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。
基于 PHP 8.2+ 的 OpenAPI 文档生成库，支持 3.0/3.1/3.2 规范。通过 PHP 属性或 Doctrine 注解从代码提取元数据，提供 CLI 工具与程序化接口，自动解析复杂类型。
受 Synthwave 音乐与 80 年代美学启发的 VS Code 主题。提供复古霓虹发光效果，无需外部扩展即可激活。基于纯 CSS 实现，致敬经典。
基于文本文件的复式记账系统，使用 Python 编写。支持定义交易记录、生成多种报表并提供 Web 界面。当前稳定版本为 v3。
基于 3 亿张野外人像预训练的高分辨率视觉模型库，支持 2D 姿态、部件分割、深度、法线等任务，原生支持 1024x1024 分辨率。
将 deepin-wine 环境与应用移植到 Debian/Ubuntu，通过两条命令即可快速安装 QQ、微信等 Windows 应用。
开源企业级客户关系管理软件，基于 PHP 构建。提供完整的数据控制权，支持高度自定义。拥有活跃社区，定期发布新功能、安全补丁和错误修复。兼容 Linux/Windows 服务器，推荐 LAMP 环境部署。
官方 PyTorch 实现，支持多域图像到图像转换的统一生成对抗网络。基于 CelebA 和 RaFD 数据集训练，可灵活转换人脸属性与表情。
对《塞尔达传说：时之笛》的 C 语言源代码进行逆向工程，旨在从零开始重建游戏源代码。支持多个版本的 ROM 构建，包括 NTSC、PAL 和 GameCube 版本。项目处于持续开发中，不提供 PC 移植。
基于 Rust 的优雅解析器，使用 PEG 语法，提供高可读性、正确性和性能。支持分离的 .pest 语法文件，自动生成错误报告和 Pair API。
基于无障碍服务自动跳过安卓开屏广告，支持关键字、控件和位置三种跳过方式。开源、无网络权限、不收集任何信息，保障隐私安全。
JavaScript 库，用于解析文本中的日期、时间、电话号码、电子邮件、地点等信息。支持 Node.js 和浏览器环境，可通过插件扩展功能。
基于 ASP.NET Core 8.0 的企业级前后端分离框架，集成 RBAC 权限、多数据库支持、分布式事务及微服务组件，提供完整教程与 Vue 前端示例。
Gradle 插件，为 Java 6、7 及 Android 项目提供 Lambda 表达式支持。基于 retrolambda，使用 Java 8 编译后降级处理。支持配置 Java 版本、JVM 参数及增量编译。
提供构建 Linux 操作系统的简短教程，包含 Makefile 和脚本自动化流程。核心涵盖内核编译与 Busybox 用户空间配置，适合学习系统构建。
基于 Rust 的现代云工作负载虚拟机监控器，支持 CPU、内存和设备热插拔，运行 Windows 和 Linux 客户机，具备 vhost-user 设备卸载功能，安全且占用空间小。
基于深度学习的图像超分辨率项目，使用 DCGAN 架构将 16x16 图像放大 4 倍至 64x64。生成器采用 ResNet 模块，损失函数结合对抗项与 L1 差异，加速收敛并提升人脸重建质量。训练数据集为 CelebA，支持 GPU 训练与演示动画生成。
Python 错误压制工具。通过动态编译、AST 重写和运行时修改，强制代码执行，忽略异常。提供 import 替代、装饰器和上下文管理器三种使用方式。
用于 JavaScript 对象的深度差异比较与补丁工具。支持智能数组差异、多种输出格式（JSON、HTML 可视化、JSON Patch），并提供反向补丁功能。体积小，兼容浏览器与 Node.js。
VS Code 扩展，自主编码代理。将想法转化为代码，支持网站、仪表盘、服务器开发。提供调试、部署、网络搜索功能，适合各水平开发者。加速开发流程，让编码更高效。
提供跨浏览器一致的 HTML 元素默认样式，基于 normalize.css 并包含额外优化。支持零特异性选择器，提供表单、排版等可选模块。
基于 Python 的京东抢购助手，支持扫码登录、商品库存/价格查询、购物车管理、订单提交与查询等功能。提供定时抢购、监控库存等实用特性，适用于自动化抢购场景。
曾作为 Rails 桥梁管理编译和捆绑 JavaScript 模块，现已退役。推荐迁移到 jsbundling-rails 或 import maps，或继续使用 v5 版本处理安全问题。
Jupyter notebook 扩展集合，主要用 JavaScript 编写，为 Jupyter Notebook 添加多种功能。支持 Jupyter 4.x 和 5.x，不兼容 JupyterLab。
包含 DeepLearning.ai 专项课程的个人笔记与总结，涵盖神经网络、CNN、序列模型等核心内容，适合学习者参考。