[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-zsdonghao--deep-learning-book":3,"tool-zsdonghao--deep-learning-book":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},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。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","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},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",140436,2,"2026-04-05T23:32:43",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},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。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"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",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"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。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","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。\n\n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。\n\n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。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":80,"owner_email":81,"owner_twitter":81,"owner_website":82,"owner_url":83,"languages":81,"stars":84,"forks":85,"last_commit_at":86,"license":81,"difficulty_score":87,"env_os":88,"env_gpu":89,"env_ram":89,"env_deps":90,"category_tags":93,"github_topics":94,"view_count":10,"oss_zip_url":81,"oss_zip_packed_at":81,"status":16,"created_at":100,"updated_at":101,"faqs":102,"releases":103},1170,"zsdonghao\u002Fdeep-learning-book","deep-learning-book","《Deep Learning》《深度学习》  by Ian Goodfellow, Yoshua Bengio and Aaron Courville","《Deep Learning》是一本关于深度学习的权威教材，由Ian Goodfellow、Yoshua Bengio和Aaron Courville合著。这本书系统地介绍了机器学习与深度学习的基础理论和实际应用，是入门和深入学习的重要资源。通过将原本分散的网页内容整合为PDF格式，方便读者随时随地阅读和参考。书中内容全面，适合希望掌握深度学习知识的学生、研究人员和开发者。对于想要了解人工智能核心概念的人来说，这本书提供了清晰而严谨的指导。同时，作者也鼓励读者支持正版，购买纸质版以获得更完整和准确的内容。","\n![Book cover](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzsdonghao_deep-learning-book_readme_56ec8c1f9304.jpg)\n\n# Deep Learning Book\n\n# [English Version](https:\u002F\u002Fgithub.com\u002Fzsdonghao\u002Fdeep-learning-book\u002Fblob\u002Fmaster\u002FAll-in-one-pdf\u002F《Deep%20Learning》all-in-one.pdf)  [Chinese Version](https:\u002F\u002Fgithub.com\u002Fzsdonghao\u002Fdeep-learning-book\u002Fblob\u002Fmaster\u002Fdlbook_cn_public.pdf)\n\nMIT Deep Learning Book in PDF format\n\nThis book was downloaded in HTML form and conviniently joined as a single PDF file for your enjoyment. PLEASE SUPPORT IAN GOODFELLOW and the authors if you can purchase the paper book at Amazon. It is not expensive ($72) and probably contains content that is newer and without typographic mistakes.\n\n[Deep Learning - Adaptive Computation and Machine Learning series](http:\u002F\u002Famzn.to\u002F2qlQqZs) by Ian Goodfellow (Author), Yoshua Bengio  (Author), Aaron Courville  (Author)\n\nFor questions regarding the contents of the book, we encourage you to ask them on the book's forum \nhttps:\u002F\u002Fgroups.google.com\u002Fforum\u002F#!forum\u002Fdeeplearningbook\n\nFrom http:\u002F\u002Fwww.deeplearningbook.org\u002F\n\n    An MIT Press book\n\n    Ian Goodfellow, Yoshua Bengio and Aaron Courville\n\n    The Deep Learning textbook is a resource intended to help students and practitioners enter the field of machine learning in general and deep learning in particular. The online version of the book is now complete and will remain available online for free. The print version will be available for sale soon.\n\n    Citing the book\n\n    To cite this book, please use this bibtex entry:\n\n    @unpublished{Goodfellow-et-al-2016-Book,\n        title={Deep Learning},\n        author={Ian Goodfellow, Yoshua Bengio, and Aaron Courville},\n        note={Book in preparation for MIT Press},\n        url={http:\u002F\u002Fwww.deeplearningbook.org},\n        year={2016}\n    }\n\n\nMany thanks ~\n","![书籍封面](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzsdonghao_deep-learning-book_readme_56ec8c1f9304.jpg)\n\n# 深度学习书籍\n\n# [英文版](https:\u002F\u002Fgithub.com\u002Fzsdonghao\u002Fdeep-learning-book\u002Fblob\u002Fmaster\u002FAll-in-one-pdf\u002F《Deep%20Learning》all-in-one.pdf)  [中文版](https:\u002F\u002Fgithub.com\u002Fzsdonghao\u002Fdeep-learning-book\u002Fblob\u002Fmaster\u002Fdlbook_cn_public.pdf)\n\nMIT深度学习书籍的PDF版本\n\n本书以HTML格式下载，并方便地整合为一个PDF文件，供您阅读。如果您有能力，请支持伊恩·古德费洛及本书作者，在亚马逊上购买纸质书。该书价格并不昂贵（72美元），且内容可能更为最新，排版也更准确无误。\n\n[深度学习 - 自适应计算与机器学习系列](http:\u002F\u002Famzn.to\u002F2qlQqZs) 由伊恩·古德费洛（著）、约书亚·本吉奥（著）、阿伦·库维尔（著）编写\n\n如对本书内容有任何疑问，欢迎前往本书论坛提问：\nhttps:\u002F\u002Fgroups.google.com\u002Fforum\u002F#!forum\u002Fdeeplearningbook\n\n摘自 http:\u002F\u002Fwww.deeplearningbook.org\u002F\n\n    麻省理工学院出版社出版\n\n    伊恩·古德费洛、约书亚·本吉奥和阿伦·库维尔\n\n    《深度学习》一书旨在帮助学生和从业者进入机器学习领域，尤其是深度学习方向。本书的在线版本现已完成，并将继续免费在线提供。纸质版也将很快上市销售。\n\n    引用本书\n\n    如需引用本书，请使用以下BibTeX条目：\n\n    @unpublished{Goodfellow-et-al-2016-Book,\n        title={Deep Learning},\n        author={Ian Goodfellow, Yoshua Bengio, and Aaron Courville},\n        note={麻省理工学院出版社即将出版的书籍},\n        url={http:\u002F\u002Fwww.deeplearningbook.org},\n        year={2016}\n    }\n\n\n非常感谢~","# Deep Learning Book 快速上手指南\n\n## 环境准备\n\n- **系统要求**：无特殊要求，适用于 Windows、macOS 和 Linux 系统\n- **前置依赖**：无需安装额外依赖，仅需支持 PDF 阅读的软件（如 Adobe Reader、Foxit、或浏览器）\n\n## 安装步骤\n\n本工具为开源书籍资源，无需传统意义上的“安装”。您可通过以下方式获取内容：\n\n### 获取英文版 PDF\n```bash\nwget https:\u002F\u002Fgithub.com\u002Fzsdonghao\u002Fdeep-learning-book\u002Fblob\u002Fmaster\u002FAll-in-one-pdf\u002F《Deep%20Learning》all-in-one.pdf?raw=true -O deep-learning-book.pdf\n```\n\n### 获取中文版 PDF\n```bash\nwget https:\u002F\u002Fgithub.com\u002Fzsdonghao\u002Fdeep-learning-book\u002Fblob\u002Fmaster\u002Fdlbook_cn_public.pdf?raw=true -O deep-learning-book-cn.pdf\n```\n\n> 注意：由于 GitHub 的访问限制，建议使用国内镜像或代理加速下载。可尝试使用 `git clone` 或通过 Gitee 等平台获取源码。\n\n## 基本使用\n\n1. 下载完成后，使用任意 PDF 阅读器打开文件即可阅读。\n2. 推荐使用 [SumatraPDF](https:\u002F\u002Fwww.sumatrapdfreader.org\u002F)（轻量级、支持中文）或 [Adobe Acrobat Reader DC](https:\u002F\u002Facrobat.adobe.com\u002F) 进行阅读和注释。\n3. 也可直接在浏览器中打开 PDF 文件进行在线阅读。\n\n> 本书内容为深度学习领域经典教材，适合初学者和进阶者学习。建议配合官方论坛（[https:\u002F\u002Fgroups.google.com\u002Fforum\u002F#!forum\u002Fdeeplearningbook](https:\u002F\u002Fgroups.google.com\u002Fforum\u002F#!forum\u002Fdeeplearningbook)）进行交流与答疑。","一名机器学习工程师在开发一个图像识别项目时，需要快速掌握深度学习的基础知识，以便更好地理解模型的训练过程和优化方法。\n\n### 没有 deep-learning-book 时  \n- 需要花费大量时间在多个网站和论文中查找零散的知识点，效率低下  \n- 缺乏系统性的学习路径，容易遗漏关键概念  \n- 难以找到权威且完整的深度学习教材，影响学习质量  \n- 没有中文版本时，阅读和理解成本较高  \n\n### 使用 deep-learning-book 后  \n- 能够在一个统一的 PDF 文件中获取完整的深度学习知识体系，节省时间  \n- 系统性地掌握从基础到高级的理论内容，提升理解深度  \n- 通过高质量的中文版本，降低语言障碍，提高学习效率  \n- 便于离线查阅，适合在没有网络环境下继续学习  \n\ndeep-learning-book 为开发者提供了高效、系统且易于理解的深度学习学习资源。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzsdonghao_deep-learning-book_56ec8c1f.jpg","zsdonghao","Hao","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fzsdonghao_1a744f92.png","Associate Professor @ Peking University","Peking University","Beijing",null,"https:\u002F\u002Fzsdonghao.github.io","https:\u002F\u002Fgithub.com\u002Fzsdonghao",574,273,"2026-02-11T00:54:34",1,"Linux, macOS, Windows","未说明",{"notes":91,"python":89,"dependencies":92},"该工具为 PDF 文件，无需特定运行环境。建议使用 conda 管理环境，首次运行需下载约 5GB 模型文件",[],[14,13],[95,96,97,98,99],"deep-learning","tensorlayer","tensorflow","gan","machine-learning","2026-03-27T02:49:30.150509","2026-04-06T10:23:43.701657",[],[]]