探索项目
筛选并发现收录的、配有高质量中文文档或教程的 GitHub 项目。
OWASP Web Security Testing Guide (WSTG) 是一个开源的综合指南，用于测试 Web 应用程序和 Web 服务的安全性。它为全球的渗透测试人员和组织提供最佳实践框架，包含详细的测试场景和分类标识。
Go 语言的 SQLite3 驱动，遵循 database/sql 接口标准。支持 C 语言编译，需启用 CGO 并安装 GCC。提供用户认证、扩展功能及跨平台编译支持。
为 Python 提供更友好、更智能的日期与时间处理库。支持时区感知、ISO 8601 解析、时间范围生成和人性化显示，是 datetime 的现代化替代品。
开源电商解决方案，基于 PHP 构建，高度可定制，支持多种支付服务与多语言本地化。提供完整的 Docker 开发环境，包含前后端响应式设计。
轻量级 Sass 工具集，提供 mixin 和函数库，提升样式编写效率。无依赖、可读性强、零输出。已弃用，建议使用现代原生 CSS 替代。
T-Pot 是一个全能的多蜜罐平台，支持 20+ 种蜜罐，集成 Elastic Stack 进行可视化，提供实时攻击地图和多种安全工具。支持 amd64 和 arm64 架构，可选分布式部署。
用于类 Unix 系统的客户端/服务器进程控制系统，支持 Linux、Mac OS X、Solaris 和 FreeBSD，兼容 Python 2.7 和 3.4+。
基于 Rust 和 async 的现代嵌入式框架。提供安全、正确、节能的嵌入式代码编写体验。内置硬件抽象层、时间管理、网络、蓝牙、USB 等丰富功能，支持低功耗与实时任务。
已弃用。为 ActiveRecord 提供简易文件附件管理，支持文件验证、图像缩略图生成及多种存储方式。新项目推荐使用 Rails 自带的 ActiveStorage。
跨平台桌面应用，无需安装 Edge 或浏览器插件即可使用新版 Bing AI 聊天。支持导出对话为 Markdown、PNG 或 PDF，可自定义主题与字体大小，提供键盘快捷键。
为 Amlogic、Rockchip 和 Allwinner 设备提供 Armbian 系统支持，可将电视盒子等设备转换为强大的服务器。支持 eMMC 写入、内核更新等功能。
基于深度强化学习的 WiFi 破解工具，利用 bettercap 捕获 WPA 握手包。通过 A2C 算法在环境中自主学习优化参数，支持多设备协作。
使用标准模板字符串实现 JSX 风格语法，无需转译器。支持 Preact/React，体积极小 (<600 字节)，兼容现代浏览器。提供编译优化，语法比 JSX 更灵活，支持多根元素和 HTML 风格注释。
持久化 Mock 服务，快速生成可视化 Mock 数据。支持 API 代理、团队协作、RESTful、Swagger/OpenAPI 规范及 Mock.js Schema，提供 CLI 工具。
Mac 菜单栏工具，通过设置充电上限（如 80%）延长电池寿命。支持放电模式，需 macOS 11+。
跨平台视频提取工具，支持流媒体、m3u8 及 B站视频下载。提供 Windows/Mac 桌面客户端，无需抓包即可嗅探资源，支持批量下载与 Docker 部署。
Prism Launcher 是 Minecraft 的自定义启动器，支持同时管理多个游戏安装。作为 MultiMC 的分支，它提供跨平台支持，并拥有活跃的社区和开发支持。
曾是 gRPC 服务的 GUI 客户端，灵感源自 Postman 和 GraphQL Playground，旨在提供最简单高效的探索与查询体验。项目已于 2023 年 1 月归档，不再维护。
完全本地的网页研究助手，使用 Ollama 或 LMStudio 托管的任何 LLM。输入主题后，自动生成搜索查询、收集结果、总结并反思知识缺口，循环执行用户定义的次数，最终提供包含所有来源的 Markdown 摘要。
跨模态统一嵌入模型，支持图像、文本、音频、深度、热成像和IMU数据。提供零样本分类、跨模态检索与生成能力，基于PyTorch实现并提供预训练模型。
轻量级虚拟机管理器，支持 Linux、Windows 和 macOS。通过单命令快速创建 Ubuntu 环境，使用 KVM、Hyper-V 或 QEMU 以最小开销运行虚拟机。支持 cloud-init 元数据，可在本地模拟小型云部署。
Go 语言实现的 JSON Web Tokens (JWT) 库。支持 v5 版本，提供令牌的解析、验证、生成和签名功能，兼容 HMAC SHA、RSA、RSA-PSS 和 ECDSA 等算法。
提供强大的开源基础，用于创建专用和通用模型。包含指令调优语言模型、审核模型和可扩展检索系统，支持从自定义存储库获取最新响应。模型基于 OIG-43M 数据集训练，支持 GPT-NeoXT-Chat-Base-20B、Llama-2-7B-32K-beta 和 Pythia-Chat-Base-7B 的训练与微调。