wechaty

GitHub
22.7k 2.8k 简单 1 次阅读 今天Apache-2.0其他开发框架语言模型
AI 解读 由 AI 自动生成,仅供参考

Wechaty 是一款专为聊天机器人开发者打造的对话式 RPA(机器人流程自动化)SDK。它的核心使命是简化机器人开发流程,让创作者无需深陷不同即时通讯平台复杂的 API 细节中。

在过去,开发者若想让自己的机器人同时运行在微信、WhatsApp 等多个平台上,往往需要针对每个平台编写独立的适配代码,工作繁琐且维护成本高。Wechaty 巧妙地解决了这一痛点,它提供了一套统一的标准化接口,支持“一次编写,多端运行”。无论是微信、WhatsApp,还是未来接入的其他主流通讯软件,开发者只需关注对话逻辑本身,底层的技术适配由 Wechaty 自动完成。

这款工具特别适合软件工程师、全栈开发者以及希望快速验证聊天机器人创意的研究人员使用。其独特的技术亮点在于强大的多语言生态支持,不仅原生支持 TypeScript 和 JavaScript,还完美兼容 Python、Go、Java、.NET、PHP 乃至 Rust 等多种编程语言,极大地降低了不同技术背景开发者的入门门槛。此外,Wechaty 拥有活跃的开源社区和丰富的文档资源,能够帮助用户高效地构建智能、有趣的对话体验,是将聊天机器人想法转化为现实产品的得力助手。

使用场景

某电商运营团队希望构建一个自动客服机器人,在微信和 WhatsApp 上同时处理用户的订单查询与售后咨询。

没有 wechaty 时

  • 开发团队需分别研究微信和 WhatsApp 截然不同的私有协议与 API 文档,学习成本极高且耗时漫长。
  • 为了维持双平台运行,必须编写两套完全独立的代码逻辑,导致功能迭代时需在两个项目中重复修改,极易出错。
  • 缺乏统一的会话状态管理机制,难以在不同平台间同步用户上下文,导致跨平台服务体验割裂。
  • 一旦某个社交平台更新接口协议,整个机器人可能立即瘫痪,维护人员需紧急逆向工程修复,稳定性极差。
  • 部署环境复杂,需要为不同语言栈(如 Python 处理微信、Node.js 处理 WhatsApp)配置多套服务器环境。

使用 wechaty 后

  • 借助 wechaty 提供的统一抽象层,开发者只需调用一套标准 SDK 即可同时连接微信和 WhatsApp,无需深究底层协议差异。
  • 实现“一次编码,多端运行”,业务逻辑代码完全复用,新增“退货流程”功能时可瞬间同步至所有社交平台。
  • 利用 wechaty 内置的对话状态管理,机器人能精准记忆用户意图,无论用户在哪个平台发言都能获得连贯的上下文服务。
  • 社区驱动的 Puppet 提供者机制让平台适配更敏捷,当上游接口变动时,wechaty 往往已提供修复方案,大幅降低宕机风险。
  • 支持 Docker 容器化部署及多种编程语言(如 TypeScript、Python),团队可基于现有技术栈快速搭建统一的服务架构。

wechaty 通过屏蔽底层平台差异,让开发者从繁琐的协议适配中解放出来,专注于打造真正智能的对话体验。

运行环境要求

操作系统
  • Linux
  • Windows
  • macOS
GPU

未说明

内存

未说明

依赖
notes该工具主要是一个基于 Node.js 的聊天机器人 SDK,支持多种编程语言(JavaScript, TypeScript, Python, Go, Java 等)。核心运行环境要求为 Node.js 16+。可通过 Docker 部署。支持通过设置环境变量 `WECHATY_PUPPET` 切换不同的协议提供者(如 Web 协议、Windows 协议等)。若使用非 Web 协议可能需要申请 Token。
python未说明 (主要基于 Node.js,但也提供 Python 版本支持)
Node.js >= 16
NPM >= 7
TypeScript >= 4.4
wechaty hero image

快速开始

Wechaty 加入 Wechaty Discord 开发者社区 NPM 版本 NPM Docker

Wechaty

Ship.Fail PreAngel 下载量 GitHub 星标 Docker 拉取次数 ES Modules

TypeScript JavaScript Python Go Java .NET PHP Rust Scala

WeChat Whatsapp

电梯演讲

Wechaty 是一款对话式 RPA SDK,能够简化聊天机器人的开发流程。它就像聊天机器人开发领域的瑞士军刀,为 WhatsApp、WeChat 等多种消息平台提供通用接口。使用 Wechaty,你只需编写一次机器人代码,便可在所有支持的平台上运行。这意味着你可以专注于打造引人入胜的对话体验,而无需担心各平台 API 的复杂性。Wechaty 是开源且易于使用的,并拥有一个充满活力的社区,随时准备帮助你将聊天机器人的创意变为现实。

连接聊天机器人

Wechaty 是面向聊天机器人开发者的 RPA(机器人流程自动化)SDK,可以帮助你用 6 行代码分别使用 JavaScriptPythonGoJava 编写机器人,同时支持跨平台运行,包括 Linux、Windows、MacOS,以及 Docker

:spider_web: https://wechaty.js.org
:octocat: https://github.com/Wechaty/wechaty
:beetle: https://github.com/Wechaty/wechaty/issues
:book: https://github.com/Wechaty/wechaty-getting-started
:whale: https://hub.docker.com/r/wechaty/wechaty

最新消息

开发者之声

"Wechaty 是一个很棒的解决方案;我相信会有更多用户认识到它的价值。" 链接
@Gcaufy,腾讯工程师,WePY 的作者

"太好用,好用的想哭"
@xinbenlv,Google 工程师,HaoShiYou.org 的创始人

”好用到哭“——你们对得起这个评价! 链接
@bigbrother666sh,《社长不见了》剧本杀 NPC DM 的创作者

"最好的微信开发库" 链接
@Jarvis,百度工程师

"Wechaty 让运营人员有更多时间思考如何进行活动策划、留存用户,实现商业变现" 链接
@lijiarui,Juzi.BOT 的创始人兼 CEO

"如果你懂 js ... 就试试 Wechaty 吧。它非常容易使用。"
@Urinx Uri Lee,WeixinBot(Python) 的作者

"Wechaty 是一个很好的项目;我希望它能继续发展下去!因此,我成为了开放集体的贡献者。"
@Simple

更多内容请参见 Wiki:开发者之声

加入我们的 Discord 社区

加入 Wechaty Discord 开发者社区 Wechaty Discord

Wechaty 被成千上万的开发者用于众多聊天机器人项目中。若想与其他开发者交流,请扫描下方二维码,加入我们的 Wechaty 开发者社区

Wechaty Discord 社区二维码

立即扫描吧,因为其他 Wechaty 开发者也正期待与你交流呢!

资源

过去几年里,Wechaty 举办过许多技术分享会,并撰写了大量博客文章;以下是 Wechaty 的所有相关资源:

:rocket: 全世界最短的聊天机器人代码:仅 6 行 JavaScript


import { WechatyBuilder } from 'wechaty'

const wechaty = WechatyBuilder.build() // 获取一个 Wechaty 实例
wechaty
  .on('scan', (qrcode, status) => console.log(`扫描二维码登录:${status}\nhttps://wechaty.js.org/qrcode/${encodeURIComponent(qrcode)}`))
  .on('login',            user => console.log(`用户 ${user} 已登录`))
  .on('message',       message => console.log(`消息:${message}`))
wechaty.start()

注意:Wechaty 需要 Node.js 版本 >= 16

这个机器人在扫码登录后,会将所有消息记录到控制台。

你可以在 examples/ding-dong-bot.ts 找到 Wechaty 的官方示例,更多示例请参阅我们的 示例目录

:checkered_flag: 系统要求

  1. Node.js 版本 16 或更高
  2. NPM 版本 7 或更高
  3. TypeScript 版本 4.4 或更高

快速开始

node

我们为初学者准备了一个设置最简单的 Wechaty 入门仓库。只需 clonenpm installnpm start,即可直接运行。

如果你是第一次接触 Wechaty 并希望尝试一下,强烈建议从这个仓库入手,并将其作为你项目的初始模板。

否则,请将上述“全世界最短的聊天机器人代码:6 行 JavaScript”示例保存为名为 bot.js 的文件,然后就可以使用 NPM 或 Docker 来运行它了。

1. NPM

NPM 版本 NPM 标签

下载量 安装大小

npm init
npm install wechaty

# 创建你的第一个 bot.js 文件,可以复制粘贴上面的“全世界最短的聊天机器人代码:6 行 JavaScript”
# 然后:
node bot.js

2. Docker

Docker 下载量 Docker 层

Wechaty Docker 同时支持 JavaScript 和 TypeScript。如果使用 TypeScript,只需以 .ts 为扩展名保存即可,无需编译,因为我们使用 ts-node 来运行。

2.1. 运行 JavaScript

# 对于 JavaScript
docker run -ti --rm --volume="$(pwd)":/bot wechaty/wechaty bot.js

2.2. 运行 TypeScript

# 对于 TypeScript
docker run -ti --rm --volume="$(pwd)":/bot wechaty/wechaty bot.ts

更多关于 Wechaty Docker 的信息,请参阅 Wiki:Docker

3. 切换协议(木偶)

Wechaty 功能非常强大,可以在不同的协议上运行。您可以通过将环境变量 WECHATY_PUPPET 设置为不同的木偶提供者来指定协议。

如果您无法使用 Web 协议,可以按照这里的说明使用其他协议:https://github.com/wechaty/wechaty/wiki/Support-Developers 我们提供免费的令牌,以支持开发者构建有价值的微信聊天机器人。

目前我们支持以下 木偶提供者

协议 木偶提供者 环境变量
Web PuppetPuppeteer export WECHATY_PUPPET=wechaty-puppet-puppeteer
Windows PuppetWorkPro export WECHATY_PUPPET=wechaty-puppet-service
Mock PuppetMock export WECHATY_PUPPET=wechaty-puppet-mock
Web PuppetWechat4u export WECHATY_PUPPET=wechaty-puppet-wechat4u
iPad PuppetRock export WECHATY_PUPPET=wechaty-puppet-service
iPad PuppetPadLocal export WECHATY_PUPPET=wechaty-puppet-service
Windows PuppetDonut export WECHATY_PUPPET=wechaty-puppet-service
iPad PuppetPadpro 已弃用 export WECHATY_PUPPET=wechaty-puppet-padpro
iPad PuppetPadchat 已弃用 export WECHATY_PUPPET=wechaty-puppet-padchat
iPad PuppetPadplus 已弃用 export WECHATY_PUPPET=wechaty-puppet-padplus
Mac PuppetMacpro 已弃用 export WECHATY_PUPPET=wechaty-puppet-macpro
Windows PuppetWxwork 已弃用 export WECHATY_PUPPET=wechaty-puppet-service

更多关于 Wechaty 木偶的信息,请参阅木偶维基:

  1. 木偶目录: https://github.com/Wechaty/wechaty-puppet/wiki/Directory
  2. 木偶兼容性: https://github.com/Wechaty/wechaty-puppet/wiki/Compatibility

:guitar: API

完整的文档请参阅 Wechaty 官方 API 参考

1 类 Wechaty

主机器人类。

一个 Bot 是一个 Wechaty 实例,用于控制特定的 wechaty-puppet

Wechaty API 描述
事件 login 机器人成功登录后触发
事件 logout 机器人登出后触发
事件 friendship 当有人向机器人发送好友请求时触发
事件 message 当有新消息时触发
事件 room-join 当有人加入任何聊天室时触发
事件 room-topic 当有人更改聊天室主题时触发
事件 room-leave 当有人离开聊天室时触发
事件 room-invite 当有聊天室邀请时触发
事件 scan 当机器人需要显示二维码供扫描时触发
方法 start(): Promise<void> 启动机器人
方法 stop(): Promise<void> 停止机器人
方法 logonoff(): boolean 返回机器人的登录状态
方法 logout(): Promise<void> 让机器人登出
方法 currentUser(): ContactSelf 获取当前登录的机器人联系人
方法 say(text: string): Promise<void> 让机器人对自己说 text

2 类 Contact

所有微信联系人(好友与非好友)都将被封装为一个 Contact 对象。

Contact API 描述
静态 find(query: string): Promise<null | Contact> 根据姓名或备注查找联系人,若结果多于一个,则返回第一个。
静态 findAll(query: string): Promise<Contact[]> 根据 namealias 查找联系人。
静态 load(query: string): Contact 根据 ID 获取联系人。
属性 id: readonly string 获取联系人的 ID。
方法 sync(): Promise<void> 强制重新加载联系人数据,从底层 API 再次同步数据。
方法 say(text: string): Promise<void | Message> 向联系人发送文本、联系人名片或文件,返回机器人发送的消息(仅 puppet-padplus 支持)。
方法 self(): boolean 检查联系人是否为自身。
方法 name(): string 获取联系人的姓名。
方法 alias(): Promise<string> 获取联系人的备注名。
方法 alias(newAlias: string): Promise<void> 设置或删除联系人的备注名。
方法 friend(): boolean 检查联系人是否为好友。
方法 type(): ContactType 返回联系人的类型。
方法 province(): string 获取联系人的省份信息。
方法 city(): string 获取联系人的城市信息。
方法 avatar(): Promise<FileBox> 获取联系人的头像图片流。
方法 gender(): ContactGender 获取联系人的性别。

2.1 类 ContactSelf

ContactSelf 继承自 Contact

ContactSelf API 描述
方法 avatar(file: FileBox): Promise<void> 设置机器人的头像。
方法 qrcode(): Promise<string> 获取机器人的二维码。
方法 signature(text: string): Promise<void> 设置机器人的个性签名。

2.2 类 Friendship

用于处理添加好友、接收好友请求及确认好友关系的事件。

Friendship API 描述
静态 add(contact: Contact, hello?: string): Promise<void> 向联系人发送好友邀请。
方法 accept(): Promise<void> 接受好友请求。
方法 hello(): string 获取好友邀请中的问候语。
方法 contact(): Contact 获取好友关系中的联系人。
方法 type(): FriendshipType 返回好友关系类型(未知、已确认、已接收、验证中)。

3 类 Message

所有微信消息都将被封装为一个 Message 对象。

Message API 描述
静态 find(query: string): Promise<null | Message> 在缓存中查找消息并返回第一个。
静态 findAll(query: string): Promise<Message[]> 在缓存中查找消息,返回消息列表。
方法 from(): Contact 获取消息的发送者。
方法 to(): Contact 获取消息的接收者。
方法 room(): null | Room 获取消息所在的群聊。(若消息不在群聊中,则返回 null
方法 text(): string 获取消息的文本内容。
方法 say(text: string): Promise<void | Message> 向发送者回复文本、媒体文件或联系人消息,返回机器人发送的消息(仅 puppet-padplus 支持)。
方法 type(): MessageType 获取消息的类型。
方法 self(): boolean 判断消息是否由自身发送。
方法 mention(): Contact[] 获取消息中被提及的好友列表。
方法 mentionSelf(): boolean 判断消息是否提及了自身。
方法 forward(to: Contact): Promise<void> 转发接收到的消息。
方法 age(): number 消息创建以来的秒数。
方法 date(): Date 消息的创建时间。
方法 toFileBox(): Promise<FileBox> 从消息中提取媒体文件,并将其放入 FileBox 中。
方法 toContact(): Promise<Contact> 获取消息中的分享卡片。

4 类 Room

所有微信群(群聊)都将被封装为一个 Room 对象。

Room API 描述
静态 create(contactList: Contact[], topic?: string): Promise<Room> 创建一个新的群聊
静态 find(query: string): Promise<null | Room> 根据条件查找一个群聊。如果找到多个,返回第一个。
静态 findAll(query: string): Promise<Room[]> 查找群聊中的所有成员
静态 load(query: string): Room 根据群聊 ID 加载群聊对象
属性 id: readonly string
事件 join 当有人加入任何群聊时触发
事件 topic 当有人更改群聊主题时触发
事件 leave 当有人离开群聊时触发
事件 invite 当收到群聊邀请时触发
方法 sync(): <Promise<void> 强制重新加载群聊数据,从底层 API 再次同步数据。
方法 say(text: string): Promise<void | Message> 在群聊中发送文本、媒体文件、联系人名片或包含 @提及联系人的消息,返回机器人发送的消息(仅 puppet-padplus 支持)。
方法 add(contact: Contact): Promise<void> 将联系人添加到群聊中
方法 del(contact: Contact): Promise<void> 从群聊中删除联系人
方法 quit(): Promise<void> 机器人自己退出群聊
方法 topic(): Promise<string> 获取群聊的主题
方法 topic(newTopic: string): Promise<void> 设置群聊的主题
方法 announce(text: string): Promise<void> 设置/获取群聊公告
方法 qrcode(): Promise<string> 获取群聊的二维码,可用于扫描加入群聊。
方法 alias(contact: Contact): Promise<string> 返回联系人在群聊中的昵称
方法 roomAlias(contact: Contact): Promise<string | null> alias 方法功能相同
方法 has(contact: Contact): Promise<boolean> 检查群聊中是否包含指定联系人
方法 memberAll(query?: string): Promise<Contact[]> 查找群聊中的所有联系人,或具有特定名称的联系人
方法 member(query: string): Promise<null | Contact> 查找群聊中的联系人,如果找到多个,返回第一个。
方法 memberList():Promise<Contact[]> 获取群聊中的所有成员
方法 owner(): null | Contact 获取群聊的所有者

4.1 类 RoomInvitation

处理群聊邀请

RoomInvitation API 描述
方法 accept(): Promise<void> 接受群聊邀请
方法 inviter(): Contact 获取群聊邀请的发送者
方法 roomTopic(): Promise<string> 获取群聊邀请中的群聊主题
方法 date(): Promise<Date> 邀请创建的时间
方法 age(): Promise<number> 邀请自创建以来的秒数

测试

NPM Docker 覆盖率

已知漏洞

Wechaty 通过单元测试和集成测试进行全面自动化测试,并支持持续集成与持续交付 (CI/CD),由 Travis、Shippable 和 Appveyor 等 CI 工具提供支持。

要测试 Wechaty,请运行:

npm test

更多关于测试的信息,请参阅 Wiki:Tests

创建 Wechaty 插件

创建并发布 Wechaty 插件非常简单。只需将你的模块暴露为一个接受单个参数 wechaty 的函数即可。当你的插件被 Wechaty 导入时,它会将自身作为参数传递进来,因此你可以自由地添加 Wechaty 支持的任何配置。

import { WechatyPlugin } from 'wechaty'

export default const MyPlugin: WechatyPlugin = (wechaty: Wechaty) => {
  // ...
}

config 的存在是为了让用户能够向你的插件传递自定义配置。在编写 Wechaty 插件文档时,你应该列出用户可以使用的配置选项。

更多信息请参见:

  1. Wechaty 插件支持与 KickOut 示例 #1939
  2. Wechaty 插件贡献库

:pencil: 发布说明

:saxophone: 自 2019 年 2 月 15 日以来的浏览量

访问计数

:sparkling_heart: 由 Wechaty 提供支持

Powered by Wechaty

:sparkles: Wechaty 徽章

[![Powered by Wechaty](https://img.shields.io/badge/Powered%20By-Wechaty-brightgreen.svg)](https://wechaty.js.org)

更多嵌入式 HTML/Markdown 代码,请参阅 Wiki:Badge

:star2: Projects Using Wechaty

  1. 一个用CNN深度神经网络给图片评分的wechaty项目
  2. Relay between Telegram and WeChat
  3. A chat bot managing the HaoShiYou wechat groups run by volunteers of haoshiyou.org
  4. An interactive chat bot to manage a TODO list
  5. Forward WeChat messages to telegram
  6. koa与wechaty实现的微信小助手,可定时提醒与发消息设定定时任务
  7. Wechaty Pay - 让线上没有难做的生意
  8. 开源社的微信机器人项目

Pull Request is welcome to add yours!

Learn more about Projects Using Wechaty at Wiki:Projects Using Wechaty

:innocent: Find a Good Server

The best practice for running Wechaty Docker/NPM is using a VPS(Virtual Private Server) outside of China, which can save you hours of time because npm install and docker pull will run smoothly without any problem.

The following VPS providers are used by the Wechaty team, and they worked perfectly in production. You can use the following link to get one in minutes. Also, doing this can support Wechaty because you are referred by us.

Location Price Ram Payment Provider
Singapore $5 512MB Paypal DigitalOcean
Japan $5 1GB Paypal Linode
Korea $10 1GB Alipay, Paypal Netdedi
Singapore $3.5 512MB Alipay, Wechat Vultr

:notes: See Also

:poop: The Story

In 2017 ...

Huan's daily life/work depends on too much chat on wechat.

  • Almost 14,000 wechat friends in May 2014, before wechat restricts a total number of friends to 5,000.
  • Almost 400 wechat rooms, and most of them have more than 400 members.

Can you imagine that? He was dying...

So a tireless bot working for me 24x7 on wechat, monitoring/filtering the most important message is badly needed. For example, it highlights discussion which contains the KEYWORDS which he want to follow up(especially in a noisy room). ;-)

At last, It's built for huan's personal study purpose of Automatically Testing.

Stargazers over time

Stargazers over time

:two_hearts: Contributors

GitHub issues GitHub pull requests Open Collective Backers Open Collective Sponsors

contributor contributor contributor contributor contributor contributor contributor contributor

This project exists thanks to all the people who contribute. [Contribute].


Contribute

:sunglasses: Backers

Backers on Open Collective

Thank you to all our backers! 🙏 [Become a backer]

Open Collective Wechaty

:smirk: Sponsors

Sponsors on Open Collective

Support this project by becoming a sponsor. Your logo will show up here with a link to your website. [Become a sponsor]

Wechaty Sponsor

Multi-language Wechaty

Python Wechaty Go Wechaty Java(Kotlin) Wechaty Scala Wechaty PHP Wechaty .NET(C#) Wechatyin

History

main v1.11 (Nov 22, 2021)

Working on reduxify the Wechaty ecosystem for applying the CQRS pattern.

v1.10 (Nov 21, 2021)

Second beta release of Wechaty, with all ecosystem npm modules with version v1.10 (wechaty-puppet, wechaty-puppet-service, etc)

v1.0 (Sep 2021)

  • Release v1.0 of Wechaty is the first beta release of Wechaty.

v0.69

  1. v0.69: Supports ES Modules (with CJS dual support) (#2232)

v0.68 (Aug 27, 2021)

  1. TLS support (#2231)
  2. The latest CommonJS version

Creators

  1. Huan (LinkedIn), 🐧 Tencent TVP of Chatbot・🤖 Chatie Architect・⭐️ GitHub Star・🚀 YC W19・🌐 Microsoft RD & AI MVP・🦾 Google ML GDE ・🤠 Serial Entrepreneur・🔥 Burner
  2. Rui (李佳芮), Microsoft AI MVP & RD, Co-founder & CEO of Juzi.BOT (YC W19 Alumni)

Profile of Huan Li on StackOverflow

Cite Wechaty

To cite this project in publications:

@misc{Wechaty,
  author = {Huan Li, Rui Li},
  title = {Wechaty: Conversational SDK for Chatbot Makers},
  year = {2016},
  publisher = {GitHub},
  journal = {GitHub Repository},
  howpublished = {\url{https://github.com/wechaty/wechaty}},
}

Copyright & License

  • Code & Docs © 2016-now Huan, Rui, and Wechaty Community Contributors
  • Code released under the Apache-2.0 License
  • Docs released under Creative Commons

版本历史

v0.562021/01/25
v0.382020/04/20
v0.302020/02/09
v0.282019/09/02
v0.26.02019/05/11
v0.22.42018/08/29
v0.20.02018/08/18
v0.18.02018/07/12
v0.16.02018/06/21
v0.14.02018/04/15
v0.12.02017/10/30
v0.9.02017/10/04
v0.7.02016/12/29
v0.6.02016/11/11
v0.5.222016/11/10
v0.5.92016/11/07
v0.5.12016/11/03
v0.4.02016/10/10
v0.2.02016/06/29
v0.1.12016/06/09

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

139k|★★☆☆☆|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|★★☆☆☆|今天
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|★★★☆☆|昨天
Agent图像开发框架