[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-unbody-io--unbody":3,"tool-unbody-io--unbody":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",150037,2,"2026-04-10T23:33:47",[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":78,"owner_website":79,"owner_url":80,"languages":81,"stars":102,"forks":103,"last_commit_at":104,"license":105,"difficulty_score":106,"env_os":107,"env_gpu":108,"env_ram":108,"env_deps":109,"category_tags":117,"github_topics":118,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":133,"updated_at":134,"faqs":135,"releases":136},5003,"unbody-io\u002Funbody","unbody","The Supabase of AI era. A modular, open-source backend for building AI-native software — designed for knowledge, not static data.","Unbody 被誉为\"AI 时代的 Supabase\"，是一款专为构建原生 AI 应用设计的模块化开源后端平台。与传统数据库不同，Unbody 的核心设计理念是“为知识而非静态数据而生”，旨在解决当前开发 AI 功能时流程复杂、工具碎片化的痛点。它通过提供统一的基础设施，让开发者能够轻松地将非结构化数据转化为可供 AI 理解的知识库，从而大幅降低开发门槛。\n\n这款工具主要面向软件开发者和技术团队，特别是那些希望快速集成检索增强生成（RAG）、智能搜索或知识库问答功能的工程师。Unbody 的技术亮点在于其内置了高效的数据索引管道，支持自动化处理文件并监控索引进度（基于 Temporal 工作流），同时兼容 Docker 部署与 Node.js 环境，确保本地开发与生产环境的一致性。虽然项目目前处于早期开发阶段，但其开放的架构和活跃的社区支持（如 Discord 频道）为使用者提供了良好的探索空间。如果你正在寻找一个能够简化 AI 后端搭建、专注于知识管理的解决方案，Unbody 值得尝试。","# Unbody\n[Unbody](https:\u002F\u002Funbody.io\u002F) is building the [Supabase](https:\u002F\u002Fsupabase.com\u002F) of the AI era.\n\nBuilding AI features today is a complex and fragmented process. Unbody fixes that. We're continuing our journey out in the open. The project is in early development, so expect some rough edges.\n\n## Getting Started\n\n> **Note:** These steps provide a basic setup. For more detailed guidance, join our [Discord community](https:\u002F\u002Fdiscord.gg\u002FUX8WKEsVPu).\n\n### Prerequisites\n\n- Node.js LTS (20 or 22)\n- Docker and Docker Compose\n- yarn (npm won’t install dependencies correctly)\n- OpenAI API key\n\n### Installation\n\n```bash\n# Clone the repository\ngit clone https:\u002F\u002Fgithub.com\u002Funbody-io\u002Funbody\n\n# Navigate to the project directory\ncd unbody\n\n# Install node modules\nyarn\n```\n\n### Environment Setup\n\n```bash\n# Create .env.local from template\ncp .env.example .env.local\n\n# Edit with your preferred editor, add your OpenAI API key\nvim .env.local\n```\n\n### Running the Application\n\n```bash\n# Start the required services\ndocker compose up -d\n\n# Start the application\nyarn start\n```\n\n### Create Your First Project\n\nWe've prepared a demo project for you to quickly get started:\n\n```bash\n# Clone the examples repository\ngit clone https:\u002F\u002Fgithub.com\u002Funbody-io\u002Fexamples.git\ncd examples\n```\n\n### Add a Data Source\n\n```bash\n# Add the storage\u002F directory from the examples repo as a source to Unbody\nyarn unbody-cli source add\n```\n\n### Monitor Indexing Progress\n\nHead over to the Temporal dashboard at http:\u002F\u002Flocalhost:8233\u002F to see your files being indexed.\n\nNote:\n\n- The dashboard needs to be manually refreshed to get the latest state\n- Once indexing is complete, follow the [README](https:\u002F\u002Fgithub.com\u002Funbody-io\u002Fexamples) from the examples repository\n\nIf you run into any issues during the setup process, or would like to give us any kind of feedback, join our [Discord community](https:\u002F\u002Fdiscord.gg\u002FUX8WKEsVPu) and we'll be happy to answer any questions.\n\n## Links\n\n- [Website](https:\u002F\u002Funbody.io\u002F)\n- [Blog](https:\u002F\u002Funbody.io\u002Fblog)\n- [Twitter](https:\u002F\u002Ftwitter.com\u002Funbody_io)\n- [Discord](https:\u002F\u002Fdiscord.gg\u002FUBMYRGSPgJ)\n","# Unbody\n[Unbody](https:\u002F\u002Funbody.io\u002F) 正在构建 AI 时代的 [Supabase](https:\u002F\u002Fsupabase.com\u002F)。\n\n如今，构建 AI 功能是一个复杂且分散的过程。Unbody 正在解决这一问题。我们继续以开源的方式推进项目。目前项目仍处于早期开发阶段，因此可能会存在一些不完善之处。\n\n## 快速开始\n\n> **注意:** 这些步骤提供了一个基础设置。如需更详细的指导，请加入我们的 [Discord 社区](https:\u002F\u002Fdiscord.gg\u002FUX8WKEsVPu)。\n\n### 前置条件\n\n- Node.js LTS（20 或 22）\n- Docker 和 Docker Compose\n- yarn（使用 npm 可能无法正确安装依赖）\n- OpenAI API 密钥\n\n### 安装\n\n```bash\n# 克隆仓库\ngit clone https:\u002F\u002Fgithub.com\u002Funbody-io\u002Funbody\n\n# 进入项目目录\ncd unbody\n\n# 安装 Node 模块\nyarn\n```\n\n### 环境配置\n\n```bash\n# 从模板创建 .env.local 文件\ncp .env.example .env.local\n\n# 使用你喜欢的编辑器打开，并添加你的 OpenAI API 密钥\nvim .env.local\n```\n\n### 运行应用\n\n```bash\n# 启动所需的服务\ndocker compose up -d\n\n# 启动应用\nyarn start\n```\n\n### 创建你的第一个项目\n\n我们为你准备了一个演示项目，方便你快速上手：\n\n```bash\n# 克隆示例仓库\ngit clone https:\u002F\u002Fgithub.com\u002Funbody-io\u002Fexamples.git\ncd examples\n```\n\n### 添加数据源\n\n```bash\n# 将示例仓库中的 storage\u002F 目录作为数据源添加到 Unbody\nyarn unbody-cli source add\n```\n\n### 监控索引进度\n\n前往 http:\u002F\u002Flocalhost:8233\u002F 的 Temporal 控制台，查看文件正在被索引的情况。\n\n注意：\n\n- 需要手动刷新控制台才能获取最新状态\n- 索引完成后，请按照示例仓库中的 [README](https:\u002F\u002Fgithub.com\u002Funbody-io\u002Fexamples) 操作\n\n如果在设置过程中遇到任何问题，或希望向我们提供反馈，请加入我们的 [Discord 社区](https:\u002F\u002Fdiscord.gg\u002FUX8WKEsVPu)，我们将很乐意解答您的疑问。\n\n## 链接\n\n- [官网](https:\u002F\u002Funbody.io\u002F)\n- [博客](https:\u002F\u002Funbody.io\u002Fblog)\n- [Twitter](https:\u002F\u002Ftwitter.com\u002Funbody_io)\n- [Discord](https:\u002F\u002Fdiscord.gg\u002FUBMYRGSPgJ)","# Unbody 快速上手指南\n\nUnbody 致力于打造 AI 时代的 Supabase，旨在简化当前复杂且碎片化的 AI 功能开发流程。本指南将帮助你快速在本地搭建并运行 Unbody。\n\n## 环境准备\n\n在开始之前，请确保你的开发环境满足以下要求：\n\n- **Node.js**: LTS 版本（推荐 v20 或 v22）\n- **包管理器**: 必须使用 `yarn`（npm 无法正确安装依赖）\n- **容器工具**: Docker 和 Docker Compose\n- **API 密钥**: 有效的 OpenAI API Key\n- **操作系统**: 支持 Docker 的 macOS、Linux 或 Windows (WSL2)\n\n> **提示**：国内开发者若遇到 npm\u002Fyarn 源连接缓慢，可临时切换至淘宝镜像源：\n> ```bash\n> yarn config set registry https:\u002F\u002Fregistry.npmmirror.com\n> ```\n\n## 安装步骤\n\n### 1. 克隆项目与安装依赖\n\n```bash\n# 克隆仓库\ngit clone https:\u002F\u002Fgithub.com\u002Funbody-io\u002Funbody\n\n# 进入项目目录\ncd unbody\n\n# 安装节点依赖（务必使用 yarn）\nyarn\n```\n\n### 2. 配置环境变量\n\n```bash\n# 从模板创建本地环境配置文件\ncp .env.example .env.local\n\n# 编辑配置文件，填入你的 OpenAI API Key\n# 推荐使用 vim, nano 或 VS Code 编辑\nvim .env.local\n```\n*请在 `.env.local` 文件中找到对应字段并填入你的 `OPENAI_API_KEY`。*\n\n### 3. 启动服务\n\n```bash\n# 后台启动所需的 Docker 服务（数据库、Temporal 等）\ndocker compose up -d\n\n# 启动 Unbody 应用\nyarn start\n```\n\n## 基本使用\n\n完成上述安装后，你可以通过官方提供的示例项目快速体验核心功能。\n\n### 1. 获取示例项目\n\n```bash\n# 克隆示例仓库\ngit clone https:\u002F\u002Fgithub.com\u002Funbody-io\u002Fexamples.git\ncd examples\n```\n\n### 2. 添加数据源\n\n在示例项目目录下，运行 CLI 命令将数据存储目录添加为 Unbody 的数据源：\n\n```bash\n# 将 storage\u002F 目录添加为数据源\nyarn unbody-cli source add\n```\n*按提示操作即可完成数据源绑定。*\n\n### 3. 监控索引进度\n\n打开浏览器访问 Temporal 仪表盘，查看文件索引状态：\n- **地址**: http:\u002F\u002Flocalhost:8233\u002F\n\n> **注意**：\n> - 仪表盘不会自动刷新，需手动刷新页面以获取最新状态。\n> - 待索引完成后，请参考 [examples 仓库的 README](https:\u002F\u002Fgithub.com\u002Funbody-io\u002Fexamples) 进行后续的查询与集成开发。\n\n如需更多帮助或反馈，欢迎加入官方 Discord 社区交流。","某初创团队正在开发一款面向法律从业者的智能合同审查助手，需要让 AI 深度理解海量非结构化的法律文档而非简单检索关键词。\n\n### 没有 unbody 时\n- 开发者需手动拼接向量数据库、传统关系型数据库及工作流引擎，技术栈碎片化导致架构极其复杂。\n- 处理 PDF 合同等非静态数据时，缺乏原生的知识解析能力，需自行编写大量代码进行清洗和分块。\n- 索引构建过程不透明，文件处理状态难以监控，排查数据同步延迟问题如同“黑盒”操作。\n- 每次迭代新功能都要重复搭建后端基础设施，严重拖慢了从原型到上线的开发节奏。\n\n### 使用 unbody 后\n- 直接获得专为 AI 时代设计的模块化后端，一站式集成数据存储与工作流，大幅简化技术架构。\n- 利用其“为知识而生”的特性，自动完成法律文档的深度解析与向量化，无需关心底层数据处理细节。\n- 通过内置的 Temporal 仪表盘实时可视化索引进度，清晰掌握每一份合同的入库状态，运维透明度极高。\n- 像使用 Supabase 一样快速配置数据源，团队能将精力集中在核心业务逻辑上，显著缩短交付周期。\n\nunbody 将繁琐的 AI 后端基建转化为开箱即用的标准化服务，让开发者能真正专注于构建懂知识的智能应用。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Funbody-io_unbody_c6110130.png","unbody-io","Unbody","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Funbody-io_214c0782.png","Unbody is the first AI-native stack with headless architecture",null,"hello@unbody.io","unbody_io","https:\u002F\u002Funbody.io\u002F","https:\u002F\u002Fgithub.com\u002Funbody-io",[82,86,90,94,98],{"name":83,"color":84,"percentage":85},"TypeScript","#3178c6",98.7,{"name":87,"color":88,"percentage":89},"Nix","#7e7eff",0.5,{"name":91,"color":92,"percentage":93},"Dockerfile","#384d54",0.4,{"name":95,"color":96,"percentage":97},"JavaScript","#f1e05a",0.3,{"name":99,"color":100,"percentage":101},"Shell","#89e051",0.1,521,47,"2026-03-31T11:31:46","Apache-2.0",4,"未说明 (需支持 Docker 和 Node.js LTS 的系统)","未说明",{"notes":110,"python":111,"dependencies":112},"该项目主要基于 Node.js 运行，不支持使用 npm 安装依赖，必须使用 yarn。运行前需配置 OpenAI API 密钥。核心服务依赖 Docker Compose 启动，包含 Temporal 工作流引擎（可通过 localhost:8233 监控索引进度）。项目处于早期开发阶段，可能存在不稳定情况。","不需要 (基于 Node.js)",[113,114,115,116],"Node.js LTS (20 或 22)","Docker","Docker Compose","yarn",[16,13,14,35],[119,120,121,122,123,124,125,126,127,128,129,130,131,132],"agentic-ai","ai-native","backend","chatbot","data-enhancement","data-ingestion","developer-tools","etl-pipeline","generative-ai","knowledge-base","llm","rag","vector-database","supabase-alternative","2026-03-27T02:49:30.150509","2026-04-11T18:34:01.213267",[],[]]