开发者工具1 month ago
GoldBean — Pay-per-Use API Marketplace | 47 Endpoints
按需付费的 API 市场，提供 47 个用于 OCR、翻译、图像生成和聊天的端点。
Open source
13639366668 · HN
Pay-per-call MCP server with 47 AI endpoints, micropayments via x402
完整作品展
技术栈
30 projects
按需付费的 API 市场，提供 47 个用于 OCR、翻译、图像生成和聊天的端点。
13639366668 · HN
Pay-per-call MCP server with 47 AI endpoints, micropayments via x402
通过测试对比AI API中转站的性能、价格和模型纯度。
OkkMax — AI API 中转站评测与监测工具，聚合模型纯度、在线率、延迟、价格、用户点评和福利活动 - [更多介绍](https://github.com/fanbidog/okkmax-web)
浏览 10,000+ 开源 AI 项目，查看性能基准、定价和代码关联。
osaitech · Product Hunt
OpenSourceAI.tech Discover 10,000+ open-source AI projects, models & tools
文档解析 API，准确提取表格、公式和结构化数据给 AI 代理。
g418572664 · V2EX
做了一个文档解析与记忆工具，专门辅助给传统行业做 AI 落地的老哥 现在 AI+的工作还挺常见的，就像大佬们说的，“所有行业的产品可能都会用 AI 重新做一遍”。最常见的就是各种 agent ，说要用 AI 赋能传统行业啥的，代替人类专家去处理海量的复杂资料、进行深度分析并做出决策。 举个例子，金融行业的“智能审计与尽调 Agent”。 过去，银行或投资机构想要给一家企业贷款或投资，需要人类审计师去读几十份、每份几百页的招股书和财务报表。现在虽然有了 AI ，但把文件一股脑全丢给它是不现实的，且不说烧 token 的问题，这些文档里有无数的跨行、跨列单元格表格，普通工具一拉，表格数据全串行了。如果 AI 把“第一季度利润”和“第二季度支出”的信息碎在一块，那得出的财务分析就完蛋了。 所以，现在要真想开发出一个能干活，还确保正确率的 agent ，就需要一个专业的、AI-native 的解析工具，把复杂的表结构和章节层级完整还原出来。我做的工具 Knowhere 就是干这个的： https://knowhereto.ai/?utm_source=v2ex 它能把复
通过统一 API 层将网站与多个 AI 系统集成。
@rofarkas · X
通过统一 API 访问 200+ AI 模型（Claude、GPT、Gemini），支持自动故障转移。
@MixRoute_ai · X
统一API网关，审计Token消耗并分析多个AI提供商的成本。
@amiuchat · X
我做了一个桌面工具：Token Switch。 给 Codex / Claude Code / OpenCode 重度用户统一管理 Provider、模型、Token、Base URL、连通测试和消耗统计。 多个 Agent，一个 Token 工作台。欢迎试用，也欢迎吐槽你最烦的配置问题。
Sub2API 是稳定访问 Claude、GPT 等 AI 服务的 API 网关。
@BrianHumphrie11 · X
做了一个 AI 中转站，分享给有需要的朋友： 我做这个站，打开就能用，需要时能稳定使用，日常工作和学习里能帮上一点忙。 自己平时 Token 用得比较多所以干脆搭了一个中转站。 希望大家可以更方便地使用 GPT、Claude 等 AI 能力，也能根据自己的需求了解 API 和 Token 方案。
为 AI agents 提供请求人工批准的结构化方式，支持安全重试和决策验证。
@GetAgentHail · X
AgentHail — a control layer for AI agents to request approval, execute work, and return verifiable results. Would you sign up or leave?
检测LLM API是否被降智或偷换模型，一键跑6项探针得出结果
cocodot LLM 降智检测 — 免费的 LLM API「降智/偷换模型」在线检测：填入任意 OpenAI 兼容端点的 base_url 和临时 API Key，跑 6 项探针（模型声明、动态题、能力完整性等）生成分项报告；Key 仅用于当次检测、不落库不留存，检测方法[开源](https://github.com/cocodot2026/cocodot-llmprobe)
