[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-yk--gpt-4chan-public":3,"tool-yk--gpt-4chan-public":65},[4,17,27,35,48,57],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},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",152630,2,"2026-04-12T23:33:54",[13,14,15],"开发框架","Agent","语言模型","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},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",90106,3,"2026-04-06T11:19:32",[15,26,14,13],"图像",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":10,"last_commit_at":33,"category_tags":34,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","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。\n\n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。\n\nNextChat 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。",87618,"2026-04-05T07:20:52",[13,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":10,"last_commit_at":41,"category_tags":42,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-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。\n\n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。",85092,"2026-04-10T11:13:16",[26,43,44,45,14,46,15,13,47],"数据工具","视频","插件","其他","音频",{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":54,"last_commit_at":55,"category_tags":56,"status":16},5784,"funNLP","fighting41love\u002FfunNLP","funNLP 是一个专为中文自然语言处理（NLP）打造的超级资源库，被誉为\"NLP 民工的乐园”。它并非单一的软件工具，而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。\n\n面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点，funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具，还独特地收录了丰富的垂直领域资源，如法律、医疗、金融行业的专用词库与数据集，甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性，从基础的字典词典到前沿的 BERT、GPT-2 模型代码，再到高质量的标注数据和竞赛方案，应有尽有。\n\n无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师，还是从事人工智能研究的学者，都能在这里找到急需的“武器弹药”。对于开发者而言，它能大幅减少寻找数据和复现模型的时间；对于研究者，它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神，极大地降低了中文自然语言处理的开发与研究成本，是中文 AI 社区不可或缺的宝藏仓库。",79857,1,"2026-04-08T20:11:31",[15,43,46],{"id":58,"name":59,"github_repo":60,"description_zh":61,"stars":62,"difficulty_score":54,"last_commit_at":63,"category_tags":64,"status":16},6590,"gpt4all","nomic-ai\u002Fgpt4all","GPT4All 是一款让普通电脑也能轻松运行大型语言模型（LLM）的开源工具。它的核心目标是打破算力壁垒，让用户无需依赖昂贵的显卡（GPU）或云端 API，即可在普通的笔记本电脑和台式机上私密、离线地部署和使用大模型。\n\n对于担心数据隐私、希望完全掌控本地数据的企业用户、研究人员以及技术爱好者来说，GPT4All 提供了理想的解决方案。它解决了传统大模型必须联网调用或需要高端硬件才能运行的痛点，让日常设备也能成为强大的 AI 助手。无论是希望构建本地知识库的开发者，还是单纯想体验私有化 AI 聊天的普通用户，都能从中受益。\n\n技术上，GPT4All 基于高效的 `llama.cpp` 后端，支持多种主流模型架构（包括最新的 DeepSeek R1 蒸馏模型），并采用 GGUF 格式优化推理速度。它不仅提供界面友好的桌面客户端，支持 Windows、macOS 和 Linux 等多平台一键安装，还为开发者提供了便捷的 Python 库，可轻松集成到 LangChain 等生态中。通过简单的下载和配置，用户即可立即开始探索本地大模型的无限可能。",77307,"2026-04-11T06:52:37",[15,13],{"id":66,"github_repo":67,"name":68,"description_en":69,"description_zh":70,"ai_summary_zh":71,"readme_en":72,"readme_zh":73,"quickstart_zh":74,"use_case_zh":75,"hero_image_url":76,"owner_login":77,"owner_name":78,"owner_avatar_url":79,"owner_bio":80,"owner_company":80,"owner_location":80,"owner_email":80,"owner_twitter":80,"owner_website":80,"owner_url":81,"languages":82,"stars":87,"forks":88,"last_commit_at":89,"license":90,"difficulty_score":91,"env_os":92,"env_gpu":93,"env_ram":94,"env_deps":95,"category_tags":98,"github_topics":80,"view_count":10,"oss_zip_url":80,"oss_zip_packed_at":80,"status":16,"created_at":99,"updated_at":100,"faqs":101,"releases":102},7053,"yk\u002Fgpt-4chan-public","gpt-4chan-public","Code for GPT-4chan","gpt-4chan-public 是一个专注于复现和辅助运行\"GPT-4chan\"项目的开源代码库。该项目旨在训练一个能够模仿知名匿名论坛 4chan 发帖风格的人工智能模型，使其生成的文本在语气、用词甚至混乱度上都高度还原真实用户的发言特征。\n\n这一工具主要解决了特定网络亚文化语境下的语言建模难题，为研究非正式、高噪声且充满俚语的网络文本提供了宝贵的实验样本。值得注意的是，gpt-4chan-public 本身并不包含核心模型架构的源代码，而是提供了必要的辅助脚本及对第三方库的微调修改。其底层模型基于 mesh-transformer-jax 框架训练而成，相关权重和数据集已分别在 Hugging Face 和 Zenodo 平台公开，但作者明确表示不会发布用于自动发帖的机器人控制代码。\n\n因此，gpt-4chan-public 更适合对自然语言处理（NLP）感兴趣的研究人员、希望探索大规模语言模型在极端数据分布下表现的开发者，以及关注网络社会学与人工智能交叉领域的学者使用。对于普通用户而言，可以通过其配套的演示网站体验模型生成的趣味内容，但若想深入探究技术细节或进行二次开发，则需要","gpt-4chan-public 是一个专注于复现和辅助运行\"GPT-4chan\"项目的开源代码库。该项目旨在训练一个能够模仿知名匿名论坛 4chan 发帖风格的人工智能模型，使其生成的文本在语气、用词甚至混乱度上都高度还原真实用户的发言特征。\n\n这一工具主要解决了特定网络亚文化语境下的语言建模难题，为研究非正式、高噪声且充满俚语的网络文本提供了宝贵的实验样本。值得注意的是，gpt-4chan-public 本身并不包含核心模型架构的源代码，而是提供了必要的辅助脚本及对第三方库的微调修改。其底层模型基于 mesh-transformer-jax 框架训练而成，相关权重和数据集已分别在 Hugging Face 和 Zenodo 平台公开，但作者明确表示不会发布用于自动发帖的机器人控制代码。\n\n因此，gpt-4chan-public 更适合对自然语言处理（NLP）感兴趣的研究人员、希望探索大规模语言模型在极端数据分布下表现的开发者，以及关注网络社会学与人工智能交叉领域的学者使用。对于普通用户而言，可以通过其配套的演示网站体验模型生成的趣味内容，但若想深入探究技术细节或进行二次开发，则需要具备相应的深度学习基础。","# gpt-4chan-public\nCode for GPT-4chan\n\nNote: This repository only contains helper code and small changes I made to other libraries.\nThe source code to the actual model is here at [https:\u002F\u002Fgithub.com\u002Fkingoflolz\u002Fmesh-transformer-jax\u002F](https:\u002F\u002Fgithub.com\u002Fkingoflolz\u002Fmesh-transformer-jax\u002F)\n\n\nData here: [https:\u002F\u002Fzenodo.org\u002Frecord\u002F3606810](https:\u002F\u002Fzenodo.org\u002Frecord\u002F3606810)\n\nModel here: [https:\u002F\u002Fhuggingface.co\u002Fykilcher\u002Fgpt-4chan](https:\u002F\u002Fhuggingface.co\u002Fykilcher\u002Fgpt-4chan)\n\nWebsite here: [https:\u002F\u002Fgpt-4chan.com](https:\u002F\u002Fgpt-4chan.com)\n\n\nAlso, I will not release the bot code.\n","# gpt-4chan-public\nGPT-4chan 的代码\n\n注意：此仓库仅包含辅助代码以及我对其他库所做的少量修改。实际模型的源代码位于 [https:\u002F\u002Fgithub.com\u002Fkingoflolz\u002Fmesh-transformer-jax\u002F](https:\u002F\u002Fgithub.com\u002Fkingoflolz\u002Fmesh-transformer-jax\u002F)。\n\n\n数据集在此：[https:\u002F\u002Fzenodo.org\u002Frecord\u002F3606810](https:\u002F\u002Fzenodo.org\u002Frecord\u002F3606810)\n\n模型在此：[https:\u002F\u002Fhuggingface.co\u002Fykilcher\u002Fgpt-4chan](https:\u002F\u002Fhuggingface.co\u002Fykilcher\u002Fgpt-4chan)\n\n网站在此：[https:\u002F\u002Fgpt-4chan.com](https:\u002F\u002Fgpt-4chan.com)\n\n\n另外，我不会公开机器人代码。","# gpt-4chan-public 快速上手指南\n\n## 环境准备\n\n本项目主要包含辅助代码，核心模型运行依赖于 `mesh-transformer-jax`。请确保满足以下系统要求：\n\n*   **操作系统**: Linux (推荐 Ubuntu 18.04+)\n*   **硬件**: 需要配备多块 TPU 或高性能 GPU 的环境（基于 JAX\u002FTPU 架构）\n*   **前置依赖**:\n    *   Python 3.7+\n    *   JAX \u002F Flax\n    *   Git\n\n## 安装步骤\n\n由于核心逻辑位于外部仓库，请按顺序克隆项目并安装依赖。\n\n1.  **克隆辅助代码仓库**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fykilcher\u002Fgpt-4chan-public.git\n    cd gpt-4chan-public\n    ```\n\n2.  **获取核心引擎 (mesh-transformer-jax)**\n    核心模型代码不在本仓库中，需从官方源获取：\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fkingoflolz\u002Fmesh-transformer-jax.git\n    ```\n\n3.  **下载模型权重与数据**\n    *   **模型权重**: 从 Hugging Face 下载\n        地址：https:\u002F\u002Fhuggingface.co\u002Fykilcher\u002Fgpt-4chan\n    *   **训练数据**: 从 Zenodo 下载\n        地址：https:\u002F\u002Fzenodo.org\u002Frecord\u002F3606810\n\n    *注：国内开发者若访问 Hugging Face 或 Zenodo 较慢，建议配置镜像加速或使用代理工具。*\n\n4.  **安装 Python 依赖**\n    进入核心引擎目录并安装所需库（具体依赖请参考 `mesh-transformer-jax` 的 requirements）：\n    ```bash\n    cd mesh-transformer-jax\n    pip install -r requirements.txt\n    ```\n\n## 基本使用\n\n本仓库 (`gpt-4chan-public`) 仅提供辅助脚本和修改补丁，不包含直接运行的机器人主程序（作者明确表示不发布 bot code）。\n\n要使用模型，您需要在 `mesh-transformer-jax` 环境中加载下载的权重。以下是最基础的加载与推理逻辑示例（基于 JAX 生态通用写法）：\n\n```python\nimport mesh_transformer\nfrom mesh_transformer.checkpoint import read_ckpt\nfrom mesh_transformer.transformer_shard import ScaledTransformer\n\n# 初始化模型配置 (需根据实际下载的 config.json 调整)\nparams = {\n    \"layers\": 28,\n    \"d_model\": 4096,\n    \"n_heads\": 16,\n    # ... 其他参数参考原模型配置\n}\n\nmodel = ScaledTransformer(params)\n\n# 加载权重 (假设权重已下载至 local_path)\nmodel.params = read_ckpt(model.params, \"local_path\u002Fto\u002Fgpt-4chan\", 0, None, False)\n\n# 执行推理 (伪代码示例，具体调用需参考 mesh-transformer-jax 文档)\n# output = model.generate(prompt=\"Your input text here\")\n```\n\n**注意**：\n*   请访问 [https:\u002F\u002Fgpt-4chan.com](https:\u002F\u002Fgpt-4chan.com) 查看在线演示效果。\n*   具体的推理脚本编写需深入参考 `mesh-transformer-jax` 仓库中的示例代码。","某社交媒体研究团队需要构建一个能够模拟特定网络社区（如 4chan）语言风格、梗文化及互动模式的对话机器人，以用于分析亚文化群体的交流特征。\n\n### 没有 gpt-4chan-public 时\n- 研究人员必须从零开始收集并清洗海量的 4chan 论坛数据，耗时数周且极易遗漏关键语境信息。\n- 通用大模型生成的回复过于礼貌和规范，完全无法复现目标社区特有的讽刺语气、缩写习惯和“梗”文化。\n- 缺乏针对该垂直领域优化的推理代码框架，导致模型部署困难，难以在有限算力下实现流畅的实时交互。\n- 团队需自行编写大量辅助脚本来处理数据格式转换和模型微调流程，开发成本高昂且容易出错。\n\n### 使用 gpt-4chan-public 后\n- 直接利用项目提供的预处理数据集链接，瞬间获取高质量、已清洗的社区语料，将数据准备时间从数周缩短至几小时。\n- 加载 Hugging Face 上预训练好的 gpt-4chan 模型，生成的文本精准还原了社区独特的说话方式、黑话和情绪色彩。\n- 借助仓库中提供的辅助代码和 mesh-transformer-jax 集成方案，快速搭建起高效的推理环境，显著降低部署门槛。\n- 复用现成的工具库处理数据管道和微调逻辑，让团队能专注于上层应用逻辑设计，大幅减少重复造轮子的工作。\n\ngpt-4chan-public 通过提供开箱即用的数据、模型与代码框架，将高门槛的垂直领域语言模型构建过程转化为高效的标准工作流。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fyk_gpt-4chan-public_6a3456d6.png","yk","Yannic Kilcher","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fyk_c662f884.jpg",null,"https:\u002F\u002Fgithub.com\u002Fyk",[83],{"name":84,"color":85,"percentage":86},"Python","#3572A5",100,637,78,"2026-04-08T11:30:15","Apache-2.0",5,"","未说明（需参考 mesh-transformer-jax 项目，通常此类模型需要多张高性能 GPU）","未说明",{"notes":96,"python":94,"dependencies":97},"本仓库仅包含辅助代码和对其他库的微小修改，不包含实际模型源代码。实际模型代码位于 mesh-transformer-jax 仓库，模型权重和数据需分别从 Hugging Face 和 Zenodo 下载。作者明确表示不会发布机器人（bot）代码。",[],[15],"2026-03-27T02:49:30.150509","2026-04-13T16:34:08.360283",[],[]]