypeScript","#3178c6",100,731,60,"2026-04-08T16:53:03","MIT","未说明",{"notes":91,"python":89,"dependencies":92},"该工具基于 Node.js (npm) 运行，非 Python 项目。主要依赖 OpenAI API (需配置 API Key)，支持通过 OpenAPI 文件集成任意 API。示例中使用了 Puppeteer 进行网页爬取，若使用此功能需确保系统已安装 Chromium 或相关浏览器依赖。模型具体需求取决于调用的 LLM (如 gpt-4)，本地无模型运行需求。",[64,93],"openai",[35,14,13],"2026-03-27T02:49:30.150509","2026-04-16T08:14:12.561925",[],[]]