✦ AI Skill Hub 推荐
每日一句 是 AI Skill Hub 本期精选AI工具之一。综合评分 8.0 分，整体质量较高。我们强烈推荐将其纳入你的 AI 工具库，帮助提升工作效率。
📚 深度解析
每日一句 是一款基于 Markdown 的开源工具，在 GitHub 上收获 0k+ Star，是ai、markdown、创意故事领域中的优质开源项目。开源工具的最大优势在于代码完全透明，你可以审计每一行代码的安全性，也可以根据自身需求进行二次开发和定制。
**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。
**安装与环境准备**
每日一句 依赖 Markdown 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Markdown 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。
**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 每日一句 的版本更新，及时通知重要功能变化。
**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。
**安装与环境准备**
每日一句 依赖 Markdown 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Markdown 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。
**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 每日一句 的版本更新，及时通知重要功能变化。
📋 工具概览
每日一句 是一款基于 Markdown 开发的开源工具，专注于 ai、markdown、创意故事 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
GitHub Stars
⭐ 66
开发语言
Markdown
支持平台
Windows / macOS / Linux
维护状态
轻量级项目，按需更新
开源协议
MIT
AI 综合评分
8.0 分
工具类型
AI工具
Forks
11
📖 中文文档
以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。
每日一句 是一款基于 Markdown 开发的开源工具，专注于 ai、markdown、创意故事 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
📌 核心特色
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
🎯 主要使用场景
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。
安装命令
# 克隆仓库 git clone https://github.com/Liao-Ke/everyday cd everyday # 查看安装说明 cat README.md # 按 README 完成环境依赖安装后即可使用
📋 安装步骤说明
- 访问 GitHub 仓库页面
- 按照 README 文档完成依赖安装
- 根据系统环境完成初始化配置
- 参考官方示例或文档开始使用
- 遇到问题可在 GitHub Issues 中查找解答
以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。
常用命令 / 代码示例
# 查看帮助 everyday --help # 基本运行 everyday [options] <input> # 详细使用说明请查阅文档 # https://github.com/Liao-Ke/everyday
以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。
配置示例
# everyday 配置说明 # 查看配置选项 everyday --config-example > config.yml # 常见配置项 # output_dir: ./output # log_level: info # workers: 4 # 环境变量（覆盖配置文件） export EVERYDAY_CONFIG="/path/to/config.yml"
以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。
everyday - AI 每日故事生成器
根据金山词霸每日一句，通过多个 AI 模型并行生成故事，保存为 Markdown 文件，由 VitePress 静态站点展示。
特性
- 多模型并行：同时调用 7+ AI 模型（DeepSeek、智谱、Kimi、豆包、通义千问、ModelScope、Gemini），ThreadPoolExecutor 并发运行
- 插件式模型配置：每个模型一个
*_config.py文件，导出 6 个标准化符号即可注册，无需修改核心代码 - 惰性数据加载：import 时不发起 HTTP 请求，金山词霸每日句和网络搜索结果通过
model_configs/_shared.py惰性获取 - 流水线架构：PREPROCESSORS → chat → POSTPROCESSORS → 文件持久化，各环节可插拔
- JSON Lines 日志：
chat_logs/story_records.json追加写入，O(1) 持久化，兼容旧 JSON 数组格式 - 自动归档：
check.py监控日志文件大小，超过阈值自动归档 - 每周词云：
wordcloud_analysis.py对全量故事做分词、词频统计，生成词云图 + 分析报告 - 自动化部署：GitHub Actions 每日自动生成并提交故事，Cloudflare Pages 自动构建部署
快速开始
git clone https://github.com/Liao-Ke/everyday.git && cd everyday
conda create -n storygen python=3.11 && conda activate storygen
pip install -r requirements.txt部署
- GitHub Actions：
main.yml每日 23:00 UTC 自动运行python main.py并提交生成的故事 - Cloudflare Pages：自动从
story/目录构建部署，无需在 CI 中运行npm run docs:build
使用
```bash
运行测试
pytest -v
运行单个测试文件
pytest tests/test_pipeline.py -v ```
本地预览 VitePress 站点
npm install && npm run docs:dev
配置
复制 .env.example 为 .env，填入 API 密钥：
| 环境变量 | 说明 | 获取地址 |
|---|---|---|
API_KEY | 智谱 AI（GLM-4.7/4.5/Z1 Flash） | https://bigmodel.cn |
API_KEY_DS | DeepSeek（V4 Pro + Reasoner） | https://platform.deepseek.com |
API_KEY_KIMI | Kimi（Thinking + K2） | https://platform.moonshot.cn |
API_KEY_DOUBAO | 豆包（1.5 Pro + Thinking） | https://console.volcengine.com/ark |
API_KEY_QWEN | 通义千问（Qwen 3-235B） | https://bailian.console.aliyun.com |
API_KEY_MODELSCOPE | ModelScope（体验模型） | https://modelscope.cn |
API_KEY_GEMINI | Gemini 2.5 Pro | https://aistudio.google.com |
添加新模型
- 在
.env中添加API_KEY_XXX - 创建
model_configs/xxx_config.py，导出 6 个符号：
| 符号 | 说明 |
|---|---|
API_KEY | os.getenv("API_KEY_XXX") |
CLIENT_PARAMS | OpenAI 客户端参数（base_url） |
CHAT_PARAMS | Chat 参数（model、messages、stream 等） |
PREPROCESSORS | API 调用前预处理函数列表 |
POSTPROCESSORS | API 响应后处理函数列表 |
POSTPROCESSOR_FILES | 持久化输出函数列表 |
- 若需排除（如思维链模型），在
main.py:13的EXCLUDED_MODELS中添加模型名 - 将
API_KEY_XXX添加到 GitHub Secrets 和.github/workflows/main.yml
🎯 aiskill88 AI 点评
A 级
2026-06-28
创新性AI工具，丰富的创意故事
⚡ 核心功能
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
👥 适合人群
🎯 使用场景
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
⚖️ 优点与不足
✅ 优点
- +MIT 协议，可免费商用
- +完全开源免费，无授权费用
- +本地部署，数据完全自主可控
- +开发者社区支持，遇问题可查可问
⚠️ 不足
- −安装和初始配置可能需要一定技术基础
- −功能完整性通常不如成熟商业产品
- −技术支持主要依赖开源社区，响应速度不稳定
⚠️ 使用须知
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
📄 License 说明
✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。
🔗 相关工具推荐
markitdown AI技能包
微软开源的Python工具，将各类文件和Office文档智能转换为Markdown格式。支持PDF、Word、Excel
transformers AI技能包
Hugging Face开源的深度学习框架，提供预训练语言模型、视觉模型和多模态模型。集成BERT、GPT、Llama等
ComfyUI 节点式AI图像生成
强大的开源扩散模型可视化工具，提供图形界面、API和后端服务。采用节点图式设计，支持模块化工作流构建，适合AI绘图、图像
llama-cpp AI技能包
高效的大语言模型C/C++推理框架，支持在本地CPU/GPU上运行量化LLM模型，具有内存占用小、推理速度快的特点。适合
🧩 你可能还需要
基于当前 Skill 的能力图谱，自动补全的工具组合
❓ 常见问题 FAQ
安装后，在Markdown文件中输入关键词即可生成故事
💡 AI Skill Hub 点评
经综合评估，每日一句 在AI工具赛道中表现稳健，质量优秀。如果你已有明确的使用需求，可以直接上手体验；如果还在评估阶段，建议对比同类工具后再做决策。
🌐 原始信息
| 原始名称 | everyday |
| 原始描述 | 开源AI工具：✨ 让经典名言焕发新生！基于LLM模型动态生成创意故事，用AI重新诠释金山每日一句的智慧结晶。⭐66 · Markdown |
| Topics | aimarkdown创意故事 |
| GitHub | https://github.com/Liao-Ke/everyday |
| License | MIT |
| 语言 | Markdown |
🔗 原始来源
🐙 GitHub 仓库 https://github.com/Liao-Ke/everyday
🌐 官方网站 https://liao-ke.github.io/everyday/
收录时间：2026-06-28 · 更新时间：2026-06-28 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。