[10/20 - 10/26] GitHub Weekly Digest

📌 mountain-loop/yaak

簡介

Yaak 是一款專為 REST, GraphQL, SSE, WebSocket, 和 gRPC 設計的桌面 API Client，其開發宗旨是提供一個快速、注重隱私且離線優先的工具。此應用程式採用 Tauri, Rust, 和 React 技術構建，確保其輕量化與高效能，同時承諾不收集任何遙測資料 (telemetry)，不依賴風投基金 (VC funding)，並且無雲端服務鎖定 (cloud lock-in)，完全保護使用者隱私。其開發主要由社群購買的許可證資助。

主要功能

• 支援廣泛的 API 型別，包括 REST, GraphQL, gRPC, WebSocket, 和 Server-Sent Events。
• 可從 Postman, Insomnia, OpenAPI, Swagger, 或 Curl 輕鬆匯入 API collections。
• 提供強大的 response 檢查工具，可使用 JSONPath 或 XPath 進行篩選。
• 內建多種安全認證機制，如 OAuth 2.0, JWT, Basic Auth，並支援自定義 plugins。
• 透過加密 secrets 保護敏感值，並將其安全地儲存於 OS keychain。
• 具備請求組織功能，可在 workspaces 和巢狀資料夾中管理 requests。
• 支援 environment variables，方便在 dev, staging, prod 環境間切換配置。
• 提供擴充套件與自定義選項，例如透過 template tags 插入動態值 (如 UUIDs, timestamps)，並支援多樣主題。

如何使用

• 提供的內容中未包含此部分的資訊。

📌 anthropics/claude-cookbooks

簡介

Claude Cookbooks 提供了程式碼與指南，旨在協助開發者運用 Claude 進行建置，並提供可直接複製的程式碼片段，方便輕鬆整合至您的專案中。雖然範例主要以 Python 編寫，但其概念可應用於任何支援 Claude API 互動的程式語言。

• 提供程式碼範例和指南，協助開發者使用 Claude 進行建構。
• 包含可直接複製的程式碼片段，便於整合至個人專案。
• 主要以 Python 編寫程式碼範例，但概念可適用於任何支援 Claude API 互動的程式語言。
• 推薦新使用者從 Claude API Fundamentals 課程開始，建立穩固基礎。
• 提供 Anthropic 開發者檔案、支援檔案和 Discord 社群連結，供進一步探索。

主要功能

• 核心功能 (Capabilities)：
  • Classification: 探索使用 Claude 進行文字和資料分類的技術。
  • Retrieval Augmented Generation: 學習如何利用外部知識增強 Claude 的回應。
  • Summarization: 發現使用 Claude 進行有效文字摘要的技術。
• 工具使用與整合 (Tool Use and Integration)：
  • 學習如何將 Claude 與外部工具和功能整合，以擴充套件其能力，例如客戶服務代理、Calculator integration、SQL queries。
• 第三方整合 (Third-Party Integrations)：
  • 透過外部資料來源補充 Claude 的知識，包括 Vector databases (Pinecone)、Wikipedia、Web pages。
  • 使用 Voyage AI 進行 Embeddings。
• 多模態能力 (Multimodal Capabilities)：
  • Vision with Claude: 涵蓋影象入門、視覺最佳實踐、圖表解釋、表單內容擷取。
  • Generate images with Claude: 使用 Claude 結合 Stable Diffusion 進行影象生成。
• 進階技術 (Advanced Techniques)：
  • Sub-agents: 學習如何將 Haiku 作為 sub-agent 與 Opus 結合使用。
  • Upload PDFs to Claude: 解析 PDF 並將其內容作為文字傳遞給 Claude。

如何使用

• 需具備 Claude API key 才能充分利用 Cookbooks 中的範例。
• 程式碼範例主要以 Python 編寫，但其概念可適用於任何支援 Claude API 互動的程式語言。
• 建議不熟悉 Claude API 的使用者，可先修習 Claude API Fundamentals 課程以建立基礎。
• Cookbooks 提供可直接複製的程式碼片段，方便開發者輕鬆整合到自己的專案中。

📌 PaddlePaddle/PaddleOCR

PaddleOCR是一個業界領先的OCR與檔案AI引擎，提供從文字提取到智慧檔案理解的端到端解決方案，支援多語言檔案解析、複雜結構轉換及智慧資訊提取。

簡介

• PaddleOCR 是一個業界領先、生產就緒的 OCR 和檔案 AI 引擎，提供從文字提取到智慧檔案理解的端到端解決方案。
• 它能將檔案和影象轉換為結構化的 AI 友好資料（如 JSON 和 Markdown），具有業界領先的準確性。
• 廣泛應用於獨立開發者、新創公司到大型企業的 AI 應用，以其在 AI 時代構建智慧檔案應用而聞名。
• 在 GitHub 上擁有超過 50,000 顆星，並深度整合至 MinerU、RAGFlow 和 OmniParser 等領先專案。
• PaddleOCR 3.0 引入了重大介面變更，舊版程式碼可能不相容，建議閱讀相關檔案以匹配使用版本。
• 提供 PaddleOCR 3.0 和 PaddleOCR-VL 的技術報告，展示其最新進展。
• 除了卓越的模型庫外，PaddleOCR 3.0 還提供模型訓練、推理和服務部署等使用者友善工具，加速 AI 應用落地。

主要功能

PaddleOCR 3.0 核心功能包括：

• PaddleOCR-VL：透過 0.9B VLM 實現多語言檔案解析，是一個 SOTA 且資源高效的模型，支援 109 種語言並能識別複雜元素（如 text, tables, formulas, charts）。
• PP-OCRv5：通用場景文字識別模型，單一模型支援五種文字型別（簡體中文、繁體中文、英文、日文、拼音），準確度提升 13%。
• PP-StructureV3：複雜檔案解析，能將複雜的 PDF 和檔案影象智慧轉換為保持原始結構的 Markdown 和 JSON 檔案，在公共基準測試中優於眾多商業解決方案。
• PP-ChatOCRv4：智慧資訊提取，原生整合 ERNIE 4.5，準確度較上一代提升 15%，能讓檔案「理解」您的問題並提供準確答案。
• 最新更新 (3.3.0) 釋出 PaddleOCR-VL，增強對 109 種語言的支援，並在頁面級檔案解析和元素級識別方面達到 SOTA 效能。
• PP-OCRv5 多語言識別模型提升了拉丁字母識別的準確度和覆蓋範圍，並新增支援西里爾、阿拉伯、梵文等多種語言系統，覆蓋 109 種語言。
• PP-Chart2Table 模組增強圖表轉表格功能，PP-DocTranslation 支援基於 PP-StructureV3 和 ERNIE 4.5 的檔案翻譯。
• 部署能力升級，全面支援 PaddlePaddle 3.1.0/3.1.1，C++ 本地部署解決方案升級，並支援 CUDA 12 及 Paddle Inference/ONNX Runtime 後端。

如何使用

• 線上試用：可透過線上 Demo 快速體驗 PaddleOCR 功能。
• 安裝 PaddleOCR 工具包：
  • 僅需基礎文字識別功能（返回文字位置座標及內容）：python -m pip install paddleocr
  • 需要所有功能（如檔案解析、檔案理解、檔案翻譯、關鍵資訊提取）：python -m pip install "paddleocr[all]"
  • 可依需求安裝部分選用功能，例如 doc-parser、ie、trans 等依賴組。
• 透過 CLI 執行推理：

  # 執行 PP-OCRv5 推理
  paddleocr ocr -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_ocr_002.png --use_doc_orientation_classify False --use_doc_unwarping False --use_textline_orientation False  
  
  # 執行 PP-StructureV3 推理
  paddleocr pp_structurev3 -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/pp_structure_v3_demo.png --use_doc_orientation_classify False --use_doc_unwarping False
  
  # 執行 PaddleOCR-VL 推理
  paddleocr doc_parser -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/paddleocr_vl_demo.png
  

• 透過 API 執行推理：
  • PP-OCRv5 範例：

    from paddleocr import PaddleOCR
    ocr = PaddleOCR(
        use_doc_orientation_classify=False,
        use_doc_unwarping=False,
        use_textline_orientation=False)
    result = ocr.predict(
        input="https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_ocr_002.png")
    for res in result:
        res.print()
        res.save_to_json("output")

  • PP-StructureV3 範例：

    from paddleocr import PPStructureV3
    pipeline = PPStructureV3(
        use_doc_orientation_classify=False,
        use_doc_unwarping=False
    )
    output = pipeline.predict(
        input="https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/pp_structure_v3_demo.png",
    )
    for res in output:
        res.print()
        res.save_to_markdown(save_path="output")

  • PP-ChatOCRv4 範例：

    from paddleocr import PPChatOCRv4Doc
    # 初始化 PPChatOCRv4Doc 例項並配置 ChatBot 模組，例如：
    # chat_bot_config = {"module_name": "chat_bot", "model_name": "ernie-3.5-8k", "base_url": "..."}
    # pipeline = PPChatOCRv4Doc(chat_bot_config=chat_bot_config)

📌 lfnovo/open-notebook

簡介

Open Notebook 是一個開源、注重隱私的專案，旨在提供一個多模型、100% 本地化且功能齊全的 Google Notebook LM 替代方案。它讓使用者能完全掌控其研究資料，並自由選擇多種 AI 模型，突破單一供應商限制，實現知識獲取與思考的自主權。

主要功能

• 隱私優先： 您的所有研究資料皆由您完全掌控，無需依賴雲端服務。
• 多模型 AI 支援： 支援超過 16 種 AI 模型提供商，包括 OpenAI、Anthropic、Ollama、Google、LM Studio 等，提供極高的靈活性。
• 支援多媒體內容： 可組織並處理 PDF、影片、音訊、網頁、Office 檔案等多種內容格式。
• 智慧搜尋與對話： 提供內容的全文搜尋與向量搜尋，並支援基於您研究資料的 AI 對話 (Context-Aware Chat)。
• 專業播客生成： 具備進階的多說話者播客生成功能，並可自訂 Episode Profiles。
• AI 輔助筆記： 可手動建立筆記或利用 AI 生成洞察。
• 強大的 API 存取： 提供完整的 REST API，便於客製化整合與自動化。
• 細粒度上下文控制： 精確選擇與 AI 模型共享的內容範圍。

如何使用

• 快速開始：
  • 透過 Docker 映像檔部署，可選擇 Docker Hub (lfnovo/open_notebook:v1-latest-single) 或 GitHub Container Registry (ghcr.io/lfnovo/open-notebook:v1-latest-single)。
• 部署選項：
  • 本機部署 (Local Machine Setup)： 使用 docker run 指令在本地機器上執行，透過 http://localhost:8502 存取。
  • 遠端伺服器部署 (Remote Server Setup)： 適用於遠端伺服器，需將 API_URL 環境變數設定為您的伺服器 IP 或網域。
  • 使用 Docker Compose (推薦)： 建立 docker-compose.yml 檔案以簡化管理，定義服務、連線埠、環境變數及資料卷。
• 重要設定須知：
  • 需同時開放 Port 8502 (Web UI) 和 Port 5055 (API 後端)。
  • API_URL 變數必須與您實際存取伺服器的方式一致，遠端存取時請勿使用 localhost。
• 問題排除：
  • 提供常見問題（如 "Unable to connect to server"、空白頁面、"404" 錯誤）及其解決方案，建議檢查連線埠開放狀態及 API_URL 設定。
• 架構簡述：
  • 瀏覽器 (Port 8502) 載入 Next.js 前端，前端將 /api/* 請求代理至 FastAPI 後端 (Port 5055)，後端再與 SurrealDB 資料庫 (Port 8000) 互動。
• 開發者安裝：
  • 欲進行開發或客製化，可透過 git clone 專案後執行 make start-all。
• 尋求協助：
  • 提供專案的 CustomGPT、Getting Started Guide、Installation Guide 及 Quick Start Tutorial 等資源以協助使用者。

📌 EbookFoundation/free-programming-books

簡介

這個列表最初是 StackOverflow 上「List of Freely Available Programming Books」的複製版。它由 Victor Felder 移至 GitHub 進行協作更新與維護，並在 Karan Bhangui 和 George Stocker 的貢獻下發展。目前由非營利組織 The Free Ebook Foundation 管理，已成為 GitHub 上最受歡迎的儲存庫之一，提供多種語言的免費學習資源。

主要功能

• 提供大量免費的學習資源，包括書籍、Cheat Sheets、線上課程、互動式程式設計資源等。
• 資源依「型別」與「語言」進行詳細分類，方便使用者查詢。
• 涵蓋多種國際語言，不限於英文，例如中文、日文、德文、法文、西班牙文等。
• 書籍資源細分為英文（依程式語言、主題）及其他語言。
• 收錄 Free Online Courses、Interactive Programming Resources、Problem Sets、Podcasts 和 Screencasts。
• 透過專屬網站 https://ebookfoundation.github.io/free-programming-books-search/ 提供可搜尋的資源列表。
• 支援在多個社群媒體平臺分享此資源，如 Facebook, LinkedIn, Mastodon/Fediverse, Telegram, 𝕏 (Twitter)。

如何使用

• 請訪問 https://ebookfoundation.github.io/free-programming-books-search/ 網站以搜尋和瀏覽所有資源。
• 該頁面作為一個易於閱讀的網站版本提供，點選連結即可直接訪問。
• 若有意貢獻，請務必閱讀 CONTRIBUTING 檔案以瞭解貢獻指南。
• 請遵守專案的 Code of Conduct (行為準則)，其譯本亦可提供。
• 您可以透過點選相關徽章來瞭解如何參與或提供幫助。
• 若要分享此資源，可使用提供的選項在 Facebook, LinkedIn, Mastodon/Fediverse, Telegram, 𝕏 (Twitter) 上分享。
• 資源按 Books (英文、其他語言), Cheat Sheets, Free Online Courses, Interactive Programming Resources 等型別分類，請依需求瀏覽。