[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-LichAmnesia--GPT-Prompt-Hub":3,"tool-LichAmnesia--GPT-Prompt-Hub":64},[4,17,25,39,48,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-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。\n\n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。\n\n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",140436,2,"2026-04-05T23:32:43",[13,14,15],"开发框架","Agent","语言模型","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":10,"last_commit_at":23,"category_tags":24,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","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。\n\n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。\n\nNextChat 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。",87618,"2026-04-05T07:20:52",[13,15],{"id":26,"name":27,"github_repo":28,"description_zh":29,"stars":30,"difficulty_score":10,"last_commit_at":31,"category_tags":32,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-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。\n\n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。",84991,"2026-04-05T10:45:23",[33,34,35,36,14,37,15,13,38],"图像","数据工具","视频","插件","其他","音频",{"id":40,"name":41,"github_repo":42,"description_zh":43,"stars":44,"difficulty_score":45,"last_commit_at":46,"category_tags":47,"status":16},3128,"ragflow","infiniflow\u002Fragflow","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。\n\n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。\n\n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。",77062,3,"2026-04-04T04:44:48",[14,33,13,15,37],{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":45,"last_commit_at":54,"category_tags":55,"status":16},519,"PaddleOCR","PaddlePaddle\u002FPaddleOCR","PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。\n\n面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。\n\nPaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。",74939,"2026-04-05T23:16:38",[15,33,13,37],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":45,"last_commit_at":62,"category_tags":63,"status":16},2181,"OpenHands","OpenHands\u002FOpenHands","OpenHands 是一个专注于 AI 驱动开发的开源平台，旨在让智能体（Agent）像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点，通过自动化流程显著提升开发速度。\n\n无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员，还是需要快速原型验证的技术团队，都能从中受益。OpenHands 提供了灵活多样的使用方式：既可以通过命令行（CLI）或本地图形界面在个人电脑上轻松上手，体验类似 Devin 的流畅交互；也能利用其强大的 Python SDK 自定义智能体逻辑，甚至在云端大规模部署上千个智能体并行工作。\n\n其核心技术亮点在于模块化的软件智能体 SDK，这不仅构成了平台的引擎，还支持高度可组合的开发模式。此外，OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩，证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能，支持与 Slack、Jira 等工具集成，并提供细粒度的权限管理，适合从个人开发者到大型企业的各类用户场景。",70626,"2026-04-05T22:51:36",[15,14,13,36],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":77,"owner_avatar_url":78,"owner_bio":79,"owner_company":80,"owner_location":81,"owner_email":82,"owner_twitter":83,"owner_website":84,"owner_url":85,"languages":79,"stars":86,"forks":87,"last_commit_at":88,"license":79,"difficulty_score":89,"env_os":90,"env_gpu":91,"env_ram":91,"env_deps":92,"category_tags":95,"github_topics":79,"view_count":10,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":96,"updated_at":97,"faqs":98,"releases":99},4362,"LichAmnesia\u002FGPT-Prompt-Hub","GPT-Prompt-Hub","GPT-Prompt-Hub is an open-source community-driven repository dedicated to the collection, sharing, and refinement of custom GPT prompts","GPT-Prompt-Hub 是一个由社区驱动的开源项目，致力于收集、分享和优化各类自定义 GPT 提示词（Prompts）。在 AI 应用日益普及的今天，如何编写高效、精准的提示词以激发大模型潜力，往往是用户面临的难题。GPT-Prompt-Hub 通过构建一个协作平台，汇聚了来自开发者、作家、教育者及 AI 爱好者的智慧，让用户能够轻松找到经过验证的高质量提示词模板，从而快速塑造适用于特定场景的专用 GPT 模型。\n\n无论是希望提升工作效率的普通用户，还是专注于模型微调的研究人员与开发者，都能在这里获益。普通用户可以浏览并直接使用现成的提示词来解决写作、编程或数据分析等问题；专业人士则能参与贡献，分享自己在特定领域的独家技巧，或通过反馈机制共同打磨更优秀的方案。其独特的技术亮点在于“众包优化”模式：不仅提供静态的资源库，更鼓励用户通过讨论区交流使用心得、报告实战效果并迭代改进，形成良性的知识闭环。此外，项目还注重推广提示词工程的最佳实践与伦理规范，帮助社区在安全、合规的前提下探索 AI 技术的边界。作为一个基于 MIT 协议开放的公益项目，GPT-Prompt-Hub 旨在降低 A","GPT-Prompt-Hub 是一个由社区驱动的开源项目，致力于收集、分享和优化各类自定义 GPT 提示词（Prompts）。在 AI 应用日益普及的今天，如何编写高效、精准的提示词以激发大模型潜力，往往是用户面临的难题。GPT-Prompt-Hub 通过构建一个协作平台，汇聚了来自开发者、作家、教育者及 AI 爱好者的智慧，让用户能够轻松找到经过验证的高质量提示词模板，从而快速塑造适用于特定场景的专用 GPT 模型。\n\n无论是希望提升工作效率的普通用户，还是专注于模型微调的研究人员与开发者，都能在这里获益。普通用户可以浏览并直接使用现成的提示词来解决写作、编程或数据分析等问题；专业人士则能参与贡献，分享自己在特定领域的独家技巧，或通过反馈机制共同打磨更优秀的方案。其独特的技术亮点在于“众包优化”模式：不仅提供静态的资源库，更鼓励用户通过讨论区交流使用心得、报告实战效果并迭代改进，形成良性的知识闭环。此外，项目还注重推广提示词工程的最佳实践与伦理规范，帮助社区在安全、合规的前提下探索 AI 技术的边界。作为一个基于 MIT 协议开放的公益项目，GPT-Prompt-Hub 旨在降低 AI 使用门槛，推动智能技术的民主化进程。","# GPT-Prompt-Hub\n\nWelcome to GPT-Prompt-Hub, the community-driven repository for sharing and refining custom GPT prompts! Our mission is to create a collaborative environment where enthusiasts and experts alike can contribute prompts that help in shaping specialized GPT models for a wide range of applications.\n\n## Contribution Guidelines\nWe encourage contributions from all who are interested in the development of custom GPTs. Whether you're a developer, a writer, an educator, or just an AI enthusiast, your input is valuable. Here's how you can contribute:\n\n1. **Submitting Prompts:** Share prompts that you've found effective in creating specialized GPT models. Please provide a brief description of the prompt and its intended application or domain.\n\n2. **Feedback and Refinement:** Engage with submitted prompts by providing feedback, suggesting modifications, or reporting your experiences using them.\n\n3. **Documentation and Examples:** Contribute by adding documentation, use-cases, and examples of how specific prompts can be used effectively.\n\n4. **Promote Best Practices:** Share insights on creating effective prompts and discuss the ethical considerations and best practices in using GPT technology.\n\n## How to Use This Repository\n- **Browse Prompts:** Explore the repository to find prompts that suit your project or interest.\n- **Collaborate:** Use the Issues and Discussions sections to propose ideas, ask questions, and collaborate with others.\n- **Stay Updated:** Watch the repository to stay updated on new contributions and ongoing discussions.\n\n## Code of Conduct\nWe are committed to providing a welcoming and inclusive environment. All participants are expected to uphold a standard of respect and courtesy. Please refer to our Code of Conduct for detailed guidelines.\n\n## License\nThis project is open-sourced under the [MIT License](LICENSE).\n\n## Support and Sponsorship\nIf you find this project helpful, consider supporting it by starring the repository or contributing. \n\nThank you for being part of GPT-Prompt-Hub!\n\n---\n\n*GPT-Prompt-Hub is not officially affiliated with OpenAI but operates under the shared goal of advancing and democratizing AI technology.*\n","# GPT-提示库\n\n欢迎来到 GPT-提示库，这是一个由社区驱动的仓库，用于分享和优化自定义的 GPT 提示！我们的使命是打造一个协作平台，让爱好者和专家都能贡献提示，帮助塑造适用于各种应用场景的专业化 GPT 模型。\n\n## 贡献指南\n我们鼓励所有对开发自定义 GPT 感兴趣的人士参与贡献。无论您是开发者、作家、教育工作者，还是单纯的 AI 爱好者，您的意见都至关重要。以下是您可以参与的方式：\n\n1. **提交提示**：分享您在创建专业化 GPT 模型时发现有效的提示。请附上简要说明，描述该提示的用途或适用领域。\n   \n2. **反馈与优化**：对已提交的提示提供反馈、建议修改，或分享您使用这些提示的经验。\n\n3. **文档与示例**：通过添加文档、使用场景以及具体提示的有效应用示例来贡献力量。\n\n4. **推广最佳实践**：分享关于如何编写高效提示的见解，并讨论使用 GPT 技术时的伦理考量及最佳实践。\n\n## 如何使用本仓库\n- **浏览提示**：探索仓库，寻找适合您项目或兴趣的提示。\n- **协作**：利用“问题”和“讨论”板块提出想法、提问，并与其他成员协作。\n- **保持关注**：订阅本仓库，及时了解最新贡献和正在进行的讨论。\n\n## 行为准则\n我们致力于提供一个友好且包容的环境。所有参与者均应遵守尊重与礼貌的标准。详细准则请参阅我们的行为准则。\n\n## 许可证\n本项目采用 [MIT 许可证](LICENSE) 开源。\n\n## 支持与赞助\n如果您觉得本项目有所帮助，请通过点赞仓库或进行捐赠来支持我们。\n\n感谢您成为 GPT-提示库的一员！\n\n---\n\n*GPT-提示库与 OpenAI 并无官方关联，但我们秉持着推动和普及 AI 技术的共同目标而运作。*","# GPT-Prompt-Hub 快速上手指南\n\nGPT-Prompt-Hub 是一个社区驱动的仓库，旨在共享和优化自定义 GPT 提示词（Prompts）。本项目不包含可执行的软件代码或安装包，因此无需传统意义上的环境配置与编译安装。以下是基于 Git 的使用流程。\n\n## 环境准备\n\n本项目主要依赖 Git 进行内容获取与管理，无其他特殊系统要求或前置依赖。\n\n- **操作系统**：Windows, macOS, Linux 均可\n- **必备工具**：Git\n- **网络建议**：若访问 GitHub 原生源速度较慢，建议使用国内镜像加速（如通过代理配置或使用 `gitclone.com` 等镜像服务）。\n\n### 检查 Git 安装\n在终端执行以下命令确认已安装 Git：\n```bash\ngit --version\n```\n\n## 安装步骤（克隆仓库）\n\n使用 Git 将仓库克隆至本地即可开始使用。\n\n### 方式一：直接克隆（推荐配置国内加速）\n如果直接连接 GitHub 速度慢，可使用以下镜像命令加速克隆：\n```bash\ngit clone https:\u002F\u002Fgitclone.com\u002Fgithub.com\u002Fyour-username\u002FGPT-Prompt-Hub.git\n```\n*(注：请将 `your-username` 替换为实际的项目所有者用户名，或直接使用官方仓库地址)*\n\n### 方式二：标准克隆\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fyour-username\u002FGPT-Prompt-Hub.git\ncd GPT-Prompt-Hub\n```\n\n## 基本使用\n\n本仓库的核心内容是提示词文本及其应用场景说明。使用流程如下：\n\n1. **浏览提示词**\n   进入克隆后的目录，查看 `README.md` 或特定分类文件夹，寻找适合你项目的提示词。\n\n2. **复制与应用**\n   找到有效的 Prompt 后，直接复制其文本内容，粘贴到你使用的 GPT 模型界面（如 ChatGPT、API 调用参数或本地部署的 LLM 前端）中。\n\n   **示例：**\n   假设你在仓库中找到一个用于“代码审查”的提示词：\n   ```text\n   You are an expert code reviewer. Please analyze the following code snippet for potential bugs, security vulnerabilities, and style improvements...\n   ```\n   将其复制到你的对话窗口，随后输入待审查的代码即可。\n\n3. **参与协作**\n   - **提交贡献**：将你验证有效的 Prompt 整理成文档，通过 Pull Request 提交到仓库。\n   - **反馈优化**：在 Issues 区讨论现有 Prompt 的改进方案或分享使用心得。\n\n4. **保持更新**\n   定期在本地目录执行以下命令同步最新内容：\n   ```bash\n   git pull origin main\n   ```","一家初创公司的内容运营团队正急需为不同垂直领域（如医疗科普、法律常识）快速定制专属的 AI 写作助手，以应对日益增长的多类型内容需求。\n\n### 没有 GPT-Prompt-Hub 时\n- 团队成员各自为战，花费大量时间从零摸索提示词结构，导致重复劳动严重且效率低下。\n- 缺乏经过验证的高质量提示词参考，生成的初稿往往逻辑混乱或风格不符，需人工反复修改多次。\n- 难以获取特定领域（如严谨的法律条文解读）的专业提示词技巧，容易因指令不精准导致模型产生“幻觉”或错误信息。\n- 内部优秀的提示词经验无法沉淀和共享，人员流动导致宝贵的调试经验流失，新人上手成本极高。\n\n### 使用 GPT-Prompt-Hub 后\n- 直接在库中检索并复用社区已验证的医疗与法律类高质量提示词模板，将定制开发时间从数天缩短至几小时。\n- 借鉴社区提供的优化案例和微调建议，显著提升了生成内容的专业度与逻辑性，大幅减少了后期人工校对工作量。\n- 利用领域专家贡献的专用提示词策略，有效规避了敏感领域的回答风险，确保输出内容准确合规。\n- 团队将自身调试成功的提示词回馈至 GPT-Prompt-Hub，在促进社区协作的同时，也建立了企业内部可迭代的知识资产库。\n\nGPT-Prompt-Hub 通过汇聚集体智慧，将原本孤立、高成本的提示词工程转化为高效、可协作的标准化流程，极大加速了专用 AI 模型的落地应用。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FLichAmnesia_GPT-Prompt-Hub_030562c4.png","LichAmnesia","Shen Huang","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FLichAmnesia_2c6c17d7.png",null,"Google","Sunnyvale, CA, USA","alwaysxiaop@gmail.com","ShenHuang_","alwa.info","https:\u002F\u002Fgithub.com\u002FLichAmnesia",2349,407,"2026-04-06T04:20:06",1,"","未说明",{"notes":93,"python":91,"dependencies":94},"该项目是一个社区驱动的提示词（Prompt）共享仓库，并非可执行的软件工具或模型框架。它主要包含文本文件和文档，用于收集和分享针对 GPT 模型的提示词策略。因此，该项目本身没有特定的操作系统、GPU、内存、Python 版本或依赖库要求。用户只需具备访问 GitHub 的能力以及使用相应大语言模型（如 OpenAI GPT）的环境即可利用其中的内容。",[],[15],"2026-03-27T02:49:30.150509","2026-04-06T18:54:08.498854",[],[]]