Siftly

GitHub
2.3k 218 简单 1 次阅读 昨天MIT图像Agent开发框架
AI 解读 由 AI 自动生成,仅供参考

Siftly 是一款完全本地运行的 Twitter/X 书签管理工具,旨在将用户零散收藏的推文转化为可搜索、分类清晰且可视化的个人知识库。它解决了社交媒体书签难以检索、缺乏组织以及依赖云端服务导致隐私泄露的痛点,让用户无需安装浏览器插件或支付订阅费,即可在本地高效管理海量信息。

这款工具特别适合注重数据隐私的研究人员、内容创作者、开发者以及希望构建第二大脑的普通用户。其核心亮点在于内置的四阶段 AI 处理流水线:首先自动提取推文中的实体(如标签、链接),接着利用视觉模型分析图片与视频内容生成详细标签,随后进行语义标记以支持自然语言搜索(例如查找“关于加密货币暴跌的搞笑梗图”),最后智能归类并生成交互式思维导图。

Siftly 基于 Next.js 和 SQLite 构建,部署简单,仅需一条命令即可启动。它巧妙兼容 Claude Code CLI,若用户已登录该环境,可实现零配置自动调用 AI 能力,否则也支持手动填入 API Key。所有数据处理均在本地完成,仅必要的 AI 推理请求会发送至配置的服务端,确保了数据的私密性与安全性。

使用场景

资深前端开发者李明习惯在 Twitter/X 上收藏大量关于 Next.js 新特性、UI 设计灵感及开源项目的推文,日积月累形成了数百条杂乱无章的书签列表。

没有 Siftly 时

  • 检索效率极低:只能依靠模糊的关键词搜索,想找回“上周看到的关于 Server Components 的搞笑梗图”时,往往因记不准具体词汇而一无所获。
  • 信息孤岛严重:书签仅是线性列表,无法直观看出不同技术点(如 Tailwind CSS 与动画库)之间的关联,难以构建系统化的知识网络。
  • 多媒体内容沉睡:包含代码截图或演示 GIF 的推文被淹没在文字流中,宝贵的视觉参考素材几乎从未被二次利用。
  • 整理成本高昂:手动为每条书签添加标签或分类耗时费力,导致收藏后几乎不再回顾,收藏夹逐渐变成“数字垃圾场”。

使用 Siftly 后

  • 语义化精准查找:Siftly 的 AI 语义 tagging 功能让李明可以直接用自然语言搜索“加密货币崩盘的搞笑梗图”,瞬间定位目标,无需匹配确切关键词。
  • 可视化知识图谱:通过交互式思维导图,李明能清晰看到收藏内容的聚类关系,轻松发现 React 生态中不同工具链的内在联系。
  • 深度视觉分析:Siftly 自动提取了所有图片中的代码片段和上下文标签,使原本难以检索的截图变成了可搜索的高价值知识库。
  • 自动化分类归档:运行一次 AI 流水线,数百条书签即被自动归入"UI 灵感”、“性能优化”等类别并附带置信度评分,彻底解放双手。

Siftly 将原本杂乱无章的社交媒体收藏夹,瞬间转化为本地运行、可深度交互的个人第二大脑。

运行环境要求

操作系统
  • macOS
  • Linux
  • Windows
GPU

未说明 (基于云 API 调用,无需本地 GPU)

内存

未说明

依赖
notes该工具主要依赖外部 AI API(如 Anthropic Claude),而非本地运行大模型。在 macOS 上若安装了 Claude Code CLI 并登录,可自动复用其会话无需配置 API Key;Linux/Windows 用户需在设置中手动填入 API Key。数据库默认使用本地 SQLite,无需额外部署数据库服务。
python不需要 (基于 Node.js)
Node.js 18+
Next.js 16
TypeScript 5
SQLite
Tailwind CSS v4
Prisma
Siftly hero image

快速开始

Siftly

Siftly

自托管的 Twitter/X 书签管理器,配备 AI 驱动的整理功能

导入 · 分析 · 分类 · 搜索 · 探索

Next.js 16 TypeScript SQLite Tailwind CSS MIT License


Siftly 是什么?

Siftly 可以将你的 Twitter/X 书签转化为一个 可搜索、分类、可视化的知识库 —— 完全在你的本地机器上运行。无需云端、无需订阅、也不需要浏览器扩展。除了你配置的 AI API 调用之外,所有数据都保留在本地。

它会在你的书签上运行一个 四阶段的 AI 流程

📥 导入(内置书签小工具或控制台脚本——无需扩展)
    ↓
🏷️ 实体提取   — 从原始推文数据中挖掘标签、URL、提及以及 100 多种已知工具(免费,零 API 调用)
    ↓
👁️ 视觉分析      — 读取每张图片/GIF/视频缩略图中的文本、物体和上下文信息(每张图片约 30–40 个视觉标签)
    ↓
🧠 语义标签     — 为每个书签生成 25–35 个可搜索标签,支持 AI 驱动的搜索
    ↓
📂 分类       — 为每个书签分配 1–3 个类别,并附带置信度分数

流程完成后,你将获得:

  • AI 搜索 — 不仅能按关键词,还能按语义查找书签("关于加密货币崩盘的搞笑表情包"
  • 交互式思维导图 — 可视化地探索你的整个书签图谱
  • 筛选浏览 — 网格或列表视图,可按类别、媒体类型和日期进行筛选
  • 导出工具 — 下载媒体文件,或导出为 CSV / JSON / ZIP 格式

快速开始

前提条件

就这么简单。 如果你已经安装并登录了 Claude Code CLI,AI 功能将自动生效——无需 API 密钥。

选项 A — 一条命令(推荐)

git clone https://github.com/viperrcrypto/Siftly.git
cd Siftly
./start.sh

start.sh 会安装依赖项、设置数据库、检查 Claude CLI 的认证状态,并自动打开 http://localhost:3000

选项 B — 使用 Claude Code

如果你使用 Claude Code 来搭建项目,它会读取 CLAUDE.md 文件,准确知道如何开始。只需打开项目文件夹:

git clone https://github.com/viperrcrypto/Siftly.git
claude Siftly/

Claude Code 会帮你完成设置并启动应用,直接利用你现有的 Claude 订阅——无需额外配置。

选项 C — 手动设置

git clone https://github.com/viperrcrypto/Siftly.git
cd Siftly
npm install
npx prisma generate
npx prisma migrate dev --name init
npx next dev

打开 http://localhost:3000


AI 认证

Siftly 会自动检测最佳可用的认证方式——在大多数情况下无需任何配置。

优先级顺序

序号 方法 如何操作
1 Claude Code CLI (无需配置) 已经登录?Siftly 会自动从 macOS 钥匙串中读取你的会话
2 设置中的 API 密钥 打开应用内的“设置”页面,粘贴你的密钥
3 ANTHROPIC_API_KEY 环境变量 .env.local 或你的 shell 环境中设置
4 本地代理 ANTHROPIC_BASE_URL 设置为任何与 Anthropic 兼容的端点

Claude Code CLI(无需 API 密钥)

如果你使用 Claude Code,你已经登录。Siftly 会从 macOS 钥匙串中检测到你的会话,并自动使用你的 Claude 订阅(Free/Pro/Max)。

当此功能启用时,“设置”页面会显示一个绿色的 “检测到 Claude CLI——无需 API 密钥” 标志,并注明你的订阅等级。

注意: 此方法仅适用于 macOS。在 Linux/Windows 上,请改用“设置”中的 API 密钥。

获取 API 密钥(如果需要)

  1. 访问 console.anthropic.com
  2. 创建一个新的 API 密钥
  3. 打开 Siftly → “设置” → 粘贴密钥

新账户会提供 $5 的免费额度——按照 Haiku 定价,足够处理数千个书签(约 $0.00025/书签)。


导入你的书签

Siftly 提供了 内置的导入工具——无需浏览器扩展。前往 “导入” 页面,选择以下任一方法:

方法 A — 书签小工具 (推荐)

  1. 在 Siftly 侧边栏中进入 “导入” 页面
  2. “导出 X 书签” 链接拖到浏览器书签栏中 (或者右键点击书签栏 → 添加书签 → 粘贴 URL)
  3. 登录 X 后,访问 x.com/i/bookmarks
  4. 点击书签栏中的 “导出 X 书签”——页面上会出现一个紫色按钮
  5. 点击 “▶ 自动滚动”——工具会自动滚动并捕获所有书签
  6. 完成后,点击紫色的 “导出 N 个书签” 按钮——bookmarks.json 文件会被下载
  7. 回到 Siftly → “导入” → 拖放或上传该文件

方法 B — 浏览器控制台脚本

  1. 登录 X 后,访问 x.com/i/bookmarks
  2. 打开开发者工具:按下 F12(Windows/Linux)或 ⌘⌥J(Mac),然后切换到 “控制台” 选项卡
  3. 从 Siftly 的导入页面复制控制台脚本,粘贴到控制台并按下回车键
  4. 点击 “▶ 自动滚动”,等待所有书签被捕获
  5. 点击导出按钮——bookmarks.json 文件会自动下载
  6. 回到 Siftly → “导入” → 上传该文件

重新导入

你可以随时重新导入——Siftly 会自动跳过重复项,只添加新的书签。


AI 分类

一旦你导入书签,分类就会自动开始。 你也可以手动触发分类,方法如下:

  • “导入” 页面(上传后)
  • “思维导图” 页面(当书签尚未分类时)
  • 在侧边栏的 “分类” 页面

4 阶段流水线

阶段 功能
实体提取 从存储的推文 JSON 中挖掘话题标签、URL、@提及以及 100 多种已知工具/产品名称 — 免费,无需 API 调用
视觉分析 分析每张图片、GIF 和视频缩略图 — OCR 文本、物体、场景、情绪、梗模板,每张图片包含 30–40 个视觉标签
语义标记 结合推文文本和图片上下文,为每个书签生成 25–35 个精准的搜索标签。同时提取情感、人物和公司名称。
分类 利用所有丰富后的数据,为每个书签分配 1–3 个类别,并附带置信度分数

该流水线是 增量式 的——如果中断,它会从中断处继续运行。使用 “重新运行全部(强制全部)” 可以重新分析已处理过的书签。


功能

🔍 AI 搜索

支持对所有书签数据进行自然语言查询:

  • “关于加密货币崩盘的搞笑表情包”
  • “React Hooks 教程”
  • “比特币价格走势图”
  • “最佳 AI 编码工具”

通过全文检索索引 (FTS5) 加上 Claude 的语义重排序,同时搜索推文文本、图片 OCR、视觉标签、语义标签和类别。结果按相关性排序,并为每个匹配项提供 AI 生成的解释说明。

🗺️ 思维导图

交互式的力导向图,按类别组织显示所有书签:

  • 展开或折叠任意类别以查看其书签
  • 点击书签节点即可在 X 平台上打开原始推文
  • 按类别进行颜色编码的图例
  • 如果书签尚未分类,内嵌的 AI 分类 按钮可在不离开页面的情况下启动流水线。

📚 浏览与筛选

  • 网格视图(马赛克布局)或 列表视图
  • 按类别、媒体类型(照片/视频)或搜索文本进行筛选
  • 按最新或最旧排序
  • 每页 24 条记录分页
  • 当前筛选条件芯片可单独移除或一键清空
  • 将鼠标悬停在任一卡片上即可下载媒体内容或跳转至原始推文。

⚙️ 类别

预设了 8 个默认类别,并配有 AI 可读的描述:

类别 颜色
搞笑表情包 琥珀色
AI 资源 紫色
开发工具 青色
设计 粉色
金融与加密 绿色
生产效率 橙色
新闻 靛蓝色
综合 灰蓝色

您可以创建自定义类别,指定名称、颜色及可选描述。描述将在分类过程中直接传递给 AI——描述越具体,分类结果就越准确。

📤 导出

  • CSV — 与电子表格兼容,包含所有字段
  • JSON — 完整结构化数据导出
  • ZIP — 导出某个类别的书签及所有媒体文件,并附带 manifest.csv 清单文件。

⌨️ 命令面板

按下 Cmd+K(Mac)或 Ctrl+K(Windows/Linux),即可在应用的任何位置搜索所有书签。


配置

所有设置均可在 /settings 页面或通过环境变量进行管理:

设置 环境变量 描述
Anthropic API 密钥 ANTHROPIC_API_KEY 如果已登录 Claude CLI,则可选;否则,AI 功能需要此密钥
API 基础 URL ANTHROPIC_BASE_URL 自定义端点,用于代理或本地 Anthropic 兼容模型
AI 模型 仅限设置页面 Haiku 4.5(默认,最快且最便宜)、Sonnet 4.6、Opus 4.6
OpenAI 密钥 仅限设置页面 如果未设置 Anthropic 密钥,则可作为替代提供商
数据库 DATABASE_URL SQLite 文件路径(默认:file:./prisma/dev.db

自定义 API 端点

将 Siftly 指向任何 Anthropic 兼容的服务器:

ANTHROPIC_BASE_URL=http://localhost:8080

架构

siftly/
├── app/
│   ├── api/
│   │   ├── analyze/images/   # 批量图像视觉分析(获取进度,POST 启动)
│   │   ├── bookmarks/        # 列表、筛选、分页、删除
│   │   │   └── [id]/categories/ # 单个书签的类别管理
│   │   ├── categories/       # 类别增删改查
│   │   │   └── [slug]/       # 单个类别的操作
│   │   ├── categorize/       # 4 阶段 AI 流水线(启动、状态、停止)
│   │   ├── export/           # CSV、JSON、ZIP 导出
│   │   ├── import/           # JSON 文件导入,带有去重功能并自动触发流水线
│   │   │   ├── bookmarklet/  # 书签小工具专用导入端点
│   │   │   └── twitter/      # Twitter 专用导入端点
│   │   ├── link-preview/     # 服务器端 OG 元数据抓取
│   │   ├── media/            # 媒体代理/下载端点
│   │   ├── mindmap/          # 图形节点与边,用于可视化
│   │   ├── search/ai/        # 自然语言语义搜索(FTS5 + Claude)
│   │   ├── settings/         # API 密钥和模型配置
│   │   │   ├── cli-status/   # Claude CLI 认证检测端点
│   │   │   └── test/         # API 密钥验证端点
│   │   └── stats/            # 仪表板统计数据
│   ├── ai-search/            # AI 搜索页面
│   ├── bookmarks/            # 浏览、筛选、分页
│   ├── categories/           # 类别管理
│   │   └── [slug]/           # 类别详情页
│   ├── categorize/           # 流水线监控器,实时显示进度
│   ├── import/               # 三步导入流程(说明 → 上传 → 分类)
│   ├── mindmap/              # 交互式图形
│   ├── settings/             # 配置
│   └── page.tsx              # 仪表板
│
├── components/
│   ├── mindmap/              # 思维导图画布、节点、边
│   │   ├── mindmap-canvas.tsx
│   │   ├── category-node.tsx
│   │   ├── tweet-node.tsx
│   │   ├── root-node.tsx
│   │   ├── chain-edge.tsx
│   │   └── mindmap-context.ts
│   ├── command-palette.tsx   # Cmd+K 全局搜索
│   ├── nav.tsx               # 侧边导航
│   └── theme-toggle.tsx      # 明暗模式切换
│
├── lib/
│   ├── categorizer.ts        # AI 分类逻辑及默认类别
│   ├── claude-cli-auth.ts    # 检测 macOS Keychain 中的 Claude CLI OAuth 会话
│   ├── vision-analyzer.ts    # 图像分析及批量语义标记
│   ├── image-context.ts      # 共享图像上下文构建器
│   ├── fts.ts                # SQLite FTS5 全文检索索引
│   ├── rawjson-extractor.ts  # 从原始推文 JSON 中提取实体
│   ├── parser.ts             # 多格式 JSON 解析器
│   ├── exporter.ts           # CSV、JSON、ZIP 导出
│   ├── types.ts              # 共享 TypeScript 类型
│   └── db.ts                 # Prisma 客户端单例
│
├── prisma/
│   └── schema.prisma         # SQLite 模式
│
├── start.sh                  # 一键启动脚本(安装 + 数据库初始化 + 打开浏览器)
└── CLAUDE.md                 # Claude Code AI 助手使用说明

数据库模式

书签          — 推文文本、作者、日期、原始 JSON、语义标签、增强元数据
  ├── 媒体项   — 包含 AI 生成图像标签的图片/视频/GIF
  └── 书签类别 — 带置信度分数(0–1)的类别分配

类别          — 名称、别名、十六进制颜色、AI 可读描述
设置           — 键值存储(API 密钥、模型偏好)
导入任务         — 跟踪导入文件的状态和进度

Prisma + SQLite + FTS5

Siftly 使用 Prisma 迁移来管理关系型模式变更。 在开发环境中,当模式发生变化时,运行 npx prisma migrate dev --name <change-name>。 对于生产环境或运行时启动,使用 npx prisma migrate deploy 应用已提交的迁移。 FTS5 (bookmark_fts) 在运行时由 lib/fts.ts 管理,而不是在 schema.prisma 中定义。 目前这是有意为之,因为 Prisma 并不直接支持 SQLite 虚拟表的定义。

有关 Prisma 命令和工作流的详细信息,请参阅:


技术栈

技术 版本 作用
Next.js 16 全栈框架(App Router)
TypeScript 5 全程类型安全
Prisma 7 ORM + 迁移
SQLite 本地数据库 — 零配置,包含 FTS5
Tailwind CSS v4 样式
Anthropic SDK 视觉处理、语义标注、分类、搜索
@xyflow/react 12 交互式思维导图图表
Framer Motion 12 动画
Radix UI 无障碍 UI 原语
JSZip 导出类别 ZIP 文件
Lucide React 图标

开发

# 一键启动(安装依赖、设置数据库、打开浏览器)
./start.sh

# 或者手动:
npm install
npx prisma generate
npx prisma migrate dev --name init
npx next dev

# 类型检查
npx tsc --noEmit

# 打开数据库 GUI
npx prisma studio

# 构建生产环境
npm run build && npm start

自定义类别

编辑 lib/categorizer.ts 中的 DEFAULT_CATEGORIES。每个条目需要:

{
  name: '我的类别',       // 显示名称
  slug: 'my-category',   // URL 安全标识符(必须唯一)
  color: '#6366f1',      // UI 中显示的十六进制颜色
  description: '...',    // 自然语言描述 — 直接用于 AI 提示词
}

description 字段会直接影响 AI 对书签的分类方式,请尽量具体。

添加已知工具

将域名字符串添加到 lib/rawjson-extractor.ts 中的 KNOWN_TOOL_DOMAINS,以便实体提取器能够自动识别推文数据中指向这些工具的链接。


隐私

  • 所有数据均本地存储在您机器上的 SQLite 文件中
  • 唯一的外部调用是您配置的 AI 提供商(推文文本 + 图像数据)
  • 无遥测、无跟踪、无需账户
  • 您的书签绝不会触及其他第三方服务器,仅会发送至您配置的 AI 端点

支持开发

如果 Siftly 为您节省了时间,请考虑留下小费 ☕


许可证

MIT — 详见 LICENSE


@viperr 构建 · 自托管 · 无扩展 · 无云

版本历史

v0.2.02026/03/28
v1.0.12026/03/10

常见问题

相似工具推荐

stable-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。 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。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-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。 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。 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

140.4k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

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。 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。 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。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

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。 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。 NextChat 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。

87.6k|★★☆☆☆|昨天
开发框架语言模型

ML-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。 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。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

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。 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。 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。

77.1k|★★★☆☆|2天前
Agent图像开发框架