Ragflow-Plus：基于 Ragflow 的二次开发，专注解决实际应用痛点，提升知识库管理与文档交互效率。
• 全新后台管理系统：支持用户、团队、配置、文件与知识库统一管理，提升运维便捷度
• 权限回收机制：前端权限收缩，简化操作界面，保障安全与易用并重
• 解析能力升级：引入 MinerU 替代 DeepDoc，增强文本与图片解析效果，实现图文结合输出
• 文档撰写模式革新：全新交互体验，优化内容创作流程，适合多场景知识沉淀
• 开箱即用：提供 Docker 快速部署方案，配套视频教程与详细文档支持
• 开源透明：遵循 AGPLv3 许可证，支持商业使用，保障软件自由与合规
• 社群活跃：官方社群讨论技术与使用，支持持续贡献与共建
Ragflow-Plus 深耕知识管理本质，结合技术迭代与用户需求，助力打造高效、灵活的智能文档与问答平台。
#资源参考 #RAG
• 全新后台管理系统：支持用户、团队、配置、文件与知识库统一管理，提升运维便捷度
• 权限回收机制：前端权限收缩，简化操作界面，保障安全与易用并重
• 解析能力升级：引入 MinerU 替代 DeepDoc，增强文本与图片解析效果，实现图文结合输出
• 文档撰写模式革新：全新交互体验，优化内容创作流程，适合多场景知识沉淀
• 开箱即用：提供 Docker 快速部署方案，配套视频教程与详细文档支持
• 开源透明：遵循 AGPLv3 许可证，支持商业使用，保障软件自由与合规
• 社群活跃：官方社群讨论技术与使用，支持持续贡献与共建
Ragflow-Plus 深耕知识管理本质，结合技术迭代与用户需求，助力打造高效、灵活的智能文档与问答平台。
#资源参考 #RAG
Streamlit PDF Viewer：专为Streamlit应用设计的高效PDF可视化和增强组件，助力结构化数据展示与交互体验升级。
• 基于pdf.js，支持PDF文件直观展示，文本层覆盖实现复制粘贴
• 支持页面级渲染与滚动，快速定位指定页码或注释
• 注释高亮显示，支持多种边框样式及颜色，自定义点击回调函数
• 多重缩放控制，灵活调整视图比例，容器内居中/左/右对齐自由配置
• 可选分页分隔线，提升多页文档视觉分辨率
• 兼容Firefox和Chrome，针对复杂PDF支持动态加载及交互
• 开源Apache-2.0许可，持续迭代中，适合科研、文档分析与数据标注场景
通过对PDF的文本与注释分层渲染，实现了交互性与信息可复制性的平衡，促进面向结构化数据的深度挖掘和应用开发。
入门简单，pip install即可集成，适用范围广泛，具备长期工程实践参考价值。
• 基于pdf.js，支持PDF文件直观展示，文本层覆盖实现复制粘贴
• 支持页面级渲染与滚动，快速定位指定页码或注释
• 注释高亮显示，支持多种边框样式及颜色，自定义点击回调函数
• 多重缩放控制，灵活调整视图比例，容器内居中/左/右对齐自由配置
• 可选分页分隔线，提升多页文档视觉分辨率
• 兼容Firefox和Chrome，针对复杂PDF支持动态加载及交互
• 开源Apache-2.0许可，持续迭代中，适合科研、文档分析与数据标注场景
通过对PDF的文本与注释分层渲染，实现了交互性与信息可复制性的平衡，促进面向结构化数据的深度挖掘和应用开发。
入门简单，pip install即可集成，适用范围广泛，具备长期工程实践参考价值。
VSAG：面向大规模向量集的高效相似度搜索索引库，突破内存限制，简化参数调优，助力精确快速检索。
• 支持超大规模向量集合，适配内存外数据，解决传统向量库内存瓶颈。
• 采用领先算法，QPS性能较Glass提升100%，较HNSWLIB提升300%（基于ann-benchmark，GIST数据集，90%召回率）。
• C++核心实现，提供Python封装pyvsag，便于集成与二次开发。
• 自动参数生成机制，无需深入算法原理即可高效部署。
• 多场景验证，OceanBase、TuGraph、GreptimeDB等多个顶级分布式系统采用。
• 持续迭代，2025年路线图包含稀疏向量搜索、ARM与GPU加速、图结构压缩等关键特性。
• 开源社区驱动，欢迎贡献代码与反馈，促进矢量数据库生态发展。
VSAG从算法优化到工程实现均体现出对大规模、高性能相似度搜索的深刻理解，提供了行业领先的解决方案与可持续进化路径，适合长期技术布局与创新探索。
• 支持超大规模向量集合，适配内存外数据，解决传统向量库内存瓶颈。
• 采用领先算法，QPS性能较Glass提升100%，较HNSWLIB提升300%（基于ann-benchmark，GIST数据集，90%召回率）。
• C++核心实现，提供Python封装pyvsag，便于集成与二次开发。
• 自动参数生成机制，无需深入算法原理即可高效部署。
• 多场景验证，OceanBase、TuGraph、GreptimeDB等多个顶级分布式系统采用。
• 持续迭代，2025年路线图包含稀疏向量搜索、ARM与GPU加速、图结构压缩等关键特性。
• 开源社区驱动，欢迎贡献代码与反馈，促进矢量数据库生态发展。
VSAG从算法优化到工程实现均体现出对大规模、高性能相似度搜索的深刻理解，提供了行业领先的解决方案与可持续进化路径，适合长期技术布局与创新探索。
GitHub
GitHub - antgroup/vsag: vsag is a vector indexing library used for similarity search.
vsag is a vector indexing library used for similarity search. - antgroup/vsag
ALLinSSL
⭐️ 项目功能：SSL证书自动化管理
📁 项目简介：一个开源免费的SSL证书自动化管理平台，旨在简化SSL/TLS证书的申请、部署和续期过程。
通过一键式操作实现全生命周期的自动化管理，支持跨云环境和多种证书颁发机构（CA），大幅降低了手动操作的复杂性和出错风险。
🌐 项目地址：点击直达
⭐️ 项目功能：SSL证书自动化管理
📁 项目简介：一个开源免费的SSL证书自动化管理平台，旨在简化SSL/TLS证书的申请、部署和续期过程。
通过一键式操作实现全生命周期的自动化管理，支持跨云环境和多种证书颁发机构（CA），大幅降低了手动操作的复杂性和出错风险。
🌐 项目地址：点击直达
GitHub
GitHub - allinssl/allinssl: AllinSSL 是一个集证书申请、管理、部署和监控于一体的SSL证书全生命周期管理工具。AllinSSL is an all-in-one SSL certificate lifecycle management…
AllinSSL 是一个集证书申请、管理、部署和监控于一体的SSL证书全生命周期管理工具。AllinSSL is an all-in-one SSL certificate lifecycle management tool that integrates certificate application, management, deployment, and monitoring. - ...
短视频理解进入结构化新时代，ARC-Hunyuan-Video-7B推动多模态深度解析，助力内容精准洞察。
• 专为微信视频号、抖音等用户生成短视频设计，综合视觉、音频、文本信号，实现创作者意图、情感表达与核心信息的深度理解。🎥🎧
• 同步处理视觉与音频，支持复杂问题解答，突破单模态限制，精准识别幽默、细节等多维内容。
• 时间感知精准，具备多粒度时间戳字幕、时间定位与事件总结能力，适配视频检索、精彩片段生成和内容分析。
• 多阶段训练结合强化学习，强化推理能力，支持零样本及少样本微调，广泛覆盖视频标签、推荐、检索等下游应用。
• 建基于Hunyuan-7B视觉语言模型，创新音频编码器与时间戳叠加机制，百万级真实视频自动标注，确保模型高质量主观理解。
• 提供模型权重与vLLM支持的API服务，支持中英文多模态视频理解，V0版本专注中文视频描述与总结。
以结构化视频理解为核心，ARC-Hunyuan-Video-7B不仅解析“发生了什么”，更洞悉“何时何地”及“背后意义”，为视频智能分析树立新标杆。
• 专为微信视频号、抖音等用户生成短视频设计，综合视觉、音频、文本信号，实现创作者意图、情感表达与核心信息的深度理解。🎥🎧
• 同步处理视觉与音频，支持复杂问题解答，突破单模态限制，精准识别幽默、细节等多维内容。
• 时间感知精准，具备多粒度时间戳字幕、时间定位与事件总结能力，适配视频检索、精彩片段生成和内容分析。
• 多阶段训练结合强化学习，强化推理能力，支持零样本及少样本微调，广泛覆盖视频标签、推荐、检索等下游应用。
• 建基于Hunyuan-7B视觉语言模型，创新音频编码器与时间戳叠加机制，百万级真实视频自动标注，确保模型高质量主观理解。
• 提供模型权重与vLLM支持的API服务，支持中英文多模态视频理解，V0版本专注中文视频描述与总结。
以结构化视频理解为核心，ARC-Hunyuan-Video-7B不仅解析“发生了什么”，更洞悉“何时何地”及“背后意义”，为视频智能分析树立新标杆。
GitHub
GitHub - TencentARC/ARC-Hunyuan-Video-7B: Structured Video Comprehension of Real-World Shorts
Structured Video Comprehension of Real-World Shorts - TencentARC/ARC-Hunyuan-Video-7B
Python 代码质量分析新利器，集成多工具输出精准诊断：
• 综合 Pylint、pycodestyle、McCabe 复杂度等多款分析工具，覆盖错误、潜在问题、风格违例及复杂度评估
• 默认配置即开箱即用，自动适配项目依赖库，减少误报，特别优化 Django、Celery 等框架支持
• 灵活配置“profiles”实现定制化规则，支持严格度分级（verylow 到 veryhigh），满足不同团队需求
• JSON 输出方便集成自动化流程，支持 pre-commit 钩子自动运行，保障代码持续健康
• 安装便捷：pip 安装一键完成，支持扩展插件（如 mypy、bandit），满足安全与类型检查
• 开源 GPLv2 许可，活跃社区支持，2k+ Stars，持续进化中
深度洞察：Prospector 通过框架感知和多工具融合，解决单一工具误报多、配置复杂难题，提升团队代码质量管理效率，兼顾准确性与易用性，适合长期维护和复杂项目。
Prospector | #工具
• 综合 Pylint、pycodestyle、McCabe 复杂度等多款分析工具，覆盖错误、潜在问题、风格违例及复杂度评估
• 默认配置即开箱即用，自动适配项目依赖库，减少误报，特别优化 Django、Celery 等框架支持
• 灵活配置“profiles”实现定制化规则，支持严格度分级（verylow 到 veryhigh），满足不同团队需求
• JSON 输出方便集成自动化流程，支持 pre-commit 钩子自动运行，保障代码持续健康
• 安装便捷：pip 安装一键完成，支持扩展插件（如 mypy、bandit），满足安全与类型检查
• 开源 GPLv2 许可，活跃社区支持，2k+ Stars，持续进化中
深度洞察：Prospector 通过框架感知和多工具融合，解决单一工具误报多、配置复杂难题，提升团队代码质量管理效率，兼顾准确性与易用性，适合长期维护和复杂项目。
Prospector | #工具
GitHub
GitHub - prospector-dev/prospector: Inspects Python source files and provides information about type and location of classes, methods…
Inspects Python source files and provides information about type and location of classes, methods etc - prospector-dev/prospector
Docling Parse：专注于从程序化 PDF 中高效提取文本、路径及位图资源的轻量级工具包。
• 支持字符、单词及行级别文本坐标输出，精准定位文本内容，方便深度版面分析与可视化
• 同时提取路径和位图图像，满足复杂文档结构解析需求
• 内置可交互式可视化脚本，便于快速验证与展示解析效果
• 性能显著提升，最新版本解析速度较初版快 5-10 倍，适合大规模文档处理
• Python 包即装即用，支持命令行和编程接口，灵活集成到多种工作流
• 完全开源，MIT 许可，社区活跃，持续更新与优化，便于二次开发和创新
• 适合科研、文档数字化、信息抽取等多场景应用，助力文档数据智能化转型
基于程序化 PDF 结构，精细提取多层级文本单元与图形元素，融合性能优化与可视化，推动 PDF 内容的结构化理解与应用扩展。
#资源参考 #工具 #AI #PDF提取文本图像
• 支持字符、单词及行级别文本坐标输出，精准定位文本内容，方便深度版面分析与可视化
• 同时提取路径和位图图像，满足复杂文档结构解析需求
• 内置可交互式可视化脚本，便于快速验证与展示解析效果
• 性能显著提升，最新版本解析速度较初版快 5-10 倍，适合大规模文档处理
• Python 包即装即用，支持命令行和编程接口，灵活集成到多种工作流
• 完全开源，MIT 许可，社区活跃，持续更新与优化，便于二次开发和创新
• 适合科研、文档数字化、信息抽取等多场景应用，助力文档数据智能化转型
基于程序化 PDF 结构，精细提取多层级文本单元与图形元素，融合性能优化与可视化，推动 PDF 内容的结构化理解与应用扩展。
#资源参考 #工具 #AI #PDF提取文本图像
GitHub
GitHub - docling-project/docling-parse: Simple package to extract text with coordinates from programmatic PDFs
Simple package to extract text with coordinates from programmatic PDFs - docling-project/docling-parse
NVIDIA AI Blueprint：大规模视频搜索与摘要的行业级解决方案
• 支持海量实时及存档视频的智能摄取与结构化分析，助力快速决策与运营优化
• 结合视觉语言模型（Cosmos Nemotron VLM）、大型语言模型（Llama Nemotron LLM）及NVIDIA NIM微服务，实现精准视频摘要和交互式问答
• 采用Context-Aware RAG模块，融合向量库与图数据库，增强多跳推理、时序理解及异常检测能力
• 灵活部署：支持单GPU、局部多GPU及完全远程架构，满足从开发到生产的多种场景需求
• 面向视频分析师与AI开发者，提供一键部署、丰富配置及高度可定制化的流水线和微服务
• 完善文档覆盖API授权、硬件需求、快速上手指南及安全漏洞说明，保障稳定可靠运行
• 典型应用涵盖智能空间监控、仓储自动化及标准作业流程验证，赋能行业数字化转型
视频智能分析已进入多模态融合与上下文增强的新阶段，NVIDIA蓝图提供了系统化路径，降低复杂度，提升效率，释放视频数据的最大价值。
• 支持海量实时及存档视频的智能摄取与结构化分析，助力快速决策与运营优化
• 结合视觉语言模型（Cosmos Nemotron VLM）、大型语言模型（Llama Nemotron LLM）及NVIDIA NIM微服务，实现精准视频摘要和交互式问答
• 采用Context-Aware RAG模块，融合向量库与图数据库，增强多跳推理、时序理解及异常检测能力
• 灵活部署：支持单GPU、局部多GPU及完全远程架构，满足从开发到生产的多种场景需求
• 面向视频分析师与AI开发者，提供一键部署、丰富配置及高度可定制化的流水线和微服务
• 完善文档覆盖API授权、硬件需求、快速上手指南及安全漏洞说明，保障稳定可靠运行
• 典型应用涵盖智能空间监控、仓储自动化及标准作业流程验证，赋能行业数字化转型
视频智能分析已进入多模态融合与上下文增强的新阶段，NVIDIA蓝图提供了系统化路径，降低复杂度，提升效率，释放视频数据的最大价值。
GitHub
GitHub - NVIDIA-AI-Blueprints/video-search-and-summarization: Blueprint for Ingesting massive volumes of live or archived videos…
Blueprint for Ingesting massive volumes of live or archived videos and extract insights for summarization and interactive Q&A - NVIDIA-AI-Blueprints/video-search-and-summarization
#开源 #抓包 #工具
🔗 ProxyPin - 开源免费抓包工具
您可以使用它来拦截、检查和重写 HTTP(S) 流量，支持手机扫码连接、域名过滤、搜索、请求重写等功能
支持Windows、Mac、Android、IOS、Linux 全平台系统
🔗 ProxyPin - 开源免费抓包工具
您可以使用它来拦截、检查和重写 HTTP(S) 流量，支持手机扫码连接、域名过滤、搜索、请求重写等功能
支持Windows、Mac、Android、IOS、Linux 全平台系统
GitHub
proxypin/README_CN.md at main · wanghongenpin/proxypin
Open source free capture HTTP(S) traffic software ProxyPin, supporting full platform systems - wanghongenpin/proxypin
#prompt #AI
🔗 Prompt Optimizer - 一个开源的提示词优化工具
输入提示词就可以开始优化，支持多个 AI 大模型，可直观查看、对比提示词优化
支持在线使用、Chrome 插件、Vercel部署、Docker部署
📑相关阅读
PromptPilot - 字节跳动推出的 AI 提示词优化工具
🔗 Prompt Optimizer - 一个开源的提示词优化工具
输入提示词就可以开始优化，支持多个 AI 大模型，可直观查看、对比提示词优化
支持在线使用、Chrome 插件、Vercel部署、Docker部署
📑相关阅读
PromptPilot - 字节跳动推出的 AI 提示词优化工具
#Flux #图像处理 #AI
🎥 一款基于 Flux Kontext 模型开发的老照片修复在线工具
该工具可修复老照片、修复划痕和损坏，还能给黑白照片上色
实测效果还可以，目前完全免费
🎥 一款基于 Flux Kontext 模型开发的老照片修复在线工具
该工具可修复老照片、修复划痕和损坏，还能给黑白照片上色
实测效果还可以，目前完全免费
restoreoldphotos.io
Restore Old Photos
Restore Your Old Photos Online With AI For Free.
#自动化 #自媒体 #工具
🔁 自媒体运营助手 - 一个开源的浏览器自动化工具
⬇️ 下载页面
自媒体运营工具支持一键视频搬家、下载，一键发布视频到多平台，一键搬家到快手、YouTube、小红书、美拍、哔哩哔哩等平台
支持 Windows、macOS
🔁 自媒体运营助手 - 一个开源的浏览器自动化工具
⬇️ 下载页面
自媒体运营工具支持一键视频搬家、下载，一键发布视频到多平台，一键搬家到快手、YouTube、小红书、美拍、哔哩哔哩等平台
支持 Windows、macOS
GitHub
GitHub - spider-ios/autox-release: 网页自动化工具，油管等视频下载，一键搬家，视频多平台发布，一键发布到tiktok、小红书、快手、抖音、油管、B站等等平台
网页自动化工具，油管等视频下载，一键搬家，视频多平台发布，一键发布到tiktok、小红书、快手、抖音、油管、B站等等平台 - spider-ios/autox-release
#开源 #下载工具
🎓 knowledge-grab - 国家中小学智慧教育平台资源下载器
⬇️ 下载页面
功能是可以从国家中小学智慧教育平台下载特定教育资源，支持批量下载、分类下载。支持Windows、macOS、Linux
☀️ 适合教育工作者、家里有娃的家长
🎓 knowledge-grab - 国家中小学智慧教育平台资源下载器
⬇️ 下载页面
功能是可以从国家中小学智慧教育平台下载特定教育资源，支持批量下载、分类下载。支持Windows、macOS、Linux
☀️ 适合教育工作者、家里有娃的家长
Telegraphite 是一款功能强大的工具，用于从公开 Telegram 源中提取和保存帖子，具有多种功能。
它支持从多个频道提取帖子、以 JSON 格式保存数据、上传媒体文件和按关键字过滤。
该工具可在计划模式和连续模式下运行，并能删除重复的帖子。
可按关键字或内容类型（纯文本、纯媒体）筛选。
数据存储在结构化目录中，每个 posts.json 文件都包含帖子信息，如 ID、日期和内容。
🧬 https://github.com/hamodywe/telegram-scraper-TeleGraphite
#tools
它支持从多个频道提取帖子、以 JSON 格式保存数据、上传媒体文件和按关键字过滤。
该工具可在计划模式和连续模式下运行，并能删除重复的帖子。
可按关键字或内容类型（纯文本、纯媒体）筛选。
数据存储在结构化目录中，每个 posts.json 文件都包含帖子信息，如 ID、日期和内容。
🧬 https://github.com/hamodywe/telegram-scraper-TeleGraphite
#tools
GitHub
GitHub - hamodywe/telegram-scraper-TeleGraphite: A fast and reliable Telegram channel scraper that fetches posts and exports them…
A fast and reliable Telegram channel scraper that fetches posts and exports them to JSON. - hamodywe/telegram-scraper-TeleGraphite
#插件 #图片放大 #开源
Hover Zoom +
网页图片/视频放大插件，鼠标悬停任意网页缩略图，即可无缝放大至原始尺寸，并自动适配视窗，适用于 Facebook、Amazon、微博、知乎、B 站、抖音、虎扑、图虫等网站，支持 Chrome、Firefox、Edge 浏览器，免费开源。
🐙 GitHub 🌐 Chrome
Hover Zoom +
网页图片/视频放大插件，鼠标悬停任意网页缩略图，即可无缝放大至原始尺寸，并自动适配视窗，适用于 Facebook、Amazon、微博、知乎、B 站、抖音、虎扑、图虫等网站，支持 Chrome、Firefox、Edge 浏览器，免费开源。
🐙 GitHub 🌐 Chrome
GitHub
GitHub - extesy/hoverzoom: Google Chrome extension for zooming images on mouse hover
Google Chrome extension for zooming images on mouse hover - extesy/hoverzoom
高效上下文工程实用指南，助力 Gemini 2.5 和 ManusAI 优化性能与成本控制：
• 上下文顺序关键🧩：采用“追加式”上下文，将新信息追加到末尾，提升缓存命中率，降低4倍成本与延迟。
• 工具管理需稳定🔧：避免任务中途变更工具顺序或可用性，防止缓存失效和模型混乱。
• 外部记忆不可少💾：主动写入上下文和目标至外部存储，防止信息丢失。Manus 典型任务需调用约50次工具。
• 定期复述目标🎯：让模型周期性重申任务目标，保持关注重点，防止迷失方向。
• 错误信息要保留⚠️：上下文中保留错误提示，帮助模型从错误中学习，避免重复失误。
方法论核心在于稳定输入结构与闭环反馈，确保模型持续聚焦与高效执行，提升长期任务可靠性与成本效益。
• 上下文顺序关键🧩：采用“追加式”上下文，将新信息追加到末尾，提升缓存命中率，降低4倍成本与延迟。
• 工具管理需稳定🔧：避免任务中途变更工具顺序或可用性，防止缓存失效和模型混乱。
• 外部记忆不可少💾：主动写入上下文和目标至外部存储，防止信息丢失。Manus 典型任务需调用约50次工具。
• 定期复述目标🎯：让模型周期性重申任务目标，保持关注重点，防止迷失方向。
• 错误信息要保留⚠️：上下文中保留错误提示，帮助模型从错误中学习，避免重复失误。
方法论核心在于稳定输入结构与闭环反馈，确保模型持续聚焦与高效执行，提升长期任务可靠性与成本效益。
manus.im
Context Engineering for AI Agents: Lessons from Building Manus
This post shares the local optima Manus arrived at through our own "SGD". If you're building your own AI agent, we hope these principles help you converge faster.
