awesome-chatgpt-zh
awesome-chatgpt-zh 是一个专为中文用户打造的 ChatGPT 综合指南与资源库。它致力于打破语言壁垒，帮助国内用户更轻松地理解、访问并高效利用 ChatGPT 及相关人工智能技术。
该项目主要解决了中文用户在接触前沿 AI 时面临的信息分散、语言障碍以及缺乏系统化指导等痛点。通过整理从基础概念科普、访问途径、提示词（Prompt）工程技巧，到应用开发、插件使用及 RAG 技术实战的全链路内容，它将零散的知识体系化，让用户能快速上手并提升生产力。此外，项目还涵盖了 Sora、大模型原理、AGI 发展趋势乃至 AI 商业化变现等前沿话题，提供了丰富的开源项目清单和实用工具推荐。
无论是希望利用 AI 优化日常工作的普通用户、寻求灵感的设计师，还是打算基于大模型进行二次开发的程序员和技术研究人员，都能在这里找到契合的资源。其独特亮点在于不仅提供静态文档，还构建了活跃的 Telegram 交流社区，并同步维护 GitLab 镜像以确保国内访问的流畅性。作为一个持续更新的开源项目，awesome-chatgpt-zh 不仅是学习手册，更是连接中文社区与全球 AI 生态的桥梁，助力每一位探索者在人工智能时代从容前行。
使用场景
某初创公司的产品经理急需基于大模型开发一款内部知识库助手，但团队缺乏 Prompt 工程经验和清晰的技术选型路径。
没有 awesome-chatgpt-zh 时
- 提示词调试低效：团队成员只能凭感觉编写指令，导致模型输出不稳定，反复修改耗时数天仍无法达到预期效果。
- 资源检索分散：需要在 GitHub、知乎、博客等多个平台碎片化搜索“中文指南”或"RAG 教程”，信息真伪难辨且更新滞后。
- 技术选型迷茫：面对海量的开源项目和插件不知如何筛选，容易陷入重复造轮子或选择不成熟方案的困境。
- 开发门槛过高：缺乏系统的应用开发指南和代码示例，非算法背景的开发者难以快速上手构建基于 LLM 的实际应用。
使用 awesome-chatgpt-zh 后
- 指令优化立竿见影：直接参考项目中精选的"Prompt 工程指南”和爆款提示词模板，半小时内即可调教出稳定输出的高质量指令。
- 一站式资源聚合：通过分类清晰的清单快速获取最新的中文教程、免费/付费访问途径及顶级开源项目（10K+ Stars），极大缩短调研周期。
- 精准技术落地：利用"LLM 开发 RAG 指南”和“应用开发指南”，团队迅速确定了技术栈，避免了盲目试错，直接复用成熟方案。
- 生态协同加速：借助推荐的 AI 生产力工具和插件列表，快速集成了所需功能，并将开发周期从数周压缩至几天。
awesome-chatgpt-zh 不仅消除了中文用户的信息差，更将大模型的学习与应用成本降低了数量级，让创意能更快转化为生产力。
运行环境要求
未说明
未说明
快速开始
🤖 ChatGPT 中文指南 🤖
ChatGPT 中文指南项目旨在帮助中文用户了解和使用ChatGPT。我们收集了各种免费和付费的ChatGPT资源，以及如何更有效地使用中文与 ChatGPT 进行交流的方法。我们收集了收集了ChatGPT应用开发的各种相关资源，也收集了基于 ChatGPT能力开发的生产力工具。在这个仓库中，您将找到丰富的 ChatGPT工具、应用和示例。
什么是 ChatGPT ?
以下是 ChatGPT 为大家做的自我介绍：
你好！我是ChatGPT，一个由OpenAI开发的大型语言模型，基于GPT-4架构。我的任务是通过自然语言处理技术，与用户进行交流并提供帮助。我可以回答问题、提供建议、进行简单对话等。我的知识截止于2021年9月，所以关于那之后的信息可能无法为您提供准确的答案。请随时向我提问，我会尽我所能帮助您。
ChatGPT 使用途径
与 ChatGPT 高效对话？——Prompt工程指南
OpenAI GPTs 指南
ChatGPT 顶级爆款开源项目(10K+ Stars)
ChatGPT 应用
ChatGPT 插件
ChatGPT 应用开发指南
LLM 开发 RAG 指南
Sora 指南
LLMs: 大模型
AGI：通用人工智能之路
AI 生产力工具
AI 搞钱
思考
ChatGPT 使用交流
1.微信公众号
2.Telegram 电报
欢迎加入电报交流群讨论 ChatGPT 相关资源及日常使用等相关话题：
Star History
贡献指南
欢迎通过 issue 或 PR 提交 ChatGPT 的相关项目，玩法，优质资源~
也欢迎各种贡献，包括修复错误、添加新功能和改进文档。
致谢
我们要对以下项目表示衷心的感谢，他们为我们提供了宝贵的贡献和灵感：
- OpenAI，因为开发了 GPT 系列语言模型。
- GPT-4，因为提供了底层语言模型。
- Hugging Face，因为他们在 NLP 和开源工具上的广泛工作。
- awesome-chatgpt，因为他们在 ChatGPT 方面的出色工作。
- awesome-chatgpt-prompts，因为他们提供了一系列有趣的 ChatGPT 提示。
我们非常感谢所有为这个项目做出贡献的个人，你们的努力和付出使这个项目不断进步和发展：
如果您做出了重大贡献并希望得到认可，请随时与我们联系或提交一个更新此部分的 Pull Request。
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。