首页
/ Scrapling MCP Server 完全指南：让 AI Agent 通过自然语言完成反反爬网页抓取

Scrapling MCP Server 完全指南：让 AI Agent 通过自然语言完成反反爬网页抓取

2026-09-04 19:59:43作者：廉彬冶Miranda
Scrapling
🕷️ An adaptive Web Scraping framework that handles everything from a single request to a full-scale crawl!
项目地址：https://gitcode.com/GitHub_Trending/sc/Scrapling

Scrapling 的 MCP（Model Context Protocol）Server 把它的整套抓取能力——从带浏览器指纹伪装的快速 HTTP 请求，到能绕过 Cloudflare Turnstile 的隐身浏览器——直接暴露给你正在使用的 AI 聊天机器人或 Agent。读完本文，你将掌握它的安装与接入方式（Claude Desktop / Claude Code / Docker）、全部 10 个工具的参数细节、Streamable HTTP 远程部署与鉴权配置，以及一套经过官方测试验证的 Prompt 技巧，并了解其底层在 scrapling/core/ai.py 中的实现机制。

核心能力：10 个工具覆盖全场景抓取

Scrapling MCP Server 提供 10 个工具，按能力分为四组：

基础 HTTP 抓取

  • get：带浏览器指纹伪装的快速 HTTP 请求，自动生成与 TLS 版本、HTTP/3 等特性匹配的真实浏览器请求头；
  • bulk_get：get 的异步并发版本，可同时抓取多个 URL。

动态内容抓取

  • fetch：通过 Chromium/Chrome 浏览器抓取动态内容，对请求和浏览器行为有完整控制；
  • bulk_fetch：fetch 的异步版本，在同一浏览器的多个标签页中并发抓取多个 URL。

隐身抓取

  • stealthy_fetch：使用 Scrapling 的隐身浏览器绕过 Cloudflare Turnstile/Interstitial 及其他反爬系统；
  • bulk_stealthy_fetch：stealthy_fetch 的异步并发版本。

截图

  • screenshot：基于已打开的浏览器会话截取 PNG 或 JPEG 页面截图，并以模型可直接"看到"的 image content block 形式返回（而非 base64 字符串），支持整页截图、JPEG 质量参数，以及 wait、wait_selector、network_idle 等就绪控制。

会话管理

  • open_session：创建动态或隐身类型的持久浏览器会话，跨多次 fetch 调用保持打开，避免每次请求都重新启动浏览器的开销；
  • close_session：关闭持久会话并释放资源；
  • list_sessions：列出所有活跃浏览器会话及其详情。

在以上工具之上，Server 还内置了这些关键能力：

  • 智能内容提取：将网页/元素转换为 Markdown、HTML，或抽取干净文本；
  • CSS 选择器支持：在内容交给 AI 之前，先用 CSS 选择器精确锁定目标元素；
  • 反爬绕过：应对 Cloudflare Turnstile、Interstitial 等防护；
  • 代理支持：用于匿名与地域定向；
  • 浏览器伪装：TLS 指纹伪装、与所选浏览器版本匹配的真实请求头；
  • 并行处理：多 URL 并发抓取；
  • 会话复用：跨请求复用浏览器会话；
  • 广告拦截：所有浏览器类工具自动拦截约 3,500 个已知广告与追踪域名，节省 token 并加速页面加载；
  • Prompt 注入防护：自动清理隐藏内容（CSS 隐藏元素、aria-hidden、零宽字符、HTML 注释、<template> 标签），防止恶意网站借抓取内容向 AI 注入指令。

为什么选 Scrapling MCP Server？

除了隐身能力与绕过 Cloudflare 的能力外，Scrapling 的 Server 是市面上唯一支持在传给 AI 之前先用 CSS 选择器筛选具体元素的抓取类 MCP 服务。其他 Server 的工作方式是：先提取全部内容，再让 AI 从中找出你需要的字段——这会消耗远超必要的 token（大量无关内容）。Scrapling 允许你传入一个 CSS 选择器，先把内容收窄到你真正需要的部分，再交给 AI，整个流程因此更快更省。

如果你不会写 CSS 选择器也不用担心：可以直接在 Prompt 里让 AI 为你编写选择器并不断尝试不同组合，直到命中目标字段（见下文示例）。

安装

先安装带 MCP 支持的 Scrapling，再确认浏览器依赖已安装：

# 安装 Scrapling 及 MCP server 依赖
pip install "scrapling[ai]"

# 安装浏览器依赖
scrapling install

也可以直接使用 Docker 镜像：

# Docker Hub
docker pull pyd4vinci/scrapling

# GitHub Container Registry
docker pull ghcr.io/d4vinci/scrapling:latest

从 pyproject.toml 可以看到，ai 这个可选依赖组包含 mcp>=2.0.0、markdownify>=1.2.0 以及 scrapling[fetchers]（后者又拉入 curl_cffi、playwright、patchright、browserforge 等抓取引擎依赖），也就是说 pip install "scrapling[ai]" 一条命令就装齐了 MCP Server 的全部依赖。

接入 MCP 客户端

以下以 Claude Desktop 和 Claude Code 为例，同样的逻辑适用于任何支持 MCP 的客户端。

注意：scrapling-mcp 命令是 v0.4.13 新增的快捷入口，直接映射到 scrapling mcp，方便那些要求"单个命令"的 MCP 注册表与客户端。如果你使用的是更早版本，请改用 scrapling 命令并将 mcp 作为第一个参数。当前仓库 pyproject.toml 中注册的版本即为 0.4.13，两个命令都可用。

Claude Desktop

  1. 打开 Claude Desktop；
  2. 点击左上角菜单（☰）→ Settings → Developer → Edit Config；
  3. 添加 Scrapling MCP Server 配置：
"ScraplingServer": {
  "command": "scrapling-mcp"
}

如果这是你添加的第一个 MCP Server，把整个文件内容设为：

{
  "mcpServers": {
    "ScraplingServer": {
      "command": "scrapling-mcp"
    }
  }
}

该操作会在配置不存在时创建、或打开已有的配置文件，文件位置为：

  1. macOS：~/Library/Application Support/Claude/claude_desktop_config.json
  2. Windows：%APPDATA%\Claude\claude_desktop_config.json

为稳妥起见，建议使用 scrapling-mcp 可执行文件的完整路径。在终端中执行以下命令获取：

  1. macOS：which scrapling-mcp
  2. Windows：where scrapling-mcp

例如在 Mac 上返回 /Users/<MyUsername>/.venv/bin/scrapling-mcp，则最终配置为：

{
  "mcpServers": {
    "ScraplingServer": {
      "command": "/Users/<MyUsername>/.venv/bin/scrapling-mcp"
    }
  }
}

Docker 方式

如果使用 Docker 镜像，配置如下：

{
  "mcpServers": {
    "ScraplingServer": {
      "command": "docker",
      "args": [
        "run", "-i", "--rm", "pyd4vinci/scrapling", "mcp"
      ]
    }
  }
}

这与 Dockerfile 中的入口一致：镜像 ENTRYPOINT 为 ["uv", "run", "scrapling"]，传入 mcp 参数即启动 MCP Server。同样的逻辑适用于 Cursor、WindSurf 等其他客户端。

Claude Code

使用 Claude Code 时更简单，安装好后在终端执行：

claude mcp add ScraplingServer "/Users/<MyUsername>/.venv/bin/scrapling-mcp"

可执行路径的获取方式同上（which scrapling-mcp / where scrapling-mcp）。

添加完成后，完全退出并重启所用应用。在 Claude Desktop 中，你应该能在聊天输入框右下角看到 MCP Server 指示器（🔧），或在输入框的 "Search and tools" 下拉中看到 ScraplingServer。

自定义浏览器可执行文件

浏览器类工具（fetch、bulk_fetch、stealthy_fetch、bulk_stealthy_fetch 与 open_session）可以指定一个自定义的 Chromium 兼容浏览器可执行文件，替代内置 Chromium，适用于自编译浏览器或轻量浏览器引擎。启动 Server 时传入路径即可对整个 Server 生效：

scrapling-mcp --executable-path "/path/to/chromium"

在 Claude Desktop 配置中则写入 args：

{
  "mcpServers": {
    "ScraplingServer": {
      "command": "/Users/<MyUsername>/.venv/bin/scrapling-mcp",
      "args": [
        "--executable-path",
        "/path/to/chromium"
      ]
    }
  }
}

也可以在启动 Server 前设置环境变量 SCRAPLING_EXECUTABLE_PATH。而单次调用仍可通过工具参数 executable_path 覆盖该全局默认值——这一优先级逻辑可以参见 scrapling/core/ai.py 中的 _resolve_executable_path 方法：先取单次调用传入值，取不到再回落到 Server 级默认值，而 Server 级默认值在构造时依次取命令行参数或 SCRAPLING_EXECUTABLE_PATH 环境变量。

连接远程浏览器

open_session 不一定要在本地启动浏览器。传入一个 CDP URL，它就能通过 Chrome DevTools Protocol 连接一个已在运行的浏览器——无论该浏览器在本机、另一台主机上，还是托管浏览器服务商提供的实例。例如这样的 Prompt：

Open a stealthy browser session on wss://cdp.provider.example/session/abc123,
then use it to scrape the product details from https://shop.example.com.
Close the session when you're done.

两种会话类型（dynamic 与 stealthy）都接受 CDP URL，返回的 session_id 照常配合 fetch 与 screenshot 工具使用。URL 可以是 WebSocket 端点（ws:// / wss://，托管浏览器服务商通常提供这种），也可以是你自己以远程调试端口启动的浏览器的 HTTP 端点：

chrome --remote-debugging-port=9222

此时用 cdp_url="http://localhost:9222" 连接（浏览器在其他机器上则换成对端地址）。

需要注意：

  • 浏览器已经在运行，因此仅在"启动阶段"生效的选项在 CDP 会话中会被忽略：headless、real_chrome、executable_path（包括上文的服务级默认值）；
  • 其余选项照常生效（locale、useragent、proxy、cookies、timezone_id 等），因为每个会话会在远程浏览器上创建自己独立的浏览器上下文。

Streamable HTTP 传输模式

从 v0.3.6 起，MCP Server 支持以 "Streamable HTTP" 传输模式替代传统的 "stdio" 传输。不用默认的 stdio：

scrapling-mcp

而改为：

scrapling-mcp --http

此时监听地址默认为 0.0.0.0:8000，两者均可配置：

scrapling-mcp --http --host '127.0.0.1' --port 8000

这些默认值在 scrapling/cli.py 的 mcp 命令定义中可以逐一对应：--http（默认 False）、--host（默认 '0.0.0.0'）、--port（默认 8000）、--executable-path、--auth-token、--allowed-host（可重复）。

鉴权与安全

stdio 传输只有启动它的进程能访问；一旦切到 Streamable HTTP，任何能访问该端口的人都可以调用全部工具——包括从运行 Server 的机器上抓取任意 URL。因此，只要监听地址不是 localhost，就应给它一个 token：

scrapling-mcp --http --auth-token "$(openssl rand -hex 32)"

客户端需要在 Authorization 请求头中携带该 token，缺失或错误的请求会被拒绝并返回 401：

{
  "mcpServers": {
    "ScraplingServer": {
      "url": "https://your-server.example.com/mcp",
      "headers": {
        "Authorization": "Bearer <your-token>"
      }
    }
  }
}

把 token 直接写在命令行上会留在 shell 历史和进程列表中，更推荐用环境变量 SCRAPLING_MCP_AUTH_TOKEN：

export SCRAPLING_MCP_AUTH_TOKEN="<your-token>"
scrapling-mcp --http

当 Server 监听在公网地址时，还应指定接受的主机名，这会启用 DNS-rebinding 攻击防护（防止你浏览器访问的网页反过来"对话"你的 Server），该选项可重复使用：

scrapling-mcp --http --allowed-host 'your-server.example.com:8000'

实现层面的对应关系：scrapling/core/ai.py 中，_StaticTokenVerifier 用 hmac.compare_digest 做常量时间比较来校验 Bearer token；_transport_security 方法把 --allowed-host 列表转换成 mcp SDK 的 TransportSecuritySettings，同时放行 http 与 https 两种 scheme 的 origin；serve 方法则在两种常见误配下打印警告——HTTP 模式下没设 token（提示任何人都能调用所有工具），或 stdio 模式下设了 token（提示该 token 会被忽略）。这些行为在 tests/ai/test_ai_mcp.py 中有对应的测试覆盖。

补充几点注意事项：

  • 鉴权仅对 Streamable HTTP 生效，stdio 下设置会被忽略并有警告日志；
  • 明文 HTTP 中 token 是明文传输的，对外暴露前应在 Server 前挂一个终结 TLS 的反向代理；
  • 这是单个共享密钥，不是按客户端发凭证：所有客户端使用同一 token，轮换 token 需要重启 Server；
  • 用 --http 启动但不带 token 仍可用于本地场景，Server 会记录一条"未启用鉴权"的警告。

Prompt 实战示例

以下示例摘自官方文档测试过程中使用的 Prompt，从简单到复杂递进（以 Claude Desktop 为例，其他客户端同理）。

1. 基础网页抓取

把网页主内容提取为 Markdown：

Scrape the main content from https://example.com and convert it to markdown format.

Claude 会用 get 工具抓取页面并返回干净可读的内容；失败时会每秒重试、默认重试 3 次，除非你在 Prompt 中另有指示。如果因防护或动态站点等原因取不到内容，它会自动换用其他工具——如果它没这样做，你可以在 Prompt 里明确要求。

更省事的写法是直接指定工具：

Use regular requests to scrape the main content from https://example.com and convert it to markdown format.

这样 Claude 不用猜该用哪个工具。实践中它有时自己选普通请求，有时又没来由地认为浏览器更适合——经验法则：永远在 Prompt 中指明使用哪个工具，省时省钱且结果稳定。

2. 定向数据抽取

用 CSS 选择器提取特定元素：

Get all product titles from https://shop.example.com using the CSS selector '.product-title'.
If the request fails, retry up to 5 times every 10 seconds.

Server 只提取匹配选择器的元素，并以结构化列表返回。默认重试配置对大多数场景足够，这里显式设置是为了应对目标站的连接不稳定。

3. 电商数据采集

Extract product information from these e-commerce URLs using bulk browser fetches:
- https://shop1.com/product-a
- https://shop2.com/product-b
- https://shop3.com/product-c

Get the product names, prices, and descriptions from each page.

Claude 会用 bulk_fetch 并发抓取所有 URL，再分析抽取出的数据。

4. 多步复杂工作流

比如要拿到 PlayStation 商店第一页当前所有动作类游戏：

Extract the URLs of all games in this page, then do a bulk request to them
and return a list of all action games: https://store.playstation.com/en-us/pages/browse

要点是明确指示对收集到的所有 URL 使用 bulk 请求——否则有时它会逐个 URL 单独请求，耗时显著增加。这个 Prompt 大约需要一分钟完成。但"不够具体"的代价是：它实际用了 stealthy_fetch 和 bulk_stealthy_fetch，不必要地消耗了大量 token。更好的 Prompt 是：

Use normal requests to extract the URLs of all games in this page, then do a
bulk request to them and return a list of all action games:
https://store.playstation.com/en-us/pages/browse

而如果你会写 CSS 选择器，还可以直接把选择器交给它，让它几乎瞬间完成：

Use normal requests to extract the URLs of all games on the page below, then
perform a bulk request to them and return a list of all action games.
The selector for games in the first page is `[href*="/concept/"]` and the
selector for the genre in the second request is
`[data-qa="gameInfo#releaseInformation#genre-value"]`.

URL: https://store.playstation.com/en-us/pages/browse

5. 绕过 Cloudflare 防护

如果你判断目标站有 Cloudflare 防护，直接告诉 Claude，而不是让它自己发现：

What's the price of this product? Be cautious, as it utilizes Cloudflare's
Turnstile protection. Make the browser visible while you work.

https://ao.com/product/oo101uk-ninja-woodfire-outdoor-pizza-oven-brown-99357-685.aspx

6. 长流程任务

Extract all product URLs for the following category, then return the prices
and details for the first 3 products.

https://www.arnotts.ie/furniture/bedroom/bed-frames/

优化后的写法：

Go to the following category URL and extract all product URLs using the CSS
selector "a". Then, fetch the first 3 product pages in parallel and extract
each product's price and details.

Keep the output in markdown format to reduce irrelevant content.

Category URL:
https://www.arnotts.ie/furniture/bedroom/bed-frames/

7. 持久会话

抓取同一站点的多页时，用持久浏览器会话避免每次请求都启动新浏览器的开销：

Open a stealthy browser session with 5 pages maximum pool, then use it to scrape
the main details in bulk from the first 5 product pages on https://shop.example.com.
Close the session when you're done.

Claude 会用 open_session 创建持久浏览器，把 session_id 传给 bulk_stealthy_fetch 同时打开所有页面，最后调用 close_session。这比逐页启动新浏览器快得多。

危险提醒：使用持久会话时，结束后务必关闭会话，否则浏览器会一直开着占用资源！

8. 长流程 + 会话综合示例

Use Scrapling MCP to do the following in this order:

1. Open a stealthy browser session with headless mode off.
2. Go to this page and collect the number of stars: https://github.com/D4Vinci/Scrapling
3. From the README, get the URL that shows the number of downloads and go to it.
4. Get the number of downloads and the top 3 countries from the graph.
5. Prepare a report with the results.
6. Close the browser.

最佳实践

1. 选对工具

  • get：快速、防护简单的站点；
  • fetch：有 JavaScript/动态内容的站点；
  • stealthy_fetch：有防护、Cloudflare、反爬系统的站点。

2. 性能优化

  • 多 URL 用 bulk 类工具；
  • 关闭不必要的资源（disable_resources）；
  • 设置合理的超时；
  • 用 CSS 选择器做定向提取。

3. 处理动态内容

  • SPA 用 network_idle；
  • 等待特定元素用 wait_selector；
  • 加载慢的站点调大超时。

4. 数据质量

  • main_content_only=true 排除导航/广告；
  • 按场景选择 extraction_type（markdown / html / text）。

5. Prompt 注入防护 MCP Server 在 main_content_only 启用时（默认启用）会自动清理抓取内容，剥离恶意网站可能用来向 AI 上下文注入指令的隐藏内容：

  • CSS 隐藏元素：display:none、visibility:hidden、opacity:0、font-size:0、height:0、width:0；
  • 无障碍隐藏元素：aria-hidden="true"；
  • 模板标签：<template> 元素；
  • HTML 注释：<!-- ... -->；
  • 零宽字符：如零宽空格等不可见 Unicode 字符。

该防护对所有 MCP 工具响应自动生效。保持 main_content_only=true（默认值）可获得最大防护。

6. 用会话处理多请求

  • 抓取多页时用 open_session 创建持久浏览器会话；
  • 把 session_id 传给 fetch / stealthy_fetch 复用同一浏览器；
  • 用完务必用 close_session 释放资源；
  • 用 list_sessions 检查哪些会话还活着；
  • dynamic 会话的 session_id 只能配合 fetch / bulk_fetch，stealthy 会话只能配合 stealthy_fetch / bulk_stealthy_fetch——这一点在源码中是硬校验（_get_session 会按 expected_type 检查并抛出明确的 ValueError），在 tests/ai/test_ai_mcp.py 的 test_session_type_mismatch 中也有对应断言；
  • 给 open_session 传自定义 session_id 可以为会话取有意义的名字（如 "search"、"checkout"），否则默认生成随机 12 位十六进制 ID；重复的 ID 会直接抛错，方便你提前发现冲突。

7. 截图

  • screenshot 只能基于已存在的浏览器会话工作，需先调用 open_session（dynamic 或 stealthy 均可）；
  • 图片以真正的 ImageContent 块返回，模型可以直接"看到"页面，而不是 JSON 里一段 base64；
  • 需要首屏以下全部内容时用 full_page=True，默认只截可视区域；
  • 不追求像素级色彩时，用 image_type="jpeg" 加 quality（0-100）可以得到更小的载荷——对 png 传 quality 会直接抛错；
  • fetch 使用的 wait、wait_selector、network_idle、timeout 控制同样可用。

源码级实现要点

结合 scrapling/core/ai.py 的实现，有几个值得了解的机制：

工具注册与内置指令。ScraplingMCPServer._build_server 通过 server.add_tool 注册全部 10 个工具，每个 fetch 工具都开启了 structured_output，返回结构化的 ResponseModel（status + content 列表 + url）；screenshot 则不开启结构化输出，因为它返回的是 ImageContent + TextContent 内容块组合。更关键的是 Server 携带了一段 instructions，以协议级方式约束 AI 的行为：未指定工具时先用 get 再逐步升级、多请求用 bulk 版本、多页面任务优先开会话、用 css_selector 收窄内容以省 token、session_id 存在时浏览器级参数（headless、proxy、locale 等）因在会话创建时已固定而被忽略、open_session 用过必须 close_session 等——这正是"官方示例 Prompt 有效"的底层原因。

批量抓取的分页池。bulk_fetch / bulk_stealthy_fetch 的 docstring 注明：超过 50 个 URL 的批次会通过一个 50 并发页面池抓取。对应实现是 _page_pool_size：min(max(len(urls), 1), _MAX_POOL_PAGES)，其中 _MAX_POOL_PAGES = 50 与 scrapling/engines/_browsers/_validators.py 中页面数的校验上限保持一致。

内容转换与清洗。所有 fetch 工具的响应最终都经过 _translate_response：它调用 scrapling.core.shell 的 Convertor._extract_content 按 extraction_type 与 css_selector 提取内容，再用 _CONTROL_CHARS_PATTERN 剔除控制字符（tests/ai/test_ai_mcp.py 中的 test_translate_response_strips_control_characters 验证了含 U+0008 的页面不会让 get/fetch 路径崩溃）。block_ads=True 则在每个浏览器会话构造时写死开启，即上文提到的约 3,500 个广告域拦截是默认行为而非可选项。

测试覆盖。tests/ai/test_ai_mcp.py 覆盖了 get/bulk_get/fetch/bulk_fetch/stealthy_fetch/bulk_stealthy_fetch 六个抓取工具，会话生命周期（创建、列表、复用、类型不匹配报错、自定义 ID、重复 ID 报错），以及 executable_path 参数在工具间的传递逻辑，可作为理解各参数实际行为的参考。

法律与伦理提醒

使用 Scrapling MCP Server 抓取数据时，请注意：

  • 检查 robots.txt：访问 https://website.com/robots.txt 了解抓取规则；
  • 尊重速率限制：不要以过量请求压垮服务器；
  • 服务条款：阅读并遵守目标站点的条款；
  • 版权：尊重知识产权；
  • 隐私：注意个人数据保护法规；
  • 商业用途：确保已获得商业使用授权。

小结

Scrapling MCP Server 的价值可以概括为三点：一是把"HTTP 快速抓取 → 浏览器动态抓取 → 隐身反爬绕过"三级抓取策略完整暴露给 AI，并让 AI 能按 Server 内置指令自动升级工具；二是通过 CSS 选择器前置过滤与 Markdown 化输出，从源头压缩送入模型的 token 量；三是提供持久会话、批量并发、远程 CDP 浏览器连接、Streamable HTTP + 共享 token 鉴权与 DNS-rebinding 防护等工程化能力，使其既能跑在本地桌面客户端，也能以受保护的服务形式部署到远程。从 docs/ai/mcp-server.md 的完整指南、scrapling/core/ai.py 的约千行实现，到 tests/ai/test_ai_mcp.py 的系统性测试，这套 MCP 集成在仓库内有完整、可追溯的证据链。

Scrapling
🕷️ An adaptive Web Scraping framework that handles everything from a single request to a full-scale crawl!
项目地址：https://gitcode.com/GitHub_Trending/sc/Scrapling
登录后查看全文

相关内容推荐

1 Scrapling 完全指南：从单请求抓取到自适应大规模爬虫的 Python 框架2 Scrapling 全栈实战指南：从单次请求到自适应抓取与大规模爬虫框架3 Scrapling Agent Skill 实战：让 AI Agent 安全地掌握反爬抓取、浏览器自动化与 Spider 框架4 Scrapling MCP Server API 参考：把网页抓取能力接入 AI Agent 的十个工具与完整参数解析5 Scrapling 完全指南：自适应 Web Scraping 框架的 Fetcher、Spider 与 CLI 全解析6 Scrapling自适应网页抓取框架：技术原理与多领域应用指南7 Scrapling：从单次请求到大规模爬虫的自适应 Web 抓取框架实践指南8 Scrapling 自适应 Web 抓取框架指南：Fetcher、Spider 与 CLI 全解析9 Scrapling 实战指南：从单条请求到全量爬取的自适应 Web Scraping 框架10 Scrapling：Python反爬虫突破与高效数据抓取实战指南
热门项目推荐
相关项目推荐

热门内容推荐

1 编程实践项目探索指南：从零构建技术能力体系2 技术解构式学习：从0到1构建你的编程知识体系3 构建自己的技术世界：build-your-own-x项目的实践探索指南4 解锁编程技能的实践之旅：从零构建你的技术世界5 技术实践探索：从零开始构建核心系统的实践指南6 亲手锻造技术引擎：从0到1构建核心系统的实践指南

最新内容推荐

Ultralytics YOLO26 实战：Objects365 大规模目标检测数据集训练、预训练检查点与 712GB 下载机制全解Context7 ctx7 CLI 完全指南：检索库文档、管理 AI 技能与 MCP 配置（基于官方 Agent Skill 与源码）Electron Extensions API 详解：加载、管理与监听 Chrome 扩展的完整指南Playwright Credentials 深度解析：虚拟 WebAuthn 认证器与 Passkey 测试实战Agent Reach：一句话给 AI Agent 装上互联网能力——多后端渠道架构与安全设计实战33-js-concepts 项目开发指南：CLAUDE.md 详解仓库结构、33 个概念体系、Vitest 测试规范与 AI 技能工作流Coolify 的 Laravel 配置最佳实践：env() 边界、密钥加密、环境判断与常量规范化CPython List Objects C API 深度解析：从 PyList_New 到 PyList_AsTuple 的引用语义与实现细节ui/ui 仓库 templates/start-app 模板解析：TanStack Start + shadcn/ui 项目起步实战Chart.js 插件系统详解：从插件注册、配置作用域到钩子调用的源码级实现

项目优选

收起
kernelkernel
deepin linux kernel
C
33
18
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库，实现网络在NPU上加速计算。
C++
1.12 K
2.72 K
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库，实现网络在NPU上加速计算。
C++
903
1.82 K
docsdocs
暂无描述
Markdown
888
5.78 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件，TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件，使 PyTorch 框架能够直接调用昇腾 NPU，为开发者提供昇腾 AI 处理器的超强算力。
Python
854
1.34 K
kernelkernel
openEuler内核是openEuler操作系统的核心，既是系统性能与稳定性的基石，也是连接处理器、设备与服务的桥梁。
C
527
590
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent，它能够将大语言模型的强大能力，通过你日常使用的各类通讯应用，直接延伸至你的指尖。
Python
3.51 K
1.01 K
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库，实现网络在NPU上加速计算。
C++
1.33 K
1.45 K
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR（Multi-Level Intermediate Representation）构建的，面向昇腾亲和算子编译时使用的中间表示，提供昇腾完备表达能力，通过编译优化提升昇腾AI处理器计算效率，支持通过生态框架使能昇腾AI处理器与深度调优
C++
540
384
flutter_flutterflutter_flutter
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本，由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用，3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.17 K
341