[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"tool-yoheinakajima--ditto":3,"similar-yoheinakajima--ditto":49},{"id":4,"github_repo":5,"name":6,"description_en":7,"description_zh":8,"ai_summary_zh":8,"readme_en":9,"readme_zh":10,"quickstart_zh":11,"use_case_zh":12,"hero_image_url":13,"owner_login":14,"owner_name":15,"owner_avatar_url":16,"owner_bio":17,"owner_company":18,"owner_location":19,"owner_email":19,"owner_twitter":14,"owner_website":20,"owner_url":21,"languages":22,"stars":27,"forks":28,"last_commit_at":29,"license":30,"difficulty_score":31,"env_os":32,"env_gpu":33,"env_ram":33,"env_deps":34,"category_tags":41,"github_topics":19,"view_count":31,"oss_zip_url":19,"oss_zip_packed_at":19,"status":44,"created_at":45,"updated_at":46,"faqs":47,"releases":48},5848,"yoheinakajima\u002Fditto","ditto","the simplest self-building coding agent","Ditto 是一款极简的自构建编程助手，旨在让用户仅通过自然语言描述，即可自动生成完整的多文件 Flask Web 应用。它解决了传统开发中环境配置繁琐、代码编写耗时以及从创意到原型转化门槛高的问题，让想法能快速转化为可运行的网页程序。\n\n这款工具特别适合希望快速验证创意的产品经理、设计师，以及想要探索 AI 辅助编程潜力的开发者或技术爱好者。即使不具备深厚的编码背景，用户也能通过其无代码界面轻松上手。\n\nDitto 的核心亮点在于其“自构建”机制：它利用大语言模型循环调度，自动规划应用架构，并生成包含路由、模板和静态资源在内的模块化代码结构。整个过程无需人工干预，系统会自动组织目录并输出整洁的代码。虽然目前仍处于实验探索阶段，但它展示了 AI 代理在自动化软件开发流程中的巨大潜力，是体验\"AI 自主编程”概念的有趣入口。","# Ditto\n\n[![License](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fyoheinakajima\u002Fditto)](LICENSE)\n\n**Ditto** - *the simplest self-building coding agent*.\n\nDitto is a user-friendly tool that allows you to generate a multi-file Flask application from simple natural language descriptions using a no-code interface. By leveraging a simple LLM loop with a few tools, Ditto automates the coding process, (occasionally) turning your ideas into functional web applications (or at least trying and getting close).\n\n## Features\n\n- **Simple Natural Language Input**: Just describe the application you want to build in plain English.\n- **Automated Code Generation**: Generates routes, templates, and static files based on your description.\n- **Self-Building Agent**: Automatically plans and constructs the application without the need for manual coding.\n- **Modular Structure**: Organizes code into a clean, modular structure with separate directories for templates, static files, and routes.\n\n## Getting Started\n\n### Prerequisites\n\n- Python 3.7 or higher\n- `pip` package manager\n\n### Installation\n\n1. **Clone the Repository**\n\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002Fyoheinakajima\u002Fditto.git\n   cd ditto\n   ```\n\n2. **Create a Virtual Environment (Optional but Recommended)**\n\n   ```bash\n   python3 -m venv venv\n   source venv\u002Fbin\u002Factivate  # On Windows, use venv\\Scripts\\activate\n   ```\n\n3. **Install Dependencies**\n\n   ```bash\n   pip install litellm\n   ```\n\n### Setting the `OPENAI_API_KEY`\n\nTo use Ditto, you'll need to set the `OPENAI_API_KEY` in your environment. Here are two options for doing that:\n\n#### Option 1: Temporary Setup in Terminal\n\nFor macOS\u002FLinux:\n\n```bash\nexport OPENAI_API_KEY=your-openai-api-key\n```\n\nFor Windows (Command Prompt):\n\n```cmd\nset OPENAI_API_KEY=your-openai-api-key\n```\n\nFor Windows (PowerShell):\n\n```powershell\n$env:OPENAI_API_KEY=\"your-openai-api-key\"\n```\n\nRun the application:\n\n```bash\npython main.py\n```\n\n#### Option 2: Persistent Setup using a `.env` File (Recommended)\n\n1. Install the `python-dotenv` package to load environment variables from a `.env` file:\n\n   ```bash\n   pip install python-dotenv\n   ```\n\n2. Create a `.env` file in the root of the project directory and add your API key:\n\n   ```bash\n   OPENAI_API_KEY=your-openai-api-key\n   ```\n\n3. Run the application as usual:\n\n   ```bash\n   python main.py\n   ```\n\n### Usage\n\n1. **Run the Application**\n\n   ```bash\n   python main.py\n   ```\n\n2. **Access the Web Interface**\n\n   Open your web browser and navigate to `http:\u002F\u002Flocalhost:8080`.\n\n3. **Describe Your Application**\n\n   On the home page, you'll find a form where you can describe the Flask application you want to create.\n\n4. **Monitor Progress**\n\n   After submitting your description, the application will process your request. You can monitor the progress in real-time.\n\n5. **View the Generated Application**\n\n   Once the process is complete, you can rerun the Flask app to interact with your newly generated Flask application.\n\n```bash\npython main.py\n```\n\n\n## Contribution\n\nThis is a quick exploration, so I have no plans to work on this further. Contributions are welcome, especially if they are awesome, but ping me on X\u002FTwitter because I don't check PRs often. I'm basically going to try to bake this into the new [BabyAGI framework](https:\u002F\u002Fgithub.com\u002Fyoheinakajima\u002Fbabyagi), but give it the ability to store and save functions from the database. If this sounds like a fun challenge and you get it working, definitely let me know :)\n\n## License\n\nThis project is licensed under the MIT License - see the [LICENSE](LICENSE) file for details.\n","# Ditto\n\n[![许可证](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fyoheinakajima\u002Fditto)](LICENSE)\n\n**Ditto** - *最简单的自动生成代码的智能体*。\n\nDitto 是一款用户友好的工具，它允许您通过无代码界面，仅使用简单的自然语言描述即可生成一个多文件的 Flask 应用程序。借助一个包含少量工具的简单 LLM 循环，Ditto 能够自动化编码过程，（偶尔）将您的想法转化为可用的 Web 应用程序（或者至少会尝试并尽可能接近目标）。\n\n## 特性\n\n- **简单的自然语言输入**：只需用通俗易懂的英语描述您想要构建的应用程序。\n- **自动化代码生成**：根据您的描述生成路由、模板和静态文件。\n- **自动生成代理**：无需手动编码即可自动规划并构建应用程序。\n- **模块化结构**：将代码组织成整洁的模块化结构，分别设有模板、静态文件和路由的独立目录。\n\n## 快速开始\n\n### 前置条件\n\n- Python 3.7 或更高版本\n- `pip` 包管理器\n\n### 安装\n\n1. **克隆仓库**\n\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002Fyoheinakajima\u002Fditto.git\n   cd ditto\n   ```\n\n2. **创建虚拟环境（可选但推荐）**\n\n   ```bash\n   python3 -m venv venv\n   source venv\u002Fbin\u002Factivate  # 在 Windows 上，请使用 venv\\\\Scripts\\\\activate\n   ```\n\n3. **安装依赖**\n\n   ```bash\n   pip install litellm\n   ```\n\n### 设置 `OPENAI_API_KEY`\n\n要使用 Ditto，您需要在环境中设置 `OPENAI_API_KEY`。以下是两种设置方法：\n\n#### 方法 1：终端临时设置\n\n对于 macOS\u002FLinux：\n\n```bash\nexport OPENAI_API_KEY=your-openai-api-key\n```\n\n对于 Windows（命令提示符）：\n\n```cmd\nset OPENAI_API_KEY=your-openai-api-key\n```\n\n对于 Windows（PowerShell）：\n\n```powershell\n$env:OPENAI_API_KEY=\"your-openai-api-key\"\n```\n\n然后运行应用程序：\n\n```bash\npython main.py\n```\n\n#### 方法 2：使用 `.env` 文件持久化设置（推荐）\n\n1. 安装 `python-dotenv` 包，以便从 `.env` 文件加载环境变量：\n\n   ```bash\n   pip install python-dotenv\n   ```\n\n2. 在项目根目录下创建一个 `.env` 文件，并添加您的 API 密钥：\n\n   ```bash\n   OPENAI_API_KEY=your-openai-api-key\n   ```\n\n3. 正常运行应用程序：\n\n   ```bash\n   python main.py\n   ```\n\n### 使用\n\n1. **运行应用程序**\n\n   ```bash\n   python main.py\n   ```\n\n2. **访问 Web 界面**\n\n   打开您的浏览器，访问 `http:\u002F\u002Flocalhost:8080`。\n\n3. **描述您的应用**\n\n   在首页上，您会看到一个表单，可以在其中描述您想要创建的 Flask 应用程序。\n\n4. **监控进度**\n\n   提交描述后，应用程序将处理您的请求。您可以实时监控进度。\n\n5. **查看生成的应用**\n\n   进程完成后，您可以重新运行 Flask 应用程序，以与您新生成的 Flask 应用程序进行交互。\n\n   ```bash\n   python main.py\n   ```\n\n\n## 贡献\n\n这只是一个快速的探索项目，因此我暂时没有进一步开发的计划。欢迎贡献，尤其是那些非常棒的贡献，不过请先在 X\u002FTwitter 上联系我，因为我并不经常查看 Pull Request。我基本上打算将这个功能整合到新的 [BabyAGI 框架](https:\u002F\u002Fgithub.com\u002Fyoheinakajima\u002Fbabyagi) 中，但会赋予它从数据库中存储和保存函数的能力。如果这听起来是个有趣的挑战，并且您成功实现了它，请务必告诉我 :)\n\n## 许可证\n\n本项目采用 MIT 许可证授权——详情请参阅 [LICENSE](LICENSE) 文件。","# Ditto 快速上手指南\n\nDitto 是一个极简的自构建编码代理工具。它允许用户通过无代码界面，仅用自然语言描述即可生成多文件的 Flask 应用程序。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n\n- **操作系统**：macOS、Linux 或 Windows\n- **Python 版本**：Python 3.7 或更高版本\n- **包管理器**：已安装 `pip`\n- **API 密钥**：需要有效的 OpenAI API Key (`OPENAI_API_KEY`)\n\n## 安装步骤\n\n### 1. 克隆项目\n打开终端，执行以下命令获取源代码：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fyoheinakajima\u002Fditto.git\ncd ditto\n```\n\n### 2. 创建虚拟环境（推荐）\n为了避免依赖冲突，建议创建独立的虚拟环境：\n\n```bash\npython3 -m venv venv\nsource venv\u002Fbin\u002Factivate  # Windows 用户使用：venv\\Scripts\\activate\n```\n\n### 3. 安装依赖\n安装核心依赖库 `litellm`。如需使用 `.env` 文件配置密钥，也请一并安装 `python-dotenv`：\n\n```bash\npip install litellm python-dotenv\n```\n\n> **提示**：国内用户若下载缓慢，可添加清华源加速：\n> `pip install litellm python-dotenv -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`\n\n### 4. 配置 API 密钥\n\n**方式一：使用 .env 文件（推荐）**\n在项目根目录创建名为 `.env` 的文件，并填入以下内容：\n\n```bash\nOPENAI_API_KEY=your-openai-api-key\n```\n*请将 `your-openai-api-key` 替换为您真实的 OpenAI 密钥。*\n\n**方式二：临时环境变量**\n或者直接在终端设置环境变量（仅当前会话有效）：\n\n*macOS\u002FLinux:*\n```bash\nexport OPENAI_API_KEY=your-openai-api-key\n```\n\n*Windows (PowerShell):*\n```powershell\n$env:OPENAI_API_KEY=\"your-openai-api-key\"\n```\n\n## 基本使用\n\n### 1. 启动应用\n在终端运行主程序：\n\n```bash\npython main.py\n```\n\n### 2. 访问界面\n打开浏览器，访问地址：\n`http:\u002F\u002Flocalhost:8080`\n\n### 3. 生成应用\n- 在首页表单中，用简单的英语描述您想要构建的 Flask 应用（例如：\"A todo list app with add and delete functions\"）。\n- 提交描述后，Ditto 将自动规划并生成代码（包括路由、模板和静态文件）。\n- 您可以实时查看生成进度。\n\n### 4. 运行生成的应用\n生成完成后，再次运行 `python main.py`（或根据生成的文件结构运行新生成的 Flask 应用），即可与您刚刚创建的 Web 应用进行交互。","一位非专业出身的产品经理急需向投资人演示一个“内部员工请假审批系统”的原型，但他完全不懂 Python 或 Flask 框架。\n\n### 没有 ditto 时\n- **开发门槛高**：必须依赖后端工程师排期开发，或自己花费数天学习 Flask 路由、模板渲染等基础概念。\n- **文件管理混乱**：手动创建 `templates`、`static` 和路由文件时，极易搞错目录结构，导致项目无法运行。\n- **迭代周期长**：从构思功能到看到可点击的网页界面，通常需要数小时甚至数天的编码与调试时间。\n- **试错成本大**：一旦代码逻辑出错，排查 bug 对非技术人员来说如同大海捞针，容易直接放弃原型制作。\n\n### 使用 ditto 后\n- **自然语言驱动**：只需在网页表单输入“创建一个员工请假应用，包含提交表单和管理员审批列表”，ditto 即刻理解需求。\n- **自动构建架构**：ditto 自动规划并生成标准的模块化目录，精准分离模板、静态资源与业务逻辑，无需人工干预文件结构。\n- **实时可见成果**：提交描述后实时监控进度，几分钟内即可在本地浏览器访问并交互一个功能完整的 Flask 应用。\n- **快速验证想法**：若需增加“导出 Excel\"功能，仅需再次描述，ditto 便能自动更新代码，让创意验证变得像聊天一样简单。\n\nditto 将原本需要专业开发数天的原型构建过程，压缩为几分钟的自然语言对话，让创意不再受限于编码能力。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fyoheinakajima_ditto_11d2e59a.png","yoheinakajima","Yohei Nakajima","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fyoheinakajima_977943f4.jpg","I don't know what I'm doing here, don't judge me.","Untapped Capital",null,"http:\u002F\u002Fyoheinakajima.com","https:\u002F\u002Fgithub.com\u002Fyoheinakajima",[23],{"name":24,"color":25,"percentage":26},"Python","#3572A5",100,1056,160,"2026-04-08T19:26:14","MIT",2,"Linux, macOS, Windows","未说明",{"notes":35,"python":36,"dependencies":37},"需要配置 OPENAI_API_KEY 环境变量才能运行；该工具通过调用 LLM API 生成代码，本地无需大型模型或 GPU 支持；建议创建虚拟环境安装依赖。","3.7+",[38,39,40],"litellm","python-dotenv","flask",[42,43],"语言模型","Agent","ready","2026-03-27T02:49:30.150509","2026-04-09T20:52:22.937062",[],[],[50,62,70,78,86,94],{"id":51,"name":52,"github_repo":53,"description_zh":54,"stars":55,"difficulty_score":56,"last_commit_at":57,"category_tags":58,"status":44},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",[43,59,60,61],"开发框架","图像","数据工具",{"id":63,"name":64,"github_repo":65,"description_zh":66,"stars":67,"difficulty_score":56,"last_commit_at":68,"category_tags":69,"status":44},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",[59,60,43],{"id":71,"name":72,"github_repo":73,"description_zh":74,"stars":75,"difficulty_score":31,"last_commit_at":76,"category_tags":77,"status":44},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",147882,"2026-04-09T11:32:47",[59,43,42],{"id":79,"name":80,"github_repo":81,"description_zh":82,"stars":83,"difficulty_score":31,"last_commit_at":84,"category_tags":85,"status":44},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。",108111,"2026-04-08T11:23:26",[59,60,43],{"id":87,"name":88,"github_repo":89,"description_zh":90,"stars":91,"difficulty_score":56,"last_commit_at":92,"category_tags":93,"status":44},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",[42,60,43,59],{"id":95,"name":96,"github_repo":97,"description_zh":98,"stars":99,"difficulty_score":56,"last_commit_at":100,"category_tags":101,"status":44},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",[59,60,43,102],"视频"]