[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-whoiskatrin--chart-gpt":3,"tool-whoiskatrin--chart-gpt":62},[4,18,28,37,45,54],{"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":24,"last_commit_at":25,"category_tags":26,"status":17},9989,"n8n","n8n-io\u002Fn8n","n8n 是一款面向技术团队的公平代码（fair-code）工作流自动化平台，旨在让用户在享受低代码快速构建便利的同时，保留编写自定义代码的灵活性。它主要解决了传统自动化工具要么过于封闭难以扩展、要么完全依赖手写代码效率低下的痛点，帮助用户轻松连接 400 多种应用与服务，实现复杂业务流程的自动化。\n\nn8n 特别适合开发者、工程师以及具备一定技术背景的业务人员使用。其核心亮点在于“按需编码”：既可以通过直观的可视化界面拖拽节点搭建流程，也能随时插入 JavaScript 或 Python 代码、调用 npm 包来处理复杂逻辑。此外，n8n 原生集成了基于 LangChain 的 AI 能力，支持用户利用自有数据和模型构建智能体工作流。在部署方面，n8n 提供极高的自由度，支持完全自托管以保障数据隐私和控制权，也提供云端服务选项。凭借活跃的社区生态和数百个现成模板，n8n 让构建强大且可控的自动化系统变得简单高效。",184740,2,"2026-04-19T23:22:26",[16,14,13,15,27],"插件",{"id":29,"name":30,"github_repo":31,"description_zh":32,"stars":33,"difficulty_score":10,"last_commit_at":34,"category_tags":35,"status":17},10095,"AutoGPT","Significant-Gravitas\u002FAutoGPT","AutoGPT 是一个旨在让每个人都能轻松使用和构建 AI 的强大平台，核心功能是帮助用户创建、部署和管理能够自动执行复杂任务的连续型 AI 智能体。它解决了传统 AI 应用中需要频繁人工干预、难以自动化长流程工作的痛点，让用户只需设定目标，AI 即可自主规划步骤、调用工具并持续运行直至完成任务。\n\n无论是开发者、研究人员，还是希望提升工作效率的普通用户，都能从 AutoGPT 中受益。开发者可利用其低代码界面快速定制专属智能体；研究人员能基于开源架构探索多智能体协作机制；而非技术背景用户也可直接选用预置的智能体模板，立即投入实际工作场景。\n\nAutoGPT 的技术亮点在于其模块化“积木式”工作流设计——用户通过连接功能块即可构建复杂逻辑，每个块负责单一动作，灵活且易于调试。同时，平台支持本地自托管与云端部署两种模式，兼顾数据隐私与使用便捷性。配合完善的文档和一键安装脚本，即使是初次接触的用户也能在几分钟内启动自己的第一个 AI 智能体。AutoGPT 正致力于降低 AI 应用门槛，让人人都能成为 AI 的创造者与受益者。",183572,"2026-04-20T04:47:55",[13,36,27,14,15],"语言模型",{"id":38,"name":39,"github_repo":40,"description_zh":41,"stars":42,"difficulty_score":24,"last_commit_at":43,"category_tags":44,"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",161147,"2026-04-19T23:31:47",[14,13,36],{"id":46,"name":47,"github_repo":48,"description_zh":49,"stars":50,"difficulty_score":51,"last_commit_at":52,"category_tags":53,"status":17},10072,"DeepSeek-V3","deepseek-ai\u002FDeepSeek-V3","DeepSeek-V3 是一款由深度求索推出的开源混合专家（MoE）大语言模型，旨在以极高的效率提供媲美顶尖闭源模型的智能服务。它拥有 6710 亿总参数，但在处理每个 token 时仅激活 370 亿参数，这种设计巧妙解决了大规模模型推理成本高、速度慢的难题，让高性能 AI 更易于部署和应用。\n\n这款模型特别适合开发者、研究人员以及需要构建复杂 AI 应用的企业团队使用。无论是进行代码生成、逻辑推理还是多轮对话开发，DeepSeek-V3 都能提供强大的支持。其独特之处在于采用了无辅助损失的负载均衡策略和多令牌预测训练目标，前者在提升计算效率的同时避免了性能损耗，后者则显著增强了模型表现并加速了推理过程。此外，模型在 14.8 万亿高质量令牌上完成预训练，且整个训练过程异常稳定，未出现不可恢复的损失尖峰。凭借仅需 278.8 万 H800 GPU 小时即可完成训练的高效特性，DeepSeek-V3 为开源社区树立了一个兼顾性能与成本效益的新标杆。",102693,5,"2026-04-20T03:58:04",[36],{"id":55,"name":56,"github_repo":57,"description_zh":58,"stars":59,"difficulty_score":10,"last_commit_at":60,"category_tags":61,"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",[36,15,13,14],{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":77,"owner_email":78,"owner_twitter":73,"owner_website":78,"owner_url":79,"languages":80,"stars":93,"forks":94,"last_commit_at":95,"license":96,"difficulty_score":97,"env_os":98,"env_gpu":98,"env_ram":98,"env_deps":99,"category_tags":109,"github_topics":78,"view_count":24,"oss_zip_url":78,"oss_zip_packed_at":78,"status":17,"created_at":110,"updated_at":111,"faqs":112,"releases":143},9963,"whoiskatrin\u002Fchart-gpt","chart-gpt","AI tool to build charts based on text input","chart-gpt 是一款能将文字描述瞬间转化为精美图表的 AI 开源工具。它主要解决了传统数据可视化过程中门槛高、耗时长的痛点：用户无需掌握复杂的编程代码或繁琐的图表软件操作，只需输入自然的语言指令，即可快速生成直观的数据图形。\n\n这款工具非常适合需要频繁进行数据汇报的市场分析师、科研人员，以及希望快速验证数据想法的产品经理和开发者。对于不熟悉技术细节的普通用户，它也能让数据展示变得轻松简单。\n\n在技术实现上，chart-gpt 基于 Next.js 框架构建，核心利用 Google PaLM（Bard）大语言模型来理解用户的文本意图并自动编写绘图代码。项目不仅提供了开箱即用的本地开发环境，还集成了 Supabase 数据库、Stripe 支付系统以及 NextAuth 谷歌认证，展示了一套完整的带积分系统的 SaaS 应用架构。这使得它既是一个实用的效率工具，也是一个供开发者学习如何构建现代化 AI 应用的优秀参考案例。","# Chart-GPT - text to beautiful charts within seconds\n\n\u003Cdiv align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fwhoiskatrin_chart-gpt_readme_31736e0def01.png\" width=\"600\" \u002F>\n     \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fwhoiskatrin_chart-gpt_readme_c9b3b83a56d2.png\" width=\"900\" \u002F>\n\u003C\u002Fdiv>\n\n## Getting Started\n\nTo get started, first clone this repository:\n\n```\ngit clone https:\u002F\u002Fgithub.com\u002Fwhoiskatrin\u002Fchart-gpt.git\ncd chart-gpt\n```\n\nThen duplicate the `.env.example` template with `cp .env.example .env` and add your PaLM API key:\n\n```\nBARD_KEY=\"your-api-key\"\n```\n\nThen install the dependencies and start the development server:\n\n```\nnpm install\nnpm run dev\n# or\nyarn\nyarn dev\n```\n\nThis will start the development server at http:\u002F\u002Flocalhost:3000.\n\nTo use the full functionality of the credit system as well, you'll need to setup Supabase, Stripe, and NextAuth with Google — and their respective environment variables found in the `.env.example` file.\n\n## Contributing\n\nIf you would like to contribute to this project, please follow these steps:\n\n1. Fork this repository.\n2. Clone your forked repository:\n3. For your changes:\n4. Make your changes, commit them, and push them to your forked repository:\n5. Create a pull request on this repository.\n","# Chart-GPT - 几秒钟内将文本转换为精美图表\n\n\u003Cdiv align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fwhoiskatrin_chart-gpt_readme_31736e0def01.png\" width=\"600\" \u002F>\n     \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fwhoiskatrin_chart-gpt_readme_c9b3b83a56d2.png\" width=\"900\" \u002F>\n\u003C\u002Fdiv>\n\n## 快速上手\n\n首先，克隆本仓库以开始：\n\n```\ngit clone https:\u002F\u002Fgithub.com\u002Fwhoiskatrin\u002Fchart-gpt.git\ncd chart-gpt\n```\n\n然后复制 `.env.example` 模板文件为 `.env`，并添加你的 PaLM API 密钥：\n\n```\nBARD_KEY=\"your-api-key\"\n```\n\n接着安装依赖并启动开发服务器：\n\n```\nnpm install\nnpm run dev\n# 或者\nyarn\nyarn dev\n```\n\n这将会在 http:\u002F\u002Flocalhost:3000 启动开发服务器。\n\n若要使用完整的积分系统功能，还需要配置 Supabase、Stripe 和 NextAuth with Google，并设置它们各自的环境变量，这些变量可以在 `.env.example` 文件中找到。\n\n## 贡献指南\n\n如果你想为本项目做出贡献，请按照以下步骤操作：\n\n1. 克隆本仓库。\n2. 将你的克隆仓库克隆下来：\n3. 进行修改：\n4. 完成修改后，提交并推送到你的克隆仓库：\n5. 在本仓库创建一个 Pull Request。","# Chart-GPT 快速上手指南\n\nChart-GPT 是一款能将文本描述在几秒钟内转化为精美图表的开源工具。\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](https:\u002F\u002Fnodejs.org\u002F) (建议版本 16.x 或更高)\n  - [Git](https:\u002F\u002Fgit-scm.com\u002F)\n  - Google PaLM (Bard) API Key\n\n> **提示**：国内开发者安装依赖时，可配置 npm 淘宝镜像源以加速下载：\n> ```bash\n> npm config set registry https:\u002F\u002Fregistry.npmmirror.com\n> ```\n\n## 安装步骤\n\n1. **克隆项目仓库**\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002Fwhoiskatrin\u002Fchart-gpt.git\n   cd chart-gpt\n   ```\n\n2. **配置环境变量**\n   复制示例配置文件并填入你的 API Key：\n   ```bash\n   cp .env.example .env\n   ```\n   编辑 `.env` 文件，将 `your-api-key` 替换为实际的 Google PaLM API Key：\n   ```text\n   BARD_KEY=\"your-api-key\"\n   ```\n   *(注：若需使用积分系统、用户认证等完整功能，还需按 `.env.example` 提示配置 Supabase、Stripe 和 NextAuth 相关变量)*\n\n3. **安装依赖并启动服务**\n   使用 npm 或 yarn 安装依赖并运行开发服务器：\n   ```bash\n   npm install\n   npm run dev\n   # 或者使用 yarn\n   yarn\n   yarn dev\n   ```\n\n## 基本使用\n\n启动成功后，终端会显示服务地址。请在浏览器中访问：\n\n```\nhttp:\u002F\u002Flocalhost:3000\n```\n\n在界面输入框中输入自然语言描述（例如：\"Show me a bar chart of monthly sales\"），系统将自动调用 AI 生成对应的可视化图表。","某电商公司的数据分析师需要在晨会前紧急将一份包含各地区销售趋势、用户增长率及退货率的原始文本报告转化为可视化图表，以便团队快速决策。\n\n### 没有 chart-gpt 时\n- 分析师需手动复制数据到 Excel 或 BI 工具中，花费大量时间清洗格式并调整列对齐。\n- 选择正确的图表类型（如折线图还是柱状图）需要反复尝试，且美化配色往往依赖个人审美，耗时耗力。\n- 若老板临时要求修改某个指标或增加对比维度，整个制图流程必须从头再来，响应速度极慢。\n- 非技术背景的产品经理无法直接查看原始数据逻辑，沟通成本高昂，容易出现理解偏差。\n\n### 使用 chart-gpt 后\n- 分析师直接将自然语言描述的销售数据粘贴输入，chart-gpt 在数秒内自动解析并生成结构化的精美图表。\n- 工具智能匹配最佳可视化方案，自动应用专业的配色与布局，无需人工干预即可产出出版级质量的图形。\n- 面对临时的数据调整需求，只需修改输入文本中的数字或描述，chart-gpt 即刻重新渲染出新图表，实现秒级迭代。\n- 生成的图表直观清晰，产品经理能直接通过视觉呈现理解数据趋势，大幅降低了跨部门沟通的门槛。\n\nchart-gpt 将原本需要半小时的数据可视化工作压缩至几秒钟，让团队能将宝贵精力真正聚焦于数据背后的业务洞察而非制图本身。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fwhoiskatrin_chart-gpt_31736e0d.png","whoiskatrin","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fwhoiskatrin_1c9de821.jpg","moving building blocks","Cloudflare","London, UK",null,"https:\u002F\u002Fgithub.com\u002Fwhoiskatrin",[81,85,89],{"name":82,"color":83,"percentage":84},"TypeScript","#3178c6",96.6,{"name":86,"color":87,"percentage":88},"CSS","#663399",2.2,{"name":90,"color":91,"percentage":92},"JavaScript","#f1e05a",1.2,3591,346,"2026-04-17T14:14:21","Apache-2.0",4,"未说明",{"notes":100,"python":98,"dependencies":101},"该项目基于 Node.js 环境运行，非 Python 项目。需配置 PaLM API (BARD_KEY) 方可使用核心功能。若需使用完整的积分系统、用户认证及支付功能，还需额外配置 Supabase、Stripe 和 Google NextAuth 的环境变量。",[102,103,104,105,106,107,108],"Node.js","npm","yarn","Next.js","Supabase","Stripe","NextAuth",[36,16],"2026-03-27T02:49:30.150509","2026-04-20T12:53:50.283153",[113,118,123,128,133,138],{"id":114,"question_zh":115,"answer_zh":116,"source_url":117},44743,"如何在本地运行该项目？需要配置哪些环境变量？","要在本地运行，您需要提供自己的 API 密钥。目前应用主要使用 PaLM API (Bard) 来提供数据来源，因此需要在 .env 文件中配置 `BARD_KEY`。如果您想贡献代码或测试完整功能，可能还需要配置 OpenAI 等其他密钥。具体设置步骤请参考 README 文件中的说明。","https:\u002F\u002Fgithub.com\u002Fwhoiskatrin\u002Fchart-gpt\u002Fissues\u002F73",{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},44744,"是否可以使用 OpenAI API 代替 PaLM (Bard) API？","项目目前已切换到使用 PaLM API 以提供数据来源，官方推荐在本地运行时使用 `BARD_KEY`。虽然有用户探讨过通过修改代码中的 URL 来适配其他 LLM（如 HuggingFace 模型），但这需要确保本地模型能返回格式正确的 JSON。目前官方文档和默认配置主要支持 PaLM\u002FBard。","https:\u002F\u002Fgithub.com\u002Fwhoiskatrin\u002Fchart-gpt\u002Fissues\u002F74",{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},44745,"克隆仓库后大部分 API 调用失败，是需要配置所有 .env 中的密钥吗？","是的，如果您想在本地完整运行或贡献代码，通常需要更新 .env 文件中的所有密钥，包括 Bard AI 和 OpenAI 的密钥。如果是为了预览 Pull Request，Vercel 会自动为 PR 提供包含所有密钥的环境变量用于测试，但本地开发需手动配置。","https:\u002F\u002Fgithub.com\u002Fwhoiskatrin\u002Fchart-gpt\u002Fissues\u002F70",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},44746,"有哪些推荐的提示词（Prompt）示例或数据输入格式？","您可以尝试以下格式的提示词：\n1. 'create a bar chart with #FF5733 colored bars. Data is Tuesday 2; Wednesday 3; Thursday 4'\n2. 'create a line chart with a green line. Data is a - 79; b - 32; c 54'\n3. 'create a bar chart plotting the deficit of the US government from 1990 to 2000' (适用于知名公开数据)\n4. 直接粘贴带表头的 CSV 数据，例如：'a scatter chart with values from the below csv...'\n新版网站已内置了一些起始提示词供参考。","https:\u002F\u002Fgithub.com\u002Fwhoiskatrin\u002Fchart-gpt\u002Fissues\u002F9",{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},44747,"系统的安全性和数据隐私是如何处理的？是否存在 API 滥用风险？","早期版本存在系统提示词暴露在前端的问题，可能导致 API 路由被滥用（即免费调用 GPT）。维护者已意识到此问题并进行了修复。关于数据隐私，项目的初衷是尽可能在客户端处理，或者建议用户自托管（self-host），这样用户只需信任 chart-gpt 而无需将数据发送给第三方服务（如 OpenAI）。如果数据高度敏感，建议不要发送给任何外部服务。","https:\u002F\u002Fgithub.com\u002Fwhoiskatrin\u002Fchart-gpt\u002Fissues\u002F31",{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},44748,"提交图表生成请求后没有反应或加载动画消失但未生成图表，怎么办？","这通常是由于 API 响应解析问题导致的。虽然 API 返回了有效的 JSON，但应用程序有时无法正确提取其中的 JSON 数据。此类问题通常由维护者在后端修复。如果遇到此情况，请检查是否为临时性服务故障，或尝试在本地运行调试。维护者通常会针对此类解析错误发布修复补丁。","https:\u002F\u002Fgithub.com\u002Fwhoiskatrin\u002Fchart-gpt\u002Fissues\u002F18",[]]