每日GitCode开源项目推荐：中小开发者的“神兵利器”完整实战指南

weixin_56622231

409人浏览 · 2026-04-29 08:13:59

weixin_56622231 · 2026-04-29 08:13:59 发布

每日GitCode开源项目推荐：中小开发者的"神兵利器"完整实战指南

我有一个习惯，每天早上到公司的第一件事不是看邮件，而是刷一圈开源社区。

GitCode开源项目推荐

这个习惯始于三年前。当时我刚跳槽到一家创业公司，团队只有5个人，什么都要自己干——前端、后端、运维、测试。人少活多，如果不善用开源工具，根本不可能按时交付。

那时候我发现了一个问题：很多好用的开源项目，你不去主动找根本不知道它们的存在。GitHub上星标多的项目大家都知道了，但有很多"藏在深闺人未识"的好项目，星标不多却极其实用。

后来我开始关注GitCode，这个平台上聚集了大量国内开发者的开源项目，很多都是针对中文环境和使用习惯优化的，比直接用英文项目顺手得多。

今天就把我这段时间挖掘到的一些"神兵利器"分享出来，每个都是我亲自试用过觉得好用的。

一、为什么推荐GitCode

先说说为什么我不只看GitHub，还要看GitCode。

维度 | GitHub | GitCode | Gitee

|------|--------|---------|-------|

访问速度(国内) | 慢，需代理 | 快 | 快

国内项目数量 | 多但分散 | 集中且优质 | 多但质量参差

中文文档 | 少 | 多 | 多

企业项目 | 国际为主 | 国内企业多 | 中等

社区氛围 | 国际化 | 国内开发者友好 | 中等

代码托管稳定性 | 高 | 高 | 中高

CI/CD | Actions | 内置 | 内置

开源生态 | 最大 | 增长快 | 中等

> GitCode的优势不在于"替代"GitHub，而在于"补充"。很多国内开发者和企业在GitCode上首发项目，这些项目往往更贴合国内开发场景。

二、开发效率类项目

2.1 快速API开发框架

项目名 | 语言 | Star | 核心功能 | 适用场景

|--------|------|------|---------|---------|

Hono | TypeScript | 20k+ | 超轻量Web框架 | Edge/Serverless

FastAPI | Python | 75k+ | 高性能API框架 | 后端API开发

Gin | Go | 76k+ | HTTP Web框架 | Go后端开发

Actix | Rust | 21k+ | 高性能Web框架 | 性能敏感场景

Quarkus | Java | 13k+ | 云原生Java框架 | 云原生Java

Fiber | Go | 30k+ | Express风格Go框架 | 快速Go开发

我用FastAPI举个例子，这是我个人最喜欢的Python API框架：


from fastapi import FastAPI, HTTPException, Depends
from pydantic import BaseModel
from typing import Optional
import uvicorn

app = FastAPI(title="我的API", version="1.0.0")

# 数据模型
class User(BaseModel):
    id: Optional[int] = None
    name: str
    email: str
    age: int

class UserResponse(BaseModel):
    id: int
    name: str
    email: str

# 模拟数据库
fake_db =

[] # 依赖注入：获取数据库 def get_db(): return fake_db @app.post("/users", response_model=UserResponse) async def create_user(user: User, db = Depends(get_db)): """创建用户""" user.id = len(db) + 1 db.append(user) return user @app.get("/users/{user_id}", response_model=UserResponse) async def get_user(user_id: int, db = Depends(get_db)): """获取用户信息""" if user_id < 1 or user_id > len(db): raise HTTPException(status_code=404, detail="用户不存在") return db[user_id - 1] @app.get("/users", response_model=list[UserResponse]) async def list_users(skip: int = 0, limit: int = 10, db = Depends(get_db)): """获取用户列表""" return db[skip: skip + limit] if __name__ == "__main__": uvicorn.run(app, host="0.0.0.0", port=8000)

FastAPI最大的好处是**自动生成API文档**。启动后访问`http://localhost:8000/docs`，你就能看到一个完整的Swagger UI，可以直接在浏览器里测试每个接口。对于前后端分离的团队来说，这个功能简直不要太方便。

2.2 开发者工具集

工具名 | 类型 | 功能 | 推荐理由

|--------|------|------|---------|

httpie | CLI | HTTP客户端 | 比curl好用100倍

jq | CLI | JSON处理 | API调试必备

fzf | CLI | 模糊查找 | 命令行效率神器

ripgrep | CLI | 代码搜索 | 比grep快10倍

bat | CLI | cat替代品 | 语法高亮+行号

delta | CLI | git diff增强 | 代码diff更美观

lazygit | CLI | Git TUI | 可视化Git操作

tmux | CLI | 终端复用 | 多窗口管理

starship | CLI | Shell提示符 | 跨shell美化

这些工具我每天都在用。特别是ripgrep和fzf的组合，搜索代码的速度快到飞起。


# ripgrep + fzf 组合使用
# 用ripgrep搜索并fzf选择
rg --line-number --no-heading --color=always '' | fzf --ansi

# 在tmux中快速切换会话
tmux ls | fzf | cut -d: -f1 | xargs tmux switch-client -t

三、数据库与存储类项目

3.1 数据库选型对比

数据库 | 类型 | 适用场景 | 性能特点 | 学习成本

|--------|------|---------|---------|---------|

PostgreSQL | 关系型 | 通用 | 强一致性好 | 中

MySQL | 关系型 | Web应用 | 成熟稳定 | 低

SQLite | 嵌入式 | 小应用 | 零配置 | 极低

Redis | KV缓存 | 缓存/队列 | 极快 | 低

MongoDB | 文档型 | 灵活

Schema | 高写入 | 中

DuckDB | 分析型 | 数据分析 | 列式存储 | 低

ClickHouse | 分析型 | 大数据分析 | 极快聚合 | 中高

TiDB | 分布式 | HTAP | 水平扩展 | 高

3.2 DuckDB：被低估的分析利器

DuckDB是我最近半年最惊喜的发现。它是一个**嵌入式分析数据库**，你可以把它理解为"分析领域的SQLite"。


import duckdb

# 直接查询CSV文件
result = duckdb.sql("""
    SELECT 
        department,
        COUNT(*) as employee_count,
        AVG(salary) as avg_salary,
        MAX(salary) as max_salary
    FROM 'employees.csv'
    GROUP BY department
    ORDER BY avg_salary DESC
""").df()

print(result)

# 直接查询Parquet文件
result2 = duckdb.sql("""
    SELECT date_trunc('month', order_date) as month,
           SUM(amount) as total_sales
    FROM 'sales.parquet'
    WHERE year(order_date) = 2024
    GROUP BY month
    ORDER BY month
""").df()

# 连接多个数据源
result3 = duckdb.sql("""
    SELECT u.name, COUNT(o.id) as order_count, SUM(o.amount) as total_spent
    FROM 'users.csv' u
    LEFT JOIN 'orders.parquet' o ON u.id = o.user_id
    GROUP BY u.name
    HAVING total_spent > 1000
    ORDER BY total_spent DESC
""").df()

你看到了吗？**不需要导入数据，不需要建表，直接用SQL查询文件**。对于需要快速分析CSV或Parquet文件的场景，DuckDB简直是神器。

场景 | 传统方案 | DuckDB方案 | 效率提升

|------|---------|-----------|---------|

分析CSV文件 | pandas加载+处理 | 直接SQL查询 | 5-10倍

分析10GB数据 | Spark集群 | 单机DuckDB | 省去集群

多表关联分析 | pandas merge | SQL JOIN | 代码量减80%

聚合统计 | pandas groupby | SQL GROUP BY | 更直观

3.3 Redis高级用法

Redis大家都会用，但很多人只把它当缓存。其实Redis还有很多强大的功能：


import redis
import json
import time

r = redis.Redis(host='localhost', port=6379, db=0, decode_responses=True)

# 1. 分布式锁
def acquire_lock(lock_name, timeout=10):
    """获取分布式锁"""
    identifier = str(time.time())
    if r.setnx(lock_name, identifier):
        r.expire(lock_name, timeout)
        return identifier
    return None

def release_lock(lock_name, identifier):
    """释放分布式锁"""

pipe = r.pipeline() while True: try: pipe.watch(lock_name) if pipe.get(lock_name) == identifier: pipe.multi() pipe.delete(lock_name) pipe.execute() return True pipe.unwatch() break except redis.WatchError: continue return False # 2. 消息队列（Stream） def publish_message(stream, message): """发布消息到Stream""" return r.xadd(stream, message) def consume_messages(stream, group, consumer, count=1): """消费消息""" try: r.xgroup_create(stream, group, id='0', mkstream=True) except redis.ResponseError: pass # group已存在 messages = r.xreadgroup(group, consumer, {stream: '>'}, count=count) return messages # 3. 限流器 def rate_limit(key, limit=100, window=60): """滑动窗口限流""" pipe = r.pipeline() now = time.time() key_with_prefix = f"rate_limit:{key}" pipe.zadd(key_with_prefix, {str(now): now}) pipe.zremrangebyscore(key_with_prefix, 0, now - window) pipe.zcard(key_with_prefix) pipe.expire(key_with_prefix, window) results = pipe.execute() count = results[2] if count > limit: return False # 超过限制 return True

四、DevOps与运维类项目

4.1 容器与编排

工具 | 功能 | 复杂度 | 适用规模

|------|------|--------|---------|

Docker | 容器化 | 低 | 所有项目

Docker Compose | 多容器编排 | 低 | 单机

K3s | 轻量K8s | 中 | 小团队

K8s | 容器编排 | 高 | 大规模

Podman | 无守护容器 | 低 | 安全敏感

Buildah | 镜像构建 | 中 | CI/CD

> 如果你只有1-3台服务器，别上K8s，Docker Compose就够了。K3s是介于两者之间的好选择——轻量但有K8s的API兼容性。

4.2 监控方案


# docker-compose.monitoring.yml
# 一套完整的轻量级监控方案
version: '3.8'

services:
  # Prometheus - 指标采集
  prometheus:
    image: prom/prometheus:latest
    ports:
      - "9090:9090"
    volumes:
      - ./prometheus.yml:/etc/prometheus/prom

etheus.yml - prometheus_data:/prometheus # Grafana - 可视化 grafana: image: grafana/grafana:latest ports: - "3000:3000" environment: - GF_SECURITY_ADMIN_PASSWORD=admin volumes: - grafana_data:/var/lib/grafana depends_on: - prometheus # Node Exporter - 系统指标 node-exporter: image: prom/node-exporter:latest ports: - "9100:9100" # cAdvisor - 容器指标 cadvisor: image: gcr.io/cadvisor/cadvisor:latest ports: - "8080:8080" volumes: - /:/rootfs:ro - /var/run:/var/run:ro - /sys:/sys:ro - /var/lib/docker/:/var/lib/docker:ro volumes: prometheus_data: grafana_data:


# prometheus.yml
global:
  scrape_interval: 15s

scrape_configs:
  - job_name: 'node'
    static_configs:
      - targets: ['node-exporter:9100']
  
  - job_name: 'containers'
    static_configs:
      - targets: ['cadvisor:8080']
  
  - job_name: 'application'
    static_configs:
      - targets: ['app:8080']

这套方案用`docker compose up -d`一条命令就能启动，覆盖了系统监控、容器监控和应用监控三个层面。

4.3 监控工具对比

工具 | 监控类型 | 资源占用 | 功能丰富度 | 推荐场景

|------|---------|---------|-----------|---------|

Prometheus+Grafana | 指标 | 中 | 高 | 通用推荐

Zabbix | 全面 | 高 | 极高 | 传统运维

Datadog | SaaS | 低 | 极高 | 不差钱

Uptime Kuma | 可用性 | 极低 | 中 | 简单监控

NetData | 实时 | 低-中 | 高 | 单机监控

Loki | 日志 | 中 | 中 | 日志聚合

五、前端开发类项目

5.1 前端框架与工具

项目 | 类型 | 核心特点 | 学习成本 | 推荐场景

|------|------|---------|---------|---------|

Vite | 构建工具 | 极速HMR | 低 | 所有新项目

Astro | 站点框架 | 内容优先 | 中 | 静态站点

shadcn/ui | UI组件 | 可复制代码 | 低 | React项目

UnoCSS | CSS引擎 | 原子化CSS | 中 | 性能敏感

TanStack Query | 数据请求 | 服务端状态 | 中 | 数据密集型

Zustand | 状态管理 | 极简API | 低 | 中小项目

Playwright | E2E测试 | 跨浏览器 | 中 | 自动化测试

Biome | 代码工具 | 格式化+Lint | 低 | 替代ESLint

+Prettier

5.2 shadcn/ui：改变组件库游戏规则的项目

shadcn/ui不是传统的npm组件库，它的理念是**把组件代码直接复制到你的项目中**。这意味着你可以完全自定义每个组件，不受库的约束。


# 初始化
npx shadcn-ui@latest init

# 添加组件
npx shadcn-ui@latest add button
npx shadcn-ui@latest add dialog
npx shadcn-ui@latest add dropdown-menu


import { Button } from "@/components/ui/button"
import {
  Dialog,
  DialogContent,
  DialogHeader,
  DialogTitle,
  DialogTrigger,
} from "@/components/ui/dialog"

export function UserModal() {
  return (
    <Dialog>
      <DialogTrigger asChild>
        <Button variant="outline">编辑用户</Button>
      </DialogTrigger>
      <DialogContent>
        <DialogHeader>
          <DialogTitle>编辑用户信息</DialogTitle>
        </DialogHeader>
        {/* 你的表单内容 */}
      </DialogContent>
    </Dialog>
  )
}

组件代码就在你的项目里，想怎么改就怎么改。不用担心升级库会破坏定制化的样式。

六、AI开发类项目

6.1 AI开发工具链

项目 | 功能 | 语言 | 推荐场景

|------|------|------|---------|

LangChain | LLM应用框架 | Python/JS | 通用AI开发

LangGraph | Agent编排 | Python | 复杂Agent

LlamaIndex | RAG框架 | Python | 知识库问答

Ollama | 本地模型运行 | Go/CLI | 本地部署

vLLM | 模型推理服务 | Python | 生产部署

LiteLLM | 统一API层 | Python | 多模型管理

Instructor | 结构化输出 | Python | 数据提取

Haystack | 搜索+问答 | Python | 企业搜索

6.2 LiteLLM：一个API管所有模型


from litellm import completion
import os

# 设置各种模型的API Key
os.environ["OPENAI_API_KEY"] = "sk-xxx"
os.environ["ANTHROPIC_API_KEY"] = "sk-xxx"

# 统一接口调用不同模型
models_to_test = [
    "gpt-4o",
    "gpt-4o-mini", 
    "claude-3-5-sonnet-20241022",
    "gemini/gemini-1.5-pro",
]

question = "用一句话解释什么是闭包"

for model in models_to_test:
    response = completion(
        model=model,
        messages=[{"role": "user", "content": question}],
        max_token

s=100 ) print(f"[{model}]: {response.choices[0].message.content}\n") # 也可以用作代理服务器 # litellm --model ollama/qwen2.5:7b --port 8000

LiteLLM的价值在于：你不需要为每个模型提供商写不同的调用代码。一套API，所有模型通用。当你需要切换模型时，只改一个字符串就行。

6.3 Instructor：让LLM输出结构化数据


from instructor import from_openai
from pydantic import BaseModel
from openai import OpenAI

client = from_openai(OpenAI())

class UserInfo(BaseModel):
    name: str
    age: int
    email: str
    skills: list[str]

# 直接获取结构化数据
user = client.chat.completions.create(
    model="gpt-4o-mini",
    response_model=UserInfo,
    messages=[
        {"role": "user", "content": """
        从以下文本中提取用户信息：
        张三，28岁，邮箱zhangsan@email.com。
        他会Python、Go和Rust。
        """}
    ]
)

print(user.name)    # "张三"
print(user.age)     # 28
print(user.email)   # "zhangsan@email.com"
print(user.skills)  # ["Python", "Go", "Rust"]

以前从LLM输出中提取结构化数据需要写正则或者额外的解析逻辑，现在直接声明一个Pydantic模型就行了。

七、安全类项目

7.1 安全工具推荐

工具 | 功能 | 适用场景 | 复杂度

|------|------|---------|--------|

Trivy | 容器扫描 | CI/CD安全 | 低

Gitleaks | 密钥扫描 | 防止泄密 | 低

Snyk | 依赖扫描 | 漏洞检测 | 低

OWASP ZAP | Web扫描 | 渗透测试 | 中

Falco | 运行时安全 | 容器安全 | 中高

Vault | 密钥管理 | 集中管理 | 中高


# Trivy: 扫描Docker镜像漏洞
trivy image python:3.12-slim

# Gitleaks: 扫描代码中的密钥泄露
gitleaks detect --source . --report-path leaks.json

# 在Git hook中使用
# .git/hooks/pre-commit
#!/bin/bash
gitleaks protect --staged

八、项目管理与协作类

项目 | 功能 | 替代产品 | 推荐理由

|------|------|---------|---------|

Plane | 项目管理 | Jira | 开源免费

Outline | 知识库 | Notion | 自托管

n8n | 工作流自动化 | Zapier | 开源免费

Planka | 看板 | Trello | 轻量开源

AppFlowy | 笔记 | Notion | 本地优先

AFFiNE | 白板+笔记 | Miro+Notion | 开源全能

> n8n特别推荐。它是开源的Zapier替代品，可以自动化各种工作流——比

如收到邮件自动发企微通知、GitHub有新Issue自动创建Trello卡片等。自托管完全免费，比Zapier的订阅费省太多了。

九、实用脚本与配置

9.1 一键开发环境


#!/bin/bash
# dev-setup.sh - 一键配置开发环境

echo "=== 开发环境配置脚本 ==="

# 安装基础工具
install_tool() {
    if command -v \$1 &> /dev/null; then
        echo "[OK] \$1 已安装: \$(\$1 --version 2>&1 | head -1)"
    else
        echo "[INSTALL] 安装 \$1..."
        sudo apt install -y \$1
    fi
}

# 基础工具
TOOLS="git curl wget vim htop tmux tree jq unzip build-essential"
for tool in \$TOOLS; do
    install_tool \$tool
done

# 安装ripgrep
if ! command -v rg &> /dev/null; then
    echo "[INSTALL] 安装 ripgrep..."
    curl -LO https://github.com/BurntSushi/ripgrep/releases/latest/download/ripgrep_13.0.0_amd64.deb
    sudo dpkg -i ripgrep_13.0.0_amd64.deb
    rm ripgrep_13.0.0_amd64.deb
fi

# 安装fzf
if ! command -v fzf &> /dev/null; then
    echo "[INSTALL] 安装 fzf..."
    git clone --depth 1 https://github.com/junegunn/fzf.git ~/.fzf
    ~/.fzf/install --all
fi

# 配置Git
git config --global init.defaultBranch main
git config --global pull.rebase false
git config --global core.editor vim
git config --global alias.st status
git config --global alias.co checkout
git config --global alias.br branch
git config --global alias.ci commit
git config --global alias.lg "log --oneline --graph --all"

echo ""
echo "=== 配置完成! ==="
echo "已安装工具:"
echo "  git, curl, vim, tmux, jq, ripgrep, fzf"
echo ""
echo "建议手动安装:"
echo "  - Docker: https://docs.docker.com/get-docker"
echo "  - Node.js: curl -o- https://fnm.vercel.app/install | bash"
echo "  - Python: pyenv install 3.12"

9.2 项目模板生成器


#!/usr/bin/env python3
"""快速生成项目脚手架"""
import os
import sys
from pathlib import Path

PROJECT_TEMPLATES = {
    "python-api": {
        "structure": [
            "src/",
            "src/__init__.py",
            "src/main.py",
            "src/models/",
            "src/routes/",
            "src/utils/",

"tests/", "tests/__init__.py", ".gitignore", "requirements.txt", "README.md", "Dockerfile", "docker-compose.yml", ], "files": { "src/main.py": '''from fastapi import FastAPI app = FastAPI(title="{}") @app.get("/") async def root(): return {"status": "ok"} ''', ".gitignore": """__pycache__/ *.pyc .env venv/ .venv/ *.egg-info/ dist/ build/ .pytest_cache/ """, "requirements.txt": "fastapi\nuvicorn\npython-dotenv\n", "Dockerfile": """FROM python:3.12-slim WORKDIR /app COPY requirements.txt . RUN pip install --no-cache-dir -r requirements.txt COPY . . CMD ["uvicorn", "src.main:app", "--host", "0.0.0.0", "--port", "8000"] """, } } } def create_project(template_name, project_name): if template_name not in PROJECT_TEMPLATES: print(f"未知模板: {template_name}") return template = PROJECT_TEMPLATES[template_name] project_path = Path(project_name) if project_path.exists(): print(f"目录已存在: {project_name}") return # 创建目录结构 for item in template["structure"]: path = project_path / item if item.endswith("/"): path.mkdir(parents=True, exist_ok=True) else: path.parent.mkdir(parents=True, exist_ok=True) path.touch() # 写入文件内容 for filename, content in template["files"].items(): path = project_path / filename path.write_text(content.format(project_name)) print(f"项目 '{project_name}' 创建成功!") if __name__ == "__main__": if len(sys.argv) < 3: print("用法: python scaffold.py <template> <project_name>") print(f"可用模板: {', '.join(PROJECT_TEMPLATES.keys())}") sys.exit(1) create_project(sys.argv[1], sys.argv[2])

十、我的每日开源浏览习惯

最后分享一下我每天找开源项目的流程：

时间 | 动作 | 平台 | 目的

|------|------|------|------|

08:30 | 看今日热门 | GitCode/GitHub | 发现新项目

08:45 | 浏览技术资讯 | Hacker News | 了解趋势

09:00 | 检查依赖更新 | Dependabot | 安全维护

12:30 | 午休刷推荐 | 掘金/V2EX | 社区发现

18:00 | 整理收藏 | Notion | 知识管理

> 发现好项目不难，难的是坚持每天花十分钟去做这件事。技术更新太快了，一个月不关注社区，你可能就错过了一个能帮你省大量时间的工具。

开源世界有太多宝藏等着被发现。今天推荐的这些项目，每一个都在实际工作中帮过我大忙。希望它们也能成为你的"神兵利器"。

工具是死的，人是活的。再好的工具也需要你去了解它、使用它、甚至改进它。不要只是收藏——选一两个今天就开始用起来，你会发现工作效率的提升是实实在在的。

这就是开源的魅力：一群人把好东西做出来免费分享，另一群人用这些好东西创造更大的价值。而你，可以同时是分享者和使用者。

tBranch = main [pull] rebase = false [push] autoSetupRemote = true [core] editor = code --wait pager = delta [interactive] diffFilter = delta --color-only [delta] navigate = true side-by-side = true line-numbers = true # 别名 [alias] st = status -sb co = checkout br = branch ci = commit lg = log --oneline --graph --all --decorate last = log -1 HEAD --stat amend = commit --amend --no-edit undo = reset --soft HEAD~1 discard = checkout -- . unstage = reset HEAD # 自动推送当前分支 [push] default = current

九、项目模板集

9.1 快速项目脚手架


#!/usr/bin/env python3
"""通用项目脚手架生成器"""
import os
from pathlib import Path

TEMPLATES = {
    "python-api": {
        "dirs": ["src", "src/api", "src/models", "src/services", "tests", "docs"],
        "files": {
            "src/main.py": 'from fastapi import FastAPI\napp = FastAPI()\n\n@app.get("/")\nasync def root():\n    return {"status": "ok"}\n',
            "src/api/__init__.py": "",
            "src/models/__init__.py": "",
            "src/services/__init__.py": "",
            "tests/__init__.py": "",
            "tests/test_main.py": 'def test_root():\n    assert True\n',
            ".gitignore": "__pycache__/\n*.pyc\n.env\nvenv/\n.pytest_cache/\n",
            "requirements.txt": "fastapi\nuvicorn\npytest\n",
            "Dockerfile": "FROM python:3.12-slim\nWORKDIR /app\nCOPY requirements.txt .\nRUN pip install -r requirements.txt\nCOPY . .\nCMD [\"uvicorn\", \"src.main:app\", \"--host\", \"0.0.0.0\", \"--port\", \"8000\"]\n",
            "docker-compose.yml": 'version: "3.8"\nservices:\n  app:\n    build: .\n    ports:\n      - "8000:8000"\n',
            "README.md": "# {name}\n\n## 快速开始\n\n```bash\npip install -r requirements.txt\nuvicorn src.main:app --reload\n```\n",
            "Makefile": "dev:\n\tuvicorn src.main:app --reload\n\ntest:\n\tpytest -v\n\nlint:\n\truff check .\n\nbui

ld:\n\tdocker build -t {name} .\n", } }, "python-cli": { "dirs": ["src", "tests"], "files": { "src/__init__.py": "", "src/cli.py": 'import argparse\n\ndef main():\n parser = argparse.ArgumentParser(description="{name}")\n parser.add_argument("input", help="输入文件")\n args = parser.parse_args()\n print(f"处理: {args.input}")\n\nif __name__ == "__main__":\n main()\n', ".gitignore": "__pycache__/\n*.pyc\n.env\n", "setup.py": 'from setuptools import setup, find_packages\nsetup(name="{name}", version="0.1.0", packages=find_packages(), entry_points={{"console_scripts": ["{name}=src.cli:main"]}})\n', "README.md": "# {name}\n\nA CLI tool.\n", } } } def create_project(template_name: str, project_name: str): if template_name not in TEMPLATES: print(f"可用模板: {list(TEMPLATES.keys())}") return template = TEMPLATES[template_name] base = Path(project_name) base.mkdir(exist_ok=True) for d in template["dirs"]: (base / d).mkdir(parents=True, exist_ok=True) for filepath, content in template["files"].items(): path = base / filepath path.parent.mkdir(parents=True, exist_ok=True) path.write_text(content.replace("{name}", project_name)) print(f"项目 '{project_name}' 创建成功! 模板: {template_name}") if __name__ == "__main__": import sys if len(sys.argv) < 3: print("用法: python scaffold.py <template> <name>") print(f"模板: {', '.join(TEMPLATES.keys())}") else: create_project(sys.argv[1], sys.argv[2])