GitHub 一周热点汇总第18期(2024/04/7-04/13) ，一起看看都有哪些热门项目吧，点收藏的同时也顺便点个赞吧。

#1 plandex

项目名称：plandex - 复杂任务的AI编码引擎
GitHub 链接：github.com/plandex-ai/...
上周 Star 数：7200+

Plandex 是一个用于完成复杂任务的开源、基于终端的人工智能编码引擎。它使用AI代理来完成跨多个文件且需要多个步骤的任务。它将大任务分解为更小的子任务，然后分别实现每一个子任务，一直持续到完成工作为止。它可以帮助您处理积压的工作，使用不熟悉的技术，并节省花在无聊的事情上的时间。

现在越来越多的AI项目将关注点从代码生成转移到让AI完成复杂的开发任务。Plandex 的目标是提高工作效率，但与其他AI工具一样，你不能期望结果尽善尽美。在应用更改之前，请务必仔细检查计划，尤其是在涉及安全的情况下。 Plandex 旨在帮助您完成 80-90% 的任务，而不是 100%。类似其他的工具，因为底层使用LLM，所以提供的描述越多，结果就越好。

使用 Plandex 来完成任务需要以下几步：

创建计划
加载上下文：加载相关的文件到上下文中：
描述任务：详细描述需要完成的任务
处理更改：查看AI生成的内容并决定是否符合要求
审核结果：如果产生内容不符合要求可退回
多分支开发：可以通过分支，避免对现有的工作内容产生影响。

以下是 plandex的特性：

⚡️ 沙箱：更改会累积在受保护的沙箱中，以便您可以在自动将它们应用到项目文件之前对其进行查看。内置版本控制允许您轻松返回并尝试不同的方法。分支允许您尝试多种方法并比较结果。

上下文管理：在终端中有效管理上下文。轻松将文件或整个目录添加到上下文中，并在工作时自动更新它们，以便模型始终具有项目的最新状态。

大模型能力：Plandex 依赖于 OpenAI API，需要OPENAI_API_KEY环境变量。对开源模型、Google Gemini 和 Anthropic Claude 的支持即将推出。使用OPENAI_ENDPOINT 自定义 OpenAI 端点的环境变量。

✅ 跨平台：Plandex 支持 Mac、Linux、FreeBSD 和 Windows。

以下是项目的GitHub star，可以看出大家对于这个方向的关注度。

当前项目还是早期阶段，项目组也规划了很多内容到roadmap：

除了 OpenAI 之外，还支持开源模型、Google Gemini 和 Anthropic Claude

计划共享和团队协作

️ 支持 GPT4-Vision 和其他多模式模型 - 将图像和屏幕截图添加到上下文中

️ VSCode 和 JetBrains 扩展

社区插件和模块

Github 集成

Web 仪表板和 GUI

SOC2 合规性

️ 微调模型

#2 SWE-agent

项目名称：SWE-agent - LLM 软件工程代理
GitHub 链接：github.com/princeton-n...
上周 Star 数：4500+

SWE-agent 由普林斯顿大学的研究人员构建和维护。它将 LLM（例如 GPT-4）转变为软件工程代理，用来修复真实 GitHub 仓库中的错误和问题。今年开始AI agent越来越有热度，大家开始尝试通过agent来解决各种具体的问题。

在SWE-bench上，SWE-agent 解决了**12.29%**的问题，在整个测试集上实现了最先进的性能。

SWE-agent 通过设计简单的以 LLM 为中心的命令和反馈格式来实现这些结果，使 LLM 更容易浏览存储库、查看、编辑和执行代码文件。我们将其称为代理计算机接口(ACI)，并构建 SWE 代理存储库，以便轻松迭代存储库级编码代理的 ACI 设计。

就像典型的大语言模型需要良好的提示工程一样，良好的 ACI 设计在使用代理时会带来更好的结果。

项目提供了一个在线的demo，可以直观演示项目提供的能力。

可以通过docker的方式来快速安装SWE-agent。

bash 复制代码

docker pull --platform=linux/arm64 sweagent/swe-agent:latest
#将 API 的token 添加到keys.cfg

之后就可以在任何 GitHub 问题上运行 SWE-agent，直接使用以下脚本：

arduino 复制代码

python run.py --model_name gpt4 \
  --data_path <https://github.com/pvlib/pvlib-python/issues/1603> \
  --config_file config/default_from_url.yaml

#3 cs-self-learning

项目名称：cs-self-learning - 计算机自学指南
GitHub 链接：github.com/PKUFlyingPi...
上周 Star 数：4200 +

本项目是北大学神整理最全面的计算机自学指南。它是作者在新冠期间发布的一个系统的自学计算机指南，从必学工具、数学基础、软件基础等，由浅入深的带你走入计算机科学的领域，旨在帮助初学者通过优质资源快速成长为全能程序员。

作者已经搭建了一个在线的wiki，极大的方便了大家的使用，尤其是不太方便登录github的同学。

主要功能和核心优势包括：

提供丰富的开源课程资源
支持多门编程语言和多种领域知识
支持中英文混排及评论交流功能

当然了，这个项目整理的课程也不是作者自己录的，都是网上的免费公开课等资料，所以大家不必担心课程内容会有偏差，可以放心使用。

网上的内容其实很多，有这么好的项目为了我们提供了路径，那就抽出时间好好学习吧。

#4 openui

项目名称：openui - 自动生成UI
GitHub 链接：github.com/wandb/openu...
上周 Star 数：2200+

构建 UI 组件对很多人很困难。 OpenUI 的目标是让这个过程变得有趣、快速且灵活。它是一款开源的AI代码生成器，根据描述生成UI界面，并能够输出HTML、CSS等前端代码，支持React、Svelte等框架，简化前端开发流程，通过生成式AI降低前端开发门槛，提高设计和编码效率，推动人机协作成为未来的常态。

使用OpenUI非常简单，只需在文本框中输入对所需界面的描述，即可生成对应的UI效果图，并可通过指令进行实时修改和添加简单的动态效果。

你也可以在本地运行 OpenUI 并使用 Ollama 提供的模型。例如安装 Ollama 并拉取像 CodeLlama 模型，接下来可以参考如下来安装 OpenUI：

bash 复制代码

git clone <https://github.com/wandb/openui>
cd openui/backend
# You probably want to do this from a virtual environment
pip install .
# This must be set to use OpenAI models, find your api key here: <https://platform.openai.com/api-keys>
export OPENAI_API_KEY=xxx
python -m openui

本项目的背后是 Weights & Biases，一家做机器学习工具的公司，目前做各种大模型的开发工具，之前他们出过一个训练大模型最佳实践的白皮书，还挺不错，有兴趣的朋友可以私信，我发给你。

#5 RAGFlow

项目名称： ragflow - RAG引擎
GitHub 链接：github.com/infiniflow/...
上周 Star 数：2200+

RAGFlow 是一款基于深度文档理解构建的开源 RAG（Retrieval-Augmented Generation）引擎。RAGFlow 可以为各种规模的企业及个人提供一套精简的 RAG 工作流程，结合大语言模型（LLM）针对用户各类不同的复杂格式数据提供可靠的问答以及有理有据的引用.

RAGFlow 的核心功能

深度文档理解：RAGFlow能从各类复杂格式的非结构化数据中提取关键信息，自动识别文档的布局，包括标题、段落、图片和表格等。
可控可解释的文本切片：RAGFlow提供多种文本模板，用户可以根据需求选择，保证结果的可控性和可解释性。
降低幻觉：RAGFlow可以让LLM以可控的方式回答问题，生成原文的引用链接，让用户随时查看LLM是基于哪些原文来生成答案。
兼容各类异构数据源：RAGFlow支持多种文件类型，包括Word、PPT、excel、txt、图片、PDF等，并能将这些数据转化为结构化表示。

这个系统的核心组件包括：文档解析器、查询分析器、检索、重排、LLM。这些组件共同构成了RAGFlow系统的强大架构，使得它能够高效地处理用户的查询，快速地从文档中检索信息，并生成准确、有用的答案。这个系统不仅提高了信息处理的效率，也极大地提升了用户的使用体验。架构图如下。

RAGFlow 提供了在线的demo环境，如果觉得本地部署有些麻烦的话，也可以先去线上体验一下，了解下功能。