Skip to main content

🎉 Efficiency资源干货全收录

🎉 Efficiency资源干货全收录
🎉 Efficiency资源干货全收录
个人主理频道,收录推送各类项目
#开源 #网站 #AI #教程 #notion #rss
访问主页： www.noisework.cn
RSS订阅: https://tg.i-c-a.su/rss/quanshoulu
频道页面：https://tg.noisework.cn
云盘资源搜索Bot：@noisepansoubot

  1. #Clash 利用 clash api 对 clash 进行增强。默认的 clash 是对节点延迟进行检查，但是低延迟并不一定有好的速度，多数时候不需要低延迟，而是要更好的速度。 该工具使用当前选择的节点进行测试，如果当前节点不可以用或不满足条件，则进行切换，使用本地网络寻找最适合当前网络的节点。
    https://github.com/877007021/clashTools
    GitHub
    GitHub - 877007021/clashTools: 利用 clash api 对 clash 进行增强。默认的 clash 是对节点延迟进行检查，但是低延迟并不一定有好的速度，多数时候不需要低延迟，而是要更好的速度。 该工具使用当前选择的节点…
    GitHub - 877007021/clashTools: 利用 clash api 对 clash 进行增强。默认的 clash 是对节点延迟进行检查，但是低延迟并不一定有好的速度，多数时候不需要低延迟，而是要更好的速度。 该工具使用当前选择的节点…
    利用 clash api 对 clash 进行增强。默认的 clash 是对节点延迟进行检查，但是低延迟并不一定有好的速度，多数时候不需要低延迟，而是要更好的速度。 该工具使用当前选择的节点进行测试，如果当前节点不可以用或不满足条件，则进行切换，使用本地网络寻找最适合当前网络的节点。 - 877007021/clashTools

  6. #AI
    Realesrgan-gui-跨平台实用、美观的AI图片放大工具
    Real-ESRGAN GUI 是 AI 图像修复算法 Real-ESRGAN 的开源图形界面。
    Github：https://github.com/TransparentLC/realesrgan-gui
    官网：https://akarin.dev/realesrgan-gui/
    - 简单易上手的图形界面
    - Windows、Linux、macOS 全平台支持 1
    - 深色模式自动切换 2
    - 多语言支持 3
    - 完全在本地运行，无需安装，绿色便携
    1 已在 Windows 10、Ubuntu 22.04 上确认兼容性。由于缺少测试环境，可能无法处理 macOS 相关的使用问题。 2 在 macOS 上未适配。 3 目前支持的语言：简繁中文、English、Українська。欢迎添加更多语言的翻译，或对现有翻译进行改进。
    功能介绍
    在原版支持的功能的基础上，增加了以下功能：
    - 任意尺寸放大
    ◦ Real-ESRGAN 只能将输入的图片以固定的 2-4x 倍率（和选用的模型有关）放大。
    ◦ 这一功能通过多次调用 Real-ESRGAN 后使用常规缩放算法降采样实现。
    ◦ 例如将 640×360 的图片使用 2x…
    📡发布：https://noisevip.cn/18130.html
    🪧关注频道：@quanshoulu
    💬频道社群：https://www.noisework.cn/qun/
    📬投稿bot：@noisewowbot
    📇搜索bot：@Efficiencysearchbot
    🎁访问主页： www.noisework.cn

  7. #app #mac
    Beat-一款适用于macOS的简单而优雅的编剧应用程序
    一款简单优雅的 macOS 编剧应用程序，使用纯文本 Fountain 剧本格式。它快速、轻巧，最重要的是，它有一个无干扰、简约的用户界面。Beat 也是 GPL 下的自由开源。
    官方网站(https://www.beat-app.fi/) App Store(https://apps.apple.com/fi/app/beat/id1549538329)
    特征
    无干扰写作
    屏幕上没有按钮或其他无用的废话。没有弹出警报。低调的外表很容易让人赏心悦目，你可以专注于写你的故事。
    纯文本
    文件使用纯文本 Fountain 剧本格式保存。您可以将文件导出为最终草稿和 **PDF，**甚至可以在任何文本编辑器上编辑它们。
    导入多种格式
    Beat 可以非常完美地读取由 Final Draft、Highland、Fade In 和 Celtx 创建的文件。FDX导入甚至包括注释和修订！
    深色模式
    如果您碰巧是吸血鬼，Beat 会为夜间儿童提供令人愉悦的黑暗模式，即使在较旧的 Mac 上也是如此。
    强大的轮廓
    大纲视图和场景卡片可以很好地了解您的故事。添加部分和概要，并通过拖放重新组织场景。
    自动格式化
    您无需格式化剧本。场景标题和对话等元素被自动识别，并具有自动完成功能。
    修改
    可以轻松地自动或手动跟踪脚本的修订，并突出显示导出的 PDF 上的更改。
    轻松的场景编号
    使用自动场景编号，再也不用关心它，或者直接在脚本中锁定和编辑它们。场景编号也可以通过两次单击从任意数字开始。
    剧本统计
    轻松查看有关平均场景长度、最长场景、一天中的时间和位置的统计信息。您还可以在对话中关注性别鸿沟。
    插件
    使用插件和扩展扩展 Beat 的功能。如果您了解一些 JavaScript，请阅读文档以开始制作自己的文档！
    📡发布：https://noisevip.cn/18128.html
    🪧关注频道：@quanshoulu
    💬频道社群：https://www.noisework.cn/qun/
    📬投稿bot：@noisewowbot
    📇搜索bot：@Efficiencysearchbot
    🎁访问主页： www.noisework.cn

  8. #数据库
    Surrealist-可视化管理SurrealDB数据库
    Surrealist 是可视化管理 SurrealDB 数据库的终极方式。毫不费力地连接到任何 SurrealDB 数据库并执行查询、浏览表和记录、设计您喜欢的架构等等。Surrealist 旨在适应广泛的工作流程，因此无论您是将 SurrealDB 推向极限，还是刚刚入门，Surrealist 都是完美的工具。
    Github：https://github.com/surrealdb/surrealist
    官网：https://surrealist.app
    特征
    查询视图
    使用查询视图对数据库执行查询。您可以在“变量”面板中定义变量并在查询中使用它们，并在“结果”面板中浏览结果。
    此外，还可以在“已保存的查询”中保存和组织查询，同时可以在“历史记录”抽屉中查看最近查询的列表。
    资源管理器视图
    资源管理器视图用于浏览数据库和检查单个记录。当您在左侧面板中选择一个表时，表内容将显示在记录资源管理器中。您可以单击记录 ID 以打开记录检查器，您可以在其中编辑记录内容和遍历图形关系。
    设计器视图
    设计器视图是一个功能强大的工具，可用于定义和管理数据库架构。您可以创建表和边，修改数据库模式，并在图形视图中可视化数据库表。
    身份验证视图
    使用身份验证视图通过创建命名空间登录名、数据库登录名或作用域来管理对数据库的访问。
    函数视图
    使用“函数”视图创建和管理架构级函数。使用内置的 SurrealQL 编辑器轻松编写函数，定义其输入参数并配置访问权限。
    模型视图
    使用“模型视图”将 SurML 文件上传到数据库，并列出可用的机器学习模型。
    API 文档视图
    API 文档通过提供多种可用语言的个性化 API 文档，帮助您更快地针对 SurrealDB 数据库进行开发。
    本地数据库服务…
    📡发布：https://noisevip.cn/18124.html
    🪧关注频道：@quanshoulu
    💬频道社群：https://www.noisework.cn/qun/
    📬投稿bot：@noisewowbot
    📇搜索bot：@Efficiencysearchbot
    🎁访问主页： www.noisework.cn

  9. #github
    适用于macOS、Windows和Linux的菜单栏上的GitHub通知
    Gitify 基于 Electron、React、Tailwind CSS 和更多很棒的开源库，旨在让您的生活更轻松。它位于您的菜单栏上，它会通知您任何 GitHub 通知，而不会令人讨厌，当然也没有广告。它只是完成了工作。适用于 GitHub 和 GitHub Enterprise。您甚至可以连接多个帐户。
    Github：https://github.com/gitify-app/gitify
    官网：https://www.gitify.io
    Gitify – 通知
    📡发布：https://noisevip.cn/18126.html
    🪧关注频道：@quanshoulu
    💬频道社群：https://www.noisework.cn/qun/
    📬投稿bot：@noisewowbot
    📇搜索bot：@Efficiencysearchbot
    🎁访问主页： www.noisework.cn

  12. #剪映
    剪映一键关键帧
    这是一个可以批量给剪映工程添加关键帧的项目，用于创建动画效果或者变换效果。当您需要在视频片段中提高视觉效果或者强调某一点时，关键帧可以帮助您实现。剪映的一键关键帧功能让这一复杂的过程变得更简单，用户只需要选择自己希望动画开始和结束的位置，即可自动创建关键帧。
    使用地址：https://keyframeai.top
    项目地址：https://github.com/iHunterDev/JianYingProBatchKeyframe
    使用
    点击“选择剪映草稿文件”按钮
    点击上方的“选择剪映草稿文件”按钮，选择你的剪映草稿文件。（注意：需要关闭剪映再操作）
    选择你的剪映草稿文件
    找到草稿文件夹，选择 draft_info.json 或 draft_content.json 文件。
    等待自动下载到电脑中
    等待处理完成后，会自动下载到你的电脑中。替换掉原来对应的并且重新打开剪映。
    📡发布：https://noisevip.cn/18116.html
    🪧关注频道：@quanshoulu
    💬频道社群：https://www.noisework.cn/qun/
    📬投稿bot：@noisewowbot
    📇搜索bot：@Efficiencysearchbot
    🎁访问主页： www.noisework.cn

  13. #自动化
    activepieces自动化工作流-AI总结RSS
    本文仅希望借助两个工作流示例来演示activepieces平台下如何使用-AI总结RSS到Notion、关键词筛选RSS并AI总结再发生到notion 这样的工作流，同时理解自定义API如何接入该平台
    工作流下载：https://pan.quark.cn/s/63f1ade5ea10
    需要用到的：
    - Notion账户
    - 自部署AI-API（one api)
    - RSS
    流程比较简单，如图所示，现在讲需要注意的
    选择自定义AI-API后，api-key一定要点击如图提示处才能自定义key
    而自定义URL处填写“域名/v1/chat/completions”（如果是one api的域名地址）
    body请求示例
    {
    "model": "gpt-3.5-turbo",
    "messages": [
    {
    "role": "user",
    "content": "使用简短的话概括总结{{trigger['description']}}内容"
    }
    ],
    "temperature": 0.7
    }
    Notion准备：
    建立新的数据库【按自己喜好添加属性】
    发送时示例：【标签可有可无】
    如果你想进一步扩展该工作流，可以试下notion的自定义API
    如果你想添加关键词筛选，则讲rss输出的信息上做筛选分支，设置关键词包含分类
    以上为通过rss-ai-notion这样的一个联动实现自动化的AI信息流摘要概括。
    扩展：如果不是RSS作为第一个工作流，你还能想到哪些信息化的集成？
    提示：Webhook+ Api
    📡发布：https://noisevip.cn/18114.html
    🪧关注频道：@quanshoulu
    💬频道社群：https://www.noisework.cn/qun/
    📬投稿bot：@noisewowbot
    📇搜索bot：@Efficiencysearchbot
    🎁访问主页： www.noisework.cn

  14. #LLAMA3 基于LLAMA3的学术代码解读器。上传pdf格式的论文和python文件，根据论文的内容自动注释代码并导出。
    https://github.com/liuzijian-cs/AcademicCodeAnnotator
    GitHub
    GitHub - liuzijian-cs/AcademicCodeAnnotator: Academic Code Annotator 基于LLAMA3的学术代码解读器。上传pdf格式的论文和python文件，根据论文的内容自动注释代码并导出。欢迎大家继续优化~
    GitHub - liuzijian-cs/AcademicCodeAnnotator: Academic Code Annotator 基于LLAMA3的学术代码解读器。上传pdf格式的论文和python文件，根据论文的内容自动注释代码并导出。欢迎大家继续优化~
    Academic Code Annotator 基于LLAMA3的学术代码解读器。上传pdf格式的论文和python文件，根据论文的内容自动注释代码并导出。欢迎大家继续优化~ - liuzijian-cs/AcademicCodeAnnotator

  16. #Docker 🦜麻雀虽小五脏俱全🦜 🏄🏻‍♂️ 享受环境一切顺利的快乐🏄🏻‍♂️ 🌍所有环境统一规范管理🌍📦超强环境打包管理器📦🔨 一键快速启动多个服务环境的容器化编排工具
    https://github.com/WGrape/sparrow
    GitHub
    GitHub - WGrape/sparrow: 强烈推荐🔥🔥🔥 🦜麻雀虽小五脏俱全🦜 🏄🏻‍♂️ 享受环境一切顺利的快乐🏄🏻‍♂️ 🌍所有环境统一规范管理🌍📦超强环境打包管理器📦🔨 一键快速启动多个服务环境的容器化编排工具 🔨 / A Docker…
    GitHub - WGrape/sparrow: 强烈推荐🔥🔥🔥 🦜麻雀虽小五脏俱全🦜 🏄🏻‍♂️ 享受环境一切顺利的快乐🏄🏻‍♂️ 🌍所有环境统一规范管理🌍📦超强环境打包管理器📦🔨 一键快速启动多个服务环境的容器化编排工具 🔨 / A Docker…
    强烈推荐🔥🔥🔥 🦜麻雀虽小五脏俱全🦜 🏄🏻‍♂️ 享受环境一切顺利的快乐🏄🏻‍♂️ 🌍所有环境统一规范管理🌍📦超强环境打包管理器📦🔨 一键快速启动多个服务环境的容器化编排工具 🔨 / A Docker tool for one-click startup of multiple services. - WGrape/sparrow

  17. #直播 b站直播间信息监听库，包括但不限于弹幕、礼物、醒目留言、全站广播等。
    https://github.com/LU-JIEJIE/bili-live-listener
    GitHub
    GitHub - Lu-Jiejie/bili-live-listener: Bilibili直播间消息监听库。更优雅的消息监听方式，更丰富的类型导出，持续更新的API！
    GitHub - Lu-Jiejie/bili-live-listener: Bilibili直播间消息监听库。更优雅的消息监听方式，更丰富的类型导出，持续更新的API！
    Bilibili直播间消息监听库。更优雅的消息监听方式，更丰富的类型导出，持续更新的API！. Contribute to Lu-Jiejie/bili-live-listener development by creating an account on GitHub.

  18. LessAPI-DuckDuckGo 是一个搜索引擎API服务。
    #API 基于 playwright 和 DuckDuckGo 搜索引擎，封装后实现简单的API接口。简单、轻量、可靠、Docker部署、易于维护。
    https://github.com/lessapi-dev/lessapi-duckduckgo
    GitHub
    GitHub - lessapi-dev/lessapi-duckduckgo: LessAPI-DuckDuckGo is an API service for a search engine. Simple, lightweight, reliable…
    LessAPI-DuckDuckGo is an API service for a search engine. Simple, lightweight, reliable, Docker deployable, easy to maintain. 一个基于DuckDuckGo的搜索引擎API服务。简单、轻量、可靠、Docker部署、易于维护。 - lessapi-dev/lessapi-...

  19. #Llama3 Llama3-Chinese是以Meta-Llama-3-8B为底座，使用 DORA + LORA+ 的训练方法，在50w高质量中文多轮SFT数据 + 10w英文多轮SFT数据 + 2000单轮自我认知数据训练而来的大模型。
    https://github.com/seanzhang-zhichen/llama3-chinese
    GitHub
    GitHub - seanzhang-zhichen/llama3-chinese: Llama3-Chinese是以Meta-Llama-3-8B为底座，使用 DORA + LORA+ 的训练方法，在50w高质量中文多轮SFT数据 + 10w英文多轮SFT数据…
    GitHub - seanzhang-zhichen/llama3-chinese: Llama3-Chinese是以Meta-Llama-3-8B为底座，使用 DORA + LORA+ 的训练方法，在50w高质量中文多轮SFT数据 + 10w英文多轮SFT数据…
    Llama3-Chinese是以Meta-Llama-3-8B为底座，使用 DORA + LORA+ 的训练方法，在50w高质量中文多轮SFT数据 + 10w英文多轮SFT数据 + 2000单轮自我认知数据训练而来的大模型。 - seanzhang-zhichen/llama3-chinese