花费了半年时间开发的 AI 量化平台正式开源了，采用了 Apache2.0 协议，可商用。
全平台支持、美股、A 股、港股、加密、外汇、期货
TV 的平替，能够 AI 写策略、运行指标到 K 线。同时支持多用户版本，本地 Docker 一键部署
Dome 演示地址：https://ai.quantdinger.com
github 地址：GitHub - brokermr810/QuantDinger: AI-driven, local-first quantitative trading platform for research, backtesting and live execution. Python-native, privacy-first, open source.
如果觉得好用，请大佬赏赐一个 star, 您的支持是我们进步的动力。同时招募志同道合的项目管理员，管理仓库，共建开源社区！

今天在看一个 pdf 文档，但是原文档没有目录，导致跳转比较麻烦。搜了下，好像没有比较方便快捷的工具可以加目录的，就动手写了个。

核心特性

• 智能目录提取：内置高精度算法，一键扫描文档前 50 页并自动识别潜在层级结构。
• 自由拖拽排序：支持通过手柄直接拖拽调整目录顺序，所见即所得。
• 多层级支持：支持三级目录结构（章、节、点），轻松应对复杂文档。
• 页码偏置修正：自适应纸质页码与电子页码的偏差，确保跳转精准无误。
• 本地化存储：尊重隐私，文件处理完成后自动清理服务器残留。

Docker 部署

1. 拉取镜像

docker pull ghcr.io/jiangnan1224/pdf-toc-editor:latest

2. 运行容器

docker run -d -p 5000:5000 --name pdf-toc-editor ghcr.io/jiangnan1224/pdf-toc-editor:latest

应用截图

体验地址

开源地址

使用 Cliproxy，Donehub， Antigravity Tools 反代出来的 api 生图是不能联网的。
使用 gemini-business2api 的生图，Nano banana 可以联网检索。不过默认没有 4k，看哪位大佬搞下。

设置如下，使用的是 url，cherry studio 里边给出的链接，就可以打开图片。联网是可以选择的。

2api 的设置如下

gemini-business2api 项目见链接

使用的 linux docker 安装，opus 给的一个一键教程代码。

新版特性：

1. 支持预设，可以通过 ccr <preset-name> 命令快速切换 cc 配置，增加预设市场，更方便共享配置

2. 优化 cc statusline 适配，支持插件，可以自定义插件数据，比如获取供应商套餐余量，token 实时速率，可以将 statusline 插件一起打包成预设进行分发

3. 支持 docker 部署，镜像只有 200M + 的大小 (纯 Server 不支持 statusline/cli 插件)，但是仍然可以通过给 cc 设置 baseurl http://ip:port/preset/<preset-name> 快速切换预设配置

4. 支持 fallback，当供应商报错时支持回退到备用供应商

完整文档在 Claude Code Router (还在建设中，文档速度跟不上特性开发速度)

[bsgit user="2erTwo6"]Smooth-Gateway[/bsgit]
上游 API 提供商提供的流式传输可能是粗糙的、一大块一大块出现的，体感上不 “丝滑”

Gemini Balance 的流式传输优化功能就解决了这个痛点，在玩酒馆等需要流式传输的场景下，能够极大的提高体验，但是就如项目名那样，只能给 Gemini 用。

于是就有了这个项目，参考了 Gemini Balance 的思路，可以插入到任何一个 OpenAI 格式的 API 服务中间，对流式传输进行后处理，把粗糙的流切成细腻的流，再推送给最终的 AI 应用。

目前仅支持接入 OpenAI 格式的 API，推荐的使用方法是先接入 New API，再套一层这个

快速开始

前提: 您已安装 Docker。

1. 克隆本仓库:

   git clone https://github.com/2erTwo6/Smooth-Gateway.git
   cd Smooth-Gateway

2. 创建并编辑配置文件:
   将模板文件复制为您的本地配置文件。

   cp .env.example .env

   然后使用您喜欢的编辑器（如 nano 或 vim）打开 .env 文件，并至少填入必需的 UPSTREAM_API_URL。

3. 构建 Docker 镜像:

   docker build -t smooth-gateway .

4. 运行容器:
   使用 --env-file 参数，Docker 会自动加载您的 .env 文件。

   docker run -d \
     --name my-smooth-gateway \
     -p 3001:3001 \
     --env-file .env \
     --restart unless-stopped \
     smooth-gateway

   现在，您的流式优化网关已根据您的 .env 文件配置，在 http://localhost:3001 上运行！

接下来，只需要在你的 AI 应用的 API URL 那里输入 http://localhost:3001 即可（假设你的 AI 应用和此 API 网关部署在同一机器？）

[bsgit user="fish2018"]YPrompt[/bsgit]

功能

• 支持OpenAI、Anthropic、Google Gemini和自定义AI服务商
• 支持内置提供商，将 builtin-providers.example.json 复制为 builtin-providers.json 并修改您需要的配置即可。
• 自动生成和手动步进两种执行模式
• 支持Markdown/XML格式切换和中英文互译
• 支持对话引导挖掘用户需求后自动生成系统提示词
• 支持系统提示词优化
• 支持基于系统提示词和对话上下文的用户提示词优化
• 支持效果对比，同时也是一个调试台，可以自定义模型，系统提示词
• 支持提示词版本管理
• 支持sqlite和mysql数据库
• docker一键部署
• 支持用户密码/linux.do认证

在线体验

使用Linux.do登录 或 使用账号：demo/demo

生成提示词

系统提示词优化和对比

用户提示词优化和对比

提示词版本管理

开源了一个基于 Docker 的星露谷物语服务器一键部署解决方案。

项目地址:
[bsgit user="truman-world"]puppy-stardew-server[/bsgit]

核心特性

这个项目最大的亮点是整合了几个自定义模组，带来了更好的多人游戏体验：

即时睡眠功能：任何一个玩家在床上选择睡觉，游戏会立刻为所有在线玩家存档并结束当天。再也不用互相等待离线或 AFK 的玩家。

24/7 专用服务器：基于 Docker 容器化，服务器可以 7x24 小时独立运行，房主无需在线。适合部署在 VPS 、云服务器或家用 NAS 上。

一键脚本部署：一条命令，3 分钟即可完成所有环境配置和启动。无需手动安装 SMAPI 、配置模组或设置环境。

跨平台联机：支持 PC 、Mac 、Linux ，以及 iOS 和 Android 玩家在同一个服务器中游戏。所有平台互通，无需复杂配置。

房主自动隐藏：主机玩家作为服务器运行，在游戏中自动隐身，不占用玩家名额，也不会干扰正常游戏。

存档自动加载：服务器重启后会自动加载最新的存档，无需手动操作。首次部署通过 VNC 创建存档后，之后完全自动化。

内置 VNC：首次创建世界时，可以通过浏览器或 VNC 客户端远程访问图形界面，操作简单。

自然技能升级（ v1.0.58 新增）：防止服务器强制房主升到 10 级，保持基于真实经验值的技能等级。玩家可以手动选择技能专精路线，保留游戏原有的成长乐趣。

一键启动

在任何一台安装了 Docker 的服务器上运行：

curl -sSL https://raw.githubusercontent.com/truman-world/puppy-stardew-server/main/quick-start.sh | bash

脚本会自动完成环境检查、配置文件生成、目录创建、权限设置和容器启动。

手动部署

如果你更喜欢手动控制：

1. 创建 docker-compose.yml

version: '3.8'
services:
  stardew-server:
    image: truemanlive/puppy-stardew-server:latest
    container_name: puppy-stardew
    restart: unless-stopped
    stdin_open: true
    tty: true
    environment:
      - STEAM_USERNAME=your_steam_username
      - STEAM_PASSWORD=your_steam_password
      - ENABLE_VNC=true
      - VNC_PASSWORD=stardew123
    ports:
      - "24642:24642/udp"
      - "5900:5900/tcp"
    volumes:
      - ./data/saves:/home/steam/.config/StardewValley:rw
      - ./data/game:/home/steam/stardewvalley:rw
      - ./data/steam:/home/steam/Steam:rw
    deploy:
      resources:
        limits:
          cpus: '2.0'
          memory: 2G

2. 设置权限并启动

mkdir -p data/{saves,game,steam}
chown -R 1000:1000 data/
docker compose up -d

3. 首次设置

使用 VNC 连接到 your-server-ip:5900（密码：stardew123），创建或导入存档。

4. 玩家连接

游戏中：Co-op → Join LAN Game → 输入 your-server-ip:24642

预装模组

• SMAPI 4.3.2 - 官方模组加载器
• Always On Server v1.20.3 - 无头服务器运行
• Skill Level Guard v1.4.0 - 防止强制升级，保持自然技能进度
• ServerAutoLoad v1.2.1 - 自动加载存档
• AutoHideHost v1.2.2 - 隐藏房主，即时睡眠

系统要求

服务器端：

• Docker 和 Docker Compose
• 2GB 内存（ 4+ 玩家推荐 4GB ）
• 2GB 磁盘空间
• Steam 账号（拥有星露谷物语）

客户端：

• 星露谷物语（任何平台）
• 与服务器相同的游戏版本

v1.0.58 更新

修复：

• Always On Server 自动启用问题（服务器现在可以自动暂停/恢复）
• 玩家技能专精选择问题（可以手动选择路线）

改进：

• 自然技能升级（基于真实经验值，不再强制 10 级）
• 服务器空闲时自动暂停（节省资源）

已解决的问题：

• 长时间空闲后无法连接
• 地震等特殊事件冻结游戏
• 无限等待其他玩家
• 无需邀请码（直接用 IP 连接）

文档与支持

• GitHub: https://github.com/truman-world/puppy-stardew-server
• Docker Hub: https://hub.docker.com/r/truemanlive/puppy-stardew-server
• 完整文档: README.md
• 中文文档: README_CN.md
• 问题反馈: GitHub Issues

许可证

• 项目: MIT License
• 游戏: 需合法拥有星露谷物语（ Steam ）
• SMAPI & Always On Server: GPL-3.0
• 自定义模组: MIT License

✨ 特性

• ? 多 AI 模型支持 - 支持 OpenAI、Google Gemini、Anthropic Claude 等主流 AI 模型
• ? 智能向导 - 通过向导式引导快速创建小说项目，AI 自动生成大纲、角色和世界观
• ? 角色管理 - 创建和管理小说角色，包括人物关系、组织架构等
• ? 章节编辑 - 支持章节的创建、编辑、重新生成和润色功能
• ? 世界观设定 - 构建完整的故事世界观和背景设定
• ? 多种登录方式 - 支持 LinuxDO OAuth 登录和本地账户登录
• ? Docker 部署 - 一键部署，开箱即用
• ? 数据持久化 - 基于 SQLite 的本地数据存储，支持多用户隔离
• ? 现代化 UI - 基于 Ant Design 的美观界面，响应式设计

更新记录

25.11.3更新：
1.优化AI请求替换OpenAI SDK调用，使用httpx和自定义头请求，避免触发部分公益站的cloudflare
2.修复deepseek模型调用问题，舍弃思考过程AI响应内容，只获取结果内容
3.新增会话过期机制，更新后添加到.env中
4.支持用户在生成章节内容时设置字数

25.11.4更新：
注意 本次更新已合并到main主分支
1.支持用户项目数据导入导出
2.支持向量数据库，实现RAG的记忆提取存储功能，并引用到生成上下文中，提高生成文章内容质量

25.11.5更新：
1.新增AI生成组织功能，扩展优化组织字段（所在地 代表颜色 格言/口号）
2.适配移动端项目管理-剧情分析UI页面

25.11.6更新:
1.优化大纲续写和章节内容生成上下文构建方式 实现智能构建提示词（支持超长章节内容）
2.实现章节概要提取，并保存到向量数据库，为后续大纲生成和内容提供骨架
3.新增章节内容批量生成功能

25.11.7更新:
1.更新mcp插件功能，目前只支持remote调用

? 快速开始

前置要求

• Docker 部署：Docker 和 Docker Compose
• 本地开发：Python 3.11+ 和 Node.js 18+

• 必需：至少一个 AI 服务的 API Key（OpenAI/Gemini/Anthropic）
  方式一：从源码构建 Docker 镜像

  # 1. 克隆项目
  git clone https://github.com/xiamuceer-j/MuMuAINovel.git
  cd MuMuAINovel
  
  # 2. 配置环境变量
  cp backend/.env.example .env
  # 编辑 .env 文件，填入你的 API Keys
  
  # 3. 启动服务（会自动构建镜像）
  docker-compose up -d
  
  # 4. 访问应用
  # 打开浏览器访问 http://localhost:8000

方式二：本地开发
后端设置

# 进入后端目录
cd backend

# 创建虚拟环境
python -m venv .venv

# 激活虚拟环境
# Windows:
.venv\Scripts\activate
# Linux/Mac:
source .venv/bin/activate

# 安装依赖
pip install -r requirements.txt

# 配置环境变量
cp .env.example .env
# 编辑 .env 文件，填入你的配置

# 启动后端服务
python -m uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload

前端设置

# 进入前端目录
cd frontend

# 安装依赖
npm install

# 开发模式（需要后端已启动）
npm run dev

# 或构建生产版本
npm run build

? 部署方式

Docker Compose 部署
使用 Docker Hub 镜像（推荐）
项目已发布到 Docker Hub，可直接拉取使用：

# 查看可用版本
docker pull mumujie/mumuainovel:latest

# 启动服务
docker-compose up -d

# 查看日志
docker-compose logs -f

# 停止服务
docker-compose down

# 重启服务
docker-compose restart

# 更新到最新版本
docker-compose pull
docker-compose up -d

Docker Compose 配置文件示例
使用 Docker Hub 镜像的完整配置：

services:
  ai-story:
    image: mumujie/mumuainovel:latest
    container_name: mumuainovel
    ports:
      - "8800:8000"  # 宿主机端口:容器端口
    volumes:
      # 持久化数据库和日志
      - ./data:/app/data
      - ./logs:/app/logs
      # 挂载环境变量文件
      - ./.env:/app/.env:ro
    environment:
      - APP_NAME=mumuainovel
      - APP_VERSION=1.0.0
      - APP_HOST=0.0.0.0
      - APP_PORT=8000
      - DEBUG=false
      # 其他环境变量会从 .env 文件自动加载
    restart: unless-stopped
    healthcheck:
      test: ["CMD", "python", "-c", "import urllib.request; urllib.request.urlopen('http://localhost:8000/health')"]
      interval: 30s
      timeout: 10s
      retries: 3
      start_period: 10s
    networks:
      - ai-story-network

networks:
  ai-story-network:
    driver: bridge

生产环境部署建议

1. 环境变量配置
必需配置：

• OPENAI_API_KEY 或 GEMINI_API_KEY：至少配置一个 AI 服务
• LOCAL_AUTH_PASSWORD：修改为强密码

推荐配置：

• OPENAI_BASE_URL：如果使用中转 API，修改为中转服务地址
• DEFAULT_AI_PROVIDER：根据你的 API Key 选择 openai、gemini 或 anthropic
• DEFAULT_MODEL：选择合适的模型（如 gpt-4o-mini、gemini-2.0-flash-exp）
• 数据持久化
  数据目录已通过 volume 挂载，数据不会丢失：
• ./data：SQLite 数据库文件
• ./logs：应用日志文件
• 端口配置
  默认端口映射：8800:8000
• 宿主机端口：8800（可自定义修改）
• 容器内端口：8000（固定，不要修改）
  访问地址：http://your-server-ip:8800

配置后记得更新 .env 中的 LINUXDO_REDIRECT_URI 和 FRONTEND_URL。

5. 资源限制（可选）
在 docker-compose.yml 中添加资源限制：

services:
  ai-story:
    # ... 其他配置
    deploy:
      resources:
        limits:
          cpus: '2.0'
          memory: 2G
        reservations:
          cpus: '0.5'
          memory: 512M

端口说明

• 默认端口：8800（宿主机）→ 8000（容器）
• 可自定义：修改 docker-compose.yml 中的 ports 配置
• 健康检查：容器内部使用 8000 端口进行健康检查

⚙️ 配置说明

环境变量
创建 .env 文件并配置以下变量：

# ===== AI 服务配置（必填）=====
# OpenAI 配置（支持官方API和中转API）
OPENAI_API_KEY=your_openai_key_here
OPENAI_BASE_URL=https://api.openai.com/v1

# Anthropic 配置
# ANTHROPIC_API_KEY=your_anthropic_key_here
# ANTHROPIC_BASE_URL=https://api.anthropic.com

# 中转API配置示例（使用OpenAI格式）
# New API 中转服务
# OPENAI_API_KEY=your_newapi_key_here
# OPENAI_BASE_URL=https://api.new-api.com/v1

# 默认 AI 提供商和模型
DEFAULT_AI_PROVIDER=openai
DEFAULT_MODEL=gpt-4o-mini
DEFAULT_TEMPERATURE=0.8
DEFAULT_MAX_TOKENS=32000

# ===== 应用配置 =====
APP_NAME=MuMuAINovel
APP_VERSION=1.0.0
APP_HOST=0.0.0.0
APP_PORT=8000
DEBUG=false

# ===== LinuxDO OAuth 配置（可选）=====
LINUXDO_CLIENT_ID=your_client_id_here
LINUXDO_CLIENT_SECRET=your_client_secret_here
LINUXDO_REDIRECT_URI=http://localhost:8000/api/auth/callback
FRONTEND_URL=http://localhost:8000

# ===== 本地账户登录配置 =====
LOCAL_AUTH_ENABLED=true
LOCAL_AUTH_USERNAME=admin
LOCAL_AUTH_PASSWORD=your_secure_password_here
LOCAL_AUTH_DISPLAY_NAME=管理员

# 会话配置
# 会话过期时间（分钟），默认120分钟（2小时）
SESSION_EXPIRE_MINUTES=120
# 会话刷新阈值（分钟），剩余时间少于此值时可刷新，默认30分钟
SESSION_REFRESH_THRESHOLD_MINUTES=30

# ===== CORS 配置（生产环境）=====
# CORS_ORIGINS=https://your-domain.com,https://www.your-domain.com

AI 模型配置
项目支持多个 AI 提供商，你可以根据需要配置：

使用中转API服务
如果你无法直接访问 OpenAI 官方 API，或者想使用更经济实惠的中转服务，本项目完全支持各种 OpenAI 兼容格式的中转 API：

配置方法
只需修改 .env 文件中的两个参数：

# 1. 填入中转服务提供的 API Key
OPENAI_API_KEY=your_api_key_from_proxy_service

# 2. 修改 Base URL 为中转服务的地址
OPENAI_BASE_URL=https://your-proxy-service.com/v1

常见中转服务配置示例
New API

OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxx
OPENAI_BASE_URL=https://api.new-api.com/v1

API2D

OPENAI_API_KEY=fk-xxxxxxxxxxxxxxxx
OPENAI_BASE_URL=https://api.api2d.com/v1

OpenAI-SB

OPENAI_API_KEY=sb-xxxxxxxxxxxxxxxx
OPENAI_BASE_URL=https://api.openai-sb.com/v1

自建 One API / New API

OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxx
OPENAI_BASE_URL=https://your-domain.com/v1

注意事项

• ✅ 所有支持 OpenAI 接口格式的服务都可以使用
• ✅ 确保中转服务的 Base URL 以 /v1 结尾
• ✅ 根据中转服务支持的模型，修改 DEFAULT_MODEL 参数
• ⚠️ 不同中转服务的模型名称可能不同，请参考服务商文档
• ⚠️ 部分中转服务可能对请求频率或并发有限制

推荐的中转服务
如果你需要中转服务，以下是一些常见选择：

1. New API - 开源的 API 分发系统，支持多种模型
2. API2D - 国内稳定的 API 中转服务
3. OpenAI-SB - 提供多种 AI 模型的中转
4. 自建服务 - 使用 One API 或 New API 自行搭建

? 提示：使用中转服务时，请确保服务提供商的可靠性和数据安全性

? 项目结构

MuMuAINovel/
├── backend/ # 后端服务
│ ├── app/
│ │ ├── api/ # API 路由
│ │ │ ├── auth.py # 认证接口
│ │ │ ├── projects.py # 项目管理
│ │ │ ├── chapters.py # 章节管理
│ │ │ ├── characters.py # 角色管理
│ │ │ ├── wizard_stream.py # 向导流式生成
│ │ │ └── ...
│ │ ├── models/ # 数据模型
│ │ ├── schemas/ # Pydantic 模型
│ │ ├── services/ # 业务逻辑
│ │ │ ├── ai_service.py # AI 服务封装
│ │ │ └── oauth_service.py # OAuth 服务
│ │ ├── middleware/ # 中间件
│ │ ├── utils/ # 工具函数
│ │ ├── config.py # 配置管理
│ │ ├── database.py # 数据库连接
│ │ └── main.py # 应用入口
│ ├── data/ # 数据存储目录
│ ├── static/ # 前端静态文件（构建后）
│ ├── requirements.txt # Python 依赖
│ └── .env.example # 环境变量示例
├── frontend/ # 前端应用
│ ├── src/
│ │ ├── pages/ # 页面组件
│ │ │ ├── ProjectList.tsx # 项目列表
│ │ │ ├── ProjectWizardNew.tsx # 创建向导
│ │ │ ├── Chapters.tsx # 章节管理
│ │ │ ├── Characters.tsx # 角色管理
│ │ │ └── ...
│ │ ├── components/ # 通用组件
│ │ ├── services/ # API 服务
│ │ ├── store/ # 状态管理（Zustand）
│ │ ├── types/ # TypeScript 类型
│ │ └── utils/ # 工具函数
│ ├── package.json
│ └── vite.config.ts
├── docker-compose.yml # Docker Compose 配置
├── Dockerfile # Docker 镜像构建
└── README.md # 项目说明文档

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)