[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-visual-openllm--visual-openllm":3,"tool-visual-openllm--visual-openllm":61},[4,18,26,36,44,52],{"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",142651,2,"2026-04-06T23:34:12",[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。",107888,"2026-04-06T11:32:50",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"id":53,"name":54,"github_repo":55,"description_zh":56,"stars":57,"difficulty_score":10,"last_commit_at":58,"category_tags":59,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,60],"视频",{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":64,"owner_name":64,"owner_avatar_url":73,"owner_bio":74,"owner_company":74,"owner_location":74,"owner_email":74,"owner_twitter":74,"owner_website":74,"owner_url":75,"languages":76,"stars":85,"forks":86,"last_commit_at":87,"license":74,"difficulty_score":88,"env_os":89,"env_gpu":90,"env_ram":91,"env_deps":92,"category_tags":95,"github_topics":74,"view_count":32,"oss_zip_url":74,"oss_zip_packed_at":74,"status":17,"created_at":97,"updated_at":98,"faqs":99,"releases":100},4725,"visual-openllm\u002Fvisual-openllm","visual-openllm","something like visual-chatgpt, 文心一言的开源版","visual-openllm 是一款基于开源模型构建的多模态交互工具，旨在打造类似 Visual ChatGPT 或文心一言的开源替代方案。它巧妙地将 ChatGLM 大语言模型、Visual ChatGPT 的视觉理解能力以及 Stable Diffusion 的图像生成技术融为一体，通过统一的交互接口连接不同的视觉模型，让用户能够以自然对话的方式完成“看图说话”、图像编辑及文生图等复杂任务。\n\n该工具主要解决了当前多模态 AI 应用往往依赖闭源服务或单一功能模型的痛点，为社区提供了一个可自由部署、灵活扩展的本地化解决方案。其技术亮点在于支持最新的 ChatGLM3 模型，并集成了 VQA（视觉问答）和 Pix2Pix（图像转换）等实用功能，且代码完全开源，便于开发者根据需求进行二次开发。\n\nvisual-openllm 非常适合 AI 开发者、研究人员以及希望探索多模态技术边界的技术爱好者使用。对于想要搭建私有化智能助手的研究团队，或需要灵活组合不同视觉算法的工程师而言，这是一个极具价值的起点。虽然目前仍在持续迭代中（如计划增强多轮对话能力），但其现有的架构已足以展示开源生态在多模","visual-openllm 是一款基于开源模型构建的多模态交互工具，旨在打造类似 Visual ChatGPT 或文心一言的开源替代方案。它巧妙地将 ChatGLM 大语言模型、Visual ChatGPT 的视觉理解能力以及 Stable Diffusion 的图像生成技术融为一体，通过统一的交互接口连接不同的视觉模型，让用户能够以自然对话的方式完成“看图说话”、图像编辑及文生图等复杂任务。\n\n该工具主要解决了当前多模态 AI 应用往往依赖闭源服务或单一功能模型的痛点，为社区提供了一个可自由部署、灵活扩展的本地化解决方案。其技术亮点在于支持最新的 ChatGLM3 模型，并集成了 VQA（视觉问答）和 Pix2Pix（图像转换）等实用功能，且代码完全开源，便于开发者根据需求进行二次开发。\n\nvisual-openllm 非常适合 AI 开发者、研究人员以及希望探索多模态技术边界的技术爱好者使用。对于想要搭建私有化智能助手的研究团队，或需要灵活组合不同视觉算法的工程师而言，这是一个极具价值的起点。虽然目前仍在持续迭代中（如计划增强多轮对话能力），但其现有的架构已足以展示开源生态在多模态领域的巨大潜力。","# Visual OpenLLM\n\n一种基于开源模型, 已交互方式连接不同视觉模型的开源工具。\n\n- 基于 ChatGLM + Visual ChatGPT + Stable Diffusion\n- 开源版的\"文心一言\"\n\n\n## 📝 Changelog\n\n- [2024.2.24] 增加对Chatglm3的支持，新增vqa和pix2pix功能。(thank [@MrChen314](https:\u002F\u002Fgithub.com\u002FMrChen314) for this contribution )\n- [2023.3.27] 代码开源\n\n\n## Demo：\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvisual-openllm_visual-openllm_readme_ed0730b597b0.gif)\n\n\n## 运行:\n\nrun with `Chatglm3-6B`(Default)\n```\npython run.py --load_llm Chatglm3\n```\nrun with `Chatglm`\n\n```\npython run.py --load_llm Chatglm\n```\n\n## Todo:\n\n- 支持多轮chat\n- 支持其他视觉工具\n- 支持其他LLM\n","# Visual OpenLLM\n\n一款基于开源模型、以交互方式连接不同视觉模型的开源工具。\n\n- 基于 ChatGLM + Visual ChatGPT + Stable Diffusion\n- 开源版的“文心一言”\n\n\n## 📝 更改日志\n\n- [2024.2.24] 增加对Chatglm3的支持，新增vqa和pix2pix功能。（感谢 [@MrChen314](https:\u002F\u002Fgithub.com\u002FMrChen314) 的贡献）\n- [2023.3.27] 代码开源\n\n\n## 演示：\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvisual-openllm_visual-openllm_readme_ed0730b597b0.gif)\n\n\n## 运行:\n\n使用 `Chatglm3-6B`（默认）运行\n```\npython run.py --load_llm Chatglm3\n```\n使用 `Chatglm` 运行\n```\npython run.py --load_llm Chatglm\n```\n\n## 待办事项：\n\n- 支持多轮对话\n- 支持其他视觉工具\n- 支持其他大语言模型","# Visual OpenLLM 快速上手指南\n\nVisual OpenLLM 是一款基于开源模型（ChatGLM + Visual ChatGPT + Stable Diffusion）构建的交互式视觉工具，旨在通过自然语言连接不同的视觉模型能力，被誉为开源版的“文心一言”。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n- **操作系统**：Linux (推荐 Ubuntu 20.04+) 或 macOS\n- **Python 版本**：Python 3.8 或更高版本\n- **硬件要求**：建议配备 NVIDIA GPU (显存 >= 16GB 以流畅运行 ChatGLM3-6B)，若仅使用 CPU 推理速度会显著降低\n- **前置依赖**：\n  - Git\n  - CUDA Toolkit (如需 GPU 加速)\n  - PyTorch (建议根据 CUDA 版本安装对应版本)\n\n> **国内加速建议**：\n> 安装 Python 依赖时，推荐使用清华或阿里镜像源以提升下载速度：\n> ```bash\n> pip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n> ```\n\n## 安装步骤\n\n1. **克隆项目代码**\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002Fvisual-openllm\u002Fvisual-openllm.git\n   cd visual-openllm\n   ```\n\n2. **创建虚拟环境（推荐）**\n   ```bash\n   python -m venv venv\n   source venv\u002Fbin\u002Factivate  # Windows 用户请使用: venv\\Scripts\\activate\n   ```\n\n3. **安装依赖包**\n   ```bash\n   pip install -r requirements.txt\n   ```\n   *注：若 `requirements.txt` 未自动包含所有视觉模型依赖，请参照项目文档手动安装 `transformers`, `diffusers`, `gradio` 等核心库。*\n\n4. **下载模型权重**\n   首次运行前，请确保已下载对应的 LLM 模型权重（如 ChatGLM3-6B）。程序通常会自动从 HuggingFace 下载，国内用户可配置使用 ModelScope 或手动下载后放置于指定目录。\n\n## 基本使用\n\n项目支持加载不同的语言模型后端。以下是两种最常用的启动方式：\n\n### 1. 默认模式：运行 ChatGLM3\n此模式支持最新的 VQA（视觉问答）和 Pix2Pix（图像编辑）功能。\n\n```bash\npython run.py --load_llm Chatglm3\n```\n\n### 2. 兼容模式：运行 ChatGLM\n如果您需要使用旧版 ChatGLM 模型：\n\n```bash\npython run.py --load_llm Chatglm\n```\n\n启动成功后，终端将显示本地访问地址（通常为 `http:\u002F\u002F127.0.0.1:7860`），在浏览器中打开该地址即可进入交互界面，上传图片并进行对话。","某电商初创公司的运营团队需要快速为数百款新上架商品生成带有场景感的营销海报，并自动提取商品图中的关键属性以填充数据库。\n\n### 没有 visual-openllm 时\n- 运营人员需手动切换多个独立工具：先用 OCR 软件识别文字，再用单独的图像描述模型生成文案，最后去 Stable Diffusion 网页版绘图，流程割裂且耗时。\n- 不同模型间缺乏上下文关联，无法实现“根据这张图的风格再画一张”或“提取图中商品价格并改写促销语”这类跨模态指令。\n- 依赖闭源商业 API（如文心一言）导致高昂的调用成本，且数据需上传至第三方服务器，存在核心商品图泄露风险。\n- 遇到复杂需求（如 VQA 视觉问答）时，非技术人员无法直接通过自然语言与图像交互，必须等待开发人员编写定制脚本。\n\n### 使用 visual-openllm 后\n- 基于 ChatGLM3 的统一交互界面让团队能用自然语言一次性完成“识图 - 问答 - 绘图”全流程，无需在不同软件间反复跳转。\n- 利用其新增的 VQA 和 pix2pix 功能，用户可直接指令“把图中模特的衣服换成红色并解释搭配理由”，系统自动理解意图并调度视觉模型执行。\n- 本地化部署开源模型不仅消除了 API 费用，更确保了商品图片等敏感数据完全保留在公司内网，满足合规要求。\n- 支持多轮对话特性允许运营人员像与真人助理协作一样不断微调生成结果，大幅降低了技术门槛，提升了内容产出效率。\n\nvisual-openllm 通过整合开源大语言模型与视觉能力，将繁琐的多工具串联工作流转化为简单的自然语言交互，实现了低成本、高隐私的自动化内容生产。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvisual-openllm_visual-openllm_b66579a1.png","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fvisual-openllm_027a227a.png",null,"https:\u002F\u002Fgithub.com\u002Fvisual-openllm",[77,81],{"name":78,"color":79,"percentage":80},"Python","#3572A5",99.8,{"name":82,"color":83,"percentage":84},"Makefile","#427819",0.2,1193,160,"2026-04-05T02:13:59",4,"","未说明（基于 ChatGLM3-6B 和 Stable Diffusion 架构，通常建议 NVIDIA GPU 且显存 8GB+）","未说明",{"notes":93,"python":91,"dependencies":94},"README 中未明确列出具体的系统环境、依赖库版本及硬件最低要求。该工具默认加载 Chatglm3-6B 模型，并集成了 Visual ChatGPT 和 Stable Diffusion 功能，实际运行可能需要较大的显存和内存支持。",[],[35,15,96],"其他","2026-03-27T02:49:30.150509","2026-04-07T09:46:54.053558",[],[]]