hello-ai

一站式掌握主流 AI 工具，快速提升工作效率

开源 🏷️定价信息待确认 ✅ 目前可打开图像生成 🍴 复刻 135 🐛 待处理 2 👀 关注 21

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1410

维护状态较活跃

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

项目数据

分类图像生成

开发团队xxxily

官网地址https://hello-ai.anzz.site/explore

GitHubhttps://github.com/xxxily/hello-ai

定价模式🏷️定价信息待确认

价格说明定价信息待确认

访问状态✅ 目前可打开

是否开源是

开源协议MIT

主要语言JavaScript

技术栈/模型agi,ai,aigc,chatgpt,claude-3,gemini,gpt-4,hello-ai,openai,stable-diffusion

GitHub 星标★ 1410

上线时间2023-03-24 00:00:00

代码更新2026-10-30

仓库体积3.38 GB

本站数据更新2026-11-09

维护状态较活跃

收录时间2026-08-09

浏览次数6

项目介绍

hello-ai 是一个面向 AI 工具使用者的中文资源聚合与导航项目，旨在帮助用户系统性地掌握 ChatGPT、Claude、Gemini、Stable Diffusion 等主流 AI 工具。它解决了 AI 工具信息分散、学习成本高的问题，通过整理教程、提示词、案例和工具对比，让用户能快速上手并高效应用。项目以 JavaScript 实现，核心能力包括工具分类导航、使用指南、最佳实践分享以及社区资源链接，适合从入门到进阶的 AI 学习者。其理念强调‘掌握 AI 工具的人’的竞争力，内容实用且贴近中文用户需求。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1410

技术标签

agi ai aigc chatgpt claude-3

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：进阶约 20 分钟部署方式：本地安装 7 步

环境要求

Node.js v18.x 或更高版本
Git 用于克隆仓库
GitHub Token（强烈建议），避免匿名搜索 API 限流
一个可用的 LLM API Key（本地 Ollama 可用 local-fallback）
约数 GB 磁盘空间存放抓取到的项目数据

安装与启动步骤

1克隆项目仓库

把 hello-ai 仓库拉到本地并进入项目目录，后续所有命令都在该目录下执行。
```
git clone https://github.com/xxxily/hello-ai.git
cd hello-ai
```
2安装依赖

安装项目所需的 npm 依赖，首次执行耗时较长，需要保持网络稳定。
```
npm install
```
3生成配置文件

从模板复制出 .env 文件，之后所有的密钥和参数都写在这个文件里。
```
cp .env.example .env
```
4填写环境变量

打开 .env，至少填 GITHUB_TOKEN 和 LLM_API_KEY，并按需设置 LLM_PROVIDER、LLM_BASE_URL、LLM_MODEL。
5单次运行抓取评估

执行一次完整的发现与评估流程，验证 Token 和 LLM 配置是否正确，避免直接跑循环。
```
npm run ai:discover-eval
```
6启动后台守护进程

需要持续自动抓取与评估时使用；TUI 版本支持手动选择参数，推荐优先使用。
```
npm run ai:loop-eval-tui
```
7构建站点产物

为生产站点部署准备分发产物，生成到 docs 目录下。
```
npm run docs:build
```

关键配置

配置项	必填	说明	示例
`GITHUB_TOKEN`	是	GitHub 访问令牌，绕过匿名搜索 API 的严格限流	`ghp_xxxxxxxxxxxxxxxxxxxx`
`LLM_API_KEY`	是	用于分析和筛选项目的 LLM 密钥；本地模型可填 local-fallback	`sk-xxxxxxxx`
`LLM_PROVIDER`	否	内置供应商预设，省略时从 BASE_URL 或密钥自动识别	`openai`
`LLM_BASE_URL`	否	LLM 接口地址，本地 Ollama 可指向 127.0.0.1	`https://api.openai.com/v1`
`LLM_MODEL`	否	调用的模型名称	`gpt-4o-mini`
`LOOP_INTERVAL_SECONDS`	否	ai:loop-eval 循环之间的空闲间隔，默认 60 秒	`60`

如何确认成功

运行 npm run ai:discover-eval 后终端持续输出发现/评估日志且无鉴权报错，docs:build 后 docs 目录生成产物，即配置成功。

常见问题

Q：不填 GITHUB_TOKEN 可以跑吗？

A：可以运行，但匿名调用 GitHub 搜索 API 会被严格限流，抓取速度和数量都会大幅受限，强烈建议填写。

Q：没有付费 LLM Key 怎么办？

A：使用本地模型，例如 Ollama 跑 llama3 时把 LLM_API_KEY 设为 local-fallback，并把 LLM_BASE_URL 指向本地地址即可。

Q：该跑哪一个启动命令？

A：手动跑一次用 npm run ai:discover-eval；长期自动运行推荐 npm run ai:loop-eval-tui，可交互选择参数。

Q：如何避免 GitHub 限流？

A：使用 npm run ai:consume-queue，它只消费队列不再请求 GitHub API，队列清空后会自动退出。

注意事项

README 未给出本地开发服务器的启动端口，如需查看界面可直接使用官网 https://hello-ai.anzz.site/explore/。
可选屏蔽词可写入 BLOCKED_GITHUB_OWNERS 与 BLOCKED_REPO_TERMS，或放入默认的 data/local-blocklists/ 文件，每行一项、# 为注释。
各批量参数如 DISCOVER_BATCH_SIZE、EVALUATE_BATCH_SIZE、MAX_PAGES_DEFAULT 会直接影响抓取量与 API 消耗，建议先小批量试跑。