Renhuai123/ziwei-doushu

本页介绍外部开源仓库，并非 HDATF 产品。

它做什么

ziwei-doushu是生成中国传统术数紫微斗数命盘的TypeScript引擎和演示网站，提供基于Ni Haixia的Tian Ji教学体系的参考资料。它接收公历出生日期、两小时时辰的序号和性别，并由相关模块处理出生地与时间校正信息。引擎在iztro和lunar-javascript之上加入自身规则修正，生成包含宫位、星曜和运限的结构化命盘。辅助模块处理真太阳时、闰月口径和可配置的星曜亮度流派，演示界面可显示命盘和古籍原文。项目使用Node.js和npm的Next.js环境，基础排盘在浏览器中运行，不需要AI API Key。AI解读和合盘分析的API路由不包含在内，仅填入模型密钥不会使这些功能可用。解读数据集另外发布，但线上断语库、提示词和商业界面不包含在内，已查看的解读数据文件是空的占位实现。README还说明了数据集与当前引擎口径的差异，已查看的资料并未证明术数解读具有科学预测效度。

许可证

MIT 宽松许可。保留版权声明即可商用和修改。

同领域的其他仓库

• bregman-arie/devops-exercises
  devops-exercises是面向学习开发运维和服务可靠性的人员的问题与练习资料集合。主题包括网络、操作系统、SQL、容器、云服务、交付流程和可观测性。读者选择题目，自行编写说明、代码或查询，再与部分题目的答案或链接资料比较。它不是自动部署基础设施或自动评分的可执行产品。阅读本身没有统一安装环境或API要求，实际练习环境取决于所选题目的技术。作者说明这些资料并不复现真实面试，也不要求掌握列出的每一种技术。部分问题没有答案，部分认证指南较旧，因此答案和当前要求需要另行核实。README标明CC BY-NC-ND 3.0，FAQ说明署名和非商业条件，企业商业复用或翻译转载前应确认这些条件。
• LiberNT/LiberNT
  LiberNT是源自ReactOS的操作系统，面向操作系统和驱动开发者，以兼容Windows 11为目标。NT指Windows的内核、驱动模型和系统服务。用户提供应用程序和设备输入，系统管理进程、文件和屏幕输出。源码分为内核、硬件抽象层、驱动和用户库，CreateProcessW的实现把进程创建交给内部函数。README列出amd64、arm64和riscv64镜像，但兼容性是开发目标，并不证明任意Windows软件都能运行。起步环境是虚拟机或备用设备，使用ISO或预装磁盘镜像。从源码构建需要在Linux、macOS或Windows的WSL2中使用RosBE、CMake和Ninja，并通过menuconfig选择架构和功能。连接方式是操作系统接口，而非AI服务API，项目明确要求不要把发布的Debug预览版用于日常工作依赖的电脑。
• hyprwm/Hyprland
  Hyprland是一款Wayland合成器，也就是负责排列应用窗口并将其合成为显示画面的桌面系统组件。它面向希望细致定制Linux桌面的用户，而不是用于开发网页界面的工具。它根据窗口状态、输入事件、显示器设置和配置文件，决定窗口布局、工作区及视觉效果。它支持平铺、浮动和全屏窗口、多种布局方式、窗口规则、动画和插件。当前示例使用Lua配置，附带的hyprctl工具和本地Unix套接字允许其他程序执行控制、状态查询和事件接收。开始使用需要兼容的图形环境、安装Hyprland并配置会话，由于它不是完整桌面环境，还需另行准备终端和其他桌面工具。GPU驱动、虚拟机图形加速以及应用在Wayland下的表现都需要单独检查，它不是Windows桌面替换包，也不是AI任务执行系统。
• designfuchen/word-atlas
  这是通过图片和声音学习IELTS词汇的网页应用，也提供结构化词库。学习者查看单词卡和例句并完成选择或拼写题，系统生成学习记录和下次复习时间。它把释义、例句、英美发音和插画关联起来，用FSRS安排复习。打字和听写使用独立统计，不改变记忆状态。无需账号，进度保存在自己的设备上，可通过文件备份和恢复。看过的材料可以缓存供离线复习，但并非首次打开就下载全部图片和音频。自行运行需要Node.js 20或以上来构建静态网站，也可单独使用JSON和CSV数据。内容由AI生成并经过自动检查，但没有逐条人工校对，不是官方IELTS词表，也不保证提分。代码和学习内容的许可不同，复用内容前应确认署名等要求。
• RikiyaT/lm_understand-logs
  该仓库是研究记录集，面向希望检查语言模型读取或编写神经网络权重实验的读者，并非开箱即用的编辑服务。八个实验文件夹涵盖识别已训练网络、修复或创建网络，以及为小型语言模型的数学能力编辑权重。记录的输入包括提示词、任务说明和网络信息，输出包括回复、代码、执行结果、评估及最终网络或权重差分。各实验的README把发表结果连接到对应运行和证据文件。实验关闭了Codex内置工具，但部分实验通过独立Python执行循环把输出交还模型，因此不使用工具并不意味着整个实验没有计算。随附的隔离执行示例使用Linux bubblewrap限制网络和资源，完整复现还需要相应模型访问、数据和评估环境。读者可以从实验README开始追踪提示词、运行记录和评估材料，仅查看这些资料不需要调用模型API。仓库不包含早期提示词试验、部分权重和中间数据，也不包含数学实验的完整智能体执行框架，复用时还须区分记录、脚本和第三方材料的许可条件。

只收录进入 Trendshift 排行榜的仓库，榜单仅用于寻找候选项目，不转载名次。说明、许可证和星标数来自各 GitHub 仓库。解读是我们自己的判断。我们尚未测试这些项目，上榜并不证明质量。