更新UPDATES

一、项目介绍 企业系统开发最重复的,是“每次都从登录、权限、CRUD 搭起”:后台、表单、报表、大屏,结构高度相似却要反复写。你想把时间花在业务上,却被脚手架缠住。 JeecgBoot 是企业级 AI 低代码平台:一句话即可生成整个系统,在线配置前后端代码甚至整套应用。内置 AI 应用平台涵盖 AI 聊天、知识库、流程编排、MCP 插件,AI Skills 还能一句话画流程、设计表单、生成报表与大屏。把“低代码 + AI”合在一起,让企业系统的产出从写代码变成配与生成。
Apache License 2.0-Windows / macOS / Linux-jeecgboot-访问 Github
一、项目介绍 代码审查最缺的是“又快又准”:人审慢且易漏,纯 LLM 审又常给泛泛而谈、戳不到行。你想在合并前拿到“精确到行”的意见,却被工具粒度卡住。 Open Code Review 是阿里开源的混合架构审查工具:确定性流水线 + LLM Agent 结合,产出精确到行的评论,且在阿里规模经过实战检验。它快、安全、高效,通过 CLI 配置供应商与模型,对当前改动发起审查,把“AI 审 + 规则审”合成一份可信报告。
Apache License 2.0-Windows / macOS / Linux-alibaba-访问 Github
一、项目介绍 做 RAG(检索增强生成),最累的是“把文档变成可问的知识”:切分、建索引、接 embedding、写检索,每一步都要自己串。你想“丢一堆文件进去就能问答”,却被数据管道卡住。 LlamaIndex 是面向 RAG 的文档处理平台:从加载、切分、索引到查询,一套核心 API 打通;按需装集成包接不同 LLM 与向量库。SimpleDirectoryReader 读目录、VectorStoreIndex 建索引、as_query_engine 直接问,把“文档进、...
MIT License-Windows / macOS / Linux-run-llama-访问 Github
一、项目介绍 用大模型,最烦的是“来回切换客户端”:这个模型在 A 站、那个在 B 站,知识库在一个工具、智能体在另一个。你想在一个地方同时用上 OpenAI、通义、Claude、本地 Ollama,却被入口割裂。 Cherry Studio 是一个开源 AI 生产力客户端:智能聊天、自主智能体、300+ 助手一体,统一接入各家前沿大模型(含本地 Ollama)。桌面端跨平台,知识库、绘画、翻译、多模型对比都收进同一个界面,把“用 AI”从到处登录变成一处搞定。
GNU Affero General Public License v3.0-Windows / macOS / Linux-cherryhq-访问 Github
一、项目介绍 用大模型搭多步智能体,最难的是“编排与可控”:让多个 Agent 协作、调用工具、记住上下文、可观测,自己拼一套既费时又脆弱。你想“描述任务就让几个 Agent 自己干活”,却被胶水代码缠住。 AutoGen 是微软开源的智能体编程框架:用清晰的 AgentChat API 定义助手、工具与团队,把多智能体编排、工具调用、流式输出收敛成可组合的代码。还附带 AutoGen Studio 无代码 GUI,几行 Python 就能跑起一个会调用工具、能协作的 Age...
Creative Commons Attribution 4.0 International-Windows / macOS / Linux-microsoft-访问 Github
一、项目介绍 做实时数据驱动应用时,最慢的一环往往是“存储”:关系库扛不住高并发读写,磁盘 IO 拖垮响应。你需要一个就在内存里、又能存结构数据的底座,让会话、排行榜、队列、缓存都快得起来。 Redis 是开发者做实时应用的首选:内存级速度、最丰富的缓存与数据结构服务器、文档齐全。字符串、哈希、列表、集合、流、JSON、向量一应俱全,既能当缓存,也能当消息队列与轻量数据库。新版还强化向量与搜索,让缓存之外的实时能力也站在同一引擎上。
GNU Affero General Public License v3.0-Windows / macOS / Linux-redis-访问 Github
一、项目介绍 把应用部署上线,Vercel、Heroku、Netlify 省心,但一旦要跑在自己服务器——合规、成本、数据主权——这些托管平台就不够用了。自己搭 PaaS 又是从零造:构建流水线、HTTPS、域名、扩缩容,每一项都不简单。 Coolify 是一个开源、可自托管的 PaaS:一条安装脚本起服务,就能把静态站、数据库、全栈应用、360+ 种资源一键部署到你的机器上,自动签发 HTTPS、绑定域名。Git push 即上线,把“用自己的基础设施享受 PaaS 体验”...
Apache License 2.0-Windows / macOS / Linux-coollabsio-访问 Github
一、项目介绍 用 Node.js 写 Web 服务,最朴素的痛点是“从零拼 HTTP 细节”:路由、中间件、请求解析,每一层都要手写。你想快速暴露一个 API 或跑起一个站点,却被样板代码缠住。 Express 是 Node.js 上极简、非侵入的网页框架:一个轻量内核加中间件模型,路由、JSON 解析、静态文件、错误处理都变成几行声明。它不替你做架构决定,只把常见 Web 需求降到最低成本,是无数 Node 服务与后续框架的起点。
MIT License-Windows / macOS / Linux-expressjs-访问 Github
一、项目介绍 前端工程最磨人的等待,是“改一行、等半天上”。传统打包器把整个依赖图先算一遍再起服务,开发时就为了一个热更新付出整包代价。你想专注写页面,却被构建卡住。 Vite 是下一代前端构建工具,用原生 ES 模块做开发服务器,启动即开、改完即更;生产构建则走 Rollup 做树摇与分包。开发态与生产态用同一套插件体系,既快又一致。无论 React、Vue、Svelte 还是原生,脚手架一条命令起,把“构建”从阻塞项变成背景项。
MIT License-Windows / macOS / Linux-vitejs-访问 Github
一、项目介绍 提示词(prompt)是 AI 工作流的燃料,但大多散落在聊天记录、笔记、Gist 里,想复用、想分享、想给团队统一一套,都很难。你收藏了一堆好 prompt,却没法像代码一样版本化、协作、检索。 Prompts.chat(前身 Awesome ChatGPT Prompts)是一个开源的提示词平台:社区共享、发现、收藏提示词,也可自托管给组织用,完整私有、可控。它提供 CLI 新建与管理本地提示词库,还能作为 MCP 服务器接进 AI 客户端,把“prompt...
MIT License-Web-f-访问 Github
一、项目介绍 爬网页这件事,轻则被反爬挡在门外,重则为了一个字段写一整套绕过逻辑:动态渲染、指纹伪装、限流重试,每一项都费时。你想“抓点数据”,却陷进浏览器自动化的泥潭。 Scrapling 是一个 Python 爬虫框架,从单次请求到全站爬取统一处理:自适应选择 fetcher(含无头浏览器与轻量 HTTP 引擎)、自动处理反爬与限流、内置 shell 交互调试,还提供基于站点的 Spider(如 Shopify)与 AI 模式。要快用轻引擎,要稳用浏览器,一个框架两头兼顾...
BSD 3-Clause License-Windows / macOS / Linux-d4vinci-访问 Github
一、项目介绍 搭个人或团队仪表盘时,最琐碎的是“找图标”:3400+ 个品牌 logo,散在各官网、各 CDN,尺寸格式不一,想引用还得下载再传。你只想在仪表盘或 Agent 提示里插一个干净的 Plex 图标,却被素材管理拖住。 Dashboard Icons 是 Homarr 维护的图标库:3400+ 精选品牌图标与 logo,提供 SVG/PNG/WEBP 与免费 jsDelivr CDN,直接按 URL 引用;同时附带一个给 Claude Code、Codex、Cha...
Apache License 2.0-Windows / macOS / Linux-homarr-labs-访问 Github
一、项目介绍 用 React 做产品,最难的不是写组件,而是“上线要补的一堆事”:路由、服务端渲染、数据获取、构建优化、边缘部署。自己拼这些,等于在写框架而不是写业务,稍有疏忽就是性能与 SEO 双双翻车。 Next.js 是 Vercel 出品的 React 框架,把生产环境需要的服务端渲染、静态生成、文件路由、图像与字体优化、增量构建收敛成开箱即用能力。一个框架覆盖从首屏到部署的全链路,让团队把精力放回产品,而不是重复造渲染与构建的轮子。
MIT License-Windows / macOS / Linux-vercel-访问 Github
一、项目介绍 给游戏做 MOD,门槛不在“想改什么”,而在“怎么改”:逆向工程、资源提取、3D/音频生成,每一步都要专业工具链,普通玩家根本无从下手。你想让 AI 帮你改游戏,却卡在它不懂游戏内存与资源格式。 Universal Modder 是一套给 Claude Code 用的技能、工具与 fal MCP:你指向任意一款自己拥有的 PC 游戏,它就能做侦察、逆向、用 fal 生成美术/3D/音频,把“改游戏”变成 Agent 可承接的任务。配套知识库还能检索既有改模组,避...
MIT License-Windows / macOS / Linux-rehan-remade-访问 Github
一、项目介绍 做文档处理时,格式碎片最磨人:PDF、Office、邮件、电子书、上百种扩展名,每种解析器接口都不一样,想在 Python、Node、Rust 之间复用同一套逻辑几乎不可能。你想“喂一份文件、拿到结构化数据”,却被语言边界卡住。 Xberg 是一个以 Rust 为核心的跨语言文档智能库:从 106 种格式、140 个文件扩展名里抽取文本、元数据、图片、表格与结构化数据,并提供 Python、Node.js、Rust、Go、.NET、PHP 多语言绑定。一个核心引...
MIT License-Windows / macOS / Linux-xberg-io-访问 Github