zerox

getomni-ai / zerox人工智能第 105 期 · 2024-12-27
实时数据待拉取(运行 scripts/enrich.py 后填充)
zerox

项目简介

使用视觉模型将 PDF 转换为 Markdown。该项目基于视觉模型 API 服务,提供了将 PDF 文档转化为 Markdown 的功能。其原理是先将原文件(如 pdf、docx)转换为图片,然后把图片发给视觉模型处理,最后汇总所有结果生成完整的 Markdown 文件。

import path from "path";import { zerox } from "zerox";const result = await zerox({filePath: path.resolve(__dirname, "./hellogithub.pdf"),openaiAPIKey: process.env.OPENAI_API_KEY,});

本期其他项目

全部 →
fluent-bit
C第 105 期

fluent-bit

高效轻量的日志收集与处理工具。这是一个轻量级、高效的日志收集、处理和转发工具,支持实时收集和处理来自不同来源的日志数据,具有低内存和 CPU 占用的特性。

暂无截图
C第 105 期

write-a-hash-table

从零用 C 语言实现哈希表。该项目是讲解如何用 C 语言实现一个开放寻址和双重哈希的哈希表,代码约为 200 行,预计学习时间为 1 到 2 小时。

暂无截图
C#第 105 期

ArchiSteamFarm

开源的 Steam 挂卡工具。这是一个用 C# 开发的工具,可以管理多个 Steam 账号并自动收集卡牌,无需安装或运行 Steam 客户端,支持 VAC 免疫、交易等功能,适用于 Windows、Linux 和 macOS 系统。

qttabbar
C#第 105 期

qttabbar

为 Windows 资源管理器增加标签页功能的工具。这是一个用 C# 开发的小工具,允许用户在 Windows 资源管理器(Explorer)中使用标签页功能,支持以标签页的形式同时打开和管理多个文件夹。

love
C++第 105 期

love

完全免费的 2D 游戏引擎。这是一款免费、开源、可商用的 2D 游戏开发框架,支持使用 Lua 语言开发跨平台的 2D 游戏,兼容 Windows、macOS、Linux、Android 和 iOS 平台。

WLED
C++第 105 期

WLED

无线控制 LED 灯带。该项目是一个运行在 ESP32 和 ESP8266 上的 Web 服务器,可实现通过 WiFi 控制 LED 灯带的颜色和效果,支持 100 种特效、50 种调色板、250 个用户自定义预设等功能。

latex-css
CSS第 105 期

latex-css

LaTex 文档风格的 CSS 库。这是一个能够让你的网站看起来像 LaTex 文档的 CSS 样式库,支持定理、定义、引理和证明的标签,以及作者、副标题、摘要等可选的类名。

暂无截图
Go第 105 期

gofakeit

快速生成假数据的 Go 库。该项目是用于生成各种假数据的 Go 语言库,支持随机生成名字、地址、电话和日期等格式的数据。它默认不支持生成中文假数据,但可以通过自定义方式扩展或调整生成逻辑实现。来自 [@DeShuiYu](https://hellogithub.com/user/ZWJkOqsvYbPgD8p) 的分享```go gofakeit.Name() // Markus Moen gofakeit.Email() // alaynawuckert@kozey.biz gofakeit.Phone() // (570)245-7485 gofakeit.BS() // front-end gofakeit.BeerName() // Duvel gofakeit.Color() // MediumOrchid gofakeit.Company() // Moen, Pagac and Wuckert gofakeit.CreditCardNumber() // 4287271570245748 gofakeit.HackerPhrase() // Connecting the array won't do anything, we need to generate the haptic COM driver!gofakeit.JobTitle() // Director gofakeit.CurrencyShort() // USD```

同类项目

全部 →
code-review-graph
人工智能第 124 期

code-review-graph

让 AI 少读代码的图谱工具。这是一款本地优先的代码智能图谱工具,专为 MCP 和 CLI 设计。它通过 Tree-sitter 解析函数、类、调用和测试之间的关系,并持久化存成图。修改文件时,它能沿着图找出受影响的调用方和依赖代码,提供更精准的上下文,避免读取整个代码库浪费 token。

暂无截图
人工智能第 124 期

gastown

同时指挥多个 AI 编程助手。该项目是多智能体工作区管理和编排系统,可统一调度 Claude Code、GitHub Copilot、Codex 等 AI 编程助手并行工作。它通过 Git 持久保存工作状态,Agent 重启后不丢上下文,可继续接着干。还提供实时监控、任务交接、卡死检测和合并队列等功能,支持 20-30 个智能体协同工作。

暂无截图
人工智能第 124 期

harbor

AI 智能体评测框架。这是一个跑 AI 智能体和大模型评测的开源框架,一条命令就能在 Docker 里把 Claude Code、Codex CLI 这些 Agent 拉起来,用 SWE-Bench 等评测集跑分。嫌本地慢也可以接 Daytona 这类云平台,开多个环境同时跑。

暂无截图
人工智能第 124 期

OpenMontage

把 AI 编程助手变成视频工作室。这是一个开源的智能体视频制作系统,可让 Claude Code、Cursor、Copilot、Windsurf 和 Codex 根据自然语言完成调研、脚本、素材生成、剪辑和合成。它内置 12 条制作流程、100 多个工具,以及 700 多份技能与制作知识文件,支持真实素材、AI 图像、配音、字幕和成片自检。

outlines
人工智能第 124 期

outlines

严格的 LLM 结构化输出框架。这是一个约束大语言模型输出格式的 Python 库,可在生成过程中保证结果符合指定结构,而不是生成后再用正则修补。调用时只需传入期望的类型,同一段代码还能在 OpenAI、Ollama、vLLM 之间无缝切换。

CapsWriter-Offline
人工智能第 123 期

CapsWriter-Offline

超低延迟的离线语音输入工具。这是一款完全离线的语音输入工具,按住 CapsLock 键说话、松开即可转换为文字。支持实时语音识别、音频文件转录、数字格式转换、热词替换、LLM 润色等功能,所有录音均保存在本地,还可放进 U 盘即插即用。

来自 @Anouâr 的分享
GOD
人工智能第 123 期

GOD

AI 智能体小镇。这是一款本地优先的多智能体模拟和实时操控平台,不同于只能旁观的 Agent 模拟器,支持随时暂停/回放、注入干预指令、向单个或全体成员提问,以及一键重置整个模拟世界和多种地图包。

来自 @Yige Luo 的分享
OpenMAIC
人工智能第 123 期

OpenMAIC

开源的 AI 互动课堂平台。该项目是由清华团队开发的多智能体互动课堂平台,可将任意主题或文档一键生成沉浸式课程,AI 老师和智能体同学实时授课、讨论、互动。它内置白板绘图和语音合成,课程可导出为 PPT 或交互式网页,支持 3D 可视化、模拟实验、小游戏、思维导图和在线编程。

来自 @猪笑驴脸长 的分享