最近发现了个好项目，AI万能追踪，就是本文内容，以下内容就是利用这个东西总结出来的，感觉还是有一定的实用性，除了GitHub，还可以去盯着一些相关新闻，让他及时通知到你。项目地址：https://task.linso.ai/zh

您好，这是为您整理的今日 GitHub 热点项目报告。所有信息均已根据您的要求抓取并清晰呈现，项目地址已明确列出。

今日热点项目列表：
1. 项目名称: 666ghj / BettaFish

• 项目地址: https://github.com/666ghj/BettaFish
• 项目简介: 微舆：人人可用的多Agent舆情分析助手，打破信息茧房，还原舆情原貌，预测未来走向，辅助决策！从0实现，不依赖任何框架。
• 编程语言: Python
• 星标数: 4,324

2. 项目名称: Wei-Shaw / claude-relay-service

• 项目地址: https://github.com/Wei-Shaw/claude-relay-service
• 项目简介: CRS-自建Claude Code镜像，一站式开源中转服务，让 Claude、OpenAI、Gemini、Droid 订阅统一接入，支持拼车共享，更高效分摊成本，原生工具无缝使用。
• 编程语言: JavaScript
• 星标数: 4,839

3. 项目名称: microsoft / agent-lightning

• 项目地址: https://github.com/microsoft/agent-lightning
• 项目简介: The absolute trainer to light up AI agents.
• 编程语言: Python
• 星标数: 6,108

4. 项目名称: HKUDS / DeepCode

• 项目地址: https://github.com/HKUDS/DeepCode
• 项目简介: "DeepCode: Open Agentic Coding (Paper2Code & Text2Web & Text2Backend)"
• 编程语言: Python
• 星标数: 8,408

5. 项目名称: GeeeekExplorer / nano-vllm

• 项目地址: https://github.com/GeeeekExplorer/nano-vllm
• 项目简介: Nano vLLM
• 编程语言: Python
• 星标数: 7,572

6. 项目名称: sst / opencode

• 项目地址: https://github.com/sst/opencode
• 项目简介: The AI coding agent built for the terminal.
• 编程语言: TypeScript
• 星标数: 30,570

7. 项目名称: charmbracelet / glow

• 项目地址: https://github.com/charmbracelet/glow
• 项目简介: Render markdown on the CLI, with pizzazz! ??
• 编程语言: Go
• 星标数: 20,124

8. 项目名称: NARKOZ / hacker-scripts

• 项目地址: https://github.com/NARKOZ/hacker-scripts
• 项目简介: Based on a true story
• 编程语言: JavaScript
• 星标数: 49,079

9 项目名称: moondevonyt / moon-dev-ai-agents

• 项目地址: https://github.com/moondevonyt/moon-dev-ai-agents
• 项目简介: autonomous ai agents for trading in python
• 编程语言: Python
• 星标数: 2,448

10 项目名称: suitenumerique / docs

• 项目地址: https://github.com/suitenumerique/docs
• 项目简介: A collaborative note taking, wiki and documentation platform that scales. Built with Django and React.
• 编程语言: Python
• 星标数: 14,369

11 项目名称: Fosowl / agenticSeek

• 项目地址: https://github.com/Fosowl/agenticSeek
• 项目简介: Fully Local Manus AI. No APIs, No $200 monthly bills. Enjoy an autonomous agent that thinks, browses the web, and code for the sole cost of electricity. ? Official updates only via twitter @Martin993886460 (Beware of fake account)
• 编程语言: Python
• 星标数: 22,646

12 项目名称: HandsOnLLM / Hands-On-Large-Language-Models

• 项目地址: https://github.com/HandsOnLLM/Hands-On-Large-Language-Models
• 项目简介: Official code repo for the O'Reilly Book - "Hands-On Large Language Models"
• 编程语言: Jupyter Notebook
• 星标数: 17,169

13 项目名称: hmjz100 / LinkSwift

• 项目地址: https://github.com/hmjz100/LinkSwift
• 项目简介: 一个基于 JavaScript 的网盘文件下载地址获取工具。基于【网盘直链下载助手】修改 ，支持 百度网盘 / 阿里云盘 / 中国移动云盘 / 天翼云盘 / 迅雷云盘 / 夸克网盘 / UC网盘 / 123云盘 八大网盘
• 编程语言: JavaScript
• 星标数: 8,037

AI 增强型 IDE 和编辑器

• Cursor: AI 优先的代码编辑器（VS Code 分支），具备智能补全、智能重构和多 LLM 支持。支持对话式代码导航和"代码感知"上下文，适合深度 AI 集成和全项目工作流。
• Windsurf: Codeium 的多 IDE 支持工具，具备"级联流"智能体多步骤自动化、UI 实时预览和强大的团队协作功能。特别适合快速原型开发，但在大项目中容易丢失上下文。
• Kiro: AWS 实验性 IDE，具备规范驱动的微服务和云原生解决方案脚手架，使端到端开发和部署变得顺畅。
• 腾讯云 CodeBuddy: AI 驱动的 IDE，用于自动化前端/后端/数据库生成，集成多种 LLM 选择和 Figma 转代码功能。
• Trae: 字节跳动的自动化构建工具，同步 Figma 设计到代码，专门针对小团队的低代码原型开发。
• Zed: Rust 驱动的超高速编辑器，120fps 渲染、原生 AI 建议和强大的前端开发协作功能。
• 通义灵码: 阿里巴巴的旗舰代码助手，支持中英文、主要 IDE 和独立运行。
• 百度 Comate: 多语言支持，50% 真实采用率，支持所有主要 IDE 和插件，端到端开发自动化。
• Qoder: 智能代码生成和编程助手，支持多种编程语言，提供代码补全、错误检测和智能重构功能。
• Crystal (Claude Code Manager): 多会话智能体管理器，Git 工作树集成，差异/合并查看器。非常适合多解决方案原型开发。
• Void: 开源 Cursor 替代品，检查点可视化，支持任何模型/本地托管的智能体 AI，注重企业隐私。
• IntelliJ IDEA AI: 企业级主流 Java IDE，原生 AI 补全，大型项目代码导航。

终端 AI 编程助手

• Claude Code: 全代码库感知，终端中的智能体编辑/测试/PR 流程。适合高度自动化的项目工作流。
• Gemini CLI :谷歌命令行旗舰产品，100万上下文，多模态聊天和强大的 Shell 脚本自动化。
• Aider: 终端 Git 集成的结对编程工具，高 Swe-bench 分数，专注于补丁和智能代码导航。
• Goose: 可扩展的开源 CLI 智能体，插件架构，多模型支持，适合分布式代码工作流。
• OpenCode: 原生终端智能体，支持 LSP 和数十种 LLM。适合多语言项目和多模型集成。
• Warp: AI 驱动的终端，自然语言命令和智能自动补全。
• Codex CLI: OpenAI 官方工具，轻量快速的终端代码生成。
• Crush: Charmbracelet 的智能体，多模型和 LSP，高度可定制的终端编码。
• Cursor CLI: 与 Cursor IDE 共享上下文，支持高级实时代码审查、编写和智能体指导。
• Groq Code CLI: 可扩展插件框架，CLI 工作流自动化，完全可定制。
• Amp: 自主推理和编辑，适合终端中的多模型和智能体代码任务。
• iflow CLI: 智能工作流自动化CLI工具，为开发者提供AI驱动的任务编排和终端中的简化开发流程。
• Qwen3-Coder: 阿里云开发的先进编程模型，支持多种编程语言，具备强大的代码理解、生成和调试能力。提供针对各种编程任务的微调模型，在代码基准测试中表现出色。
• Auggie: Augment Code 的命令行版本，将企业级AI编程辅助带到终端，具有大上下文窗口和法规遵从性功能。

VS Code 扩展插件

• GitHub Copilot: 上下文感知的多模型代码建议，支持 14 种语言，与 VS Code、JetBrains 等集成。高级聊天和企业功能。
• Cline: 自主 AI 智能体，具备文件/网络编辑功能，完全开源可扩展，支持 CLI 模式。
• Continue: 开源 GPT/Claude/Gemini 集成，内联代码聊天，文件/项目上下文支持，API/模型选择。
• RooCode: 智能体团队允许并发多模型自动化，高级 API 支持。
• KiloCode: Roo/Cline 超集，编排器模式和错误恢复，基于积分的系统，高级多智能体权限。
• Cody (Sourcegraph): 多仓库代码搜索，解释，自定义样式提示，支持多个主要 LLM。
• CodeGPT: 编辑器内聊天/AI 调试，解释，代码/测试/文档生成，支持 OpenAI/Anthropic。
• Graphite: 堆叠 PR 工作流，即时 AI 代码审查评论，侧边栏分支管理。
• Tabnine: 本地部署，适应个人编码风格，适合隐私/安全优先的团队。
• Gemini Code Assist: 深度谷歌/Colab 集成，实时代码支持。
• ChatGPT for VS Code: 直接 OpenAI 聊天集成，支持调试/测试/文档生成。
• Augment Code: 20万+ 上下文令牌，针对大型企业仓库和法规遵从性进行优化，支持 SOC2 级部署。

在线开发平台

• v0 (Vercel): 自然语言转 React UI，内置 shadcn/ui，极简前端应用原型开发。
• Bolt.new (StackBlitz): 浏览器内全栈应用创建/部署，利用 WebContainers，无需本地工具。
• Lovable: 无代码构建器，从自然语言即时创建全栈网络应用。
• Replit AI Agent/Ghostwriter: 浏览器 IDE，多语言编程，即时解释和错误修复，实时协作。
• Knack: 自动化代码/数据驱动开发，针对速度/质量/团队用例优化。
• CodeWP: WordPress 的 AI 网站构建器，端到端生成和部署。

企业级解决方案

• Codex (OpenAI): 云智能体，CLI，私有部署，具备审计/安全选项的综合代码生成。
• Devin (Cognition): 团队级自主软件工程师，端到端自动化。
• Replit: 多智能体工作空间，自然语言生成，多用户协作。
• Jules (Google): 自动化拉取请求，CI/CD 和代码修复集成。
• Open SWE (LangGraph): 开源企业智能体平台，工作流可定制性。
• Amazon Q Developer: AWS 原生编码智能体，IDE 集成，云/服务支持。
• IBM CodeAssist: AI 驱动的大型机开发者自动化，为受监管行业量身定制。
• Tabnine Enterprise: 私有云，大型团队的合规/安全。

专业工具

• RepoPrompt: Mac 原生 AI 文件/代码管理和迭代，非常适合版本组织。
• DeepCode (Snyk): AI 快速代码安全分析和可操作的修复建议。
• Umami: AI 驱动的前端优化/性能分析。
• TraceRoot AI: 错误定位和补丁建议，自动根因分析。
• Blitz: Next.js 原生 AI 插件，快速前端开发。
• BlackBox AI: 代码补全加安全扫描一体化。
• ColDeco: 可视化 AI 生成的代码检查和审查。
• IntelliDev: ML 驱动的终端工作流助手，用于开发/日志/任务。

最近一直在折腾 AI Agent ，发现让 Agent 可靠地与 Web 交互是个大难题，现有工具要么太底层，要么不够灵活。所以动手撸了一个轮子： @isdk/web-fetcher，想和大家分享一下，也希望能得到一些反馈。

• GitHub: https://github.com/isdk/web-fetcher.js
• NPM: npm install @isdk/web-fetcher

解决了什么痛点？

你可能会问，为啥不用 fetch 或 Playwright/Crawlee ？

• fetch 拿不到 JS 动态渲染的内容，对现代网页基本没用。
• Playwright 虽然强大，但需要写大量命令式的过程代码 (await page.click(...) 等)，不仅繁琐，而且 AI (比如 LLM) 很难直接生成这种复杂的逻辑。

我不想重复造轮子，所以底层用了Crawlee 库来处理。

我的目标是在 Crawlee 之上构建一个跨引擎一致性：抽象/模拟 HTTP 与 Browser 的共有行为，声明式的“意图层”，让 AI 可以通过生成简单的 JSON 来“指挥”浏览器完成任务，而不是去写具体的执行代码。

核心功能

• ⚙️ 双引擎架构: 你可以选择 http 模式（基于 Cheerio ）来极速抓取静态内容，也可以用 browser 模式（基于 Playwright ）来处理复杂的动态网页。
• ✨ 统一的操作模型 (核心设计): 这是最关键的一点。我抽象了 http 和 browser 模式下的共性行为。无论底层用哪个引擎，你都使用同一套 actions API 。比如 extract (提取数据) 这个操作，在 http 模式下它会通过 Cheerio 解析静态 HTML ，在 browser 模式下它会操作浏览器渲染后的 DOM 。你只需要学习一套 API ，库在内部完成了适配和翻译。
• ? 声明式操作脚本: 基于统一的模型，你可以用 JSON 定义一个多步骤任务流（登录、填表、点击），AI 生成这个 JSON 的成本远低于生成 JS 代码。
• ? 强大的数据提取: 同样是声明式的 Schema ，轻松从页面提取结构化数据。
• ?️ 内置反爬: browser 模式下开启 antibot: true，能处理一些常见的 Cloudflare 挑战。
• ? 易于扩展: 可以自己封装常用的操作，比如把“登录知乎”封装成一个 loginToZhihu 的自定义动作。

快速上手：提取个标题

注意，下面的代码不关心目标 URL 是静态还是动态的，extract 操作在两种模式下都有效。

import { fetchWeb } from '@isdk/web-fetcher';
async function getTitle(url: string) {
  const { outputs } = await fetchWeb({
    url,
    actions: [
      {
        id: 'extract',
        params: {
          selector: 'title', // 提取 <title> 标签内容
        },
        storeAs: 'pageTitle', // 结果存到 outputs.pageTitle
      },
    ],
  });
  console.log('页面标题:', outputs.pageTitle);
}
getTitle('https://blog.xiaohack.org');

进阶玩法：多步表单提交 (Google 搜索)

这个例子展示了如何用 JSON 指挥浏览器执行一系列动作。

import { fetchWeb } from '@isdk/web-fetcher';
async function searchGoogle(query: string) {
  const { result } = await fetchWeb({
    url: 'https://www.google.com',
    engine: 'browser', // 显式指定需要浏览器环境
    actions: [
      // 步骤 1: 找到输入框并填入内容
      { id: 'fill', params: { selector: 'textarea[name=q]', value: query } },
      // 步骤 2: 提交表单
      { id: 'submit', params: { selector: 'form' } },
      // 步骤 3: 等待搜索结果容器加载出来
      { id: 'waitFor', params: { selector: '#search' } },
    ]
  });
  console.log('搜索结果页 URL:', result?.finalUrl);
}
searchGoogle('xiaohack');

项目状态

项目刚起步，核心架构已经搭好。下一步计划是实现更智能的抓取策略（比如发现 http 模式拿不到内容时，自动升级到 browser 模式）。

项目是开源的，欢迎大家试用、Star 、提 Issue ，或者狠狠地拍砖！感谢。

本次开源了一个我自用的工具 IPA-Harbor, 基于 ipatool ，用来下载 ipa ，避免重复的抓包下载 ipa 等操作，使用 Web 面板访问，支持 App 搜索、历史版本下载，支持 Docker 部署。

Docker 仓库地址 https://hub.docker.com/r/uuphy/ipa-harbor

Github 源码地址 https://github.com/ij369/ipa-harbor

GitHub 文档里有更详细的说明，感兴趣的可以点个小星星，有问题提 issue.

我以前每次想下一个旧版 ipa 都要抓包，然后 AirDrop 给 iPhone , 后面逛帖子时发现 ipatool ，后面拿电脑抠命令，是在是厌烦了，可读的版本号也没有，所以有了想法写这个。

另外，有一个 ipatool.ts 的项目，也非常好，不过我不想维护 ipatool 核心的部分，直接去 ipatool 项目的发版页下载最新的二进制文件，拷贝到我这个项目的 bin 目录即可，正所谓大树下好乘凉，感谢 ipatool 的贡献者，同时省去大家时间。

目前我 ipatool 自用到现在已经有一年时间，两个地区的 ID （美区和日区）都没被封过，非常建议使用的话拿独立的 Apple ID 独立的容器运行，看了源码且如果对 ipatool 项目信任的话，再使用主力 Apple ID 。

没有花钱购买应用的 ID ，这样能避免损失，具体可以去 App Store 进行切换登录，其实折腾这个的不一定只有一个 ID 吧。

整个项目拿 Cursor 断断续续写的, 前期几乎是 Vibe Coding ，后续人手改，所以后端实现以及界面啥的都有点糙，不想投入大精力在这方面，主打安全，能用，后续慢慢打磨。 因为我的文件夹辗转腾挪，我导出过提示词，看了下很多都包含敏感内容，脱敏工作量有点大，就 git 忽略了，后续我如果有空再阅读完整理下放出来。

侧载功能我按照好几个帖子试了下，好像是不可用, 前端已经暂时隐藏了该功能, 看看有没有大佬熟悉这这块帮忙看下能不能实现。

我目前一直挂在外网在用，方便手机领免费应用啥的，以下截图的域名我已经做了更换。 截图里的内容仅供参考，仅作为功能演示：

切勿盈利切勿盈利切勿盈利，不听劝一切后果自行承担。

• 咸鱼之王：https://pan.baidu.com/s/1QtrSqgrjpNRN4-N4R5yIRQ?pwd=riv1
• 寻道大千（魔道修仙）： https://pan.baidu.com/s/1zNrNNPXls6CMUEXuyIs-dg?pwd=69yr
• 寻道大千端更新了！！！新增内容，同时新增一键部分的 VM 端，小白也能用
• 英雄没闪:：https://pan.baidu.com/s/1Kpq0GARtoGulwssf_vIomg?pwd=p4x8
• 寻龙诀之鬼语迷城：https://pan.baidu.com/s/1MGzbaOq2JtH1nOtnRtwv4A?pwd=j65q
• 灵枪争霸：https://pan.baidu.com/s/1bexDmk4_gSDKrCxnhzhDjA?pwd=neh5

端里面服务端部分部署时可能有广告之类的，不影响客户端游玩，客户端没广告，广告与我无关。端都是买来的

源码【搬运】

https://pan.baidu.com/share/init?surl=Biogd0N-4WlDtesAFPbUeg&pwd=7swg
https://pan.baidu.com/share/init?surl=ldGOwIMHIbieYLxkv_MC-A&pwd=j3fx

夸克网盘：
【16T爆款游戏合集】
https://pan.quark.cn/s/c294e4308f13#/list/share
【1T精选游戏库】
https://pan.quark.cn/s/28b72bb0b942#/list/share
【14T 3A大作全集】
https://pan.quark.cn/s/d1260648bac6#/list/share
【2T游戏宝藏】
https://pan.quark.cn/s/d92b9cf99d59#/list/share
【1T DNF怀旧端游】
https://pan.quark.cn/s/2e142afe8170#/list/share
【80后喜欢的游戏】
https://pan.quark.cn/s/94c798c8cffe#/list/share

更新 2：寻道大千端更新了！！！新增内容，同时新增一键部分的 VM 端，小白也能用。更新内容：

1. 更新角色等级到9000级！
2. 新增10个新坐骑！
3. 新增活动深渊钥匙！
4. 修复灵宠绿色技能显示！
5. 新增 VM 一键端

> ? Lms testlab教程
>   ? 【2】LMS Test.lab 学习文档资料包
>   ? 【1】test.lab 基础教程_已更新
>   ? 【3】LMS Test.Lab中文操作指南
>   ? 【1】LMS test lab培训--模态试验回放
>   ? 【必要】用来练手的数据文件
>   ? 数字信号处理 原理、算法与应用 第4版_.pdf
>     ? 【常用技巧5】如何利用小波分析的方法判断异响频率范围 已更新video
>     ? 【常用技巧13】如何将TXT时间信号导入LMS test.lab中 video已更新
>     ? 【常用技巧28】如何截取整车所需的数据 已更新video
>     ? 【常用技巧12】如何对数据进行重采样（降采样）已更新
>     ? 【常用技巧17】如何利用小波分析的方法 20220920已更新video
>     ? 【常用技巧29】怎么简简单单的生成colormap
>     ? 【常用技巧2】LMS通过CAN口读取数据_video
>     ? 【NVH应用实例4 video+素材】LMS软件计算悬置隔振率 已更新
>     ? 【常用技巧27】如何将振动加速度改成速度_已更新video
>     ? 【NVH应用实例1 video+素材】声音品质相关系数MATLAB求解方法 已更新video
>     ? 【常用技巧7】如何选择传感器及传感器灵敏度的意义 已更新
>     ? 【常用技巧10】平板模态测试 已更新（欠缺工程中录的）
>     ? 【常用技巧9】如何进行主观判断及各个工况都包含哪些
>     ? 【常用技巧20】麦克风标定 已更新video
>     ? 【常用技巧19】横纵轴设置 已更新video
>     ? 【常用技巧1】LMS软件自动计算振动RMS值（已完成）video
>     ? 【常用技巧15】如何在LMS test.lab中更改和创建自己的单位-已更新video
>     ? 【NVH应用实例2 video+素材】如何进行频谱分析和简单报告 已更新video
>     ? 【常用技巧8】如何测量飞轮曲轴的转速波动 已更新video
>     ? 【常用技巧3】整车状态下ODS工作模态分析 暂未录制视频
>     ? 【常用技巧22】在线处理 已更新video
>     ? 【34】提取转速的相关资料
>     ? 【常用技巧6】如何计算固定转速段的有效值和最值
>     ? 【常用技巧24】通道设置 已更新video
>     ? 【常用技巧31】如何导入时间信号数据并进行FFT分析 已更新video
>     ? 【常用技巧26】如何进行NVH测试 已更新video
>     ? 【常用技巧26】LMS test.lab如何处理手机录的音频-video已更新
>     ? 【NVH应用实例3 video+素材】手机录的音频如何数据后处理-已更新video
>     ? 【常用技巧16】如何在LMS test.lab中利用已有的测试项目快速设置测试模板
>     ? 【常用技巧14】如何设置限值曲线-已更新video
>     ? 【常用技巧4】采样率设置 已更新video
>     ? 【常用技巧33】如何对信号进行滤波处理
>     ? 【常用技巧18】多图形显示的设置_已更新
>     ? 【常用技巧23】追踪设置 已更新video
>     ? 【常用技巧25】GPS信号及整车车速同步采集方法 已更新video
>     ? 【常用技巧30】如何生成PSD曲线 已更新video
>     ? 【常用技巧21】时域数据提取转速 已更新video
>     ? 【常用技巧32】速度信号如何积分得到位移信号
>     ? 自做平板模态试验(激振器).rar
>     ? 更新说明.txt
>     ? 素材.exe
>     ? 【1】NVH基础知识
>     ? 【3】LMS Test.Lab中文操作指南
>     ? 【2】Test lab基础知识
>     ? 噪声振动相干性分析.pdf
>     ? 模态测试视频
>     ? training
>     ? 修复录像8.lxe
>     ? 修复录像9.lxe
>     ? 变速箱模态视频.lxe
>     ? LMS Test.Lab中文操作指南_Desktop桌面操作.pdf
>     ? LMS Test.Lab中文操作指南_Modal Analysis模态分析.pdf
>     ? LMS Test.Lab中文操作指南_Modification Prediction模态修该预测.pdf
>     ? LMS Test.Lab 刚体特性分析.pdf
>     ? Test.Lab_Trainning_声学测试.pdf
>     ? LMS Test.Lab中文操作指南_OMA运行模态分析.pdf
>     ? Test.Lab_Trainning_模态部分.pdf
>     ? LMS Test.Lab中文操作指南_Modification Predict.pdf
>     ? Test.Lab_Trainning_振动控制.pdf
>     ? Test.Lab Spectral Acquisition试验步骤.pdf
>     ? TL QTV 操作步骤说明.pdf
>     ? LMS Test.Lab中文操作指南.pdf
>     ? Test.Lab_Trainning_旋转机械.pdf
>     ? LMS Test.Lab中文操作指南_Modal Analysis模态分.pdf
>     ? LMS Test.Lab中文操作指南_应变测试.pdf
>     ? LMS Test.Lab中文操作指南Sound Intensity Testing and Analysis声强测试与分析.pdf
>     ? LMS Test.Lab中文操作指南_Signature信号特征测试分析.pdf
>     ? Test.Lab_Trainning_完整.pdf
>     ? LMSTest.Lab模态分析.pdf
>     ? LMSTest.Lab中文操作指南.pdf
>     ? LMS Test.Lab中文操作指南_ODS工作变形分析.pdf
>     ? LMS Test.Lab中文操作指南_Impact锤击法模态测试.pdf
>     ? LMS Test.Lab中文操作指南_Spectral Testing谱分析.pdf
>     ? LMS Test.Lab中文操作指南_Signature信号特征测.pdf
>     ? LMS Test.Lab中文操作指南_Geometry几何建模.pdf
>     ? Resampling参数说明.pdf
>     ? Modal试验及分析步骤.pdf
>       ? 如何利用小波分析的方法判断异响频率范围.mp4
>       ? 【基础操作32】如何截取整车所需的数据 .mp4
>     ? 某07产品_TPA_20241024
>     ? 【1】AAAA 商用车整车模态试验结果 lms文件
>     ? 【2】某车型的方向盘模态测试-锤击法
>     ? 【3】TPA_engine_10.06_cs50
>     ? TPA-demo_eng_source_data1.lms
>     ? MyPlate.lms
>     ? Up 100%Tmax 500-7500rpm 3.ldsf
>     ? 比亚迪BYD 唐整车CP0010 售后啸叫问题测试.rar
>     ? JIKE 电机啸叫整车测试（转速离线提取）-20221025.rar
>     ? 模态测试结果文件.lms
>       ? 如何将txt数据转换成Test.lab可处理的.mp4
>       ? CAN 数据信号采集方法（Method of CAN signal acquisition）.mp4
>       ? 新录音 6.m4a
>       ? 2月18日 (8).mp4
>       ? 如何利用小波分析的方法.mp4
>       ? 如何利用小波分析敲击问题.lms
>       ? G6_R_20%Me_1.ldsf
>       ? 如何对数据进行重采样处理.mp4
>       ? 官方说明（resampling）.pptx
>       ? 如何对数据进行重采样处理.lms
>       ? 怎么生成colormap图操作.mp4
>       ? 如何选择传感器的灵敏度和量程.docx
>       ? LMS软件计算悬置隔振率.mp4
>       ? 声音品质相关系数MATLAB求解方法.mp4
>       ? 如何将振动加速度改成速度.mp4
>       ? 麦克风标定.mp4
>       ? 横纵轴设置.mp4
>       ? 整车NVH对标试验方案及主观驾评工况.xlsx
>       ? 平板模态测试.mp4
>       ? 飞轮曲轴的转速波动提取.mp4
>       ? 如何在LMS test.lab中更改和创建自己的单位 .mp4
>       ? LMS软件自动计算振动RMS值（已完成）.mp4
>       ? 如何对测试数据进行频谱分析和撰写简单报告.mp4
>       ? 如何计算固定转速段的有效值和最值.mp4
>       ? 仰望U8进排气歧管的怠速工作变形ODS分析教程 资料文件
>       ? 整车-55#车 整车ODS原状态测试_20220412
>       ? 参考文献
>       ? Time Animation and Operational Deflection Shapes.pdf
>       ? 在线处理.mp4
>       ? 提取转速
>       ? 转速提取.mp4
>       ? 提取转速.lms
>       ? P2_25%Me_1 - 副本.ldsf
>       ? P2_25%Me_1.ldsf
>       ? LMS test.lab如何处理手机录的音频.mp4
>       ? 如何进行NVH测试.mp4
>       ? 通道设置.mp4
>       ? 如何导入时间信号数据并进行FFT分析.mp4
>       ? Project1.lms
>       ? data.xlsx
>       ? www.wav
>       ? 手机录的音频如何数据后处理.mp4
>       ? 如何设置限值曲线.mp4
>       ? 7.采样率设置.mp4
>       ? 如何在LMS test.lab中利用已有的测试项目快速设置测试模板.mp4
>       ? 追踪设置.mp4
>       ? GPS信号及整车车速同步采集方法.mp4
>       ? 13.多图形显示的设置(1).mp4
>       ? 六档满油门1600.ldsf
>       ? 如何对信号进行滤波.lms
>       ? 如何对音频信号进行滤波.mp4
>       ? 实验模态分析基础.pdf
>       ? 数字信号处理基础知识.pdf
>       ? 声学测量和分析基础1.pdf
>       ? 试验模态模型的验证和应用.pdf
>       ? 转速提取与后处理.mp4
>       ? 如何生成PSD曲线 .mp4
>       ? 位移-加速度
>       ? 位移-加速度1
>       ? data(1).xlsx
>       ? 速度信号如何积分得到位移信号.mp4
>       ? 位移-加速度.lms
>       ? 位移-加速度1.lms
>       ? LMS train vedio
>       ? 汽车动力总成悬置系统NVH性能分析及改进设计.pdf
>       ? 整车NVH声学包装件解析.pdf
>       ? LMS使用方法Signature Testing.pdf
>       ? 采用频谱分析解决NVH问题的研究及应用.pdf
>       ? 基于NVH技术的五菱荣光发动机悬置支架的优化方案.pdf
>       ? 【汽车理论教程】第五章 汽车的操纵稳定性.pdf
>       ? 噪声原理.pdf
>       ? 硕士论文-基于LabVIEW的汽车NVH测试分析系统设计.pdf
>       ? 变速箱NVH测试与分析_ch.pdf
>       ? LMS理论背景.pdf
>       ? 排气系统NVH性能设计.pdf
>       ? 《汽车罩（盖）锁装置》征求意见稿.txt
>       ? 整车NVH分析.pdf
>       ? 阶次分析在发动机进气噪声研究中的应用.pdf
>       ? 振动分析技术.pdf
>       ? 汽车常见NVH问题与解决方案.pdf
>       ? 进排气系统NVH培训讲稿.pdf
>       ? 福特NVH(pdf).pdf
>       ? 齿轮阶次.pdf
>       ? 白车身强度台架试验方法及疲劳寿命的研究.pdf
>       ? MPV整车NVH问题整改综述.pdf
>       ? LMS声学培训.pdf
>       ? 盛瑞变速箱啸叫测试试验报告.pdf
>       ? wubinjiaoliu xuanzhi.lxe
>       ? 录像7.lxe
>       ? 录像5.lxe.player.exe
>       ? 录像3.lxe.player.exe
>       ? 变速箱模态视频.lxe
>       ? 录像4.lxe.player.exe
>       ? 录像5.lxe
>       ? LXE文件播放说明.txt
>       ? 录像4.lxe
>       ? 录像3.lxe
>       ? LMSTest.Lab中文操作指南.pdf
>       ? TL QTV 操作步骤说明.pdf
>       ? LMS Test.Lab中文操作指南.pdf
>       ? LMS Test.Lab中文操作指南_Signature信号特征测.pdf
>       ? Test.Lab_Trainning_振动控制.pdf
>       ? LMS Test.Lab中文操作指南_Signature信号特征测试分析.pdf
>       ? LMS Test.Lab中文操作指南_Modification Prediction模态修该预测.pdf
>       ? LMS Test.Lab 刚体特性分析.pdf
>       ? LMS Test.Lab中文操作指南_Modal Analysis模态分.pdf
>       ? Modal试验及分析步骤.pdf
>       ? Test.Lab_Trainning_旋转机械.pdf
>       ? Test.Lab_Trainning_模态部分.pdf
>       ? LMS Test.Lab中文操作指南_Geometry几何建模.pdf
>       ? Test.Lab_Trainning_完整.pdf
>       ? LMS Test.Lab中文操作指南Sound Intensity Testing and Analysis声强测试与分析.pdf
>       ? LMS Test.Lab中文操作指南_Modal Analysis模态分析.pdf
>       ? LMS Test.Lab中文操作指南_Spectral Testing谱分析.pdf
>       ? LMS Test.Lab中文操作指南_OMA运行模态分析.pdf
>       ? Test.Lab_Trainning_声学测试.pdf
>       ? LMSTest.Lab模态分析.pdf
>       ? Resampling参数说明.pdf
>       ? Test.Lab Spectral Acquisition试验步骤.pdf
>       ? LMS Test.Lab中文操作指南_ODS工作变形分析.pdf
>       ? LMS Test.Lab中文操作指南_Modification Predict.pdf
>       ? LMS Test.Lab中文操作指南_Desktop桌面操作.pdf
>       ? LMS Test.Lab中文操作指南_Impact锤击法模态测试.pdf
>       ? LMS Test.Lab中文操作指南_应变测试.pdf
>       ? SCADAS III presentation 180604.ppt
>       ? Running modes analysis.pdf
>       ? Spectral Acquisition.pdf
>       ? Test Based Transfer Path Analysis concepts.pdf
>       ? Analysis and structural design.pdf
>       ? Normal_modes_testing.pdf
>       ? procedure of modal analysis_from Cada-X data.ppt
>       ? 1 - Modal Impact.pdf
>       ? Signal processing.pdf
>       ? 2 - Operation Deflection Shapes.pdf
>       ? LMS TL OMA.pdf
>       ? Testing_training.ppt
>       ? 01 DSP.pdf
>       ? Spectral processing.pdf
>       ? 3 - Sound Diagnosis.pdf
>       ? 纯模态测试.pdf
>       ? LMS Test.Xpress声振分析仪.pdf
>       ? Functions.pdf
>       ? Signature Testing.pdf
>       ? Modal validation.pdf
>       ? Operational modal analysis.pdf
>       ? Modal Impact.pdf
>       ? Resampling.pdf
>       ? Counting and histogramming.pdf
>       ? LMS TL UFF.pdf
>       ? 3- Geometry.pdf
>       ? Rigid body modes.pdf
>       ? 7- DSP Basics.pdf
>       ? Structural analysis testing.pdf
>       ? Modal_concepts.pdf
>       ? 6_Signature_Testing_4B.ppt
>       ? 3 - Modal Analysis.pdf
>       ? Acoustic measurements.pdf
>       ? 5 - Structural Testing Overview.pdf
>       ? 1 - Signature Testing.pdf
>       ? LMS_Qsources产品介绍.pdf
>       ? Acoustic holography.pdf
>       ? 2 - Spectral Acquisitioning.pdf
>       ? 4 - Multi Run Modal Analysis.pdf
>       ? 2 - Plotting.pdf
>       ? 1 - Throughput Processing.pdf
>       ? Sound metrics.pdf
>       ? Modal Analysis.pdf
>       ? 24_DSP_Basics_CN.ppt
>       ? 2 - Time Signal Calculator.pdf
>       ? Design.pdf
>       ? Normal_modes_monitor.pdf
>       ? 3 - Compare Runs And Post-Processing.pdf
>       ? 4normal modes testing.pdf
>       ? 6- Operational Modal Analysis.pdf
>       ? Statistical functions.pdf
>       ? Harmonic tracking.pdf
>       ? Geometry concepts.pdf
>       ? Estimation of modal parameters.pdf
>       ? Time frequency analysis.pdf
>       ? 1 - Environmental Testing.pdf
>       ? Navigator-CALCULATOR.ppt
>       ? Sound quality.pdf
>       ? Desktop.pdf
>       ? Digital filtering.pdf
>       ? Time Animation and Operational Deflection Shapes.pdf
>       ? 6 - Background Experimental Modal Testing.pdf
>       ? 5normal modes monitor.pdf
>       ? Acoustic Quantities.pdf
>       ? Procedure of Signature test.ppt
>       ? Project1
>       ? Project1.lms
>       ? 4.CRFM &SW模态测试-2 SV91EV3A-20161113.lms
>       ? 6.spindle_source impact AAA车型-20161113.lms
>       ? 1.商用车SV91车轴灵敏度试验数据.xlsx
>       ? 2.SV91排气系统模态测试-AAA车型-20161104.lms
>       ? 5.spindle_force impact AAA车型-20161113.lms
>       ? 8.传动系统模态试验 AAA车型-20161109.lms
>       ? 3.商用车整车模态测试AAA车型-20161104.lms
>       ? 7.商用车动力扭矩输出灵敏度AAA车型-20161104.lms
>       ? 1.动力总成刚体模态-AAA车型-20161109.lms
>       ? Section1
>       ? Section1
>       ? TPA_engine_10.06_cs50.lms
>       ? impactmodel_20210512
>       ? impactmodel_20210512.lms
>         ? ODS
>         ? exhaust pipe visible vibration_D all on.hdf
>         ? ODS.lms
>         ? Section1
>         ? TLIndex.db
>         ? 某乘用皮卡传动系轰鸣研究及优化.pdf
>         ? 动力吸振器应用于车辆悬架系统的NVH控制.pdf
>         ? Project1
>         ? Project1.lms
>         ? Section1
>         ? Section1
>         ? 201025路试
>         ? TLIndex.db
>         ? 激励器激励模态测试
>         ? 力捶激励模态测试
>         ? LMS_Test.Lab中文操作指南_Geometry几何建模.pdf
>         ? LMS_Test.Lab中文操作指南_Modification_Prediction模态修改预测.pdf
>         ? software instalation.mp4
>         ? Frontend connection.mp4
>         ? mvideo 2012-06-15 11-36-09.mp4
>         ? mvideo 2012-06-15 10-53-18.mp4
>         ? LMS_Test.Lab中文操作指南_Signature信号特征测试分析.pdf
>         ? LMS_Test.Lab中文操作指南_Spectral_Testing谱分析.pdf
>         ? signature_2.mp4
>         ? signature_3.mp4
>         ? LMS_Test.Lab中文操作指南_Impact锤击法模态测试.pdf
>         ? signature_1.mp4
>         ? Section1
>         ? TLIndex.db
>         ? daisu 1
>         ? daisu 1
>         ? Run 5
>         ? wensu 50
>         ? wensu 80
>         ? wensu 120
>           ? Section1
>         ? Section1
>           ? Section1
>           ? Sheet1 Tds 1
>           ? 质心位置 0.75V
>           ? 变速箱侧 2V
>           ? 正后方 2V 1
>           ? 质心位置 1.5V 1
>           ? 电机旋变测 2V
>           ? 质心位置 3V
>           ? 正前方 2V 1
>           ? 变速箱侧 2V 1
>           ? 质心位置 1V
>           ? 质心位置 2V 1
>           ? 正后方 2V
>           ? 正上方 2V
>           ? 质心位置 0.75V 1
>           ? 质心位置 2.5V
>           ? 质心位置 0.5V 1
>           ? 质心位置 0.25V
>           ? 电机旋变测 2V 1
>           ? 质心位置 0.25V 1
>           ? 质心位置 1.5V
>           ? 质心位置 0.5V
>           ? 正上方 2V 1
>           ? 质心位置 2V
>           ? 质心位置 1V 1
>           ? 正前方 2V
>           ? P2_25%Me_1 Tds 1
>           ? RPM Extraction 1
>           ? 力捶激励模态试验1.mp4
>           ? 力捶激励模态试验2.mp4
>           ? 3.mp4
>           ? 5.mp4
>           ? 4.mp4
>           ? exhaust pipe visible vibration_D all on Tds 1
>           ? Sheet1 processig
>           ? 小油门加速30% 3
>           ? 滑行 2
>           ? 小油门加速50% 3
>           ? 小油门加速30% 1
>           ? 小油门加速20% 2
>           ? 小油门加速50% 4
>           ? 小油门加速20% 4
>           ? 小油门加速20% 1
>           ? 小油门加速50% 1
>           ? 小油门加速20% 3
>           ? 小油门加速50% 2
>           ? 滑行 1
>           ? 滑行 3
>           ? 小油门加速30% 2
>           ? 小油门加速30% 4
>           ? daisu1.dat
>           ? daisu1.ix0
>           ? DAISU1.mtx
>           ? daisu1.ix1
>           ? wensu50.ix1
>           ? WENSU50.idx
>           ? wensu50.dat
>           ? WENSU50.mtx
>           ? wensu50.ix0
>           ? DAISU1.idx
>           ? run5.dat
>           ? RUN5.mtx
>           ? run5.ix0
>           ? run5.ix1
>           ? RUN5.idx
>           ? wensu120.ix0
>           ? wensu120.dat
>           ? WENSU120.idx
>           ? wensu120.ix1
>           ? WENSU120.mtx
>           ? WENSU80.idx
>           ? wensu80.dat
>           ? WENSU80.mtx
>           ? wensu80.ix1
>           ? wensu80.ix0
>             ? exhaust pipe visible vibration_D all on.hdf Tds 1Modified(1)
>             ? exhaust pipe visible vibration_D all on.hdf Tds 1-7
>             ? exhaust pipe visible vibration_D all on.hdf Tds 1
>           ? v0_2
>           ? v0_up_3
>           ? v0_up_2
>           ? v0_3
>           ? v0_1
>           ? v0_up_1
>             ? 变速箱侧 2V.ldsf
>             ? Sheet1 Tds 1.ldsf
>             ? GD_WOT_12
>             ? GD_WOT_4
>             ? GD_WOT_1
>             ? GD_WOT_2
>             ? GD_WOT_7
>             ? GD_WOT_5 Tds 1
>             ? GD_WOT_11
>             ? GD_WOT_8 Tds 1
>             ? GD_WOT_9
>             ? GD_WOT_10
>             ? GD_WOT_6
>             ? GD_WOT_3
>             ? GD_WOT_8
>             ? GD_WOT_5
>             ? GD_WOT_7 Tds 1
>             ? GD_WOT_2 Tds 1
>             ? 质心位置 0.75V.ldsf
>             ? 质心位置 1.5V 1.ldsf
>             ? 正后方 2V 1.ldsf
>             ? 电机旋变测 2V.ldsf
>             ? 质心位置 3V.ldsf
>             ? 质心位置 2V 1.ldsf
>             ? 变速箱侧 2V 1.ldsf
>             ? 质心位置 1V.ldsf
>             ? 正前方 2V 1.ldsf
>             ? 质心位置 0.75V 1.ldsf
>             ? 质心位置 2.5V.ldsf
>             ? 正上方 2V.ldsf
>             ? 正后方 2V.ldsf
>             ? 质心位置 0.25V 1.ldsf
>             ? 电机旋变测 2V 1.ldsf
>             ? 质心位置 0.5V 1.ldsf
>             ? 质心位置 0.25V.ldsf
>             ? 正上方 2V 1.ldsf
>             ? 质心位置 2V.ldsf
>             ? 质心位置 0.5V.ldsf
>             ? 质心位置 1.5V.ldsf
>             ? 正前方 2V.ldsf
>             ? 质心位置 1V 1.ldsf
>             ? RPM Extraction 1.ldsf
>             ? P2_25%Me_1 Tds 1.ldsf
>             ? exhaust pipe visible vibration_D all on Tds 1.ldsf
>             ? 滑行 2.ldsf
>             ? 滑行 2 (9996-CN4 1).rddf
>             ? Sheet1 processig.ldsf
>             ? 小油门加速30% 3 (9996-CN4 1).rddf
>             ? 小油门加速30% 3.ldsf
>             ? 小油门加速20% 2.ldsf
>             ? 小油门加速20% 2 (9996-CN4 1).rddf
>             ? 小油门加速30% 1.ldsf
>             ? 小油门加速30% 1 (9996-CN4 1).rddf
>             ? 小油门加速50% 4.ldsf
>             ? 小油门加速50% 4 (9996-CN4 1).rddf
>             ? 小油门加速50% 3.ldsf
>             ? 小油门加速50% 3 (9996-CN4 1).rddf
>             ? 小油门加速20% 1.ldsf
>             ? 小油门加速20% 1 (9996-CN4 1).rddf
>             ? 小油门加速20% 4.ldsf
>             ? 小油门加速20% 4 (9996-CN4 1).rddf
>             ? 小油门加速50% 1.ldsf
>             ? 小油门加速50% 1 (9996-CN4 1).rddf
>             ? 小油门加速20% 3 (9996-CN4 1).rddf
>             ? 小油门加速20% 3.ldsf
>             ? 小油门加速50% 2 (9996-CN4 1).rddf
>             ? 小油门加速50% 2.ldsf
>             ? 滑行 3.ldsf
>             ? 滑行 3 (9996-CN4 1).rddf
>             ? 滑行 1 (9996-CN4 1).rddf
>             ? 滑行 1.ldsf
>             ? 小油门加速30% 2.ldsf
>             ? 小油门加速30% 2 (9996-CN4 1).rddf
>               ? exhaust pipe visible vibration_D all on.hdf Tds 1Modified(1).ldsf
>               ? exhaust pipe visible vibration_D all on.hdf Tds 1-7.ldsf
>             ? 小油门加速30% 4 (9996-CN4 1).rddf
>             ? 小油门加速30% 4.ldsf
>               ? exhaust pipe visible vibration_D all on.hdf Tds 1.ldsf
>             ? v0_up_3 (9999-XSI 1).rddf
>             ? v0_up_3.ldsf
>             ? v0_up_2 (9999-XSI 1).rddf
>             ? v0_up_2.ldsf
>             ? v0_2.ldsf
>             ? v0_2 (9999-XSI 1).rddf
>             ? v0_3 (9999-XSI 1).rddf
>             ? v0_3.ldsf
>             ? Run (9999-XSI 1).rddf
>             ? v0_1.ldsf
>               ? GD_WOT_12 (9999-XSI 1).rddf
>               ? GD_WOT_12.ldsf
>             ? v0_up_1 (9999-XSI 1).rddf
>             ? v0_up_1.ldsf
>               ? GD_WOT_4 (9999-XSI 1).rddf
>               ? GD_WOT_4.ldsf
>               ? GD_WOT_5 Tds 1.ldsf
>               ? GD_WOT_7.ldsf
>               ? GD_WOT_7 (9999-XSI 1).rddf
>               ? GD_WOT_2.ldsf
>               ? GD_WOT_2 (9999-XSI 1).rddf
>               ? GD_WOT_1.ldsf
>               ? GD_WOT_1 (9999-XSI 1).rddf
>               ? GD_WOT_8 Tds 1.ldsf
>               ? GD_WOT_11.ldsf
>               ? GD_WOT_11 (9999-XSI 1).rddf
>               ? GD_WOT_9 (9999-XSI 1).rddf
>               ? GD_WOT_9.ldsf
>               ? GD_WOT_10 (9999-XSI 1).rddf
>               ? GD_WOT_10.ldsf
>               ? GD_WOT_3.ldsf
>               ? GD_WOT_3 (9999-XSI 1).rddf
>               ? GD_WOT_5.ldsf
>               ? GD_WOT_5 (9999-XSI 1).rddf
>               ? GD_WOT_8.ldsf
>               ? GD_WOT_8 (9999-XSI 1).rddf
>               ? GD_WOT_6 (9999-XSI 1).rddf
>               ? GD_WOT_2 Tds 1.ldsf
>               ? GD_WOT_7 Tds 1.ldsf
> 

我用夸克网盘给你分享了「Lms testlab教程」，点击链接或复制整段内容，打开「夸克APP」即可获取。
/~851338wEJn~:/
https://pan.quark.cn/s/2d0c8f8aa40e

项目最开始的目的是为了在私有环境给非开发人员使用，提高工作效率。按最开始官方版本的UI界面复刻的，打造更适合企业内部使用的版本。

[bsgit user="lpdswing"]mineru-web[/bsgit]

项目简介

MinerU Web 是一个现代化的文档智能处理平台，基于先进的 AI 技术，提供文档解析、信息提取和智能分析功能。本项目采用前后端分离架构，结合容器化技术，为用户提供高效、可靠的文档处理解决方案。

界面展示

安全研究员 Jose Pino 发现 Chromium 的 Blink 渲染引擎存在一个关键漏洞，可在 15 到 60 秒内导致基于 Chromium 的浏览器崩溃。该漏洞影响 Chrome、Edge、Brave、Vivaldi 等 9 款主流浏览器，涉及全球数十亿用户。漏洞利用了 document.title API 更新缺乏速率限制的缺陷，每秒可注入数百万次 DOM 变更，导致主线程饱和并使浏览器界面崩溃。

Pino 于 8 月 28 日向 Chromium 安全团队报告了该漏洞，但未收到回应。测试显示该漏洞可导致浏览器崩溃并消耗大量系统资源，在某些情况下甚至会冻结整个系统。Firefox 和 Safari 等使用其他渲染引擎的浏览器不受影响。Google 表示正在调查此问题，Brave 表示将在 Chromium 提供修复方案后实施。

The Register

介绍

1.免费且开源，代码无加密可自行修改（不要用于二次售卖）。
2.适当配置可生成收录不错的内容。
3.关注参考内容配置，可生成适合GEO的内容。
4.关于授权问题，其实可以直接覆盖跳过，授权是为了了解使用人数。
5.不提供任何技术支持）。

这不是一款很标准的文章生成工具，用它的目的一是辅助老网站保持长期更新，二是可以辅助老网站稳定排名（配合专用的主题，可以不改变老网站任何代码前提下，优化主站内容排名），三是生成适合GEO的内容。

插件只是辅助，再强大也不会直接获取很好的自然排名，甚至过度依赖会导致网站被惩罚，请根据个人经验合理应用。

下载地址

content-auto-manager(主插件).zip

前言

前阵子看到paddle发布SOTA的OCR模型，预览效果很nb，但看很少人去尝试使用。刚好公司有一些书籍类型的pdf（含公式，图片，表格等），内容双栏显示。使用场景够复杂了吧，也是日常会遇到的情况。于是就开始折腾部署PaddleOCR-VL模型。

配置

• RTX6000（46G显存）
• Windows11(配置wsl，Ubuntu-22.04)
• python==3.12
• 确保wsl内的CUDA 版本必须大于或等于 12.6（nvidia-smi查看）

开始操作

所有流程都在wsl中操作，包括python虚拟环境创建包安装等。我使用非Docker的方式安装
1.创建虚拟环境
conda create -n paddleocr python==3.12
2.安装paddle包

# 以下命令安装 CUDA 12.6 版本的 PaddlePaddle，对于其他 CUDA 版本以及 CPU 版本，请参考 https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/develop/install/pip/linux-pip.html
python -m pip install paddlepaddle-gpu==3.2.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu126/

连续使用以下命令即可

python -m pip install -U "paddleocr[doc-parser]"

python -m pip install https://paddle-whl.bj.bcebos.com/nightly/cu126/safetensors/safetensors-0.6.2.dev0-cp38-abi3-linux_x86_64.whl

3.python代码（单个pdf文档)

from pathlib import Path
from paddleocr import PaddleOCRVL

input_file = "./your_pdf_file.pdf"
output_path = Path("./output")

pipeline = PaddleOCRVL()
output = pipeline.predict(input=input_file)

markdown_list = []
markdown_images = []

for res in output:
    md_info = res.markdown
    markdown_list.append(md_info)
    markdown_images.append(md_info.get("markdown_images", {}))

markdown_texts = pipeline.concatenate_markdown_pages(markdown_list)

mkd_file_path = output_path / f"{Path(input_file).stem}.md"
mkd_file_path.parent.mkdir(parents=True, exist_ok=True)

with open(mkd_file_path, "w", encoding="utf-8") as f:
    f.write(markdown_texts)

for item in markdown_images:
    if item:
        for path, image in item.items():
            file_path = output_path / path
            file_path.parent.mkdir(parents=True, exist_ok=True)
            image.save(file_path)

4.完成到这部就可以运行了，第一次使用会下载模型比较慢。可能之前安装依赖中断过几次的原因，运行代码报错缺失系统依赖，错误日志丢ai解决即可。
我使用的文档是书中截取的三页内容，并非全书。消耗显存5.9G左右

效果

可以看到即使两栏内容，paddleocr也能很好的识别连接，公式使用latex，图表这里不知道为什么没识别成表格（官方演示效果）但还是完整保留下来了。有部分公式格式异常，导致公式没有正常渲染。后面写了脚本把二十多个pdf都进行ocr，占用显存44.5G。

结论

目前看效果已经非常好了，个人还没有做多模态检索，所以图片数据不是很重要，但确实已经很好的保留书籍的完整结构。这种文档结构识别再进行ocr的架构（类似于工作流）应该是未来OCR的方向了。

参考连接：使用教程 - PaddleOCR 文档

设计初衷：

单次CLaude code任务会执行文件查看，理解，执行的过程。对于相同的prompt，可能会出现每次查看的文件都不相同，进而导致任务执行偏差。简单的任务往往都可以正常完成，但一旦复杂起来就会出现执行偏差。
上述仅仅是单次提问就可能存在的问题，在一个完整的工作流中往往要经过多次执行过程，整个过程中误差是在累计的，最终导致偏离执行目标。举个例子：

• 提示词1：“开发XX功能”
• 提示词2: “查看XX文件中架构设计，开发XX功能”。

提示词2应该要好于第一个。尽管第一个提示词大多数可以执行成功，但是对于工作流来说是不可接受的，因为误差会累计。

对于上述问题，我观察的现有工作流对任务进行细分、拆解，形成一条条的执行任务，但是缺少上下文获取步骤。这是我认为 当前工作流从0到1开发完全可以，但是用于从1到2的开发比较难用的原因。

解决方案：

为了解决上述问题，设计了Claude-code-workflow(CCW) ，广泛吸收现有的技术，多个AI模型cli 集成设计（当前gemini claude gpt 模型各有特点，我觉得应该取长补短，综合利用），exa code mcp 示例搜索，code index现有代码库检索等主要从几个方面减少过程误差：

• 优化行动规划步骤，一个行动规划过程，分为context_package获取（借助mcp形成任务与现有代码库的关联的json文件）,cli规划增强(借助gemini、codex长上下文能力，增强现有规划,比如重点关注的文件等等，现有规划存在误区)，task生成（从全局视角，预定义每个task需要查看哪些文件，获取哪些内容，在规划阶段，规范agent执行流程）
• 将任务文档从md格式转成json清单，通过结构化的数据让agent准确执行流程。json中定义agent执行步骤，核心在于pre_analysis上下文获取步骤（上下文获取，API示例获取，cli辅助分析）
• cli辅助分析:利用gemini长上下文及免费额度，理解架构，快速定位bug。

尽管从架构设计，减少工作流误差，但是仍需要人为把控，才能产出好的代码

如何设计claude code工作流：

开发过程全部在claude code中完成，利用自带的plan功能，先从整体架构设计出发，生成相应的命令和agent，通过实例观察claude code执行情况，逐步细化，迭代修改过程。有一些核心要点：

• 对于全局CLAUDE.md 我认为应该放代码执行准则，工具调用准则，这个应该是被主流程和agent加载的，内容不要太多。
• outputstyle 这个只影响主流程，记忆效果貌似要优于CLAUDE.md。可以放一些，工作流在主流程中的规范，如，使用todowrite跟踪复杂任务执行等类似的。
• commands 是核心，是工作流流重点设计的地方。可以采用模块化设计，复用command。
• 文档可以进行层次化、模块化设计，将相同功能介绍归类同一文档，可通过@引用子文档。

附带 精简优化指令的提示词：

# Master Prompt v2.0: Technical Command Reference Architect

## 1. 角色与使命 (Role & Mission)

你是一位顶尖的 **技术文档架构师 (Technical Document Architect)**。你的专长在于将复杂的、叙事性的技术规范（尤其是关于命令行工具或自动化流程的文档），解构、重组并升华为高度结构化、可操作的“速查参考手册”。

**你的核心能力包括:**
- **信息架构 (Information Architecture):** 识别并抽象出文档中的核心概念、流程、条件逻辑和具体指令。
- **内容甄别 (Content Discrimination):** 能够精确区分**叙事性文本**（需重构）、**模板化信息**（必须保留原样，如JSON示例）、**内联引用**（必须保留格式）和**可执行指令**（需转换为代码块）。
- **逻辑与命令的可视化 (Logic & Command Visualization):** 精通使用高级流程图 (`->`) 表达宏观顺序，使用伪代码 (`pseudocode`) 表达抽象条件逻辑，并使用格式化的 Bash 代码块 (`bash`) 呈现具体、可执行的命令。

**你的使命:** 接收一份 Markdown 格式的命令技术文档，严格遵循下述思维链和转换规则，输出一份经过彻底重构、清晰易查的参考文档。关键在于 **100% 保留原始信息**，但以最优化的形式呈现。

---

## 2. 核心思维链 (Chain of Thought) - 你的内在工作流程

**你必须在最终输出的最顶端，使用一个独立的 Markdown 代码块，标题为 `思考过程`，来展示你遵循以下步骤的完整思考过程。这是强制要求。**

1.  **步骤一：预处理与内容分类 (Pre-processing & Content Classification)**
    -   **识别固定元素:** 完整复制 `---` 包裹的 YAML 头信息（如果存在）。
    -   **识别并标记“不可变”内容 (CRITICAL):** 扫描整个文档，标记所有必须保持原样的内容。这包括两类：
        1.  **模板化信息:** 代码块（` ```json` 等）、文件结构图、API 响应/请求示例、完整配置文件。
        2.  **内联引用 (Inline References):** 所有以 `@` 符号开头的引用标识符（例如 `@some-document`, `@argument-name`）。
    -   **识别“可执行指令”:** 定位所有描述具体操作或工具调用的文本，特别是以 `Action:` 或 `Tool:` 开头的行。这些是转换为 `bash` 代码块的候选者。
    -   **建立心智模型:** 通览其余的叙事性文本，理解命令或流程的宏观目标、功能、各个阶段和内在逻辑。

2.  **步骤二：概念解构与分块 (Conceptual Deconstruction & Chunking)**
    -   **识别逻辑单元:** 将**叙事性文本**和**可执行指令**分解为独立的逻辑“概念块”（例如，一个协议、一个阶段、一个特定的逻辑判断）。
    -   **规划卡片结构:** 为每个“概念块”以及每个被标记的“模板化信息”规划一个“卡片”作为其最终归宿。为每个卡片拟定一个简洁、信息丰富的标题（例如，`### Phase 1: Goal Analysis & System Planning`）。**优先将原文中的标题（如 `## Phase 1...`）作为卡片标题。**

3.  **步骤三：为每个分块选择最佳表现形式 (Representation Strategy per Chunk)**
    -   **审视内容本质:** 对每一个“概念块”进行精确判断。
    -   **应用转换规则:**
        -   **模板化信息:** **直接复制，不作任何修改**。
        -   **陈述性/描述性文本:** 提炼为要点列表 (`-`)。
        -   **宏观顺序性文本:** 转换为高层级箭头流程 (`A -> B -> C`)。
        -   **具体指令/工具调用 (Action/Tool):** 转换为带注释的 Bash 代码块 (` ```bash ... ``` `)。
        -   **抽象条件/循环逻辑:** 编写为伪代码块 (` ```pseudo ... ``` `)。这是为不涉及具体命令的 IF/ELSE 或循环逻辑保留的。

4.  **步骤四：内容转换与组装 (Transformation & Assembly)**
    -   **逐块执行转换/迁移:**
        -   在所有转换过程中，**务必确保其中包含的任何 `@` 内联引用被原封不动地保留，不添加任何额外的引号或格式**。
        -   对于“可执行指令”，将其转换为 Bash 代码。使用 `#` 注释来解释命令的目的，保留原始上下文。例如，`Action: Read the high-level user goal.` 变为 `read_user_goal # Reads the high-level user goal`。
    -   **逻辑关联实现:** 在编写伪代码或 Bash 时，通过注释 (`//` 或 `#`) 主动交叉引用相关概念或 `@` 标识符。
    -   **逻辑排序与编排:** 将生成的所有卡片按照从高层概览到底层细节的逻辑顺序进行排列。

5.  **步骤五：最终审查 (Final Review)**
    -   **不可变内容校验 (Highest Priority):**
        1.  **模板完整性:** 对比原始文档，确认所有代码块、JSON 结构等是否**一字不差**地保留。
        2.  **内联引用完整性:** 随机抽查几个 `@` 引用，确保它们在输出中存在，且**没有被引号包裹**或做任何修改。
    -   **信息完整性校验:** 检查叙事性文本中的所有核心信息点是否在新格式中有所体现。
    -   **格式与关联性校验:** 检查 YAML 头、卡片格式、流程、Bash 代码和伪代码的格式及关联注释是否正确、清晰。

---

## 3. 转换规则与格式规范 (Transformation Rules & Formatting Standards)

-   **YAML 头 (YAML Header):** 必须是输出的**第一个**元素，且与输入**完全一致**（如果存在）。
-   **不可变内容 (Immutable Content):**
    -   **模板化信息:** 如 JSON, YAML, 文件树等。**处理规则：绝对禁止修改**。
    -   **内联引用:** 以 `@` 符号开头的标识符。**处理规则：必须原样保留，不得添加引号或其他格式**。
-   **卡片 (Card):**
    -   文档的基本组织单元。每个卡片由一个 `###` 级别的 Markdown 标题开始。
-   **要点列表 (Bullet Points):**
    -   用于转换**描述性段落**。
-   **流程 (Flow):**
    -   用于表示**宏观的、多步骤的顺序操作**。使用 `->` 连接。
-   **实际命令 (Actual Commands):**
    -   用于转换**具体的、可执行的指令**（特别是 `Action:` 或 `Tool:` 格式的文本）。
    -   **必须**包裹在 ` ```bash ... ``` `中。
    -   使用 `#` 注释来保留原始描述的上下文。
    -   将指令动词转换为函数式或命令式风格（例如 `Create the project_timeline` -> `create_project_timeline_unit`）。
-   **伪代码 (Pseudocode):**
    -   **专门**用于描述**不涉及具体工具调用的、抽象的条件逻辑或循环**（例如，`IF/ELSE` 决策流程，`FOR` 循环）。
    -   必须包裹在 ` ```pseudo ... ``` `中，并通过注释 (`//`) 关联到具体概念。

---

## 4. 禁止行为 (Prohibitions)

-   **禁止修改模板信息:** 最高级别的禁令。
-   **禁止修改或包装内联引用:** 不得以任何形式修改 `@` 引用。
-   **禁止信息丢失:** 不能省略原始文档中的任何核心功能、参数、约束或默认值。
-   **禁止信息杜撰:** 不得添加原始文档中未提及的任何信息。
-   **禁止混淆表现形式:** 严格遵守何时使用 Bash、何时使用伪代码、何时使用流程图的规则。

---

## 5. 输入文档 (Input Document)

请根据以上所有规则，对以下 Markdown 文档进行重构：


# ? Orchestrator Constitution

## Guiding Principles
- The Timeline (`dmacs/timeline.jsonl`) is the only source of truth for **Published** project artifacts.
- The `system_plan` is the high-level blueprint of goals. Specialist agents handle the detailed "how".
- My primary function is to Audit, Decide, and Delegate Goals. I do not create content.

<!-- MODIFIED -->
## Phase 1: Goal Analysis & System Planning
1.  **Project Initialization**: On initial invocation with a user goal -> `Action: Create the project_timeline D-MACS unit` -> `Action: Publish it by logging the PROJECT_TIMELINE_CREATED event.`
2.  **High-Level Goal Decomposition**: `Action: Read the high-level user goal.` -> `Action: Decompose the goal into a logical sequence of high-level objectives (e.g., Background Research, Method Development, Experimentation, Result Writing, Discussion), using the IMRaD structure as a guiding heuristic.`
3.  **Capability-to-Task Mapping**:
    -   `Action: For each objective, analyze its core intent.`
    -   `Action: Consult my internal knowledge of specialist agent capabilities, derived from their role definitions in the system configuration.`
    -   `Action: Map each objective to the most appropriate specialist agent slug.` (e.g., 'Conduct literature review' -> `researcher`; 'Design and run experiment' -> `experimenter`; 'Draft the introduction' -> `writer`).
4.  **System Plan Creation & Publication**:
    -   `Action: Consolidate the sequence of agent-assigned objectives into a structured `system_plan` D-MACS unit.`
    -   `Action: The plan MUST define the sequence of execution and any dependencies between the objectives.`
    -   `Action: Publish the `system_plan` by logging the DMACS_UNIT_CREATED event.`

## Phase 2: Managed Execution (Observe-Orient-Decide-Act Loop)
1.  **OBSERVE**: `Tool: read(dmacs/timeline.jsonl)` -> Action: Identify the latest un-processed events, which represent Newly Published D-MACS units.
2.  **ORIENT (Audit & State Update)**:
    - `Condition: If a task I delegated has failed` -> Action: Initiate Failure Protocol.
    - `Condition: If a new D-MACS unit was Published` -> Action: Execute the **D-MACS Audit Protocol**.
    - `Action: Update internal model` of project state.
3.  **DECIDE**:
    - `Condition: If audit failed` -> Decision: Halt and create `error_report`.
    - `Condition: If in Write-Review-Revise loop` -> Action: Consult **Revision Loop Protocol**.
    - `Condition: If current high-level goal is complete and approved` -> Action: Consult `system_plan` for the next objective.
    - `Condition: If all objectives in plan are complete` -> Decision: Delegate final task to `integrator`.
4.  **ACT**: `Tool: new_task(...)` or `Action: Create error_report`.

## Core Protocols

### D-MACS Audit Protocol
For every new unit Published on the timeline, I MUST verify:
1.  **Type Check**: Is `meta.json.type` an expected output? (e.g., An `agent_plan` is the expected first Published response from a specialist, followed by their final deliverable.)
2.  **Version Check**: If task was a revision, does `meta.json.relations` contain a valid `PREVIOUS_VERSION` entry?
3.  **Feedback Check**: If type is `review_feedback`, I MUST parse `meta.json.custom_fields.review_details`.


### Revision Loop Protocol
1.  `Action: Read meta.json` of the new `review_feedback` unit.
2.  `Condition: If outcome is "APPROVED"` -> Action: Exit loop for this chapter.
3.  `Condition: If outcome is "REVISION_REQUESTED"`:
    - `Action: Check revision_count_so_far.`
    - `Condition: If count < 5` -> Decision: Re-delegate to `writer` with original draft and new feedback as context. This starts a new Plan-then-Execute cycle for the Writer.
    - `Condition: If count >= 5` -> Decision: Trigger **Failure Protocol (Max Revisions)**.

### Failure Protocol
- `On any failed audit, agent task failure, or max revisions` ->
  1.  `Action: Formulate a detailed description` of the error.
  2.  `Action: Create a new D-MACS unit` with `type: 'error_report'`.
  3.  `Action: Publish the unit by logging the DMACS_UNIT_CREATED` event.
  4.  `Action: Halt all further task delegations`.

一个专为懒猫微服设计的简洁的移动端音频播放器应用，尤其面向老人给孩子播放故事使用。

功能特性

• ? 简洁的音频播放器 - 包含上一首、播放/暂停、下一首、列表四个基本按钮
• ? 管理员密码保护 - 首次访问需要设置管理员密码
• ? 专辑管理 - 创建、编辑、删除专辑，支持文件系统浏览选择路径
• ? 自动扫描 - 自动扫描指定路径下的音频文件（支持 mp3, wav, m4a, aac, flac, ogg）
• ? 移动端优化 - 专为手机端设计的响应式界面
• ? 智能播放历史 - 自动记录播放进度，支持断点续播
• ? 播放控制 - 支持音量调节、进度条、播放列表

技术栈

• 前端: Next.js 15, React 19, Tailwind CSS 4
• 后端: Next.js API Routes
• 数据库: SQLite (better-sqlite3)
• 图标: Lucide React
• 密码加密: bcryptjs

快速开始

安装依赖

pnpm install

环境变量配置
创建 .env.local 文件来配置应用参数：

# 专辑创建上限，默认值为10
MAX_ALBUMS=10
# 播放历史记录间隔（秒），默认值为5
PLAY_HISTORY_INTERVAL=5
# 数据库文件路径，默认为 data/lzc-story.db
DATABASE_PATH=data/lzc-story.db

启动开发服务器

pnpm dev

打开 http://localhost:3000 访问应用。

清理缓存

# 清理所有缓存和编译文件，确保 clean 状态
pnpm clear

这个命令会清理：

• .next - Next.js 构建缓存
• out - 静态导出目录
• dist - 分发目录
• node_modules/.cache - 依赖缓存
• .turbo - Turbopack 缓存

使用说明

1. 首次设置

• 首次访问应用时，需要设置管理员密码
• 密码长度至少6位，用于保护管理功能

2. 管理专辑

• 点击首页的"管理"按钮进入管理界面
• 点击"创建专辑"按钮创建新专辑
• 输入专辑名称，选择或输入音频文件路径
• 系统会自动扫描指定路径下的音频文件
• 支持编辑专辑名称和路径
• 支持删除专辑（会同时删除相关音频文件记录）

3. 播放音频

• 点击首页的"播放器"按钮进入播放器界面
• 选择要播放的专辑
• 使用播放器控制音频播放
• 支持上一首/下一首切换
• 支持音量调节
• 支持播放列表查看和选择

4. 播放历史

• 首页显示播放历史记录
• 按专辑聚合显示，每个专辑显示最近的两条记录
• 自动记录播放过的音频文件
• 智能播放时间记录：每5秒自动保存播放进度
• 断点续播：点击历史记录可从上次播放位置继续
• 自动播放：从历史记录进入播放器时自动开始播放
• 播放进度显示：显示播放到的时间点（如：播放至 1:15）

项目结构

> src/
> ├── app/
> │   ├── api/                 # API 路由
> │   │   ├── admin-password/  # 管理员密码管理
> │   │   ├── albums/          # 专辑管理
> │   │   ├── audio-files/     # 音频文件管理
> │   │   ├── audio-stream/    # 音频流服务
> │   │   ├── filesystem/      # 文件系统浏览
> │   │   └── play-history/    # 播放历史
> │   ├── layout.tsx           # 根布局
> │   └── page.tsx             # 主页面
> ├── components/              # React 组件
> │   ├── AdminInterface.tsx   # 管理界面
> │   ├── AlbumSelector.tsx    # 专辑选择器
> │   ├── AudioPlayer.tsx      # 音频播放器
> │   ├── ClientOnly.tsx       # 客户端渲染组件
> │   ├── LazyCatIcon.tsx     # 应用图标
> │   ├── PasswordSetup.tsx    # 密码设置
> │   ├── PasswordVerify.tsx   # 密码验证
> │   └── PlayHistory.tsx     # 播放历史组件
> └── lib/
>     └── sqlite-database.ts    # SQLite数据库配置

播放历史技术实现

自动记录机制

• 定时记录：播放时每5秒自动调用API更新播放进度
• 状态管理：使用React useEffect监听播放状态变化
• 性能优化：使用useCallback优化函数重新创建
• 错误处理：优雅处理网络请求失败和浏览器自动播放限制

断点续播功能

• 历史记录查询：支持按音频文件ID和专辑ID查询特定记录
• 播放位置恢复：自动设置音频播放时间到上次停止位置
• 自动播放：从历史记录进入时自动开始播放（受浏览器策略限制）

API接口

• POST /api/play-history - 更新播放历史记录
• GET /api/play-history - 获取播放历史列表
• GET /api/play-history?audioFileId=X&albumId=Y - 查询特定记录

数据库结构

• admin_config - 管理员配置
• albums - 专辑信息
• audio_files - 音频文件信息
• play_history - 播放历史记录

支持的音频格式

• MP3 (.mp3)
• WAV (.wav)
• M4A (.m4a)
• AAC (.aac)
• FLAC (.flac)
• OGG (.ogg)

部署

Docker 部署
使用代理构建（推荐）
如果您的网络环境需要使用代理，可以使用提供的构建脚本：

# 交互式代理配置构建（推荐）
./docker-build.sh

# 指定镜像标签
./docker-build.sh ety001/lzc-story:latest

脚本会询问是否需要配置代理：

• 选择"是"：手动输入代理地址
• 选择"否"：使用环境变量或直连

运行容器

# 运行容器
docker run -d \
  --name lzc-story \
  -p 3000:3000 \
  -v /path/to/your/data:/app/data \
  -v /path/to/your/music:/app/music \
  ety001/lzc-story

/app/data 目录是必须的，用来存放数据库， /app/music 目录可以自己决定把你的音频资源挂载到容器里的哪个目录，这个没有强制设置

传统部署
构建生产版本
pnpm build
启动生产服务器
pnpm start

CI/CD

GitHub Actions
项目配置了 GitHub Actions 自动构建和部署：

• 触发条件：当代码推送到 master 分支时自动触发
• 构建内容：自动构建 Docker 镜像并推送到 Docker Hub
• 镜像标签：ety001/lzc-story:latest
• 支持架构：linux/amd64 和 linux/arm64

设置 Secrets
在 GitHub 仓库中设置以下 secrets：

1. DOCKER_USERNAME - Docker Hub 用户名
2. DOCKER_PASSWORD - Docker Hub 密码或访问令牌
   详细设置步骤请参考 .github/README.md

注意事项

• 确保服务器有访问音频文件路径的权限
• 音频文件路径必须是绝对路径
• 建议在生产环境中使用 HTTPS 以确保音频流的安全传输
• 数据库文件会保存在 data/lzc-story.db
• 浏览器自动播放策略：现代浏览器限制自动播放，用户需要手动交互后才能自动播放
• 移动端优化：界面专为移动端设计，在桌面端可能显示较小

项目地址

[bsgit user="ety001"]lzc-story[/bsgit]

近期一个名为"GPT-5 Mini Scout"的新模型短暂出现在 ChatGPT 的模型选择器中，部分商业账户用户可见。随后OpenAI Agents项目的JavaScript测试代码中发现疑似内部信息，显示“gpt‑5.1‑mini”新模型代号被用于函数测试，且被标注为“reasoning model”（推理模型）。

在短暂的访问窗口期间，SVG 机器人基准测试显示该模型产生了动画机器人图像，相比 GPT-5 Mini Thinking 有显著进步，表明新的图像生成能力或底层模型架构的调整。OpenAI 可能准备在 11 月推出此模型，以应对谷歌即将发布的 Gemini 3。

OpenAI Agents JS
TestingCatalog

项目地址

• 项目名称 Prom pt的简写 + Pub酒馆
• 线上使用及Demo https://PromPub.com
• 仓库面板开源 GitHub - ChinaSiro/open-prompt-manager-for-prompub
• 线上版本架构后端使用WP API过于复杂
• 开源的本地面板使用了LocalStorage

PromPub地址：https://prompub.com/
[bsgit user="ChinaSiro"]open-prompt-manager-for-prompub[/bsgit]

基本功能

• 发布分享/收藏/提示词
• 私人仓库/管理提示词
• 创作中心/实时调试提示词
• 支持第三方中转API

注意：APIKEY不上传服务器，存在浏览器本地

亮点（开源部分）

• 私人仓库 - 管理你的海量提示词
• 支持搜索 / 分类 / 模型筛选
• 实时创作 - 开发写作实时调试
• 对话中系统提示词实时更新
• 支持第三方中转API

基本部署

基于Vite环境开发

npm install
npm run dev

• 分类设置.env
• 不想搭建的可以直接使用线上demo
• 开源是为了方便需要更私密的用户

数据无处不在，自动化完成复杂的数据科学任务是智能发展的长期目标之一。现有方法通过构建工作流程来让大模型完成数据分析、可视化等特定任务，取得了可喜的进展。

LLM是否能完全自主地完成数据科学任务，不依赖任何固定的workflow(工作流程)呢？

来自人大和清华的团队发布了DeepAnalyze，是首个面向数据科学的能动的大模型。

DeepAnalyze-8B摆脱了任何固定的workflow，完全能像数据科学家一样自主完成各种数据科学任务，包括：

• 数据任务：支持自动化数据准备、数据分析、数据建模、数据可视化、数据洞察
• 数据研究：可在非结构化数据（TXT、Markdown）、半结构化数据（JSON、XML、YAML）及结构化数据（数据库、CSV、Excel）中进行开放式深度 research(研究)，生成研究报告

DeepAnalyze的论文、代码、模型均已开源，欢迎大家体验和交流！

• 论文：https://arxiv.org/pdf/2510.16872
• 代码、Demo：GitHub - ruc-datalab/DeepAnalyze: DeepAnalyze是用于自主数据科学的首个智能型 LLM。
• 模型：RUC-DataLab/DeepAnalyze-8B · Hugging Face

据说他是非常快的

地址：https://anannas.ai/
对话效果：

URL：https://api.anannas.ai

个别记得自行加V1，我用chrry studio他自动补全v1(版本1)路径等等的了

key：[bsopc]sk-cr-030dac87043d4b9499e692dee937a929[/bsopc]

模型名称：

perplexity/sonar-reasoning-pro
qwen/qwen3-next-80b-a3b-instruct
qwen/qwen3-coder-plus
qwen/qwen2.5-vl-32b-instruct
deepseek/deepseek-prover-v2
perplexity/sonar
deepseek/deepseek-v3.1-terminus
qwen/qwen-plus
meta-llama/llama-4-scout
qwen/qwen-110b-chat
qwen/qwen3-next-80b-a3b-thinking
meta-llama/llama-3.1-405b
arcee-ai/virtuoso-large
cohere/command-a
qwen/qwen-vl-plus
qwen/qwen-max
deepseek/deepseek-v3.2-exp
mistralai/mistral-medium-3
deepseek/deepseek-chat-v3.1
deepseek/deepseek-v3-base
cohere/command-r-03-2024
microsoft/phi-4-multimodal-instruct
qwen/qwen3-235b-a22b-2507
qwen/qwen3-coder
cohere/command-r-plus-04-2024
qwen/qwen2.5-vl-72b-instruct:free
qwen/qwen3-max
qwen/qwen-plus-2025-07-28

速率情况未知：

后端开发日常少不了排查慢 SQL 。平时我都是用 mysqldumpslow 或 pt-query-digest 来分析日志，但命令行看着太不直观。 于是我写了一个可视化小工具，可以把慢日志结果直接展示成表格，并支持参数排序（ Top 10 ）：

c：访问次数

l：锁定时间

r：返回记录数

t：查询时间

al：平均锁定时间

ar：平均返回记录数

at：平均查询时间

在线体验地址： http://tool.linger.host/tools/mysql-analysis

项目地址：
人人可用的AI代码审计工具，支持Github\GitLab\本地仓库集成，支持即时代码分析，一键审计并生成专业 report(报告)！
[bsgit user="lintsinghua"]XCodeReviewer[/bsgit]

一句话介绍

XCodeReviewer帮助开发者告别低效的代码审查，使用主流的大模型（现在已经实现本地大模型支持了~）进行深度理解代码逻辑，发现安全漏洞与性能瓶颈。系统支持 本地/Github/GitLab仓库集成 ，只需 粘贴代码、上传代码 或 连接仓库 ，系统就可以开始全自动分析代码质量和纠错。人人可用，一键部署。

大家可以查看一下，下面系统以"即时代码分析"为例，生成的审计报告部分截图：

导出的PDF格式的审计报告示例：

项目亮点

亮点的话不仅仅体现在报告质量上，相比同类产品，我们拥有:rocket:five(五大)优势：

1. AI驱动的深度代码理解：基于国际上主流平台的大语言模型，超越传统静态分析工具的规则匹配。不仅捕获语法错误，更能理解代码意图，发现深层逻辑漏洞、安全隐患和性能 bottleneck(瓶颈)。
2. 五维度全方位质量评估：项目不仅依赖单一检测维度，更融合了Bug检测、安全扫描、性能分析、代码风格、可维护性等5类评估。通过多维度协同分析，确保了审计结果的深度、准度与全面性。
3. 独创What-Why-How可解释性：突破传统工具的冰冷提示，每个问题都提供三段式解释：清晰指出"是什么"问题，深入解释"为什么"存在风险，并提供"如何修复"的具体示例。
4. 多场景灵活分析机制：为不同使用场景提供独特的分析模式。即时分析支持代码片段快速检测，项目审计模式一键连接GitHub/GitLab仓库。这不仅避免了单一工具的使用局限，更催生出更高效的 code(代码)质量管理。
5. 各种开发场景轻松适配：支持将项目代码库与AI审计能力无缝集成。打通开发壁垒，为个人开发者、团队协作、企业CI/CD提供"即时反馈+持续监控"的 analysis(分析) 能力。

运行截图

实时展示项目统计、质量趋势和系统性能，提供全面的 code audit(代码审计) 概览

Support code snippet quick analysis, providing detailed What-Why-How explanation and repair suggestions

Integrate GitHub/GitLab repositories, support multi-language project audits and batch code analysis(分析)

《MiniMax M2，1024节日给所有开发者的礼物》
全球Top5，超越Claude Opus 4.1，仅次于Sonnet 4.5，开源模型SOTA。
转为Coding & Agentic 设计，开源SOTA，智能程度高，延迟与成本低。我们认为是agent产品的最佳选择之一，是Claude Code中最适合的平替

很骄傲参与了模型的研发，这是我们给所有开发者的礼物。
MiniMax Agent也即将在国内上线

体验方式：获取API Key， https://platform.minimaxi.com/login

使用模型名称：MiniMax-M2-Preview
填写问卷抢先体验：
https://vrfi1sk8a0.feishu.cn/share/base/form/shrcnGDzwrAbr18zGwh6YA5oI9b?auth_token=U7CK1RF-aafke4bb-13f9-4ff4-b0b4-660db5554b87-NN5W4

API: Anthropic API 兼容 - MiniMax API Docs

Claude Code: https://platform.minimaxi.com/docs/guides/text-ai-coding-tools
[bsmark]

MiniMax M2，1024节日给所有开发者的礼物 全球Top5，… http://xhslink.com/o/5lJIWdLFK9r
复制后打开【小红书】查看笔记！
[/bsmark]

WSL 安装和配置指南
本文档介绍如何在 Windows 11 上安装和配置 WSL (Windows Subsystem for Linux)，以及安装开发工具。

1. 启用 Windows 功能

1.1打开 Windows 功能设置

1. 按 Win + R 打开运行窗口
2. 输入 optionalfeatures 或 控制面板\程序\启用或关闭 Windows 功能
3. 点击确定
   

1.2 启用必要功能

在"启用或关闭 Windows 功能"窗口中，勾选以下选项：

• 适用于 Linux 的 Windows 子系统 (WSL)
• 虚拟机平台 (如果可用)

[bsmessage type="common" color="red" title="注意"]Windows 11 可能只显示部分选项，这是正常的。[/bsmessage]
勾选后点击确定，系统可能需要重启。

2. 设置 WSL 版本和安装 Linux

2.1 设置 WSL 默认版本
打开 PowerShell 或命令提示符（管理员权限），执行：

# 设置默认版本为 WSL2
wsl --set-default-version 2

2.2 查看可用的 Linux 发行版

# 查看可用的 Linux 发行版
wsl --list --online

2.3 安装 Linux 发行版
选择一个发行版进行安装（推荐 Debian 或 Ubuntu）：

# 安装 Debian
wsl --install -d Debian
# 或者安装 Ubuntu
wsl --install -d Ubuntu

3. 用户配置

3.1 创建普通用户
如果首次进入发行版后是 root 用户，需要创建普通用户：

# 创建新用户（替换 your_username 为你的用户名）
adduser your_username
# 将用户添加到 sudo 组
usermod -aG sudo your_username

3.2 设置默认用户
编辑 WSL 配置文件：

sudo vim /etc/wsl.conf

在 /etc/wsl.conf 中添加以下内容：

[user]
default=your_username

保存后，在 Windows 中重启 WSL：

wsl --shutdown

4. 替换镜像源（加速下载）

4.1 备份原配置文件

sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak

4.2 编辑源列表

sudo nano /etc/apt/sources.list

4.3 替换为国内镜像源
对于 Debian，将内容替换为：

deb https://mirrors.aliyun.com/debian/ trixie main
deb-src https://mirrors.aliyun.com/debian/ trixie main

对于 Ubuntu，可使用：

#deb https://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse
#deb https://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse

4.4 更新软件包

sudo apt update
sudo apt upgrade -y

4.5 测试网络（可选）

sudo apt install apache2 -y

5. Claude Code 安装

5.1 安装 Node.js

# 下载并安装 Node.js LTS 版本（Ubuntu/Debian）
curl -fsSL https://deb.nodesource.com/setup_lts.x | sudo bash -
sudo apt-get install -y nodejs

5.2 验证安装

node --version
npm --version

5.3 安装 Claude Code

npm install -g @anthropic-ai/claude-code

5.4 设置环境变量

# 临时设置环境变量（当前会话有效）
export ANTHROPIC_AUTH_TOKEN=sk-你的token
export ANTHROPIC_BASE_URL=https://anyrouter.top

5.5 永久保存环境变量

echo 'export ANTHROPIC_AUTH_TOKEN=sk-你的token' >> ~/.bashrc
echo 'export ANTHROPIC_BASE_URL=https://anyrouter.top' >> ~/.bashrc
source ~/.bashrc

5.6 使用 Claude Code

# 验证安装
claude --version
# 进入项目目录使用
cd your-project
claude

6. OpenAI Codex 安装

6.1 安装 Codex

npm i -g @openai/codex

6.2 创建配置目录

mkdir -p ~/.codex

6.3 创建配置文件

cat > ~/.codex/config.toml << 'EOF'
model = "gpt-5-codex"
model_provider = "anyrouter"
preferred_auth_method = "apikey"
[model_providers.anyrouter]
name = "Any Router"
base_url = "https://anyrouter.top/v1"
wire_api = "responses"
EOF

6.4 创建认证文件

cat > ~/.codex/auth.json << 'EOF'
{
"OPENAI_API_KEY": "你的KEY"
}
EOF

6.5 使用 Codex

# 验证安装
codex --version
# 进入项目目录使用
cd your-project
codex

7. 常用 WSL 命令

7.1 查看和管理发行版

# 查看已安装的发行版
wsl --list --verbose
# 停止 WSL
wsl --shutdown
# 设置默认发行版
wsl --set-default Ubuntu

7.2 导出/导入发行版（备份或迁移）

# 导出发行版
wsl --export Ubuntu ubuntu_backup.tar
# 导入发行版
wsl --import Ubuntu C:\wsl\ubuntu C:\wsl\ubuntu_backup.tar

7.3 其他常用命令

# 卸载发行版
wsl --unregister Ubuntu
# 查看 WSL 版本
wsl --version
# 进入指定发行版
wsl -d Debian

参考资料

本文档参考了以下资源：

• [Linux.do - WSL 安装讨论] 纯小白 WSL 入门教程（附CC和Codex配置）
• [Any Router 服务]https://anyrouter.top/

常见问题

Q: WSL 启动失败怎么办？
A: 尝试以下步骤：

1. 确认已启用 “适用于 Linux 的 Windows 子系统” 和 “虚拟机平台”
2. 检查 BIOS 是否启用了虚拟化技术 (Intel VT-x 或 AMD-V)
3. 运行 wsl --shutdown 后重新启动

Q: 如何更新 WSL？
A: 在 PowerShell 中运行：

wsl --update

Q: 如何在 Windows 和 WSL 之间访问文件？
A:

1. 在 WSL 中访问 Windows 文件：/mnt/c/Users/YourName/
2. 在 Windows 中访问 WSL 文件：\wsl$\Ubuntu\home\username\

一键管理您的 Cursor IDE 账户、订阅和使用量

注销账户：一键删除cursor账户；取消订阅：自动打开新窗口注入登录态跳转到取消订阅页面，需要手动点击取消；切换账号会自动重置机器id
支持自动注册-自动获取验证码-自动绑卡-绑卡后自动添加账号并获取 accessToken 和 WorkosCursorSessionToken（自动注册部分代码参考 cursor-free-vip）

使用说明

1. 检查 Cursor 安装
应用启动时会自动检测系统中的 Cursor 编辑器安装。如果未检测到，会显示相应提示。

2. 选择备份文件
在主界面中，应用会列出所有可用的机器ID备份文件，包括：

• 文件名
• 创建日期
• 文件大小

3. 预览机器ID
选择备份文件后，可以预览其中包含的机器ID信息：

• telemetry.devDeviceId
• telemetry.macMachineId
• telemetry.machineId
• telemetry.sqmId
• storage.serviceMachineId

4. 确认恢复
确认要恢复的机器ID后，应用会：

• 创建当前配置的备份
• 更新 storage.json 文件
• 更新 SQLite 数据库
• 更新 machineId 文件
• 更新系统级标识（如果有权限）
• 5. 完成恢复
  恢复完成后，需要：
• 关闭 Cursor 编辑器
• 重新启动 Cursor 编辑器
• 检查编辑器是否正常工作

安全说明

• 应用只读取和修改 Cursor 相关的配置文件
• 系统级操作需要相应权限
• 所有操作前都会创建备份
• 不会收集或上传任何用户数据

常见问题

Q: 为什么需要管理员权限？
A: 某些系统级ID更新（如Windows注册表、macOS系统配置）需要提升权限。

Q: 恢复失败怎么办？
A: 应用会显示详细的错误信息，并且已创建的备份可以用于手动恢复。

Q: 支持哪些备份文件格式？
A: 支持标准的 JSON 格式备份文件，文件名格式为 storage.json.bak.YYYYMMDD_HHMMSS。

仓库地址

[bsgit user="wuqi-y"]auto-cursor-releases[/bsgit]

AI Short Video Factory - 短视频工厂
? 一键生成产品营销与泛内容短视频，AI批量自动剪辑，高颜值跨平台桌面端工具

关于项目

短视频工厂是一个开源的桌面端应用，旨在通过AI技术简化短视频的制作流程。用户可以通过简单的提示词文本+视频分镜素材，快速且自动的剪辑出高质量的产品营销和泛内容短视频。该项目集成了AI驱动的文案生成、语音合成、视频剪辑、字幕特效等功能，旨在为用户提供开箱即用的短视频制作体验。

核心功能

• AI驱动：集成了最新的AI技术，提升视频制作效率和质量
• 文案生成：基于提示词生成高质量的短视频文案
• 自动剪辑：支持多种视频格式，自动化批量处理视频剪辑任务
• 语音合成：将生成的文案转换为自然流畅的语音
• 字幕特效：自动添加字幕和特效，提升视频质量
• 批量处理：支持批量任务，按预设自动持续合成视频
• 多语言支持：支持中文、英文等多种语言，满足不同用户需求
• 开箱即用：无需复杂配置，用户可以快速上手
• 持续更新：定期发布新版本，修复bug并添加新功能
• 安全可靠：完全本地本地化运行，确保用户数据安全
• 用户友好：简洁直观的用户界面，易于操作
• 多平台支持：支持Windows、macOS和Linux等多个操作系统

项目链接

[bsgit user="YILS-LIN"]short-video-factory[/bsgit]