APP on 酒中仙

新型信息源

Sat, 07 Mar 2026 12:34:25 -0800

新型信息源

前言

以后可以做定制化一个！

NewsNow - 一个开源的实时热门新闻程序

概述

NewsNow 是一个开源的实时热门新闻聚合程序，旨在为用户提供一个简洁的界面和流畅的阅读体验，以便随时掌握最新的全球资讯。该程序支持多种部署方式，包括 Cloudflare Pages、Vercel 以及 Docker，同时提供了灵活的配置和数据库支持。

功能特点

实时新闻更新：NewsNow 提供实时更新的热门新闻，让用户能够及时了解全球动态。
优雅界面：用户界面简洁优雅，提升阅读体验。
灵活部署：支持 Cloudflare Pages、Vercel 以及 Docker 等多种部署方式。
自定义配置：用户可以根据需要配置环境变量和数据库，以定制新闻阅读体验。
数据库支持：支持多种数据库，包括 Cloudflare D1 数据库。
开源项目：基于 MIT 许可证，用户可以自由使用和修改。

使用总结

NewsNow 的主要优势在于其简洁的界面设计和实时新闻更新能力。作为一个开源项目，它允许用户根据自己的需求进行定制和部署。以下是一些关键点：

部署简便：如果不需要登录和缓存功能，可以直接将 NewsNow 部署到 Cloudflare Pages 或 Vercel，只需 Fork 项目后在对应平台上导入即可。
登录功能：登录功能涉及到 GitHub OAuth。创建 GitHub App 后，将获得 Client ID 和 Client Secret，不同平台的环境变量设置位置不同，请参考 example.env.server 文件。
数据库部署：推荐使用 Cloudflare Pages 和 Docker 部署。对于 Vercel，需要自行解决数据库问题。支持的数据库可以在 db0 connectors 查看。
开源社区：NewsNow Labs 是 NewsNow 的研发部门，进行自然语言处理、机器学习、基础设施管理和软件开发工具等方面的前沿研究，并公开其研究成果。

项目地址

项目地址：https://github.com/ourongxing/newsnow
在线地址：https://newsnow.busiyi.world

代码解读

zhihu.ts 获取知乎热榜

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55



interface Res {
 data: {
 type: "hot_list_feed"
 style_type: "1"
 feed_specific: {
 answer_count: 411
 }
 target: {
 title_area: {
 text: string
 }
 excerpt_area: {
 text: string
 }
 image_area: {
 url: string
 }
 metrics_area: {
 text: string
 font_color: string
 background: string
 weight: string
 }
 label_area: {
 type: "trend"
 trend: number
 night_color: string
 normal_color: string
 }
 link: {
 url: string
 }
 }
 }[]
}

export default defineSource({
 zhihu: async () => {
 const url = "https://www.zhihu.com/api/v3/feed/topstory/hot-list-web?limit=20&desktop=true"
 const res: Res = await myFetch(url)
 return res.data
 .map((k) => {
 return {
 id: k.target.link.url.match(/(\d+)$/)?.[1] ?? k.target.link.url,
 title: k.target.title_area.text,
 extra: {
 info: k.target.metrics_area.text,
 hover: k.target.excerpt_area.text,
 },
 url: k.target.link.url,
 }
 })
 },
})

github.ts

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35



import * as cheerio from "cheerio"
import type { NewsItem } from "@shared/types"

const trending = defineSource(async () => {
 const baseURL = "https://github.com"
 const html: any = await myFetch("https://github.com/trending?spoken_language_code=")
 const $ = cheerio.load(html)
 const $main = $("main .Box div[data-hpc] > article")
 const news: NewsItem[] = []
 $main.each((_, el) => {
 const a = $(el).find(">h2 a")
 const title = a.text().replace(/\n+/g, "").trim()
 const url = a.attr("href")
 const star = $(el).find("[href$=stargazers]").text().replace(/\s+/g, "").trim()
 const desc = $(el).find(">p").text().replace(/\n+/g, "").trim()
 if (url && title) {
 news.push({
 url: `${baseURL}${url}`,
 title,
 id: url,
 extra: {
 info: `✰ ${star}`,
 hover: desc,
 },
 })
 }
 })
 return news
})

export default defineSource({
 "github": trending,
 "github-trending-today": trending,
})

hackernews.ts

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29


import * as cheerio from "cheerio"
import type { NewsItem } from "@shared/types"

export default defineSource(async () => {
 const baseURL = "https://news.ycombinator.com"
 const html: any = await myFetch(baseURL)
 const $ = cheerio.load(html)
 const $main = $(".athing")
 const news: NewsItem[] = []
 $main.each((_, el) => {
 const a = $(el).find(".titleline a").first()
 // const url = a.attr("href")
 const title = a.text()
 const id = $(el).attr("id")
 const score = $(`#score_${id}`).text()
 const url = `${baseURL}/item?id=${id}`
 if (url && id && title) {
 news.push({
 url,
 title,
 id,
 extra: {
 info: score,
 },
 })
 }
 })
 return news
})

wallstreetcn.ts

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87


interface Item {
 uri: string
 id: number
 title?: string
 content_text: string
 content_short: string
 display_time: number
 type?: string
}
interface LiveRes {
 data: {
 items: Item[]
 }
}

interface NewsRes {
 data: {
 items: {
 // ad
 resource_type?: string
 resource: Item
 }[]
 }
}

interface HotRes {
 data: {
 day_items: Item[]
 }
}

// https://github.com/DIYgod/RSSHub/blob/master/lib/routes/wallstreetcn/live.ts
const live = defineSource(async () => {
 const apiUrl = `https://api-one.wallstcn.com/apiv1/content/lives?channel=global-channel&limit=30`

 const res: LiveRes = await myFetch(apiUrl)
 return res.data.items
 .map((k) => {
 return {
 id: k.id,
 title: k.title || k.content_text,
 extra: {
 date: k.display_time * 1000,
 },
 url: k.uri,
 }
 })
})

const news = defineSource(async () => {
 const apiUrl = `https://api-one.wallstcn.com/apiv1/content/information-flow?channel=global-channel&accept=article&limit=30`

 const res: NewsRes = await myFetch(apiUrl)
 return res.data.items
 .filter(k => k.resource_type !== "theme" && k.resource_type !== "ad" && k.resource.type !== "live" && k.resource.uri)
 .map(({ resource: h }) => {
 return {
 id: h.id,
 title: h.title || h.content_short,
 extra: {
 date: h.display_time * 1000,
 },
 url: h.uri,
 }
 })
})

const hot = defineSource(async () => {
 const apiUrl = `https://api-one.wallstcn.com/apiv1/content/articles/hot?period=all`

 const res: HotRes = await myFetch(apiUrl)
 return res.data.day_items
 .map((h) => {
 return {
 id: h.id,
 title: h.title!,
 url: h.uri,
 }
 })
})

export default defineSource({
 "wallstreetcn": live,
 "wallstreetcn-quick": live,
 "wallstreetcn-news": news,
 "wallstreetcn-hot": hot,
})

sspai.ts

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21


interface Res {
 data: {
 id: number
 title: string
 }[]
}

export default defineSource(async () => {
 const timestamp = Date.now()
 const limit = 30
 const url = `https://sspai.com/api/v1/article/tag/page/get?limit=${limit}&offset=0&created_at=${timestamp}&tag=%E7%83%AD%E9%97%A8%E6%96%87%E7%AB%A0&released=false`
 const res: Res = await myFetch(url)
 return res.data.map((k) => {
 const url = `https://sspai.com/post/${k.id}`
 return {
 id: k.id,
 title: k.title,
 url,
 }
 })
})

AI 舆情监控助手与热点筛选工具——TrendRadar

⭐AI-driven public opinion & trend monitor with multi-platform aggregation, RSS, and smart alerts.🎯 告别信息过载，你的 AI 舆情监控助手与热点筛选工具！聚合多平台热点 + RSS 订阅，支持关键词精准筛选。AI 翻译 + AI 分析简报直推手机，也支持接入 MCP 架构，赋能 AI 自然语言对话分析、情感洞察与趋势预测等。支持 Docker ，数据本地/云端自持。集成微信/飞书/钉钉/Telegram/邮件/ntfy/bark/slack 等渠道智能推送。

sansan0.github.io/TrendRadar/

GitHub-Repo-TrendRadar

✨ 核心功能

全网热点聚合

知乎
抖音
bilibili 热搜
华尔街见闻
贴吧
百度热搜
财联社热门
澎湃新闻
凤凰网
今日头条
微博

默认监控 11 个主流平台，也可自行增加额外的平台。

RSS 订阅源支持（v4.5.0 新增）

支持 RSS/Atom 订阅源抓取，按关键词分组统计（与热榜格式一致）：

统一格式：RSS 与热榜使用相同的关键词匹配和显示格式
简单配置：直接在 config.yaml 中添加 RSS 源
合并推送：热榜和 RSS 合并为一条消息推送

💡 RSS 使用与热榜相同的 frequency_words.txt 进行关键词过滤

可视化配置编辑器

提供基于 Web 的图形化配置界面，无需手动编辑 YAML 文件，通过表单即可完成所有配置项的修改与导出。

👉 在线体验：https://sansan0.github.io/TrendRadar/

智能推送策略

三种推送模式：

模式	适用场景	推送特点
当日汇总 (daily)	企业管理者/普通用户	按时推送当日所有匹配新闻（会包含之前推送过的）
当前榜单 (current)	自媒体人/内容创作者	按时推送当前榜单匹配新闻（持续在榜的每次都出现）
增量监控 (incremental)	投资者/交易员	仅推送新增内容，零重复

💡 快速选择指南：

不想看到重复新闻 → 用 incremental（增量监控）

想看完整榜单趋势 → 用 current（当前榜单）

需要每日汇总报告 → 用 daily（当日汇总）

详细对比和配置教程见配置详解 - 推送模式详解

附加功能（可选）：

功能	说明	默认
调度系统	按周一到周日逐日编排：为每天分配不同时间段、推送模式和 AI 分析策略。内置 5 种预设（always_on / morning_evening / office_hours / night_owl / custom），也可自定义。支持工作日/周末差异化、跨午夜时段、per-period 去重（v6.0.0）	morning_evening
内容顺序配置	通过 `display.region_order` 调整各区域（热榜、新增热点、RSS、独立展示区、AI 分析）的显示顺序；通过 `display.regions` 控制各区域是否显示（v5.2.0）	见配置文件
显示模式切换	`keyword`=按关键词分组，`platform`=按平台分组（v4.6.0 新增）	keyword

💡 详细配置教程见推送内容怎么显示？和什么时候给我推送？

精准内容筛选

设置个人关键词（如：AI、比亚迪、教育政策），只推送相关热点，过滤无关信息

💡 基础配置教程：关键词配置 - 基础语法

💡 高级配置教程：关键词配置 - 高级配置

💡 也可以不做筛选，完整推送所有热点（将 frequency_words.txt 留空）

热点趋势分析

实时追踪新闻热度变化，让你不仅知道"什么在热搜"，更了解"热点如何演变"

时间轴追踪：记录每条新闻从首次出现到最后出现的完整时间跨度
热度变化：统计新闻在不同时间段的排名变化和出现频次
新增检测：实时识别新出现的热点话题，用🆕标记第一时间提醒
持续性分析：区分一次性热点话题和持续发酵的深度新闻
跨平台对比：同一新闻在不同平台的排名表现，看出媒体关注度差异

💡 推送格式说明见消息样式说明

个性化热点算法

不再被各个平台的算法牵着走，TrendRadar 会重新整理全网热搜

💡 三个比例可以调整，详见配置详解 - 热点权重调整

多渠道多账号推送

支持企业微信(+ 微信推送方案)、飞书、钉钉、Telegram、邮件、ntfy、Bark、Slack，消息直达手机和邮箱

💡 详细配置教程见推送到多个群/设备

AI 多语言翻译（v5.2.0 新增）

将推送内容翻译为任意语言，打破语言壁垒，无论是阅读国内热点还是通过 RSS 订阅海外资讯，都能以母语轻松获取

一键翻译：在 config.yaml 中设置 ai_translation.enabled: true 和目标语言即可
多语言支持：支持 English、Korean、Japanese、French 等任意语言
智能批量处理：自动批量翻译，减少 API 调用次数，节省成本
自定义风格：通过 ai_translation_prompt.txt 自定义翻译风格和术语
共享模型配置：与 AI 分析功能共用 ai 配置段的模型设置

1
2
3
4


# config.yaml 快速启用示例
ai_translation:
 enabled: true
 language: "English" # 翻译目标语言

💡 翻译功能与 AI 分析功能共享模型配置，只需配置一次 ai.api_key 即可同时使用两个功能

RSS 源参考：以下是一些 RSS 订阅源合集，可按需选用

awesome-tech-rss - 科技、创业、编程领域博客和媒体
awesome-rss-feeds - 世界各国主流新闻媒体 RSS 合集

⚠️ 部分海外媒体内容可能涉及敏感话题，AI 模型可能拒绝翻译，建议根据实际需求筛选订阅源

灵活存储架构（v4.0.0 重大更新）

多存储后端支持：

远程云存储：GitHub Actions 环境默认，支持 S3 兼容协议（R2/OSS/COS 等），数据存储在云端，不污染仓库
本地 SQLite 数据库：Docker/本地环境默认，数据完全可控
自动后端选择：根据运行环境智能切换存储方式

💡 详细说明见数据保存在哪里？

多端部署

GitHub Actions：定时自动爬取 + 远程云存储（需签到续期）
Docker 部署：支持多架构容器化运行，数据本地存储
本地运行：Windows/Mac/Linux 直接运行

AI 分析推送（v5.0.0 新增）

使用 AI 大模型对推送内容进行深度分析，自动生成热点洞察报告

智能分析：自动分析热点趋势、关键词热度、跨平台关联、潜在影响
多提供商：支持 DeepSeek、OpenAI、Gemini 及 OpenAI 兼容接口
灵活推送：可选仅原始内容、仅 AI 分析、或两者都推送
自定义提示词：通过 config/ai_analysis_prompt.txt 自定义分析角度

💡 详细配置教程见让 AI 帮我分析热点

独立展示区（v5.0.0 新增）

为指定平台提供完整热榜展示，不受关键词过滤影响

完整热榜：指定平台的热榜完整展示，适合想看完整排名的用户
RSS 独立展示：RSS 源内容可完整展示，不受关键词限制
AI 深度分析：可独立开启 AI 对完整热榜的趋势分析，无需在推送中展示
灵活配置：支持配置展示平台、RSS 源、最大条数

💡 详细配置教程见推送内容怎么显示？ - 独立展示区

AI 智能分析（v3.0.0 新增）

基于 MCP (Model Context Protocol) 协议的 AI 对话分析系统，让你用自然语言深度挖掘新闻数据

💡 使用提示：AI 功能需要本地新闻数据支持

项目自带测试数据，可立即体验功能

建议自行部署运行项目，获取更实时的数据

详见 AI 智能分析

网页部署

运行后根目录生成 index.html，即为完整的新闻报告页面。

部署方式：点击 Use this template 创建仓库，可部署到 Cloudflare Pages 或 GitHub Pages 等静态托管平台。

💡 提示：启用 GitHub Pages 可获得在线访问地址，进入仓库 Settings → Pages 即可开启。效果预览

⚠️ 原 GitHub Actions 自动存储功能已下线（该方案曾导致 GitHub 服务器负载过高，影响平台稳定性）。

减少 APP 依赖

从"被算法推荐绑架"变成"主动获取自己想要的信息"

适合人群： 投资者、自媒体人、企业公关、关心时事的普通用户

典型场景： 股市投资监控、品牌舆情追踪、行业动态关注、生活资讯获取

代码分析

crawler/fetcher.py

 1
 2
 3
 4
 5
 6
 7
 8
 9
 10
 11
 12
 13
 14
 15
 16
 17
 18
 19
 20
 21
 22
 23
 24
 25
 26
 27
 28
 29
 30
 31
 32
 33
 34
 35
 36
 37
 38
 39
 40
 41
 42
 43
 44
 45
 46
 47
 48
 49
 50
 51
 52
 53
 54
 55
 56
 57
 58
 59
 60
 61
 62
 63
 64
 65
 66
 67
 68
 69
 70
 71
 72
 73
 74
 75
 76
 77
 78
 79
 80
 81
 82
 83
 84
 85
 86
 87
 88
 89
 90
 91
 92
 93
 94
 95
 96
 97
 98
 99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184


# coding=utf-8
"""
数据获取器模块

负责从 NewsNow API 抓取新闻数据，支持：
- 单个平台数据获取
- 批量平台数据爬取
- 自动重试机制
- 代理支持
"""

import json
import random
import time
from typing import Dict, List, Tuple, Optional, Union

import requests


class DataFetcher:
 """数据获取器"""

 # 默认 API 地址
 DEFAULT_API_URL = "https://newsnow.busiyi.world/api/s"

 # 默认请求头
 DEFAULT_HEADERS = {
 "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36",
 "Accept": "application/json, text/plain, */*",
 "Accept-Language": "zh-CN,zh;q=0.9,en;q=0.8",
 "Connection": "keep-alive",
 "Cache-Control": "no-cache",
 }

 def __init__(
 self,
 proxy_url: Optional[str] = None,
 api_url: Optional[str] = None,
 ):
 """
 初始化数据获取器

 Args:
 proxy_url: 代理服务器 URL（可选）
 api_url: API 基础 URL（可选，默认使用 DEFAULT_API_URL）
 """
 self.proxy_url = proxy_url
 self.api_url = api_url or self.DEFAULT_API_URL

 def fetch_data(
 self,
 id_info: Union[str, Tuple[str, str]],
 max_retries: int = 2,
 min_retry_wait: int = 3,
 max_retry_wait: int = 5,
 ) -> Tuple[Optional[str], str, str]:
 """
 获取指定ID数据，支持重试

 Args:
 id_info: 平台ID 或 (平台ID, 别名) 元组
 max_retries: 最大重试次数
 min_retry_wait: 最小重试等待时间（秒）
 max_retry_wait: 最大重试等待时间（秒）

 Returns:
 (响应文本, 平台ID, 别名) 元组，失败时响应文本为 None
 """
 if isinstance(id_info, tuple):
 id_value, alias = id_info
 else:
 id_value = id_info
 alias = id_value

 url = f"{self.api_url}?id={id_value}&latest"

 proxies = None
 if self.proxy_url:
 proxies = {"http": self.proxy_url, "https": self.proxy_url}

 retries = 0
 while retries <= max_retries:
 try:
 response = requests.get(
 url,
 proxies=proxies,
 headers=self.DEFAULT_HEADERS,
 timeout=10,
 )
 response.raise_for_status()

 data_text = response.text
 data_json = json.loads(data_text)

 status = data_json.get("status", "未知")
 if status not in ["success", "cache"]:
 raise ValueError(f"响应状态异常: {status}")

 status_info = "最新数据" if status == "success" else "缓存数据"
 print(f"获取 {id_value} 成功（{status_info}）")
 return data_text, id_value, alias

 except Exception as e:
 retries += 1
 if retries <= max_retries:
 base_wait = random.uniform(min_retry_wait, max_retry_wait)
 additional_wait = (retries - 1) * random.uniform(1, 2)
 wait_time = base_wait + additional_wait
 print(f"请求 {id_value} 失败: {e}. {wait_time:.2f}秒后重试...")
 time.sleep(wait_time)
 else:
 print(f"请求 {id_value} 失败: {e}")
 return None, id_value, alias

 return None, id_value, alias

 def crawl_websites(
 self,
 ids_list: List[Union[str, Tuple[str, str]]],
 request_interval: int = 100,
 ) -> Tuple[Dict, Dict, List]:
 """
 爬取多个网站数据

 Args:
 ids_list: 平台ID列表，每个元素可以是字符串或 (平台ID, 别名) 元组
 request_interval: 请求间隔（毫秒）

 Returns:
 (结果字典, ID到名称的映射, 失败ID列表) 元组
 """
 results = {}
 id_to_name = {}
 failed_ids = []

 for i, id_info in enumerate(ids_list):
 if isinstance(id_info, tuple):
 id_value, name = id_info
 else:
 id_value = id_info
 name = id_value

 id_to_name[id_value] = name
 response, _, _ = self.fetch_data(id_info)

 if response:
 try:
 data = json.loads(response)
 results[id_value] = {}

 for index, item in enumerate(data.get("items", []), 1):
 title = item.get("title")
 # 跳过无效标题（None、float、空字符串）
 if title is None or isinstance(title, float) or not str(title).strip():
 continue
 title = str(title).strip()
 url = item.get("url", "")
 mobile_url = item.get("mobileUrl", "")

 if title in results[id_value]:
 results[id_value][title]["ranks"].append(index)
 else:
 results[id_value][title] = {
 "ranks": [index],
 "url": url,
 "mobileUrl": mobile_url,
 }
 except json.JSONDecodeError:
 print(f"解析 {id_value} 响应失败")
 failed_ids.append(id_value)
 except Exception as e:
 print(f"处理 {id_value} 数据出错: {e}")
 failed_ids.append(id_value)
 else:
 failed_ids.append(id_value)

 # 请求间隔（除了最后一个）
 if i < len(ids_list) - 1:
 actual_interval = request_interval + random.randint(-10, 20)
 actual_interval = max(50, actual_interval)
 time.sleep(actual_interval / 1000)

 print(f"成功: {list(results.keys())}, 失败: {failed_ids}")
 return results, id_to_name, failed_ids

WorldMonitor:开源的“全球战情室”软件，可追踪伊朗局势

Real-time global intelligence dashboard — AI-powered news aggregation, geopolitical monitoring, and infrastructure tracking in a unified situational awareness interface

worldmonitor.app

https://github.com/koala73/worldmonitor

World Monitor 是一个由独立开发者 koala73（Elie Habib）开发的实时全球情报仪表板。该项目旨在将原本分散在数十个独立工具中的地缘政治、军事、基础设施及金融数据整合至统一的态势感知界面（Single Pane of Glass）。截至 2026 年初，该项目在 GitHub 已获得超过 2.4 万个 Star，被广泛誉为“开源版彭博终端”或“平民版战情室”。

World Monitor：开源的全球情报监测仪表板

核心功能分析

World Monitor 的功能矩阵围绕可视化、实时性、AI 化三个维度展开：

多维数据图层（40+ Data Layers）：
军事与冲突： 实时追踪全球冲突热点、220+ 军事基地、核设施分布及 GPS 干扰区。
基础设施： 覆盖全球海底光缆、油气管道、主要港口及 AI 数据中心。
实时动态： 集成活体军机（ADS-B）、民用舰船（AIS）追踪及 NASA FIRMS 卫星火点监测。
AI 驱动的情报处理：
- 自动简报（World Brief）：调用 LLM（如 GPT-4, Claude 或本地 Ollama）对每日全球要闻进行结构化摘要。
- RAG 语义检索：内置 Headline Memory，支持对历史事件进行语义搜索，而非简单的关键词匹配。
- 不稳定指数（CII）：基于实时信号量化评估不同国家/地区的动荡风险。
交互式 3D 可视化：
- 基于 deck.gl 与 MapLibre GL JS 开发，支持丝滑的 3D 地球旋转与多层数据叠加，提供极佳的视觉感知力。
三大专业变体：
- World： 侧重地缘政治与军事安全。
- Tech： 侧重半导体供应链、AI 基础设施与科技趋势。
- Finance： 侧重全球 92 家交易所动态、央行政策及预测市场（如 Polymarket）。

使用方法指南

轻量化访问（PWA）：通过浏览器访问 https://worldmonitor.app ，可直接将其安装为 PWA 应用。其支持离线地图缓存，适合日常快速查阅。

World Monitor 核心入口：项目地址：https://github.com/koala73/worldmonitor在线体验（强烈建议立刻打开）： https://worldmonitor.app（世界版）， https://tech.worldmonitor.app （科技版）， https://finance.worldmonitor.app （金融版）

桌面端运行（Tauri）：下载适用于 Windows、macOS 或 Linux 的原生客户端。相比 Web 版，桌面端能更好地保护本地隐私，并支持系统级的实时通知推送。

界面实战操作指南

全方位监控：使用鼠标拖拽旋转 3D 地球，点击热点（如冲突区或舰艇图标）查看详细数据。
一键 AI 总结：在底部新闻面板中，点击单条新闻的 “Summarize” 按钮，AI 会快速给出核心解读。
快捷键助力：Cmd+K（或 Ctrl+K）可唤起全局搜索；面板支持自由拖拽和重组，适配超宽屏办公。
多语言支持：设置中可切换为简体/繁体中文，降低阅读障碍。
本地部署与隐私模式（Docker/Source）：
安装Ollama：登录Ollama 官网下载安装Ollama，建议下载一个推理能力较强且显存占用适中的模型（如 Llama 3.2 或 Qwen 2.5）。
World Monitor 端配置：在 World Monitor 中将 AI 引擎从默认的云端（如 OpenAI/Gemini）切换至本地 Ollama。World Monitor 通常通过 HTTP API 与 Ollama 通信。默认地址为：http://localhost:11434，即可实现情报的本地化分析，确保敏感搜索数据不上传至云端。

技术栈

前端: TypeScript + Vite + React
地图渲染: deck.gl (WebGL) + MapLibre GL JS
AI/ML: Groq (Llama 3.1) + OpenRouter + Transformers.js (浏览器端 NER/嵌入)
缓存: Redis (Upstash) + 三层缓存架构（内存 → Redis → 上游）
跨用户 AI 去重: 相同查询共享 LLM 结果，减少 API 调用

部署方式——零配置模式（推荐新手）

无需 API Key，基础功能正常运行。

自建部署

1
2
3
4
5


git clone https://github.com/koala73/worldmonitor.git
cd worldmonitor
pnpm install
pnpm build
pnpm preview --host 0.0.0.0 --port 8888

可选配置 (.env.local)

1
2
3
4
5
6
7


# AI/ML（可选）
VITE_GROQ_API_KEY=your_groq_key
VITE_OPENROUTER_API_KEY=your_openrouter_key

# 缓存（可选）
VITE_UPSTASH_REDIS_URL=your_redis_url
VITE_UPSTASH_REDIS_TOKEN=your_redis_token

优劣分析

优势（Value）：

效率革命： 极大降低了情报搜集的时间成本。原本需要数小时的跨平台监测，现在可在 10 分钟内通过仪表板完成。
门槛降低： 专业的 OSINT 工具以往多为付费或仅供机构使用，World Monitor 实现了专业能力的平民化。
高度可扩展： 作为开源项目，支持用户自定义 RSS 源与 API 接口，具有极强的生命力。

局限性（Limitations）：

移动端适配： 目前主打桌面端体验，屏幕尺寸小于 768px 时交互受限，不适合碎片化移动办公。
数据延迟： 依赖公开数据源（Open Source），部分极端敏感事件可能存在分钟级甚至小时级的滞后。
语言限制： 尽管 UI 支持中文，但部分深层专业图层的数据标签仍以英文为主。

使用建议

建立“早晚报”机制： 建议分析从业者利用其 AI Brief 功能，每天固定生成两份针对特定区域的简报，快速建立背景感知。
信号叠加分析： 当地图上某一区域同时出现“GPS 干扰”、“异常飞行轨迹”与“火点”时，应将其视为高等级预警信号。
结合本地 LLM： 建议使用 Llama 3 或类似参数量的模型进行推理，既能保证分析逻辑的严密性，又能规避在线 API 的额度限制。
资产监控： 投资者可利用 Finance 变体监控关键航运枢纽（如苏伊士运河）的船只密度，作为判断大宗商品走势的辅助指标。

代码解析

telegram-channels.json

 1
 2
 3
 4
 5
 6
 7
 8
 9
 10
 11
 12
 13
 14
 15
 16
 17
 18
 19
 20
 21
 22
 23
 24
 25
 26
 27
 28
 29
 30
 31
 32
 33
 34
 35
 36
 37
 38
 39
 40
 41
 42
 43
 44
 45
 46
 47
 48
 49
 50
 51
 52
 53
 54
 55
 56
 57
 58
 59
 60
 61
 62
 63
 64
 65
 66
 67
 68
 69
 70
 71
 72
 73
 74
 75
 76
 77
 78
 79
 80
 81
 82
 83
 84
 85
 86
 87
 88
 89
 90
 91
 92
 93
 94
 95
 96
 97
 98
 99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317


{
 "version": 1,
 "updatedAt": "2026-02-23T18:37:10Z",
 "note": "Product-managed curated list. Not user-configurable.",
 "channels": {
 "full": [
 {
 "handle": "VahidOnline",
 "label": "Vahid Online",
 "topic": "politics",
 "tier": 1,
 "enabled": true,
 "region": "iran",
 "maxMessages": 20
 },
 {
 "handle": "abualiexpress",
 "label": "Abu Ali Express",
 "topic": "middleeast",
 "tier": 2,
 "enabled": true,
 "region": "middleeast",
 "maxMessages": 25
 },
 {
 "handle": "AuroraIntel",
 "label": "Aurora Intel",
 "topic": "conflict",
 "tier": 2,
 "enabled": true,
 "region": "global",
 "maxMessages": 20
 },
 {
 "handle": "BNONews",
 "label": "BNO News",
 "topic": "breaking",
 "tier": 2,
 "enabled": true,
 "region": "global",
 "maxMessages": 25
 },
 {
 "handle": "ClashReport",
 "label": "Clash Report",
 "topic": "conflict",
 "tier": 2,
 "enabled": true,
 "region": "global",
 "maxMessages": 30
 },
 {
 "handle": "DeepStateUA",
 "label": "DeepState",
 "topic": "conflict",
 "tier": 2,
 "enabled": true,
 "region": "ukraine",
 "maxMessages": 20
 },
 {
 "handle": "DefenderDome",
 "label": "The Defender Dome",
 "topic": "conflict",
 "tier": 2,
 "enabled": true,
 "region": "global",
 "maxMessages": 25
 },
 {
 "handle": "englishabuali",
 "label": "Abu Ali Express EN",
 "topic": "middleeast",
 "tier": 2,
 "enabled": true,
 "region": "middleeast",
 "maxMessages": 25
 },
 {
 "handle": "iranintltv",
 "label": "Iran International",
 "topic": "politics",
 "tier": 2,
 "enabled": true,
 "region": "iran",
 "maxMessages": 20
 },
 {
 "handle": "kpszsu",
 "label": "Air Force of the Armed Forces of Ukraine",
 "topic": "alerts",
 "tier": 2,
 "enabled": true,
 "region": "ukraine",
 "maxMessages": 20
 },
 {
 "handle": "LiveUAMap",
 "label": "LiveUAMap",
 "topic": "breaking",
 "tier": 2,
 "enabled": true,
 "region": "global",
 "maxMessages": 25
 },
 {
 "handle": "OSINTdefender",
 "label": "OSINTdefender",
 "topic": "conflict",
 "tier": 2,
 "enabled": true,
 "region": "global",
 "maxMessages": 25
 },
 {
 "handle": "OsintUpdates",
 "label": "Osint Updates",
 "topic": "breaking",
 "tier": 2,
 "enabled": true,
 "region": "global",
 "maxMessages": 20
 },
 {
 "handle": "bellingcat",
 "label": "Bellingcat",
 "topic": "osint",
 "tier": 3,
 "enabled": true,
 "region": "global",
 "maxMessages": 10
 },
 {
 "handle": "CyberDetective",
 "label": "CyberDetective",
 "topic": "cyber",
 "tier": 3,
 "enabled": true,
 "region": "global",
 "maxMessages": 15
 },
 {
 "handle": "GeopoliticalCenter",
 "label": "GeopoliticalCenter",
 "topic": "geopolitics",
 "tier": 3,
 "enabled": true,
 "region": "global",
 "maxMessages": 20
 },
 {
 "handle": "Middle_East_Spectator",
 "label": "Middle East Spectator",
 "topic": "middleeast",
 "tier": 3,
 "enabled": true,
 "region": "middleeast",
 "maxMessages": 20
 },
 {
 "handle": "MiddleEastNow_Breaking",
 "label": "Middle East Now Breaking",
 "topic": "middleeast",
 "tier": 3,
 "enabled": true,
 "region": "middleeast",
 "maxMessages": 15
 },
 {
 "handle": "nexta_tv",
 "label": "NEXTA",
 "topic": "politics",
 "tier": 3,
 "enabled": true,
 "region": "europe",
 "maxMessages": 15
 },
 {
 "handle": "OSINTIndustries",
 "label": "OSINT Industries",
 "topic": "osint",
 "tier": 3,
 "enabled": true,
 "region": "global",
 "maxMessages": 15
 },
 {
 "handle": "Osintlatestnews",
 "label": "OSIntOps News",
 "topic": "osint",
 "tier": 3,
 "enabled": true,
 "region": "global",
 "maxMessages": 20
 },
 {
 "handle": "osintlive",
 "label": "OSINT Live",
 "topic": "osint",
 "tier": 3,
 "enabled": true,
 "region": "global",
 "maxMessages": 15
 },
 {
 "handle": "OsintTv",
 "label": "OsintTV",
 "topic": "geopolitics",
 "tier": 3,
 "enabled": true,
 "region": "global",
 "maxMessages": 15
 },
 {
 "handle": "spectatorindex",
 "label": "The Spectator Index",
 "topic": "breaking",
 "tier": 3,
 "enabled": true,
 "region": "global",
 "maxMessages": 15
 },
 {
 "handle": "wfwitness",
 "label": "Witness",
 "topic": "breaking",
 "tier": 3,
 "enabled": true,
 "region": "global",
 "maxMessages": 15
 },
 {
 "handle": "war_monitor",
 "label": "monitor",
 "topic": "alerts",
 "tier": 3,
 "enabled": true,
 "region": "ukraine",
 "maxMessages": 20
 },
 {
 "handle": "nayaforiraq",
 "label": "Naya for Iraq",
 "topic": "politics",
 "tier": 3,
 "enabled": true,
 "region": "middleeast",
 "maxMessages": 20
 },
 {
 "handle": "yediotnews25",
 "label": "Yedioth News",
 "topic": "breaking",
 "tier": 3,
 "enabled": true,
 "region": "middleeast",
 "maxMessages": 20
 },
 {
 "handle": "DDGeopolitics",
 "label": "DD Geopolitics",
 "topic": "geopolitics",
 "tier": 3,
 "enabled": true,
 "region": "global",
 "maxMessages": 20
 },
 {
 "handle": "FotrosResistancee",
 "label": "Fotros Resistance",
 "topic": "conflict",
 "tier": 3,
 "enabled": true,
 "region": "iran",
 "maxMessages": 20
 },
 {
 "handle": "RezistanceTrench1",
 "label": "Resistance Trench",
 "topic": "conflict",
 "tier": 3,
 "enabled": true,
 "region": "middleeast",
 "maxMessages": 20
 },
 {
 "handle": "geopolitics_prime",
 "label": "Geopolitics Prime",
 "topic": "geopolitics",
 "tier": 3,
 "enabled": true,
 "region": "global",
 "maxMessages": 20
 },
 {
 "handle": "thecradlemedia",
 "label": "The Cradle",
 "topic": "middleeast",
 "tier": 3,
 "enabled": true,
 "region": "middleeast",
 "maxMessages": 20
 },
 {
 "handle": "LebUpdate",
 "label": "Lebanon Update",
 "topic": "breaking",
 "tier": 3,
 "enabled": true,
 "region": "middleeast",
 "maxMessages": 20
 }
 ],
 "tech": [],
 "finance": []
 }
}

gamma-irradiators.json

The IAEA has recently published its updated Database on Industrial Irradiation Facilities (DIIF), featuring an interactive map with information on nearly 300 gamma irradiators and electron accelerators from around the world.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


{
 "source": "IAEA DIIF - Database on Industrial Irradiation Facilities",
 "tableauUrl": "https://public.tableau.com/app/profile/acceleratorknowledgeportal/viz/IrradiatorDatabase/Home",
 "extracted": "2026-01-09",
 "totalFacilities": 136,
 "note": "Gamma irradiator facilities worldwide. Coordinates extracted from Tableau Public visualization.",
 "facilities": [
 { "id": "gi-001", "city": "Vega Alta", "country": "Puerto Rico", "lat": 18.420295, "lon": -66.334995 },
 { "id": "gi-002", "city": "Northborough, MA", "country": "USA", "lat": 42.311091, "lon": -71.649221 },
 { "id": "gi-003", "city": "Chester, NY", "country": "USA", "lat": 41.323774, "lon": -74.289753 },
 { "id": "gi-136", "city": "Ibaraki", "country": "Japan", "lat": 5.677879, "lon": 140.48205 }
 ]
}

mirta-processed.json

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45


{
 "metadata": {
 "source": "MIRTA - Military Installations, Ranges and Training Areas",
 "url": "https://geospatial-usace.opendata.arcgis.com/maps/fc0f38c5a19a46dbacd92f2fb823ef8c",
 "fetchedAt": "2026-02-27T20:15:03.751Z",
 "totalInstallations": 832,
 "fromPoints": 737,
 "fromBoundariesOnly": 95
 },
 "installations": [
 {
 "name": "1LT John A Fera USARC",
 "branch": "Army Reserve",
 "status": "Active",
 "state": "Massachusetts",
 "lat": 42.589288,
 "lon": -70.943131,
 "kind": "Installation",
 "component": "Reserve",
 "jointBase": false
 },
 {
 "name": "Yukon Weapons Range",
 "branch": "Air Force",
 "status": "Active",
 "state": "Alaska",
 "lat": 64.768855128,
 "lon": -146.894347173,
 "kind": "Installation",
 "component": "Active",
 "jointBase": false
 },
 {
 "name": "Yuma Proving Ground",
 "branch": "Army",
 "status": "Active",
 "state": "Arizona",
 "lat": 33.1700688670001,
 "lon": -114.353450857,
 "kind": "Installation",
 "component": "Active",
 "jointBase": false
 }
 ]
}

.env.example

 1
 2
 3
 4
 5
 6
 7
 8
 9
 10
 11
 12
 13
 14
 15
 16
 17
 18
 19
 20
 21
 22
 23
 24
 25
 26
 27
 28
 29
 30
 31
 32
 33
 34
 35
 36
 37
 38
 39
 40
 41
 42
 43
 44
 45
 46
 47
 48
 49
 50
 51
 52
 53
 54
 55
 56
 57
 58
 59
 60
 61
 62
 63
 64
 65
 66
 67
 68
 69
 70
 71
 72
 73
 74
 75
 76
 77
 78
 79
 80
 81
 82
 83
 84
 85
 86
 87
 88
 89
 90
 91
 92
 93
 94
 95
 96
 97
 98
 99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194


# ============================================
# World Monitor — Environment Variables
# ============================================
# Copy this file to .env.local and fill in the values you need.
# All keys are optional — the dashboard works without them,
# but the corresponding features will be disabled.
#
# cp .env.example .env.local
#
# ============================================


# ------ AI Summarization (Vercel) ------

# Groq API (primary — 14,400 req/day on free tier)
# Get yours at: https://console.groq.com/
GROQ_API_KEY=

# OpenRouter API (fallback — 50 req/day on free tier)
# Get yours at: https://openrouter.ai/
OPENROUTER_API_KEY=


# ------ Cross-User Cache (Vercel — Upstash Redis) ------

# Used to deduplicate AI calls and cache risk scores across visitors.
# Create a free Redis database at: https://upstash.com/
UPSTASH_REDIS_REST_URL=
UPSTASH_REDIS_REST_TOKEN=


# ------ Market Data (Vercel) ------

# Finnhub (primary stock quotes — free tier available)
# Register at: https://finnhub.io/
FINNHUB_API_KEY=


# ------ Energy Data (Vercel) ------

# U.S. Energy Information Administration (oil prices, production, inventory)
# Register at: https://www.eia.gov/opendata/
EIA_API_KEY=


# ------ Economic Data (Vercel) ------

# FRED (Federal Reserve Economic Data)
# Register at: https://fred.stlouisfed.org/docs/api/api_key.html
FRED_API_KEY=


# ------ Aviation Intelligence (Vercel) ------

# AviationStack (live flight data, airport flights, carrier ops)
# Register at: https://aviationstack.com/
AVIATIONSTACK_API=

# ICAO API (NOTAM airport closures — optional, MENA region)
# Register at: https://applications.icao.int/
ICAO_API_KEY=

# Travelpayouts (flight price search — optional, demo only)
# Register at: https://www.travelpayouts.com/
TRAVELPAYOUTS_API_TOKEN=


# ------ Aircraft Tracking (Vercel) ------

# Wingbits aircraft enrichment (owner, operator, type)
# Contact: https://wingbits.com/
WINGBITS_API_KEY=


# ------ Conflict & Protest Data (Vercel) ------

# ACLED (Armed Conflict Location & Event Data — free for researchers)
# Register at: https://acleddata.com/
ACLED_ACCESS_TOKEN=

# UCDP (Uppsala Conflict Data Program — access token required since 2025)
# Register at: https://ucdp.uu.se/apidocs/
UCDP_ACCESS_TOKEN=


# ------ Internet Outages (Vercel) ------

# Cloudflare Radar API (requires free Cloudflare account with Radar access)
CLOUDFLARE_API_TOKEN=


# ------ Satellite Fire Detection (Vercel) ------

# NASA FIRMS (Fire Information for Resource Management System)
# Register at: https://firms.modaps.eosdis.nasa.gov/
NASA_FIRMS_API_KEY=


# ------ Railway Relay (scripts/ais-relay.cjs) ------
# The relay server handles AIS vessel tracking + OpenSky aircraft data + RSS proxy.
# It can also run the Telegram OSINT poller (stateful MTProto) when configured.
# Deploy on Railway with: node scripts/ais-relay.cjs

# AISStream API key for live vessel positions
# Get yours at: https://aisstream.io/
AISSTREAM_API_KEY=

# OpenSky Network OAuth2 credentials (higher rate limits for cloud IPs)
# Register at: https://opensky-network.org/
OPENSKY_CLIENT_ID=
OPENSKY_CLIENT_SECRET=


# ------ Telegram OSINT (Railway relay) ------
# Telegram MTProto keys (free): https://my.telegram.org/apps
TELEGRAM_API_ID=
TELEGRAM_API_HASH=

# GramJS StringSession generated locally (see: scripts/telegram/session-auth.mjs)
TELEGRAM_SESSION=

# Which curated list bucket to ingest: full | tech | finance
TELEGRAM_CHANNEL_SET=full

# ------ Railway Relay Connection (Vercel → Railway) ------

# Server-side URL (https://) — used by Vercel edge functions to reach the relay
WS_RELAY_URL=

# Optional client-side URL (wss://) — local/dev fallback only
VITE_WS_RELAY_URL=

# Shared secret between Vercel and Railway relay.
# Must be set to the SAME value on both platforms in production.
RELAY_SHARED_SECRET=

# Header name used to send the relay secret (must match on both platforms)
RELAY_AUTH_HEADER=x-relay-key

# Emergency production override to allow unauthenticated relay traffic.
# Leave unset/false in production.
ALLOW_UNAUTHENTICATED_RELAY=false

# Rolling window size (seconds) used by relay /metrics endpoint.
RELAY_METRICS_WINDOW_SECONDS=60


# ------ Public Data Sources (no keys required) ------

# UNHCR (UN Refugee Agency) — public API, no auth (CC BY 4.0)
# Open-Meteo — public API, no auth (processes Copernicus ERA5)
# WorldPop — public API, no auth needed


# ------ Site Configuration ------

# Site variant: "full" (worldmonitor.app) or "tech" (tech.worldmonitor.app)
VITE_VARIANT=full

# API base URL for web redirect. When set, browser fetch calls to /api/*
# are redirected to this URL. Leave empty for same-domain API (local installs).
# Production: https://api.worldmonitor.app
VITE_WS_API_URL=

# Client-side Sentry DSN (optional). Leave empty to disable error reporting.
VITE_SENTRY_DSN=

# Map interaction mode:
# - "flat" keeps pitch/rotation disabled (2D interaction)
# - "3d" enables pitch/rotation interactions (default)
VITE_MAP_INTERACTION_MODE=3d

# Self-hosted map tiles (optional — PMTiles on Cloudflare R2 or any HTTP server)
# Leave empty to use free OpenFreeMap tiles. Set to your own PMTiles URL for self-hosted tiles.
# See: https://protomaps.com/docs/pmtiles for how to generate PMTiles files.
VITE_PMTILES_URL=
# Public CORS-enabled URL for the same PMTiles file (used by Tauri desktop app).
# If your VITE_PMTILES_URL is behind a reverse proxy without CORS, set this to the
# direct R2/S3 public URL. The desktop app uses this URL; the web app uses VITE_PMTILES_URL.
VITE_PMTILES_URL_PUBLIC=


# ------ Desktop Cloud Fallback (Vercel) ------

# Comma-separated list of valid API keys for desktop cloud fallback.
# Generate with: openssl rand -hex 24 | sed 's/^/wm_/'
WORLDMONITOR_VALID_KEYS=


# ------ Registration DB (Convex) ------

# Convex deployment URL for email registration storage.
# Set up at: https://dashboard.convex.dev/
CONVEX_URL=

Situation Monitor Dashboard

A geopolitics-focused news aggregation dashboard with 3D globe visualization, designed for monitoring global situations, US policy changes, and conflict zones.

其他

全球地缘政治事件时仪表盘工具汇总

链接： https://zhuanlan.zhihu.com/p/2012091361713730005

汇总一下提供全球新闻、市场和地缘政治事件的实时仪表盘类工具，方便跟踪当下的伊朗等国际地缘政治热点事件。

Pentagon Pizza Watch & Polyglobe

https://www.pizzint.watch/

五角大楼披萨指数，监测美国五角大楼周边披萨店指数，观察潜在的军事活动趋势

Polyglobe

https://www.pizzint.watch/polyglobe

https://www.pizzint.watch/about/polyglobe

Pentagon Pizza Watch 的 Polyglobe，用于可视化地缘政治预测市场的实时 Polymarket 地图

Liveuamap

https://www.liveuamap.com/

全球冲突事件实时地图

Glint

Glint - Real-time Prediction Market Intelligence

专为预测市场交易者设计的实时开源情报仪表盘，将突发新闻、社会媒体信号、开源情报和军事飞行数据实时映射到Polymarket等平台的合约赔率上

Situation Monitor

https://hipcityreg-situation-monitor.vercel.app/

https://github.com/hipcityreg/situation-monitor

开源监控全球新闻、市场和地缘政治事件的实时仪表盘

Watchtower

https://github.com/lajosdeme/watchtower

开源基于终端的全球情报仪表盘

Iran Monitor

https://www.iranmonitor.org/

一站式获取与伊朗有关可靠资讯的开源情报站，追踪伊朗局势、军事动态等信息的首选工具。

DeepStateMap

https://deepstatemap.live/

专注于俄乌战争前线动态的开源地图，目前公认对乌克兰前线局势更新最细致、最准确的地图之一

ACLED

https://acleddata.com/platform/explorer

全球冲突数据分析，提供全球政治暴力、示威和抗议事件的数据库，并提供交互式地图

UnderstandingWar

https://understandingwar.org/

提供深入战况分析报告、地缘政治解读和交互式地图产品

https://yeeach.com/2975/

寻觅被遗忘的网络账号

Fri, 06 Mar 2026 12:34:25 -0800

寻觅被遗忘的网络账号

前言

开源情报（Open Source Intelligence，OSINT） 是指通过公开渠道收集和分析信息的过程。它涉及从可公开访问的来源（如社交媒体、新闻报道、政府档案等）收集数据，以帮助决策、调查或研究。OSINT的应用广泛，包括政府监测、商业竞争情报和安全分析等领域。通过合法的方式收集信息，企业可以更深入地了解市场和竞争对手，从而做出明智的决策。

Hunt down social media accounts by username across social networks

WhatsMyName-Advanced whatsmyname OSINT tool for safe and comprehensive digital intelligence gathering. Free professional username analysis across 500+ platforms for security research, cyber investigations, and digital forensics.

缺点：几乎没有简中平台数据

这两个网站都是临时请求已收录的网站获知情况，而不是像Telegram中的「开盒」数据一样。

有空可以做一个中文版！

社工库 haveibeenpwned

网安：haveibeenpwned(社工库)查看信息是否被泄露

Have I Been Pwned: Check if your email has been compromised in a data breach

通过以上网址可以到达官网。

可以输入手机号或者邮箱查看信息是否被泄露，如果有被泄露的，查看怎么被泄露的。最后赶快修改关键信息，免得撞库。

撞库：比如你在优酷的信息泄露了，这个信息的密码是你qq账号的密码，攻击者通过这个优酷得到的密码进入了你的qq。这就叫撞库。

密码泄露检测工具 | 撞库风险即时查询

通过HIBP官方数据库，检测您的密码是否出现在已知数据泄露事件中

k-Anonymity隐私保护：仅传输哈希前缀，完整密码永不离开设备

关于密码泄露检测与撞库攻击

什么是密码泄露检测工具？

密码泄露检测工具（Pwned Password Checker）是一种在线安全工具，用于验证您的密码是否曾在公开的数据泄露事件中出现过。本工具通过调用Have I Been Pwned (HIBP) 官方API，实时查询超过7亿个已泄露密码的数据库，帮助您评估密码安全性，避免因使用已泄露密码而导致撞库攻击风险。

与传统的密码强度检测不同，泄露检测关注的是"实际已泄露"的密码，而非仅评估复杂度，因此能更真实地反映密码在当前网络安全环境下的实际风险等级。

什么是撞库攻击？

撞库攻击（Credential Stuffing）是黑客常用的攻击手段之一。攻击者利用用户在多个平台重复使用同一密码的习惯，将从某网站泄露的账号密码组合，批量尝试登录其他网站。由于许多人习惯使用相同的密码，一旦某个平台的密码泄露，其他平台的账号安全也随之受到威胁。

根据网络安全机构的统计，超过65%的用户会在不同平台重复使用密码，这使得撞库攻击的成功率远高于传统暴力破解。这也是为什么即使您的密码足够复杂，一旦出现在泄露库中，就必须立即更换的根本原因。

k-Anonymity 隐私保护技术

为了解决隐私顾虑，本工具采用了k-Anonymity（k-匿名）技术，这是由安全专家Junade Ali设计的一种隐私保护模型。其工作原理是：

计算密码SHA-1哈希值：如"5baa61e4c9b93f3f0682250b6cf8331b7ee68fd8"
分割哈希：取前5位"5baa6"发送给API服务器
服务器返回所有以"5baa6"开头的哈希后缀列表（通常包含数百个结果）
客户端在本地比对完整哈希是否存在于返回列表中

这种设计确保API服务器无法获知您查询的具体密码，因为哈希前缀对应着海量可能的密码组合，而完整哈希值始终保存在您本地。即使通信被截获，攻击者也只能看到哈希前缀，无法反向推导出原始密码。

HIBP数据库：全球最大的密码泄露库

Have I Been Pwned (HIBP) 由安全专家Troy Hunt创建，是目前全球最大的公开数据泄露查询平台。该数据库收录了来自数百起数据泄露事件的超过7亿个真实密码，涵盖Adobe、LinkedIn、MySpace、Yahoo等重大安全事件。HIBP被微软、美国政府等机构广泛采用，是公认的密码泄露权威数据源。

本工具通过官方API与HIBP数据库实时同步，确保查询结果的时效性和准确性。所有查询均遵循k-Anonymity协议，在保护用户隐私的同时提供专业的密码安全检测服务。

密码安全最佳实践

使用密码管理器：通过1Password、Bitwarden等工具生成并存储高强度随机密码，避免重复使用和记忆负担

启用多因素认证：即使密码泄露，MFA也能阻止未授权访问，建议优先使用TOTP或硬件密钥

定期检测泄露：每季度使用本工具检测关键密码，发现泄露立即更换，并检查相关账号异常活动

关于SHA-1哈希算法

本工具采用SHA-1算法对密码进行哈希处理，这是HIBP API的标准要求。虽然SHA-1在数字签名领域已被认为不够安全，但在密码泄露查询场景中，由于我们仅使用其单向哈希特性且配合k-Anonymity机制，即使SHA-1存在碰撞理论可能性，也不会影响密码查询的安全性。实际场景中，从哈希前缀反向破解原始密码的计算复杂度仍然极高，远超过实际攻击成本。

Sherlock

Hunt down social media accounts by username across social networks

安装

This is an officially supported package, maintained by a member of the Sherlock Project itself.

pipx is often recommended over pip, having more predictable behavior.

1

pipx install sherlock-project

For those who prefer classic pip, it’s very similar. Userspace is recommended.

1

pip install --user sherlock-project

That’s it! You can now run sherlock from anywhere.

1

sherlock --version

用法

Search for only one user:

1

sherlock user123

Search for multiples users:

1

sherlock user1 user2 user3

Accounts found will be stored in an individual text file with the corresponding username (e.g user123.txt).

代码解析

跨越Web应用防火墙

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


 # As WAFs advance and evolve, they will occasionally block Sherlock and
 # lead to false positives and negatives. Fingerprints should be added
 # here to filter results that fail to bypass WAFs. Fingerprints should
 # be highly targetted. Comment at the end of each fingerprint to
 # indicate target and date fingerprinted.
 WAFHitMsgs = [
 r'.loading-spinner{visibility:hidden}body.no-js .challenge-running{display:none}body.dark{background-color:#222;color:#d9d9d9}body.dark a{color:#fff}body.dark a:hover{color:#ee730a;text-decoration:underline}body.dark .lds-ring div{border-color:#999 transparent transparent}body.dark .font-red{color:#b20f03}body.dark', # 2024-05-13 Cloudflare
 r'<span id="challenge-error-text">', # 2024-11-11 Cloudflare error page
 r'AwsWafIntegration.forceRefreshToken', # 2024-11-11 Cloudfront (AWS)
 r'{return l.onPageView}}),Object.defineProperty(r,"perimeterxIdentifiers",{enumerable:' # 2024-04-09 PerimeterX / Human Security
 ]

update-site-list.yml

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46


name: Update Site List

# Trigger the workflow when changes are pushed to the main branch
# and the changes include the sherlock_project/resources/data.json file
on:
 push:
 branches:
 - master
 paths:
 - sherlock_project/resources/data.json

jobs:
 sync-json-data:
 # Use the latest version of Ubuntu as the runner environment
 runs-on: ubuntu-latest

 steps:
 # Check out the code at the specified pull request head commit
 - name: Checkout code
 uses: actions/checkout@v4
 with:
 ref: ${{ github.event.pull_request.head.sha }}
 fetch-depth: 0

 # Install Python 3
 - name: Install Python
 uses: actions/setup-python@v5
 with:
 python-version: '3.x'

 # Execute the site_list.py Python script
 - name: Execute site-list.py
 run: python devel/site-list.py

 - name: Pushes to another repository
 uses: sdushantha/github-action-push-to-another-repository@main
 env:
 SSH_DEPLOY_KEY: ${{ secrets.SSH_DEPLOY_KEY }}
 API_TOKEN_GITHUB: ${{ secrets.API_TOKEN_GITHUB }}
 with:
 source-directory: 'output'
 destination-github-username: 'sherlock-project'
 commit-message: 'Updated site list'
 destination-repository-name: 'sherlockproject.xyz'
 user-email: siddharth.dushantha@gmail.com
 target-branch: master

提交到另一个仓库：push-to-another-repository

增减数据——site-list.py

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45


#!/usr/bin/env python
# This module generates the listing of supported sites which can be found in
# sites.mdx. It also organizes all the sites in alphanumeric order
import json
import os

DATA_REL_URI: str = "sherlock_project/resources/data.json"

DEFAULT_ENCODING = "utf-8"

# Read the data.json file
with open(DATA_REL_URI, "r", encoding=DEFAULT_ENCODING) as data_file:
 data: dict = json.load(data_file)

# Removes schema-specific keywords for proper processing
social_networks = data.copy()
social_networks.pop('$schema', None)

# Sort the social networks in alphanumeric order
social_networks = sorted(social_networks.items())

# Make output dir where the site list will be written
os.mkdir("output")

# Write the list of supported sites to sites.mdx
with open("output/sites.mdx", "w", encoding=DEFAULT_ENCODING) as site_file:
 site_file.write("---\n")
 site_file.write("title: 'List of supported sites'\n")
 site_file.write("sidebarTitle: 'Supported sites'\n")
 site_file.write("icon: 'globe'\n")
 site_file.write("description: 'Sherlock currently supports **400+** sites'\n")
 site_file.write("---\n\n")

 for social_network, info in social_networks:
 url_main = info["urlMain"]
 is_nsfw = "**(NSFW)**" if info.get("isNSFW") else ""
 site_file.write(f"1. [{social_network}]({url_main}) {is_nsfw}\n")

# Overwrite the data.json file with sorted data
with open(DATA_REL_URI, "w", encoding=DEFAULT_ENCODING) as data_file:
 sorted_data = json.dumps(data, indent=2, sort_keys=True)
 data_file.write(sorted_data)
 data_file.write("\n") # Keep the newline after writing data

print("Finished updating supported site listing!")

先复制数据再写入

WhatsMyName

WhatsMyName 是什么？

WhatsMyName 是 Micah “WebBreacher” Hoffman 在 2015 年创建的一个项目，其目标是在给定网站上检测用户名是否被使用。他对当时用户名检查器的误报感到沮丧，因此他创建了自己的版本。随着时间的推移，许多人帮助这个开源项目发展，使其成为现在。

如果您是进行此操作的 OSINT 专家，那么您现在可能会感到有些失望。在 2023 年 5 月，我们从项目中移除了所有检查脚本，并专注于该项目的核心：其数据文件 (wmn-dat.json)。

因此，我们将继续发现网站并添加它们，您可以自由尝试以下使用我们数据的检查网站和脚本。

它是如何工作的？

WhatsMyName (WMN) 包含一个 JSON 文件，其中包含检测结果。包含来自世界各地的人的提交。当一个工具（如下一部分中的工具）从这些网站上发起请求时，服务器会返回与我们检测结果相匹配的数据。这将告诉检查脚本，该网站上是否存在我们指定的用户名，或者不是。

为了让一个网站包含在 WMN 中，它必须：

可访问。我们无法检查需要付费或进行用户身份验证的网站。
在 URL 中包含用户名。如果查看用户个人资料的 URL 中不包含该用户名，则此工具将不起作用。
不要在 URL 中修改用户名。包含用户 ID 编号在用户名的 URL 将无法在 WMN 中使用。此外，将您的用户名映射到用户 ID 编号并将其放在 URL 中的网站也无法使用。

使用 WhatsMyName 的工具/网站

https://whatsmyname.app/ - Chris Poulter 创建了这个网站，它将项目的 JSON 文件转换为易于使用的 Web 界面。
- 按类别和搜索结果过滤。
- 导出到 CSV 和其他格式。
- 在运行时，获取项目的最新 JSON 文件。
- 使用 https://whatsmyname.app/?q=USERNAME (例如，https://whatsmyname.app/?q=john) 在 URL 中提交用户名。
Who Am I Google/Brave 扩展，不仅集成 WhatsMyName 的数据，还包括 Sherlock 和 Maigret 用户名检查器。由 OSINT Liar 创建。
Naminter - 专为 Whats My Name 列表而设计的，具有漂亮的控制台界面、浏览器冒充功能、能够绕过 Cloudflare 和其他基本保护、并发检查以及广泛的配置选项。
Blackbird - 在其搜索中使用 WhatsMyName 列表。
K2OSINT Bookmarks - Bookmarks，允许您在弹出窗口中输入用户名，然后在新标签页中打开 WMN 结果。
LinkScope - 在 “在线身份” 类别下使用 WhatsMyName 进行解析。
Maltego WhatsMyName 转换 - Maltego Local 转换，利用 JSON 文件并实时检查用户名。
Reveal My Name - 由 @yooper 创建，是与此项目捆绑的 Python 检查器工具。
sn0int - 下载并使用 kpcyrd/whatsmyname 模块中的 JSON 文件，详情和说明请参考 https://twitter.com/sn0int/status/1228046880459907073。
Spiderfoot - 在 sfp_account 模块中使用。还有一段视频演示如何使用 Spiderfoot 命令行界面 (CLI) 使用该项目。
WhatsMyName-Python - 由 @C3n7ral051nt4g3ncy 创建的简单的 Python 脚本。
WMN_screenshooter - 一个辅助脚本，使用 Selenium 尝试抓取识别出的个人资料页面截图。
WhatsMyName-Client - 由 @grabowskiadrian 创建的简单的 Python 脚本，具有“请求头”和“POST 请求”支持。该脚本还允许您测试 wmn-data.json 文件的配置。
WhatsMyName-Web - 由 @AXRoux 创建的 WhatsMyName-Web 是 WhatsMyName 的一个简单的 Flask Web 应用程序。
WhatsMyName Docker - 这是一个 Docker API 包装器，用于 WhatsMyName 工具。 Docker 化由 @kodamaChameleon 完成。
NameSeeker - 是一款强大的跨平台桌面应用程序，可以搜索数百个网站上的用户名和电子邮件地址，帮助您快速发现您的数字足迹。它基于 WhatsMyName 项目的数据，支持将搜索结果导出到 PDF、CSV、JSON 和其他格式。

代码解析

排序Python代码

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71


import json

data_path = 'wmn-data.json'
schema_path = 'wmn-data-schema.json'

def sort_array_alphabetically(arr):
 return sorted(arr, key=str.lower)

def reorder_object_keys(obj, key_order):
 reordered = {k: obj[k] for k in key_order if k in obj}
 for k in obj:
 if k not in key_order:
 reordered[k] = obj[k]
 return reordered

def sort_headers(site):
 headers = site.get("headers")
 if isinstance(headers, dict):
 site["headers"] = dict(sorted(headers.items(), key=lambda item: item[0].lower()))

def load_and_format_json(path):
 with open(path, 'r', encoding='utf-8') as f:
 raw_content = f.read()
 data = json.loads(raw_content)
 formatted = json.dumps(data, indent=2, ensure_ascii=False)
 return data, raw_content, formatted

data, data_raw, data_formatted = load_and_format_json(data_path)
schema, schema_raw, schema_formatted = load_and_format_json(schema_path)

changed = False

# Sort authors and categories
if isinstance(data.get('authors'), list):
 data['authors'] = sort_array_alphabetically(data['authors'])

if isinstance(data.get('categories'), list):
 data['categories'] = sort_array_alphabetically(data['categories'])

# Sort and reorder sites
site_schema = schema.get('properties', {}).get('sites', {}).get('items', {})
key_order = list(site_schema.get('properties', {}).keys())

if isinstance(data.get('sites'), list):
 data['sites'].sort(key=lambda site: site.get('name', '').lower())
 for site in data['sites']:
 sort_headers(site)
 data['sites'] = [reorder_object_keys(site, key_order) for site in data['sites']]

updated_data_formatted = json.dumps(data, indent=2, ensure_ascii=False)

# Write wmn-data.json if changed
if data_raw.strip() != updated_data_formatted.strip():
 with open(data_path, 'w', encoding='utf-8') as f:
 f.write(updated_data_formatted)
 print("Updated and sorted wmn-data.json.")
 changed = True
else:
 print("wmn-data.json already formatted.")

# Write formatted wmn-data-schema.json if changed
if schema_raw.strip() != schema_formatted.strip():
 with open(schema_path, 'w', encoding='utf-8') as f:
 f.write(schema_formatted)
 print("Formatted wmn-data-schema.json.")
 changed = True
else:
 print("wmn-data-schema.json already formatted.")

if not changed:
 print("No changes made.")

排序工作流

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31


name: Sort and Format JSON Files

on:
 push:
 paths:
 - 'wmn-data.json'
 - 'wmn-data-schema.json'

jobs:
 sort-and-format-json:
 name: Sort and Format JSON Files
 runs-on: ubuntu-latest

 steps:
 - uses: actions/checkout@v3

 - name: Set up Python
 uses: actions/setup-python@v5
 with:
 python-version: '3.11'

 - name: Run Python sorting script
 run: python scripts/sort_format_json.py

 - name: Commit if changed
 run: |
 git config --global user.name "github-actions"
 git config --global user.email "github-actions@github.com"
 git add wmn-data.json wmn-data-schema.json
 git diff --cached --quiet || git commit -m "chore: auto-sort and format JSON files"
 git push

Docker镜像验证JSON

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


name: Validate JSON
on: [pull_request]
jobs:
 verify-json-validation:
 runs-on: ubuntu-latest
 steps:
 - uses: actions/checkout@v3

 - name: Validate JSON
 uses: docker://orrosenblatt/validate-json-action:latest
 env:
 INPUT_SCHEMA: /wmn-data-schema.json
 INPUT_JSONS: /wmn-data.json

还能这么玩，哈！

失效的中文OSINT FRAMEWORK

osint-framework

Osint Framework（开源情报查询框架）即通过在互联网中公开的信息进行一些事件的调查，它的优势显而易见就是不会与目标主体产生接触、关联，意味着你的调查将不会被他发现，这是不是听起来蛮有意思的！

功能介绍

功能大纲包括

用户名搜索
邮箱账户搜索
域名搜索
IP地址搜索
图片/视频/文档搜索
社交网站搜索
即时通讯
身份信息核实
约会记录查询
电话号码查询
公开档案
商业档案
交通运输
高精度定位/地图
搜索引擎玩法
论坛/博客/IRC
档案资料
语言翻译
元数据
手机模拟器
数字货币
分类信息
编码/解码
工具
恶意文件分析
漏洞EXP & 修复建议
威胁情报
OpSec
文档资料
训练

附录

开源情报分析（OSINT）实战指南：从基础到高级的信息收集技术

https://xz.aliyun.com/news/17607

在数字化时代，公开信息中隐藏着大量有价值的情报，而开源情报分析（OSINT）正是挖掘这些信息的关键技术。无论是网络安全竞赛（CTF）、渗透测试，还是企业安全审计，掌握OSINT技能都能让你更高效地收集目标数据。本文是一份全面且实用的OSINT技术指南，涵盖从基础到高级的信息收集方法，包括：

搜索引擎高级语法（Google、Bing、DuckDuckGo）
反向图片搜索（Google Images、Yandex、TinEye）
EXIF数据解析（地理位置、拍摄设备信息）
社交媒体情报分析（Twitter、Facebook、Instagram、Snapchat）
电子邮件与用户名追踪（Hunter.io、Phonebook.cz、HaveIBeenPwned）
密码泄露检测（Dehashed、WeLeakInfo）
匿名身份（马甲）构建（虚拟电话、加密邮箱、VPN、虚拟机）

此外，文章还提供了数十个实用工具和网站，帮助你在合法合规的前提下高效完成情报收集任务。无论你是安全研究员、OSINT爱好者，还是CTF选手，这篇指南都能助你提升信息挖掘能力。

在文章最后，会实战分析一道OSINT类型的题目。

知乎爬虫——ZhiZhu项目分析

Thu, 05 Mar 2026 12:34:25 -0800

知乎爬虫——ZhiZhu项目分析

简介

ZhiZhu (知蛛) ——爬取指定知乎用户的所有回答和所有文章，以高保真 Markdown 格式保存到本地。

“我们在互联网上留下的每一个字节，都是灵魂的碎片。是时候把它们找回来了。”

为什么是 ZhiZhu？

多年来，你在知乎上敲下的数万、数十万字，不仅仅是简单的问答。它们是你知识体系的疆界，是你价值观的投影，是你逻辑思维的演变轨迹，更是你在这个喧嚣世界中发出的独特声音。

然而，散落在互联网角落的数据是脆弱的，也是割裂的。

ZhiZhu (知蛛) 是一台时光穿梭机，也是一位数字考古学家。它致力于将你流落在知乎的精神财富，以最纯粹、最通用的 Markdown 格式完整带回本地。无论是精妙的 LaTeX 数学公式，还是承载记忆的图片，都力求高保真还原。

Archiving the past to compute the future.
归档过去，为了计算未来。

在 AI 时代，这不仅仅是备份

当你拥有了这份属于自己的全量数据，你就拥有了训练私人 AI 助理的基石。你可以将这些代表你 “人格（Personality）” 的文本投喂给 LLM，让 AI 成为你的镜子——

自我复盘 — 利用 AI 分析你过去数年的回答，生成你的「认知演变报告」
知识图谱 — 从散乱的回答中提取你的知识结构，重组为系统化的文章
风格克隆 — 让 AI 学习你的文风与逻辑，成为最懂你的写作助手
深度对话 — 与你的「数字孪生」对话，完成一次深度的自我探索与反省

把数据存成 Markdown，只是第一步；认识你自己，才是 ZhiZhu 的终极目标。

Don’t just leave it on the cloud. Own your thoughts.
别把思想只留在云端，拥有它。

核心能力

能力	说明
用户级全量爬取	输入用户 URL token，自动收集该用户的全部回答与文章
用户想法爬取	爬取指定用户的所有知乎想法（Pins）
问题级爬取	爬取指定问题下的全部或前 N 个回答
单回答爬取	精准爬取某个特定回答，可选附带完整评论区
评论区提取	通过知乎 API 获取全部根评论与子评论，格式化为 Markdown
浏览器指纹伪装	内置 WebGL、Canvas、AudioContext 等多维度反检测机制
智能延迟策略	请求间随机等待 10-20 秒（可自定义），以时间换安全
断点续传	自动记录进度，中断后重新运行即从上次位置继续
LaTeX 公式还原	完美转换知乎数学公式为标准 $...$ / `$$...$$` 语法
图片本地化	自动下载文章图片到本地，重写 Markdown 引用路径
内容去噪	自动去除广告卡片、视频占位符、知乎直答链接等干扰元素
持久化登录	登录一次，后续爬取无需重复登录

重要代码分析

main.py中argparse参数解析

1
2
3
4
5
6
7
8


def _add_common_args(parser: argparse.ArgumentParser):
 """为子命令添加公共参数。"""
 parser.add_argument(
 "--output", "-o",
 type=str,
 default=None,
 help="输出目录路径",
 )

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


 subparsers = parser.add_subparsers(dest="command", help="可用命令")

 # ── login 子命令 ──
 login_parser = subparsers.add_parser("login", help="登录知乎（手动登录，保存 Cookie）")
 login_parser.add_argument(
 "--timeout",
 type=int,
 default=300,
 help="等待登录的超时时间（秒），默认 300",
 )

webui.py中的通用流式日志生成器

将 fn() 产生的所有 print() 输出实时 yield 给 Gradio Textbox。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55


# ── stdout 重定向 ──────────────────────────────────────────────

class _QueueWriter:
 """将 print() 输出收集到 queue.Queue，供生成器逐行 yield 给 Gradio。"""

 def __init__(self, q: queue.Queue) -> None:
 self._q = q
 self._buf = ""

 def write(self, text: str) -> None:
 self._buf += text
 while "\n" in self._buf:
 line, self._buf = self._buf.split("\n", 1)
 self._q.put(line)

 def flush(self) -> None:
 if self._buf:
 self._q.put(self._buf)
 self._buf = ""

 def fileno(self) -> int:
 return sys.__stdout__.fileno()


def _run_in_thread(fn, q: queue.Queue) -> None:
 """在子线程中执行 fn()，完成后向队列推送 None（结束信号）。"""
 old_stdout = sys.stdout
 sys.stdout = _QueueWriter(q) # type: ignore[assignment]
 try:
 fn()
 except Exception as e:
 sys.stdout.write(f"\n[ERROR] {e}\n") # type: ignore[union-attr]
 finally:
 sys.stdout.flush() # type: ignore[union-attr]
 sys.stdout = old_stdout
 q.put(None) # 结束信号


def _stream_logs(fn) -> Generator[str, None, None]:
 """
 通用流式日志生成器。
 将 fn() 产生的所有 print() 输出实时 yield 给 Gradio Textbox。
 """
 q: queue.Queue = queue.Queue()
 t = threading.Thread(target=_run_in_thread, args=(fn, q), daemon=True)
 t.start()
 log_lines: list[str] = []
 while True:
 item = q.get()
 if item is None:
 break
 log_lines.append(item)
 yield "\n".join(log_lines)
 t.join()
 yield "\n".join(log_lines)

tui.py中的终端交互

提供基于 Textual 的 TUI 界面，覆盖 ZhiZhu 的全部功能。

不同面板对应不同的功能，使用stdout 重定向输出日志。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28


# ── 任务分发 ───────────────────────────────────────────────────

def _dispatch(key: str, params: dict[str, Any]) -> None:
 """根据功能 key 调用对应的 scraper/merge 函数（在 Worker 线程中执行）。"""

 if key == "login":
 from scraper import login
 asyncio.run(login(**params))

 elif key == "scrape_user":
 from scraper import scrape_user
 asyncio.run(scrape_user(**params))

 elif key == "scrape_pins":
 from scraper import scrape_user_pins
 asyncio.run(scrape_user_pins(**params))

 elif key == "scrape_question":
 from scraper import scrape_question
 asyncio.run(scrape_question(**params))

 elif key == "scrape_answer":
 from scraper import scrape_single_answer
 asyncio.run(scrape_single_answer(**params))

 elif key == "merge":
 from merge_md import merge
 merge(**params)

merge_md.py中的文本预处理

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38


# ── 工具函数 ──────────────────────────────────────────────────

def collect_md_files(root: Path) -> list[Path]:
 """
 从指定根目录中收集所有 .md 文件。
 支持两种结构：
 - <root>/<子文件夹>/index.md
 - <root>/<文件>.md
 """
 files: list[Path] = []
 for path in root.rglob("*.md"):
 files.append(path)
 return files


def extract_date_from_header(text: str) -> str:
 """
 从 Markdown 文件头部的元信息中提取日期字符串（YYYY-MM-DD）。
 格式如：> **日期**: 2025-12-24
 找不到时返回空字符串。
 """
 m = re.search(r'>\s*\*\*日期\*\*:\s*(\d{4}-\d{2}-\d{2})', text[:600])
 return m.group(1) if m else ""


def sort_key_by_date(path: Path) -> tuple[str, str]:
 """按文件头部日期排序，日期相同时按文件路径排序。"""
 try:
 text = path.read_text(encoding="utf-8")
 except Exception:
 text = ""
 date = extract_date_from_header(text)
 return (date, str(path))


def sort_key_by_name(path: Path) -> str:
 """按文件路径字母顺序排序。"""
 return str(path)

stealth.py — 反检测 JavaScript 注入模块

参考 hg3386628/zhihu-scraper 和 yuchenzhu-research/zhihu-scraper 的反爬策略。

集成 WebGL、Canvas、AudioContext 指纹伪装以及 navigator.webdriver 覆盖。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93


STEALTH_JS = """
// 覆盖 navigator.webdriver
Object.defineProperty(navigator, 'webdriver', {
 get: () => undefined,
 configurable: true
});

// 添加 Chrome 浏览器特有属性
window.chrome = {
 runtime: {},
 loadTimes: function() {},
 csi: function() {},
 app: {}
};

// 覆盖 Permissions API
const originalQuery = window.navigator.permissions.query;
window.navigator.permissions.query = (parameters) => (
 parameters.name === 'notifications' ?
 Promise.resolve({state: Notification.permission}) :
 originalQuery(parameters)
);

// 伪造 WebGL 渲染器信息
const getParameter = WebGLRenderingContext.prototype.getParameter;
WebGLRenderingContext.prototype.getParameter = function(parameter) {
 if (parameter === 37445) return 'Intel Inc.';
 if (parameter === 37446) return 'Intel Iris OpenGL Engine';
 return getParameter.apply(this, [parameter]);
};

// 随机化 Canvas 指纹
const origToDataURL = HTMLCanvasElement.prototype.toDataURL;
HTMLCanvasElement.prototype.toDataURL = function(type) {
 if (type === 'image/png' && this.width === 16 && this.height === 16) {
 const canvas = document.createElement('canvas');
 canvas.width = this.width;
 canvas.height = this.height;
 const ctx = canvas.getContext('2d');
 ctx.drawImage(this, 0, 0);
 const imageData = ctx.getImageData(0, 0, canvas.width, canvas.height);
 const data = imageData.data;
 for (let i = 0; i < data.length; i += 4) {
 data[i] = data[i] + Math.floor(Math.random() * 10) - 5;
 data[i+1] = data[i+1] + Math.floor(Math.random() * 10) - 5;
 data[i+2] = data[i+2] + Math.floor(Math.random() * 10) - 5;
 }
 ctx.putImageData(imageData, 0, 0);
 return origToDataURL.apply(canvas, arguments);
 }
 return origToDataURL.apply(this, arguments);
};

// 修改 AudioContext 指纹
const audioContext = window.AudioContext || window.webkitAudioContext;
if (audioContext) {
 const origGetChannelData = AudioBuffer.prototype.getChannelData;
 AudioBuffer.prototype.getChannelData = function() {
 const channelData = origGetChannelData.apply(this, arguments);
 if (channelData.length > 20) {
 const noise = 0.0001;
 for (let i = 0; i < Math.min(channelData.length, 500); i++) {
 channelData[i] = channelData[i] + (Math.random() * noise * 2 - noise);
 }
 }
 return channelData;
 };
}

// 随机化硬件并发数
Object.defineProperty(navigator, 'hardwareConcurrency', {
 get: () => 8 + Math.floor(Math.random() * 4),
 configurable: true
});

// 随机化设备内存
Object.defineProperty(navigator, 'deviceMemory', {
 get: () => 8,
 configurable: true
});

// 覆盖 plugins 长度（正常浏览器有 plugin）
Object.defineProperty(navigator, 'plugins', {
 get: () => [1, 2, 3, 4, 5],
 configurable: true
});

// 覆盖 languages
Object.defineProperty(navigator, 'languages', {
 get: () => ['zh-CN', 'zh', 'en-US', 'en'],
 configurable: true
});
"""

scraper.py — 知乎内容爬虫核心模块

功能：

使用 Playwright 持久化上下文登录知乎（手动登录，保存 Cookie）
爬取指定用户的所有回答和文章链接
爬取指定用户的所有想法（Pins）
爬取指定问题下的所有（或前 N 个）回答
爬取单个回答，可选附带评论区
逐个访问并提取内容，转为 Markdown 保存
内置反检测（stealth JS 注入、指纹伪装）
请求间隔随机延迟，降低被封风险

浏览器上下文管理

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78


# ── 浏览器上下文管理 ─────────────────────────────────────────

async def create_browser_context(pw, headless=False) -> BrowserContext:
 """创建带有反检测的持久化浏览器上下文。"""
 USER_DATA_DIR.mkdir(parents=True, exist_ok=True)

 width = 1920 + random.randint(-100, 100)
 height = 1080 + random.randint(-50, 50)

 launch_args = [
 "--no-first-run",
 "--no-default-browser-check",
 "--disable-blink-features=AutomationControlled",
 "--disable-features=IsolateOrigins,site-per-process",
 "--disable-site-isolation-trials",
 "--disable-infobars",
 f"--window-size={width},{height}",
 ]

 context = await pw.chromium.launch_persistent_context(
 user_data_dir=str(USER_DATA_DIR),
 headless=headless,
 slow_mo=50,
 args=launch_args,
 viewport={"width": width, "height": height},
 user_agent=USER_AGENT,
 locale="zh-CN",
 timezone_id="Asia/Shanghai",
 java_script_enabled=True,
 )

 # 注入反检测脚本
 await context.add_init_script(STEALTH_JS)

 return context

# ── 登录 ─────────────────────────────────────────────────────

async def login(timeout: int = 300):
 """
 打开知乎登录页面，等待用户手动登录。
 登录状态会保存在 browser_data 目录中，后续爬取无需重复登录。

 Args:
 timeout: 等待登录的超时时间（秒），默认 300 秒
 """
 print("=" * 60)
 print("🔐 知乎登录")
 print("=" * 60)
 print(f"将打开浏览器，请在 {timeout} 秒内完成登录。")
 print("登录成功后，程序会自动检测并保存登录状态。\n")

 async with async_playwright() as pw:
 context = await create_browser_context(pw, headless=False)
 try:
 page = context.pages[0] if context.pages else await context.new_page()
 await page.goto("https://www.zhihu.com/signin", wait_until="domcontentloaded")

 print("⏳ 等待登录... 请在浏览器中完成登录操作。")

 # 等待用户登录成功（检测跳转到首页或出现用户头像）
 start_time = time.time()
 while time.time() - start_time < timeout:
 url = page.url
 # 登录成功后一般会跳转到首页
 if "signin" not in url and "signup" not in url:
 # 额外等待几秒确保 Cookie 完全写入
 await asyncio.sleep(3)
 print("✅ 登录成功！登录状态已保存。")
 print(f" 数据目录: {USER_DATA_DIR.resolve()}")
 return True
 await asyncio.sleep(2)

 print("❌ 登录超时，请重试。")
 return False

 finally:
 await context.close()

爬取回答对应的URL

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97


async def collect_question_answer_links(
 page: Page, question_id: str, max_answers: int | None = None
) -> list[str]:
 """
 在问题页面中滚动，收集回答链接。

 Args:
 page: Playwright 页面对象
 question_id: 知乎问题 ID
 max_answers: 最多收集的回答数量（None 表示全部）

 Returns:
 去重后的回答链接列表
 """
 url = f"https://www.zhihu.com/question/{question_id}"
 print(f"🌍 访问: {url}")
 await page.goto(url, wait_until="domcontentloaded")
 await asyncio.sleep(5)

 # 关闭可能的登录弹窗
 await _dismiss_popup(page)

 collected_links = set()
 no_new_count = 0
 max_no_new = 10
 scroll_count = 0
 prev_scroll_height = 0

 while no_new_count < max_no_new:
 # 使用 CSS 选择器提取回答链接
 link_elements = await page.query_selector_all('a[href*="/answer/"]')
 links = []
 for el in link_elements:
 href = await el.get_attribute("href")
 if href:
 if href.startswith("//"):
 href = "https:" + href
 elif href.startswith("/"):
 href = "https://www.zhihu.com" + href
 elif not href.startswith("http"):
 href = "https://www.zhihu.com/" + href
 if f"/question/{question_id}/answer/" in href:
 links.append(href.split("?")[0])

 prev_count = len(collected_links)
 collected_links.update(links)
 new_count = len(collected_links) - prev_count

 if new_count == 0:
 no_new_count += 1
 else:
 no_new_count = 0

 scroll_count += 1
 print(f" 📜 第 {scroll_count} 次滚动，已发现 {len(collected_links)} 个回答链接"
 + (f"（新增 {new_count}）" if new_count > 0 else "（无新增）"))

 # 检查是否已达到目标数量
 if max_answers and len(collected_links) >= max_answers:
 print(f" 📋 已达到目标数量 {max_answers}。")
 break

 # 检查页面是否包含明确的"到底"标识
 end_marker = await page.evaluate("""() => {
 const bodyText = document.body.innerText;
 return bodyText.includes('已显示全部') || bodyText.includes('没有更多了');
 }""")

 if end_marker and no_new_count >= 3:
 print(" 📋 已到达列表底部（页面提示已显示全部）。")
 break

 # 检查页面高度是否还在增长
 current_scroll_height = await page.evaluate("document.body.scrollHeight")
 height_changed = current_scroll_height != prev_scroll_height
 prev_scroll_height = current_scroll_height

 if not height_changed and no_new_count >= 5:
 print(" 📋 页面不再加载新内容，停止滚动。")
 break

 # 滚动 — 使用多种方式触发知乎的懒加载
 scroll_distance = random.randint(800, 1500)
 await page.keyboard.press("End")
 await asyncio.sleep(0.5)
 await page.evaluate(f"document.documentElement.scrollTop += {scroll_distance}")
 await asyncio.sleep(0.3)
 await page.keyboard.press("End")

 await asyncio.sleep(2.0 + random.random() * 2)
 if new_count == 0:
 await asyncio.sleep(2.0)

 result = sorted(collected_links)
 if max_answers:
 result = result[:max_answers]
 return result

处理评论

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97


async def collect_question_answer_links(
 page: Page, question_id: str, max_answers: int | None = None
) -> list[str]:
 """
 在问题页面中滚动，收集回答链接。

 Args:
 page: Playwright 页面对象
 question_id: 知乎问题 ID
 max_answers: 最多收集的回答数量（None 表示全部）

 Returns:
 去重后的回答链接列表
 """
 url = f"https://www.zhihu.com/question/{question_id}"
 print(f"🌍 访问: {url}")
 await page.goto(url, wait_until="domcontentloaded")
 await asyncio.sleep(5)

 # 关闭可能的登录弹窗
 await _dismiss_popup(page)

 collected_links = set()
 no_new_count = 0
 max_no_new = 10
 scroll_count = 0
 prev_scroll_height = 0

 while no_new_count < max_no_new:
 # 使用 CSS 选择器提取回答链接
 link_elements = await page.query_selector_all('a[href*="/answer/"]')
 links = []
 for el in link_elements:
 href = await el.get_attribute("href")
 if href:
 if href.startswith("//"):
 href = "https:" + href
 elif href.startswith("/"):
 href = "https://www.zhihu.com" + href
 elif not href.startswith("http"):
 href = "https://www.zhihu.com/" + href
 if f"/question/{question_id}/answer/" in href:
 links.append(href.split("?")[0])

 prev_count = len(collected_links)
 collected_links.update(links)
 new_count = len(collected_links) - prev_count

 if new_count == 0:
 no_new_count += 1
 else:
 no_new_count = 0

 scroll_count += 1
 print(f" 📜 第 {scroll_count} 次滚动，已发现 {len(collected_links)} 个回答链接"
 + (f"（新增 {new_count}）" if new_count > 0 else "（无新增）"))

 # 检查是否已达到目标数量
 if max_answers and len(collected_links) >= max_answers:
 print(f" 📋 已达到目标数量 {max_answers}。")
 break

 # 检查页面是否包含明确的"到底"标识
 end_marker = await page.evaluate("""() => {
 const bodyText = document.body.innerText;
 return bodyText.includes('已显示全部') || bodyText.includes('没有更多了');
 }""")

 if end_marker and no_new_count >= 3:
 print(" 📋 已到达列表底部（页面提示已显示全部）。")
 break

 # 检查页面高度是否还在增长
 current_scroll_height = await page.evaluate("document.body.scrollHeight")
 height_changed = current_scroll_height != prev_scroll_height
 prev_scroll_height = current_scroll_height

 if not height_changed and no_new_count >= 5:
 print(" 📋 页面不再加载新内容，停止滚动。")
 break

 # 滚动 — 使用多种方式触发知乎的懒加载
 scroll_distance = random.randint(800, 1500)
 await page.keyboard.press("End")
 await asyncio.sleep(0.5)
 await page.evaluate(f"document.documentElement.scrollTop += {scroll_distance}")
 await asyncio.sleep(0.3)
 await page.keyboard.press("End")

 await asyncio.sleep(2.0 + random.random() * 2)
 if new_count == 0:
 await asyncio.sleep(2.0)

 result = sorted(collected_links)
 if max_answers:
 result = result[:max_answers]
 return result

断点续传功能实现

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23


def _scan_done_urls_from_disk(output_dir: Path) -> set[str]:
 """
 扫描输出目录中已存在的 Markdown 文件，从文件头部提取来源 URL。
 兼容两种结构：
 - 普通模式（有图片）：<type_dir>/<子文件夹>/index.md
 - --no-images 模式：<type_dir>/<日期_标题>.md（直接在类型目录中）
 """
 done = set()
 url_pattern = re.compile(r'>\s*\*\*来源\*\*:\s*\[([^\]]+)\]')
 for subdir in ("answers", "articles", "pins"):
 type_dir = output_dir / subdir
 if not type_dir.exists():
 continue
 # 兼容两种结构：递归匹配所有 .md 文件
 for md_file in type_dir.rglob("*.md"):
 try:
 text = md_file.read_text(encoding="utf-8")[:500]
 m = url_pattern.search(text)
 if m:
 done.add(m.group(1))
 except Exception:
 pass
 return done

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34


# ── 保存链接列表（用于断点续传） ──
 links_file = output_dir / "links.json"
 links_data = [{"url": url, "type": t} for url, t in all_urls]
 links_file.write_text(
 json.dumps(links_data, ensure_ascii=False, indent=2), encoding="utf-8"
 )
 print(f"📋 链接列表已保存到: {links_file}\n")

 # ── 检查已爬取的内容（断点续传） ──
 progress_file = output_dir / "progress.json"
 done_urls = set()
 if progress_file.exists():
 try:
 done_data = json.loads(progress_file.read_text(encoding="utf-8"))
 done_urls = set(done_data.get("done", []))
 except Exception:
 pass

 # 扫描磁盘上已存在的文件，补充 progress.json 可能遗漏的记录
 disk_urls = _scan_done_urls_from_disk(output_dir)
 if disk_urls - done_urls:
 print(f"📂 从磁盘扫描发现 {len(disk_urls - done_urls)} 个已下载但未记录的内容")
 done_urls |= disk_urls

 if done_urls:
 # 只统计与当前链接列表匹配的数量
 matched = sum(1 for url, _ in all_urls if url in done_urls)
 print(f"📌 检测到之前的进度，已完成 {matched}/{total} 项，将跳过。\n")

 # 同步更新 progress.json
 progress_file.write_text(
 json.dumps({"done": list(done_urls)}, ensure_ascii=False),
 encoding="utf-8",
 )

converter.py——HTML → Markdown 转换模块

处理知乎特有的 LaTeX 公式、代码块、图片链接重写、垃圾内容清洗。

核心策略：在 BeautifulSoup 阶段用占位符保护公式，markdownify 转换后再还原为 $ / $$ 定界符。

参考 yuchenzhu-research/zhihu-scraper 的 converter.py 实现。

清理噪音（知乎直达）

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69


# ── 预处理 HTML ──────────────────────────────────────────

 def _preprocess(self, html: str) -> str:
 """在交给 markdownify 之前做知乎特定的 HTML 清洗。"""
 soup = BeautifulSoup(html, "html.parser")

 # 1) 移除视频 / 卡片 / 按钮等干扰元素
 for selector in (
 "div.VideoCard, .RichText-video, .VideoCard-player",
 ".LinkCard, .RichText-LinkCard, .Card, .Reward",
 ".ContentItem-actions, .RichContent-actions",
 ".Post-SideActions, .BottomActions",
 ".css-1gomreu, .Voters",
 ):
 for tag in soup.select(selector):
 tag.decompose()

 # 2) 去除知乎直答链接（zhida.zhihu.com），只保留链接文本
 for a_tag in soup.find_all("a", href=True):
 if "zhida.zhihu.com" in a_tag["href"]:
 a_tag.replace_with(a_tag.get_text())

 # 3) 处理数学公式
 # 知乎 2024+ 格式: <span class="ztext-math" data-tex="...">
 for span in soup.find_all("span", class_="ztext-math"):
 tex = span.get("data-tex", "")
 if not tex:
 continue
 is_block = tex.startswith(r"\[") and tex.endswith(r"\]")
 if is_block:
 tex = tex[2:-2].strip()
 placeholder = self._store_math(tex, is_block)
 marker = soup.new_tag("var")
 marker.string = placeholder
 span.replace_with(marker)

 # 兼容旧版: <img class="ztext-math" data-formula="...">
 for img in soup.select("img.ztext-math"):
 formula = img.get("data-formula", "")
 if not formula:
 continue
 is_block = (
 img.parent
 and img.parent.name in ("p", "div", "figure")
 and len(img.parent.get_text(strip=True)) == 0
 )
 placeholder = self._store_math(formula, is_block)
 marker = soup.new_tag("var")
 marker.string = placeholder
 img.replace_with(marker)

 # 3) <code> 里的 <br> 换成换行符
 for code in soup.find_all("code"):
 for br in code.find_all("br"):
 br.replace_with("\n")

 # 4) 代码块语言标注
 for pre in soup.find_all("pre"):
 code = pre.find("code")
 if code:
 lang = ""
 for cls in code.get("class", []):
 if cls.startswith("language-"):
 lang = cls[len("language-"):]
 break
 if lang:
 code["class"] = [f"language-{lang}"]

 return str(soup)

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21


# ── 后处理 Markdown ────────────────────────────────────── 
def _postprocess(self, md: str) -> str:
 """清理噪音 + 还原公式占位符。"""
 # 去除知乎直答（zhida.zhihu.com）链接，只保留链接文本 
 md = re.sub(r'\[([^\]]*)\]\(https?://zhida\.zhihu\.com[^)]*\)', r'\1', md)
 # 压缩连续空行 
 md = re.sub(r"\n{3,}", "\n\n", md)
 # 清理行尾空白 
 md = "\n".join(line.rstrip() for line in md.splitlines())

 # 还原公式 (并做 KaTeX 兼容性处理) 
 for key, formula in self._math_store.items():
 fixed_formula = self._fix_katex_array(formula)
 if key.startswith(self._BLOCK_PH):
 md = md.replace(key, f"\n\n$$\n{fixed_formula}\n$$\n\n")
 elif key.startswith(self._INLINE_PH):
 md = md.replace(key, f"${fixed_formula}$")

 # 再次压缩 
 md = re.sub(r"\n{3,}", "\n\n", md)
 return md.strip() + "\n"

Docker可部署项目合集

Sat, 07 Feb 2026 12:34:25 -0800

前言

中文docker项目集成项目： https://github.com/coracoo/awesome_docker_cn

项目介绍教程、地址列表

docker管理

项目名称	类型	介绍	项目地址	教程地址
Amprobe	docker管理	docker可视化监控与管理工具	项目地址	教程地址
AutoCompose	docker管理	一键转换现存docker	项目地址	教程地址
Dagda	docker管理	用于对 docker 镜像/容器中的已知漏洞、木马、病毒、恶意软件和其他恶意威胁进行静态分析的工具	项目地址	教程地址
Diun	docker管理	docker镜像升级提醒，支持多渠道通知	项目地址	教程地址
Dockge	docker管理	docker-compose可视化管理	项目地址	教程地址
Docu	docker管理	docker存储空间使用量分析和管理工具	项目地址	教程地址
DweebUI	docker管理	内置商城的docker可视化管理页面	项目地址	教程地址
Watchtower	docker管理	docker镜像自动更新服务	项目地址	教程地址
What’s up docker	docker管理	docker镜像升级提醒	项目地址	教程地址
Yacht	docker管理	docker可视化管理	项目地址	教程地址
Docker copilot	docker管理	绿联极空间docker管理工具	项目地址	教程地址

NAS操作系统

项目名称	类型	介绍	项目地址	教程地址
14-NAS OS	系统介绍	介绍14款免费的NAS系统	无	教程地址
Cosmos-Server	容器系统	一款NAS操作系统，集成应用商城、容器管理、导航栏，着重针对容器间的安全访问策略，实现一个端口访问所有容器	项目地址	教程地址
IstoreNAS	NAS系统	基于openwrt的开源nas操作系统	项目地址	教程地址
UmbrelOS	容器系统	一款全新的NAS操作系统，集成应用商城、容器管理、导航栏	项目地址	教程地址
fnOS	NAS系统	免费的国产NAS操作系统	项目地址	教程地址

服务器管理

项目名称	类型	介绍	项目地址	教程地址
1panel	服务器管理	1panel的docker版本	项目地址	教程地址
Bind（Webmin）	服务器管理	一个基于 Web 的Linux/Unix 系统管理软件	项目地址	教程地址
Hertzbeat	监控	一站式实时监控、预警、通知系统，支持网络、服务器性能、数据库、容器等	项目地址	教程地址
Kener	监控	服务器监控	项目地址	教程地址
Netdata	监控	经典的服务器监控仪表盘	项目地址	教程地址
Beszel	监控	一套作用于NAS和服务器端的轻量级监控工具	项目地址	教程地址
Easynode	运维	多功能Linux服务器WEB面板(webSSH&webSFTP)	项目地址	教程地址
Nging	服务器管理	含ningx、caddy的Web管理面板，功能巨多	项目地址	教程地址

导航与书签

项目名称	类型	介绍	项目地址	教程地址
Fenrus	导航栏	一款花里胡哨的导航系统，支持引入外部连接和导航嵌套	项目地址	教程地址
Mafl	导航栏	一款新上线github的极简导航工具，使用yaml部署导航栏，支持主题设定，支持分组，超过200,000种免费图标，支持中文。	项目地址	教程地址
Team-Nav	导航栏	一款适合团队使用的导航栏工具	项目地址	教程地址
Mtab	导航栏	类似itab的新标签页管理工具	项目地址	教程地址
Dailyhot	导航栏	汇聚全网27个主流网站实时热榜	项目地址	教程地址
HomePage	导航栏	高度可自定义的导航栏工具	项目地址	教程地址

安全

项目名称	类型	介绍	项目地址	教程地址	备注
2FAuth	2FA	2FA管理工具	项目地址	教程地址	APP
Cowire	蜜罐	ssh蜜罐	项目地址	教程地址
Fakessh	蜜罐	ssh蜜罐	项目地址	教程地址
MyIP	网络	在线网络工具箱，支持IP查询、魔法查询等	项目地址	教程地址
Next Terminal	堡垒机	开源堡垒机系统，支持RDP、SSH、VNC、Telnet、Kubernetes协议	项目地址	教程地址
Orion-visor	堡垒机	高颜值、现代化的智能运维&轻量堡垒机平台	项目地址	教程地址
Safeline	waf	开源的waf工具	项目地址	教程地址
Web-check	网络	站长必备，网站分析工具，支持域名、ip完整分析	项目地址	教程地址
SamWaf	waf	轻量级的waf防火墙	项目地址	教程地址

办公协作

项目名称	类型	介绍	项目地址	教程地址	备注
Claper	办公	PPT演讲过程中的问卷调查、在线聊天、信息收集工具	项目地址	教程地址
Erp-Next	ERP	国内很好用的开源erp系统，一键部署版本	项目地址	教程地址
ILLA	协作	一个强大的开源低代码平台，供开发人员构建内部工具	项目地址	教程地址
InvenTree	ERP	开源的库存管理系统，提供直观的零件管理和库存控制	项目地址	教程地址
iToP	IT	基于ITIL的IT服务管理工具，包括一个完全可定制的CMDB，一个帮助台系统和一个文档管理工具	项目地址	教程地址
Kimai	办公	个人时间管理工具，管理打工人自己在不同项目、不同工种上的时间分配	项目地址	教程地址
O2oa	OA	国内很好用的的一款OA系统，通过插件可以实现如车辆管理、财务管理等其它系统功能	项目地址	教程地址	pro收费
Our-shopping-list	TODO	针对家庭、采购物资适配的todo工具	项目地址	教程地址
Planka	TODO	高颜值项目管理、团队协作、任务跟踪的todo工具	项目地址	教程地址
Screego	协作	基于 WebRTC 进行安全传输的屏幕共享	项目地址	教程地址
Snipe-it	IT	IT设备、设施管理系统	项目地址	教程地址
Superset	BI	免费的BI系统、数据驾驶舱系统	项目地址	教程地址
Twenty	CRM	高颜值跨平台的开源CRM项目，核心还在财务和客户管理	项目地址	教程地址	客户端
Univer	Office	支持在线excel、文档、ppt协作，google文档开源替代项目	项目地址	教程地址
Vikunja	TODO	支持项目管理、团队管理、任务管理的todo应用，worklite开源替代项目	项目地址	教程地址
Wbo	TODO	简易的在线白板绘图	项目地址	教程地址
WorkAdventure	办公	是一个基于 Web 的协作工作区，以 16 位视频游戏的形式呈现	项目地址	教程地址
Xiaojusurvey	问卷	针对调查问卷开发的在线问卷系统	项目地址	教程地址
卷王	问卷	开源问卷&在线考试	项目地址	教程地址
Leantime	项目管理	面向非项目经理的开源项目管理工具	项目地址	教程地址
Tududi	项目管理	一个极简的开源任务和项目管理工具	项目地址	教程地址	⭐New！

个人爱好与家庭管理

项目名称	类型	介绍	项目地址	教程地址	备注
DailyTxT	个人管理	一款加密的个人日记工具	项目地址	教程地址
Actual	财务应用	以预算管理为核心的一款个人财务管理系统	项目地址	教程地址
Babybuddy	家庭管理	婴幼儿吃喝拉撒记录、管理工具，支持和HA联动	项目地址	教程地址	APP
Grocy	家庭管理	一款专注于家庭、厨卫、物资的家用ERP系统	项目地址	教程地址
Habitica	个人管理	将习惯养成变为一种mmoprg游戏，支持职业、武器、宠物、副本等	项目地址	教程地址	APP
Hammond	个人管理	家庭汽车相关费用支出管理	项目地址	教程地址
Homebox	家庭管理	家庭用户搭建的库存与物资管理系统。专注于简单性和易用性，是满足您家庭库存、组织和管理需求的完美解决方案	项目地址	教程地址
Howtocook	个人管理	程序员烧饭手册大全	项目地址	教程地址
Kerberos-agent	监控	开源的监控设备统一管理系统，支持H264/H265的nvif/rtsp协议	项目地址	教程地址
Manage-my-damn-life	个人管理	个人管理软件psm，用于管理您的 CalDAV 任务和日历	项目地址	教程地址
Manyfold	兴趣爱好	用于管理3D打印机资料的开源项目	项目地址	教程地址
Monica	家庭管理	一款个人关系管理系统，可让记录自己的人际关系、生活经验	项目地址	教程地址
SheetAble	兴趣爱好	一款易于使用的乐谱整理器和乐谱软件	项目地址	教程地址
Traggo	个人管理	以时间轴为核心的时间分配、管理工具	项目地址	教程地址
Wallos	财务应用	针对周期财务、账单进行管理的财务管理系统，支持如自动续费、代扣、过期管理、纪念日等	项目地址	教程地址
Gramps-web	家庭管理	一款专业的自托管族谱项目	项目地址	教程地址
GetQzonehistory	个人管理	获取QQ空间发布的历史说说	项目地址	教程地址	⭐New！
Babel-duck	兴趣爱好	一款基于AI的英语口语训练工具	项目地址	教程地址	⭐New！
Cashbook	财务应用	支持支付宝、微信、京东金融导入的个人记账工具	项目地址	教程地址	⭐New！
DickHelper	兴趣爱好	牛子管理器……..	项目地址	教程地址	⭐New！

影音相关

项目名称	类型	介绍	项目地址	教程地址	备注
Audiobookshelf	播客	一款管理播客和有声书的自托管系统	项目地址	教程地址	APP
ChineseSubFinder	字幕	中文字幕下载工具	项目地址	教程地址
Douban-Tool（弃坑）	影视	基于豆瓣想看的BT下载工具	项目地址	教程地址
Feishin	音乐	一款高颜值的音乐播放器前端	项目地址	教程地址
Namer	刮削	欧美小姐姐作品重命名工具，方便刮削	项目地址	教程地址
Melody	音乐	基于网易云云盘的音乐下载工具	项目地址	教程地址
Musicn	音乐	mp3音乐下载工具	项目地址	教程地址
Movie-Web	影视		已删库	教程地址
Onelist	影视	用于alist挂载后的影视刮削工具	项目地址	教程地址
R3PLAY	音乐	网易云第三方播放器，docker部署版	项目地址	教程地址	客户端
Teemii	漫画	在线漫画下载与管理	项目地址	教程地址
Xiaomusic	音乐	小米/红米/小爱音箱第三方口令与音乐下载、播放工具	项目地址	教程地址	基于小米音箱
Jellyfin	影视	N大的jellyfin国人版	项目地址	教程地址
Navidrome	音乐	NAS上最好的音乐管理服务器	项目地址	教程地址
Music-Tag-Web	音乐	最好用的音乐元数据刮削工具	项目地址	教程地址
Emby-Keeper	影视	emby公益服保号、注册等	项目地址	教程地址
Guovin_TV	IPTV	IPTV电视直播源更新项目，从Guovin_TV升级而来	项目地址	教程地址	⭐New！
NextBeats	音乐	一款基于油管的lofi音乐流播放器	项目地址	教程地址	⭐New！
Iptvnator	IPTV	具有多种功能的跨平台 IPTV 播放器应用程序	项目地址	教程地址	⭐New！
auto_symklink	影音	一款创建与更新软链接/strm文件的工具，也可用于解决绿联家庭相册	项目地址	教程地址	⭐New！
Komga	漫画	漫画、漫画、BD、杂志和电子书的媒体服务器	项目地址	教程地址	⭐New！
BangumiKomga	漫画	基于Komga的漫画番剧刮削工具	项目地址	教程地址	⭐New！
LANraragi	漫画	同人志阅读工具，拥有多种同人志插件	项目地址	教程地址	⭐New！
Kavita	电子书	一个快速、功能丰富的跨平台阅读服务器	项目地址	教程地址	⭐New！
Calibre-Web	电子书	用于浏览、阅读和下载存储在Calibre中的Web应用	项目地址	教程地址	⭐New！

下载与网盘

项目名称	类型	介绍	项目地址	教程地址	备注
Metube	下载	一款基于ytb-dlp的可视化下载工具	项目地址	教程地址
Qbittorrent	下载	最强的BT/PT下载工具	项目地址	教程地址
Transmission	下载	轻量化的PT/BT下载工具，善于保种	项目地址	教程地址
JmalCloud	网盘	私有云存储网盘项目，支持本地存储和OSS对象存储，兼容在线office编辑和文件浏览	项目地址	教程地址
CloudDrive	网盘	将网盘挂载为本地磁盘	项目地址	教程地址
Zfile	网盘	支持17种远程存储的网盘汇聚项目	项目地址	教程地址
蓝眼云盘	网盘	一个优雅，好用，高效，克制的开源云盘	项目地址	教程地址	⭐New！
Zpan	网盘	基于S3、云存储的网盘项目	项目地址	教程地址	⭐New！

社交工具

项目名称	类型	介绍	项目地址	教程地址	备注
Fiora	聊天	自建开源社交即时聊天工具	项目地址	教程地址
Flarum	论坛	一款高颜值、轻量化的论坛	项目地址	教程地址
Misskey	社区	一款基于星级网络的自托管社区	项目地址	教程地址
TailChat	聊天	类似discord的开源自建聊天服务器	项目地址	教程地址
Zammad	客服	基于Web的开源服务台与客户支持系统	项目地址	教程地址
春松客服	客服	在线客服管理系统，支持多平台外挂式接入，支持坐席管理	项目地址	教程地址	pro收费
唐僧叨叨	聊天	一款支持web、windows、macos、linux、IOS、安卓的全平台开源聊天项目	项目地址	教程地址

生产力与ai

项目名称	类型	介绍	项目地址	教程地址	备注
ChatALL	AI集成	同时与ChatGPT、Bing Chat、Bard、Alpaca、Vicuna、Claude、ChatGLM、MOSS、讯飞星火、文心一言等聊天的集成客户端。	项目地址	教程地址
Chatgpt-Next-Web	AI集成	AI集成对话面板	项目地址	教程地址
Copilot-gpt4-Service	AI集成	将GitHub Copilot免费转换为ChatGPT	项目地址	教程地址
Darktable	绘图	专门面向摄影师服务的开源数字摄影后期处理软件，平替Lightroom	项目地址	教程地址
DragGAN	AI应用	基于点的浏览器在线P图，只需要控制点的位置，即可自动进行P图，实现交互式编辑	项目地址	教程地址
Free-Cad	生产力	免费开源的3D建模工具	项目地址	教程地址	客户端
Image-matting	AI应用	一键在线扣除图片背景	项目地址	教程地址
Jan	AI	一款100%在本地运行的多平台的OpenAI模型，支持MacOS、Windows、Linux客户端，支持Docker环境部署。	项目地址	教程地址
Kimi-free-api	AI集成	基于kimi网页版生成的API，免费使用	项目地址	教程地址
Koishi	机器人	一个跨平台、可扩展、高性能的机器人框架	项目地址	教程地址
LocalAI	AI	完全离线运行的本地AI大模型系统，支持抱脸虫上的各类库，支持api输出	项目地址	教程地址
Penpot	生产力	好用好看的原型设计软件，Kaleidos的平替项目	项目地址	教程地址
QChatGPT	机器人	支持AI接入的QQ/QQ频道/OneBot 机器人平台	项目地址	教程地址
Windows-docker	生产力	在docker容器中运行windows系统	项目地址	教程地址
MinIO	生产力	一款兼容S3的自托管对象存储	项目地址	教程地址
Rustpad	生产力	一款开源协作文本编辑器，支持在浏览器中编写代码时进行实时协作	项目地址	教程地址	⭐New！
Open-webui	AI应用	友好易用的AI web管理页面	项目地址	教程地址	⭐New！
Chatgpt-on-Wechat	AI应用	基于大模型搭建的聊天机器人，同时支持微信公众号、企业微信应用、飞书、钉钉等接入	项目地址	教程地址	⭐New！
Dify	AI应用	Dify 是一个开源LLM的应用程序开发平台	项目地址	教程地址	⭐New！

知识库管理

项目名称	类型	介绍	项目地址	教程地址	备注
Affine	个人笔记	无界白板+超强文档管理，Notion的开源替代	项目地址	教程地址	客户端
Benotes	个人笔记	一个开源的自托管笔记和书签网络应用程序	项目地址	教程地址
Bookstack	团队文档	团队，个人知识库、wiki管理系统，支持项目、书籍、书页等多个层级管理	项目地址	教程地址
Huntly	个人笔记	RSS集大成者，包含RSS、稍后阅读、收藏功能，支持github、推特文章优化	项目地址	教程地址	浏览器扩展
Language-tool	翻译	语言在线校验工具，支持30多种语言的在线翻译和书写校验	项目地址	教程地址	浏览器扩展
Libretranslate	翻译	一款本地化部署的翻译软件及API	项目地址	教程地址
Memonts	个人笔记	自托管的“朋友圈”风格博客	项目地址	教程地址
Memos	个人笔记	碎片化知识闪记、笔记	项目地址	教程地址	app/小程序
Perlite	团队文档	Obsidian Publish开源代替项目，支持在线阅读md文件，支持分权限共享	项目地址	教程地址
Reference	个人笔记	稳定更新的快速开发备忘录，包含数据库、前端、后端、api、各类工具命令等170个工具、软件，	项目地址	教程地址
Showdoc	团队文档	专门针对IT场景开发的个人知识库、团队文档管理工具，支持通过api生成文档，支持api文档、数据字典等	项目地址	教程地址
Wallabag	个人笔记	是一个自我托管的应用程序，用于保存网页：保存和分类文章，稍后阅读	项目地址	教程地址
Wiznote	个人笔记	为知笔记的自托管版本	项目地址	教程地址
Blinko	个人笔记	以AI为驱动核心的个人笔记工具	项目地址	教程地址
Freshrss	RSS	一个免费的，可自托管的新闻聚合器	项目地址	教程地址
Wiki.js	RSS	基于js的高颜值wiki项目	项目地址	教程地址
小书匠	个人笔记	支持选择性同步的全平台覆盖知识管理笔记软件	项目地址	教程地址	⭐New！

文件管理

项目名称	类型	介绍	项目地址	教程地址	备注
Filebrowser	文件管理	经典的文件管理工具，没有多余的功能模块，就是简简单单的管理文件、文件夹	项目地址	教程地址
Filecodebox	共享	一款以匿名口令分享文本、文件的工具，旨在让共享成为像拿快递一样方便。	项目地址	教程地址
FreeFileSync	同步	一款文件夹比较和同步软件，可创建和管理所有重要文件的备份副本	项目地址	教程地址
MicroBin	共享	稍后阅读，可设置次数、时间的资料共享 Web 应用程序	项目地址	教程地址
Verysync	同步	微力同步，全平台的文件同步工具	项目地址	教程地址
Spacedrive	文件管理	跨平台文件管理系统	项目地址	教程地址	APP/客户端
Taosync	同步	一款基于alist的自动同步工具	项目地址	教程地址
QuickDrop	文件共享	一款易于使用的文件共享应用程序，允许用户在没有帐户的情况下共享	项目地址	教程地址	⭐New！
Video-duplicate-finder	文件去重	video-duplicat的docker部署版本	项目地址	教程地址	⭐New！

相册与图库

项目名称	类型	介绍	项目地址	教程地址	备注
Czkawka	相册管理	一款多平台的相册去重工具	项目地址	教程地址
Ente	相册管理	端对端加密的相册管理、2FA管理工具，google 相册开源替代	项目地址	教程地址	APP
Icloudpd	相册管理	从 iCloud 下载照片的命令行工具	项目地址	教程地址
Immich	相册管理	开源家庭相册管理，支持clip	项目地址	教程地址	APP
Kamera	相册管理	专供摄影佬使用的记录网站，采用瀑布流图片展示方式	项目地址	教程地址
Lomorage	相册管理	全平台自托管照片管理软件，重点在照片上传	项目地址	教程地址	APP
Mt photos	相册管理	最强相册管理软件之一	项目地址	教程地址	收费闭源
Photostruct	相册管理	家庭照片管理工具，专门针对文件夹浏览进行开发	项目地址	教程地址	pro收费/客户端
Photoview	相册管理	为摄影佬开发的瀑布流相册管理工具	项目地址	教程地址
Easyimage2	图床	轻量级图床	项目地址	教程地址

消息通知

项目名称	类型	介绍	项目地址	教程地址	备注
Bark	消息通知	苹果专用的消息推送服务	项目地址	教程地址	APP
Gotify	消息通知	安卓专用的消息推送服务	项目地址	教程地址	APP
Heimdallr	消息通知	支持根据不同消息来源，不同消息目的进行消息推送的聚合消息推送平台，支持10+消息推送方式	项目地址	教程地址	无头服务器部署

游戏娱乐

项目名称	类型	介绍	项目地址	教程地址
DNF	游戏	一款老版本的DNF私服	项目地址	教程地址
Docker-Minecraft-Server	游戏	专门运行在docker里的minecraft（Java 版）社区服务器	项目地址	教程地址
Karaoke-eternal	游戏	一款以KTV氛围设计的卡拉ok软件	项目地址	教程地址
Palworld	娱乐	幻兽帕鲁的服务器搭建docker	项目地址	教程地址
Pokerogue	游戏	PokéRogue 是一款基于浏览器的神奇宝贝同人游戏，深受 Roguelite 类型的启发。	项目地址	教程地址
RetroArch-web	游戏	网页版的复古游戏模拟器	项目地址	教程地址
RomM	Rom管理器	一个漂亮的，强大的，自托管的rom管理器	项目地址	教程地址
Vue-idle-game	游戏	一个放置的西幻点击游戏	项目地址	教程地址
雾锁王国	游戏	雾锁王国社区服务器	项目地址	教程地址
Codecombat	游戏	扣哒世界，用游戏来学习编程	项目地址	教程地址
Ratel	游戏	可联网的命令行德州、都抵制游戏	项目地址	教程地址

赚钱项目

项目名称	类型	介绍	项目地址	教程地址	备注
Acg-Faka	建站	acg-faka是一款二次元风格的卡券管理平台	项目地址	教程地址
Bar-Assistant	酒吧管理	包含鸡尾酒做法、库存管理	项目地址	教程地址
C-shopping	商城	完整的在线商城系统，支持app、小程序等	项目地址	教程地址	app/小程序
Dailycheckin	签到	支持docker、青龙部署的多平台打卡、签到工具	项目地址	教程地址
Douyin	前端	完整度超高的抖音前端项目	项目地址	教程地址
DouyinLiveRecorder	下载工具	支持15+直播平台的自动录制工具	项目地址	教程地址
iMaotai	签到	自动预约i茅台	项目地址	教程地址
Novel-Plus	建站	小说网站建站系统	项目地址	教程地址
Pterodactyl	建站	服务器开服与管理工具，支持近120款游戏一键开服	项目地址	教程地址
QD	签到	支持100+网页系统的自动签到、自动打卡工具	项目地址	教程地址
Zyplayer-doc	建站	团队、个人知识库、文档管理工具，支持付费阅读	项目地址	教程地址
独角数卡	商城	一款自动发卡、售卡的在线商城项目	项目地址	教程地址
魔豆文库	建站	开源版百度文库系统，支持知识付费	项目地址	教程地址	pro收费
Quark–Save	签到	夸克自动签到工具	项目地址	教程地址
instock	炒股	InStock股票系统，抓取每日股票、ETF关键数据等，是量化投资的好帮手	项目地址	教程地址	⭐New！
SyncTV	建站	一款在线视频播放平台，同步观看、影院、直播、视频	项目地址	教程地址	⭐New！

其它工具

项目名称	类型	介绍	项目地址	教程地址
ArchiveB	工具	互联网存档工具，用于保存互联网页面	项目地址	教程地址
Genact	工具	假装你一直在敲代码的网页版docker	项目地址	教程地址
It-tools	工具	在线IT工具箱	项目地址	教程地址
Stirling-PDF	工具	在线PDF转换与管理	项目地址	教程地址
Iyuuplus-dev	PT	用于PT种子转种、辅种	项目地址	教程地址
N.eko	浏览器	基于webRTC的嵌套浏览器	项目地址	教程地址
Photopea	绘图	在线PS	项目地址	教程地址
RustDesk	远程	自托管的远程控制工具	项目地址	教程地址
SshWifty	远程	一款浏览器的webssh工具，支持SSH和Telnet服务	项目地址	教程地址
Cloudbak	备份	备份微信聊天记录到浏览器	项目地址	教程地址
Morphos	工具	照片、文档、电子书的在线格式转换工具	项目地址	教程地址
VaultWarden	工具	跨平台的2FA、密码管理工具	项目地址	教程地址

网络工具

项目名称	类型	介绍	项目地址	教程地址	备注
Slash	短连接	网址短链接工具，包含了书签管理与连接分享功能	项目地址	教程地址	浏览器扩展
Yourls	短连接	网站短链接生成	项目地址	教程地址
NginxWebui	网络	基于Nginx开发的可视化配置工具	项目地址	教程地址
Umami	网络	个人博客网站流量分析工具，支持流量分析到页到ip	项目地址	教程地址
Upsnap	网络	一款局域网唤醒 Web 应用程序	项目地址	教程地址
Tailscale	网络	异地组网工具	项目地址	教程地址
Zerotier	网络	异地组网工具	项目地址	教程地址
星空组网	网络	一款国产开发的异地组网工具	项目地址	教程地址
WatchYourLan	网络	一款局域网IP查找工具	项目地址	教程地址
WatchYourPorts	网络	一款局域网端口查找工具	项目地址	教程地址
Lucky	网络	一款多用途的网络管理和反代工具	项目地址	教程地址
Frp-Panel	网络	frp集中管理平台，支持部署frpc\frps节点	项目地址	教程地址
Certimate	SSL	一款SSL证书自动续签工具	项目地址	教程地址
Oray	网络	贝锐花生壳，一款免端口内网穿透工具	官网地址	教程地址	⭐New！
内链通	网络	一款基于STUN的内网穿透工具	官网地址	教程地址	⭐New！
比扬云	网络	一款基于SD-WAN，从2B到2C的异地组网工具	官网地址	教程地址	⭐New！

PDF转Markdown工具

Thu, 05 Feb 2026 14:34:25 -0800

PDF转Markdown工具

前言

在大语言模型（LLM）迅速发展的时代，文档处理和转换变得尤为重要。当我们需要将各种格式的文档（如 PDF、Word、PowerPoint 等）输入到 LLM 中进行分析或处理时，首先需要将这些文档转换为文本格式。然而，简单的文本转换往往会丢失文档的结构信息，如标题、列表、表格等重要元素。Microsoft 开源的 MarkItDown 项目就是为解决这一问题而诞生的。它能将各种格式的文档转换为 Markdown 格式，既保留了原文档的结构信息，又保证了输出内容的简洁性，特别适合与 LLM 配合使用。本文将深入探讨 MarkItDown 的功能特点、应用场景和使用方法，帮助开发者更好地利用这一强大工具。

markitdown

MarkItDown now offers an MCP (Model Context Protocol) server for integration with LLM applications like Claude Desktop. See markitdown-mcp for more information.

Python tool for converting files and office documents to Markdown.

主要功能

MarkItDown 的核心功能是将各种文件格式转换为 Markdown，特别强调在转换过程中保留文档结构和内容的完整性。与类似工具如 textract 相比，MarkItDown 更专注于保留文档中的以下结构元素：

标题层级
列表格式
表格结构
超链接
图像引用
文本格式（如粗体、斜体）

支持的文件格式

MarkItDown 支持的文件格式非常丰富，包括：

PDF 文档
PowerPoint 演示文稿
Word 文档
Excel 电子表格
图像文件（包括 EXIF 元数据提取和 OCR 文字识别）
音频文件（支持 EXIF 元数据提取和语音转文字）
HTML 网页
各种文本格式（CSV、JSON、XML 等）
ZIP 压缩文件（自动遍历内容）
YouTube 视频链接（提取字幕）
EPub 电子书
以及更多…

技术架构

MarkItDown 采用模块化设计，主要包含以下组件：

核心转换引擎：负责文件格式识别和转换协调
文件格式转换器：针对不同文件格式的专用转换模块
插件系统：支持第三方扩展功能
命令行接口：便于在终端中使用
Python API：方便集成到其他 Python 应用中

安装与使用

安装

MarkItDown 可以通过 pip 安装。为了获得完整功能，建议安装所有可选依赖：

1

pip install markitdown[all]

如果只需要部分功能，可以选择性安装依赖：

1
2


# 仅安装 PDF、Word 和 PowerPoint 支持
pip install markitdown[pdf,docx,pptx]

也可以从源代码安装：

1
2
3


git clone git@github.com:microsoft/markitdown.git
cd markitdown
pip install -e 'packages/markitdown[all]'

可选依赖包

MarkItDown 将依赖组织为可选特性组，当前支持的特性组包括：

[all]：安装所有可选依赖
[pptx]：PowerPoint 文件支持
[docx]：Word 文件支持
[xlsx]：Excel 文件支持
[xls]：旧版 Excel 文件支持
[pdf]：PDF 文件支持
[outlook]：Outlook 邮件支持
[az-doc-intel]：Azure Document Intelligence 支持
[audio-transcription]：音频转录支持（wav 和 mp3 文件）
[youtube-transcription]：YouTube 视频转录支持

命令行使用

最基本的命令行使用方式：

1
2
3
4
5
6
7
8


# 转换文件并输出到标准输出
markitdown path-to-file.pdf > document.md

# 指定输出文件
markitdown path-to-file.pdf -o document.md

# 从标准输入读取内容
cat path-to-file.pdf | markitdown

命令行方式

Python API 使用

基本使用：

1
2
3
4
5


from markitdown import MarkItDown

md = MarkItDown(enable_plugins=False) # Set to True to enable plugins
result = md.convert("test.xlsx")
print(result.text_content)

集成文档智能：

1
2
3
4
5


from markitdown import MarkItDown

md = MarkItDown(docintel_endpoint="<document_intelligence_endpoint>")
result = md.convert("test.pdf")
print(result.text_content)

使用大语言模型生成图片描述（当前只适用于 pptx 和 image文件）需要提供 llm_client 和 llm_model:

1
2
3
4
5
6
7


from markitdown import MarkItDown
from openai import OpenAI

client = OpenAI()
md = MarkItDown(llm_client=client, llm_model="gpt-4o", llm_prompt="optional custom prompt")
result = md.convert("example.jpg")
print(result.text_content)

Azure AI 文档智能是一项基于云的Azure AI 服务，支持构建智能文档处理解决方案。在 Python 代码中使用 MarkItDown：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


from markitdown import MarkItDown

# 基本使用
md = MarkItDown(enable_plugins=False) # 设置为 True 启用插件
result = md.convert("test.xlsx")
print(result.text_content)

# 使用 Azure Document Intelligence
md = MarkItDown(docintel_endpoint="<document_intelligence_endpoint>")
result = md.convert("test.pdf")
print(result.text_content)

pdf3md

PDF3MD 是一个现代化、用户友好的网络应用程序，旨在将 PDF 文档转换为干净、格式化的 Markdown 文本。它提供了高效的转换工具，支持多种文件格式之间的转换。

注意：不要用那种扫描的 pdf 文件，毕竟还不支持 ocr 功能

A modern, user-friendly web application that converts PDF documents to clean, formatted Markdown text.

主要特点

PDF 转 Markdown：能够将 PDF 文档转换为可读性强的 Markdown 格式，同时保留文档的结构元素。
Markdown 转 Word (DOCX)：支持将用户提供的 Markdown 文本转换为 DOCX 格式，使用 Pandoc 实现高质量输出。
多文件上传：支持同时上传和处理多个 PDF 文件，提升工作效率。
拖拽式界面：提供用户友好的文件上传方式，支持拖放或传统的文件选择。
实时进度跟踪：在转换过程中提供详细的状态更新，用户可以实时监控转换进度。
现代响应式用户界面：设计直观，适合各种设备使用。

应用场景

文档转换：适用于需要将 PDF 文档转换为 Markdown 的用户，例如技术文档编辑、博客撰写等。
内容编辑：方便用户在 Markdown 格式下进行内容编辑和格式化，然后可以轻松导出为 Word 文档。
批量处理：适合需要处理大量文档的场景，例如教育机构、出版社等。

PDF3MD 通过提供简化的文档转换流程，大大提升了用户的工作效率和体验。

gptpdf

gptpdf 是一个利用VLLM解析PDF为Markdown的工具，几乎完美支持数学公式、表格等。

GPTPDF 是一个使用视觉大模型（如 GPT-4o）将 PDF 文件解析成 Markdown 文件的工具。它主要用于高效地解析 PDF 文档中的排版、数学公式、表格、图片、图表等内容，并将这些内容转换为结构化的 Markdown 格式。其显著特点是简单且成本低，每页平均费用为 $0.013。

地址： https://github.com/CosmosShadow/gptpdf

marker

Marker是一款将PDF快速精准转换为Markdown的工具，支持多种文档格式和语言。

Marker是一款能够快速且准确地将PDF转换为Markdown的工具。它支持多种类型的文档（针对书籍和科学论文进行了优化），支持所有语言，并且能够去除页眉、页脚及其他杂乱信息。此外，它还能正确格式化表格和代码块，并提取图像保存为Markdown。同时，Marker将大多数的公式转换为LaTeX格式，适用于GPU、CPU或MPS环境。

地址： https://github.com/vikparuchuri/marker

PDF-Extract-Kit

PDF-Extract-Kit 提供高质量PDF内容提取，支持布局检测、公式识别和OCR功能

基本功能：

版面检测：使用 LayoutLMv3 模型进行区域检测，如检测图片、表格、标题、文本等。
公式检测：使用 YOLOv8 模型检测公式，包括行内公式和独立公式。
公式识别：使用 UniMERNet 进行公式识别。
光学字符识别 (OCR)：使用 PaddleOCR 进行文本识别。

地址： https://github.com/opendatalab/PDF-Extract-Kit

zeroX

Zerox OCR 是一种经济高效且准确的文档OCR工具，适用于AI数据处理。

Zerox OCR 是一种极其简便的方法，用于将文档进行光学字符识别（OCR）并方便人工智能进行后续处理。鉴于文档往往包含复杂布局、表格、图表等，视觉模型在处理这些内容时尤其有效。

基本逻辑如下：

提供一个 PDF 文件（URL 或文件缓冲区）。
将 PDF 转换成一系列图像。
将每个图像传给 GPT，让其生成 Markdown 格式的文本。
聚合所有响应，并返回 Markdown 格式的结果。

地址： https://github.com/getomni-ai/zeroX

omniparse

OmniParse是一个将各种非结构化数据转换为结构化、适用于生成式AI（LLM）应用的平台。

OmniParse 是一个数据解析平台，旨在将各种非结构化数据转换为适用于生成式AI（GenAI）应用的结构化数据。无论是文档、表格、图像、视频、音频文件，还是网页，OmniParse 都能对其进行处理，使其变得干净、结构化，并为诸如 RAG（Retrieval-Augmented Generation）和细调等AI应用做好准备。

特色：

完全本地化，无需外部API
支持多达 20 种文件类型
将文档、多媒体和网页转换为高质量的结构化 Markdown
支持表格提取、图像提取与标注、音频/视频转录、网页爬取
通过 Docker 和 Skypilot 轻松部署
兼容 Colab
交互式 UI 由 Gradio 提供支持

地址： https://github.com/adithya-s-k/omniparse

MinerU

MinerU 是一个开源的高质量数据提取工具，支持多种文件格式

MinerU 是一个一站式、开源的高质量数据提取工具，主要包括以下两个核心功能模块：

功能介绍：Magic-PDF 能将 PDF 文档转换为 Markdown 格式，可以处理本地存储或支持 S3 协议的对象存储中的文件。

主要特色：

支持多种前端模型输入
自动去除页眉、页脚、脚注和页码
保留文档原有的结构和格式，包括标题、段落、列表等
提取并显示图片和表格
将公式转换为 LaTeX 格式
自动检测和转换乱码 PDF 文档
兼容 CPU 和 GPU 环境
可在 Windows、Linux 和 macOS 平台上使用

地址： https://github.com/opendatalab/MinerU

参考资料

六个开源的PDF转Markdown项目

MarkItDown：微软开源的文档转 Markdown 工具及其在 LLM 时代的应用

PDF电子书制作工具

Thu, 05 Feb 2026 12:34:25 -0800

PDF电子书制作工具

前言

本文介绍一些PDF电子书制作工具。

MdBook-PDF

简介

用 Rust 编写的 mdBook 后端，基于headless chrome和Chrome开发工具协议生成PDF。

mdbook-pdf——中文说明

mdbook-theme

博客

安装和使用

由于它是 mdBook 的插件（后端），首先您应该确保 mdbook 可用。

如果您的计算机的架构为x86_64，或者ARM64版本的Linux，请检查成功的build GitHub Actions workflows/release，单击最新的一次运行记录，然后您可以从 Artifacts中获取二进制文件（包括 Windows、Linux、macOS）。

否则，确保 rust 编译环境可用，执行cargo install mdbook-pdf编译安装即可。

如果需要最新版的编译二进制文件，请确保 Rust 编译环境可用（cargo build），运行 cargo install --git https://github.com/HollowMan6/mdbook-pdf.git，或者，您可以克隆存储库并自行编译。（执行git clone https://github.com/HollowMan6/mdbook-pdf.git，在然后在克隆下来的文件夹中运行cargo build --release，在target/release/中获取可执行文件，并将其放入PATH）

为了使得程序能够正常运行，请确保计算机上在运行本程序之前已经安装了 Google Chrome / Chromium / Microsoft Edge，（安装在默认的位置，在当前的PATH中，或配置了二进制文件位置）。如果没有安装，并且程序启用了fetch功能(默认未开启，需使用cargo install mdbook-pdf --features fetch重新编译开启)，程序将会尝试自动下载 Chromium 浏览器并运行（注意：如在Linux中使用可能会存在chromium依赖不满足/非x86_64无法适配的问题）。

在Windows 10及以上该程序无需安装任何额外软件即可正常生成 PDF，因为 Microsoft Edge 是 Windows 系统自带的浏览器。当然如果考虑到对没有自带安装 Edge 的老版本Windows的支持，在电脑上安装一个 Google Chrome 即可。
在 macOS 中需要下载并安装 Google Chrome 或者 Microsoft Edge 或者 Chromium。
在 Linux 中安装Google Chrome / Chromium / Microsoft Edge 浏览器中的任意一个即可，推荐安装 Chromium，该软件包在您的发行版中一般名称为 chromium 或 chromium-browser（注意，在 Ubuntu 18.04 之后需要通过 snap 安装 chromium-browser）。

请确保您的book.toml中存在以下内容:

1
2
3


[output.html]

[output.pdf]

而且，[output.html.print]也没有被禁用（默认情况下应该是启用的，所以如果您的book.toml中没有出现以下行，请不要担心）。

1
2


[output.html.print]
enable = true

一个最简单的book.toml文件示例如下：

1
2
3
4
5
6


[book]
title = "An Example"

[output.html]

[output.pdf]

最后，您可以使用 mdbook build 命令生成书籍并获取PDF文件，您的PDF文件将被存放在book/pdf/output.put。

配置

支持自定义PDF纸张方向、页面缩放比例、纸张宽度和高度、页面边距、生成的PDF页面范围、是否显示页眉和页脚以及自定义其格式等。

示例配置文件：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43


[book]
authors = ["Hollow Man"]
language = "en"
src = "src"
title = "An Example"

[output.html]

[output.pdf]
## Set for auto-retrying if failed to generate PDF.
# trying-times = 1
## Set the timeout in seconds.
# timeout = 600
## This backend only support latest Chromium based browsers, not Safari and Firefox currently.
## If needed, please specify the full path.
## If you specify the wrong binary, chances are that there will be a timeout error.
# browser-binary-path = ""
## Assign the static hosting site url so that relative links outside the book can be fixed.
# static_site_url = "https://rust-lang.github.io/mdBook"
## Set the theme to be applied for the generated PDF.
# theme = "ayu"
## Check Chrome Devtools Protocol Docs for the explanation of the following params:
## https://chromedevtools.github.io/devtools-protocol/tot/Page/#method-printToPDF
landscape = false
display-header-footer = true
print-background = true
scale = 0.7
paper-width = 8
paper-height = 10
margin-top = 0.5
margin-bottom = 0.5
margin-left = 0.5
margin-right = 0.5
page-ranges = ""
ignore-invalid-page-ranges = false
header-template = "<h3 style='font-size:8px; margin-left: 48%' class='title'></h3>"
footer-template = "<p style='font-size:10px; margin-left: 48%'><span class='pageNumber'></span> / <span class='totalPages'></span></p>"
prefer-css-page-size = true
generate-document-outline = false
generate-tagged-pdf = true

[output.pdf-outline]
like-wkhtmltopdf = true

查看 book.toml 以了解 [output.pdf] 可用配置的详细信息。

具体参数详解：

trying-times

接受输入一个整型数，默认为1。其指定假如发生PDF生成失败的情况重试的次数。

browser-binary-path

接受输入一个字符串，默认为空''，程序自动判断路径。其指定浏览器可执行文件路径。

本程序支持最新的基于Chromium的浏览器，不支持Safari和Firefox。如果你需要指定，请指定完整的路径，比如说/usr/bin/foo。如果指定了错误的可执行文件，则很可能会出现超时错误或者直接报错。

static-site-url

接受输入一个字符串，默认为空''。其指定书的静态网站托管URL，从而修复书之外的相对链接，将其转换为绝对路径。

landscape

接受输入一个布尔值，默认为false。其指定PDF纸张方向，true为横向，false为纵向。

display-header-footer

接受输入一个布尔值，默认为false。其指定是否显示页眉和页脚，true为显示，false为不显示。

print-background

接受输入一个布尔值，默认为false。其指定是否在PDF中显示背景图片，true为显示，false为不显示。

theme

接受输入一个字符串。其指定用于打印书的主题。

scale

接受输入一个数字，默认为1。其指定缩放因子，例如指定值为1.25，则将页面缩放125%。

paper-width

接受输入一个数字，默认为8.5。其指定页面宽度的英尺数，如果需要使用A4纸请将此值设为8。

paper-height

接受输入一个数字，默认为11。其指定页面高度的英尺数，如果需要使用A4纸请将此值设为10。

margin-top

接受输入一个数字，默认为1。其指定页面上边距的厘米数。

margin-bottom

接受输入一个数字，默认为1。其指定页面下边距的厘米数。

margin-left

接受输入一个数字，默认为1。其指定页面左边距的厘米数。

margin-right

接受输入一个数字，默认为1。其指定页面右边距的厘米数。

page-range

接受输入一个字符串，默认为空''，即不截取PDF页面。其指定生成PDF文件页面截取范围，支持指定常见打印机格式页面范围，如'1-5, 8, 11-13'则是将第1到5页以及第8页和第11到13页截取出来生成。

ignore-invalid-page-ranges

接受输入一个布尔值，默认为false。其指定，如果上面指定的PDF文件页面截取范围格式正确，但是实际无法按照语义执行，是否忽略。true为忽略，生成全部PDF页面，false为进行报错，如在指定3-2这种情况下将会报错，PDF生成失败。

header-template

接受输入一个字符串。其指定PDF文件页眉的HTML模板。其值应该是一个有效的HTML标记，并使用以下类从而将对应值插入其中：

date: 格式化后的PDF生成日期
title: 书的标题
url: PDF文件存放路径
pageNumber: 当前页号
totalPages: 总共页数

例如，'<span class=title></span>' 将生成一个包含标题的页眉。

footer-template

接受输入一个字符串。其指定PDF文件页脚的HTML模板。其值的格式同header-template。

prefer-css-page-size

接受输入一个布尔值，默认为false。其指定是否使用 CSS 定义的页面大小。true为使用，false时页面将通过缩放来适应纸张大小。

generate-document-outline

接受输入一个布尔值，默认为true。其指定是否根据网页生成PDF目录。

generate-tagged-pdf

接受输入一个布尔值，默认为true。其指定是否根据网页生成PDF标记。

常见问题

让mdbook-pdf支持火狐！目前，尽管 Puppeteer 根据其文档，已经支持类似于Chrome 开发工具协议 Page.printToPDF的东西，rust-headless-chrome 并没有。
链接损坏！

我已经提交了一个 mdBook 的拉取请求，该拉取请求通过将打印页面 (print.html) 上的链接指向打印页面上的锚点来解决此问题，但尚未合并。您可以尝试我的拉取请求分支以使其正常工作。在最新的 mdbook (v0.5.0+) 中已经修复。

如果你的书中有书以外的相对路径链接，请提供静态网站托管URL以便修复。

~~可以像wkhtmltopdf支持的那样，在PDF中添加书签来反映目录吗？~~

这已经由 Chromium 实现，现在，在v0.1.11+中，您可以通过generate-document-outline选项控制。

[!NOTE] 如果您不喜欢 Chromium 的实现方案，我们还自己实现了对PDF文件书签/大纲的支持（mdbook-pdf-outline）。它是mdbook的另一个后端，用Python编写，应与mdbook-pdf 一起使用。

您可以通过pip install mdbook-pdf-outline安装此后端。

记住将以下内容放在book.toml的 末尾，[output.pdf]之后，并禁用generate-document-outline选项：
1
2
3
generate-document-outline = false

[output.pdf-outline]
如果您希望使PDF目录与wkhtmltopdf生成的目录相同（根据标题生成条目），则则无需进一步修改book.toml：

如果您想使PDF目录与print.html页面中显示的目录相同，可以通过在book.toml中禁用like-wkhtmltopdf选项（注意：此功能只在mdbook v0.5.0 之前修复了print.html中损坏链接的旧版mdbook版本可用，你可以通过 cargo install --git https://github.com/HollowMan6/mdBook mdbook安装。
1
2
3
4
generate-document-outline = false

[output.pdf-outline]
like-wkhtmltopdf = false
最后，您可以在book/pdfoutline/output.pdf中找到带有大纲/目录的版本。

在 mdbook-pdf 所遵循的 Markdown 源中强制分页！

参考#9，您可以使用以下语法在markdown源中强制分页：

1
2


<div style="page-break-before:always">&nbsp;</div>
<p></p>

无法在 mdbook-pdf 中将我的书呈现为 PDF！

如果您能将它报告给问题跟踪器，并提供mdbook-pdf渲染时产生的所有跟踪，以及book.toml配置文件，和书的仓库地址（如果有的话），将不胜感激。

1

RUST_BACKTRACE=full RUST_LOG=trace mdbook build

Typora

Typora-China指南

Typora 支持你将当前文档导出为 PDF、HTML、HTML（无样式）和图像格式。

更多的格式（如 Word、RTF 等）通过 pandoc (opens new window)，在你 install pandoc (opens new window)，这些格式都支持开箱即用。

你可以从 文件 → 导出 命令的菜单栏中访问导出命令。

使用wkhtmltopdf从HTML生成PDF

在本文中，我们将介绍如何使用wkhtmltopdf工具从HTML文件生成PDF文件。wkhtmltopdf是一个开源的命令行工具，它可以将HTML转换为PDF，并保留HTML文档的结构和样式。

安装wkhtmltopdf

要使用wkhtmltopdf工具，首先需要在您的系统上安装它。wkhtmltopdf是一个跨平台的工具，可以在Linux、Windows和MacOS上使用。

在Linux上安装wkhtmltopdf，您可以执行以下命令：

1

sudo apt-get install wkhtmltopdf

在Windows上安装wkhtmltopdf，您可以从官方网站下载可执行文件，并按照安装向导进行安装。

使用wkhtmltopdf生成PDF

安装完成后，您可以使用以下命令从HTML文件生成PDF文件：

1

wkhtmltopdf input.html output.pdf

您可以使用--page-size参数来指定生成的PDF文件的页面大小。以下是一些常用的页面大小：

A4
Letter
Legal
A5
A3

您可以使用--orientation参数来指定页面的方向。可以选择的方向有Landscape和Portrait。

例如，以下命令将生成一个A4大小、纵向排列的PDF文件：

1

wkhtmltopdf --page-size A4 --orientation Portrait input.html output.pdf

包含页眉和页脚

您可以使用--header-html和--footer-html参数来为PDF文件添加自定义的页眉和页脚。您可以指定一个HTML文件作为页眉和页脚的模板。

例如，以下命令将为PDF文件添加一个名为header.html的页眉模板和一个名为footer.html的页脚模板：

1

wkhtmltopdf --header-html header.html --footer-html footer.html input.html output.pdf

设置页面边距

您可以使用--margin-top、--margin-right、--margin-bottom和--margin-left参数来设置PDF文件的页面边距。

例如，以下命令将设置PDF文件的上、右、下和左边距为1英寸：

1

wkhtmltopdf --margin-top 1in --margin-right 1in --margin-bottom 1in --margin-left 1in input.html output.pdf

添加目录

您可以使用--toc参数来为PDF文件添加目录。

例如，以下命令将为PDF文件添加目录：

1

wkhtmltopdf --toc input.html output.pdf

在本文中，我们介绍了如何使用wkhtmltopdf工具从HTML文件生成PDF文件。您可以安装并使用这个开源工具来生成高质量的PDF文件，同时保留HTML文档的结构和样式。无论您是在Linux、Windows还是MacOS上工作，wkhtmltopdf都是一个强大而方便的工具。

中文古籍刻本風格直排電子書製作工具vRain

中文古籍刻本風格直排電子書製作工具 Chinese Ancient eBooks Generator

vRain is

vRain是该復刻計劃的主要工具，此外還有古籍印章製作工具 vYinn殷人、古棋譜製作工具 vQi 、古籍掃描圖像變形糾正工具vModou墨斗以及其他傳統文化文創工具，如天地人三才傳統曆法筆記本 v3Cai等。
vRain是一款面向讀者的中文古籍刻本風格直排電子書製作工具。
參考中文古籍雕版刻本製作過程，首先生成書葉背景圖，根據行數、每行字數形成一個自右向左、自上而下的位置數組，然後把文本逐字打印到對應位置，打滿一頁、新建一頁，直到所有文字處理完。
文本編輯準備和自動排版生成分離，使用者將主要精力用在文本編輯準備。
一個背景圖對應一個配置文件。一本書對應一個配置文件。
百萬字書籍十幾分鐘生成。
採用Perl語言開發，需安裝Image::Magick和PDF::Builder等模塊。
作者小紅書主頁：兀雨書屋。

基本功能

書葉背景圖的書房名、尺寸、列數、框線粗細及顏色均可配置。支持單雙、順對、黑白魚尾。
支持生成宣紙做舊風格、竹簡風格的背景圖。
支持批注文字小字雙排。正文、批注文字的字體、大小、顏色、位置可配置。
正文文字、批注文字、標點符號的上、下、左、右位置均可微調以達到最佳呈現效果。
一主多輔字體，主字體不支持時自動採用輔字體補字。某字符主字體不支持時，可嘗試簡繁轉換以改善支持情況，但可能產生與語境不符問題。
標點符號替換規則、過濾規則可配置。標點符號可歸一化為句號，僅用於句讀。常用標點符號可設置為不佔字符位置，頁面文字更緊湊，貼近古籍刻本風格。
書名號、單雙引號直排旋轉九十度。書名號可調整為側邊線。
根據文本序號自動生成PDF目錄，如第x回、卷x。
保留字符：’@‘代表空格，’【】‘內代表雙排批注文字，’%‘代表換葉符，’$‘代表換頁符（半葉），’&‘代表下行文字居葉末，文本行首’S+數字’代表整段縮幾個字符（需indentxt腳本做預處理）。

PPT转PDF并合并

Spire.Presentation for Python 是一个强大的 API，用于在 Python 应用中处理 PowerPoint 演示文稿。它使开发者能够创建、编辑、转换和保存演示文稿，而无需使用 Microsoft PowerPoint。Spire.Presentation for Python 提供幻灯片管理、文本和图像处理、图表创建和水印等功能，提供高效的演示处理综合工具包。

它支持流行的演示文件格式，如PPT、PPS、PPTX和ppsx，并且允许格式间的便捷转换。开发者可以将演示文稿导出为图片、PDF、HTML、XPS 和 SVG 文件。凭借用户友好的界面和丰富的功能，Spire.Python演示使开发者能够轻松提升Python应用中的PowerPoint演示能力。

转换示例：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12


from spire.presentation import *
from spire.presentation.common import *

# Create an object of Presentation class
presentation = Presentation()

# Load a presentation file
presentation.LoadFromFile("Sample.pptx")

# Convert the presentation file to PDF and save it
presentation.SaveToFile("output/PresentationToPDF.pdf", FileFormat.PDF)
presentation.Dispose()

参考资料

https://github.com/Krasjet/pdf.tocgen

https://zhuanlan.zhihu.com/p/137469275

https://geek-docs.com/html/html-ask-answer/648_html_calling_wkhtmltopdf_to_generate_pdf_from_html.html

https://github.com/HollowMan6/mdbook-pdf/blob/main/README_CN.md

https://github.com/lookscanned/lookscanned.io

Windows 应用的自定义与扩展工具 Windhawk

Sun, 01 Feb 2026 18:34:25 -0800

Windows 应用的自定义与扩展工具Windhawk

简介

The customization marketplace for Windows programs:

GitHub-Repo

这是一款专为 Windows 平台设计的软件定制与扩展框架，类似 Windows 版的 LSPosed。它通过全局注入和 Hook 技术，将原本需要手动修改二进制或注册表才能实现的界面与功能调整，做成可一键安装的 mod（插件）。用户可以像安装插件一样，轻松获取、安装和管理各种 mod，实现自定义目标程序的界面、功能和交互方式。

Windhawk是什么？它为什么值得购买？

Windhawk 是由 Ramen Software 开发的一款免费开源工具。 一位独立开发者致力于让在 Windows 系统上使用 Mod 变得更加便捷。其理念是，用户无需复制文件、编辑注册表或修改敏感组件，即可通过一个集中且相对便捷的界面完成所有安装。

与 PowerToys 等官方工具不同， Windhawk 不受微软支持，也不是 Windows 的一部分。 这会产生两个明显的后果：一方面，稳定性无法得到同样的保证；另一方面，社区可以更进一步，对系统的界面和行为进行更深入、更彻底的改变。

该程序起到以下作用： 不同开发者创建的模组目录您可以在应用程序内部搜索、安装、卸载和配置这些插件。许多此类插件专注于修改 explorer.exe（管理桌面、任务栏和文件资源管理器的进程），但也存在针对 Chrome、Edge、Opera 和 Brave 等浏览器以及系统其他部分的插件。

实际上，这意味着只需点击几下鼠标，您就可以，例如： 将 Windows 11 任务栏变成类似 macOS 的 Dock 栏。 您可以像某些 Linux 发行版那样，将其移到屏幕侧边，或者赋予它类似 Windows XP 的复古风格。您还可以自定义“开始”菜单、通知中心、时钟以及任务栏的点击行为。

然而，从一开始就必须非常清楚地认识到一件事： Windhawk本质上是一个将更改“注入”到Windows内部组件中的系统。 大多数情况下都能正常运行，但如果模组不够完善或与其他模组冲突，则可能会出现一些小故障、explorer.exe崩溃或奇怪的行为。

Windhawk 内部工作原理

要了解此工具的全部潜力，了解它的组织结构以及激活模组时它实际执行的操作会很有帮助。 因为它本质上是一个相当复杂的 Windows“补丁”管理系统。.

基本思路是Windhawk充当…… 所有可用模组都列于此的中心枢纽。 这些修改可以针对任务栏、开始菜单、通知、特定应用程序或系统行为的细微调整。每个修改都列出了其名称、描述、技术信息和配置选项。

当你决定安装某个程序时，程序会下载相应的代码并进行后续操作。 将这些修改注入到目标进程中，该目标进程通常是 explorer.exe。 （负责桌面、浏览器和任务栏），尽管它也可以是其他组件或特定应用程序。

Windhawk不仅集中了安装工作，而且 它会记录你已激活的所有模块，让你可以通过一个简单的开关启用或禁用它们。 当多个修改版本之间存在冲突，或者 Windows 更新暂时破坏了某个修改版本的功能时，这非常有用。

另一个有趣的方面是评分系统： 每个模组都可以获得星级评分和用户评价。 正因如此，很容易就能看出哪些修改更稳定，哪些修改在最新版本的 Windows 中运行得更好，以及哪些修改由于缺乏维护最好避免使用。

这样一来，该程序就能降低手动编辑系统文件通常的复杂性。 整个过程只需搜索、点击“安装”，然后通过用户友好的界面调整几个选项即可。 而不是复制 DLL 文件、编辑注册表或使用不直观的工具。

如何在 Windhawk 中逐步安装和管理模组

使用 Windhawk 安装 mod 非常简单，但也有一些值得了解的有趣细节。 尤其是由于安全警告和修改版本之间的冲突问题 可能会出现这种情况。

打开程序后，你会看到一个列出最热门模组的部分。 您也可以前往探索或搜索部分，按名称查找特定的修改。 如果您确切知道自己要安装什么，例如“Windows 11 任务栏样式器”，这将非常有用。

点击模组即可显示其完整详细信息，包括简要的功能描述、作者信息、版本、受影响的系统组件，以及在某些情况下， 提供屏幕截图或示例，以便您了解界面将如何变化。 如果您决定安装它。并非所有开发者都提供图形示例，但大多数都会提供一些文档。

下一步是点击安装按钮。此时， Windhawk 会显示一条警告，提醒用户程序开发者不保证模组的安全性和稳定性。 因为它们来自第三方。这是一条重要的警告，务必认真阅读，切勿掉以轻心。

如果您同意，即表示您接受风险并确认安装。该模组将被下载并集成到系统中，大多数情况下，您将直接进入一个包含特定设置的界面。 您可以在这里激活选项、选择主题或调整高级修改参数。 取决于模组开发者决定提供什么内容。

有时，在进行更深层次的变革时， 您可能需要重启 explorer.exe 进程才能使设置生效。 虽然并非总是需要重启整个电脑，但可以通过任务管理器完成此操作；许多模组会即时应用更改。

如果模组在任何时候给您带来问题——例如视觉故障或任务栏崩溃—— 只需重新登录 Windhawk 并暂时禁用该修改即可大多数情况下，这样做足以使系统恢复原状，但有时可能需要注销或重新启动计算机才能彻底清除影响。

Windows 11 视觉模组的实用示例

Windhawk之所以如此受欢迎，其中一个原因是： 它允许您完全改变 Windows 11 的外观，而无需使用复杂的主题或对系统文件进行修补。 让我们来看一些非常有代表性的模组，它们可以展示模组究竟能做到什么程度。

最著名的之一是 Windows 11 任务栏样式器，用于使用预定义或高度自定义的样式来更改任务栏样式。 在其设置中，您可以选择不同的主题，其中许多主题的灵感来自旧版本的 Windows 或其他操作系统。

有了这个模组，例如，可以做到以下几点： 使任务栏的外观几乎与 Windows XP 完全相同这款手机拥有更方正的按钮、更鲜艳的颜色，以及那种能唤起人们怀旧之情的经典感觉，虽然它不会吸引所有人，但它清楚地表明了视觉定制可以达到怎样的程度。

同一模组中另一个非常受欢迎的主题是风格。 DockLike 可以模拟 macOS 的 Dock 栏。 在这种情况下，任务栏就变成了一种应用程序启动器，其美学风格与苹果系统非常相似，如果您喜欢这种视觉方式但又想继续使用 Windows，这将是理想的选择。

除了选择预先制作的主题之外， 任务栏样式设置通常包含一个名为“控件样式”或类似选项的部分您可以在这里手动修改边框、颜色或图标样式等参数。模组作者通常会提供一份简短的指南，解释每个值的作用以及如何实现特定效果。

另一个值得注意的模组是 Windows 11 垂直任务栏，可将任务栏移至屏幕一侧这与 Ubuntu 或其他 Linux 发行版中的 GNOME 环境提供的功能类似。它是一种在宽屏显示器上获取垂直空间并彻底改变工作流程的方法。

在这种情况下，与其他同样影响任务栏的模组发生冲突是很常见的，所以 有时您需要禁用以前的样式，例如任务栏样式器本身，才能使垂直栏正常工作。 如果发现异常行为，一个好的起点是每次只启用一个任务栏插件。

最后，最明显的视觉变化之一是 Windows 11 开始菜单样式器，负责重新设计开始菜单借助此模组，您可以移除推荐区域等部分，增强完整的应用程序列表，或重新组织元素，使其始终可见。

结合这三个插件（任务栏样式器、垂直任务栏和开始菜单样式器） 您可以让 Windows 11 看起来像以前的 Windows 版本或其他系统，或者创建完全独特的风格。 这完全不像任何标准的东西。

最适合日常使用的Windhawk改装件

除了纯粹的美观方面，还有许多旨在提高可用性并改善 Windows 日常使用体验的改进。 更快、更便捷、更符合您工作习惯的选择有些模组在视觉上并不引人注目，但一旦你习惯了它们，就会发现它们不可或缺。

一个非常有趣的例子是 点击任务栏空白区域，即可在点击任务栏空白区域时指定特定操作。 您可以将其配置为点击此处显示桌面、使计算机静音，甚至启动您选择的应用程序，从而将该栏变成一个非常强大的快捷方式。

另一个非常值得推荐的是 任务栏时钟自定义，旨在自定义任务栏时钟此模组允许您使用不同的变量来显示附加信息、更改时间和日期格式或调整文本显示方式，如果您想在不打开任何内容的情况下一目了然地获取更多数据，这将非常有用。

对于经常使用系统通知的用户来说，这尤其有用。 Windows 11 通知中心样式器，可更改通知中心的外观它包含多个现成的主题，但也为那些想要精确到毫米地控制颜色、阴影和其他视觉细节的用户提供了高级选项。

在音频领域，一个非常方便的模组是 任务栏音量控制功能允许您直接在任务栏上使用鼠标滚轮来管理音量。 只需将光标放在那里，然后转动滚轮即可提高或降低音量，无需打开任何面板或单击扬声器图标。

如果你经常打开很多窗口工作，这会非常有用。 任务栏缩略图重新排序功能允许您根据自己的喜好重新排列任务栏缩略图。 这样，您可以将任何时候最常用的窗口放在一起，从而改善工作空间的组织性。

最后，对于那些习惯在浏览器中打开几十个标签页的用户来说，还有一种替代方案： 带鼠标滚轮的 Chrome/Edge 滚动选项卡此项修改调整了Chrome、Edge、Opera或Brave等浏览器的行为，以便： 您只需将鼠标滚轮悬停在标签栏上即可切换标签页。 这样一来，页面之间的切换就流畅得多，无需不断点击。

使用资源重定向模组进行图标和资源管理

Windhawk 不仅可以用于与任务栏或菜单进行交互， 它还可以干预系统的内部元素，例如图标和其他视觉资源。 这在传统上涉及以冒险的方式修改系统文件。

前段时间，许多用户使用 Windhawk 无需直接编辑原始文件即可更改系统图标但这个过程仍然有些手动：下载每个图标主题，解压缩，然后在特定模组的设置中选择它。

使用最新版本的模组 资源重定向过程已大大简化。 此次修改使图标主题的应用更加自动化，减少了您在桌面上看到更改所需的步骤。

如果你想尝试一下，第一步是…… 从官方网站下载并安装 Windhawk，然后访问程序右上角的“Mods”菜单。 从那里，您可以专门搜索“资源重定向”，然后像安装其他任何模组一样安装它。

安装完成后，您只需前往资源重定向设置部分，即可。 您可以从可用选项中选择要应用的图标主题。 该模组会自动重定向必要的资源以显示这些新图标，无需您手动替换文件。

各种图标包的截图通常会在模组的描述或作者的页面上提供链接，因此 您可以先看看这些系统，了解一下它们的外观，然后再做决定。 因此，选择图标主题几乎和更换桌面背景一样简单。

使用 Windhawk 时的安全提示和最佳实践

虽然该平台非常易于使用， **它仍然是一个可以改变Windows内部行为的工具。**因此，建议谨慎处理，尤其是如果您要依靠电脑完成重要任务的话。

首先，这是个好主意。 **请仅通过其官方网站安装 Windhawk。**避免使用修改过的版本或从未知来源的软件源下载的版本。这可以降低遇到损坏的安装程序或恶意软件的风险。

此外，建议…… **电脑上要安装一款好用且保持更新的杀毒软件。**尽管社区会对模组进行一定程度的审核，但恶意内容仍有可能漏网，或者模组可能被利用来引入不良行为。

在寻找MOD时，请特别注意以下两点： 星级评分和用户评论评分高且近期有评价的模组往往更可靠、维护得更好，而那些没有评分或评价为负面的模组则值得重新考虑。

最后，如果您要进行非常深入的更改，例如大规模更改图标或修改关键系统行为， **建议您创建还原点，或者至少备份您的数据。**虽然禁用有问题的模组通常就足够了，但多一个安全措施以防万一总是没错的。

Windhawk 提供了一种非常强大且相对简单的方法来改造 Windows 并添加高级功能，而无需直接修改系统文件。 **前提是你选择值得信赖的模组，查看它们的评分，并在安装时运用常识。**凭借这种谨慎和好奇心的结合，你可以打造一个充满实用快捷方式的精美桌面，而不会不必要地危及电脑的稳定性。

参考资料

Windhawk-完整教程，教你如何自定义-Windows

最小的编程助手智能体nanocode

Sat, 31 Jan 2026 21:34:25 -0800

最小的编程助手智能体nanocode

前言

今天听了一场“function call is all you need”的AI 编程演讲，演讲者从一个大语言模型和一个Bash命令行工具开始增加文件读写等功能，然后搭建一个编程助手智能体。这让我觉得很神奇，后续也就知道了nanocode这个项目。这里详细解释一下nanocode的源码，方便我开发自己的编程助手智能体。

简介

Minimal Claude Code alternative. Single Python file, zero dependencies, ~250 lines.

Built using Claude Code, then used to build itself.

特色

Full agentic loop with tool use
Tools: read, write, edit, glob, grep, bash
Conversation history
Colored terminal output

使用方式

1
2


export ANTHROPIC_API_KEY="your-key"
python nanocode.py

配置 OpenRouter

Use OpenRouter to access any model:

1
2


export OPENROUTER_API_KEY="your-key"
python nanocode.py

To use a different model:

1
2
3


export OPENROUTER_API_KEY="your-key"
export MODEL="openai/gpt-5.2"
python nanocode.py

命令

/c - Clear conversation
/q or exit - Quit

工具

Tool	Description
`read`	Read file with line numbers, offset/limit
`write`	Write content to file
`edit`	Replace string in file (must be unique)
`glob`	Find files by pattern, sorted by mtime
`grep`	Search files for regex
`bash`	Run shell command

使用示例

1
2
3
4
5
6
7
8


────────────────────────────────────────
❯ what files are here?
────────────────────────────────────────

⏺ Glob(**/*.py)
 ⎿ nanocode.py

⏺ There's one Python file: nanocode.py

源码解析

轻量级编程助手智能体 nanocode

前言

今日我聆听了一场主题为“function call is all you need”（函数调用即是全部所需）的AI编程演讲。演讲者以一款大语言模型和一个Bash命令行工具为基础，逐步为其拓展文件读写等核心功能，最终搭建出一套完整的编程助手智能体。这场演讲令人深受启发，也让我后续了解到了nanocode这个优秀项目。在此，我将对nanocode的源码进行详细解析，以便为我后续开发专属编程助手智能体提供参考与借鉴。

简介

一款轻量级 Claude Code 替代方案。仅含单个 Python 文件，零外部依赖，代码量约 250 行。

该项目基于 Claude Code 构建开发，而后又借助其自身完成了进一步的迭代优化。

特色

具备完整的工具调用智能体循环流程
内置工具：read（读取文件）、write（写入文件）、edit（编辑文件）、glob（文件匹配）、grep（内容检索）、bash（执行Shell命令）
支持对话历史记录
终端输出带有彩色高亮效果

使用方式

1
2


export ANTHROPIC_API_KEY="你的API密钥"
python nanocode.py

配置 OpenRouter

可使用 OpenRouter 调用各类模型：

1
2


export OPENROUTER_API_KEY="你的API密钥"
python nanocode.py

指定其他模型使用：

1
2
3


export OPENROUTER_API_KEY="你的API密钥"
export MODEL="openai/gpt-5.2"
python nanocode.py

命令

/c - 清空当前对话历史
/q 或 exit - 退出程序

工具

工具	描述
`read`	读取文件内容并附带行号，支持设置偏移量/读取限制
`write`	向文件中写入指定内容
`edit`	替换文件中的指定字符串（该字符串必须具有唯一性）
`glob`	按照指定模式查找文件，结果按文件修改时间排序
`grep`	按照正则表达式检索文件内容
`bash`	执行Shell命令

1
2
3


❯ how many files in this folder?
────────────────────────────────────────────────────────────────────────────────
⏺ Error: Expecting value: line 1 column 1 (char 0)

使用示例

1
2
3
4
5
6
7
8


────────────────────────────────────────
❯ 这里有哪些文件？
────────────────────────────────────────

⏺ 执行文件匹配(**/*.py)
 ⎿ nanocode.py

⏺ 当前目录下存在一个Python文件：nanocode.py

源码

 1
 2
 3
 4
 5
 6
 7
 8
 9
 10
 11
 12
 13
 14
 15
 16
 17
 18
 19
 20
 21
 22
 23
 24
 25
 26
 27
 28
 29
 30
 31
 32
 33
 34
 35
 36
 37
 38
 39
 40
 41
 42
 43
 44
 45
 46
 47
 48
 49
 50
 51
 52
 53
 54
 55
 56
 57
 58
 59
 60
 61
 62
 63
 64
 65
 66
 67
 68
 69
 70
 71
 72
 73
 74
 75
 76
 77
 78
 79
 80
 81
 82
 83
 84
 85
 86
 87
 88
 89
 90
 91
 92
 93
 94
 95
 96
 97
 98
 99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271


#!/usr/bin/env python3
"""nanocode - minimal claude code alternative"""

import glob as globlib, json, os, re, subprocess, urllib.request

OPENROUTER_KEY = os.environ.get("OPENROUTER_API_KEY")
API_URL = "https://openrouter.ai/api/v1/messages" if OPENROUTER_KEY else "https://api.anthropic.com/v1/messages"
MODEL = os.environ.get("MODEL", "anthropic/claude-opus-4.5" if OPENROUTER_KEY else "claude-opus-4-5")

# ANSI colors
RESET, BOLD, DIM = "\033[0m", "\033[1m", "\033[2m"
BLUE, CYAN, GREEN, YELLOW, RED = (
 "\033[34m",
 "\033[36m",
 "\033[32m",
 "\033[33m",
 "\033[31m",
)


# --- Tool implementations ---


def read(args):
 lines = open(args["path"]).readlines()
 offset = args.get("offset", 0)
 limit = args.get("limit", len(lines))
 selected = lines[offset : offset + limit]
 return "".join(f"{offset + idx + 1:4}| {line}" for idx, line in enumerate(selected))


def write(args):
 with open(args["path"], "w") as f:
 f.write(args["content"])
 return "ok"


def edit(args):
 text = open(args["path"]).read()
 old, new = args["old"], args["new"]
 if old not in text:
 return "error: old_string not found"
 count = text.count(old)
 if not args.get("all") and count > 1:
 return f"error: old_string appears {count} times, must be unique (use all=true)"
 replacement = (
 text.replace(old, new) if args.get("all") else text.replace(old, new, 1)
 )
 with open(args["path"], "w") as f:
 f.write(replacement)
 return "ok"


def glob(args):
 pattern = (args.get("path", ".") + "/" + args["pat"]).replace("//", "/")
 files = globlib.glob(pattern, recursive=True)
 files = sorted(
 files,
 key=lambda f: os.path.getmtime(f) if os.path.isfile(f) else 0,
 reverse=True,
 )
 return "\n".join(files) or "none"


def grep(args):
 pattern = re.compile(args["pat"])
 hits = []
 for filepath in globlib.glob(args.get("path", ".") + "/**", recursive=True):
 try:
 for line_num, line in enumerate(open(filepath), 1):
 if pattern.search(line):
 hits.append(f"{filepath}:{line_num}:{line.rstrip()}")
 except Exception:
 pass
 return "\n".join(hits[:50]) or "none"


def bash(args):
 proc = subprocess.Popen(
 args["cmd"], shell=True,
 stdout=subprocess.PIPE, stderr=subprocess.STDOUT,
 text=True
 )
 output_lines = []
 try:
 while True:
 line = proc.stdout.readline()
 if not line and proc.poll() is not None:
 break
 if line:
 print(f" {DIM}│ {line.rstrip()}{RESET}", flush=True)
 output_lines.append(line)
 proc.wait(timeout=30)
 except subprocess.TimeoutExpired:
 proc.kill()
 output_lines.append("\n(timed out after 30s)")
 return "".join(output_lines).strip() or "(empty)"


# --- Tool definitions: (description, schema, function) ---

TOOLS = {
 "read": (
 "Read file with line numbers (file path, not directory)",
 {"path": "string", "offset": "number?", "limit": "number?"},
 read,
 ),
 "write": (
 "Write content to file",
 {"path": "string", "content": "string"},
 write,
 ),
 "edit": (
 "Replace old with new in file (old must be unique unless all=true)",
 {"path": "string", "old": "string", "new": "string", "all": "boolean?"},
 edit,
 ),
 "glob": (
 "Find files by pattern, sorted by mtime",
 {"pat": "string", "path": "string?"},
 glob,
 ),
 "grep": (
 "Search files for regex pattern",
 {"pat": "string", "path": "string?"},
 grep,
 ),
 "bash": (
 "Run shell command",
 {"cmd": "string"},
 bash,
 ),
}


def run_tool(name, args):
 try:
 return TOOLS[name][2](args)
 except Exception as err:
 return f"error: {err}"


def make_schema():
 result = []
 for name, (description, params, _fn) in TOOLS.items():
 properties = {}
 required = []
 for param_name, param_type in params.items():
 is_optional = param_type.endswith("?")
 base_type = param_type.rstrip("?")
 properties[param_name] = {
 "type": "integer" if base_type == "number" else base_type
 }
 if not is_optional:
 required.append(param_name)
 result.append(
 {
 "name": name,
 "description": description,
 "input_schema": {
 "type": "object",
 "properties": properties,
 "required": required,
 },
 }
 )
 return result


def call_api(messages, system_prompt):
 request = urllib.request.Request(
 API_URL,
 data=json.dumps(
 {
 "model": MODEL,
 "max_tokens": 8192,
 "system": system_prompt,
 "messages": messages,
 "tools": make_schema(),
 }
 ).encode(),
 headers={
 "Content-Type": "application/json",
 "anthropic-version": "2023-06-01",
 **({"Authorization": f"Bearer {OPENROUTER_KEY}"} if OPENROUTER_KEY else {"x-api-key": os.environ.get("ANTHROPIC_API_KEY", "")}),
 },
 )
 response = urllib.request.urlopen(request)
 return json.loads(response.read())


def separator():
 return f"{DIM}{'─' * min(os.get_terminal_size().columns, 80)}{RESET}"


def render_markdown(text):
 return re.sub(r"\*\*(.+?)\*\*", f"{BOLD}\\1{RESET}", text)


def main():
 print(f"{BOLD}nanocode{RESET} | {DIM}{MODEL} ({'OpenRouter' if OPENROUTER_KEY else 'Anthropic'}) | {os.getcwd()}{RESET}\n")
 messages = []
 system_prompt = f"Concise coding assistant. cwd: {os.getcwd()}"

 while True:
 try:
 print(separator())
 user_input = input(f"{BOLD}{BLUE}❯{RESET} ").strip()
 print(separator())
 if not user_input:
 continue
 if user_input in ("/q", "exit"):
 break
 if user_input == "/c":
 messages = []
 print(f"{GREEN}⏺ Cleared conversation{RESET}")
 continue

 messages.append({"role": "user", "content": user_input})

 # agentic loop: keep calling API until no more tool calls
 while True:
 response = call_api(messages, system_prompt)
 content_blocks = response.get("content", [])
 tool_results = []

 for block in content_blocks:
 if block["type"] == "text":
 print(f"\n{CYAN}⏺{RESET} {render_markdown(block['text'])}")

 if block["type"] == "tool_use":
 tool_name = block["name"]
 tool_args = block["input"]
 arg_preview = str(list(tool_args.values())[0])[:50]
 print(
 f"\n{GREEN}⏺ {tool_name.capitalize()}{RESET}({DIM}{arg_preview}{RESET})"
 )

 result = run_tool(tool_name, tool_args)
 result_lines = result.split("\n")
 preview = result_lines[0][:60]
 if len(result_lines) > 1:
 preview += f" ... +{len(result_lines) - 1} lines"
 elif len(result_lines[0]) > 60:
 preview += "..."
 print(f" {DIM}⎿ {preview}{RESET}")

 tool_results.append(
 {
 "type": "tool_result",
 "tool_use_id": block["id"],
 "content": result,
 }
 )

 messages.append({"role": "assistant", "content": content_blocks})

 if not tool_results:
 break
 messages.append({"role": "user", "content": tool_results})

 print()

 except (KeyboardInterrupt, EOFError):
 break
 except Exception as err:
 print(f"{RED}⏺ Error: {err}{RESET}")


if __name__ == "__main__":
 main()

一、代码整体功能总结

这份代码实现了一个轻量级、零外部依赖（仅使用Python内置库）的AI编程助手智能体，核心能力是通过调用Anthropic或OpenRouter的API，结合内置的6种实用工具（文件读写、查找、检索、Shell命令执行等），完成交互式的编程辅助任务。它的核心亮点是「完整的智能体工具调用循环」——AI会根据用户需求自动选择工具执行，再根据工具返回结果继续处理，直到完成任务，全程在终端以彩色输出提升可读性。

二、分模块详细解析

我们按照代码的逻辑结构，拆分为以下几个核心模块进行解释：

1. 头部配置与常量定义

这部分是程序的初始化准备，负责读取环境变量、配置API信息和终端彩色输出样式。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23


#!/usr/bin/env python3
"""nanocode - minimal claude code alternative"""

# 导入内置依赖库，无需额外安装
import glob as globlib, json, os, re, subprocess, urllib.request

# 1. 读取环境变量，配置API相关参数
# 读取OpenRouter API密钥（优先使用OpenRouter，无则使用Anthropic）
OPENROUTER_KEY = os.environ.get("OPENROUTER_API_KEY")
# 确定API请求地址：有OpenRouter密钥则用OpenRouter，否则用Anthropic
API_URL = "https://openrouter.ai/api/v1/messages" if OPENROUTER_KEY else "https://api.anthropic.com/v1/messages"
# 确定使用的模型：优先从环境变量读取，无则默认对应平台的高性能模型
MODEL = os.environ.get("MODEL", "anthropic/claude-opus-4.5" if OPENROUTER_KEY else "claude-opus-4-5")

# 2. 定义ANSI终端转义序列，实现彩色输出和格式控制
RESET, BOLD, DIM = "\033[0m", "\033[1m", "\033[2m" # 重置、加粗、暗淡
BLUE, CYAN, GREEN, YELLOW, RED = (
 "\033[34m",
 "\033[36m",
 "\033[32m",
 "\033[33m",
 "\033[31m",
)

关键说明：os.environ.get() 用于安全读取系统环境变量，避免直接访问不存在的环境变量抛出异常；ANSI转义序列是终端的通用格式，用于让输出内容有不同颜色和样式，提升用户体验。

2. 工具实现模块（核心工具函数）

这部分实现了6个核心工具的具体逻辑，对应TOOLS配置中的功能，是智能体能够操作文件和执行命令的核心。

（1）`read()`：读取文件内容（附带行号，支持偏移/限制）

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


def read(args):
 # 打开文件并按行读取所有内容
 lines = open(args["path"]).readlines()
 # 获取偏移量（默认从第0行开始）和读取限制（默认读取全部）
 offset = args.get("offset", 0)
 limit = args.get("limit", len(lines))
 # 截取指定范围的行
 selected = lines[offset : offset + limit]
 # 拼接结果，附带行号（格式：4位数字| 行内容），提升可读性
 return "".join(f"{offset + idx + 1:4}| {line}" for idx, line in enumerate(selected))

入参：args是字典，必须包含path（文件路径），可选offset（起始行偏移）、limit（读取行数）。
返回：带行号的文件内容字符串。

（2）`write()`：向文件写入内容（覆盖写入）

1
2
3
4
5


def write(args):
 # 以"w"（写入模式）打开文件，不存在则创建，存在则覆盖
 with open(args["path"], "w") as f:
 f.write(args["content"])
 return "ok"

入参：args必须包含path（文件路径）、content（要写入的内容）。
注意：使用with语句自动关闭文件，避免资源泄露；该方法是覆盖写入，会清空文件原有内容。

（3）`edit()`：替换文件中的指定字符串

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19


def edit(args):
 # 读取文件全部内容
 text = open(args["path"]).read()
 old, new = args["old"], args["new"]
 # 校验1：旧字符串是否存在
 if old not in text:
 return "error: old_string not found"
 count = text.count(old)
 # 校验2：未指定all=true时，旧字符串必须唯一（避免误替换）
 if not args.get("all") and count > 1:
 return f"error: old_string appears {count} times, must be unique (use all=true)"
 # 执行替换：all=true则替换所有，否则只替换第1次出现
 replacement = (
 text.replace(old, new) if args.get("all") else text.replace(old, new, 1)
 )
 # 写入替换后的内容（覆盖原文件）
 with open(args["path"], "w") as f:
 f.write(replacement)
 return "ok"

入参：必须包含path、old（待替换字符串）、new（新字符串），可选all（是否替换所有匹配项）。
核心逻辑：先做合法性校验，再执行替换，最后覆盖写入，保证替换操作的安全性。

（4）`glob()`：按模式查找文件（按修改时间倒序排序）

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


def glob(args):
 # 拼接文件查找模式（处理路径中的双斜杠，转为单斜杠）
 pattern = (args.get("path", ".") + "/" + args["pat"]).replace("//", "/")
 # 递归查找符合模式的所有文件/目录
 files = globlib.glob(pattern, recursive=True)
 # 排序：按文件修改时间（mtime）倒序，非文件（目录）排最后
 files = sorted(
 files,
 key=lambda f: os.path.getmtime(f) if os.path.isfile(f) else 0,
 reverse=True,
 )
 # 返回结果：换行分隔文件路径，无结果返回"none"
 return "\n".join(files) or "none"

入参：必须包含pat（查找模式，如**/*.py），可选path（起始路径，默认当前目录）。
关键：globlib.glob(recursive=True)支持递归查找（**表示所有子目录），排序逻辑保证最新修改的文件优先展示。

（5）`grep()`：按正则表达式检索文件内容

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16


def grep(args):
 # 编译正则表达式模式，提升匹配效率
 pattern = re.compile(args["pat"])
 hits = []
 # 递归遍历所有文件/目录
 for filepath in globlib.glob(args.get("path", ".") + "/**", recursive=True):
 try:
 # 按行读取文件，检索匹配内容
 for line_num, line in enumerate(open(filepath), 1):
 if pattern.search(line):
 # 记录：文件路径:行号:匹配行内容（去除末尾换行符）
 hits.append(f"{filepath}:{line_num}:{line.rstrip()}")
 except Exception:
 pass # 忽略无法读取的文件（如目录、权限不足文件）
 # 返回前50条匹配结果，避免结果过多溢出
 return "\n".join(hits[:50]) or "none"

入参：必须包含pat（正则表达式模式），可选path（起始路径）。
核心：结合glob遍历文件，用正则表达式匹配行内容，返回带位置信息的匹配结果，最多返回50条。

（6）`bash()`：执行Shell命令（带超时控制，实时输出）

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26


def bash(args):
 # 启动子进程执行Shell命令，捕获标准输出/错误输出
 proc = subprocess.Popen(
 args["cmd"], shell=True,
 stdout=subprocess.PIPE, stderr=subprocess.STDOUT, # 标准错误重定向到标准输出
 text=True # 以文本模式读取输出，而非字节流
 )
 output_lines = []
 try:
 # 实时读取子进程输出，并打印到终端
 while True:
 line = proc.stdout.readline()
 # 终止条件：无输出且进程已退出
 if not line and proc.poll() is not None:
 break
 if line:
 print(f" {DIM}│ {line.rstrip()}{RESET}", flush=True)
 output_lines.append(line)
 # 等待进程执行完成，超时30秒
 proc.wait(timeout=30)
 except subprocess.TimeoutExpired:
 # 超时后杀死进程，记录超时信息
 proc.kill()
 output_lines.append("\n(timed out after 30s)")
 # 返回命令执行结果（去除首尾空白，无结果返回"(empty)"）
 return "".join(output_lines).strip() or "(empty)"

入参：必须包含cmd（要执行的Shell命令）。
关键：subprocess.Popen创建子进程，实时输出命令执行日志，30秒超时控制避免进程挂起，提升安全性。

3. 工具配置与辅助函数模块

这部分用于管理工具、生成工具Schema、执行工具调用，是连接工具函数与AI API的桥梁。

（1）`TOOLS`字典：工具元信息配置

1
2
3
4
5
6
7
8


TOOLS = {
 "read": (
 "Read file with line numbers (file path, not directory)",
 {"path": "string", "offset": "number?", "limit": "number?"},
 read,
 ),
 # 其他工具配置省略...
}

结构：每个工具对应一个三元组 (工具描述, 入参Schema, 工具函数)。
入参Schema说明：?表示可选参数（如offset: number?），无?表示必选参数，用于生成AI可识别的工具Schema。

（2）`run_tool()`：工具执行封装（带异常捕获）

1
2
3
4
5
6
7


def run_tool(name, args):
 try:
 # 从TOOLS中获取对应的工具函数并执行
 return TOOLS[name][2](args)
 except Exception as err:
 # 捕获工具执行中的所有异常，返回友好错误信息
 return f"error: {err}"

作用：统一封装工具调用逻辑，添加异常捕获，避免单个工具执行失败导致整个程序崩溃。

（3）`make_schema()`：生成AI API可识别的工具Schema

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30


def make_schema():
 result = []
 for name, (description, params, _fn) in TOOLS.items():
 properties = {}
 required = []
 for param_name, param_type in params.items():
 # 判断参数是否可选
 is_optional = param_type.endswith("?")
 # 获取参数基础类型（去除末尾的?）
 base_type = param_type.rstrip("?")
 # 构建参数属性（number类型转为integer，适配API要求）
 properties[param_name] = {
 "type": "integer" if base_type == "number" else base_type
 }
 # 必选参数加入required列表
 if not is_optional:
 required.append(param_name)
 # 拼接单个工具的Schema
 result.append(
 {
 "name": name,
 "description": description,
 "input_schema": {
 "type": "object",
 "properties": properties,
 "required": required,
 },
 }
 )
 return result

作用：将TOOLS字典中的简易配置，转换为Anthropic/OpenRouter API要求的标准工具Schema格式，让AI能够理解并调用工具。
关键：处理可选参数和类型转换（number→integer），符合API的数据格式要求。

（4）`call_api()`：调用AI API（发送请求，获取响应）

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24


def call_api(messages, system_prompt):
 # 构建API请求体
 request = urllib.request.Request(
 API_URL,
 data=json.dumps(
 {
 "model": MODEL,
 "max_tokens": 8192,
 "system": system_prompt,
 "messages": messages,
 "tools": make_schema(),
 }
 ).encode(), # 转为JSON字节流
 headers={
 "Content-Type": "application/json",
 "anthropic-version": "2023-06-01",
 # 动态构建授权头：区分OpenRouter和Anthropic
 **({"Authorization": f"Bearer {OPENROUTER_KEY}"} if OPENROUTER_KEY else {"x-api-key": os.environ.get("ANTHROPIC_API_KEY", "")}),
 },
 )
 # 发送请求并获取响应
 response = urllib.request.urlopen(request)
 # 解析JSON响应为Python字典并返回
 return json.loads(response.read())

入参：messages（对话历史）、system_prompt（系统提示词，定义AI的角色和行为）。
关键：使用Python内置urllib.request发送HTTP请求，无需额外安装requests库，符合「零依赖」要求；动态构建请求头，适配两种API平台。

4. 终端格式辅助函数

这部分函数用于优化终端输出格式，提升用户体验。

1
2
3
4
5
6
7


def separator():
 # 生成终端宽度的分隔线（最多80个字符）
 return f"{DIM}{'─' * min(os.get_terminal_size().columns, 80)}{RESET}"

def render_markdown(text):
 # 简单渲染Markdown加粗格式（**内容** → 终端加粗样式）
 return re.sub(r"\*\*(.+?)\*\*", f"{BOLD}\\1{RESET}", text)

5. 主函数`main()`：程序入口与核心循环

这部分是程序的控制中心，实现了交互式对话、智能体工具调用循环、终端输出等核心逻辑。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86


def main():
 # 打印程序初始化信息（名称、模型、当前工作目录）
 print(f"{BOLD}nanocode{RESET} | {DIM}{MODEL} ({'OpenRouter' if OPENROUTER_KEY else 'Anthropic'}) | {os.getcwd()}{RESET}\n")
 messages = [] # 存储对话历史
 system_prompt = f"Concise coding assistant. cwd: {os.getcwd()}" # 系统提示词

 while True:
 try:
 # 1. 终端交互：获取用户输入
 print(separator())
 user_input = input(f"{BOLD}{BLUE}❯{RESET} ").strip()
 print(separator())
 if not user_input:
 continue
 # 退出命令
 if user_input in ("/q", "exit"):
 break
 # 清空对话历史命令
 if user_input == "/c":
 messages = []
 print(f"{GREEN}⏺ Cleared conversation{RESET}")
 continue

 # 2. 将用户输入加入对话历史
 messages.append({"role": "user", "content": user_input})

 # 3. 核心：智能体工具调用循环（直到无工具调用为止）
 while True:
 # 调用AI API获取响应
 response = call_api(messages, system_prompt)
 content_blocks = response.get("content", [])
 tool_results = [] # 存储工具执行结果

 # 解析API响应内容
 for block in content_blocks:
 # 文本内容：直接打印到终端
 if block["type"] == "text":
 print(f"\n{CYAN}⏺{RESET} {render_markdown(block['text'])}")

 # 工具调用：执行对应的工具，并收集结果
 if block["type"] == "tool_use":
 tool_name = block["name"]
 tool_args = block["input"]
 # 打印工具调用预览
 arg_preview = str(list(tool_args.values())[0])[:50]
 print(
 f"\n{GREEN}⏺ {tool_name.capitalize()}{RESET}({DIM}{arg_preview}{RESET})"
 )

 # 执行工具并获取结果
 result = run_tool(tool_name, tool_args)
 # 处理结果预览，避免输出过长
 result_lines = result.split("\n")
 preview = result_lines[0][:60]
 if len(result_lines) > 1:
 preview += f" ... +{len(result_lines) - 1} lines"
 elif len(result_lines[0]) > 60:
 preview += "..."
 print(f" {DIM}⎿ {preview}{RESET}")

 # 收集工具执行结果（用于反馈给AI）
 tool_results.append(
 {
 "type": "tool_result",
 "tool_use_id": block["id"],
 "content": result,
 }
 )

 # 4. 更新对话历史：添加AI响应
 messages.append({"role": "assistant", "content": content_blocks})

 # 5. 终止循环条件：无工具调用结果（任务完成）
 if not tool_results:
 break
 # 6. 有工具调用结果：将结果加入对话历史，继续调用AI
 messages.append({"role": "user", "content": tool_results})

 print()

 # 捕获用户中断（Ctrl+C）和EOF错误，优雅退出
 except (KeyboardInterrupt, EOFError):
 break
 # 捕获其他异常，打印友好错误信息
 except Exception as err:
 print(f"{RED}⏺ Error: {err}{RESET}")

核心逻辑流程：
1. 初始化对话历史和系统提示词。
2. 进入交互式循环，获取用户输入并处理命令（退出/清空历史）。
3. 将用户输入加入对话历史，调用AI API。
4. 解析API响应：如果是文本，直接输出；如果是工具调用，执行工具并收集结果。
5. 更新对话历史，若有工具执行结果，将其反馈给AI，继续循环（让AI基于工具结果做下一步处理）。
6. 无工具调用时，终止循环，等待用户下一次输入。

6. 程序入口

1
2


if __name__ == "__main__":
 main()

作用：当直接运行该Python文件时，执行main()函数，启动程序；若被作为模块导入，不执行主逻辑，符合Python编程规范。

三、整体分析（核心亮点与设计思路）

1. 核心设计亮点

零外部依赖：仅使用Python内置库，无需pip install任何包，可直接在有Python3的环境中运行，便携性极强。
完整的智能体循环：实现了「用户输入→AI决策→工具执行→结果反馈→AI再决策」的闭环，符合智能体的核心特征。
简洁高效：约250行代码实现完整功能，结构清晰，工具与核心逻辑解耦，易于扩展（新增工具只需在TOOLS中配置并实现对应函数）。
用户体验友好：终端彩色输出、结果预览、命令行交互、异常友好提示，提升了使用便捷性。
多平台兼容：支持Anthropic和OpenRouter两种API平台，可灵活切换模型。

2. 潜在局限性

文件操作风险：write()、edit()为覆盖写入，无备份机制，可能误删文件内容。
Shell命令安全：bash()支持执行任意Shell命令，存在安全风险（如rm -rf /），不适合在生产环境使用。
Markdown渲染有限：仅支持加粗格式，不支持其他Markdown语法（如列表、代码块）。
无持久化存储：对话历史仅存于内存，程序退出后丢失，无法恢复之前的对话。

3. 整体架构梳理

1
2
3
4
5
6


nanocode程序架构
├── 初始化层（环境变量、常量、依赖导入）
├── 工具层（6个核心工具函数，实现具体操作）
├── 桥梁层（工具配置、Schema生成、API调用，连接工具与AI）
├── 格式层（终端输出格式优化，提升用户体验）
└── 控制层（main函数，实现交互式循环与智能体闭环）

总结

该代码是一个轻量级、零依赖的AI编程智能体，核心是通过工具调用闭环完成编程辅助任务，结构清晰且易于扩展。
核心模块分为「工具实现」和「智能体循环」，工具负责具体操作，循环负责决策与反馈，解耦设计提升了可维护性。
亮点是便携性和完整的智能体逻辑，局限性是缺乏安全防护和持久化存储，适合用于学习和个人轻量场景，不适合生产环境。

GitHub优秀资源索引

Thu, 29 Jan 2026 12:34:25 -0800

Github优秀资源中文索引

简介

本项目翻译自Awesome,目的是为了提升查阅文档效率。

原文链接

优质中文内容

平台

Node.js - 基于Chrome V8 JavaScript引擎的异步非阻塞事件驱动JavaScript运行时Nodejs。
- Cross-Platform - 基于Nodejs的跨平台资源。
前端
iOS - 苹果手机和平板电脑的移动操作系统。
Android - 谷歌的移动端操作系统Android。
IoT & Hybrid Apps
Electron - 使用JavaScript / HTML / CSS的跨平台本机桌面应用程序。
Cordova - 移动端基于webview JS Api的混合开发框架.
React Native - 开源的跨平台移动应用开发框架。
Xamarin - 移动应用程序开发IDE，测试和分发。
Linux
- Containers
- eBPF - 虚拟机，可让您编写更有效，更强大的Linux系统跟踪和监视。
- Arch-based Projects - 基于Arch Linux的Linux发行版和项目。
macOS - 苹果Mac电脑的操作系统.
- 命令行工具
- 屏保
- 应用
- 开源应用
watchOS - Apple Watch的操作系统。
JVM
Salesforce
Amazon Web Services
Windows
IPFS - P2P hypermedia protocol.
Fuse - 移动开发工具。
Heroku - 云平台即服务。
Raspberry Pi(树莓派) - 旨在计算机编程教育而设计的信用卡大小计算机。
Qt - 跨平台的GUI开发工具。
浏览器插件 - 浏览器插件资源集.
RubyMotion - 使用Ruby编写适用于iOS，Android，macOS，tvOS和watchOS的跨平台原生应用程序。
Smart TV - 创建App针对不同的TV平台。
GNOME - 简洁干净的Linux桌面环境。
KDE - 致力于创造开放和用户友好的计算体验的自由软件社区。
.NET
- Core
- Roslyn - C#和VB.NET语言的开源编译器和代码分析API。
Amazon Alexa - 虚拟家庭助理。
DigitalOcean - 面向开发者的云计算平台。
Flutter - Google的移动SDK，用于从用Dart编写的单个代码库构建本地iOS和Android应用程序。
Home Assistant - 将本地控制和隐私放在首位的开源家庭自动化。
IBM Cloud - 面向开发者和公司的云平台。
Firebase - 基于Google云平台的应用开发平台。
Robot Operating System 2.0 - 帮助您构建机器人应用程序的软件库和工具集。
Adafruit IO - 可视化并存储来自任何设备的数据。
Cloudflare - CDN、DNS、DDoS安全保障相关.
Actions on Google - 谷歌助理开发平台。

编程语言

JavaScript
- Promises
- 样式规范 - 样式规范&语法检查。
- 必看视频
- 简单有用的JS小贴身集
- 网络层相关
- 精选npm包精选的小型Node.js模块清单
- 骚操作npm包
- Maintenance Modules - For npm packages.
- npm - 包管理工具.
- AVA - 测试工具.
- ESLint
- 函数式编程
- 观察者模式
- npm脚本.
- 30秒上手的代码片段
Swift
- 教程
- 各种资源集
Python
- Asyncio - Python 3中的异步I / O。
- Scientific Audio - 音频/音乐科学研究.
- CircuitPython - Python嵌入式单片机相关。
- 数据科学 - 数据分析和机器学习.
- Typing - Python的可选静态类型.
Rust
Haskell
PureScript
Go
Scala
- Scala Native - 基于LLVM为Scala优化提前编译器。
Ruby
Clojure
ClojureScript
Elixir
Elm
Erlang
Julia
Lua
C
C/C++
R
D
Common Lisp
Perl
Groovy
Dart
Java - 流行的安全的面向对象语言，旨在灵活地“编写一次，在任何地方运行”。
- RxJava
Kotlin
OCaml
ColdFusion
Fortran
PHP - 服务端脚本语言。
- Composer - 包管理工具.
Pascal
Assembler
AutoHotkey
AutoIt
Crystal
Frege - 用于JVM的Haskell。
CMake - 构建，测试和打包软件。
ActionScript 3 - 面向对象的语言，针对Adobe AIR。
Eta - JVM的功能性编程语言。
Idris - 具有Haskell和ML影响的依赖类型的通用纯函数式编程语言.
Ada/SPARK
Q# - 用于表示量子算法的领域特定的编程语言。
Imba - 受Ruby和Python启发的编程语言，可编译为高性能JavaScript。
Vala - 旨在充分利用GLib和GNOME生态系统的编程语言，同时保留C代码的速度。

前端开发

ES6 工具
网站性能优化
Web 工具
CSS
- 关键路径工具
- 可扩展性
- 必看视频
- 有用小贴士
- 框架
React.
- Relay - 构建数据驱动的React应用程序的框架。
- React Hooks
Web 组件集
Polymer - web app 框架.
Angular - web app 框架.
Backbone - web app 框架.
HTML5
SVG - 基于XML的矢量图像格式。
Canvas
KnockoutJS - JavaScript库.
Dojo Toolkit - JavaScript工具集.
Inspiration
Ember - Web App 框架.
Android UI
iOS UI
Meteor
BEM
Flexbox
网页排版
Web Accessibility
Material Design
D3 - 用于产生动态，交互式数据可视化的库。
Emails
jQuery - 易于使用的JavaScript库用于DOM操作.
- 贴士
Web Audio
离线优先
静态网站服务
Cycle.js - 函数式编程&响应式框架
编辑器资源集
Motion UI Design
Vue.js -Web App 框架.
Marionette.js -Web App 框架.
Aurelia - App 框架.
图表资源集
Ionic Framework 2
Chrome DevTools
PostCSS - CSS 工具.
Draft.js - ract富文本编辑器框架
Service Workers
渐进式Web应用资源集
choo - App框架.
Redux - 状态管理工具
webpack - 模块构建工具.
Browserify - 模块构建工具.
Sass - CSS 预处理器.
Ant Design - 企业集的 UI 设计语言.
Less - CSS 预处理器.
WebGL - 用于渲染3D图形的javaScript API。
Preact - Web App 框架。
Progressive Enhancement
Next.js - 服务器渲染的React应用的框架。
Hyperapp - 用于构建Web应用程序的微型JavaScript库。
lit-html - 用于JavaScript的HTML模板库。
JAMstack - 基于客户端JavaScript，可重用API和预建标记的现代Web开发体系结构。
WordPress-Gatsby - Web开发技术栈，以WordPress为后端，以Gatsby为前端。
移动开发最佳实践集
Storybook - UI组件的开发环境。
Blazor - 使用C＃/ Razor和HTML的.NET Web框架在的浏览器中通过WebAssembly的方式运行。
Web性能指标 - 有助于了解页面速度和用户体验的指标.
Tailwind CSS - 实用优先的CSS框架，用于快速UI开发

后端开发

Flask - Python 框架.
Docker
Vagrant - 自动化虚拟机环境.
Pyramid - Python 框架.
Play1 Framework
CakePHP - PHP 框架.
Symfony - PHP 框架.
- Education
Laravel - PHP 框架.
- Education
Rails - Ruby的 Web app 框架 .
- Gems - 包管理.
Phalcon - PHP 框架.
Useful .htaccess Snippets
nginx - Web 服务器.
Dropwizard - Java 框架.
Kubernetes - 自动化Linux容器操作的开源平台。
Lumen - PHP 轻量框架.
无服务计算资源集 - 无服务器计算和无服务器架构。
Apache Wicket - Java web app框架
Vert.x - 在JVM上构建响应式应用程序的工具包。
Terraform - 用于构建、更改和版本控制基础结构的工具。
Vapor - 服务器端的Swift开发。
Dash - Python web app 框架.

计算机科学

大学课程
数据科学
- 实验
机器学习
- 实验
- Ruby机器学习 - 使用Ruby学习、实现和应用机器学习。
- Core ML Models - 苹果机器学习框架的模型。
- H2O - 用Java编写的开源分布式机器学习平台，使用R、Python和Scala中的api。
语音与自然语言处理
- Ruby自然语言处理
- 问答 - 用机器用自然语言提问和回答的科学。
语言学
密码学
- 论文 - 非密码学家使用密码学的理论基础.
计算机视觉
深度学习 - 神经网络.
- TensorFlow - 机器学习的开发库。
- 论文 - 最常被引用的深度学习论文。
- 学习资源
深度学习计算机视觉相关
开源社区大学
函数式编程
实证软件工程 - Evidence-based research on software systems.
静态分析和代码质量
信息检索 - 带你构建自己的搜索引擎
量子计算 - 量子技术相关集合

大数据

大数据
公共数据集
Hadoop - 大型数据集的分布式存储和处理的框架。
数据工程
流处理
Apache Spark - 统一引擎，用于大规模数据处理。
Qlik - 用于数据可视化，分析和报告应用程序的商业智能平台。

理论

书籍

编辑器

Sublime Text
Vim
Emacs
Atom - 开源跨平台文本编辑器。
Visual Studio Code - 开源跨平台文本编辑器。

游戏

游戏开发
游戏网络编程 - 多人在线游戏的网络编程。
游戏讲座
Godot - 游戏引擎.
开源游戏
Unity - 游戏引擎.
Chess
LÖVE - 游戏引擎.
PICO-8 - 梦幻的游戏开发平台.
Game Boy 开发
Construct 2 - Game 引擎.
Gideros - 游戏引擎.
Minecraft - 沙盒游戏.
Game Datasets - 游戏中AI的资源和数据集
Haxe Game Development - 一种用于生成跨平台本机代码的高级强类型编程语言。
libGDX - Java 游戏引擎.
PlayCanvas - 游戏引擎.

开发环境

插件快速查找 - macOS 平台.
Dev Env
Dotfiles
Shell
Fish - 使用友好的shell.
命令行App集
ZSH插件
GitHub - Git仓库的托管服务.
Git Cheat Sheet & Git Flow
Git Tips
Git Add-ons - git cli客户端增强。
Git Hooks - 用于在git 工作流期间自动执行任务的脚本。
SSH
FOSS for Developers
Hyper
PowerShell - 跨平台面向对象的shell。
Alfred Workflows - 提升效率的工具集macos平台。
Terminals Are Sexy

娱乐

数据库

数据库
MySQL
SQLAlchemy
InfluxDB
Neo4j
MongoDB.
RethinkDB
TinkerPop - 图形计算框架。
PostgreSQL
CouchDB - 面向文档数据库
HBase - 分布式，可扩展的大数据存储。
NoSQL 指南

多媒体

共享的多媒体资源集
字体和排版资源
代码字体 - 编辑器字体资源集。
图库，视频和插图网站精选列表
GIF - GIF相关的工具，脚本，库，示例和其他资源的列表。
音乐音乐相关库，工具，框架和软件的分类集合。
开源文档 - 开放源代码或开放源代码许可的文档，指南和书籍的精选列表，
音频可视化 - 音频可视化相关资源集
广播资源集 - 与广播，电视相关的开源资源集合
像素艺术 - 提供创建学习像素艺术的资源集合
FFmpeg - 跨平台的音视频传输转化解决方案资源集
ICONS图标 - 能够直接下载使用的图标资源集合

学习

CLI Workshoppers - 交互式实验.
编程学习 - 高质量的学习资源集合
演讲 - 演讲资源集合
技术视频 - 优秀的技术视频集合
深入潜出机器学习
计算机历史 - 计算机历史相关的视频，文档等等资源集合
少儿编程相关
教育游戏 - 玩游戏的过程中学习编程.
JavaScript学习资源集
CSS学习资源集
产品&项目管理资源集合 - 学习如何成为一个更优秀的产品经理。
成长线路图 - 提供清晰的提高你知识和技能的路线图资源集合。

安全

应用安全 - 应用安全相关资源集合。
安全 - 安全相关的软件，文档，书籍，库集合。
CTF（夺旗） - CTF框架，库，资源和软件的精选列表
恶意软件分析
Android安全
黑客技术相关
蜜罐技术
事件响应 - 精选的安全事件响应工具和资源列表，旨在帮助安全分析人员和DFIR团队。
车辆安全
Web安全 - 精选的Web安全材料和资源列表。
密码破解 - 密码破解&加密相关
网络安全人员 - 网络安全相关的各种实用工具库等。
模糊测试 - 模糊测试相关资源集
嵌入式&物联网Security
GDPR - 欧盟内所有个人的数据保护和隐私法规

内容管理系统

Umbraco - Umbraco CMS相关项目集。
Refinery CMS - 基于Ruby on Rails的CMS。
Wagtail - 基于Django 的灵活&用户体验良好的CMS系统。
Textpattern - 轻量的基于PHP的CMS系统。
Drupal - 扩展能力良好的基于 PHP的 CMS。
Craft CMS - 内容优先CMS。

硬件

机器人技术这是有关机器人技术的各种书籍，课程和其他资源的列表.
物联网 - 物联网相关资源集合
电子产品 - 电子工程师和业余爱好者精选资源精选清单
蓝牙相关
电吉他 - 电吉他相关精选资源。

商业

开放公司
可发布应用的网站集合
OKR 方法论 - 目标与沟通最佳实践集。
领导力&管理 - 关于领导者和成为经理的资源集合。面向技术，但对任何人都可能有用。
独立开发者 - 帮助独立开发者赚钱的资源集合。
业务工具 - 各种业务常用的工具集。
环保相关 - 该列表的目的是收集应对气候变化的杰出公司列表，并收集与之相关的问题和解决方案的研究。
Wardley Maps

工作

网络

分散式系统

比特币 - 面向软件开发人员的比特币服务和工具。
Ripple - 开源分布式结算网络。
非金融区块链 - 非金融区块链相关.
Mastodon
以太坊 - 用于智能合约开发的分布式计算平台。
区块链AI - 人工智能和机器学习的区块链项目。
EOSIO - 支持工业规模应用程序的分散式操作系统。

高等教育

计算神经科学 - 使用计算方法研究神经系统的多学科科学。
数字历史 - 计算机辅助的历史科学研究。

其他

JSON
- GeoJSON
- Datasets
CSV - 一种文本文件格式，用于存储表格数据并使用逗号分隔值。
给学生开发者的折扣
Sysadmin
Radio
分析相关资源
REST
Selenium - Web测试工具
Appium - App自动化测试资源集.
持续集成和持续交付
服务工程
对开发者免费的资源集
问答网站 - Stack Overflow, Quora, 等.
Sketch - macOS设计工具.
模版项目集
Readme
设计&开发指南集合
优质软件开发者模块集合
自托管资源集合
FOSS产品集合
Gulp - 任务调动工具.
AMA - 优秀的开发者集合
- Answers
开源摄影相关资源
OpenGL - 用于渲染2D和3D图形的跨平台API
GraphQL
Transit
研究工具
数据可视化
设计媒体共享链接
微服务
Unicode - Unicode标准，特性，软件包和资源
- Code Points
初学者友好的项目集合
Katas
Activism工具
公民科学 - 适用于社区和非机构科学家。
TAP - 用于测试任何协议。
MQTT - 物联网通讯协议
黑客相关清单
妹纸专享资源
Vorpal - NodeJS 命令行框架
Vulkan - 低开销，跨平台的3D图形和计算API。
LaTeX - 排版语言.
经济学 - 经济学家的入门工具包。
有趣的马尔可夫链
生物信息学
化学信息学 - 信息学技术应用于化学问题。
配色方案相关
Steam - 数字产品发行平台。
Bots - 机器人相关工具集.
现场可靠性工程
工程同理心 - 建立和推广更具同情心的工程文化。
DTrace
用户脚本 - 提升浏览体验的用户脚本。
Pokémon - Pokémon and Pokémon GO.
ChatOps - 通过聊天管理技术和业务运营。
程序员谬误 - 程序员相信的一些谬误。
领域驱动设计
量化自我 - 通过技术进行自我跟踪。
SaltStack - 基于Python的配置系统管理工具
网页设计 - 视觉设计专供。
JMeter - 负载测试和性能评估工具。
创意编码 - 编写具有表现力的东西，而不是编写功能性的东西。
免登陆App
测试相关 - 软件测试相关资源集合.
免费软件集合
Framer - 交互式UI设计原型。
Markdown
趣味编程项目集合
意大利技术相关
荷兰技术相关
医疗健康相关资源 - 面向设施，提供商，开发商，政策专家和研究人员的开源医疗软件。
Magento 2 - 使用PHP构建的开源电子商务。
TikZ - TeX / LaTeX / ConTeXt的图形绘图包。
神经科学 - 研究神经系统和大脑。
无广告 - 无广告的替代品。
Esolangs - 玩具语言。
Prometheus - 开源监控系统。
智能家居 - 智能家居设备。
帐本 - 记账相关
无需授权资源 - 公共领域的作品。
加密货币工具和算法
优秀杂项内容收集
开源支持者
设计模式
视觉回归测试
佛像相关
inspectIT - 开源Java应用程序性能管理工具。
开源维护者 - 成为开源维护者的经验。
计算器 - Calculators for every platform.
Captcha - 用于计算以确定用户是否为真人的一种-响应测试。
Jupyter - 创建并共享包含代码，方程式，可视化和描述文字的文档
机器人大赛 - 国际高中机器人冠军。
拟人技术
Speakers - 编程和设计社区的会议和演讲。
棋盘游戏
软件客户 - 为个人程序员或开源项目的开发提供资金。
精神健康 - 软件行业的心理健康意识和自我保健。
比特币支付处理器
科学计算
农业 - 精选的很棒的农业，农业和园艺开源技术。
绘图仪 - 计算机控制的绘图机和其他视觉艺术机器人。
产品设计 - 从概念到产品。
Prisma - 将数据库变成基于GraphQL API。
软件架构 - 设计和构建软件的学科。
连接性数据和报告 - 更好地了解谁可以访问电信和互联网基础设施以及以什么条件使用。
Stacks - 用于构建不同应用程序和功能的技术堆栈。
Cytodata - 计算生物学家基于图像的生物表型分析。
IRC - 开源消息协议。
地球相关
生物医学信息提取 - 如何从非结构化生物医学数据和文本中提取信息。

加速神器——Xget

Sat, 10 Jan 2026 12:34:25 -0800

加速神器——Xget 🚀

简介

Ultra-high-performance, secure, all-in-one acceleration engine for developer resources

官网xuc.xi-xu.me

面向开发者资源的超高性能、安全、一体化加速引擎，其性能显著优于传统解决方案，为代码存储库、模型和数据集中心、软件包注册表、容器注册表、AI 推理提供商等提供统一、高效的加速。

技术深度解析文章已发布：《深入剖析 Xget：一个高性能、多协议、高安全性的开发者资源加速引擎》。

🎯 快速使用

预部署实例（不保证可靠性）：xget.xi-xu.me

URL 转换器：xuc.xi-xu.me - 一键转换任意支持平台的 URL 为 Xget 的加速格式！

🌟 核心优势 - 为什么选择 Xget？

⚡ 极速性能 - 突破传统加速器瓶颈

⚡ 毫秒级响应：Cloudflare 全球 330+ 边缘节点，平均响应时间 < 50ms
🌐 HTTP/3 极速协议：启用最新 HTTP/3 协议，连接延迟降低 40%，传输速度提升 30%
📦 智能多重压缩：gzip、deflate、brotli 三重压缩算法，传输效率提升 60%
🔗 零延迟预连接：连接预热和保持活跃，消除握手开销，实现秒级响应
⚡ 并行分片下载：完整支持 HTTP Range 请求，多线程下载速度倍增
🎯 智能路由优化：自动选择最优传输路径，避开网络拥堵节点

🌐 多平台深度集成

一站式多平台支持：统一支持各种开发场景中的主流平台
智能识别与转换：自动识别平台前缀并转换为目标平台的正确 URL 结构
一致的加速体验：无论文件类型或来源，均可享受统一且稳定的极速下载体验

🔒 企业级安全保障

多层安全标头：
- Strict-Transport-Security：强制 HTTPS 传输，预防中间人攻击
- X-Frame-Options: DENY：防止点击劫持攻击
- X-XSS-Protection：内置 XSS 防护机制
- Content-Security-Policy：严格的内容安全策略
- Referrer-Policy：控制引用信息泄露
请求验证机制：
- HTTP 方法白名单：常规请求限制为 GET/HEAD，Git 操作动态允许 POST
- 路径长度限制：防止超长 URL 攻击（最大 2048 字符）
- 输入清理：防止路径遍历和注入攻击
超时保护：30 秒请求超时，防止资源耗尽和恶意请求

🚀 现代架构与可靠性

智能重试机制：
- 最大 3 次重试，线性延迟策略（1000ms × 重试次数）
- 自动错误恢复，提高下载成功率
- 超时检测和中断处理
高效缓存策略：
- 1800 秒（30 分钟）默认缓存时长，显著减少源站压力
- Git 操作跳过缓存，确保实时性
- 基于 Cloudflare Cache API 的边缘缓存
性能监控系统：
- 内置 PerformanceMonitor 类，实时追踪请求各阶段耗时
- 通过 X-Performance-Metrics 响应头提供详细性能数据
- 支持缓存命中率统计和优化建议

🎯 Git 协议完全兼容

智能协议检测：
- 自动识别 Git 特定端点（/info/refs、/git-upload-pack、/git-receive-pack）
- 检测 Git 客户端 User-Agent 模式
- 支持 service=git-upload-pack 等查询参数
完整操作支持：
- git clone：完整存储库克隆，支持浅克隆和分支指定
- git push：代码推送和分支管理
- git pull/fetch：增量更新和远程同步
- git submodule：子模块递归克隆
协议优化：
- 保持 Git 专用请求头和认证信息
- 智能 User-Agent 处理（默认 git/2.34.1）
- 支持 Git LFS 大文件传输

📱 生态系统集成

专用浏览器扩展：Xget Now 提供无缝体验
- 自动 URL 重定向，无需手动修改 URL
- 支持自定义 Xget 实例域名
- 多平台偏好设置和黑白名单管理
- 本地处理，确保隐私安全
下载工具兼容：完美支持 wget、cURL、aria2、IDM 等主流下载工具
CI/CD 集成：可直接在 GitHub Actions、GitLab CI 等环境中使用

📖 URL 转换规则

使用预部署实例 xget.xi-xu.me 或你自己部署的实例，只需简单替换域名并添加平台前缀：

转换格式

平台	平台前缀	原始 URL 格式	加速 URL 格式
GitHub	`gh`	`https://github.com/...`	`https://xget.xi-xu.me/gh/...`
GitHub Gist	`gist`	`https://gist.github.com/...`	`https://xget.xi-xu.me/gist/...`
GitLab	`gl`	`https://gitlab.com/...`	`https://xget.xi-xu.me/gl/...`
Gitea	`gitea`	`https://gitea.com/...`	`https://xget.xi-xu.me/gitea/...`
Codeberg	`codeberg`	`https://codeberg.org/...`	`https://xget.xi-xu.me/codeberg/...`
SourceForge	`sf`	`https://sourceforge.net/...`	`https://xget.xi-xu.me/sf/...`
AOSP	`aosp`	`https://android.googlesource.com/...`	`https://xget.xi-xu.me/aosp/...`
Hugging Face	`hf`	`https://huggingface.co/...`	`https://xget.xi-xu.me/hf/...`
Civitai	`civitai`	`https://civitai.com/...`	`https://xget.xi-xu.me/civitai/...`
npm	`npm`	`https://registry.npmjs.org/...`	`https://xget.xi-xu.me/npm/...`
PyPI	`pypi`	`https://pypi.org/...`	`https://xget.xi-xu.me/pypi/...`
conda	`conda`	`https://repo.anaconda.com/...` 和 `https://conda.anaconda.org/...`	`https://xget.xi-xu.me/conda/...` 和 `https://xget.xi-xu.me/conda/community/...`
Maven	`maven`	`https://repo1.maven.org/...`	`https://xget.xi-xu.me/maven/...`
Apache	`apache`	`https://downloads.apache.org/...`	`https://xget.xi-xu.me/apache/...`
Gradle	`gradle`	`https://plugins.gradle.org/...`	`https://xget.xi-xu.me/gradle/...`
Homebrew	`homebrew`	`https://github.com/Homebrew/...`	`https://xget.xi-xu.me/homebrew/...`
RubyGems	`rubygems`	`https://rubygems.org/...`	`https://xget.xi-xu.me/rubygems/...`
CRAN	`cran`	`https://cran.r-project.org/...`	`https://xget.xi-xu.me/cran/...`
CPAN	`cpan`	`https://www.cpan.org/...`	`https://xget.xi-xu.me/cpan/...`
CTAN	`ctan`	`https://tug.ctan.org/...`	`https://xget.xi-xu.me/ctan/...`
Go 模块	`golang`	`https://proxy.golang.org/...`	`https://xget.xi-xu.me/golang/...`
NuGet	`nuget`	`https://api.nuget.org/...`	`https://xget.xi-xu.me/nuget/...`
Rust Crates	`crates`	`https://crates.io/...`	`https://xget.xi-xu.me/crates/...`
Packagist	`packagist`	`https://repo.packagist.org/...`	`https://xget.xi-xu.me/packagist/...`
Debian	`debian`	`https://deb.debian.org/...`	`https://xget.xi-xu.me/debian/...`
Ubuntu	`ubuntu`	`https://archive.ubuntu.com/...`	`https://xget.xi-xu.me/ubuntu/...`
Fedora	`fedora`	`https://dl.fedoraproject.org/...`	`https://xget.xi-xu.me/fedora/...`
Rocky Linux	`rocky`	`https://download.rockylinux.org/...`	`https://xget.xi-xu.me/rocky/...`
openSUSE	`opensuse`	`https://download.opensuse.org/...`	`https://xget.xi-xu.me/opensuse/...`
Arch Linux	`arch`	`https://geo.mirror.pkgbuild.com/...`	`https://xget.xi-xu.me/arch/...`
arXiv	`arxiv`	`https://arxiv.org/...`	`https://xget.xi-xu.me/arxiv/...`
F-Droid	`fdroid`	`https://f-droid.org/...`	`https://xget.xi-xu.me/fdroid/...`
Jenkins 插件	`jenkins`	`https://updates.jenkins.io/...`	`https://xget.xi-xu.me/jenkins/...`
容器注册表	`cr`	见容器注册表	见容器注册表
AI 推理提供商	`ip`	见 AI 推理提供商	见 AI 推理提供商

各平台转换示例

GitHub

1
2
3
4
5


# 原始 URL
https://github.com/microsoft/vscode/archive/refs/heads/main.zip

# 转换后（添加 gh 前缀）
https://xget.xi-xu.me/gh/microsoft/vscode/archive/refs/heads/main.zip

GitHub Gist

1
2
3
4
5


# 原始 URL
https://gist.github.com/xixu-me/e2ea9db6b1f143892495f796fef18631/raw/3b8807172ee492d0da3a7e370b0fb88fc97b53e6/Free-ChatGPT-Paid-Plan.md

# 转换后（添加 gist 前缀）
https://xget.xi-xu.me/gist/xixu-me/e2ea9db6b1f143892495f796fef18631/raw/3b8807172ee492d0da3a7e370b0fb88fc97b53e6/Free-ChatGPT-Paid-Plan.md

GitLab

1
2
3
4
5


# 原始 URL
https://gitlab.com/gitlab-org/gitlab/-/archive/master/gitlab-master.zip

# 转换后（添加 gl 前缀）
https://xget.xi-xu.me/gl/gitlab-org/gitlab/-/archive/master/gitlab-master.zip

Gitea

1
2
3
4
5


# 原始 URL
https://gitea.com/gitea/gitea/archive/master.zip

# 转换后（添加 gitea 前缀）
https://xget.xi-xu.me/gitea/gitea/gitea/archive/master.zip

Codeberg

1
2
3
4
5


# 原始 URL
https://codeberg.org/forgejo/forgejo/archive/forgejo.zip

# 转换后（添加 codeberg 前缀）
https://xget.xi-xu.me/codeberg/forgejo/forgejo/archive/forgejo.zip

SourceForge

1
2
3
4
5


# 原始 URL
https://sourceforge.net/projects/sevenzip/files/7-Zip/23.01/7z2301-x64.exe/download

# 转换后（添加 sf 前缀）
https://xget.xi-xu.me/sf/projects/sevenzip/files/7-Zip/23.01/7z2301-x64.exe/download

AOSP (Android 开源项目)

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# AOSP 项目原始 URL
https://android.googlesource.com/platform/frameworks/base

# 转换后（添加 aosp 前缀）
https://xget.xi-xu.me/aosp/platform/frameworks/base

# AOSP 设备树原始 URL
https://android.googlesource.com/device/google/pixel

# 转换后（添加 aosp 前缀）
https://xget.xi-xu.me/aosp/device/google/pixel

Hugging Face

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# 模型文件原始 URL
https://huggingface.co/microsoft/DialoGPT-medium/resolve/main/pytorch_model.bin

# 转换后（添加 hf 前缀）
https://xget.xi-xu.me/hf/microsoft/DialoGPT-medium/resolve/main/pytorch_model.bin

# 数据集文件原始 URL
https://huggingface.co/datasets/rajpurkar/squad/resolve/main/plain_text/train-00000-of-00001.parquet

# 转换后（添加 hf 前缀）
https://xget.xi-xu.me/hf/datasets/rajpurkar/squad/resolve/main/plain_text/train-00000-of-00001.parquet

Civitai

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17


# AI 模型下载原始 URL
https://civitai.com/api/download/models/128713

# 转换后（添加 civitai 前缀）
https://xget.xi-xu.me/civitai/api/download/models/128713

# 模型 API 原始 URL
https://civitai.com/api/v1/models/7240

# 转换后（添加 civitai 前缀）
https://xget.xi-xu.me/civitai/api/v1/models/7240

# 模型版本 API 原始 URL
https://civitai.com/api/v1/model-versions/128713

# 转换后（添加 civitai 前缀）
https://xget.xi-xu.me/civitai/api/v1/model-versions/128713

npm

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# 包文件原始 URL
https://registry.npmjs.org/react/-/react-18.2.0.tgz

# 转换后（添加 npm 前缀）
https://xget.xi-xu.me/npm/react/-/react-18.2.0.tgz

# 包元数据原始 URL
https://registry.npmjs.org/lodash

# 转换后（添加 npm 前缀）
https://xget.xi-xu.me/npm/lodash

PyPI

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# Python 包文件原始 URL
https://pypi.org/packages/source/r/requests/requests-2.31.0.tar.gz

# 转换后（添加 pypi 前缀）
https://xget.xi-xu.me/pypi/packages/source/r/requests/requests-2.31.0.tar.gz

# Wheel 文件原始 URL
https://pypi.org/packages/py3/r/requests/requests-2.31.0-py3-none-any.whl

# 转换后（添加 pypi 前缀）
https://xget.xi-xu.me/pypi/packages/py3/r/requests/requests-2.31.0-py3-none-any.whl

conda

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# 默认频道包文件原始 URL
https://repo.anaconda.com/pkgs/main/linux-64/numpy-1.24.3-py311h08b1b3b_1.conda

# 转换后（添加 conda 前缀）
https://xget.xi-xu.me/conda/pkgs/main/linux-64/numpy-1.24.3-py311h08b1b3b_1.conda

# 社区频道元数据原始 URL
https://conda.anaconda.org/conda-forge/linux-64/repodata.json

# 转换后（添加 conda/community 前缀）
https://xget.xi-xu.me/conda/community/conda-forge/linux-64/repodata.json

Maven

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# Maven 中央存储库 JAR 文件原始 URL
https://repo1.maven.org/maven2/org/springframework/spring-core/5.3.21/spring-core-5.3.21.jar

# 转换后（添加 maven 前缀）
https://xget.xi-xu.me/maven/maven2/org/springframework/spring-core/5.3.21/spring-core-5.3.21.jar

# Maven 元数据原始 URL
https://repo1.maven.org/maven2/org/apache/commons/commons-lang3/maven-metadata.xml

# 转换后（添加 maven 前缀）
https://xget.xi-xu.me/maven/maven2/org/apache/commons/commons-lang3/maven-metadata.xml

Apache 软件下载

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17


# Apache 软件下载原始 URL
https://downloads.apache.org/kafka/3.6.1/kafka_2.13-3.6.1.tgz

# 转换后（添加 apache 前缀）
https://xget.xi-xu.me/apache/kafka/3.6.1/kafka_2.13-3.6.1.tgz

# Apache Maven 下载原始 URL
https://downloads.apache.org/maven/maven-3/3.9.5/binaries/apache-maven-3.9.5-bin.tar.gz

# 转换后（添加 apache 前缀）
https://xget.xi-xu.me/apache/maven/maven-3/3.9.5/binaries/apache-maven-3.9.5-bin.tar.gz

# Apache Spark 下载原始 URL
https://downloads.apache.org/spark/spark-3.5.0/spark-3.5.0-bin-hadoop3.tgz

# 转换后（添加 apache 前缀）
https://xget.xi-xu.me/apache/spark/spark-3.5.0/spark-3.5.0-bin-hadoop3.tgz

Gradle

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# Gradle 插件门户 JAR 文件原始 URL
https://plugins.gradle.org/m2/org/gradle/gradle-hello-world-plugin/0.2/gradle-hello-world-plugin-0.2.jar

# 转换后（添加 gradle 前缀）
https://xget.xi-xu.me/gradle/m2/org/gradle/gradle-hello-world-plugin/0.2/gradle-hello-world-plugin-0.2.jar

# Gradle 插件元数据原始 URL
https://plugins.gradle.org/m2/com/github/ben-manes/gradle-versions-plugin/0.51.0/gradle-versions-plugin-0.51.0.module

# 转换后（添加 gradle 前缀）
https://xget.xi-xu.me/gradle/m2/com/github/ben-manes/gradle-versions-plugin/0.51.0/gradle-versions-plugin-0.51.0.module

Homebrew

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17


# Homebrew 公式存储库原始 URL
https://github.com/Homebrew/homebrew-core/raw/HEAD/Formula/g/git.rb

# 转换后（添加 homebrew 前缀）
https://xget.xi-xu.me/homebrew/homebrew-core/raw/HEAD/Formula/g/git.rb

# Homebrew API 原始 URL
https://formulae.brew.sh/api/formula/git.json

# 转换后（添加 homebrew/api 前缀）
https://xget.xi-xu.me/homebrew/api/formula/git.json

# Homebrew Bottles 原始 URL
https://ghcr.io/v2/homebrew/core/git/manifests/2.39.0

# 转换后（添加 homebrew/bottles 前缀）
https://xget.xi-xu.me/homebrew/bottles/v2/homebrew/core/git/manifests/2.39.0

RubyGems

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# RubyGems 包文件原始 URL
https://rubygems.org/gems/rails-7.0.4.gem

# 转换后（添加 rubygems 前缀）
https://xget.xi-xu.me/rubygems/gems/rails-7.0.4.gem

# RubyGems API 原始 URL
https://rubygems.org/api/v1/gems/nokogiri.json

# 转换后（添加 rubygems 前缀）
https://xget.xi-xu.me/rubygems/api/v1/gems/nokogiri.json

CRAN

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# CRAN 包文件原始 URL
https://cran.r-project.org/src/contrib/ggplot2_3.5.2.tar.gz

# 转换后（添加 cran 前缀）
https://xget.xi-xu.me/cran/src/contrib/ggplot2_3.5.2.tar.gz

# CRAN 包元数据原始 URL
https://cran.r-project.org/web/packages/dplyr/DESCRIPTION

# 转换后（添加 cran 前缀）
https://xget.xi-xu.me/cran/web/packages/dplyr/DESCRIPTION

CPAN (Perl 包管理)

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# CPAN 模块原始 URL
https://www.cpan.org/modules/by-module/DBI/DBI-1.643.tar.gz

# 转换后（添加 cpan 前缀）
https://xget.xi-xu.me/cpan/modules/by-module/DBI/DBI-1.643.tar.gz

# CPAN 作者包原始 URL
https://www.cpan.org/authors/id/T/TI/TIMB/DBI-1.643.tar.gz

# 转换后（添加 cpan 前缀）
https://xget.xi-xu.me/cpan/authors/id/T/TI/TIMB/DBI-1.643.tar.gz

CTAN (TeX/LaTeX 包管理)

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# CTAN 包文件原始 URL
https://tug.ctan.org/tex-archive/macros/latex/contrib/beamer.zip

# 转换后（添加 ctan 前缀）
https://xget.xi-xu.me/ctan/tex-archive/macros/latex/contrib/beamer.zip

# CTAN 字体文件原始 URL
https://tug.ctan.org/tex-archive/fonts/cm/pk/ljfour/public/cm/dpi600/cmr10.pk

# 转换后（添加 ctan 前缀）
https://xget.xi-xu.me/ctan/tex-archive/fonts/cm/pk/ljfour/public/cm/dpi600/cmr10.pk

Go 模块

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# Go 模块代理原始 URL
https://proxy.golang.org/github.com/gin-gonic/gin/@v/v1.9.1.zip

# 转换后（添加 golang 前缀）
https://xget.xi-xu.me/golang/github.com/gin-gonic/gin/@v/v1.9.1.zip

# Go 模块信息原始 URL
https://proxy.golang.org/github.com/gorilla/mux/@v/list

# 转换后（添加 golang 前缀）
https://xget.xi-xu.me/golang/github.com/gorilla/mux/@v/list

NuGet

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# NuGet 包下载原始 URL
https://api.nuget.org/v3-flatcontainer/newtonsoft.json/13.0.3/newtonsoft.json.13.0.3.nupkg

# 转换后（添加 nuget 前缀）
https://xget.xi-xu.me/nuget/v3-flatcontainer/newtonsoft.json/13.0.3/newtonsoft.json.13.0.3.nupkg

# NuGet 包元数据原始 URL
https://api.nuget.org/v3/registration5-semver1/microsoft.aspnetcore.app/index.json

# 转换后（添加 nuget 前缀）
https://xget.xi-xu.me/nuget/v3/registration5-semver1/microsoft.aspnetcore.app/index.json

Rust Crates

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17


# Crate 下载原始 URL
https://crates.io/api/v1/crates/serde/1.0.0/download

# 转换后（添加 crates 前缀）
https://xget.xi-xu.me/crates/serde/1.0.0/download

# Crate 元数据原始 URL
https://crates.io/api/v1/crates/serde

# 转换后（添加 crates 前缀）
https://xget.xi-xu.me/crates/serde

# Crate 搜索原始 URL
https://crates.io/api/v1/crates?q=serde

# 转换后（添加 crates 前缀）
https://xget.xi-xu.me/crates/?q=serde

Packagist

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# Packagist 包元数据原始 URL
https://repo.packagist.org/p2/symfony/console.json

# 转换后（添加 packagist 前缀）
https://xget.xi-xu.me/packagist/p2/symfony/console.json

# Packagist 包列表原始 URL
https://repo.packagist.org/packages/list.json

# 转换后（添加 packagist 前缀）
https://xget.xi-xu.me/packagist/packages/list.json

Linux 发行版

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35


# Debian 包原始 URL
https://deb.debian.org/debian/pool/main/c/curl/curl_7.88.1-10+deb12u4_amd64.deb

# 转换后（添加 debian 前缀）
https://xget.xi-xu.me/debian/debian/pool/main/c/curl/curl_7.88.1-10+deb12u4_amd64.deb

# Ubuntu 包原始 URL
https://archive.ubuntu.com/ubuntu/pool/main/g/git/git_2.34.1-1ubuntu1.9_amd64.deb

# 转换后（添加 ubuntu 前缀）
https://xget.xi-xu.me/ubuntu/ubuntu/pool/main/g/git/git_2.34.1-1ubuntu1.9_amd64.deb

# Fedora 包原始 URL
https://dl.fedoraproject.org/pub/fedora/linux/releases/39/Everything/x86_64/os/Packages/n/nginx-1.24.0-1.fc39.x86_64.rpm

# 转换后（添加 fedora 前缀）
https://xget.xi-xu.me/fedora/pub/fedora/linux/releases/39/Everything/x86_64/os/Packages/n/nginx-1.24.0-1.fc39.x86_64.rpm

# Rocky Linux 包原始 URL
https://download.rockylinux.org/pub/rocky/9/BaseOS/x86_64/os/Packages/b/bash-5.1.8-6.el9.x86_64.rpm

# 转换后（添加 rocky 前缀）
https://xget.xi-xu.me/rocky/pub/rocky/9/BaseOS/x86_64/os/Packages/b/bash-5.1.8-6.el9.x86_64.rpm

# openSUSE 包原始 URL
https://download.opensuse.org/distribution/leap/15.5/repo/oss/x86_64/vim-9.0.1572-150500.20.8.1.x86_64.rpm

# 转换后（添加 opensuse 前缀）
https://xget.xi-xu.me/opensuse/distribution/leap/15.5/repo/oss/x86_64/vim-9.0.1572-150500.20.8.1.x86_64.rpm

# Arch Linux 包原始 URL
https://geo.mirror.pkgbuild.com/core/os/x86_64/linux-6.6.10.arch1-1-x86_64.pkg.tar.zst

# 转换后（添加 arch 前缀）
https://xget.xi-xu.me/arch/core/os/x86_64/linux-6.6.10.arch1-1-x86_64.pkg.tar.zst

arXiv

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# arXiv 论文 PDF 原始 URL
https://arxiv.org/pdf/2301.07041.pdf

# 转换后（添加 arxiv 前缀）
https://xget.xi-xu.me/arxiv/pdf/2301.07041.pdf

# arXiv 论文源码原始 URL
https://arxiv.org/e-print/2301.07041

# 转换后（添加 arxiv 前缀）
https://xget.xi-xu.me/arxiv/e-print/2301.07041

F-Droid

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# F-Droid 应用 APK 原始 URL
https://f-droid.org/repo/org.fdroid.fdroid_1016050.apk

# 转换后（添加 fdroid 前缀）
https://xget.xi-xu.me/fdroid/repo/org.fdroid.fdroid_1016050.apk

# F-Droid 应用元数据原始 URL
https://f-droid.org/api/v1/packages/org.fdroid.fdroid

# 转换后（添加 fdroid 前缀）
https://xget.xi-xu.me/fdroid/api/v1/packages/org.fdroid.fdroid

Jenkins 插件

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# Jenkins 更新中心原始 URL
https://updates.jenkins.io/update-center.json

# 转换后（添加 jenkins 前缀）
https://xget.xi-xu.me/jenkins/update-center.json

# Jenkins 插件下载原始 URL
https://updates.jenkins.io/download/plugins/maven-plugin/3.27/maven-plugin.hpi

# 转换后（添加 jenkins 前缀）
https://xget.xi-xu.me/jenkins/download/plugins/maven-plugin/3.27/maven-plugin.hpi

容器注册表

Xget 支持多个容器注册表，使用 cr/[容器注册表前缀] 格式：

容器注册表	容器注册表前缀	原始 URL 格式	加速 URL 格式
Docker Hub	`docker`	`https://registry-1.docker.io/...`	`https://xget.xi-xu.me/cr/docker/...`
Quay.io	`quay`	`https://quay.io/...`	`https://xget.xi-xu.me/cr/quay/...`
谷歌容器注册表	`gcr`	`https://gcr.io/...`	`https://xget.xi-xu.me/cr/gcr/...`
微软容器注册表	`mcr`	`https://mcr.microsoft.com/...`	`https://xget.xi-xu.me/cr/mcr/...`
亚马逊公共弹性容器注册表	`ecr`	`https://public.ecr.aws/...`	`https://xget.xi-xu.me/cr/ecr/...`
GitHub 容器注册表	`ghcr`	`https://ghcr.io/...`	`https://xget.xi-xu.me/cr/ghcr/...`
GitLab 容器注册表	`gitlab`	`https://registry.gitlab.com/...`	`https://xget.xi-xu.me/cr/gitlab/...`
红帽注册表	`redhat`	`https://registry.redhat.io/...`	`https://xget.xi-xu.me/cr/redhat/...`
甲骨文容器注册表	`oracle`	`https://container-registry.oracle.com/...`	`https://xget.xi-xu.me/cr/oracle/...`
Cloudsmith	`cloudsmith`	`https://docker.cloudsmith.io/...`	`https://xget.xi-xu.me/cr/cloudsmith/...`
DigitalOcean 注册表	`digitalocean`	`https://registry.digitalocean.com/...`	`https://xget.xi-xu.me/cr/digitalocean/...`
VMware 注册表	`vmware`	`https://projects.registry.vmware.com/...`	`https://xget.xi-xu.me/cr/vmware/...`
Kubernetes 注册表	`k8s`	`https://registry.k8s.io/...`	`https://xget.xi-xu.me/cr/k8s/...`
Heroku 注册表	`heroku`	`https://registry.heroku.com/...`	`https://xget.xi-xu.me/cr/heroku/...`
SUSE 注册表	`suse`	`https://registry.suse.com/...`	`https://xget.xi-xu.me/cr/suse/...`
openSUSE 注册表	`opensuse`	`https://registry.opensuse.org/...`	`https://xget.xi-xu.me/cr/opensuse/...`
Gitpod 注册表	`gitpod`	`https://registry.gitpod.io/...`	`https://xget.xi-xu.me/cr/gitpod/...`

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23


# Docker Hub 原始 URL（官方镜像）
https://registry-1.docker.io/v2/library/nginx/manifests/latest

# 转换后（添加 cr/docker 前缀）
https://xget.xi-xu.me/cr/docker/v2/nginx/manifests/latest

# Docker Hub 原始 URL（用户镜像）
https://registry-1.docker.io/v2/nginxinc/nginx-unprivileged/manifests/latest

# 转换后（添加 cr/docker 前缀）
https://xget.xi-xu.me/cr/docker/v2/nginxinc/nginx-unprivileged/manifests/latest

# GitHub 容器注册表原始 URL
https://ghcr.io/v2/nginxinc/nginx-unprivileged/manifests/latest

# 转换后（添加 cr/ghcr 前缀）
https://xget.xi-xu.me/cr/ghcr/v2/nginxinc/nginx-unprivileged/manifests/latest

# 谷歌容器注册表原始 URL
https://gcr.io/v2/distroless/base/manifests/latest

# 转换后（添加 cr/gcr 前缀）
https://xget.xi-xu.me/cr/gcr/v2/distroless/base/manifests/latest

应用场景见容器镜像加速。

AI 推理提供商

Xget 支持众多主流 AI 推理提供商的 API 加速，使用 ip/[AI 推理提供商前缀] 格式：

AI 推理提供商	AI 推理提供商前缀	原始 URL 格式	加速 URL 格式
OpenAI	`openai`	`https://api.openai.com/...`	`https://xget.xi-xu.me/ip/openai/...`
Anthropic	`anthropic`	`https://api.anthropic.com/...`	`https://xget.xi-xu.me/ip/anthropic/...`
Gemini	`gemini`	`https://generativelanguage.googleapis.com/...`	`https://xget.xi-xu.me/ip/gemini/...`
Vertex AI	`vertexai`	`https://aiplatform.googleapis.com/...`	`https://xget.xi-xu.me/ip/vertexai/...`
Cohere	`cohere`	`https://api.cohere.ai/...`	`https://xget.xi-xu.me/ip/cohere/...`
Mistral AI	`mistralai`	`https://api.mistral.ai/...`	`https://xget.xi-xu.me/ip/mistralai/...`
xAI	`xai`	`https://api.x.ai/...`	`https://xget.xi-xu.me/ip/xai/...`
GitHub 模型	`githubmodels`	`https://models.github.ai/...`	`https://xget.xi-xu.me/ip/githubmodels/...`
NVIDIA API	`nvidiaapi`	`https://integrate.api.nvidia.com/...`	`https://xget.xi-xu.me/ip/nvidiaapi/...`
Perplexity	`perplexity`	`https://api.perplexity.ai/...`	`https://xget.xi-xu.me/ip/perplexity/...`
Groq	`groq`	`https://api.groq.com/...`	`https://xget.xi-xu.me/ip/groq/...`
Cerebras	`cerebras`	`https://api.cerebras.ai/...`	`https://xget.xi-xu.me/ip/cerebras/...`
SambaNova	`sambanova`	`https://api.sambanova.ai/...`	`https://xget.xi-xu.me/ip/sambanova/...`
Siray	`siray`	`https://api.siray.ai/...`	`https://xget.xi-xu.me/ip/siray/...`
HF Inference	`huggingface`	`https://router.huggingface.co/...`	`https://xget.xi-xu.me/ip/huggingface/...`
Together	`together`	`https://api.together.xyz/...`	`https://xget.xi-xu.me/ip/together/...`
Replicate	`replicate`	`https://api.replicate.com/...`	`https://xget.xi-xu.me/ip/replicate/...`
Fireworks	`fireworks`	`https://api.fireworks.ai/...`	`https://xget.xi-xu.me/ip/fireworks/...`
Nebius	`nebius`	`https://api.studio.nebius.ai/...`	`https://xget.xi-xu.me/ip/nebius/...`
Jina	`jina`	`https://api.jina.ai/...`	`https://xget.xi-xu.me/ip/jina/...`
Voyage AI	`voyageai`	`https://api.voyageai.com/...`	`https://xget.xi-xu.me/ip/voyageai/...`
Fal AI	`falai`	`https://fal.run/...`	`https://xget.xi-xu.me/ip/falai/...`
Novita	`novita`	`https://api.novita.ai/...`	`https://xget.xi-xu.me/ip/novita/...`
Burncloud	`burncloud`	`https://ai.burncloud.com/...`	`https://xget.xi-xu.me/ip/burncloud/...`
OpenRouter	`openrouter`	`https://openrouter.ai/...`	`https://xget.xi-xu.me/ip/openrouter/...`
Poe	`poe`	`https://api.poe.com/...`	`https://xget.xi-xu.me/ip/poe/...`
Featherless AI	`featherlessai`	`https://api.featherless.ai/...`	`https://xget.xi-xu.me/ip/featherlessai/...`
Hyperbolic	`hyperbolic`	`https://api.hyperbolic.xyz/...`	`https://xget.xi-xu.me/ip/hyperbolic/...`

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23


# OpenAI API 原始 URL
https://api.openai.com/v1/chat/completions

# 转换后（添加 ip/openai 前缀）
https://xget.xi-xu.me/ip/openai/v1/chat/completions

# Claude API 原始 URL
https://api.anthropic.com/v1/messages

# 转换后（添加 ip/anthropic 前缀）
https://xget.xi-xu.me/ip/anthropic/v1/messages

# Gemini API 原始 URL
https://generativelanguage.googleapis.com/v1beta/models/gemini-2.5-flash:generateContent

# 转换后（添加 ip/gemini 前缀）
https://xget.xi-xu.me/ip/gemini/v1beta/models/gemini-2.5-flash:generateContent

# HF Inference API 原始 URL
https://router.huggingface.co/hf-inference/models/openai/whisper-large-v3

# 转换后（添加 ip/huggingface 前缀）
https://xget.xi-xu.me/ip/huggingface/hf-inference/models/openai/whisper-large-v3

应用场景见 AI 推理 API 加速。

🎯 应用场景

Git 操作与配置

Git 操作

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32


# 克隆存储库
git clone https://xget.xi-xu.me/gh/microsoft/vscode.git

# 克隆指定分支
git clone -b main https://xget.xi-xu.me/gh/facebook/react.git

# 浅克隆（仅最新提交）
git clone --depth 1 https://xget.xi-xu.me/gh/torvalds/linux.git

# 克隆 GitLab 存储库
git clone https://xget.xi-xu.me/gl/gitlab-org/gitlab.git

# 克隆 Gitea 存储库
git clone https://xget.xi-xu.me/gitea/gitea/gitea.git

# 克隆 Codeberg 存储库
git clone https://xget.xi-xu.me/codeberg/forgejo/forgejo.git

# 克隆 SourceForge 存储库
git clone https://xget.xi-xu.me/sf/projects/mingw-w64/code.git

# 克隆 AOSP 存储库
git clone https://xget.xi-xu.me/aosp/platform/frameworks/base.git

# 添加远程存储库
git remote add upstream https://xget.xi-xu.me/gh/[所有者]/[存储库].git

# 拉取更新
git pull https://xget.xi-xu.me/gh/microsoft/vscode.git main

# 子模块递归克隆
git clone --recursive https://xget.xi-xu.me/gh/[用户名]/[带子模块的存储库].git

Git 全局加速配置

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16


# 为特定域名配置 Git 使用 Xget
git config --global url."https://xget.xi-xu.me/gh/".insteadOf "https://github.com/"
git config --global url."https://xget.xi-xu.me/gl/".insteadOf "https://gitlab.com/"
git config --global url."https://xget.xi-xu.me/gitea/".insteadOf "https://gitea.com/"
git config --global url."https://xget.xi-xu.me/codeberg/".insteadOf "https://codeberg.org/"
git config --global url."https://xget.xi-xu.me/sf/".insteadOf "https://sourceforge.net/"
git config --global url."https://xget.xi-xu.me/aosp/".insteadOf "https://android.googlesource.com/"

# 验证配置
git config --global --get-regexp url

# 现在所有相关平台的 git clone 都会自动使用 Xget
git clone https://github.com/microsoft/vscode.git # 自动转换为 Xget URL
git clone https://gitlab.com/gitlab-org/gitlab.git # 自动转换为 Xget URL
git clone https://codeberg.org/forgejo/forgejo.git # 自动转换为 Xget URL
git clone https://android.googlesource.com/platform/frameworks/base.git # 自动转换为 Xget URL

主流下载工具集成

wget 下载

1
2
3
4
5
6
7
8


# 下载单个文件
wget https://xget.xi-xu.me/gh/microsoft/vscode/archive/refs/heads/main.zip

# 断点续传
wget -c https://xget.xi-xu.me/hf/microsoft/DialoGPT-large/resolve/main/pytorch_model.bin

# 批量下载
wget -i urls.txt # urls.txt 包含多个 Xget URL

cURL 下载

1
2
3
4
5
6
7
8


# 基本下载
curl -L -O https://xget.xi-xu.me/gh/golang/go/archive/refs/tags/go1.22.0.tar.gz

# 显示进度条
curl -L --progress-bar -o model.bin https://xget.xi-xu.me/hf/openai/whisper-large-v3/resolve/main/pytorch_model.bin

# 设置用户代理
curl -L -H "User-Agent: MyApp/1.0" https://xget.xi-xu.me/gl/gitlab-org/gitlab-runner/-/archive/main/gitlab-runner-main.zip

aria2 多线程下载

1
2
3
4
5
6
7
8


# 多线程下载大文件
aria2c -x 16 -s 16 https://xget.xi-xu.me/hf/microsoft/DialoGPT-large/resolve/main/pytorch_model.bin

# 断点续传
aria2c -c https://xget.xi-xu.me/gh/microsoft/vscode/archive/refs/heads/main.zip

# 批量下载配置文件
aria2c -i download-list.txt # 包含多个 Xget URL 的文件

Hugging Face 镜像

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23


import os
from transformers import AutoTokenizer, AutoModelForCausalLM

# 设置环境变量，让 transformers 库自动使用 Xget 镜像
os.environ['HF_ENDPOINT'] = 'https://xget.xi-xu.me/hf'

# 定义模型名称
model_name = 'microsoft/DialoGPT-medium'

print(f"正在从镜像下载模型: {model_name}")

# 使用 AutoModelForCausalLM 来加载对话生成模型
# 由于上面设置了环境变量，这里无需添加任何额外参数
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

print("模型和分词器加载成功！")

# 你现在可以使用 tokenizer 和 model 了
# 例如:
# new_user_input_ids = tokenizer.encode("Hello, how are you?", return_tensors='pt')
# chat_history_ids = model.generate(new_user_input_ids, max_length=1000, pad_token_id=tokenizer.eos_token_id)
# print(tokenizer.decode(chat_history_ids[:, new_user_input_ids.shape[-1]:][0], skip_special_tokens=True))

Civitai AI 模型平台

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37


import requests

# 设置 API 基础 URL 使用 Xget
base_url = "https://xget.xi-xu.me/civitai"

# 获取模型信息
def get_model_info(model_id):
 """获取 Civitai 模型信息"""
 url = f"{base_url}/api/v1/models/{model_id}"
 response = requests.get(url)
 return response.json()

# 下载模型
def download_model(model_version_id, output_path):
 """下载 Civitai 模型文件"""
 download_url = f"{base_url}/api/download/models/{model_version_id}"

 print(f"正在下载模型版本 {model_version_id}...")

 response = requests.get(download_url, stream=True)
 response.raise_for_status()

 with open(output_path, 'wb') as f:
 for chunk in response.iter_content(chunk_size=8192):
 f.write(chunk)

 print(f"模型已下载到: {output_path}")

# 使用示例
model_id = 7240 # 示例模型 ID
model_info = get_model_info(model_id)
print(f"模型名称: {model_info['name']}")

# 下载第一个模型版本
if model_info['modelVersions']:
 version_id = model_info['modelVersions'][0]['id']
 download_model(version_id, f"model_{version_id}.safetensors")

npm 包管理加速

配置 npm 使用 Xget 镜像

1
2
3
4
5
6
7
8


# 临时使用 Xget 镜像
npm install --registry https://xget.xi-xu.me/npm/

# 全局配置 npm 镜像
npm config set registry https://xget.xi-xu.me/npm/

# 验证配置
npm config get registry

在项目中使用

1
2
3
4
5
6
7
8
9


# 在 .npmrc 文件中配置项目级镜像
echo "registry=https://xget.xi-xu.me/npm/" > .npmrc

# 安装依赖
npm install

# 或者使用 yarn
yarn config set registry https://xget.xi-xu.me/npm/
yarn install

Python 包管理加速

配置 pip 使用 Xget 镜像

1
2
3
4
5
6
7
8
9


# 临时使用 Xget 镜像
pip install requests -i https://xget.xi-xu.me/pypi/simple/

# 全局配置 pip 镜像
pip config set global.index-url https://xget.xi-xu.me/pypi/simple/
pip config set global.trusted-host xget.xi-xu.me

# 验证配置
pip config list

在项目中使用

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17


# 创建 pip.conf 文件（Linux/macOS）
mkdir -p ~/.pip
cat > ~/.pip/pip.conf << EOF
[global]
index-url = https://xget.xi-xu.me/pypi/simple/
trusted-host = xget.xi-xu.me
EOF

# 或在项目根目录创建 pip.conf
cat > pip.conf << EOF
[global]
index-url = https://xget.xi-xu.me/pypi/simple/
trusted-host = xget.xi-xu.me
EOF

# 使用配置文件安装
pip install -r requirements.txt --config-file pip.conf

在 requirements.txt 中指定镜像

1
2
3
4
5
6
7
8


# requirements.txt
--index-url https://xget.xi-xu.me/pypi/simple/
--trusted-host xget.xi-xu.me

requests>=2.25.0
numpy>=1.21.0
pandas>=1.3.0
matplotlib>=3.4.0

conda 包管理加速

配置 conda 使用 Xget 镜像

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17


# 配置默认频道镜像
conda config --add default_channels https://xget.xi-xu.me/conda/pkgs/msys2
conda config --add default_channels https://xget.xi-xu.me/conda/pkgs/r
conda config --add default_channels https://xget.xi-xu.me/conda/pkgs/main

# 配置所有社区频道镜像（推荐）
conda config --set channel_alias https://xget.xi-xu.me/conda/community

# 或配置特定社区频道
conda config --add channels https://xget.xi-xu.me/conda/community/conda-forge
conda config --add channels https://xget.xi-xu.me/conda/community/bioconda

# 设置频道优先级
conda config --set channel_priority strict

# 验证配置
conda config --show

在 .condarc 中配置

.condarc 文件可以放在用户主目录（~/.condarc）或项目根目录下：

1
2
3
4
5
6
7


default_channels:
 - https://xget.xi-xu.me/conda/pkgs/main
 - https://xget.xi-xu.me/conda/pkgs/r
 - https://xget.xi-xu.me/conda/pkgs/msys2
channel_alias: https://xget.xi-xu.me/conda/community
channel_priority: strict
show_channel_urls: true

使用环境文件

环境文件中可以直接指定完整的镜像 URL：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16


# environment.yml
name: myproject
channels:
 - https://xget.xi-xu.me/conda/pkgs/main
 - https://xget.xi-xu.me/conda/pkgs/r
 - https://xget.xi-xu.me/conda/community/bioconda
 - https://xget.xi-xu.me/conda/community/conda-forge
dependencies:
 - python=3.11
 - numpy>=1.24.0
 - pandas>=2.0.0
 - matplotlib>=3.7.0
 - scipy>=1.10.0
 - pip
 - pip:
 - requests>=2.28.0

1
2
3
4
5


# 使用环境文件创建环境
conda env create -f environment.yml

# 更新环境
conda env update -f environment.yml

Maven 包管理加速

配置 Maven 使用 Xget 镜像

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


<!-- 在 ~/.m2/settings.xml 中配置 Maven 镜像 -->
<settings>
 <mirrors>
 <mirror>
 <id>xget-maven-central</id>
 <mirrorOf>central</mirrorOf>
 <name>Xget Maven Central Mirror</name>
 <url>https://xget.xi-xu.me/maven/maven2</url>
 </mirror>
 </mirrors>
</settings>

在项目中使用

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18


<!-- 在 pom.xml 中配置项目级镜像 -->
<project>
 <repositories>
 <repository>
 <id>xget-maven-central</id>
 <name>Xget Maven Central</name>
 <url>https://xget.xi-xu.me/maven/maven2</url>
 </repository>
 </repositories>

 <pluginRepositories>
 <pluginRepository>
 <id>xget-maven-central</id>
 <name>Xget Maven Central</name>
 <url>https://xget.xi-xu.me/maven/maven2</url>
 </pluginRepository>
 </pluginRepositories>
</project>

1
2
3
4
5
6


# 使用命令行指定镜像
mvn clean install -Dmaven.repo.remote=https://xget.xi-xu.me/maven/maven2

# 下载特定依赖
mvn dependency:get -Dartifact=org.springframework:spring-core:5.3.21 \
 -DremoteRepositories=https://xget.xi-xu.me/maven/maven2

Apache 软件下载加速

使用 Xget 下载 Apache 软件

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14


# 下载 Apache Kafka
wget https://xget.xi-xu.me/apache/kafka/3.6.1/kafka_2.13-3.6.1.tgz

# 下载 Apache Maven
curl -L -O https://xget.xi-xu.me/apache/maven/maven-3/3.9.5/binaries/apache-maven-3.9.5-bin.tar.gz

# 下载 Apache Spark
aria2c https://xget.xi-xu.me/apache/spark/spark-3.5.0/spark-3.5.0-bin-hadoop3.tgz

# 下载 Apache Hadoop
wget https://xget.xi-xu.me/apache/hadoop/common/hadoop-3.3.6/hadoop-3.3.6.tar.gz

# 下载 Apache Flink
curl -L -O https://xget.xi-xu.me/apache/flink/flink-1.18.1/flink-1.18.1-bin-scala_2.12.tgz

常用 Apache 软件下载

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12


# 大数据相关
wget https://xget.xi-xu.me/apache/hive/hive-3.1.3/apache-hive-3.1.3-bin.tar.gz
wget https://xget.xi-xu.me/apache/hbase/2.5.7/hbase-2.5.7-bin.tar.gz
wget https://xget.xi-xu.me/apache/zookeeper/zookeeper-3.8.4/apache-zookeeper-3.8.4-bin.tar.gz

# Web 服务器
wget https://xget.xi-xu.me/apache/httpd/httpd-2.4.59.tar.gz
wget https://xget.xi-xu.me/apache/tomcat/tomcat-10/v10.1.19/bin/apache-tomcat-10.1.19.tar.gz

# 开发工具
wget https://xget.xi-xu.me/apache/ant/1.10.14/apache-ant-1.10.14-bin.tar.gz
wget https://xget.xi-xu.me/apache/netbeans/netbeans/20/netbeans-20-bin.zip

Gradle 包管理加速

配置 Gradle 使用 Xget 镜像

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19


// 在 build.gradle 中配置 Gradle 镜像
repositories {
 maven {
 url 'https://xget.xi-xu.me/maven/maven2'
 }
 gradlePluginPortal {
 url 'https://xget.xi-xu.me/gradle/m2'
 }
}

// 配置插件存储库
pluginManagement {
 repositories {
 maven {
 url 'https://xget.xi-xu.me/gradle/m2'
 }
 gradlePluginPortal()
 }
}

全局配置

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19


// 在 ~/.gradle/init.gradle 中配置全局镜像
allprojects {
 repositories {
 maven {
 url 'https://xget.xi-xu.me/maven/maven2'
 }
 }
}

settingsEvaluated { settings ->
 settings.pluginManagement {
 repositories {
 maven {
 url 'https://xget.xi-xu.me/gradle/m2'
 }
 gradlePluginPortal()
 }
 }
}

1
2
3
4
5


# 使用命令行指定镜像
gradle build -Dmaven.repo.remote=https://xget.xi-xu.me/maven/maven2

# 刷新依赖
gradle build --refresh-dependencies

Homebrew 包管理加速

配置 Homebrew 使用 Xget 镜像

1
2
3
4
5
6
7
8


# 设置 Homebrew 环境变量使用 Xget 镜像
export HOMEBREW_BREW_GIT_REMOTE="https://xget.xi-xu.me/homebrew/brew.git"
export HOMEBREW_CORE_GIT_REMOTE="https://xget.xi-xu.me/homebrew/homebrew-core.git"
export HOMEBREW_API_DOMAIN="https://xget.xi-xu.me/homebrew/api"
export HOMEBREW_BOTTLE_DOMAIN="https://xget.xi-xu.me/homebrew/bottles"

# 更新 Homebrew
brew update

长期配置

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# 为 bash 用户添加到 ~/.bash_profile
echo 'export HOMEBREW_BREW_GIT_REMOTE="https://xget.xi-xu.me/homebrew/brew.git"' >> ~/.bash_profile
echo 'export HOMEBREW_CORE_GIT_REMOTE="https://xget.xi-xu.me/homebrew/homebrew-core.git"' >> ~/.bash_profile
echo 'export HOMEBREW_API_DOMAIN="https://xget.xi-xu.me/homebrew/api"' >> ~/.bash_profile
echo 'export HOMEBREW_BOTTLE_DOMAIN="https://xget.xi-xu.me/homebrew/bottles"' >> ~/.bash_profile

# 为 zsh 用户添加到 ~/.zprofile
echo 'export HOMEBREW_BREW_GIT_REMOTE="https://xget.xi-xu.me/homebrew/brew.git"' >> ~/.zprofile
echo 'export HOMEBREW_CORE_GIT_REMOTE="https://xget.xi-xu.me/homebrew/homebrew-core.git"' >> ~/.zprofile
echo 'export HOMEBREW_API_DOMAIN="https://xget.xi-xu.me/homebrew/api"' >> ~/.zprofile
echo 'export HOMEBREW_BOTTLE_DOMAIN="https://xget.xi-xu.me/homebrew/bottles"' >> ~/.zprofile

在项目中使用

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# 安装软件包
brew install git

# 搜索软件包
brew search python

# 更新软件包
brew upgrade

# 查看已安装软件包
brew list

验证镜像配置

1
2
3
4
5
6


# 检查 Homebrew 配置
brew config

# 查看环境变量
echo $HOMEBREW_API_DOMAIN
echo $HOMEBREW_BOTTLE_DOMAIN

Ruby 包管理加速

配置 RubyGems 使用 Xget 镜像

1
2
3
4
5
6
7
8
9


# 临时使用 Xget 镜像
gem install rails --source https://xget.xi-xu.me/rubygems/

# 全局配置 RubyGems 镜像
gem sources --add https://xget.xi-xu.me/rubygems/
gem sources --remove https://rubygems.org/

# 验证配置
gem sources -l

在项目中使用

1
2
3
4
5
6


# 在 Gemfile 中配置项目级镜像
source 'https://xget.xi-xu.me/rubygems/'

gem 'rails', '~> 7.0.0'
gem 'pg', '~> 1.1'
gem 'puma', '~> 5.0'

1
2
3


# 使用 bundle 安装
bundle config mirror.https://rubygems.org https://xget.xi-xu.me/rubygems/
bundle install

R 包管理加速

配置 R 使用 Xget CRAN 镜像

1
2
3
4
5
6
7
8


# 在 R 中临时使用 Xget CRAN 镜像
install.packages("ggplot2", repos = "https://xget.xi-xu.me/cran/")

# 全局配置 CRAN 镜像
options(repos = c(CRAN = "https://xget.xi-xu.me/cran/"))

# 验证配置
getOption("repos")

在 .Rprofile 中配置

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


# 在用户主目录的 .Rprofile 文件中配置全局镜像
options(repos = c(
 CRAN = "https://xget.xi-xu.me/cran/",
 BioCsoft = "https://bioconductor.org/packages/release/bioc",
 BioCann = "https://bioconductor.org/packages/release/data/annotation",
 BioCexp = "https://bioconductor.org/packages/release/data/experiment"
))

# 设置下载方法
options(download.file.method = "libcurl")

在项目中使用

1
2
3
4
5
6
7
8
9


# 在项目的 renv.lock 或脚本中指定镜像
renv::init()
renv::settings$repos.override(c(CRAN = "https://xget.xi-xu.me/cran/"))

# 安装包
install.packages(c("dplyr", "ggplot2", "tidyr"))

# 或使用 pak 包管理器
pak::pkg_install("tidyverse", repos = "https://xget.xi-xu.me/cran/")

1
2
3
4
5
6
7
8
9


# 在命令行中使用 R 脚本安装包
Rscript -e "options(repos = c(CRAN = 'https://xget.xi-xu.me/cran/')); install.packages('ggplot2')"

# 批量安装包
Rscript -e "
options(repos = c(CRAN = 'https://xget.xi-xu.me/cran/'))
packages <- c('dplyr', 'ggplot2', 'tidyr', 'readr')
install.packages(packages)
"

Perl 包管理加速

配置 CPAN 使用 Xget 镜像

1
2
3
4
5
6
7


# 配置 CPAN 使用 Xget 镜像
cpan o conf urllist push https://xget.xi-xu.me/cpan/
cpan o conf commit

# 或者直接编辑配置文件 ~/.cpan/CPAN/MyConfig.pm
# 添加：
# 'urllist' => [q[https://xget.xi-xu.me/cpan/]],

使用 cpanm 安装模块

1
2
3
4
5
6
7
8
9


# 安装 cpanm（如果没有）
curl -L https://cpanmin.us | perl - --sudo App::cpanminus

# 使用 Xget 镜像安装模块
cpanm --mirror https://xget.xi-xu.me/cpan/ DBI
cpanm --mirror https://xget.xi-xu.me/cpan/ Mojolicious

# 从 Makefile.PL 安装依赖
cpanm --mirror https://xget.xi-xu.me/cpan/ --installdeps .

在项目中使用

1
2
3
4
5
6
7


# 在 cpanfile 中列出依赖
requires 'DBI';
requires 'Mojolicious';
requires 'JSON';

# 然后使用 Xget 镜像安装
cpanm --mirror https://xget.xi-xu.me/cpan/ --installdeps .

TeX/LaTeX 包管理加速

配置 TeX Live 使用 Xget CTAN 镜像

1
2
3
4
5
6
7
8
9


# 配置 tlmgr 使用 Xget CTAN 镜像
tlmgr option repository https://xget.xi-xu.me/ctan/systems/texlive/tlnet

# 更新包数据库
tlmgr update --self --all

# 安装包
tlmgr install beamer
tlmgr install tikz

配置 MiKTeX 使用 Xget 镜像

1
2
3
4
5
6
7
8
9


# Windows MiKTeX 配置
mpm --set-repository=https://xget.xi-xu.me/ctan/systems/win32/miktex

# 更新包数据库
mpm --update-db

# 安装包
mpm --install=beamer
mpm --install=pgf

在项目中使用

1
2
3
4
5
6
7


# LaTeX 文档编译时自动安装缺失包
pdflatex --shell-escape document.tex

# 或手动安装特定包
tlmgr install caption
tlmgr install subcaption
tlmgr install algorithm2e

Go 模块加速

配置 Go 使用 Xget 代理

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


# 配置 Go 模块代理
export GOPROXY=https://xget.xi-xu.me/golang,direct
export GOSUMDB=off

# 或者永久配置
go env -w GOPROXY=https://xget.xi-xu.me/golang,direct
go env -w GOSUMDB=off

# 验证配置
go env GOPROXY

在项目中使用

1
2
3
4
5
6
7
8


# 下载依赖
go mod download

# 更新依赖
go get -u ./...

# 清理模块缓存
go clean -modcache

NuGet 包管理加速

配置 NuGet 使用 Xget 镜像

1
2
3
4
5
6
7
8


# 添加 Xget 包源
dotnet nuget add source https://xget.xi-xu.me/nuget/v3/index.json -n xget

# 列出包源
dotnet nuget list source

# 在项目中使用
dotnet restore --source https://xget.xi-xu.me/nuget/v3/index.json

在 NuGet.Config 中配置

1
2
3
4
5
6
7


<!-- NuGet.Config -->
<?xml version="1.0" encoding="utf-8"?>
<configuration>
 <packageSources>
 <add key="xget" value="https://xget.xi-xu.me/nuget/v3/index.json" />
 </packageSources>
</configuration>

Rust 包管理加速

配置 Cargo 使用 Xget 镜像

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12


# 配置 Cargo 使用 Xget 镜像（在 ~/.cargo/config.toml 中）
mkdir -p ~/.cargo
cat >> ~/.cargo/config.toml << EOF
[source.crates-io]
replace-with = "xget"

[source.xget]
registry = "https://xget.xi-xu.me/crates/"
EOF

# 验证配置
cargo search serde

在项目中使用

1
2
3
4
5


# 在 Cargo.toml 中可以正常使用依赖
[dependencies]
serde = "1.0"
tokio = "1.0"
reqwest = "0.11"

1
2
3
4
5
6
7
8


# 构建项目时会自动使用 Xget
cargo build

# 更新依赖
cargo update

# 添加新依赖
cargo add clap

PHP 包管理加速

配置 Composer 使用 Xget 镜像

1
2
3
4
5
6
7
8


# 全局配置 Composer 镜像
composer config -g repo.packagist composer https://xget.xi-xu.me/packagist/

# 项目级配置
composer config repo.packagist composer https://xget.xi-xu.me/packagist/

# 验证配置
composer config -l

在 composer.json 中配置

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12


{
 "repositories": [
 {
 "type": "composer",
 "url": "https://xget.xi-xu.me/packagist/"
 }
 ],
 "require": {
 "symfony/console": "^6.0",
 "guzzlehttp/guzzle": "^7.0"
 }
}

Linux 发行版加速

Debian/Ubuntu APT 配置

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


# 备份原始源列表
sudo cp /etc/apt/sources.list /etc/apt/sources.list.backup

# 配置 Debian 镜像
echo "deb https://xget.xi-xu.me/debian/debian bookworm main" | sudo tee /etc/apt/sources.list
echo "deb https://xget.xi-xu.me/debian/debian-security bookworm-security main" | sudo tee -a /etc/apt/sources.list

# 配置 Ubuntu 镜像
echo "deb https://xget.xi-xu.me/ubuntu/ubuntu jammy main restricted universe multiverse" | sudo tee /etc/apt/sources.list
echo "deb https://xget.xi-xu.me/ubuntu/ubuntu jammy-updates main restricted universe multiverse" | sudo tee -a /etc/apt/sources.list

# 更新包列表
sudo apt update

Fedora DNF 配置

1
2
3
4
5
6


# 配置 Fedora 镜像
sudo sed -i 's|^metalink=|#metalink=|g' /etc/yum.repos.d/fedora*.repo
sudo sed -i 's|^#baseurl=http://download.example/pub/fedora/linux|baseurl=https://xget.xi-xu.me/fedora/pub/fedora/linux|g' /etc/yum.repos.d/fedora*.repo

# 更新包缓存
sudo dnf makecache

Rocky Linux DNF 配置

1
2
3
4
5
6


# 配置 Rocky Linux 镜像
sudo sed -i 's|^mirrorlist=|#mirrorlist=|g' /etc/yum.repos.d/rocky*.repo
sudo sed -i 's|^#baseurl=http://dl.rockylinux.org|baseurl=https://xget.xi-xu.me/rocky|g' /etc/yum.repos.d/rocky*.repo

# 更新包缓存
sudo dnf makecache

openSUSE Zypper 配置

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


# 配置 openSUSE Leap 镜像
sudo zypper mr -d repo-oss
sudo zypper ar -f https://xget.xi-xu.me/opensuse/distribution/leap/15.5/repo/oss/ repo-oss-xget

# 配置 openSUSE Tumbleweed 镜像
sudo zypper mr -d repo-oss
sudo zypper ar -f https://xget.xi-xu.me/opensuse/tumbleweed/repo/oss/ repo-oss-xget

# 刷新软件源
sudo zypper refresh

# 验证配置
sudo zypper lr -u

Arch Linux Pacman 配置

1
2
3
4
5
6
7
8


# 备份原始镜像列表
sudo cp /etc/pacman.d/mirrorlist /etc/pacman.d/mirrorlist.backup

# 配置 Arch Linux 镜像
echo 'Server = https://xget.xi-xu.me/arch/$repo/os/$arch' | sudo tee /etc/pacman.d/mirrorlist

# 更新包数据库
sudo pacman -Sy

学术资源加速

arXiv 论文下载

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


# 下载 arXiv 论文 PDF
wget https://xget.xi-xu.me/arxiv/pdf/2301.07041.pdf

# 下载论文源码
curl -L -O https://xget.xi-xu.me/arxiv/e-print/2301.07041

# 批量下载多篇论文
for id in 2301.07041 2302.13971 2303.08774; do
 wget https://xget.xi-xu.me/arxiv/pdf/${id}.pdf
done

在学术工具中使用

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16


# 在 Python 中使用 arXiv 加速下载
import requests

def download_arxiv_paper(arxiv_id, output_path):
 url = f"https://xget.xi-xu.me/arxiv/pdf/{arxiv_id}.pdf"
 response = requests.get(url)

 if response.status_code == 200:
 with open(output_path, 'wb') as f:
 f.write(response.content)
 print(f"Downloaded {arxiv_id} to {output_path}")
 else:
 print(f"Failed to download {arxiv_id}")

# 下载论文
download_arxiv_paper("2301.07041", "attention_is_all_you_need.pdf")

F-Droid 存储库镜像

配置 F-Droid 客户端使用 Xget 镜像

在 F-Droid 应用中进入设置 → 存储库
点击 + 后输入存储库 URL：https://xget.xi-xu.me/fdroid/repo
点击添加后再点击添加镜像

支持的 F-Droid 服务

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# F-Droid 应用 APK 下载
https://xget.xi-xu.me/fdroid/repo/[包名]_[版本号].apk

# F-Droid 存储库索引
https://xget.xi-xu.me/fdroid/repo/index-v1.jar

# F-Droid 应用图标
https://xget.xi-xu.me/fdroid/repo/icons-640/[包名].[版本号].png

# F-Droid API 接口
https://xget.xi-xu.me/fdroid/api/v1/packages/[包名]

使用示例

1
2
3
4
5
6
7
8


# 直接下载 F-Droid 客户端 APK
wget https://xget.xi-xu.me/fdroid/repo/org.fdroid.fdroid_1016050.apk

# 下载其他开源应用
curl -L -O https://xget.xi-xu.me/fdroid/repo/org.mozilla.fennec_fdroid_1014000.apk

# 获取应用信息
curl https://xget.xi-xu.me/fdroid/api/v1/packages/org.fdroid.fdroid

批量应用管理

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26


# 创建应用下载脚本
cat > download_fdroid_apps.sh << 'EOF'
#!/bin/bash

# 定义要下载的应用列表
apps=(
 "org.fdroid.fdroid_1016050.apk"
 "org.mozilla.fennec_fdroid_1014000.apk"
 "com.termux_1180.apk"
 "org.videolan.vlc_13050399.apk"
)

# 创建下载目录
mkdir -p fdroid_apps

# 批量下载应用
for app in "${apps[@]}"; do
 echo "正在下载: $app"
 wget -P fdroid_apps "https://xget.xi-xu.me/fdroid/repo/$app"
done

echo "所有应用下载完成！"
EOF

chmod +x download_fdroid_apps.sh
./download_fdroid_apps.sh

开发者集成

对于 Android 开发者，可以在构建脚本中集成 F-Droid 镜像：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16


// 在 build.gradle 中配置 F-Droid 依赖检查
task checkFDroidAvailability {
 doLast {
 def fdroidUrl = "https://xget.xi-xu.me/fdroid/api/v1/packages/${project.name}"
 try {
 def connection = new URL(fdroidUrl).openConnection()
 connection.requestMethod = 'GET'
 def responseCode = connection.responseCode
 if (responseCode == 200) {
 println "应用在 F-Droid 上可用: $fdroidUrl"
 }
 } catch (Exception e) {
 println "检查 F-Droid 可用性时出错: ${e.message}"
 }
 }
}

Jenkins 插件下载

使用 Xget 加速 Jenkins 插件下载和更新

支持 Jenkins 更新中心和插件下载，兼容清华镜像等国内镜像源的配置方式。

Jenkins 更新中心配置

方法一：在 Jenkins Web 界面配置

登录 Jenkins 管理界面
进入 Manage Jenkins → Plugins → Advanced
在 Update Site 部分，将 URL 更改为 https://xget.xi-xu.me/jenkins/update-center.json
点击 Submit 保存配置

方法二：修改配置文件

1
2
3
4
5
6
7
8
9


# 在 Jenkins 服务器上修改更新中心配置文件
# 默认位置：$JENKINS_HOME/hudson.model.UpdateCenter.xml
sudo nano /var/lib/jenkins/hudson.model.UpdateCenter.xml

# 将 URL 改为：
# <url>https://xget.xi-xu.me/jenkins/update-center.json</url>

# 重启 Jenkins 服务
sudo systemctl restart jenkins

支持的 Jenkins 服务

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# Jenkins 更新中心 JSON
https://xget.xi-xu.me/jenkins/update-center.json

# Jenkins 更新中心（实际 JSON 格式）
https://xget.xi-xu.me/jenkins/update-center.actual.json

# Jenkins 插件下载
https://xget.xi-xu.me/jenkins/download/plugins/[插件名]/[版本]/[插件名].hpi

# 实验性插件更新中心
https://xget.xi-xu.me/jenkins/experimental/update-center.json

使用示例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38


# 下载 Maven 插件
wget https://xget.xi-xu.me/jenkins/download/plugins/maven-plugin/3.27/maven-plugin.hpi

# 下载 Git 插件
curl -L -O https://xget.xi-xu.me/jenkins/download/plugins/git/5.2.1/git.hpi

# 获取更新中心信息
curl https://xget.xi-xu.me/jenkins/update-center.json

# 批量下载常用插件
cat > download_jenkins_plugins.sh << 'EOF'
#!/bin/bash

# 定义要下载的插件列表
plugins=(
 "git:5.2.1"
 "maven-plugin:3.27"
 "workflow-aggregator:596.v8c21c963d92d"
 "blueocean:1.27.8"
 "docker-workflow:563.vd5d2e5c4007f"
)

# 创建插件下载目录
mkdir -p jenkins_plugins

# 批量下载插件
for plugin in "${plugins[@]}"; do
 name=$(echo $plugin | cut -d: -f1)
 version=$(echo $plugin | cut -d: -f2)
 echo "正在下载插件: $name v$version"
 wget -P jenkins_plugins "https://xget.xi-xu.me/jenkins/download/plugins/$name/$version/$name.hpi"
done

echo "所有插件下载完成！"
EOF

chmod +x download_jenkins_plugins.sh
./download_jenkins_plugins.sh

离线 Jenkins 部署

对于无网络环境的 Jenkins 部署：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58


# 1. 下载 Jenkins 核心文件
wget https://xget.xi-xu.me/jenkins/war/jenkins.war

# 2. 创建插件打包脚本
cat > prepare_jenkins_offline.sh << 'EOF'
#!/bin/bash

# 创建离线部署目录结构
mkdir -p jenkins_offline/{plugins,update_center}

# 下载更新中心配置
curl -o jenkins_offline/update_center/update-center.json \
 https://xget.xi-xu.me/jenkins/update-center.json

# 必备插件列表
essential_plugins=(
 "ant:475.vf34069fef73c"
 "build-timeout:1.31"
 "credentials:1319.v7eb_51b_3a_c97b_"
 "git:5.2.1"
 "github:1.38.0"
 "gradle:2.8.2"
 "ldap:682.v7b_544c9d1512"
 "mailer:463.vedf8358e006b_"
 "matrix-auth:3.2.2"
 "maven-plugin:3.27"
 "pam-auth:1.10"
 "pipeline-stage-view:2.34"
 "ssh-slaves:2.973.v0fa_8c0dea_f9f"
 "timestamper:1.26"
 "workflow-aggregator:596.v8c21c963d92d"
 "ws-cleanup:0.45"
)

# 下载所有必备插件
for plugin in "${essential_plugins[@]}"; do
 name=$(echo $plugin | cut -d: -f1)
 version=$(echo $plugin | cut -d: -f2)
 echo "下载 $name:$version"
 wget -P jenkins_offline/plugins \
 "https://xget.xi-xu.me/jenkins/download/plugins/$name/$version/$name.hpi"
done

# 创建部署说明
cat > jenkins_offline/deploy_instructions.md << 'DEPLOY'
# Jenkins 离线部署说明

1. 将 jenkins.war 复制到目标服务器
2. 启动 Jenkins：java -jar jenkins.war
3. 将 plugins/ 目录中的 .hpi 文件复制到 $JENKINS_HOME/plugins/
4. 重启 Jenkins
DEPLOY

echo "离线部署包准备完成！"
EOF

chmod +x prepare_jenkins_offline.sh
./prepare_jenkins_offline.sh

在项目中使用

Jenkinsfile 中的插件检查

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30


pipeline {
 agent any

 stages {
 stage('Check Plugin Availability') {
 steps {
 script {
 // 检查 Maven 插件可用性
 def pluginUrl = "https://xget.xi-xu.me/jenkins/download/plugins/maven-plugin/3.27/maven-plugin.hpi"

 try {
 def response = httpRequest url: pluginUrl, httpMode: 'HEAD'
 if (response.status == 200) {
 echo "Maven 插件可用: ${pluginUrl}"
 }
 } catch (Exception e) {
 error "Maven 插件不可用: ${e.message}"
 }
 }
 }
 }

 stage('Build') {
 steps {
 // 你的构建步骤
 echo "使用加速后的插件进行构建..."
 }
 }
 }
}

容器镜像加速

直接拉取镜像

1
2
3
4
5
6
7
8


# 拉取 GitHub 容器注册表镜像
docker pull xget.xi-xu.me/cr/ghcr/nginxinc/nginx-unprivileged:latest

# 拉取谷歌容器注册表镜像
docker pull xget.xi-xu.me/cr/gcr/distroless/base:latest

# 拉取微软容器注册表镜像
docker pull xget.xi-xu.me/cr/mcr/dotnet/runtime:8.0

Kubernetes 部署配置

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24


# deployment.yaml - 使用 Xget 的镜像
apiVersion: apps/v1
kind: Deployment
metadata:
 name: nginx-deployment
spec:
 replicas: 3
 selector:
 matchLabels:
 app: nginx
 template:
 metadata:
 labels:
 app: nginx
 spec:
 containers:
 - name: nginx
 image: xget.xi-xu.me/cr/ghcr/nginxinc/nginx-unprivileged:latest
 ports:
 - containerPort: 80
 - name: redis
 image: xget.xi-xu.me/cr/ghcr/bitnami/redis:alpine
 ports:
 - containerPort: 6379

Docker Compose 配置

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25


# docker-compose.yml - 使用 Xget 加速镜像
version: '3.8'
services:
 web:
 image: xget.xi-xu.me/cr/ghcr/nginxinc/nginx-unprivileged:latest
 ports:
 - "80:80"
 volumes:
 - ./html:/usr/share/nginx/html

 database:
 image: xget.xi-xu.me/cr/mcr/mssql/server:2022-latest
 environment:
 ACCEPT_EULA: Y
 SA_PASSWORD: "MyStrongPassword123!"
 volumes:
 - mssql_data:/var/opt/mssql

 cache:
 image: xget.xi-xu.me/cr/ghcr/bitnami/redis:alpine
 ports:
 - "6379:6379"

volumes:
 mssql_data:

Dockerfile 优化

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19


# 在 Dockerfile 中使用 Xget 加速基础镜像
FROM xget.xi-xu.me/cr/ghcr/nodejs/node:18-alpine AS builder

WORKDIR /app
COPY package*.json ./
RUN npm install

COPY . .
RUN npm run build

# 生产阶段
FROM xget.xi-xu.me/cr/ghcr/nginxinc/nginx-unprivileged:latest
COPY --from=builder /app/dist /usr/share/nginx/html

# 使用微软容器注册表的 .NET 镜像
FROM xget.xi-xu.me/cr/mcr/dotnet/aspnet:8.0 AS runtime
WORKDIR /app
COPY --from=builder /app/publish .
ENTRYPOINT ["dotnet", "MyApp.dll"]

CI/CD 集成

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22


# GitHub Actions - 使用 Xget 加速容器构建
name: Build and Deploy
on: [push]

jobs:
 build:
 runs-on: ubuntu-latest
 steps:
 - uses: actions/checkout@v4

 - name: Build with accelerated base images
 run: |
 # 构建时使用 Xget 的基础镜像
 docker build -t myapp:latest \
 --build-arg BASE_IMAGE=xget.xi-xu.me/cr/ghcr/nodejs/node:18-alpine .

 - name: Test with accelerated images
 run: |
 # 使用加速镜像进行测试
 docker run --rm \
 xget.xi-xu.me/cr/mcr/dotnet/runtime:8.0 \
 dotnet --version

Podman 配置

1
2
3
4
5
6
7
8
9


# 配置 Podman 使用 Xget 镜像加速
# 编辑 /etc/containers/registries.conf
[[registry]]
prefix = "ghcr.io"
location = "xget.xi-xu.me/cr/ghcr"

# 或者直接拉取
podman pull xget.xi-xu.me/cr/ghcr/alpine/alpine:latest
podman pull xget.xi-xu.me/cr/ghcr/nginxinc/nginx-unprivileged:latest

containerd 配置

1
2
3
4
5
6
7


# 配置 containerd 使用 Xget
# 编辑 /etc/containerd/config.toml
[plugins."io.containerd.grpc.v1.cri".registry.mirrors]
 [plugins."io.containerd.grpc.v1.cri".registry.mirrors."ghcr.io"]
 endpoint = ["https://xget.xi-xu.me/cr/ghcr"]
 [plugins."io.containerd.grpc.v1.cri".registry.mirrors."gcr.io"]
 endpoint = ["https://xget.xi-xu.me/cr/gcr"]

1
2


# 重启 containerd
sudo systemctl restart containerd

AI 推理 API 加速

OpenAI API

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


from openai import OpenAI

client = OpenAI(
 api_key="your-api-key",
 base_url="https://xget.xi-xu.me/ip/openai/v1", # 使用 Xget
)

response = client.responses.create(
 model="gpt-5.1",
 input="Hello, GPT!",
)

print(response.output_text)

Claude API

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19


from anthropic import Anthropic

client = Anthropic(
 api_key="your-api-key",
 base_url="https://xget.xi-xu.me/ip/anthropic", # 使用 Xget
)

message = client.messages.create(
 model="claude-sonnet-4-5",
 max_tokens=256,
 messages=[
 {
 "role": "user",
 "content": "Hello, Claude!",
 }
 ],
)

print(message.content[0].text)

Gemini API

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14


from google import genai
from google.genai import types

client = genai.Client(
 api_key="your-api-key",
 http_options=types.HttpOptions(base_url="https://xget.xi-xu.me/ip/gemini"), # 使用 Xget
)

response = client.models.generate_content(
 model="gemini-3-pro-preview",
 contents="Hello, Gemini!",
)

print(response.text)

多提供商统一接口

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15


from openai import OpenAI

providers = [
 ("Cohere", "your-cohere-api-key", "/cohere/compatibility/v1", "command-a-03-2025"),
 ("Mistral", "your-mistral-api-key", "/mistralai/v1", "mistral-medium-latest"),
 ("xAI", "your-xai-api-key", "/xai/v1", "grok-4"),
]

for name, key, path, model in providers:
 client = OpenAI(api_key=key, base_url="https://xget.xi-xu.me/ip" + path) # 使用 Xget
 response = client.chat.completions.create(
 model=model,
 messages=[{"role": "user", "content": f"Hello, who are you?"}],
 )
 print(name, "=>", response.choices[0].message.content)

JavaScript/Node.js 中使用

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60


// OpenAI API 加速
import OpenAI from "openai";

const openaiClient = new OpenAI({
 apiKey: "your-openai-api-key",
 baseURL: "https://xget.xi-xu.me/ip/openai/v1", // 使用 Xget
});

async function chatWithGPT() {
 const response = await openaiClient.responses.create({
 model: "gpt-5.1",
 input: "Hello, GPT!",
 });

 console.log(response.output_text);
}

// Claude API 加速
import Anthropic from "@anthropic-ai/sdk";

const anthropicClient = new Anthropic({
 apiKey: "your-claude-api-key",
 baseURL: "https://xget.xi-xu.me/ip/anthropic", // 使用 Xget
});

async function chatWithClaude() {
 const message = await anthropicClient.messages.create({
 model: "claude-sonnet-4-5",
 max_tokens: 256,
 messages: [
 {
 role: "user",
 content: "Hello, Claude!",
 },
 ],
 });

 console.log(message.content[0].text);
}

// Gemini API 加速
import { GoogleGenAI } from "@google/genai";

const geminiClient = new GoogleGenAI({
 apiKey: "your-gemini-api-key",
});

async function chatWithGemini() {
 const response = await geminiClient.models.generateContent({
 model: "gemini-3-pro-preview",
 contents: "Hello, Gemini!",
 config: {
 httpOptions: {
 baseUrl: "https://xget.xi-xu.me/ip/gemini", // 使用 Xget
 },
 },
 });

 console.log(response.text);
}

环境变量配置

1
2
3
4
5
6
7


# 在 .env 文件中配置
OPENAI_BASE_URL=https://xget.xi-xu.me/ip/openai
ANTHROPIC_BASE_URL=https://xget.xi-xu.me/ip/anthropic
GEMINI_BASE_URL=https://xget.xi-xu.me/ip/gemini
COHERE_BASE_URL=https://xget.xi-xu.me/ip/cohere
MISTRAL_AI_BASE_URL=https://xget.xi-xu.me/ip/mistralai
GROQ_BASE_URL=https://xget.xi-xu.me/ip/groq

然后在代码中使用：

1
2
3
4
5
6
7
8


import os
from openai import OpenAI

# 从环境变量读取配置
client = OpenAI(
 api_key=os.getenv("OPENAI_API_KEY"),
 base_url=os.getenv("OPENAI_BASE_URL") # 自动使用 Xget
)

🚀 部署

部署到 Cloudflare Workers

fork 本存储库：Fork xixu-me/Xget
获取 Cloudflare 凭证：
- 访问账户 API 令牌创建并记录 API 令牌，使用“编辑 Cloudflare Workers”模板
- 访问 Workers 和 Pages 记录 Account ID
配置 GitHub Secrets：
- 进入你的 GitHub 存储库 → Settings → Secrets and variables → Actions
- 添加以下 secrets：
  - CLOUDFLARE_API_TOKEN：你的 API 令牌
  - CLOUDFLARE_ACCOUNT_ID：你的 Account ID
触发部署：
- 推送代码到 main 分支会自动触发部署
- 仅修改文档文件（.md）、LICENSE、.gitignore 等不会触发部署
- 也可以在 GitHub Actions 页面手动触发部署
绑定自定义域名（可选）：在 Cloudflare Workers 控制台中绑定你的自定义域名

部署到 Cloudflare Pages

fork 本存储库：Fork xixu-me/Xget
获取 Cloudflare 凭证：
- 访问账户 API 令牌创建并记录 API 令牌，使用“编辑 Cloudflare Workers”模板
- 访问 Workers 和 Pages 记录 Account ID
配置 GitHub Secrets：
- 进入你的 GitHub 存储库 → Settings → Secrets and variables → Actions
- 添加以下 secrets：
  - CLOUDFLARE_API_TOKEN：你的 API 令牌
  - CLOUDFLARE_ACCOUNT_ID：你的 Account ID
触发部署：
- 存储库会自动将 Workers 代码转换为 Pages 兼容格式并同步到 pages 分支
- 推送代码到 main 分支会自动触发同步和部署工作流
- 仅修改文档文件（.md）、LICENSE、.gitignore 等不会触发部署
- 也可以在 GitHub Actions 页面手动触发部署
绑定自定义域名（可选）：在 Cloudflare Pages 控制台中绑定你的自定义域名

注意：pages 分支是从 main 分支自动生成的。请勿手动编辑 pages 分支，因为它会被同步工作流覆盖。

部署到 EdgeOne Pages

fork 本存储库：Fork xixu-me/Xget
获取 EdgeOne Pages API Token：
- 访问中国站 EdgeOne 控制台或国际站 EdgeOne 控制台创建并记录 API Token
配置 GitHub Secrets：
- 进入你的 GitHub 存储库 → Settings → Secrets and variables → Actions
- 添加以下 secret：
  - EDGEONE_API_TOKEN：你的 API Token
触发部署：
- 存储库会自动将 Workers 代码转换为 Pages 兼容格式并同步到 pages 分支
- 推送代码到 main 分支会自动触发同步和部署工作流
- 仅修改文档文件（.md）、LICENSE、.gitignore 等不会触发部署
- 也可以在 GitHub Actions 页面手动触发部署
绑定自定义域名（可选）：在 EdgeOne Pages 控制台中绑定你的自定义域名

注意：pages 分支是从 main 分支自动生成的。请勿手动编辑 pages 分支，因为它会被同步工作流覆盖。

部署到 Vercel

fork 本存储库：Fork xixu-me/Xget
获取 Vercel 凭证：
- 访问 Vercel Account Settings 创建并记录 Access Token
- 访问 Team Settings 记录 Team ID
- 新建项目后访问项目的 Settings 记录 Project ID
配置 GitHub Secrets：
- 进入你的 GitHub 存储库 → Settings → Secrets and variables → Actions
- 添加以下 secrets：
  - VERCEL_TOKEN：你的 Access Token
  - VERCEL_ORG_ID：你的 Team ID
  - VERCEL_PROJECT_ID：你的 Project ID
触发部署：
- 存储库会自动将 Workers 代码转换为 Functions 兼容格式并同步到 functions 分支
- 推送代码到 main 分支会自动触发同步和部署工作流
- 仅修改文档文件（.md）、LICENSE、.gitignore 等不会触发部署
- 也可以在 GitHub Actions 页面手动触发部署
绑定自定义域名（可选）：在 Vercel 控制台中绑定你的自定义域名

注意：functions 分支是从 main 分支自动生成的。请勿手动编辑 functions 分支，因为它会被同步工作流覆盖。

部署到 Netlify

fork 本存储库：Fork xixu-me/Xget
获取 Netlify 凭证：
- 访问 Netlify User Settings 创建并记录 personal access token
- 新建项目后访问 Project configuration 记录 Project ID
配置 GitHub Secrets：
- 进入你的 GitHub 存储库 → Settings → Secrets and variables → Actions
- 添加以下 secrets：
  - NETLIFY_AUTH_TOKEN：你的 personal access token
  - NETLIFY_SITE_ID：你的 Project ID
触发部署：
- 存储库会自动将 Workers 代码转换为 Functions 兼容格式并同步到 functions 分支
- 推送代码到 main 分支会自动触发同步和部署工作流
- 仅修改文档文件（.md）、LICENSE、.gitignore 等不会触发部署
- 也可以在 GitHub Actions 页面手动触发部署
绑定自定义域名（可选）：在 Netlify 控制台中绑定你的自定义域名

注意：functions 分支是从 main 分支自动生成的。请勿手动编辑 functions 分支，因为它会被同步工作流覆盖。

部署到 Deno Deploy

fork 本存储库：Fork xixu-me/Xget
切换默认分支：
- 进入你的 GitHub 存储库 → Settings → General → Default branch
- 将默认分支从 main 切换到 functions
部署到 Deno Deploy：
- 参考 Deno Deploy 官方文档执行部署
- 在 Deno Deploy 控制台创建新项目并连接你的 GitHub 存储库
绑定自定义域名（可选）：在 Deno Deploy 控制台中绑定你的自定义域名

注意：functions 分支是从 main 分支自动生成的。请勿手动编辑 functions 分支，因为它会被同步工作流覆盖。

自托管部署

如果你希望在自己的服务器上运行 Xget，可以使用 Docker 或 Podman 部署：

使用预构建镜像

从 GitHub Container Registry 拉取并运行预构建的镜像：

使用 Docker:

1
2
3
4
5
6
7
8


# 拉取最新镜像
docker pull ghcr.io/xixu-me/xget:latest

# 运行容器
docker run -d \
 --name xget \
 -p 8080:8080 \
 ghcr.io/xixu-me/xget:latest

使用 Podman:

1
2
3
4
5
6
7
8


# 拉取最新镜像
podman pull ghcr.io/xixu-me/xget:latest

# 运行容器
podman run -d \
 --name xget \
 -p 8080:8080 \
 ghcr.io/xixu-me/xget:latest

本地构建

从源码构建容器镜像：

使用 Docker:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12


# 克隆存储库
git clone https://github.com/xixu-me/Xget.git
cd Xget

# 构建镜像
docker build -t xget:local .

# 运行容器
docker run -d \
 --name xget \
 -p 8080:8080 \
 xget:local

使用 Podman:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12


# 克隆存储库
git clone https://github.com/xixu-me/Xget.git
cd Xget

# 构建镜像
podman build -t xget:local .

# 运行容器
podman run -d \
 --name xget \
 -p 8080:8080 \
 xget:local

使用 Docker Compose / Podman Compose

创建 docker-compose.yml 文件：

1
2
3
4
5
6
7
8
9


version: '3.8'

services:
 xget:
 image: ghcr.io/xixu-me/xget:latest
 container_name: xget
 ports:
 - "8080:8080"
 restart: unless-stopped

使用 Docker Compose:

1

docker compose up -d

使用 Podman Compose:

1

podman compose up -d

部署完成后，Xget 将在 8080 端口运行。

如果你希望在 DigitalOcean 上部署和运行 Xget，可以参考文档《Deploying and Optimizing Xget on DigitalOcean》。通过下方推荐链接注册账户，可获得 200 美元代金券积分，可用于创建 Droplet、Kubernetes、App Platform 等资源：

注意：自托管部署不包括全球边缘网络加速，性能取决于你的服务器配置和网络环境。

🔧 配置

配置参数

你可以通过修改 src/config/index.js 来自定义配置：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


export const CONFIG = {
 TIMEOUT_SECONDS: 30, // 请求超时时间（秒）
 MAX_RETRIES: 3, // 最大重试次数
 RETRY_DELAY_MS: 1000, // 重试延迟时间（毫秒）
 CACHE_DURATION: 1800, // 缓存持续时间（1800秒 = 30分钟）
 SECURITY: {
 ALLOWED_METHODS: ["GET", "HEAD"], // 允许的 HTTP 方法（Git 操作会动态允许 POST）
 ALLOWED_ORIGINS: ["*"], // 允许的 CORS 源
 MAX_PATH_LENGTH: 2048, // 最大路径长度（字符）
 },
};

性能调优建议

缓存优化：根据使用模式调整 CACHE_DURATION，频繁更新的存储库可适当降低
超时设置：网络条件较差时可适当增加 TIMEOUT_SECONDS
重试策略：高延迟环境下可增加 MAX_RETRIES 和 RETRY_DELAY_MS

添加新平台

要添加对新平台的支持，编辑 src/config/platforms.js：

1
2
3
4
5
6
7
8
9


export const PLATFORMS = {
 // 现有平台...

 // 新平台示例
 custom: {
 base: "https://example.com",
 transform: (path) => path.replace(/^\/custom\//, "/"),
 },
};

🚧 开发

存储库设置

1
2
3
4


git clone https://github.com/xixu-me/Xget.git
cd Xget
npm install
npx wrangler login # 首次使用

本地开发

1
2
3
4
5
6


npm run dev # 启动开发服务器 (http://localhost:8787)
npm run test:run # 运行完整测试套件
npm run test:coverage # 生成测试覆盖率报告
npm run lint # 代码检查
npm run format # 代码格式化
npm run deploy # 部署到生产

🧪 测试

存储库包含完整的测试套件，确保代码质量和功能正确性。

完整测试

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# 安装测试依赖
npm install

# 运行所有测试
npm run test:run

# 生成覆盖率报告
npm run test:coverage

# 监视模式
npm run test:watch

测试覆盖

单元测试: 核心功能、平台配置、性能监控
集成测试: 端到端流程、平台集成、Git 协议
安全测试: 输入验证、安全头、权限控制
性能测试: 响应时间、内存使用、并发处理

🔍 故障排除

常见问题

Q: 下载速度没有明显提升？ A: 检查源文件是否已经在 CDN 边缘节点缓存，首次访问可能较慢，后续访问会显著提升。

Q: Git 操作失败？ A: 确认使用了正确的 URL 格式，且 Git 客户端版本支持 HTTPS 代理。

Q: 部署后无法访问？ A: 检查 Cloudflare Workers 域名是否正确绑定，确认 wrangler.toml 配置正确。

Q: 出现 400 错误？ A: 检查 URL 路径格式，确认平台前缀正确使用。

性能监控

在响应头中返回性能指标：

X-Performance-Metrics: 包含请求各阶段的耗时统计
X-Cache-Status: 显示缓存命中状态

日志调试

在开发环境中，你可以通过 Cloudflare Workers 控制台查看详细日志：

1

npx wrangler dev --log-level debug

⚠️ 免责声明

合法合规使用：本存储库旨在为代码存储库、软件包注册表、AI 推理 API、容器镜像、模型、数据集及更多合法开发者资源提供统一加速服务。使用者应严格遵守所在司法辖区法律法规及相关平台服务条款，任何非法用途的法律责任由使用者自行承担
非关联性与独立责任：本存储库与各第三方平台不存在任何隶属、代理或合作关系。任何基于本存储库的 fork、二次开发、再分发或衍生版本均由其维护者独立承担全部责任；作者、维护者及贡献者不对衍生存储库的任何行为或后果承担法律或连带责任
无担保与免责条款：在适用法律允许的最大范围内，本存储库按“现状（AS IS）”提供，不提供任何明示或暗示担保（包括但不限于适销性、特定用途适用性、非侵权等）。对因使用本存储库而造成的任何直接或间接损失（包括但不限于数据丢失、业务中断、利润损失等），作者、维护者及贡献者不承担任何责任
风险自担原则：使用者应自行评估使用风险，确保其使用行为合法合规，不侵犯第三方权益，不得将本存储库用于任何违法、侵权、恶意或不当用途
第三方平台合规：使用者应遵守相关平台的服务条款、API 使用政策、速率限制及版权要求，避免对源平台造成过载或干扰。各平台对其内容、服务及政策拥有最终解释权
知识产权保护：通过本存储库获取的内容受相应版权法保护。使用者应遵守相关许可协议、版权声明及使用条款，不得从事任何侵犯知识产权的行为
安全防护建议：虽然本存储库采用无日志架构，不存储用户请求数据，但基于互联网传输的固有风险，建议使用者对下载内容进行安全扫描，尤其对可执行文件、脚本等保持谨慎
开源性质声明：本存储库为开源项目，作者与贡献者不承担提供技术支持、错误修复或持续维护的义务。外部贡献的合并不代表对特定用途或效果的承诺与背书
名称使用规范：严禁任何可能暗示作者或贡献者提供商业合作、技术支持、担保或背书的表述。涉及存储库名称或作者标识的使用应遵循相关法律法规及通用规范
免责声明更新：本免责声明可能随存储库发展或法律环境变化进行更新修订。使用者继续使用、复制、分发或修改本存储库即视为接受最新版本的免责声明

基于Python实现数字识别Web应用

Mon, 05 Jan 2026 12:34:25 -0800

手把手教你：训练 MNIST 手写数字识别模型，搭建可直接使用的 Web 识别工具

在手写数字识别的实践中，很多同学会遇到模型权重与 Web 应用不兼容的问题，最常见的就是通道数不匹配、模型结构冲突导致的运行报错。今天这篇博客，我们就来完整走一遍流程 —— 从从头训练兼容的cnn_model_basic.pth权重文件，到搭建一个无需前端经验的 Gradio Web 识别工具，全程避坑，确保最终成果可以直接落地使用。

第一部分：从头训练 MNIST 模型，生成兼容权重文件`cnn_model_basic.pth`

我们的核心目标是训练出一个与后续 Web 应用完全兼容的模型权重，彻底解决expected 1 channels, but got 3 channels这类兼容性错误，同时保证模型具备较高的识别准确率。

一、训练代码核心亮点（保障与 Web 应用无缝兼容）

模型结构完全一致，杜绝权重加载冲突

训练过程中定义的MNIST_CNN类，与后续 Gradio Web 应用中的模型结构、层名称、维度计算完全复刻，从根源上解决权重加载时的key不匹配问题。无论是卷积层的通道数、全连接层的神经元数量，还是前向传播的流程，都保持高度统一，确保权重文件可以被 Web 应用直接解析。
输入通道严格锁定单通道，解决核心报错

这是解决通道数不匹配错误的关键：
- 卷积层conv1明确设置输入通道为1，对应 MNIST 数据集的灰度图格式，与 Web 应用预处理后的图像格式完全匹配。
- 数据预处理流程中额外添加transforms.Grayscale(num_output_channels=1)，即使输入数据存在异常，也能强制转为单通道，形成双重保障，彻底解决expected 1 channels, but got 3 channels的运行时错误。
配置参数全同步，确保端到端兼容性

图像尺寸（28x28）、归一化均值 / 标准差（0.1307/0.3081）、权重输出路径等关键配置，均与后续 Web 应用保持一致。无需在两个环节之间进行参数转换，训练完成后的权重文件可以直接投入使用，降低后续操作的复杂度。
训练后直接可用，无需额外二次处理

训练完成后生成的cnn_model_basic.pth，无需修改任何参数、无需重新封装，只需将其与 Web 应用代码放在同一目录，即可正常加载运行，大大提升开发效率，适合快速落地验证。

二、完整运行步骤（零基础也能上手）

环境准备：安装必备依赖包

确保本地环境安装了所需的 Python 库，与后续 Web 应用的环境保持一致，避免出现库版本冲突问题，直接执行以下命令即可：
1

pip install torch torchvision numpy
运行训练脚本：自动完成全流程

直接执行提前编写好的训练 Python 脚本，无需手动干预，脚本会自动完成以下四个核心步骤：
- 下载 MNIST 数据集：如果本地./data目录下没有该数据集，会自动从官方源下载并保存，后续训练和评估均基于该标准数据集。
- 模型训练：默认训练 5 轮模型，训练速度较快，普通 CPU 环境约 5-10 分钟，具备 CUDA 支持的 GPU 环境仅需 1-2 分钟，满足快速验证的需求。
- 测试集评估：训练完成后，会自动在 MNIST 测试集上验证模型效果，正常情况下准确率可达 98% 以上，具备实用价值。
- 保存权重文件：最终会在当前目录生成cnn_model_basic.pth，这就是我们后续 Web 应用需要的兼容权重文件。
验证权重文件：提前规避兼容问题

将生成的cnn_model_basic.pth与后续的 Gradio Web 应用代码放在同一目录下，可提前简单验证文件有效性（无需启动 Web 应用）：检查文件是否存在、大小是否合理（通常为几十 KB），确保没有出现训练中断导致的文件损坏，为后续 Web 应用的正常运行铺路。

三、关键兼容性解析（解决原错误的核心逻辑）

很多同学在实践中会遇到这样的运行时错误：RuntimeError: Given groups=1, weight of size [16, 1, 3, 3], expected input[64, 3, 32, 32] to have 1 channels, but got 3 channels instead，其根源其实只有两个：

模型输入通道不匹配：原微调模型设计为接收 3 通道彩色图，而 Web 应用为了匹配 MNIST 数据集，会将上传图像预处理为 1 通道灰度图，两者输入格式冲突。
模型结构不一致：原微调模型的层结构、维度设计与 Web 应用中定义的MNIST_CNN类存在差异，导致权重加载时无法对应。

而我们本次训练代码的解决措施，正是针对性地解决这两个问题：

强制锁定单通道输入：卷积层conv1的in_channels=1，与 Web 应用的图像预处理输出完全匹配，从模型设计层面规避通道数冲突。
同步数据预处理流程：训练时的图像预处理与 Web 应用保持一致，均输出 1 通道 28x28 灰度图，从数据源头确保格式统一。
复刻模型结构定义：完全照搬 Web 应用中的MNIST_CNN类结构，确保权重加载时无层名称、维度的冲突，实现无缝兼容。

四、补充优化说明（提升模型效果与实用性）

训练效果优化：追求更高准确率

如果对模型准确率有更高要求，可将训练轮数EPOCHS调整为 10，或适当降低学习率（如从1e-3调整为5e-4），调整后模型在测试集上的准确率可接近 99%，进一步提升实际识别效果。
权重文件迁移：跨环境无缝使用

生成的cnn_model_basic.pth具备良好的可迁移性，可直接复制到任意具备对应环境的机器上使用。若修改了权重文件的保存路径，只需同步更新 Web 应用中的MODEL_PATH配置项，即可正常加载，无需其他额外修改。
无 GPU 兼容：不影响功能落地

代码内置了设备自动适配逻辑，即使没有 CUDA 支持的 GPU，也会自动切换至 CPU 运行。虽然训练速度会稍慢，但最终生成的权重文件的兼容性和功能不受任何影响，依然可以正常支撑 Web 应用的运行，满足不同环境的使用需求。

第二部分：搭建 Gradio Web 识别工具，实现可视化手写数字识别

有了兼容的cnn_model_basic.pth权重文件后，我们就可以搭建 Web 识别工具了。借助 Gradio 框架，无需具备任何前端开发经验，即可快速构建一个美观、易用的可视化工具，实现图像上传与实时识别。

一、Web 应用代码核心亮点（结构清晰、易于维护）

模块化拆分，职责单一

将整个 Web 应用的功能拆分为「模型加载」「图像预处理」「预测逻辑」「界面搭建」4 个独立模块，每个函数只负责一项核心功能。这种设计方式便于后续的修改、扩展和排错，比如后续想要优化预测逻辑，只需针对性修改对应函数，无需改动整个代码框架。
配置集中管理，降低维护成本

将设备配置、图像尺寸、归一化参数、权重文件路径等常量，集中定义在代码顶部。后续如果需要调整参数，只需在配置区域进行修改，无需深入业务逻辑代码，大大降低了后续的维护成本，也减少了因参数修改遗漏导致的错误。
与训练流程保持一致，确保识别准确率

Web 应用中的模型结构、图像预处理管道（Resize、Grayscale、Normalize），完全匹配之前的模型训练流程。这是确保识别准确率的关键，避免因预处理方式不一致导致模型无法有效提取特征，保证了从训练到部署的一致性。
完善的可视化输出，结果直观易懂

应用同时提供两种输出形式：一是文本框显示最终的预测数字与置信度，二是标签组件展示所有数字的置信度分布。这种设计不仅能给出明确的识别结果，还能直观展示模型的判断依据，便于用户了解模型的识别可靠性。

二、Web 应用关键功能说明（实用、便捷、稳定）

模型加载与完善的错误处理

模型加载环节内置了针对性的错误捕获机制，能够有效应对常见问题：
- 捕获FileNotFoundError：当权重文件缺失或路径错误时，返回清晰的提示信息，便于用户排查文件路径问题。
- 捕获RuntimeError：当模型结构与权重文件不匹配时，给出明确的错误提示，避免应用意外崩溃。
- 自动切换评估模式：加载完成后自动执行model.eval()，禁用 Dropout 和 BatchNorm 的训练行为，确保推理结果的稳定性和一致性。
标准化的图像预处理流程

针对用户上传的图像，应用会自动执行一套标准化的预处理流程，确保输入格式符合模型要求：
- 自动调整尺寸：将上传图像调整为 28x28 的标准尺寸，匹配 MNIST 数据集的图像格式。
- 自动转灰度图：将彩色图像转为单通道灰度图，适配模型的单通道输入要求。
- 自动标准化处理：消除图像亮度、对比度等因素对识别结果的影响，与训练时的图像预处理保持一致。
- 自动补充 batch 维度：通过unsqueeze(0)补充 batch 维度，适配 PyTorch 模型的输入格式要求。
便捷高效的 Gradio Web 界面特性

搭建的 Web 界面具备多种实用特性，提升用户使用体验：
- 多图像来源支持：支持本地图像上传、剪贴板粘贴图像、摄像头实时拍摄三种方式，满足不同场景的使用需求。
- 双输出展示：文本框显示最终结果，标签组件展示置信度分布，结果直观易懂。
- 响应式左右布局：界面分为输入区和输出区，美观整洁，操作便捷，在不同尺寸的设备上都能良好适配。
- 局域网访问支持：通过server_name="localhost"配置，允许同一局域网内的手机、平板等设备访问该工具，提升使用灵活性。

三、Web 应用运行步骤与注意事项（快速上手）

环境准备：安装额外依赖包

除了训练环节的依赖包，还需要安装 Gradio 相关依赖，执行以下命令即可：
1

pip install torch torchvision gradio pillow numpy
文件准备：放置兼容权重文件

将之前训练生成的cnn_model_basic.pth，放在与 Web 应用代码同一目录下；如果权重文件在其他目录，只需修改代码中的MODEL_PATH为权重文件的绝对路径即可。

运行代码：启动 Web 应用

直接执行 Web 应用 Python 脚本，终端会输出相关运行信息，同时会自动打开浏览器进入 Web 界面，典型的终端输出如下：

1
2
3


✅ 模型加载成功，已切换至评估模式，运行设备：cpu/cuda
Running on local URL: http://localhost:7860
Running on public URL: https://xxxx.gradio.live （仅share=True时显示）

使用方法：上传图像完成识别

上传一张白底黑字的手写数字图像（清晰无干扰的图像识别效果更佳），无需手动点击识别按钮，图像上传后会自动触发识别，右侧输出区会实时显示识别结果与置信度分布。

四、常见问题排查（避坑指南）

权重加载失败

核心排查点：检查MNIST_CNN类的结构是否与训练时完全一致，重点关注卷积层通道数、全连接层维度等关键参数，否则会出现key不匹配错误。
识别准确率低

核心排查点：确保上传的图像清晰无多余干扰，尽量与 MNIST 数据集格式保持一致（白底黑字、单个数字居中），避免因图像质量问题导致模型无法有效提取特征。
端口被占用

核心排查点：如果终端提示端口被占用，可将代码中的server_port修改为其他未被占用的端口（如 7861），避免与其他服务发生冲突。
GPU 无法使用

核心排查点：确保已安装 CUDA 版本的 PyTorch，若未安装，应用会自动切换至 CPU 运行，不影响核心功能使用，仅推理速度会稍慢。

效果展示

总结

本次我们完整实现了从「MNIST 模型从头训练」到「Gradio Web 应用搭建」的全流程，核心成果有两点：

生成了cnn_model_basic.pth兼容权重文件，彻底解决了通道数不匹配、模型结构冲突等常见问题，具备良好的可迁移性和实用性。
搭建了无需前端经验的 Web 识别工具，实现了「模型加载→图像预处理→Web 界面交互→结果可视化」的完整流程，结构清晰、易于维护，满足快速落地使用的需求。

整个流程避开了常见的坑，所有环节保持高度一致性，无论是零基础的同学，还是有一定 PyTorch 实践经验的开发者，都可以快速上手并实现落地。借助这个工具，我们可以轻松完成手写数字的可视化识别，也可以在此基础上进行进一步的扩展和优化，比如支持多数字识别、优化图像预处理逻辑等。

附录

完整训练代码（生成兼容的`cnn_model_basic.pth`）

 1
 2
 3
 4
 5
 6
 7
 8
 9
 10
 11
 12
 13
 14
 15
 16
 17
 18
 19
 20
 21
 22
 23
 24
 25
 26
 27
 28
 29
 30
 31
 32
 33
 34
 35
 36
 37
 38
 39
 40
 41
 42
 43
 44
 45
 46
 47
 48
 49
 50
 51
 52
 53
 54
 55
 56
 57
 58
 59
 60
 61
 62
 63
 64
 65
 66
 67
 68
 69
 70
 71
 72
 73
 74
 75
 76
 77
 78
 79
 80
 81
 82
 83
 84
 85
 86
 87
 88
 89
 90
 91
 92
 93
 94
 95
 96
 97
 98
 99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150


# 导入所需依赖库
import torch
import torch.nn as nn
import torch.optim as optim
import torchvision
import torchvision.transforms as transforms
from torch.utils.data import DataLoader

# ====================== 1. 定义常量配置（与Web应用保持一致，确保兼容性） ======================
# 设备配置：优先GPU，无则CPU
DEVICE = torch.device("cuda" if torch.cuda.is_available() else "cpu")
# 训练参数
BATCH_SIZE = 64
EPOCHS = 5
LEARNING_RATE = 1e-3
# 输出权重文件路径（与Web应用中MODEL_PATH一致）
OUTPUT_MODEL_PATH = "cnn_model_basic.pth"
# MNIST图像参数（与Web应用完全匹配）
MNIST_IMAGE_SIZE = (28, 28)
NORMALIZE_MEAN = (0.1307,)
NORMALIZE_STD = (0.3081,)

# ====================== 2. 定义CNN模型结构（与Web应用完全一致，核心兼容性保障） ======================
# 该模型结构与Gradio Web应用中的MNIST_CNN类完全相同，确保权重加载无冲突
class MNIST_CNN(nn.Module):
 def __init__(self):
 super(MNIST_CNN, self).__init__()
 # 卷积层：输入1通道（灰度图），输出16通道，卷积核3x3，padding=1保持尺寸
 self.conv1 = nn.Conv2d(1, 16, kernel_size=3, padding=1)
 self.relu1 = nn.ReLU()
 self.pool1 = nn.MaxPool2d(2, 2) # 池化后尺寸：14x14

 self.conv2 = nn.Conv2d(16, 32, kernel_size=3, padding=1)
 self.relu2 = nn.ReLU()
 self.pool2 = nn.MaxPool2d(2, 2) # 池化后尺寸：7x7

 # 全连接层：32*7*7=1568个特征 → 10个分类（0-9）
 self.fc1 = nn.Linear(32 * 7 * 7, 128)
 self.relu3 = nn.ReLU()
 self.fc2 = nn.Linear(128, 10)

 def forward(self, x):
 # 前向传播流程（与Web应用模型完全一致）
 x = self.pool1(self.relu1(self.conv1(x)))
 x = self.pool2(self.relu2(self.conv2(x)))
 x = x.view(-1, 32 * 7 * 7) # 展平特征图，维度匹配
 x = self.relu3(self.fc1(x))
 x = self.fc2(x)
 return x

# ====================== 3. 数据加载与预处理（与Web应用保持一致，避免输入格式不兼容） ======================
# 预处理管道与Web应用完全相同：灰度图→28x28→Tensor→标准化
transform = transforms.Compose([
 transforms.Resize(MNIST_IMAGE_SIZE),
 transforms.Grayscale(num_output_channels=1), # 强制转为1通道（MNIST原生已为1通道，双重保障）
 transforms.ToTensor(),
 transforms.Normalize(NORMALIZE_MEAN, NORMALIZE_STD)
])

# 加载MNIST训练集和测试集
train_dataset = torchvision.datasets.MNIST(
 root='./data',
 train=True,
 download=True,
 transform=transform
)

test_dataset = torchvision.datasets.MNIST(
 root='./data',
 train=False,
 download=True,
 transform=transform
)

# 构建数据加载器
train_loader = DataLoader(train_dataset, batch_size=BATCH_SIZE, shuffle=True)
test_loader = DataLoader(test_dataset, batch_size=BATCH_SIZE, shuffle=False)

# ====================== 4. 模型初始化、损失函数与优化器 ======================
# 初始化模型并移至指定设备
model = MNIST_CNN().to(DEVICE)

# 分类任务损失函数（交叉熵损失）
criterion = nn.CrossEntropyLoss()

# 优化器（Adam优化，学习率适中）
optimizer = optim.Adam(model.parameters(), lr=LEARNING_RATE)

# ====================== 5. 模型训练循环 ======================
print(f"开始训练模型，运行设备：{DEVICE}，训练轮数：{EPOCHS}，批次大小：{BATCH_SIZE}")
for epoch in range(EPOCHS):
 # 切换为训练模式（启用BatchNorm/Dropout训练行为）
 model.train()
 running_loss = 0.0

 for i, (images, labels) in enumerate(train_loader):
 # 将数据移至指定设备
 images = images.to(DEVICE)
 labels = labels.to(DEVICE)

 # 1. 清空上一轮梯度
 optimizer.zero_grad()

 # 2. 前向传播
 outputs = model(images)

 # 3. 计算损失
 loss = criterion(outputs, labels)

 # 4. 反向传播
 loss.backward()

 # 5. 更新模型参数
 optimizer.step()

 # 统计损失值
 running_loss += loss.item()

 # 每100个批次打印一次训练状态
 if (i + 1) % 100 == 0:
 avg_loss = running_loss / 100
 print(f"Epoch [{epoch+1}/{EPOCHS}], Step [{i+1}/{len(train_loader)}], Average Loss: {avg_loss:.4f}")
 running_loss = 0.0

# ====================== 6. 训练后模型评估（验证模型效果） ======================
print("\n训练完成，开始评估模型在测试集上的表现...")
model.eval() # 切换为评估模式
correct = 0
total = 0

# 推理时禁用梯度计算，节省内存
with torch.no_grad():
 for images, labels in test_loader:
 images = images.to(DEVICE)
 labels = labels.to(DEVICE)

 outputs = model(images)
 _, predicted = torch.max(outputs.data, 1)

 total += labels.size(0)
 correct += (predicted == labels).sum().item()

# 输出测试集准确率
test_accuracy = 100 * correct / total
print(f"测试集准确率: {test_accuracy:.2f}%")

# ====================== 7. 保存训练好的权重文件（与Web应用兼容） ======================
torch.save(model.state_dict(), OUTPUT_MODEL_PATH)
print(f"\n✅ 权重文件已成功保存至：{OUTPUT_MODEL_PATH}")
print(f"该文件可直接用于之前的Gradio Web手写数字识别应用，无兼容性冲突")

Gradio实现Web页面完整代码

 1
 2
 3
 4
 5
 6
 7
 8
 9
 10
 11
 12
 13
 14
 15
 16
 17
 18
 19
 20
 21
 22
 23
 24
 25
 26
 27
 28
 29
 30
 31
 32
 33
 34
 35
 36
 37
 38
 39
 40
 41
 42
 43
 44
 45
 46
 47
 48
 49
 50
 51
 52
 53
 54
 55
 56
 57
 58
 59
 60
 61
 62
 63
 64
 65
 66
 67
 68
 69
 70
 71
 72
 73
 74
 75
 76
 77
 78
 79
 80
 81
 82
 83
 84
 85
 86
 87
 88
 89
 90
 91
 92
 93
 94
 95
 96
 97
 98
 99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186


# 导入所需库
import torch
import torch.nn as nn
import torchvision.transforms as transforms
import gradio as gr
from PIL import Image
import numpy as np

# ====================== 1. 定义常量与固定配置（易于维护） ======================
# 设备配置：优先GPU，无则CPU
DEVICE = torch.device("cuda" if torch.cuda.is_available() else "cpu")
# 模型权重文件路径
MODEL_PATH = "cnn_model_basic.pth"
# MNIST图像标准尺寸（28x28灰度图）
MNIST_IMAGE_SIZE = (28, 28)
# 图像归一化参数（与训练/微调时保持一致）
NORMALIZE_MEAN = (0.1307,)
NORMALIZE_STD = (0.3081,)


# ====================== 2. 定义与预训练模型匹配的CNN结构（必须与微调时一致） ======================
class MNIST_CNN(nn.Module):
 def __init__(self):
 super(MNIST_CNN, self).__init__()
 # 卷积层：提取图像通用特征
 self.conv1 = nn.Conv2d(1, 16, kernel_size=3, padding=1)
 self.relu1 = nn.ReLU()
 self.pool1 = nn.MaxPool2d(2, 2)

 self.conv2 = nn.Conv2d(16, 32, kernel_size=3, padding=1)
 self.relu2 = nn.ReLU()
 self.pool2 = nn.MaxPool2d(2, 2)

 # 全连接层：完成分类任务
 self.fc1 = nn.Linear(32 * 7 * 7, 128)
 self.relu3 = nn.ReLU()
 self.fc2 = nn.Linear(128, 10)

 def forward(self, x):
 # 前向传播流程（与微调时一致）
 x = self.pool1(self.relu1(self.conv1(x)))
 x = self.pool2(self.relu2(self.conv2(x)))
 x = x.view(-1, 32 * 7 * 7) # 展平特征图
 x = self.relu3(self.fc1(x))
 x = self.fc2(x)
 return x


# ====================== 3. 初始化模型并加载权重（包含错误处理） ======================
def load_mnist_model(model_path, device):
 """
 加载MNIST手写数字识别模型
 :param model_path: 权重文件路径
 :param device: 运行设备
 :return: 初始化完成的模型
 """
 try:
 # 1. 初始化模型结构
 model = MNIST_CNN().to(device)
 # 2. 加载权重文件
 model.load_state_dict(torch.load(model_path, map_location=device))
 # 3. 切换为评估模式（禁用Dropout/BatchNorm训练行为）
 model.eval()
 print(f"✅ 模型加载成功，已切换至评估模式，运行设备：{device}")
 return model
 except FileNotFoundError:
 raise Exception(f"❌ 权重文件未找到，请检查路径：{model_path}")
 except RuntimeError as e:
 raise Exception(f"❌ 模型结构与权重不匹配，加载失败：{str(e)}")
 except Exception as e:
 raise Exception(f"❌ 模型加载未知错误：{str(e)}")


# ====================== 4. 图像预处理与预测函数（核心业务逻辑） ======================
# 定义图像预处理管道（与训练/微调时保持一致，确保输入格式匹配）
image_transform = transforms.Compose([
 transforms.Resize(MNIST_IMAGE_SIZE), # 调整为28x28标准尺寸
 transforms.Grayscale(num_output_channels=1), # 转为单通道灰度图
 transforms.ToTensor(), # 转为Tensor并归一化至[0,1]
 transforms.Normalize(NORMALIZE_MEAN, NORMALIZE_STD) # 标准化（与训练一致）
])


def predict_handwritten_digit(image, model):
 """
 处理上传图像并预测手写数字
 :param image: Gradio上传的图像（PIL.Image格式）
 :param model: 加载完成的预测模型
 :return: 预测结果（字典格式，包含数字与置信度）
 """
 try:
 # 步骤1：图像预处理
 if image is None:
 raise ValueError("请上传一张手写数字图像")

 # 应用预处理管道
 processed_image = image_transform(image).unsqueeze(0) # 增加batch维度（[1,1,28,28]）
 processed_image = processed_image.to(DEVICE)

 # 步骤2：模型推理（禁用梯度计算，节省内存）
 with torch.no_grad():
 outputs = model(processed_image)
 # 计算各类别置信度（softmax转换为概率分布）
 probabilities = torch.softmax(outputs, dim=1).squeeze(0).cpu().numpy()

 # 步骤3：整理预测结果
 pred_digit = np.argmax(probabilities) # 取置信度最高的数字
 pred_confidence = round(probabilities[pred_digit] * 100, 2) # 保留2位小数

 # 构建完整结果（返回所有数字的置信度，便于可视化）
 result = {str(i): round(probabilities[i] * 100, 2) for i in range(10)}
 print(f"🔍 预测完成：数字{pred_digit}，置信度{pred_confidence}%")

 return f"预测结果：{pred_digit}（置信度：{pred_confidence}%）", result

 except ValueError as e:
 return f"⚠️ 输入错误：{str(e)}", {str(i): 0.0 for i in range(10)}
 except Exception as e:
 return f"⚠️ 预测失败：{str(e)}", {str(i): 0.0 for i in range(10)}


# ====================== 5. Gradio Web界面搭建与运行 ======================
def main():
 # 步骤1：加载模型（捕获加载错误，避免程序崩溃）
 try:
 model = load_mnist_model(MODEL_PATH, DEVICE)
 except Exception as e:
 print(f"模型初始化失败：{e}")
 return

 # 步骤2：定义Gradio界面组件
 with gr.Blocks(title="MNIST手写数字识别工具") as demo:
 # 页面标题
 gr.Markdown("# 🖋️ MNIST 手写数字识别工具")
 gr.Markdown("### 上传一张包含单个手写数字（0-9）的图像，模型将自动识别并返回结果")

 # 布局：分为输入区、输出区
 with gr.Row():
 # 左侧：输入区（图像上传）
 with gr.Column(scale=1):
 image_input = gr.Image(
 type="pil", # 输出PIL.Image格式，便于预处理
 label="上传手写数字图像",
 height=300,
 sources=["upload", "clipboard", "webcam"] # 支持上传、剪贴板、摄像头
 )
 submit_btn = gr.Button("开始识别", variant="primary", size="lg")

 # 右侧：输出区（预测结果）
 with gr.Column(scale=1):
 text_output = gr.Textbox(
 label="识别结果",
 placeholder="识别结果将显示在这里...",
 lines=2,
 interactive=False
 )
 confidence_output = gr.Label(
 label="各数字置信度分布",
 num_top_classes=5 # 显示置信度前5的数字
 )

 # 步骤3：绑定事件（按钮点击/图像上传自动触发识别）
 def run_prediction(image):
 return predict_handwritten_digit(image, model)

 # 绑定触发方式
 submit_btn.click(fn=run_prediction, inputs=image_input, outputs=[text_output, confidence_output])
 image_input.change(fn=run_prediction, inputs=image_input, outputs=[text_output, confidence_output])

 # 步骤4：添加说明文字
 gr.Markdown("### 📌 注意事项")
 gr.Markdown("1. 建议上传白底黑字的手写数字图像，识别效果更佳")
 gr.Markdown("2. 图像将自动转为28x28灰度图，与MNIST数据集格式保持一致")
 gr.Markdown("3. 模型基于CNN微调训练，仅支持单个数字识别")

 # 步骤5：启动Web服务
 demo.launch(
 server_name="localhost", # 允许局域网访问（可选）
 server_port=7860, # 自定义端口（可选）
 share=False # 如需公网临时链接，设置为True（需网络通畅）
 )


# ====================== 6. 程序入口 ======================
if __name__ == "__main__":
 main()

谷粒-Chrome插件英雄榜

Wed, 31 Dec 2025 14:34:25 -0800

谷粒-Chrome插件英雄榜

🌈谷粒-Chrome插件英雄榜, 为优秀的Chrome插件写一本中文说明书, 让Chrome插件英雄们造福人类~ ChromeAppHeroes, Write a Chinese manual for the excellent Chrome plugin, let the Chrome plugin heroes benefit the human~

前言

谷粒-Chrome插件英雄榜GitHub-Repo

我认为可能有用的扩展如下所示：

目录(点击以下标题, 可以进入文章页~)

开源插件推广(作者自荐)

名称	作者主页	开源信息	简介
Make Zero	sheepzh	Github仓库地址	加解密文本
网费很贵	sheepzh	Github仓库地址	统计网页的运行时间、用户的浏览时间和用户打开网站的次数
The Fucking Github	lvxianchao	Github仓库地址	很方便地查看、整理、搜索你已经 Star 过的项目和搜索 Github 上的项目。
HitUP	wonderbeyond	Github仓库地址	利用 New Tab “空白页” 助您保持对流行技术趋势的跟进，附带其它福利。
Gitako - Github file tree	EnixCoda	Github仓库地址	功能上类似于大名鼎鼎的 Octotree ，但是用了更现代化的前端工具，性能好很多。
GITHUBER	zhuowenli	Github仓库地址	这是一个帮助 GitHub 开发者每日发现优质内容的 Chrome 主页拓展。
GLaDOS	glados-network	Github 仓库地址	GLaDOS is trustable networking manager, a system to master your network.

他人眼中的 Chrome插件英雄榜(商业互吹模块)

名字起啥好?

将这个仓库命名为Chrome扩展英雄榜可能更准确些,但插件这个名词, 更通俗易懂, 所以就使用了Chrome插件英雄榜这个命名 ,感谢@hjthjthjt 给出的issue纠正

Chrome扩展程序相关网站推荐

chajian5: 收藏好用的Chrome插件，不推荐评分低的还有多年不更新的插件。支持百度网盘和360云盘转存或下载，方便快捷。

Vibe Coding 指南

Mon, 29 Dec 2025 22:34:25 -0800

Vibe Coding 指南

一个通过与 AI 结对编程，将想法变为现实的终极工作站

来源——GitHub Repo

🎲 前言

这是一个不断生长和自我否定的项目，当下的一切经验和能力都可能因 AI 能力的进化而失去意义，所以请时刻保持以 AI 为主的思维，不要固步自封，所有的经验都可能失效，辩证的看🙏🙏🙏

⚡ 5 分钟快速开始

⚡ 5 分钟快速开始

已有网络和开发环境？直接开始 Vibe Coding！

第 1 步：复制下面的提示词，粘贴到 Claude 或 ChatGPT

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


你是一个专业的 AI 编程助手。我想用 Vibe Coding 的方式开发一个项目。

请先问我：
1. 你想做什么项目？（一句话描述）
2. 你熟悉什么编程语言？（不熟悉也没关系）
3. 你的操作系统是什么？

然后帮我：
1. 推荐最简单的技术栈
2. 生成项目结构
3. 一步步指导我完成开发

要求：每完成一步问我是否成功，再继续下一步。

第 2 步：跟着 AI 的指导，把想法变成现实 🚀

就这么简单！ 更多进阶内容请继续阅读 👇

🚀 从零开始

完全新手？按顺序完成以下步骤：

00-Vibe Coding 哲学原理 - 理解核心理念
01-网络环境配置 - 配置网络访问
02-开发环境搭建 - 复制提示词给 AI，让 AI 指导你搭建环境
03-IDE配置 - 配置 VS Code 编辑器

🧬 胶水编程 (Glue Coding)

软件工程的圣杯与银弹

胶水编程是 Vibe Coding 的终极进化形态，可能完美解决三大致命缺陷：

问题	解法
🎭 AI 幻觉	✅ 只使用已验证的成熟代码，零幻觉
🧩 复杂性爆炸	✅ 每个模块都是久经考验的轮子
🎓 门槛过高	✅ 你只需要描述"连接方式"

核心理念：能抄不写，能连不造，能复用不原创。

👉 深入了解胶水编程

🖼️ 概览

Vibe Coding 是一个与 AI 结对编程的终极工作流程，旨在帮助开发者丝滑地将想法变为现实。本指南详细介绍了从项目构思、技术选型、实施规划到具体开发、调试和扩展的全过程，强调以规划驱动和模块化为核心，避免让 AI 失控导致项目混乱。

核心理念: 规划就是一切。 谨慎让 AI 自主规划，否则你的代码库会变成一团无法管理的乱麻。

注意：以下经验分享并非普遍适用，请在具体实践中结合场景，辩证采纳。

🔑 元方法论 (Meta-Methodology)

该思想的核心是构建一个能够自我优化的 AI 系统。其递归本质可分解为以下步骤：

延伸阅读：A Formalization of Recursive Self-Optimizing Generative Systems

1. 定义核心角色：

α-提示词 (生成器): 一个“母体”提示词，其唯一职责是生成其他提示词或技能。
Ω-提示词 (优化器): 另一个“母体”提示词，其唯一职责是优化其他提示词或技能。

2. 描述递归的生命周期：

创生 (Bootstrap):
- 使用 AI 生成 α-提示词 和 Ω-提示词 的初始版本 (v1)。
自省与进化 (Self-Correction & Evolution):
- 使用 Ω-提示词 (v1) 优化 α-提示词 (v1)，从而得到一个更强大的 α-提示词 (v2)。
创造 (Generation):
- 使用进化后的 α-提示词 (v2) 生成所有需要的目标提示词和技能。
循环与飞跃 (Recursive Loop):
- 将新生成的、更强大的产物（甚至包括新版本的 Ω-提示词）反馈给系统，再次用于优化 α-提示词，从而启动持续进化。

3. 终极目标：

通过此持续的递归优化循环，系统在每次迭代中实现自我超越，无限逼近预设的预期状态。

🧭 方法论精要 (道·法·术)

🧭 道

凡是 AI 能做的，就不要人工做
一切问题问 AI
目的主导：开发过程中的一切动作围绕"目的"展开
上下文是 vibe coding 的第一性要素，垃圾进，垃圾出
系统性思考，实体，链接，功能/目的，三个维度
数据与函数即是编程的一切
输入，处理，输出刻画整个过程
多问 AI 是什么？，为什么？，怎么做？（黄金圈法则）
先结构，后代码，一定要规划好框架，不然后面技术债还不完
奥卡姆剃刀定理，如无必要，勿增代码
帕累托法则，关注重要的那20%
逆向思考，先明确你的需求，从需求逆向构建代码
重复，多试几次，实在不行重新开个窗口，
专注，极致的专注可以击穿代码，一次只做一件事（神人除外）

🧩 法

一句话目标 + 非目标
正交性（这个分场景）
能抄不写，不重复造轮子，先问 AI 有没有合适的仓库，下载下来改（glue coding全新范式）
一定要看官方文档，先把官方文档爬下来喂给 AI（让 AI 找工具下载到本地）
按职责拆模块
接口先行，实现后补
一次只改一个模块
文档即上下文，不是事后补

🛠️ 术

明确写清：能改什么，不能改什么
Debug 只给：预期 vs 实际 + 最小复现
测试可交给 AI，断言人审
代码一多就切会话
AI 犯的错误使用提示词整理为经验持久化存储，遇到问题始终无法解决，就让AI检索这个收集的问题然后寻找解决方案

📋 器 (工具与资源)

📋 器

集成开发环境 (IDE) & 终端

Visual Studio Code: 一款功能强大的集成开发环境，适合代码阅读与手动修改。其 Local History 插件对项目版本管理尤为便捷。
虚拟环境 (.venv): 强烈推荐使用，可实现项目环境的一键配置与隔离，特别适用于 Python 开发。
Cursor: 已经占领用户心智高地，人尽皆知。
Warp: 集成 AI 功能的现代化终端，能有效提升命令行操作和错误排查的效率。
Neovim (nvim): 一款高性能的现代化 Vim 编辑器，拥有丰富的插件生态，是键盘流开发者的首选。
LazyVim: 基于 Neovim 的配置框架，预置了 LSP、代码补全、调试等全套功能，实现了开箱即用与深度定制的平衡。

AI 模型 & 服务

Claude Opus 4.5: 性能强大的 AI 模型，通过 Claude Code 等平台提供服务，并支持 CLI 和 IDE 插件。
gpt-5.1-codex.1-codex (xhigh): 适用于处理大型项目和复杂逻辑的 AI 模型，可通过 Codex CLI 等平台使用。
Droid: 提供对 Claude Opus 4.5 等多种模型的 CLI 访问。
Kiro: 目前提供免费的 Claude Opus 4.5 模型访问，并提供客户端及 CLI 工具。
Gemini CLI: 提供对 Gemini 模型的免费访问，适合执行脚本、整理文档和探索思路。
antigravity: 目前由 Google 提供的免费 AI 服务，支持使用 Claude Opus 4.5 和 Gemini 3.0 Pro。
AI Studio: Google 提供的免费服务，支持使用 Gemini 3.0 Pro 和 Nano Banana。
Gemini Enterprise: 面向企业用户的 Google AI 服务，目前可以免费使用。
GitHub Copilot: 由 GitHub 和 OpenAI 联合开发的 AI 代码补全工具。
Kimi K2: 一款国产 AI 模型，适用于多种常规任务。
GLM: 由智谱 AI 开发的国产大语言模型。
Qwen: 由阿里巴巴开发的 AI 模型，其 CLI 工具提供免费使用额度。

开发与辅助工具

Augment: 提供强大的上下文引擎和提示词优化功能。
Windsurf: 为新用户提供免费额度的 AI 开发工具。
Ollama: 本地大模型管理工具，可通过命令行方便地拉取和运行开源模型。
Mermaid Chart: 用于将文本描述转换为架构图、序列图等可视化图表。
NotebookLM: 一款用于 AI 解读资料、音频和生成思维导图的工具。
Zread: AI 驱动的 GitHub 仓库阅读工具，有助于快速理解项目代码。
tmux: 强大的终端复用工具，支持会话保持、分屏和后台任务，是服务器与多项目开发的理想选择。
DBeaver: 一款通用数据库管理客户端，支持多种数据库，功能全面。

资源与模板

提示词库 (在线表格): 一个包含大量可直接复制使用的各类提示词的在线表格。
第三方系统提示词学习库: 用于学习和参考其他 AI 工具的系统提示词。
Skills 制作器: 可根据需求生成定制化 Skills 的工具。
元提示词: 用于生成提示词的高级提示词。
通用项目架构模板: 可用于快速搭建标准化的项目目录结构。
元技能：Skills 的 Skills: 用于生成 Skills 的元技能。
tmux快捷键大全: tmux 的快捷键参考文档。
LazyVim快捷键大全: LazyVim 的快捷键参考文档。
手机远程 Vibe Coding: 基于 frp 实现手机 SSH 远程控制本地电脑进行 Vibe Coding。

外部教程与资源

二哥的Java进阶之路: 包含多种开发工具的详细配置教程。
虚拟卡: 可用于注册云服务等需要国际支付的场景。

交流社区

Telegram 交流群: Vibe Coding 中文交流群
Telegram 频道: 项目更新与资讯

项目内部文档

胶水编程 (Glue Coding): 软件工程的圣杯与银弹，Vibe Coding 的终极进化形态。
Chat Vault: AI 聊天记录保存工具，支持 Codex/Kiro/Gemini/Claude CLI。
prompts-library 工具说明: 支持 Excel 与 Markdown 格式互转，包含数百个精选提示词。
编程提示词集合: 适用于 Vibe Coding 流程的专用提示词。
系统提示词构建原则: 构建高效 AI 系统提示词的综合指南。
开发经验总结: 变量命名、文件结构、编码规范、架构原则等。
通用项目架构模板: 多种项目类型的标准目录结构。
Augment MCP 配置文档: Augment 上下文引擎配置说明。
系统提示词集合: AI 开发的系统提示词，含多版本开发规范。
外部资源聚合: GitHub 精选仓库、AI 工具平台、提示词资源、优质博主汇总。

编码模型性能分级参考

编码模型性能分级参考

建议只选择第一梯队模型处理复杂任务，以确保最佳效果与效率。

第一梯队: codex-5.1-max-xhigh, claude-opus-4.5-xhigh, gpt-5.2-xhigh
第二梯队: claude-sonnet-4.5, kimi-k2-thinking, minimax-m2, glm-4.6, gemini-3.0-pro, gemini-2.5-pro
第三梯队: qwen3, SWE, grok4

项目目录结构概览

项目目录结构概览

本项目 vibe-coding-cn 的核心结构主要围绕知识管理、AI 提示词的组织与自动化展开。以下是经过整理和简化的目录树及各部分说明：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63


.
├── README.md # 项目主文档
├── AGENTS.md # AI Agent 行为准则
├── GEMINI.md # Gemini 模型上下文
├── Makefile # 自动化脚本
├── LICENSE # MIT 许可证
├── CODE_OF_CONDUCT.md # 行为准则
├── CONTRIBUTING.md # 贡献指南
├── .gitignore # Git 忽略规则
│
├── .github/ # GitHub 配置
│ ├── workflows/ # CI/CD 工作流
│ │ ├── ci.yml # Markdown lint + link checker
│ │ ├── labeler.yml # 自动标签
│ │ └── welcome.yml # 欢迎新贡献者
│ ├── ISSUE_TEMPLATE/ # Issue 模板
│ ├── PULL_REQUEST_TEMPLATE.md # PR 模板
│ ├── SECURITY.md # 安全政策
│ ├── FUNDING.yml # 赞助配置
│ └── wiki/ # GitHub Wiki 内容
│
├── i18n/ # 多语言资产 (27 种语言)
│ ├── README.md # 多语言索引
│ ├── zh/ # 中文主语料
│ │ ├── documents/ # 文档库
│ │ │ ├── 00-基础指南/ # 方法论与原则
│ │ │ ├── 01-入门指南/ # 从零开始教程
│ │ │ ├── 02-方法论/ # 工具与技巧
│ │ │ ├── 03-实战/ # 项目实战案例
│ │ │ └── 04-资源/ # 外部资源聚合
│ │ ├── prompts/ # 提示词库
│ │ │ ├── 00-元提示词/ # 生成提示词的提示词
│ │ │ ├── 01-系统提示词/ # AI 系统级提示词
│ │ │ ├── 02-编程提示词/ # 编程相关提示词
│ │ │ └── 03-用户提示词/ # 用户自定义提示词
│ │ └── skills/ # 技能库
│ │ ├── 00-元技能/ # 生成技能的元技能
│ │ ├── 01-AI工具/ # AI CLI 和工具
│ │ ├── 02-数据库/ # 数据库技能
│ │ ├── 03-加密货币/ # 加密货币/量化交易
│ │ └── 04-开发工具/ # 通用开发工具
│ ├── en/ # 英文版本（结构同 zh/）
│ └── ... # 其他语言骨架
│
├── libs/ # 核心库代码
│ ├── common/ # 通用模块
│ │ ├── models/ # 模型定义
│ │ └── utils/ # 工具函数
│ ├── database/ # 数据库模块（预留）
│ └── external/ # 外部工具
│ ├── prompts-library/ # Excel ↔ Markdown 互转工具
│ ├── chat-vault/ # AI 聊天记录保存工具
│ ├── Skill_Seekers-development/ # Skills 制作器
│ ├── l10n-tool/ # 多语言翻译脚本
│ ├── my-nvim/ # Neovim 配置
│ ├── MCPlayerTransfer/ # MC 玩家迁移工具
│ └── XHS-image-to-PDF-conversion/ # 小红书图片转 PDF
│
└── backups/ # 备份脚本与存档
 ├── 一键备份.sh # Shell 备份脚本
 ├── 快速备份.py # Python 备份脚本
 ├── README.md # 备份说明
 └── gz/ # 压缩存档目录

📺 演示与产出

一句话：Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行，让「从想法到可维护代码」变成一条可审计的流水线，而不是一团无法迭代的巨石文件。

你能得到

成体系的提示词工具链：i18n/zh/prompts/01-系统提示词/ 约束 AI 行为边界，i18n/zh/prompts/02-编程提示词/ 提供需求澄清、计划、执行的全链路脚本。
闭环交付路径：需求 → 上下文文档 → 实施计划 → 分步实现 → 自测 → 进度记录，全程可复盘、可移交。

⚙️ 架构与工作流程

⚙️ 架构与工作流程

核心资产映射：

1
2
3
4
5
6
7
8
9


i18n/zh/prompts/
 00-元提示词/ # 用于生成提示词的高级提示词
 01-系统提示词/ # 约束 AI 行为边界的系统级提示词
 02-编程提示词/ # 需求澄清、计划、执行链的核心提示词
 03-用户提示词/ # 可复用的用户侧提示词
i18n/zh/documents/
 04-资源/代码组织.md, 04-资源/通用项目架构模板.md, 00-基础指南/开发经验.md, 00-基础指南/系统提示词构建原则.md 等知识库
backups/
 一键备份.sh, 快速备份.py # 本地/远端快照脚本

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60


graph TB
 %% GitHub 兼容简化版（仅使用基础语法）

 subgraph ext_layer[外部系统与数据源层]
 ext_contrib[社区贡献者]
 ext_sheet[Google 表格 / 外部表格]
 ext_md[外部 Markdown 提示词]
 ext_api[预留：其他数据源 / API]
 ext_contrib --> ext_sheet
 ext_contrib --> ext_md
 ext_api --> ext_sheet
 end

 subgraph ingest_layer[数据接入与采集层]
 excel_raw[prompt_excel/*.xlsx]
 md_raw[prompt_docs/外部MD输入]
 excel_to_docs[prompts-library/scripts/excel_to_docs.py]
 docs_to_excel[prompts-library/scripts/docs_to_excel.py]
 ingest_bus[标准化数据帧]
 ext_sheet --> excel_raw
 ext_md --> md_raw
 excel_raw --> excel_to_docs
 md_raw --> docs_to_excel
 excel_to_docs --> ingest_bus
 docs_to_excel --> ingest_bus
 end

 subgraph core_layer[数据处理与智能决策层 / 核心]
 ingest_bus --> validate[字段校验与规范化]
 validate --> transform[格式映射转换]
 transform --> artifacts_md[prompt_docs/规范MD]
 transform --> artifacts_xlsx[prompt_excel/导出XLSX]
 orchestrator[main.py · scripts/start_convert.py] --> validate
 orchestrator --> transform
 end

 subgraph consume_layer[执行与消费层]
 artifacts_md --> catalog_coding[i18n/zh/prompts/02-编程提示词]
 artifacts_md --> catalog_system[i18n/zh/prompts/01-系统提示词]
 artifacts_md --> catalog_meta[i18n/zh/prompts/00-元提示词]
 artifacts_md --> catalog_user[i18n/zh/prompts/03-用户提示词]
 artifacts_md --> docs_repo[i18n/zh/documents/*]
 artifacts_md --> new_consumer[预留：其他下游渠道]
 catalog_coding --> ai_flow[AI 结对编程流程]
 ai_flow --> deliverables[项目上下文 / 计划 / 代码产出]
 end

 subgraph ux_layer[用户交互与接口层]
 cli[CLI: python main.py] --> orchestrator
 makefile[Makefile 任务封装] --> cli
 readme[README.md 使用指南] --> cli
 end

 subgraph infra_layer[基础设施与横切能力层]
 git[Git 版本控制] --> orchestrator
 backups[backups/一键备份.sh · backups/快速备份.py] --> artifacts_md
 deps[requirements.txt · scripts/requirements.txt] --> orchestrator
 config[prompts-library/scripts/config.yaml] --> orchestrator
 monitor[预留：日志与监控] --> orchestrator
 end

📈 性能基准 (可选)

本仓库定位为「流程与提示词」而非性能型代码库，建议跟踪下列可观测指标（当前主要依赖人工记录，可在 progress.md 中打分/留痕）：

指标	含义	当前状态/建议
提示命中率	一次生成即满足验收的比例	待记录；每个任务完成后在 progress.md 记 0/1
周转时间	需求 → 首个可运行版本所需时间	录屏时标注时间戳，或用 CLI 定时器统计
变更可复盘度	是否同步更新上下文/进度/备份	通过手工更新；可在 backups 脚本中加入 git tag/快照
例程覆盖	是否有最小可运行示例/测试	建议每个示例项目保留 README+测试用例

🗺️ 路线图

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


gantt
 title 项目发展路线图
 dateFormat YYYY-MM
 section 进行中 (2025 Q4)
 补全演示GIF与示例项目: active, 2025-12, 30d
 外部资源聚合完善: active, 2025-12, 20d
 section 近期 (2026 Q1)
 prompts 索引自动生成脚本: 2026-01, 15d
 一键演示/验证 CLI 工作流: 2026-01, 15d
 备份脚本增加快照与校验: 2026-02, 10d
 section 中期 (2026 Q2)
 模板化示例项目集: 2026-03, 30d
 多模型对比与评估基线: 2026-04, 30d

🎯 原仓库翻译

以下内容翻译自原仓库 EnzeD/vibe-coding

要开始 Vibe Coding，你只需要以下两种工具之一：

Claude Opus 4.5，在 Claude Code 中使用
gpt-5.1-codex.1-codex (xhigh)，在 Codex CLI 中使用

本指南同时适用于 CLI 终端版本和 VSCode 扩展版本（Codex 和 Claude Code 都有扩展，且界面更新）。

(注：本指南早期版本使用的是 Grok 3，后来切换到 Gemini 2.5 Pro，现在我们使用的是 Claude 4.5（或 gpt-5.1-codex.1-codex (xhigh)）)

(注2：如果你想使用 Cursor，请查看本指南的 1.1 版本，但我们认为它目前不如 Codex CLI 或 Claude Code 强大)

⚙️ 完整设置流程

1. 游戏设计文档（Game Design Document）

把你的游戏创意交给 gpt-5.1-codex 或 Claude Opus 4.5，让它生成一份简洁的 游戏设计文档，格式为 Markdown，文件名为 game-design-document.md。
自己审阅并完善，确保与你的愿景一致。初期可以很简陋，目标是给 AI 提供游戏结构和意图的上下文。不要过度设计，后续会迭代。

2. 技术栈与 CLAUDE.md / Agents.md

让 gpt-5.1-codex 或 Claude Opus 4.5 为你的游戏推荐最合适的技术栈（例如：多人3D游戏用 ThreeJS + WebSocket），保存为 tech-stack.md。
- 要求它提出 最简单但最健壮 的技术栈。
在终端中打开 Claude Code 或 Codex CLI，使用 /init 命令，它会读取你已创建的两个 .md 文件，生成一套规则来正确引导大模型。

关键：一定要审查生成的规则。 确保规则强调 模块化（多文件）和禁止 单体巨文件（monolith）。可能需要手动修改或补充规则。

极其重要： 某些规则必须设为 “Always”（始终应用），确保 AI 在生成任何代码前都强制阅读。例如添加以下规则并标记为 “Always”：

1
2
3
4


# 重要提示：
# 写任何代码前必须完整阅读 memory-bank/@architecture.md（包含完整数据库结构）
# 写任何代码前必须完整阅读 memory-bank/@game-design-document.md
# 每完成一个重大功能或里程碑后，必须更新 memory-bank/@architecture.md

其他（非 Always）规则要引导 AI 遵循你技术栈的最佳实践（如网络、状态管理等）。
如果想要代码最干净、项目最优化，这一整套规则设置是强制性的。

3. 实施计划（Implementation Plan）

将以下内容提供给 gpt-5.1-codex 或 Claude Opus 4.5：
- 游戏设计文档（game-design-document.md）
- 技术栈推荐（tech-stack.md）
让它生成一份详细的 实施计划（Markdown 格式），包含一系列给 AI 开发者的分步指令。
- 每一步要小而具体。
- 每一步都必须包含验证正确性的测试。
- 严禁包含代码——只写清晰、具体的指令。
- 先聚焦于 基础游戏，完整功能后面再加。

4. 记忆库（Memory Bank）

新建项目文件夹，并在 VSCode 中打开。
在项目根目录下创建子文件夹 memory-bank。
将以下文件放入 memory-bank：
- game-design-document.md
- tech-stack.md
- implementation-plan.md
- progress.md（新建一个空文件，用于记录已完成步骤）
- architecture.md（新建一个空文件，用于记录每个文件的作用）

🎮 Vibe Coding 开发基础游戏

现在进入最爽的阶段！

确保一切清晰

在 VSCode 扩展中打开 Codex 或 Claude Code，或者在项目终端启动 Claude Code / Codex CLI。
提示词：阅读 /memory-bank 里所有文档，implementation-plan.md 是否完全清晰？你有哪些问题需要我澄清，让它对你来说 100% 明确？
它通常会问 9-10 个问题。全部回答完后，让它根据你的回答修改 implementation-plan.md，让计划更完善。

你的第一个实施提示词

打开 Codex 或 Claude Code（扩展或终端）。
提示词：阅读 /memory-bank 所有文档，然后执行实施计划的第 1 步。我会负责跑测试。在我验证测试通过前，不要开始第 2 步。验证通过后，打开 progress.md 记录你做了什么供后续开发者参考，再把新的架构洞察添加到 architecture.md 中解释每个文件的作用。
永远先用 “Ask” 模式或 “Plan Mode”（Claude Code 中按 shift+tab），确认满意后再让 AI 执行该步骤。
极致 Vibe： 安装 Superwhisper，用语音随便跟 Claude 或 gpt-5.1-codex 聊天，不用打字。

工作流

完成第 1 步后：
- 把改动提交到 Git（不会用就问 AI）。
- 新建聊天（/new 或 /clear）。
- 提示词：阅读 memory-bank 所有文件，阅读 progress.md 了解之前的工作进度，然后继续实施计划第 2 步。在我验证测试前不要开始第 3 步。
重复此流程，直到整个 implementation-plan.md 全部完成。

✨ 添加细节功能

恭喜！你已经做出了基础游戏！可能还很粗糙、缺少功能，但现在可以尽情实验和打磨了。

想要雾效、后期处理、特效、音效？更好的飞机/汽车/城堡？绝美天空？
每增加一个主要功能，就新建一个 feature-implementation.md，写短步骤+测试。
继续增量式实现和测试。

🐞 修复 Bug 与卡壳情况

常规修复

如果某个提示词失败或搞崩了项目：
- Claude Code 用 /rewind 回退；用 gpt-5.1-codex 的话多提交 git，需要时 reset。
报错处理：
- JavaScript 错误： 打开浏览器控制台（F12），复制错误，贴给 AI；视觉问题截图发给它。
- 懒人方案： 安装 BrowserTools，自动复制错误和截图。

疑难杂症

实在卡住：
- 回退到上一个 git commit（git reset），换新提示词重试。
极度卡壳：
- 用 RepoPrompt 或 uithub 把整个代码库合成一个文件，然后丢给 gpt-5.1-codex 或 Claude 求救。

💡 技巧与窍门

Claude Code & Codex 使用技巧

终端版 Claude Code / Codex CLI： 在 VSCode 终端里运行，能直接看 diff、喂上下文，不用离开工作区。
Claude Code 的 /rewind： 迭代跑偏时一键回滚到之前状态。
自定义命令： 创建像 /explain $参数 这样的快捷命令，触发提示词：“深入分析代码，彻底理解 $参数是怎么工作的。理解完告诉我，我再给你任务。” 让模型先拉满上下文再改代码。
清理上下文： 经常用 /clear 或 /compact（保留历史对话）。
省时大法（风险自负）： 用 claude --dangerously-skip-permissions 或 codex --yolo，彻底关闭确认弹窗。

其他实用技巧

小修改： 用 gpt-5.1-codex (medium)
写顶级营销文案： 用 Opus 4.1
生成优秀 2D 精灵图： 用 ChatGPT + Nano Banana
生成音乐： 用 Suno
生成音效： 用 ElevenLabs
生成视频： 用 Sora 2
提升提示词效果：
- 加一句：“慢慢想，不着急，重要的是严格按我说的做，执行完美。如果我表达不够精确请提问。”
- 在 Claude Code 中触发深度思考的关键词强度：think < think hard < think harder < ultrathink。

❓ 常见问题解答 (FAQ)

Q: 我在做应用不是游戏，这个流程一样吗？
- A: 基本完全一样！把 GDD 换成 PRD（产品需求文档）即可。你也可以先用 v0、Lovable、Bolt.new 快速原型，再把代码搬到 GitHub，然后克隆到本地用本指南继续开发。
Q: 你那个空战游戏的飞机模型太牛了，但我一个提示词做不出来！
- A: 那不是一个提示词，是 ~30 个提示词 + 专门的 plane-implementation.md 文件引导的。用精准指令如“在机翼上为副翼切出空间”，而不是“做一个飞机”这种模糊指令。
Q: 为什么现在 Claude Code 或 Codex CLI 比 Cursor 更强？
- A: 完全看个人喜好。我们强调的是：Claude Code 能更好发挥 Claude Opus 4.5 的实力，Codex CLI 能更好发挥 gpt-5.1-codex 的实力，而 Cursor 对这两者的利用都不如原生终端版。终端版还能在任意 IDE、使用 SSH 远程服务器等场景工作，自定义命令、子代理、钩子等功能也能长期大幅提升开发质量和速度。最后，即使你只是低配 Claude 或 ChatGPT 订阅，也完全够用。
Q: 我不会搭建多人游戏的服务器怎么办？
- A: 问你的 AI。

PDF文档格式转换处理工具MinerU

Fri, 26 Dec 2025 16:34:25 -0800

PDF文档格式转换处理工具MinerU

前言

🚀MinerU 官网入口→✅ 免装在线版 ✅ 全功能客户端 ✅ 开发者API在线调用，省去部署麻烦，多种产品形态一键get，速冲！

GitHub-Repo-MinerU

本项目值得学习一下，特别是文档格式处理功能的实现。未选择的路~

项目简介

MinerU是一款将PDF转化为机器可读格式的工具（如markdown、json），可以很方便地抽取为任意格式。

MinerU诞生于书生-浦语的预训练过程中，我们将会集中精力解决科技文献中的符号转化问题，希望在大模型时代为科技发展做出贡献。

主要功能

删除页眉、页脚、脚注、页码等元素，确保语义连贯
输出符合人类阅读顺序的文本，适用于单栏、多栏及复杂排版
保留原文档的结构，包括标题、段落、列表等
提取图像、图片描述、表格、表格标题及脚注
自动识别并转换文档中的公式为LaTeX格式
自动识别并转换文档中的表格为HTML格式
自动检测扫描版PDF和乱码PDF，并启用OCR功能
OCR支持109种语言的检测与识别
支持多种输出格式，如多模态与NLP的Markdown、按阅读顺序排序的JSON、含有丰富信息的中间格式等
支持多种可视化结果，包括layout可视化、span可视化等，便于高效确认输出效果与质检
支持纯CPU环境运行，并支持 GPU(CUDA)/NPU(CANN)/MPS 加速
兼容Windows、Linux和Mac平台

快速开始

如果安装或使用中遇到任何问题，请先查询 FAQ
如果遇到解析效果不及预期，参考 Known Issues

在线体验

官网在线应用

官网在线版功能与客户端一致，界面美观，功能丰富，需要登录使用

基于Gradio的在线demo

基于gradio开发的webui，界面简洁，仅包含核心解析功能，免登录

本地部署

[!WARNING] 安装前必看——软硬件环境支持说明

为了确保项目的稳定性和可靠性，我们在开发过程中仅对特定的软硬件环境进行优化和测试。这样当用户在推荐的系统配置上部署和运行项目时，能够获得最佳的性能表现和最少的兼容性问题。

通过集中资源和精力于主线环境，我们团队能够更高效地解决潜在的BUG，及时开发新功能。

在非主线环境中，由于硬件、软件配置的多样性，以及第三方依赖项的兼容性问题，我们无法100%保证项目的完全可用性。因此，对于希望在非推荐环境中使用本项目的用户，我们建议先仔细阅读文档以及FAQ，大多数问题已经在FAQ中有对应的解决方案，除此之外我们鼓励社区反馈问题，以便我们能够逐步扩大支持范围。

解析后端	pipeline (精度¹ 82+)	vlm (精度¹ 90+)
解析后端	pipeline (精度¹ 82+)	transformers	mlx-engine	vllm-engine / vllm-async-engine	lmdeploy-engine	http-client
后端特性	速度快, 无幻觉	兼容性好, 速度较慢	比transformers快	速度快, 兼容vllm生态	速度快, 兼容lmdeploy生态	适用于OpenAI兼容服务器⁶
操作系统	Linux² / Windows / macOS		macOS³	Linux² / Windows⁴	Linux² / Windows⁵	不限
CPU推理支持	✅		❌			不需要
GPU要求	Volta及以后架构, 6G显存以上或Apple Silicon		Apple Silicon	Volta及以后架构, 8G显存以上		不需要
内存要求	最低16GB以上, 推荐32GB以上					8GB
磁盘空间要求	20GB以上, 推荐使用SSD					2GB
python版本	3.10-3.13⁷

¹ 精度指标为OmniDocBench (v1.5)的End-to-End Evaluation Overall分数，基于MinerU最新版本测试
² Linux仅支持2019年及以后发行版
³ MLX需macOS 13.5及以上版本支持，推荐14.0以上版本使用
⁴ Windows vLLM通过WSL2(适用于 Linux 的 Windows 子系统)实现支持
⁵ Windows LMDeploy只能使用turbomind后端，速度比pytorch后端稍慢，如对速度有要求建议通过WSL2运行
⁶ 兼容OpenAI API的服务器，如通过vLLM/SGLang/LMDeploy等推理框架部署的本地模型服务器或远程模型服务
⁷ Windows + LMDeploy 由于关键依赖ray未能在windows平台支持Python 3.13，故仅支持至3.10~3.12版本

[!TIP] 除以上主流环境与平台外，我们也收录了一些社区用户反馈的其他平台支持情况，详情请参考其他加速卡适配。
如果您有意将自己的环境适配经验分享给社区，欢迎通过show-and-tell提交或提交PR至其他加速卡适配文档。

安装 MinerU

使用pip或uv安装MinerU

1
2
3


pip install --upgrade pip -i https://mirrors.aliyun.com/pypi/simple
pip install uv -i https://mirrors.aliyun.com/pypi/simple
uv pip install -U "mineru[core]" -i https://mirrors.aliyun.com/pypi/simple

通过源码安装MinerU

1
2
3


git clone https://github.com/opendatalab/MinerU.git
cd MinerU
uv pip install -e .[core] -i https://mirrors.aliyun.com/pypi/simple

[!TIP] mineru[core]包含除vLLM/LMDeploy加速外的所有核心功能，兼容Windows / Linux / macOS系统，适合绝大多数用户。如果您需要使用vLLM/LMDeploy加速VLM模型推理，或是有在边缘设备安装轻量版client端等需求，可以参考文档扩展模块安装指南。

使用docker部署Mineru

MinerU提供了便捷的docker部署方式，这有助于快速搭建环境并解决一些棘手的环境兼容问题。您可以在文档中获取Docker部署说明。

使用 MinerU

最简单的命令行调用方式:

1

mineru -p <input_path> -o <output_path>

您可以通过命令行、API、WebUI等多种方式使用MinerU进行PDF解析，具体使用方法请参考使用指南。

TODO

基于模型的阅读顺序
正文中目录、列表识别
表格识别
标题分级
手写文本识别
竖排文本识别
拉丁字母重音符号识别
正文中代码块识别
化学式识别(https://mineru.net)
图表内容识别

Known Issues

阅读顺序基于模型对可阅读内容在空间中的分布进行排序，在极端复杂的排版下可能会部分区域乱序
对竖排文字的支持较为有限
目录和列表通过规则进行识别，少部分不常见的列表形式可能无法识别
代码块在layout模型里还没有支持
漫画书、艺术图册、小学教材、习题尚不能很好解析
表格识别在复杂表格上可能会出现行/列识别错误
在小语种PDF上，OCR识别可能会出现字符不准确的情况（如阿拉伯文易混淆字符等）
部分公式可能会无法在markdown中渲染

Acknowledgments

播放器软件Screenbox

Fri, 26 Dec 2025 13:34:25 -0800

简约、高颜值、本地免费开源播放器：Screenbox

本工具中的一些特色功能值得深入研究一下，比如热键控制、手势控制等。

简介

简约、高颜值、本地免费开源播放器：Screenbox

本地媒体播放很多人会首选 PotPlayer 播放器，不过对于一些新手用户来说复杂的解码设置不太友好。如果你需要一款高颜值、免费、支持众多主流媒体格式、不需要花里胡哨功能的播放器，给大家推荐「Screenbox」这款免费开源的视频播放器。

据介绍「Screenbox」是采用 UWP，所以只能在 Win10 (1903+) / Win11 以及 Xbox 主机上安装使用。另外是基于 LibVLCSharp 构建（VLC 媒体播放器的跨平台开源库）开发的，所以基本支持各种媒体播放。

安装好后界面非常简洁，侧栏导航提供了主页、视频、音乐、网络、播放列表、设置、搜索功能。

视频播放界面采用类无边框效果，功能方面支持播放列表、音频和字幕功能、画中画、投屏、保存当前帧图片、倍速播放（最高支持2倍速）、屏幕长宽比调整等。

功能设置方面，支持手动设置音频、视频媒体库的位置、自动调整窗口大小、允许提高音量上限、支持手势操作、以及高级功能支持 VLC 的参数，可实现更多功能。

功能特色

简约界面：拥有美观和友好的用户界面设计，使得操作简单易懂。
手势支持：支持通过手势来寻找和改变音量，为用户提供更自然的交互体验。
窗口调整热键：通过数字行 1-4 的热键快速调整窗口大小。
视频热键布局：采用类似在线视频热键布局，为用户提供熟悉的操作体验。
画中画模式：支持画中画模式，允许用户在观看视频的同时进行其他操作。
保存视频帧为图像：能够将视频帧保存为图像，方便用户记录和分享。
Chromecast支持：支持Chromecast，让用户能够在其他设备上轻松播放视频。
网络媒体浏览和播放：可以浏览和播放网络上的媒体资源。

总结

如果你不需要各种花里胡哨滤镜、解码器设置功能的播放器，那么值得一试「Screenbox」这个播放器，开箱即播放，无需繁琐的设置，并且拥有简洁美观的界面，强烈推荐。

下载地址

项目地址：

https://github.com/huynhsontung/Screenbox

网盘下载：

https://www.123pan.com/s/c8zA-mZ5N3.html

微软商店：

https://apps.microsoft.com/store/detail/9NTSNMSVCB5L

Telegram群组推荐

Sun, 26 Oct 2025 22:34:25 -0800

导航网址

专注于“电报群 / 飞机群 / Telegram群组”的高质量导航平台。我们精心整理全球范围内的热门 Telegram 群组与频道，涵盖学习、资源、娱乐、投资等各大分类，并支持关键词智能搜索与标签筛选，让你不错过每一个优质社群。

电报群/飞机群 - 最全 Telegram 中文频道群组导航 | Telegram 群组、频道、机器人、工具索引

欢迎访问 电报群/飞机群 - Telegram 中文导航！这里是2025全网最佳 Telegram 群组、频道、机器人、工具索引大全，专为中文用户打造。
从 50,000+ 频道、群组、机器人中精选推荐，助你轻松找到需要的资源！

👉 推荐 Telegram 中文频道: TG 中文导航
👉 频道导航: 频道列表 | 群组导航 | 机器人导航
👉 Telegram 中文知识库: TGwiki

🌟 Star 本仓库支持一下吧！ GitHub 地址

📢 热门 Telegram 群组、频道、机器人推荐

🔍 SOSO搜搜 — 发送关键词来寻找群组、频道或视频。
🔍 极搜中文搜索@JISO - 极搜JISO帮你找到有趣的群、频道、视频、音乐、电影、新闻。
🔍 Super - 您感兴趣的 Super Discover 组、频道和机器人。
🔍 神马搜索 - 神马搜索是TG的中文导航，发送词语即可搜索关联群组与频道资源
🔍 i快搜-强大的搜索引擎 - 帮你找到有趣的群、频道、视频、音乐、电影、新闻
🔍 aiso中文搜索 - 查找群组、频道、影视、音乐或机器人。
🔗 阿里云盘盘 — 云盘分享资源
🎥 4K 影视 — 高质量影视内容
💰 虚拟货币资讯 — 最新 DeFi、区块链新闻
📚 电子书分享 — 海量图书免费下载
📦 TG Wallet — Telegram 官方钱包，支持比特币、USDT、TON

⚡️ Telegram 中文工具 / 机器人合集

🤖 Save_Restrict_bot — 下载受限内容
📥 douyin_download_bot — 多平台视频解析工具
🧰 telegram_media_downloader — 自建下载机器人源码
💎 vip2tgbot — 电报会员自动开通机器人
🌈 彩虹群发器 — 群发推广利器

🔒 Telegram 群组管理 / 验证机器人

✅ policr_mini_bot — 加群验证
🚫 NoAdsBot — 广告拦截
👋 RealApolloBot — 欢迎机器人
🎯 Rose — 功能强大的群组管理助手

💡 Telegram 使用技巧

📱 iOS 客户端敏感内容解锁:
- 通过 Telegram Desktop / 网页版 web.telegram.org 设置 Show Sensitive Content 解除限制。
🌏 中文语言包安装: @Tele_zh_CN
📞 +86 号码无法接收验证码解决:
- 开通国际漫游
- 使用 Giffgaff 手机卡
- 借助 SMS 接码平台: sms-activate.guru

🔑 交易所推荐注册链接（专属邀请码减免手续费）

Binance 币安 — 减免 50% 手续费
OKX 欧易 — 减免 50% 手续费
Gate — 减免 50% 手续费

🔗 关键词覆盖

Telegram 中文导航, Telegram 群组, Telegram 频道, Telegram 机器人, Telegram 工具, 中文群组导航, 群组管理, 机器人大全, TG 中文频道, 虚拟货币投资, 下载受限内容, 频道索引, 中文索引, 加群验证, 广告拦截, iOS 解除 Telegram 限制, Telegram 钱包

👨🏻‍💻 源码使用

本网站已开源，您可以下载源代码或直接fork本仓库创建副本。

使用/修改网站源代码请遵守 GPL-3.0开源协议，感谢您的配合！

📝 免责声明

本网站面向国际服务，可能包含部分敏感内容。请自觉遵守当地有关法律法规，所产生的一切后果，本网站概不负责！网站内容收集自互联网，如有内容侵犯了你的权益，请联系删除相关内容。

📨 合作请联系 @NewLinkAuditBot

Telegram 频道

名称	链接
GitHub Trending Daily	@GitHubDailys
硬核科技资讯	@AAACatShare
下饭时间	@xqsranimegif
V2EX Feed 新贴	@v2exfeed
📊 Polls Channel	@polls_channel
Duyao｜SpeedTest｜科技生活｜资讯转发	@DuyaoSS
完美弧度	@wanmeihudu
看小姐姐	@kanxiaojiejie
TGX -社群	@tgx_group
公共交通部落	@fhs_publictransport_zone
micro	@microshit
WhaleDiscovery	@whalediscovery
AnXray	@AnXray
Product Hunt Hot	@product_hunt_hot
WebNotes2	@WebNotes2
Tbo 交流群	@TboJiangGroup
Netch Channel	@netch_channel
胖客十袋	@pankt
📣 LifeAnalysis Lab Update	@lalabeng
orz001	@homeassiant666
Snipaste-Mac-Bugs	@BGyWwD-l6rbaO5NEsfYRQQ
TeFuirZIDu	@TeFuirZIDu
Aliyundrive Backup	@aliyundrive_backup
WSU_A	@wikipedia_zh_wsu
Feuilleton&films nigerians	@Feuilletons
Школа Таро ~TARO LAB ~	@tarolab
Дневник Габриэля	@gabriel_channel
羊王🐑频道｜神价捡漏群	@yangwangpindao
碎嘴老鼠	@dms_share
【中转站】柯基犬的日常 - 吹水群	@UntitledGroup
Dew	@dew_cn
BeijingAir	@BeijingAir
4K	@My4KmovieClub
Airplanse	@Airplanese
财经幽灵电报群	@financial_ghostGroup
𝗧𝗚𝗴𝗲𝗲𝗸 ♾ 极客新闻	@TGgeekNews
中文维基《求闻》- Qiuwen Chinese Wikipedia	@Qiuwen
中國地震速报（≥4.5级）	@dizhen
NintendoSwitchCN	@nintendoswitch_cn
placeholder	@zuragram
Design Newsletter	@fireballnewsletter
FreeTrial.Store	@freetrialsell
比特新声	@bitvoice
灵魂画手喵喵喵？	@miaopang
Real Donald Trump	@realDonaldTrumpTwitter
VisionarySub	@VisionarySub
阿里云盘影视大全-日更🔥	@aliyunys
Ukraine NOW [German]	@UkraineNowGerman
Python Telegram Network Rules	@rules_for_python
PC Games Reserve	@pcgameslist
Ukraine NOW [Spanish]	@UkraineNowSpanish
Graphics Premium Store	@gfxpremiumstore
Ukraine NOW [Poland]	@UkraineNowPoland
不求甚解	@fakeye?boost
Ukraine NOW [Italian]	@UkraineNowItalian
推特翻译	@twitter_translate
Aikes’s channel	@aikes_blog
Ɗєℓυχє ℳυѕι¢ Aℓвυмѕ	@joinchat/+PaYXX6gAspZjHGVZ
信号旗规则	@xhq_rule
亿万同人字幕组官方推送频道	@WANHn_x8bpMETj4q
Tg Links	@TgDict
电报指南 & 精品排行榜	@TgTrillion
Wallpapers	@AAAAAEp0gD9_Q7lrKDfb3Q
电子书/听书/期刊/课程资源	@5698
Ukraine NOW [French]	@UkraineNowFrench
纽约时报双语新闻	@nyt_bilingual
你不知道的冷知识	@knowledge1024
英文学习桌	@english_learning_discuss
男士日常消费穿搭 (👔衣&👖裤&👞鞋&🧴护肤&💻数码)	@mandailywear
Pop Music History Trip	@popmusichistory
币圈动态	@biquan321
滴！极乐卡	@happySD
Linux软件收录	@linuxsoft_zh_CN
财联社	@cailianshe
R探长	@agentONE_R
Rust 视界	@rust_daily_news
Reddit 精选	@reddit_one
最美壁纸 » 每天一张精选壁纸	@zuimeibizhi
PC游戏搬运工	@youxibanyunenen
AI News	@aigcnote
心理学笔记分享	@xlxbj
APPDO 数字生活指南	@AppDoDo
TG表情包推送总部	@StickersXJBG
电脑安防等技术资料频道	@zhuyianquan
看番吧！Anime！动漫音乐日剧！高速在线播放！	@kanfanba
经济学人(英文) RSS	@economist_rss
推特精选	@twitter_read
人人影视字幕文件	@yyets_subtitles
英语/乱弹@EnglishSlice	@englishslice
网盘资源收藏(夸克)	@yunpanshare
微博热搜	@weiboresou
Software Hub	@ksc666
【华尔街见闻】- 财经时讯	@FinanceNewsDaily
乱七八糟的储物箱	@xyxyspace
Word Power Made Easy	@pieroots
财联社VIP文章分享	@clsvip
肯德基の4K影视综合电影云盘站	@XiangxiuNB
DecoHack-独立产品周刊	@decohack
啰哩啰嗦分享频道	@notonlyshare
美女收集器👗	@meinvshouji
追尾游戏热点	@Vwyxrd
你不知道的内幕消息	@inside1024
Blu-ray Project	蓝光视频工程
爷青回动画分享频道	@yeqingjie_GJG666
中外美文語錄	@nicequotes123
Find Blog👁发现博客	@FindBlog
⚡️ 7x24投资快讯	@golden_wind_news
ALL Investing	@AI_newsletter
引流	@PremiumCounterBot
Data Science Archive	@DataScienceArchive
快乐星球	妹子图
Yuan的记事本 📚✍🏻 分享软件新闻 Yuan’s Notepad	@Yuan_En
搞笑研究所️🔥	@gaoxiaoshu
报刊亭📰 [精选] 🅥 – 新闻，报纸，杂志，电子书，资料 PDF🗞	@magazinesclubnew
表情包👾贴纸	@tiezhia
🖼ANIME Wallpaper	@acgwallpaper
[Pixiv]wallpaper	高质量插画壁纸
0x Meme/项目/空投	@newsforbitcoin
Zeroの电影院线 Channel	@zerodemovie
外滩读书会-最新报纸、杂志、财经报告及流行电子书分享	@readingclubus
FinelyGirlsChannel	@finelygirls
金十数据闪电资讯	@jin10news
ChatGPT 精选	@AwesomeChatGPT
Windows软件资源汇总频道	@huizong0917
财新网 RSS	@caixin_web
PIXIV站每日 Top50搬运	动漫
如有乐享	@ruyoblog
科技&趣闻&杂记	@kejiqu
Python潮流周刊🐍	@pythontrendingweekly
英语英語 English 學習	@Englishyinyu
瘦瘦的绘画世界	@drawing1024
深度分享	@shendu666
AI绘画｜AI视频	AI音乐
theBlock	@theBlockClub
绝对萌域	@moeisland
「降价」-「iOS」iWall-动态桌面	@gxzyzd
AI中文社区	@LptTech
普通休闲书籍资源	@bookusefor4
影视推荐&PT资讯频道【豆瓣资源下载大师官方】	@doubanchannel
今天又发现了哪个漂亮小姐姐	@xiaojiejiexixi
Immersive Translate	@immersivetranslate
MacApp分享频道	@macapp_channel
PDF图书联盟	电子书
高画质动漫分享 Anime share	@YXHMd
数学及其应用	@mathematics_and_its_applications
好书分享频道	@Bookworm_Bibliophile
精选音乐收藏馆	@qing_03
NC-Raws	Channel
萌图志	@moepic
Widget🏂软件工具资源分享	@WidgetChannel
Time经济观察	@TimeHorizonX
油油资源分享	@youyousharechannel
飞鱼资源分享	冲浪指南
每日無數汪	@wushuwang
有意思的分享	@ziyouzengzhang
ChatGPT / AI新闻聚合	@AI_News_CN
iAliyun	@iAliyun
MATLAB TIPS	@MATLAB_tips
新闻派	@nnpai
AI探索指南	@aigc1024
网盘(高品质)影视	@alyp_1
🎶音乐收藏	@flac_file
妮妮羊毛分享🅥	@NiNiShare
足控天堂	@sizukon
主机情报	优惠
白丝即正义	@baisi
某科学的一个频道	@titan_pain
📖Telegram数字图书馆	@TG_book_data
影视资源联盟	@yszylm
胖虎の收藏夹	@gitbig
撸猫社	@lumaoshe
在瓦尔登湖畔读书	@gujinpintan1
杂货铺	@sunnymoonk
优质网站汇总频道	@ziyuan917
🤖TGBot News	@Hao12News
Hostloc 新帖图文推送	@HostlocPro
颜值即正义	@yzjzy
日语学习	@jp_study
开发者日报	@cndevdaily
币讯 @BiXun 最新的加密货币新闻，观点和数据分析，洞见市场发展。	@NewsCoinSpace
纪录片爱好者	@jlpahz
SomeACG	每日少女壁纸 🥛
极客分享	@geekshare
RSS 频道收集	@rss_channels
有故事的女同学	@WenAnGuan_botjihuo
金十数据闪电资讯	@jin10light
BlockBeats	@theblockbeats
微博合集	@weibo_one
🧸【佳佳】文案素材吧🧸	@WenAnBa
书屋电子书 📚 𝑻𝑮𝒆𝑩𝒐𝒐𝒌	@TGeBook
Telo News 简体中文 - 加密货币｜DeFi ｜Web3	@telonews_cn
🐾 可爱の收藏 cute collection	@kawaii_collection
萌图	@ovov1234
秋风のとおり道	@AWAvenue
🍭高清壁纸	@jingxu6
少女实在是太美好了	@tastegirl
瘦瘦的碎碎念	@joinchat/+rvCtIaOWZ1lmNmY1
科技爱好者周刊	@scitech_fans
Magazine｜期刊杂志｜考公｜中文	网课分享
高分壁纸推荐	Anime gallery
链闻 ChainNews	@chainnews
朱颜别镜	妹子图
AIM扩散力场	@nekosc
lowendaff	@lowendaff_blog
Legado｜开源阅读｜频道	@Legado_Channels
阿里、夸克、百度等网盘4K影视资源	@Aliyun_4K_Movies
有声故事 🔊	@youshenggushi
新闻联播	@CCTVNewsBroadcast
螺莉莉的黑板报	@im_RORIRI
NFW	@NewsFW
Plus 中文討論區	@plusfgc
电报时报	@times001
ZUOLUOTV	@zuoluotvofficial
主机贴士(zhujitips.com)	@BWH1NET
荔枝木	@lychee_wood
《維基人》官方推播頻道	@the_Wikipedian
码力全开工作室	@maliquankai
不存在的世界	@illusory_world
快讯猎手（重要版）	@zhongyaokuaixun
校长读报	@XiaoZhangDuBao
Jailbreak Notifications	@jailbreaknotifications
即刻精选	@jike_collection
NS新闻转报	@SwitchNewCN
Ingress	@NianticOfficial
电影爱好者	@MovieAnywhere
苍穹の下 · 小丑皇の门😅😅😅	@blueskyxnblog
Telegram 中文频道	@YinxiangBiji_News
Λ-Reading ♡	@GoReading
o1xhack ☁️ 远上天台	@o1xinsight
自言自语	@bettergoods
ALL About RSS	@aboutrss
Telegram (DE)	@TelegramDE
Host Testing and evaluation	@HostEvaluate
PWRTelegram API channel	@Pwrtelegram
如何与沙雕相处	@ruheyushadiaoxiangchu
BotsArchive	@BotsArchive
中国纪录片	@chinesedocumentary
Notizie da Telegram	@TelegramIT
Hexo 博客交流	@hexozh
突发新闻	@breakingnews_t
@AR72014	@AR72014
每日摄影观察	@cnphotog_collect
NF2影视频道入口	@nfnfgroup
Surge News	@surgenews
64Gram Release	@tg_x64
PT资讯频道	@privatetrackernews
信息安全技术频道🔎	@tg_InternetSecurity
pikapush	@pikapush
边走边吃的夏天	@deliciousxia
Lee Hsien Loong	@leehsienloong
FlyingSky’s Channel	@FlyingSky233
Boring class	@BoringClass
远上寒山石径斜 🅥 🌈🌝🐳🏳️‍🌈 limbopro.com 🔗	@limboprossr
RSSHub News	@awesomeRSSHub
维生素E	经济学哲学知识分享播客
扫地僧º笔记	@lover_links
德国德国之声中文全文	@dw_rss
TelePlus	@TelePlus_Channel
财经快讯	@fnnew
PDF资料	@pdf_001
电报新闻	@chinesenewss
Noticias de Telegram	@TelegramES
Vanilla	Telegram Themes
网络资源共享库	@Sharedspace
「Meeta」share	@meetashare
Telegram Beta	@tgbeta
rvalue的生草日常	@rvalue_daily
电子书频道	@haoshufenxiang
DLK搞笑趣闻情报站	@dlkqingbaozhan
Price Tag	@appfans
Classical Music	@exploreclassical
Ingress Chengdu&Chongqing	@IngressChengduChongqing
中文維基新聞廣播頻道	@wikinews_zh_broadcast
一任阶前点滴到天明	@hearrain
國家地理雜誌中文版	@natgeomedia
網絡•安全•資源平台	@tgdailigg
津津乐道播客	@jinjinledao
Pure Writer Releases
老毛子Padavan固件发布	@pdcn1
52破解信息	@wuaipojie
85.60×53.98卡粉订阅/提醒	@DocOfCard
Telegram 中文	@Tele_zh_TW
笔记本：Lin’s 文字世界 : 个人见闻/B站视频/网络见闻	@LinsBookA
不求甚解	@fakeye
不良林	@buliang00
读•书	@readingeventhosting
KeralaGram [Official]®	@KeralaGramChannel
&‘a ::rynco::UntitledChannel	@rynif
PhilTalk	@philchannel
Zapro Notice	@zaproshare
電報新群推送 Telegram Group Links	@linkpush
上班划水之无聊图	@goworkbitch
NLP for Work	@NLPfW
《無次元》博客	@wuciyuan
R.O.D.	@read_or_dead
Yachen’s Channel	@yachme
ACG Stickers	@ACGStickers
PVSZ for QuanX	@PVSZforQuanX
Science in telegram	@science
Laoself 🪏	@laoself
Telegram中文语言包	@go2cn
Kindle 电子书精品降价	@kindlePrice
撸猫云魔法	@merlinclashcat
Telegram China News	@tgchinanews
GBox 官方频道	@GBoxTGC
Matters	閲讀精選
吴说区块链新闻与深度	@wublock
Programmer Jokes	@programmerjokes
下饭时间	@xqsranimegif
Trending Stickers 🍒	@TrendingStickers
免费节点	每日更新
少数派sspai	@sspai
Scale system	@scalesystem
Cool Scripts	@cool_scripts
Kindle 特价书	@KindleBookDeals
每日沙雕墙	@woshadiao
互联网从业者充电站	@https1024
MtalkRes 媒说资源	@mtalk
新闻实验室	@newslab2020
Linux中国	@linuxdotcn
落枕电波	@Bakage1016
峰哥分享引导频道	@fengsharegroup
🔍此岸情报局🔎	@JustReformation
unwire.hk 生活科技頻道	@unwire
Jair M. Bolsonaro 1	@jairbolsonarobrasil
Die Lichtung 林間空地	@dieLichtung
Foolish TraceWind	@FoolishTraceWind
AI一线｜ShareCentre	@sharecentre
Telegram Stickers	Стикеры
一休兒之學習動態	@yixiuer
Telegram News	@telegram
中国数字时代	@cdtchinesefeed
每日免费节点	@autofreevpn
喵喵小喵喵	@MeowMiniMeow
Telegram Desktop Themes	@desktopThemes
Android Weekly Update ⚡️	@update4weekly
精选中文播客🎧	@chinapodcast
编程随想推荐书籍（非官方）#声援编程随想	@programthinkbooks
计算机类书籍	@bookusefor3
Telegram Passport	@TelegramPassport
Anti Revoke Plugin - 防撤回插件	@AntiRevoke
SubConverter 更新频道	@subconverter
☁️云上报刊亭📰 [精选] 🅥 – 新闻，报纸，杂志，电子书，资料 PDF🗞	@magazinesclub
Telegram APKs for Android	@TAndroidAPK
TikTok🕊抖音短视频🫰🏻Тик Ток💕	@TiktokA3
Quantumult X News	@QuanXNews
zZPiglet	@zZPiglet
BBC中文全文实时推送	@bbczhongwen_rss
Telegram Blog Secrets	@tgblog_secrets
Jerry Zhang 的频道	@JerryZhang
饭否每周精选	@fanfou_weekly
Plus Messenger official	@plusmsgr
AppPie	@AppPie
Qure News	@QureIconSet
⭐️My Desctop	@PhoneDesctop
无籽水稻种植基地	@seedless_channel
Emmanuel Macron	@emmanuelmacron
瞎玩菌 #SFW	@blindgamer
《一天世界》博客	@yitianshijie
Donald Trump Jr	@TrumpJr
无意识电波配送[确信]	@justAboringchannel
Kotatogram	@kotatogram
IPN 播客网络	@ipnpodcast
知音	@Musiccnchannel
蛋挞观察室	@ijustseesee
随机波动 StochasticVolatility	@StochasticVolatilityPodcast
AdGuard	@adguarden
阿里云盘发布频道	@shareAliyun
沙雕根据地	@shadiaoo
豆瓣知乎简书微信公众号💐	@dbzhjs
经济信息联播	@eco_cn
Timmy Channel 2025	@TimmyChannel
👁‍🗨耳目💬	@earsandeyes
一方天地	@world2us
KidO	@Pythonista3jiaoliuqun
Telegram Info	@tginfo
煎蛋无聊图	@jiandan_bored
Clash .NET 公告	@ClashDotNetFrameworkAnncmnt
Wolley News	@wolleynews
LIF’s Group - 须知	@MyAndroidTools
硬核小卒	@yinghexiaozu
Ingress 中文	@IngressChinese
AdGuard消息	@AdGuardcn
V1 Blog 科技｜生活｜主机评测｜Apple	@V1_BLOG
TestFlightX	@TestFlightX
Cydia Updates	@cydiaupdate
黑客早知道	@csrinfo
白嫖电子书库	@sg_rss
Reuters: World	@ReutersWorldChannel
Arch Linux Chinese Messages	@archlinuxcn
cnBeta.COM中文业界资讯站	@cnbeta_com
BotNews	@BotNews
zread (推) - 什么书值得读 📚	@zreadpush
Katalog Telegram	@katalogtelegram
Du Rove’s Channel	@durov
目录频道	@jumpto22222
Aliexpress	@my_ali_bot
XDDOS压力测试	@xddos2
写作交流	@writing_discuss
💊 辣鸡咕鸽毁我信仰 #CurryMyLife	@googleshit
诡异的鱼塘	@Memory_Of_Fish
Shavkat Mirziyoyev_press-service	@shmirziyoyev
crash.mini ｜ notification	@ClashMiniNo1
币圈日报	@bidaily
PixelExperience	@PixelExperience
科学上网资讯整合	@ysl_channel
YanTai	@yantaiinfo
Stickers Winners	@topanimated
Stickers Channel	@stickersChannel
tgfiles	@tgfiles
MiaoTony’s Box	@MiaoTonyChannel
Telegram Usernames	@username
車車的阁楼	@DuskPipe
Google Play Public	@GooglePlayPublic
elecV2	@elecV2
ISIS Watch	@ISISwatch
Aptitude Test Updates	@AptitudeTestContest
Telegram Designers	@designers
卷毛鼠-影视频道	@CurlyMouse
Telegram Contests	@contest
Awesome Collection	@awesome_collection
竹新资料库	@kt_database
Telegram Stable Releases	@tgstable
Typecho Dev Channel	@typechodev
無逸齋隨筆	@todayread
ARK官方频道	@arktochannel
App TestFlight 资讯聚合	@Appcn
悟空的日常TG频道	@daily5kong
嗶咔漫畫頻道 Pica Channel - 十年相伴	@PicACG
Alist资源频道	@alistshare
亚马逊 Amazon 每日热销、降价榜	@amazonhotevery
每日消费电子观察	@CE_Observe
Telegram for macOS Updates	@macos_stable_updates_files
中文社科讲座资讯	@chwebinars
hyperapp	@hyperapp
资源速递	@SharedResources
天才儿童小博士🍭	@eessej
hayami’s blog｜日常人间观察	@hayami_kiraa
坐和放宽的碎碎念	@SitandRelaxW
杂物	@zaawuu
Creative Motion	@creativemotion
Newlearnerの自留地	@NewlearnerChannel
Digital Immigrants丨Want Want Channel	@Licensesss
TestFlight News	@testflights
吃喝玩乐在深圳🥳🥳	@shenzhentg
iOS 越狱插件更新信息	@Jailbreak_Tweaks
每日 AWESOME 观察	@awesomeopensource
笔记本：好图收藏与整理：壁纸	@linyunbook2
📣 LifeAnalysis Lab 更新	@lalab
Stop Child Abuse	@stopCA
Sukka’s Notebook	@SukkaChannel
Paypal	@paypal_us
Shadowsocks&Clash百科	@shadowsocks_clash
Nicegram	@nicegramapp
APPDO 数字生活指南	@appdodo
Clash for Windows 汉化公告板	@ClashR_for_Windows_Channel
那些好看的Tg主题	@beautifultgtheme
新蛤社	@XinHaNewsAgency
乌鸦观察	@bigcrowdev
全球主流新闻媒体中文速览	@allzhnews
Yummy 😋	@GodlyNews1
💊食屎啦 Niantic	@shitofniantic
Surfboard News	@surfboardnews
Sync资源更新（只发key）	@shenkey
In The Flux	@intheflux
AK讲废话	@AAAAAEWbURDTisztrTcwqA
💊烤苹果	@AppleCooked
浅影随想	@lightFantasy
•ين نجِيب مثلك حتىَ ننسا	@SuperIndexCNBot
大咕咕咕鸡	@dagudu
Stick Rules	@usestick
ASMR CHAOS 视转音	瞎逛
短句文案	@yidu520
赚客吧有奖一起赚	@zuanke8
mini	@Orzmini
Telegram Geeks	@geekschannel
Galgame 频道	@Galgamer_Channel
每日文章精选	@daily_read
PUSH科技快讯	@Pushings
Milkice’s NG	@milkice_portal
VPS信号旗播报	@vps_xhq
Rachel 碎碎念	@RachelBlahblah
Equal Leaks	@EqualLeaks
空空如也	@MomoKCH
Tech Guide	@TechGuide
Telegram Info English	@tginfoen
Tips Telegram	@telegramtipsID
Telegram Indonesia	@TelegramIndonesia
风向旗参考快讯	@xhqcankao
鹤望兰	@bpsheel
Useless Ideas	@uselessideas
Telegram iOS Beta Slots	@tgslots
你有一个打折需要了解	@SteamNy
有她	@AlltheChannel
微博热搜	@weibo_hot
Telegram X Localizations	@tgx_android_translate
计算机与部分其他种类书籍资源	@bookusefor2
Video Messages	@videomessages
NickTalk	@nicktalk
XDA-Hub	@xdadevelopershub
💊TG…药丸？	@tgpill
Apps推荐&抽奖&活动	@AppsSweepstakesNews
〄FW	@JISFW
飞享一刻｜频道	@w37fhy
坐和放宽版聊实验室	@SitandRelaxLabs
𝚂𝚙𝚎𝚎𝚍𝙲𝚎𝚗𝚝𝚛𝚎	@speedcentre
笑掉大牙	@xiaodiaodaya
客服咨询中心	@TGreCAPTCHABot
主机百科资讯分享	@zhujiwiki_info
Telegram Desktop	@desktop
微信搬运工（旧）	@WeChatEssence
Desktop Themes Channel	@themes
日本共同网朝日新闻日经中文网	@jp_rss
iOS Releases	@iOSUpdates
Listen to Reza 🎧	@Listentoreza
Nekogram APKs	@NekogramAPKs
Parallel Experiments 🌠	@LinghaoCh
FT中文网全文实时推送	@ftzhongwen_rss
电书摊	@telebookstall
🎬 云盘盘 - 投稿🚦	@YunPanPan
Affyuncom-每日offers推送	@affyunpush
Sticker_tw	@sticker_tw
Павел Дуров	@durov_russia
南方周末 / Southern Weekly	@infzm
Emby影视资源发布	@Plus_Movie_Best
冷眼向洋	@lengyanxiangyang
PagerMaid-Modify Update	@PagerMaid_Modify
MrKevin博客	资讯分享测评
南国微雪	一切，都很美丽。
通天阁_不止于学习	@tongtiange
Dynamic Wallpaper Club	@dynamicwallpaperclub
Better Naming	@rebornix
HCJS	@ThorHCC
秋水逸冰	@qiushuiyibing
Unigram Mirror	@unigramappx
iQZone - Privacy First	@iQ_Zone
BosLife	@boslifenews
Wallpapers/Обои	@EZwalls
Kartoshka🐱	@sweet_kartoshka
币圈快讯	@btcnewsdaily
Never	mind
每周一书 🎉	@weekly_books
乙烷日报	@OverDaily
Animated Emojis	@AnimatedEmojis
(ゲームCG)一个兴趣使然的PC壁纸频道	@CGSFW
报毒-APK-免杀-苹果签	@tmioeTG
ARLZJNZM	@mdssios
Flippy_Openwrt	@openwrt_flippy
卖桃者说	@mactalk
DivineEngine	Channel
Gramip Channel	@Gramip
GitHub Trends	@githubtrending
每日无数猫	@miaowu
Adguard News	@AdguardNews
LetITFly News	@LetITFlyW
看新闻学英语双语新闻	@shuangyunews_rss
俄罗斯卫星通讯社中文全文	@ru_rss
CyanChannel	@CyanCh
初恋的感觉	@chuliandeganjue
文杏馆（藏书分享）	@BooksThatMakeYouThink
大虾的编程资源库/码农/程序员资源	@programmingsrchub
山巅出版社	@shandian2084
Readhub	@readhub_cn
Free Telegram proxy	@proxyme
糗事百科	@qiushibaike
科技圈🎗在花频道📮	@TestFlightCN
報導者 The Reporter	@tw_reporter_org
音乐库	@MusicSharePlatform
Hk3ToN - Wallpaper	@Hk3To
壁纸	Wallpaper
Chavy Scripts	@chavyscripts
gcjiriji	@gcjiriji
文案吧	@Godaregirls
傅Sir的船新世界🏄🏻‍♂️🏄🏻‍♂️	@newworldviafu
不客观 Not Objective	@notobjective
ImShuker文件及公告	@shukerxiaoxi
为也行	@weiyexing
一起偷偷观察 DIYgod	@awesomeDIYgod
Instant View Contest News	@IVcontest
音乐世界	@lumingguandj
WooMai’s Channel	@WooMaiChannel
Appinn Feed	@appinnfeed
polyhedron	@polyhedron
Spotify News	@spotifynews
Zelenskiy / Official	@V_Zelenskiy_official
Hell Cell 功能教学	@HellCellZC123
Iyouport	@iyouport
Pi&N1交流群通知频道	@NewPiN1Channel
eSir Playground互助交流群专属频道	@AAAAAE-8dVyO8ljrgQ5yCw
情话箱	@qinghua_box
Project X Channel	@projectXtls
APP喵-软件资源共享	@appmew
tesla特斯拉/科技NEWS	@Tesla_share
Telegram Brasil	@TelegramBR
📢 斯呆拉的中文播客精选	@greatpodcasts
pythonista 3 脚本通知频道	@pythonista3jiaoben
OnePlus™	@OnePlus
托尔随便拆拆	@TooruTeardowns
Hacker News	@hacker_news_feed
搞笑视频	@AAAAAFe-j4P9-B1VgdAmJw
骚音世界	@listentotheworld
Tips de Telegram	@telegramtipsES
ACL4SSR	@ACL4SSR
路透中文全文实时推送	@lutouzhongwen_rss
庭说 - 海贼王	TingTalk One Piece
X Plus Channel	@XPlus_Channel
XDA-News [Official]	@xdanews
托尔酱的梗图与FW	@TooruChan_Memes
看看就好的频道	@swiminthedream
树洞🌳群友问🗳万事答	@ShortcutsCN
A Place Of Happiness	@get_happiness
Google Voice 靓号 ✨✔️	@voice_google
跑路公告板	@Paolutongzhi
Sean	@SeanChannel
4K影视屋(分屋）-蓝光无损电影	@dianying4K
Animated Stickers	@AnimatedStickers
EMK Public Channel	@JacobEMK
馒头&雪糕的日常	@xiao_man_tou
黑洞资源笔记中转站	@tieliu
纪录片自留地	@litterpanda
zrj766的频道	@zrj96
基本操作非官方频道	@papercliphub
数字优惠	@DigitalSpecialDeals
美剧←→blahblah (& etc.)	@mytvseries
免費資源網路社群 Free Group	@Free_Group
Rachel 的消息发布站点	@RachelNotice
𝗧𝗚𝗴𝗲𝗲𝗸 ♾ TG极客	@TGgeek
T 备忘录	@tsbblog
⚡️黑科技⚡️TG代理⚡️TG破解版⚡️推特破解⚡️破解软件	@iPoject
Justf News	@justfNew
饭否每日精选	@fanfou_daily
Telegram Tips	@TelegramTips
GFW 3DS	@GFW3DS
Telegram X	@tgx_android
咕 Billchen 咕
韩国中央日报朝鲜日报	@korea_rss
moke 的日常分享、吐槽和动态	@mokeyjay_channel
Office Tool Plus Channel 📰	@otp_channel
纽约时报全文实时推送	@niuyueshibao_rss
美国之音全文实时推送	@meiguozhiyin_rss
Flysocks-公告频道	@flysocks
Find Blog👁发现博客	@findblog
BIGDONGDONG	@bigdongdongchannel
读舍 FM	@bookcn
Dicas do Telegram	@telegramtipsbr
Arch Linux Updates	@archlinuxcn_updates
LIFETIME视界(非官方)	@lifetimecn
Free網絡信息自由門（纯事件为主的翻墙free公益网友闲极无聊自媒体）	@todayfreedom
Connectivity Test	@connectivity_test
David’s YouTube 频道推荐	@davidsyoutube
Surge & Loon & QX 脚本收集	@NobyDa
Shadowrocket News	@ShadowrocketNews
Fndroid的日常	@fndroid_news
华尔街日报 RSS	@wsj_rss
Cloudflare 在中国频道	@Cloudflare_CN
Abiy Ahmed Ali 🇪🇹	@AbiyAhmedAliofficial
浮光掠影	@inbox_all
土味生活	@tuweishenghuo
Wallpapers And Art	@pfff_wall
ClashR频道	@ClashR_News
python-telegram-bot	@pythontelegrambotchannel
Speechlessness	@thespeechless
Recep Tayyip Erdoğan	@RTErdogan
🥳靠谱VPS推荐(默认带aff） - VPS仓/古博	@vpscang
💊内核怕怕 - 辣鸡 Linux	@kernelscared
拾趣	@peekfun
一个自由的画室(大概)	Channel
今天abc看了啥 🤔	@abcthoughts
🎏「彼岸情报🔎！」🎏薅羊毛情报（网站/资源/软件/限免APP）见闻社	@BaccanoSoul
Digital Immigrants丨Want Want Lobby	@Licensess
Unigram News	@unigram
科技圈的日常	@misakatech
Google Drive 资源	New @gdurl
Fragment Monitor 👁‍🗨	@Fragment_Monitor
HEMC Tech Tips	@SitandRelaxLab
TVBox	@TVbox888
行动派公民联盟	@citizen_united
花卷说科技	@technical_with_love
音游沙雕频道	@yingyoushadiao
小破不入渠🌏	@forwardlikehell
GroupOwnerBots	@GroupOwnerBots
NewMobileLife	@newmobilelife
OurBits RSS频道	@OurBits_RSS
每日一歌	@dailymusich
KAIX.IN	@kaix_in
小林家的托尔	@TooruchanNews
笔记软件交流讨论 - 频道	@AAAAAFPA6feibNtwoeiZcw
小岛电波	@biubiubiuchat
Soha 的日常	@sohadays
Android Themes Channel	@AndroidThemes
App Store	@iTunesGiftNews
Telegram Memes	@MemesTelegram
火箭酷🅥「TG代理」	@Rocketcool
LIHAI 分享	@lihaiba
The Sociologist	@thesoc
tg生态观察 ٭✡️⚝✹✸✶✷✴️✧⊛🔯❂⍣≛✨🇻🇳	@tgsucks
Telegram - 文言翻譯	@classical_chinese
庭说 TingTalk	@tingtalk
人间指南	@renjianzhinan_channel
开源社区	@opencfdchannel
Suggerimenti di Telegram	@telegramtipsit
Null	@shuziyimin
每天趣事	@Meitian
限時免費 LimitFree	@limitfree
IMG2D	@IMG2D
知乎日报全文实时推送	@zhihuribao_rss
@BooksThief	@BooksThief
Life & Knowledge	@LifeAndKnowledge
Telegram 中文频道 🅥	@tgcn_wiki
Leonn的博客	@liyuans
Z-Turns	@Z_Turns
澳大利亚广播公司中文全文	@abc_rss
今日份的豆酱	@today_bean
iPhone Telegram Themes️	@IOSTelegramThemes
[好读] ReadFine电子书屋	@Readfine
Telegreat Project	@Telegreat
屏浅隐狱（何究）	@peopleofscreen
🖥 iWallpaperPC	Обои для компьютера
电报障害	@poorRideoReception
Learn SwiftUI	@learnswiftui
Leeco-雪花社 ❄️	@xuehuashe
黄金剧场	@AAAAAEhkwtQjONQXe–Z8g
懒狗集中营-115/阿里/百度分享阿里云盘百度网盘115网盘	@vip115hot
Andrés Manuel López Obrador	@PresidenteAMLO
悦读「优质少量RSS聚合」	@dailyrss
摄神取念	@Legolimens
zaobao.sg 早报	@zaobaosg
Solidot	@solidot
Snipaste 通知	@snipaste
Think Positive Words	@thinkpositivewords
MeowThemes	@MeowThemes
程序员之家	@useless_project_ideas
noexebot	@noexebot
小黄车分享	@shortyellowbikeshare
𝐕 𝐀 𝐆 𝐔 𝐄 - 針	@oz_sensei
图图广播	@tualatrix_says
豆瓣精选	@douban_read
 Apple Nuts	@AppleNuts
程序员资源分享频道	@gotoshare
GroupHub广播站	@GroupHub
竹新社	@tnews365
叨庭涂说	@tingtalk_all
自留 channel	@who_channel
Discuss That!	@DiscussThis
 Apple Spyder 果蛛 🕷️	@AppleSpyder
老梁的音频[搬运]	@Laoliang666
法国国际广播电台中文全文	@rfi_rss
ServerCat - 偶然更新的深度评测	@servercat
Telegram (NL)	@TelegramNL
🏆资源福利分享｜频道	@freemorebest
层叠 - The Cascading	@outvivid
广西聊天交友群【频道】	@NanNingTG
台灣蘋果同好群 - 佈告板	@TWAppleFansAnnounce
電報群組廣播	@FOCUSTELEGRAMGROUPLINK
Tesla News 🅥	@Teslacn
Google Play限免信息	@playsales
TG规则脚本信息分享器	@MRHXPJGG
Quantumult X JS 收集分享	@QuanXJS
Reference Error	@reference_error
澳門日報-重要資訊頻道	@macaodaily
Tempest TCN	@TempestApp
GFW R16	@GfWR16
Lymbo@碎碎念	@lymbo_chatting
آموزش اکسل	@excellearner
ISIS Watch	@IsisWatch
简悦 - SimpRead 📢	@simpread
Steam快讯	@steamsteam
蛋挞报	@pincongessence
SSPanel-UIM	@sspanel_Uim
Menhera-Channel	@nanasekurumi
ex-Nicegram Dev	@nicegramdev
Popular Design Articles流行设计文章资源	@designtaalk
PUSH科技快讯	@pushings
缤纷世界的彩色冒险	@bunte_Welt
🔥🔥ZBook,	电子书📚
逆风社	@nifengpress

Telegram 群组

名称	链接
Telegram 每日推荐｜讨论组💬	@sharetgsg
树莓派 Raspberry Pi	@raspicn
游戏交流	@yxbymm
黑科技软件资源分享交流群	@blacktechsharing
🔥AI 富豪俱乐部🔥	@cloudnativer
Dat 中文交流	@datzh
【动漫】福利视频里番 H动漫成人资源二次元	@siwa9999
今日头条.西湖集团@xihu🌸	@jinritoutiao
Android Plaza	@AndroidPlaza
网络技术交流–AE	@KvkGoxAJywGVPq7LVUAXug
多平台技术交流	@alldesktop
Comments in theBlock	@Notionfans
【梦乃爱华】夢乃あいか（Aika Yumeno）AV女优S1专属	@guochan99999
这里有只猫	@glados_network
گروه لاتاری ویزا	@Lottery_Group
ASJD	@China_irl_News
Aa	@i_book_in
Deleted Group	@crazycapital
iOS Dev CN	@iOS_Dev_CN
资源分享群	@A4fzlAC1AatZACa_NSKqwg
各种奇奇怪怪的优惠买买买	@AAAAAEDHaeh76nlGWM6zhg
【葵司】葵つかさ日本AV女优	@zhubo9999
【佐仓绊】さくらきずな，Kizuna 日本AV女优	@cos99999
蛤? 墜后避難所	@telehathgroup
TenVM/ToSpeed 交流群	@tenvmgroup
【快看】制服护士老师制服诱惑	@freevray
⏰羊毛活动	@Groups_cn
AppPie Group	@AppPieGroup
湖南大学	HunanUniversity
《維基人》讀者交流群	@the_Wikipedian_group
讨论组	@lychee_discuss
【丝袜制服诱惑】福利视频	@dongman999
wikipedia-zh-MPC	@marginalizedpersonsclub
Dev. iOS/macOS/iPadOS/watchOS/tvOS	@AppleDevCN
libra 区块链大中华交流	@Lfx59xaZjZfOm8BEJXgSGQ
BlackBerry Fans	@bbfans
某不科学的上网插件	@AAAAAEC7pgV9vPdPcJ4dJw
v2exchat	@v2exchat
大学联盟 🎓 𝗨𝗻𝗶𝘃𝗲𝗿𝘀𝗶𝘁𝘆𝗔𝗹𝗹𝗶𝗮𝗻𝗰𝗲	@UniversityAlliance
高雄維基媒體社群：高知識	@wikikaohsiung
设计交流群	@joinchat/+Qsf56E4IGogw80Co
印度伟哥药店	@shenyebaojianshi666
PC Games Support	@pc_game_down_support
[𝙏𝘿𝙎𝙏𝙀]	@KLhITkjaDHd5mn9n8VRg2Q
VPS信号旗技术讨论组	@vpsxinhaoqi
电报指南 & 瞭望台	@TgTrillions
電報群推廣	@F7Z-RT15AV_zH_mUPCQTvQ
无损音乐及娱乐综艺视频	@losslesschat
Telegram 機器人應用交流 Bot Discuss	@Bosd1z3ENpG7cPjLw3qmYQ
搬瓦工 (BandwagonHost)	@BandwagonHostGroup
粤	@ScrVLBgpRcw3ZTkz
全球主机交易推送	@host_trading
主机百科	@joinchat/+-u8HmydNUT43YTRh
全球主机信息推送	@host_news
天涯讨论组	@tianyarss
内涵段子之狼人杀	@werewolfcn
🎶点歌台音乐听歌 music	@tingge8
爷青结动画分享交流群	@yeqingjie
数理化生实验室	@mpcblab
知乎	@Zhihu1
科技圈🎗の茶馆	@ZaihuaChat
单机恐怖游戏总群	@danjikongbu
业余无线电爱好者HAM	中继查询
Vim 正體中文社群	@vim_tw
零度解说	@lingdutg
DRC官方中文群	@drc_info
Minecraft 中文群組 (Chinese only)	@Minecraft_Chinese
美剧电影吧	@meijukingdom
好棒 🌈 羊毛超级搜	@dajiajia
即時投資消息推送	@touzi8
Telegram 中文圈 🅥	@tgzhcn
CSGO	@csgocn
影巢4K影视官方群	@alypzyhzq
MIR4传奇交流群	@mir4chinese
Kevin自留地	@mrkevinh
Machine Learning CN	@ml_cn
呆萌影视	@dmysfx
CTG 中文社区	@CTGgroup
亿万同人唯一指定官方群🍻	@ywtrzm
电报摄影部	@shashinbu
MUG_ZH	泛用型音游中文讨论群组
Telegram 新手帮助	@Newbie_Chat
Steam◆中文讨论群	@SteamGroup
网易云音乐	@yuncun
AI星球人工智能聊天群-ChatGPT-DeepSeek	@chatgpt003
音乐相声小说💯搜一下	@dianbotai
動漫遊戲Cosplay群組	@cosplaysharegroup
BlockBeats Chat	@BlockBeats_App
频道🏆资源福利分享 Chat	@freemorebestchat
Google Play Party	@joinchat/+RDKqoTmhCmd2Q8g-
APP喵：群聊	@appmiao
GPT4Plus各类账号问题交流	@joinchat/+tLmbq7vP6BxiMjQ1
Manjaro Linux CN	@manjarolinux_cn
python 自学交流	@P_Y_T_H_O_N
可爱的美少女们	@flgirl
HiFi音乐资源	@HiFiMusicResource
酷漫404粉丝群	@CoolComic404_Fans
各种奇奇怪怪的优惠买买买	@shoppingwdiscount
《Outage! - 初音？》	@joinchat/+lE4aRgBXk0M0MDMx
图拉丁	@lajilao
Zapro · 2025	@zaprobest
✨神魔聊天群✨	@tos_unofficial
Manjaro 中文群	@manjarocn_group
羊毛党–TG支部 (薅死羊不偿命系列)🐑🐑🐑	@cn_coupon
Planet Chat 🌍	@AAAAAEBz8Owuzgri6kB2UA
味之道听众群	@At5ANzuy5JM9yhPrmuGrcQ
[Archive] Plash Speed Xtreme	@ps4cn2
Fedora 中文用户组	@fedorazh
SSRSpeed N 使用交流	@SSRSpeedN
Language: Classical Chinese	@translation_chinese_ancient
Telegram macOS	@macswift
Spotify Addict Group	@spotifyaddict
IINA	@IINAUsers
XlinkWorld	@E5UhwEOdb4UtA_VbonoxDw
雷神之锤	@thorshu
第二现场  🎉	@dearlive
eSir PlayGround - 正能量最喜欢冷漠的原子化社会	@JjxmyRZZXJWb74I-sCrryA
8度群组	@abc999222
Python	@Python
GBox Official	@GBoxOfficial
Anytype Community 🇺🇦✌️	@anytype
三星手机交流	@samsung_cn
Geeks Chat	@geeksChat
»> telegram.Bot()	@pythontelegrambotgroup
ExCloud	@excloud
HN 中文社区	@hn_china
CYLINK - 退退退	@cylink
#v2fly	@v2fly_chat
Jailbreak	@iOS_Jailbreak
加密货币与区块链讨论群	@onBlockchain
TechCrunch中文讨论组	@tcchinese
键盘交流群，听取哇声一片	@keyboard_cn
Coder Offtopic 中文群	@coder_ot
Docker	@dockertutorial
No U	@NoUGroup
iOS	@iOSdevotee
Telegram Desktop Talk	@TelegramDesktopTalk
中文独立博客	@indieBlogs
zread 读书会 📚	@zread
JavaScript 中文交流	@javascriptzh
App Privacy Insights Official Group	@66CSVhKAs3pmYTQ1
91yun.co 大海航行靠舵手	@im91yun
#v2fly-random	@GhXX_0zQFLOkjy9z81eQqg
android Discuss	辣鸡谷歌还我甜点 🌶🐓🌾🕊
Telegram Bot Talk	@BotTalk
流媒体交流	@zxc1017yyfx
V2EX后花园 v2.0	@goV2EX
Blinkload 售前咨询群	@thessrgroup
YouTube—ImShuker	@shukerz
Here内测群	@HereApp
flomo浮墨卡片笔记	@flomoapp
「得意忘形」听众群	@Bx8JqQ33oVCrKSul-cHJGQ
台灣蘋果同好交流群	@TaiwanAppleFans
Via Official Group	@viatg
期货与期权📈📉📊 Derivatives	@CNderivatives
Leetcode刷题	@leetcode_discuss
deepseek❤️gemini＆grok ai&chatgpt ai&meta ai＆claude ai＆Midjourney人工智能 phone talk	@pixelcn
墙外四川交流群	@civhuanglaoxiao
AdGuard 【中文】	@AdGuard_chinese
老毛子Padavan固件纯净交流群	@pdcn0
Count To 1 Million	@CountToOneMillion
Amazon 海淘购物交流群	@firstAmazon
苹果用户交流群→MacOS/iPadOS/iOS	@Balancer996
黑苹果osx86项目中文讨论/Hackintosh CHN Discussion	@osx86zh
BDD@Tech	@bigdongdongGroup
Telegram Party	@PublicTestGroup
Appinn Talk 💧	@appinn
Snowball Fight - Streamers Den	@SnowballFight
程序员资源分享社区	@FwAZpxdwmTHP2W1sPydPAQ
Bot开发者交流群	@bot_dev_group
西安电报群	@FY1SJkRF6ubEQzU-3Mq3cw
OpenWrt Discuss	ImmortalWrt’s Group
Telegram X Android	@tgandroidtests
CSS 討論區	@csstw
Wallpapers️	@G_Wallpapers
[CN]Flutter Dev	@FlutterCN
Nathosts主机交流群	@nathosts
阿里云交流群	@Balancer985
读者	@duzhe
pyTelegramBotAPI	@Bn4ixj84FIZVkwhk2jag6A
太医来了听众群	@taiyilaile
高清影音数码折腾群	@TalkUHD
少数人TG ［闲搁］交流群	@shaoshurenx
Apple TV	@AppleTVPlus
Handshake中文社区	@handshake_cn
[No Support] Plus Chat ([ Offtopic ] Plus Messenger Chat)	@offTopicPlusChat
R 语言中文交流	@rprojectzh
Google Voice 互拨交流群	@zh_GV
MK播放器 for M3U8	@MKPlayerApp
GroupHub Chat	@GroupHub_Chat
字谈字畅听众群	@TypeChat
Telegram Android Talk	@TelegramAndroidTalk
ZeroNet 中文交流	@zeronetzh
硬核英语/Hardcore English	@hardcoreng
Perl 中文交流	@perlzh
SPhard交流群-不谈政治-不吵架	@sphard
RSSHub - Everything is RSSible	@rsshub
Language: Chinese (zh-Hant-TW) @zh_Hant_TW	@translation_taiwan
河南周口	@zhoukou
iTools	@toolinbox
Cloudflare 在中国	@CN_Cloudflare
Telegram iOS - Public beta testing	@tgiostests
Air-Universe 开源后端交流群	@Air_Universe
APPDO 每日拍大腿说又后悔了群	@appdododo
C++ 中文交流	@cpluspluszh
🚀 火箭写书	@woicesu
Synology/黑群晖用户群	@nasfan
Конкурсы Telegram	@contests_ru
中英语言学习	Learning Chinese & English
TDLib chat	@tdlibchat
小声读书 ☘️	@what_youread
中国数字时代-讨论群	@cdtchinese
Google Voice 交流群	@googlevoice
IINA 中文	@IINAUsersZH
科学上网技术研究会👨‍💻	@kxswjs
Surge 交流	@loveapps
iOS 越狱	@iOS_jailbreaking
Enjoy Study Club	@officelearner
Telegram Android Themes	@AndroidThemesGroup
路由器固件玩家群	@sbxsw
Language: Duangified Chinese (Simplified)	@translation_duang_zh_hans
西安电报群	@XianCity
FriendChCodeList	@FriendChCodeList
电报人:知识群非娱乐群	@three001
沉浸式翻译讨论	@joinchat/+rq848Z09nehlOTgx
Gate.io的小伙伴們	@gate_io
谷歌云(Gcp)交流群	@Balancer166
Frontend 前端中文技术交流	@frontend_talk
Go	@GolangCN
Technical Blog	技術博客
加密货币爱好者	@twittercryptofans
Shortcuts	@SiriShortcuts
Ruby 中文圈	@rubycn
微软云(Azure)交流群	@Balancer211
Telegram Windows Phone Talk	@TelegramWPtalk
畅邮（Cymail）	@cyemail
Anti Revoke Chat	@AntiRevokeChat
wikipedia-zh	@wikipedia_zh_n
TG 简中交流（水）群	@cnpub
🍳 库克的后厨 🍤	@OnlineAppleUserGroup
Language: English	@translation_en
[CN] Android Dev	@AndroidDevCn
M-Team Unofficial chat - Chinese	@M_Team_Chat
Official Geph Users	迷霧通官方用戶群
利器 👨🏻‍💻👩‍💻 🧤	@fun_makers
🤣古博 - 靠谱VPS交流群（禁止名字打广告）	@guboorg
DEVONthink Chinese	@DEVONthink
大数据杂谈	@bigdatazh
图床粉丝群	@smms_images
C 语言中文交流	@Clanguagezh
Faangbbs APP北美程序员大群	@faangbbs
ടെലിഗ്രാമം	KeralaGram
V2EX 交流群	@V2EXPro
[好读] ReadFine交流总群	@ReadfineChat
科技圈🎗の茶馆	@zaihuachat
Adguard [CN]	@adguard_cn
WallStreetBets华尔街中文官方交流群	@WSBetsZH
老毛子Padavan固件IOS自助交流群	@pdcn3
NyanCAT - 1 2 3木头人	@NyanCaaaat
MugglePay 麻瓜宝💰crypto only	@mugglepay
Swarm免费梯子🆓翻墙	@hxisj8whsv
Bigo社区群	@bigo_tool
Spotify使用者（及其他music(audio?) streaming	@DlW6BkAiT7ReIIADtANzYw
大佬吹牛群-DDOS	@xddos0
NobyDa Script	@JikZ61Y-WyLUu6dBFPfu6w
读书分享	@dushufenxiang_chat
手机里有一款开放世界手游	@Orz_zayu
Koolcenter merlin firmware	@xbchat
vAgent网络部	@crossgreatfirewall
Leetcode Discussions	@leetcode_discussion
免费翻墙加速器交流	@gouwu
TG技术党	@MRHXPJ
ShadowsocksR 讨论组	@ssrunofficial
奇点	@jidian
🎣 科技无国界 🤼‍♂️	@LifeAnaTech
DGEN Labs 中本街社区	@SatoshiStreetBetsZH
谷歌、微软云盘讨论群	@google_win
Bark反馈群	@OsCbLzovUAE0YjY1
FastClip	Stay Sponsors
读舍 - 享受阅读时光	@shufm
Project X	@projectXray
Kali / BlackArch Linux 中文交流	@hackerzh
Telegram 新手問答區	@TGQNA
流浪防区 China_irl	@China_irl
 Apple 用户社群	@appleusergroup_tg
mini club	@Orz_mini
GIF 群聚地	@GIFgroupTW
滕州 Telegram 办事处	@tengzhou
ShadowsocksR - 技术	讨论
中文输入法爱好者群	@IME_zhCN
Apple Watch 大集合	@apple_watch
星露 galaxy沉浸式恋爱体验馆	@KmUaGRMWdO29JVd3wcCHCg
Telegram 討論區	@PublicGroupForzh
NobyDa Script	@JtzRlVY-WyJPDavvhKjrbw
电影爱好者交流	@Moviemarket_group
合租小车🚗	@TogetherHub
Mixin Network (XIN)	@MixinCommunity
🇬🇧 Nicegram Chat	@nicegramchat
Python云	@pythonyun
自由世界之声	@TetgramC
今日热榜	@IL6n4w9xiRMvHaU1YpVFog
SaltyLeo的博客讨论组！	@SaltyLeo_blog
DLK老群	@dlkvpn
Gridea	群组
树莓派 Raspberry Pi	@shumeipai
左罗·TG·交流	@zuoluotv
iGame 游戏交流群	@gamecn
SURGE PRO	@SurgePro
GBox官方交流群	@GBoxTG
AdGuard Chat [EN]	@adguard_en
Linmi 简日志	@cmemo
Vivaldi Browser chat group	@vivaldibrowser
Language: zh_CN (Simpified, langCN)	@translation_zhlangcn
Python 中文交流	@pythonzh
。	@SitandRelaxGroup
BIS科学上网	@BISproject
体育爱好者	足球
腾讯云VS阿里云	@TencentAliyun
Scala User Group [zh]	@scala_zh
小小布吉岛闲聊群～	@bujidaochat
全球主机交流中心	@VPSchat
灭茶苦茶听众群	@ipn_miechakucha
Java 编程语言	@Javaer
Google Voice讨论组	@swatpc1
Let’s Charge｜一起充电群	@letsbuycharger
Plus Messenger Support	@plusmsgrchat
《内核恐慌》听众群	@pan_icu
翼起乐	@YiQiLe
Notion 中文社区	@Notionso
XDA Labs	@xda_feed
老王讨论群	@wangvpn_user_chat
Comments in theBlock	@NotionFans
创造者日报	@creatorsdaily
ImmTelecom 签到专用群	@immtelecom_chat
Unigram Insiders	@unigraminsiders
sspai_group	@sspai_group
Du Rove’s Chat	@durovschat
[老上] 摄影	@cnphotog
Reddigram	@reddigram
愚民小鎮 🥳 保衛香港！ @werewolfbot (入群請先看規定)	@twWolf
Chinese Developers	@ChineseDevelopers
TG话题测试（你们是真的闲）	@ZH_wool
NS Xbox PS PC游戏闲聊	@NintendoSwitchCN
北京	@beijingz
Official Counterparty Chat	@Counterparty_XCP
HanHan小卖铺	@hanhans2
PixelExperience - Official chat	@pixelexperiencechat
苹果派群组	@iOS1314
TypeScript 中文交流	@typescriptzh
湖南电报群	@hunantg
EhViewer [DEPRECATED]	@ehviewer
Price Tag Friends	@pricetagapp
Haskell 中文交流	@haskellzh
枫之谷	@fzgjs
Transno	@transnousergroup
翻译机器人讨论	@fanyi_group
LanceX Friends	@lancex_app
Language: Chinese (Traditional)	@translation_zh_hant
东京IT技术者交流群	@TokyoIT
版本控	@nextnb
Coolapk Chat Group	@coolapkxianliao
OpenWrt-flippy	@GxqUyxzQCFgf4KEcXxee3Q
Loon-0x00	@Loon0x00
Hugo 博客交流	@hugoblog
Julia 编程语言交流	@julialangzh
👸大漂亮的小夥伴們（唯一群！嚴打廣告，大漂亮不會主動DM各位小夥伴）	@giantcutie6688
OpenWRT*LEDE/Wireless Routers	@OpenWRT_Routers
Ubuntu 中文	@ubuntuzh
狗推摸鱼划水狼人杀	@langrensha888
Language: Meowfied Chinese	@translation_meowcn
岁寒输入法交流群	@SuiHanIME
高可用性技术研究不了一点	@FiMK0A5tQhJxLu9tBb0QTA
Tg唱吧总站	@changba_tg
酷安	@cool_apk
Telegram iOS Talk	@TelegramiOStalk
EOS	@EOSproject
小米玩机交流群	@xiaomi6666
RFW	@RailwayFW
CentOS 中文	@centoszh
Hamibot	@HamibotChat
KidProject	@AAAAAD-tO7GPvfOU131_vg
wikipedia-zh-game	@wikipedia_zh_game
简悦 - SimpRead	@simpreadgroup
璃颜&红尘，伊人笑	@liyanhongchen
Telegram Themes	@TelegramThemes
PanoanDrive-免费离线下载资源至Google Drive	@PanoanDriveBasic
RouterGroup	软路由
一天世界听众群	@ipn_yitianshijie
MOZE	@mozeapp
MWeb 及相关讨论	@mwebapp
小众 App 交流群	@appfoundgroup
VPS信号旗水群	@vps_xinhaoqi
OKAB3吹水	@OKAB3Script
想尽办法看电视	@MgUQ3B1apkzq3sqVzTFP0A
Boast - App	@BoastTG
Telegram Beta Chat	@tgbetachat
Freetrial.store	@FreetrialStore
wikipedia-zh-help	@wikipedia_zh_help
捷径社区	@shortcuts_cn
Telegram 新手帮助	@newbie_chat
Chromebook CN	@chromebook_cn
[SFW/SFMC] Magisk 吹水 (unofficial)	@magiskCNshare
Vultr 用户群	@vultr_group
科技圈🎗の茶馆	@GoogleFans
科技聚变听众群	@TechFusionChat
Google Fans Club 中文	@googlecn
时尚怪物听众群	@ipn_fashionmonster
内涵段子之闲聊群	@OverseasChinese
Netch 使用交流群组	@Netch_Discuss_Group
小点播放器[请自签iplayr使用]	@dotplayer
Telegram Contests	@contests
Telegram macOS Talk	@TelegramMacOsTalk
Telegreat Desktop 中文討論區 (Mandarin Chat)	@TelegreatX
oooooohmygosh & friends 1.0（🚫暂停入群 & 禁言中）	@omgfriends
iBeta 尝鲜派	官方群
Telegram Alpha Talk	@tgalphachat
码力全开 Friends	@forcecoder
广州粤语电报群 Cantonese Group	@GuangzhouIT
Quantumult X	@QuanXApp
Pharos Pro For Apple	@Shadow_x_user_support
VNoteX	@vnotex
泉城济南电报群 🅐	@jinan_tg
 iPad 用户社群	@iPadOS
RSS屋	@HiIOAxV7g9JwNuLuThUsyQ
NewlearnerのIT社群	@NewlearnerGroup
貼圖群 - 進群閱置頂 Sticker Group Taiwan	@StickerGroup
infuse 自购分享	@infusepro6
SSTap-Rule	@SSTapRule
Pin apps	@PinTG
Instant View Platform Chat	@IVpublic
智能手机讨论组📱	@M_Phone
KoolCenter LEDE & iStoreOS	@ERO9vEMMVu1dzQ-F8nP6kA
臺大維基社	@ntuwpc
闲蛋面板🥚交流群	@xdzzmb
逗比据地根	@doubi
秋水逸冰	@qiushui2018
币安官方中文群	@BinanceChinese
Google Drive 无限容量	@google_drive
SSPanel之國章魚集團🐙	@woaizyg
S&D两位先生	@Science_Democracy
日本語學習	@BGDV_Qcq7MTcpiFkB2n7Fw
macOS 交流组	@macoser
Launch Center Pro 交流分享	@lcpapp
Hexo Hugo Blog 中文博客	@bokecn
Apple Arcade CN	@applearcadecn
CoolApk World	@Riocoolapk
Language: Chinese (Simplified)	@translation_zh_hans
Tg攝影社群	@photographyintelegram
Language: Chinese (Simplified, zhcncc)	@translation_zhcncc
ZOE Group	@ZOEAPP
博物志听众群	@museelogue

Telegram 机器人

名称	链接
EventsAggregator	@EventsAggregatorBot
Ll. Muhamad Sofyan Hadi	@llmsh
Celebes City	@kuaikanmanhua
Андрей Горячев	@daily73
B Ham	@kuaba
Максім	@superli
Liaoyuan	@liaoyuan
Mas Noe	@mas_cn
Darwin Castaño	@datapy
Apple Park	@apple_park
Lamara Lamara	@mastergogogo
Panda’s Bot	@PandasChatBot
HelloGeorge	@HelloGeorge_Bot
zhujiwiki	@t66y_net
UserMetaBot	@UserMeta_Bot
BingDict - AI Translate	@bingdict_bot
网易云音乐ncm转换器	@netease_ncm_bot
GIF出处查询机器人	@TumblrAce_bot
小鹿机器人	@iiWordCloudBot
流媒体解锁测试	@stairunlock_test_bot
flowerss	@rssflowbot
TYPCN NLP Analysis	@typcn_soliloquize_bot
RSS屋	@RSSWBot
VK Music Bot	@Vkmusic_bot
utubebot	@utubest_Bot
Pay Bot	@feeMasterBot
Feed Man Bot	@FeedManBot
GatMedia > SaveMediaBot	@getmediabot
LittleGuardian	@littleGuardianBot
群组大全_Bot	@qunzudaquan_bot
阿里云盘资源 Bot	@AliYunPanBot
一起搜电影	@sotv
🇺🇦YoutubeDL - YouTube Download Bot	@YtbDownBot
验证机器人	@group_confirmation_bot
一起搜电影	@Cctv365bot
AntiServiceMessageBot	@AntiServiceMessageBot
Help Limitati Bot	@LimitatiBot
方丈机器人
Shop Bot	@shopbot
enterprise@qoot.cool	@thoranubis
MarkdownBot	@mdrobot
森近真帆	@MahoNato_bot
Telemetrio
TransferRobot	@TransferRobot
WatchDog Robot	@watchdog_robot
CommentBot	@bakalztbot
Telegraph	@telegraph
OrgRobot	@orgrobot
FreqRobot	@freqrobot
nmBot	@nmnmfunbot
Previews	@previews
Wallet
[DOWN] Spotify Music Downloader	@SpotifyMusicDownloaderBot
joinhider_bot	@joinhider_bot
Stickers Bot
We Group Bot	@WeGroupRobot
广告终结者_Bot	@adzhongjiezhe_bot
Download IT - Video	Music
DiscussBot	@discussbot
Group Butler	@GroupButler_bot
Markdown Bot	@Bold
查特皮皮鸡	@ZUOLUOTV_AI_BOT
统计秘书	@FengStatsBot
No Hello Robot	@nohello_robot
Spam Info Bot	@SpamBot
Wallet	@wallet
GrepRobot	@grep_robot
长消息杀手🥷🏻	@LongMessageKillerBot
Telegram Explorer	@ExploreTelegramBot
Post Bot	@PostBot
Strangy	@strangybot
Dr.Web	@DrWebBot
查特皮皮鸡
Beemo	@PTRankBot
Douyin Downloader	@douyin_download_bot
广告杀手 🥷🏻	@GuangGaoShaShouBot
冗PowerBot	@jung2_bot
RSSchina_bot	@RSSchina_bot
小掌萌	@sauweenbot
阿福
GetIDs Bot	@getidsbot
IDBot	@username_to_id_bot
Webpage Bot
Shieldy	@shieldy_bot
Gamee	@gamee
Fragment Auction Alerts
StockPrice	@stockprice_bot
Telegraph
JBot	@the_jbot
Apollo	@RealApolloBot
RSSBot	@RustRssBot
Sticker Downloader	@Stickerdownloadbot
Like and Comment	@LikeComBot
The Join Captcha Bot	@join_captcha_bot
Policr	@policr_bot
Stickers Bot	@Stickers
NoAdBot	@keyworddel_bot
解除频道消息在群组的置顶	@areply_bot
方丈机器人	@fangzhang_bot
nmBot
Lottery Bot	@LotteryBot
hs	@kunsu_bot
Wikipedia Search	@wiki
全网视频下载	@icbcbot
区块链助手 - 链上信息查询	@QueryTokenBot
Air Pollution	@AirPollution_Bot
so1234bot	@So1234Bot
Dr.Web	@drwebbot
Controller Bot	@ControllerBot
SpamMeNotBot	@SpamMeNotBot
InstantViewBot	@CorsaBot
LikeBot
KinhRoBot
Previews
Username Bot
Jailbreak Bot	@rJailbreakBot
CaptchatBot	@Captchat_Bot
Auto Restrict Bot [beta]	@AutoRestrictBot
SangMata Info Bot	@SangMataInfo_bot
NoAdsBot 🅥
Combot
Lottery Bot V2	@tgLotteryBot
MTProxy Admin Bot
Feed Reader Bot	@TheFeedReaderBot
Yandex Translate	@YTranslateBot
Telegram Watchdog
IFTTT	@IFTTT
Webpage Bot	@WebpageBot
Jobs Bot	@jobs_bot
🎵 Music Downloader	@MusicDownloaderRobot
BotFather
视频解析中心	@ParsehubBot
NoSticker	@nosticker_bot
Pixiv	@Pixiv_bot
GDPR Bot	@gdprbot
Admin Caller	@callAdminsBot
hexlightning ⚡️	@hexlightning_bot
ImageBot	@imagebot
ddbot	@ddoc_bot
BotList Bot 🤖	@BotListBot
Discuss Unpin Bot	@DiscussUnpinBot
ASCII2D bot	@ascii2d_bot
天童AL-1S🤖 Powered by @TooruchanNews	@toorucaptchabot
React Bot
图片劣化	@JPEGreenBot
DaySandBox	@daysandbox_bot
入群验证机器人	@P4CaptchaBot
Telegram 权限管理机器人	@autopm_bot
Let me…	@letmebot
InstaSave	@Instasave_bot
Sticker To GIF	@Sticker2GIFBot
ContestBot	@ContestBot
Web to Album	@web2album_bot
Policr Mini (beta)
妙妙小工具Beta	@GLBetabot
You Have NO Username	@UNameBot
ID查询机器人	@nminfobot
AntiCommandBot	@AntiCommandBot
twitter_loli_bot	@twitter_loli_bot
TempMail	@temp_mail_bot
GitHub	@githubbot
Telegram Channels Bot	@tchannelsbot
Transparency Reports	@Transparency
Polie	@LikeBot
TGCN-CAPTCHA加群验证	@tgcnjoincaptchabot
URL Shortener 🔗	@LinkGeneratorBot
Spam Info Bot
Combot	@combot
Okpay💰	@OkayPayBot
Channel Help
Designers Bot	@design_bot
Quiz Bot	@QuizBot
StickerBot	@sticker
Transparency Reports
Safe Bot	@thesafebot
Reddit Downloader	@reddit_download_bot
Manybot	@Manybot
呆呆兽
Lang Blocker Bot	@lang_blocker_bot
HushRobot	@HushRobot
WTFisBot	@WTFisBot
免费搬运机器人🤖	@xiunvbanyun1bot
React Bot	@ReactBot
Classical Music	@music
Comments Bot	@CommentsBot
grouphub	@GroupHub_bot
dicbot	@dicbot
AntiHyperlinkBot	@AntiHyperlinkBot
Welcome Bot	@jh0ker_welcomebot
TGStat Bot
No Arab Bot	@noarab_bot
Watch Door [beta]	@WatchDoorBot
Report Impersonation	@notoscam
The Join Captcha Bot
We Group Bot
Sticker Time Bot	@sticker_time_bot
Group Help
Socks5 Proxy Bot	@socks5_bot
大掌门	@FengDoorBot
File Converter	@newfileconverterbot
Gmail Bot	@GmailBot
Livegram Bot	@LivegramBot
Weather bot	@WeatherBot
Approve By Poll
Minesweeper	@mine_sweeper_bot
VideoTubeBot	@VideoTubeBot
CloudMusicDownloader	@Music163bot
不鸽了	@bugele_bot
MyTeleCloudBot	@MyTeleCloudBot
Creation Date	@creationdatebot
TGCN-币&黄广告专杀	@adnamekillerbot
Tenor GIF Search	@gif
SangMata	@SangMata_BOT
StickerSetBot	@stickerset2packbot
抖音Tiktok去水印bot	@DouYintg_bot
DiscussBot
BotFather	@BotFather
VoteBot	@vote
TG Downloader	@GIFDownloader_bot
To do list manager	@todobot
Favorite Stickers Bot	@favorite_stickers_bot
Rose
Master Tag Alert	@MasterTagAlertBot
Verify Bot
Premium Bot
Anonymous Telegram Bot	@Anonymous_telegram_bot
utubebot	@utubebot
Protectron	@ProtectronBot
一个勤勤恳恳的RSS订阅器	@PdoRSS_bot
IQDB bot	@iqdb_org_bot
Telegram Analytics Bot
Group Help	@GroupHelpBot
QR Code Bot	@QRCodeRoBot
MTProxy Admin Bot	@MTProxybot
CaptchatBot
To PDF	@topdf_bot
URL Uploader	@uploadbot
Telegram Store Bot	@storebot
GameBot	@gamebot
罗新豪	@CNBlackListRBot
AntiArabicScriptBot	@AntiArabicScriptBot
Video Search for YouTube	@vid
Get ID bot	@get_id_bot
Vultr 助手 Bot	@vultr_helper_bot
Shorten URL	ume.la
Channel Helper	@jogle_channel_bot
中英翻譯(English Chinese(Mandarin) translation)	@en_to_tw_bot
NodeRSSBot	@NodeRSS_bot
APK Downloader	@apkdl_bot
ComenBot	@ComenBot
DropMail.me	@DropmailBot
Warma Bot	@warma_bot
Hot Or Bot	@hotorbot
BotsArchive Bot	@BotsArchiveBot
Bilibili Feed Bot	@bilifeedbot
Yaplus Bot	@yaplus_bot
Multi Saver
GroupOwnerBot	@GroupOwnerBot
Translate Father	@TranslateFather_bot
Send to Kindle	@Send2KindleBot
Penle	@penle_bot
Verify Bot	@VerifyBot
BitShares Red Pack (Beta)	@redpack_bot
IMDb	@imdb
Searchee Bot	@SearcheeBot
Cleaning Toolbox
PronunciationBot	@PronunciationBot

📨 合作请联系 @NewLinkAuditBot

MAS：一条命令永久激活Windows和Office

Wed, 15 Oct 2025 17:34:25 -0800

MAS：一条命令永久激活Windows和Office

简介

GitHub-MAS

MAS：一条命令永久激活Windows和Office+实现原理解读

利用一条命令即可永久激活 Windows 和 Office，到底是如何实现的？Microsoft Activation Scripts，简称：MAS，是一个由开源社区开发并维护的项目，旨在通过一系列自动化脚本来永久激活 Windows 和 Office。注意是"永久激活"，非 KMS 180天。该程序通常被用作绕过 Microsoft 的正版验证机制，允许用户在未购买合法产品密钥的情况下使用 Windows 和 Office 正版软件。程序中的脚本和工具通常会通过对操作系统和应用程序进行特定的修改来实现激活操作。

本文介绍一下该激活命令的使用方法，并解读一下实现原理。这条命令是：

1

irm https://get.activated.win | iex

命令解析

我们将命令拆解成 irm 和 iex 两部分：

irm 是 PowerShell中的别名，代表 Invoke-RestMethod，这是一个用于发送 HTTP 请求并从远程服务器获取数据的命令。它的作用是从指定的 URL 下载内容并将其返回给 PowerShell。

具体来说，这里通过 irm 向 get.activated.win 发送一个 GET 请求。该 URL 是一个远程服务器地址，提供激活脚本。请求后，服务器将返回一段包含激活信息或脚本内容的数据。

iex 是 PowerShell 中的别名，代表 Invoke-Expression，它的作用是执行作为字符串传入的 PowerShell 脚本或命令。该命令接收通过 irm 获取的内容（即返回的脚本），然后执行它。

实现原理

当执行该命令时，PowerShell 会先向 get.activated.win 发送请求，下载服务器上托管的脚本内容：

下载的脚本内容通常会包括一些预定义的命令或代码，这些代码用于绕过 Microsoft 的产品激活机制。下载并执行该脚本后，系统会尝试通过修改激活状态或注入激活密钥等方式，激活 Windows 操作系统和 Office 应用程序。

该脚本中包含了 HWID（硬件 ID）、Ohook、KMS38、Online KMS 激活方法，至于它如何实现“永久激活”，限于篇幅，iHackSoft 将另外发文做详细剖析。

使用方法

右键点击 Windows 开始菜单，以管理员身份运行 Windows PowerShell （注意不是 CMD）。
输入下面的代码并回车：

1

irm https://get.activated.win | iex

之后会看到如下图界面，其实就是从服务器上下载了 Microsoft Activation Scripts 这个脚本：

选择“1”：采用 HWID 激活方式，数字许可证永久激活Windows！需联网。

选择“2”：采用 Ohook 激活方式，通过修改一个激活dll文件，实现永久激活Office，无需联网。

选择“3”：TSForge是一款由MAS团队开发的工具，能够绕过微软的在线验证机制，实现Windows和Office的永久激活。

选择“4”：采用 KMS38 激活方式，激活 Windows/Server 到2038年，无需联网。

选择“5”：采用 Online KMS 激活方式，激活 Windows/Server/Office 一次180天，到期自动续，需要联网。

选择相应数字，回车之后，稍等片刻，成功激活！

一键激活所有 JetBrains 产品

Wed, 15 Oct 2025 15:34:25 -0800

一键激活所有 JetBrains 产品

简介

颠覆所有——一键激活所有 JetBrains 产品

IntelliJ IDEA 2024.3.1.1 安装激活教程(激活至2026，实际上永久，亲测！)以及常见问题处理

颠覆所有——一键激活所有 JetBrains 产品

无需下载工具、无需安装脚本、安全便捷！只需一行命令，快速永久激活IDE

自动激活所有的 JetBrains 系列软件，无需输入激活码，一键自动完成永久激活

Windows 系统

按键盘 Win + X，选择 Windows PowerShell(管理员) 注意是管理员模式!
复制以下激活命令到 PowerShell 中并回车执行，就可以永久激活！（建议复制，避免手动输入错误）

1

irm jb.ide.to|iex

Linux 系统

复制以下激活命令到终端中执行即可：

1

wget --no-check-certificate jb.ide.to -O jb && bash jb

macOS 系统

macOS 默认没安装 wget，如已安装 wget，也可用 Linux 的命令，推荐用 curl 激活命令：

1

curl -L -o jb jb.ide.to && bash jb

核心优势

支持所有 JetBrains IDE 及大部分插件
自动扫描已安装产品，无需手动选择
全程自动化操作，无需复杂配置
自定义授权信息，灵活设置想显示的内容
免下载工具软件和安装脚本，安全更便捷
定期更新，适配最新版本软件

IntelliJ IDEA 2024.3.1.1 安装激活教程(激活至2026，实际上永久，亲测！)以及常见问题处理

申明：本教程 IntelliJ IDEA补丁、激活码均收集于网络，请勿商用，仅供个人学习使用，如有侵权，请联系作者删除。若条件允许，希望大家购买正版！

卸载老版本 IDEA

首先，如果小伙伴的电脑上有安装老版本的 IDEA , 需要将其彻底卸载掉，如下所示（没有安装则不用管，直接安装即可）： TIP:

如果你之前使用过本站提供的激活到 2025 年版本脚本，需要执行对应卸载脚本 /适用2024版本/JetBrains 2023 最新全家桶/jetbra /scripts/uninstall-all-users.vbs，将自动添加的环境变量删除（若没使用过，则可忽略，继续下面的步骤）；

一、下载 IDEA 安装包

访问 IntelliJ IDEA 官网下载适合您的版本。

也可以直接点击 IntelliJ IDEA 安装包这里 下载 IDEA 安装包，更加方便快捷。

二、安装 IDEA

打开下载好的安装包，按照提示完成安装。自定义安装路径，我这里安装在了 E:\ 盘下，继续点击下一步按钮：
安装完成后，暂时不要启动程序，直接关闭它。

三、补丁安装步骤

1. 下载补丁

点击以下链接获取补丁：点击获取补丁文件。

2. 配置激活补丁

解压补丁文件后，打开如图标注文件夹
将 /jetbra 文件夹单独拷贝并存放在 路径无中文或空格 的目录中。笔者这边放在E:\盘下
打开 /jetbra/scripts，运行对应的激活脚本，点击【确定】，等待提示 Done 即完成激活。

四、输入激活码

激活完成后，启动 IDEA，输入以下激活码：

打开如图标注文件

复制代码

6G5NXCPJZB-eyJsaWNlbnNlSWQiOiI2RzVOWENQSlpCIiw...

温馨提示：如果显示激活时间为 2026 年，其实是永久有效。

五、常见问题及解决方法

显示 “Key is invalid” 或者无法激活
- 确保 /jetbra 文件夹路径无中文或空格，且未被删除。
- 核对激活码是否完整复制。
- 若仍无法解决，建议回退到 1.x 版本再尝试激活。
激活提示 “区域限制”
- 注意，2024.2 之后的版本，若初次安装，会提示选择所在区域，如下图所示，如果选择了 China Mainland，会反复跳出激活码并提示无效，原因是新版本会拦截 .cn 域名，导致许可被吊销，所以，千万不要指定区域！！
- 如果是老用户，则可以在设置菜单中来更改（一定要更改）：

通过以上步骤，您已经成功安装IDEA 2024。让更多人受益！ 😊

新机必备——删除预装软件的程序Win11Debloat

Wed, 15 Oct 2025 12:34:25 -0800

新机必备——Win11Debloat

简介

A simple, lightweight PowerShell script to remove pre-installed apps, disable telemetry, as well as perform various other changes to customize, declutter and improve your Windows experience. Win11Debloat works for both Windows 10 and Windows 11.

Win11Debloat 是由 Jeffrey Raphire 開發的一款簡單、易用且輕量的 PowerShell 腳本，僅需一鍵即可刪除預先安裝的 Windows 膨脹軟體，使用 Win11Debloat，使用者可以停用遙測功能，並透過移除侵入性介面元素、廣告和右鍵功能表項目來簡化使用體驗。

Windows 10 / 11 作業系統中預先安裝了大量的膨脹軟體應用程式和功能，這些應用程式和功能可能會影響系統的效能和使用者體驗，我們可藉由 Win11Debloat 來一鍵優化您的 Windows 10 / 11 作業系統。

Win11Debloat 不需要手動檢視所有設定或逐一移除應用程式，而是簡化流程，讓您移除大部分預先安裝在作業系統中的應用程式，從而為您找回大量的可用空間。雖然腳本會刪除大部分預先安裝的應用程式，但請注意有些應用程式無法依預設移除，包括 Microsoft People、Microsoft XBox App 或 Microsoft YourPhone。

腳本的其他值得注意的功能包括在 Windows 搜尋中停用 Bing、透過隱藏某些資料夾來清理檔案總管，以及停用常見於設定、開始功能表或鎖定螢幕中的提示和建議。上述的清理是針對 Windows 11 所做的，而 Windows 10 則是針對額外的功能，例如從右鍵功能表中移除「授予存取權限」、「包含在資料庫」和「分享」。

Win11Debloat – 一鍵刪除 Windows 預先安裝的膨脹軟體

Win11Debloat 使用教學簡介：

Win11Debloat 不需要任何安裝過程或額外的 DLL 檔，將下載的壓縮檔解壓縮後直接執行批次檔 Run.bat 即可使用。

連按兩下 Run.bat 檔案啟動腳本。接受 Windows UAC 提示，以系統管理員身分執行腳本，這是腳本運作的必要條件。將會開啟一個新的 PowerShell 視窗，顯示 Win11Debloat 選單。建議選擇「預設模式」或「自訂模式」繼續。

(1) 預設模式: 套用預設設定（Default mode: Apply the default settings）

(2) 自訂模式: 根據您的需求修改腳本（Custom mode: Modify the script to your needs）

(3) 移除應用程式模式: 選擇並移除應用程式，無需進行其他變更（App removal mode: Select & remove apps, without making other changes）

(0) 顯示更多資訊（Show more information）

一般建議可以直接輸入 1 利用預設模式一鍵就能刪除 Windows 預先安裝的膨脹軟體，預設模式可讓您快速輕鬆地套用建議大多數使用者使用的變更，輸入 1 按下 Enter 顯示底下畫面

Win11Debloat 會進行以下變更（Win11Debloat will make the following changes）:

– 移除預設選擇的應用程式，清單可在「Appslist.txt」檔案中找到（Remove the default selection of apps, the list can be found in the ‘Appslist.txt’ file.）
– 停用遙測、診斷資料、活動歷程記錄、應用程式啟動追蹤和目標廣告（Disable telemetry, diagnostic data, app-launch tracking & targeted ads.）
– 停用和移除 Windows 搜尋中的 Bing 搜尋和 Cortana（Disable & remove Bing search & Cortana in Windows search.）
– 停用鎖定畫面上的提示與技巧 (這可能會變更您的鎖定畫面桌布)（Disable tips & tricks on the lockscreen. (This may change your lockscreen wallpaper)）
– 停用「開始」、「設定」、「通知」、「檔案總管」等中的提示、技巧、建議和廣告（Disable tips, tricks, suggestions and ads in start, settings, notifications and more.）
– 停用 Windows Copilot (Windows 11 組建 22621+)（Disable Windows Copilot. (Windows 11 build 22621+)）
– 顯示已知檔案類型的副檔名（Show file extensions for known file types.）
– 停用小工具服務並從工作列隱藏圖示（Disable the widget service & hide the icon from the taskbar.）
– 從工作列隱藏聊天 (立即開會) 圖示（Hide the Chat (meet now) icon from the taskbar.）
– 隱藏 Windows 檔案總管中的 3D 物件資料夾 (僅限 Windows 10)（Hide the 3D objects folder in Windows Explorer. (Windows 10 only)）

按下 Enter 執行腳本，或按下 CTRL+C 結束（Press enter to execute the script or press CTRL+C to quit）…

一旦按下 Enter 執行腳本之後，等待腳本執行完成後將顯示訊息「Script completed successfully!」代表已成功完成，即可按下任何鍵結束。

輸入 2 進入自訂模式，出現底下主畫面

選項（Options）：
(n) 不移除任何應用程式（Don’t remove any apps）
(1) 只移除「Appslist.txt」中預設選擇的膨脹軟體應用程式（Only remove the default selection of bloatware apps from ‘Appslist.txt’）
(2) 移除預設選取的膨脹軟體應用程式、郵件與行事曆應用程式、開發者應用程式和遊戲應用程式（Remove default selection of bloatware apps, aswell as mail & calendar apps, developer apps and gaming apps）
(3) 選擇要移除和保留的應用程式（Select which apps to remove and which to keep）
移除任何預先安裝的應用程式（Remove any pre-installed apps）? (n/1/2/3):

根據您的需求來選擇輸入，倘若輸入 3 會顯示底下的主畫面

勾選右下角「Only show installed apps」僅顯示本台電腦已安裝的應用程式，根據您的需求勾選要刪除的軟體，也可以利用勾選左上方的核取方塊「Check/Uncheck all」來全部勾選或取消全部勾選，確認好之後再按下左下角的 [Confirm] 按鈕之後繼續進行移除工作。

輸入 3 移除應用程式模式後會列出此軟體預設要移除的應用程式

輸入 0 顯示以下更多的詳細資訊，再按下任何鍵返回主畫面

建議您在使用 Win11Debloat 應用程式之前先建立還原點，以防遇到問題。

Win11Debloat 所做的所有變更都可以輕鬆還原，幾乎所有的應用程式都可以透過 Microsoft Store 重新安裝。

沉浸式开源浏览器翻译插件FluentRead

Tue, 14 Oct 2025 12:34:25 -0800

沉浸式开源浏览器翻译插件FluentRead

前言

由于沉浸式翻译存在安全问题，这里推荐FluentRead。

流畅阅读浏览器双语翻译插件

GitHub-FluentRead

简介

流畅阅读（FluentRead）是一款沉浸式开源浏览器翻译插件，支持 20 多种传统和 AI 翻译引擎，以及双语对照、划词翻译等功能，帮助用户实现多语言网页沉浸式阅读体验。适用于外语学习、国际网站浏览和文档翻译等场景。

该插件借助上下文感知技巧，实现精准的网页翻译。用户既能通过快捷键或滑动选择来进行翻译，它还具备翻译缓存与回译功能。

特色

流畅阅读（FluentRead）功能特征：

多引擎支持：流畅阅读支持多达20多种翻译引擎，像微软翻译、谷歌翻译、DeepL翻译、OpenAI、DeepSeek、Kimi、SiliconCloud、Ollama等主流翻译工具都在其列，用户可按需挑选最为适合的翻译引擎。
双语对照与仅译文模式：双语模式：会同时呈现原文和译文，方便用户学习和理解内容。仅译文模式：仅展示翻译后的文本，适合想要快速阅读的用户，使界面更加清爽。
智能缓存：自动保存已翻译内容长达24小时，当重复访问相同页面时，就无需再次翻译，大大提高了效率。
回译功能：可以把翻译后的文本重新翻译回原文，以帮助用户验证翻译的准确性，对外语学习起到了辅助作用。
快捷操作：支持通过快捷键和鼠标进行操作，能快速切换翻译模式或进行翻译操作，有效提升了用户体验。
翻译引擎支持：集成了多种翻译引擎，其中包括但不限于微软、谷歌、DeepL等，以此确保高质量的翻译效果。
适应性与兼容性：适用于多种浏览器，像Chrome、Firefox等都在其支持范围内，确保能在广泛的应用场景中使用。
智能上下文理解：利用AI对上下文进行理解，从而提供更加准确的翻译结果，让用户拥有接近母语的阅读体验。
无缝集成：在网页上直接进行工作，无需进行页面跳转，保持了阅读的连贯性。

应用场景

流畅阅读（FluentRead）应用场景：

学术研究：能够翻译外文文献，方便用户深入理解和学习。
国际新闻浏览：让用户可以轻松阅读不同语言的新闻报道。
在线教育：辅助外语学习，通过双语对照，助用户加深对知识的理解。
跨国商务：帮助用户快速理解外语文档，促进国际间的交流合作。
日常浏览：使用户能够毫无障碍地浏览全球的网站内容，获取信息，轻松克服语言障碍。

使用方法

流畅阅读（FluentRead）使用方法：

1. 安装： 访问GitHub页面或浏览器扩展商店，下载并安装FluentRead插件。

2. 启动： 安装完成后，浏览器工具栏会出现FluentRead图标，点击该图标即可启用。

3. 翻译操作：

双语阅读：选择需要翻译的文本或者直接浏览网页，插件会自动或在设置好的快捷键触发下显示翻译结果。
模式切换：用户可以通过插件设置或者快捷键，轻松在双语模式和仅译文模式之间切换。
回译验证：当对翻译结果存在疑问时，可使用回译功能进行校对。

4. 个性化设置： 根据个人的偏好，用户能够调整翻译引擎、显示模式以及缓存时间等。

具体操作：

使用翻译功能：在浏览网页时，选中需要翻译的文本，使用预先设定的快捷键，即可查看翻译结果，或者通过鼠标滑动的方式实时获取翻译内容。
调整翻译方式：用户可以按照个人习惯，随时调整翻译引擎和翻译设置，从而获得最佳的阅读体验。

📦 安装

浏览器	安装方式
Chrome	Chrome 应用商店 \| 国内镜像
Edge	Edge 应用商店
Firefox	Firefox 附加组件商店

📖 使用文档

请直接访问流畅阅读官方文档获取详细的：

功能介绍
配置指南
使用教程
常见问题

手写笔记软件RNote

Mon, 13 Oct 2025 18:34:25 -0800

RNote 手写笔记软件详解

前言

随着数字时代的到来，越来越多的人开始使用电子设备进行笔记和创作。作为一款专注于手写体验的笔记软件，RNote以其独特的设计理念和强大功能，成为众多用户心中的优选。本文将从软件特点、使用体验、设计理念等方面，为大家全面介绍RNote，希望能够帮助你更好地了解和使用这款高效的手写笔记工具。

Sketch and take handwritten notes.

rnote.flxzt.net

一、什么是RNote？

RNote是一款专注于手写笔记的应用软件，支持多平台使用，致力于为用户提供流畅自然的书写体验。无论是学习笔记、会议记录，还是创意思维导图，RNote都能满足不同场景下的需求。

它的界面简洁，操作直观，特别适合习惯用手写方式记录内容的用户。相比传统的纸质笔记，RNote不仅环保、易于保存，还能通过数字化管理提升查阅和编辑的效率。

二、RNote的核心特色

1. 自然流畅的书写体验

RNote采用先进的笔迹捕捉技术，支持多种手写笔的压力感应和倾斜角度识别，保证书写过程中的精准与顺滑，带来接近真实纸笔的书写质感。

2. 无限画布与灵活缩放

借鉴类似Pizarra这样具备无限画布和无限缩放功能的绘图应用，RNote支持用户在笔记中自由扩展内容，无需担心空间限制，方便思路的自由延展与分层整理。

3. 智能图形识别与辅助绘制

用户在绘制图形时，RNote可以自动识别并优化形状，提升整体笔记的美观与专业度，非常适合需要绘制流程图、示意图的场景。

4. 丰富的页面组织和标签管理

RNote支持多级文件夹、标签以及强大的搜索功能，方便用户对海量笔记进行高效分类和快速定位。

5. 多设备同步与云端备份

支持跨平台同步，数据自动上传至云端，避免因设备损坏或丢失带来的数据风险，且随时随地查看和编辑笔记。

三、设计灵感与架构优势

RNote的整体架构和设计灵感很大程度上受到创新绘图软件Pizarra的启发。Pizarra以其高级的图形变换和无限缩放功能为特点，RNote借鉴了其技术实现方式，结合手写笔记的需求，实现了更适合文字和图形混排的功能。

这种架构使RNote在性能和灵活性上都表现优异，用户可以享受到无缝衔接的书写和绘图体验，实现创意和记录的完美结合。

四、适用人群与使用场景

学生党：快速记录课堂重点，支持手写公式与图表，方便课后复习。
职场人士：会议记录与创意整理，结合多媒体插入，提高工作效率。
设计师与创作者：绘制草图与灵感捕捉，支持导出多种格式，便于分享。
爱好者：日常随笔与生活记录，体验数字笔记的便捷与趣味。

五、总结

RNote是一款兼具创新技术与实用功能的高效手写笔记软件。它不仅重视书写的自然流畅，更在画布自由度、图形智能化和多端协同方面体现出强大优势。结合了灵感来源Pizarra的架构优势，RNote为用户带来了极致的数字手写体验。

如果你正在寻找一款能够替代纸质笔记，同时保留手写魅力的电子笔记软件，RNote值得一试！

如果你对RNote感兴趣，不妨下载试用一下，体验这款结合创新设计与高效功能的手写笔记利器。

相关阅读：

Pizarra官网（灵感来源，优秀的无限缩放绘图工具）