[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-UKGovernmentBEIS--inspect_ai":3,"tool-UKGovernmentBEIS--inspect_ai":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-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。\n\n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。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},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",150037,2,"2026-04-10T23:33:47",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","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。\n\n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。\n\n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。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":76,"owner_email":76,"owner_twitter":76,"owner_website":76,"owner_url":77,"languages":78,"stars":98,"forks":99,"last_commit_at":100,"license":101,"difficulty_score":32,"env_os":102,"env_gpu":102,"env_ram":102,"env_deps":103,"category_tags":106,"github_topics":76,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":108,"updated_at":109,"faqs":110,"releases":139},6508,"UKGovernmentBEIS\u002Finspect_ai","inspect_ai","Inspect: A framework for large language model evaluations","inspect_ai 是由英国人工智能安全研究所（UK AI Security Institute）开源的大语言模型评估框架，旨在为开发者提供一套标准化、可扩展的模型测试方案。它主要解决了当前大模型评估中工具分散、流程不统一以及难以复现的痛点，让用户能够系统化地衡量模型在提示工程、工具调用、多轮对话及自动评分等场景下的表现。\n\n该工具特别适合 AI 研究人员、算法工程师及安全评估专家使用。无论是需要构建自定义评测基准的研究团队，还是希望快速验证模型能力的开发者，都能从中受益。inspect_ai 的核心亮点在于其高度的模块化设计：不仅内置了丰富的评估组件，还支持通过 Python 包灵活扩展新的激发与评分技术。此外，项目还配套提供了超过 100 个开箱即用的预置评测任务，覆盖多种能力维度，帮助用户立即开展测试工作。配合其清晰的文档与友好的开发环境配置（如支持 VS Code 插件与前端调试），inspect_ai 让复杂的模型评估变得高效且透明，是探索大模型能力边界与安全性的得力助手。","[\u003Cimg width=\"295\" src=\"https:\u002F\u002Finspect.aisi.org.uk\u002Fimages\u002Faisi-logo.svg\" \u002F>](https:\u002F\u002Faisi.gov.uk\u002F)\n\nWelcome to Inspect, a framework for large language model evaluations created by the [UK AI Security Institute](https:\u002F\u002Faisi.gov.uk\u002F).\n\nInspect provides many built-in components, including facilities for prompt engineering, tool usage, multi-turn dialog, and model graded evaluations. Extensions to Inspect (e.g. to support new elicitation and scoring techniques) can be provided by other Python packages.\n\nTo get started with Inspect, please see the documentation at \u003Chttps:\u002F\u002Finspect.aisi.org.uk\u002F>.\n\nInspect also includes a collection of over 100 pre-built evaluations ready to run on any model (learn more at [Inspect Evals](https:\u002F\u002Fukgovernmentbeis.github.io\u002Finspect_evals\u002F))\n\n***\n\nTo work on development of Inspect, clone the repository and install with the `-e` flag and `[dev]` optional dependencies:\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FUKGovernmentBEIS\u002Finspect_ai.git\ncd inspect_ai\npip install -e \".[dev]\"\n```\n\nOptionally install pre-commit hooks via\n\n```bash\nmake hooks\n```\n\nRun linting, formatting, and tests via\n\n```bash\nmake check\nmake test\n```\n\nIf you use VS Code, you should be sure to have installed the recommended extensions (Python, Ruff, and MyPy). Note that you'll be prompted to install these when you open the project in VS Code.\n\n### Frontend development (TypeScript)\n\nThe web UI lives in a git submodule at `src\u002Finspect_ai\u002F_view\u002Fts-mono\u002F`. **These steps are only needed if you plan to work on the TypeScript\u002FReact frontend** — Python-only contributors can skip this entirely.\n\nInitialize the submodule and install dependencies — see the [one-time setup guide](src\u002Finspect_ai\u002F_view\u002Fts-mono\u002Fdocs\u002Fsubmodule-guide.md#one-time-setup).\n\n### Documentation\n\nTo work on the Inspect documentation, install the optional `[doc]` dependencies with the `-e` flag and build the docs:\n\n```\npip install -e \".[doc]\"\ncd docs\nquarto render # or 'quarto preview'\n```\n\nIf you intend to work on the docs iteratively, you'll want to install the Quarto extension in VS Code.","[\u003Cimg width=\"295\" src=\"https:\u002F\u002Finspect.aisi.org.uk\u002Fimages\u002Faisi-logo.svg\" \u002F>](https:\u002F\u002Faisi.gov.uk\u002F)\n\n欢迎使用 Inspect，这是一个由[英国人工智能安全研究所](https:\u002F\u002Faisi.gov.uk\u002F)创建的大型语言模型评估框架。\n\nInspect 提供了许多内置组件，包括提示工程、工具使用、多轮对话以及模型分级评估等功能。其他 Python 包可以为 Inspect 提供扩展（例如支持新的诱导和评分技术）。\n\n要开始使用 Inspect，请参阅文档：\u003Chttps:\u002F\u002Finspect.aisi.org.uk\u002F>。\n\nInspect 还包含一个由 100 多个预构建评估组成的集合，可直接在任何模型上运行（更多信息请访问 [Inspect Evals](https:\u002F\u002Fukgovernmentbeis.github.io\u002Finspect_evals\u002F)）。\n\n***\n\n要参与 Inspect 的开发，请克隆仓库并使用 `-e` 标志及 `[dev]` 可选依赖项进行安装：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FUKGovernmentBEIS\u002Finspect_ai.git\ncd inspect_ai\npip install -e \".[dev]\"\n```\n\n您还可以通过以下命令安装 pre-commit 钩子：\n\n```bash\nmake hooks\n```\n\n然后运行代码检查、格式化和测试：\n\n```bash\nmake check\nmake test\n```\n\n如果您使用 VS Code，建议安装推荐的扩展插件（Python、Ruff 和 MyPy）。请注意，当您在 VS Code 中打开项目时，系统会提示您安装这些插件。\n\n### 前端开发（TypeScript）\n\nWeb 界面位于 `src\u002Finspect_ai\u002F_view\u002Fts-mono\u002F` 目录下的 Git 子模块中。**这些步骤仅在您计划参与 TypeScript\u002FReact 前端开发时才需要**——仅从事 Python 开发的贡献者可以完全跳过此部分。\n\n初始化子模块并安装依赖项——请参阅[一次性设置指南](src\u002Finspect_ai\u002F_view\u002Fts-mono\u002Fdocs\u002Fsubmodule-guide.md#one-time-setup)。\n\n### 文档\n\n要参与 Inspect 文档的编写，请使用 `-e` 标志安装 `[doc]` 可选依赖项，并构建文档：\n\n```\npip install -e \".[doc]\"\ncd docs\nquarto render # 或 'quarto preview'\n```\n\n如果您打算迭代式地编辑文档，建议在 VS Code 中安装 Quarto 扩展插件。","# Inspect AI 快速上手指南\n\nInspect 是由英国人工智能安全研究所（UK AI Security Institute）开发的大语言模型评估框架。它内置了提示工程、工具调用、多轮对话及模型评分等组件，并支持通过 Python 包扩展功能。\n\n## 环境准备\n\n- **操作系统**：Linux、macOS 或 Windows\n- **Python 版本**：建议 Python 3.10 或更高版本\n- **前置依赖**：\n  - `git`：用于克隆代码库\n  - `pip`：Python 包管理工具\n  - （可选）VS Code 及推荐插件：Python, Ruff, MyPy\n  - （可选，仅前端开发）Node.js 和 npm（用于 TypeScript\u002FReact 前端开发）\n  - （可选，仅文档开发）Quarto\n\n> **提示**：国内开发者可使用清华或阿里云镜像源加速 pip 安装：\n> ```bash\n> pip install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple \u003Cpackage>\n> ```\n\n## 安装步骤\n\n### 1. 克隆仓库并安装开发版\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FUKGovernmentBEIS\u002Finspect_ai.git\ncd inspect_ai\npip install -e \".[dev]\"\n```\n\n> 如需使用国内镜像加速：\n> ```bash\n> pip install -e \".[dev]\" -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n> ```\n\n### 2. （可选）安装预提交钩子\n\n```bash\nmake hooks\n```\n\n### 3. 验证安装\n\n运行代码检查和测试以确保环境正常：\n\n```bash\nmake check\nmake test\n```\n\n### 4. （可选）前端或文档开发\n\n- **前端开发**（仅当需修改 Web UI 时）：\n  ```bash\n  git submodule update --init\n  cd src\u002Finspect_ai\u002F_view\u002Fts-mono\n  # 参考 src\u002Finspect_ai\u002F_view\u002Fts-mono\u002Fdocs\u002Fsubmodule-guide.md 完成 Node 依赖安装\n  ```\n\n- **文档开发**：\n  ```bash\n  pip install -e \".[doc]\"\n  cd docs\n  quarto render\n  # 或实时预览\n  quarto preview\n  ```\n\n## 基本使用\n\nInspect 提供了超过 100 个预置评估任务，可直接用于任意模型。以下是一个最简单的评估示例（假设已配置好模型访问权限）：\n\n```python\nfrom inspect_ai import eval\nfrom inspect_ai.dataset import sample_dataset\nfrom inspect_ai.solver import basic_agent\n\n# 定义一个简单的评估任务\n@eval\ndef simple_eval():\n    return dict(\n        dataset=sample_dataset(\"simple\"),\n        solver=basic_agent(),\n        scorer=\"match\",\n    )\n\n# 运行评估\nif __name__ == \"__main__\":\n    eval(simple_eval(), model=\"openai\u002Fgpt-4o\")\n```\n\n运行上述脚本后，Inspect 将自动执行评估并生成详细报告（默认输出到 `logs` 目录，也可通过 Web UI 查看）。\n\n更多预置评估任务请参考 [Inspect Evals](https:\u002F\u002Fukgovernmentbeis.github.io\u002Finspect_evals\u002F)，完整文档见 [https:\u002F\u002Finspect.aisi.org.uk\u002F](https:\u002F\u002Finspect.aisi.org.uk\u002F)。","某金融科技公司安全团队正在对即将上线的客服大模型进行严格的幻觉与合规性压力测试，以确保其在复杂多轮对话中不输出错误理财建议。\n\n### 没有 inspect_ai 时\n- 测试脚本需从零手写，处理多轮对话状态管理和工具调用逻辑极其繁琐，开发周期长达数周。\n- 缺乏统一的评估标准，不同工程师编写的评分代码风格迥异，导致测试结果难以横向对比和复现。\n- 面对上百种预设的安全评测基准（如欺诈诱导、偏见检测），只能人工逐个适配模型接口，效率极低且容易遗漏。\n- 测试结果仅以原始日志形式存在，缺乏可视化报告，难以向管理层直观展示模型的风险分布。\n\n### 使用 inspect_ai 后\n- 利用内置的多轮对话和工具使用组件，团队在几天内即可构建出复杂的压力测试流程，大幅缩短开发时间。\n- 采用框架标准化的“模型分级评估”机制，统一了评分逻辑，确保不同版本的模型测试结果具备高度可比性。\n- 直接调用官方提供的 100+ 预建评估任务，一键在目标模型上运行全面的安全扫描，无需重复造轮子。\n- 自动生成包含详细指标的分析报告，清晰定位模型在特定风险场景下的失效模式，辅助快速迭代优化。\n\ninspect_ai 将原本碎片化、高门槛的大模型评估工作转化为标准化、可复用的工程流程，显著提升了 AI 系统的安全交付效率。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FUKGovernmentBEIS_inspect_ai_7cfec939.png","UKGovernmentBEIS","Department of Business, Energy and Industrial Strategy","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FUKGovernmentBEIS_3ac57beb.jpg","",null,"https:\u002F\u002Fgithub.com\u002FUKGovernmentBEIS",[79,83,87,91,95],{"name":80,"color":81,"percentage":82},"Python","#3572A5",99.7,{"name":84,"color":85,"percentage":86},"Dockerfile","#384d54",0.2,{"name":88,"color":89,"percentage":90},"Shell","#89e051",0.1,{"name":92,"color":93,"percentage":94},"Jupyter Notebook","#DA5B0B",0,{"name":96,"color":97,"percentage":94},"Makefile","#427819",1895,451,"2026-04-10T20:50:14","MIT","未说明",{"notes":104,"python":102,"dependencies":105},"该工具是一个用于大语言模型评估的框架。开发环境需通过 'pip install -e \".[dev]\"' 安装；若仅需运行评估无需开发，具体依赖未在片段中列出。前端开发（TypeScript\u002FReact）为可选部分，仅当需要修改 Web UI 时才需初始化 git 子模块并安装相关依赖。文档构建需要安装 Quarto 及其扩展。推荐使用 VS Code 并安装 Python、Ruff 和 MyPy 扩展以获得最佳开发体验。",[102],[35,14,107],"其他","2026-03-27T02:49:30.150509","2026-04-11T10:03:06.718207",[111,116,121,126,131,135],{"id":112,"question_zh":113,"answer_zh":114,"source_url":115},29443,"如何指定非默认名称的自定义 Dockerfile（例如 sample.Dockerfile）？","目前 Inspect 在任务启动时读取 compose 文件无法直接访问样本元数据，因此不能动态指定每个样本的 Dockerfile。解决方案有两种：\n1. 创建一个默认的 Dockerfile（即使样本不使用它），并确保在运行任务前手动构建好特定样本的 Dockerfile 镜像。\n2. 更推荐的方法是：在 docker-compose.yaml 中使用环境变量插值来指定 Dockerfile 路径。例如：\n```yaml\nservices:\n  default:\n    build:\n      context: \".\"\n      dockerfile: ${SAMPLE_METADATA_DOCKERFILE_PATH:-Dockerfile}\n    command: \"tail -f \u002Fdev\u002Fnull\"\n```\n然后通过环境变量传入具体的 Dockerfile 名称。参考文档：https:\u002F\u002Fdocs.docker.com\u002Freference\u002Fcompose-file\u002Finterpolation\u002F","https:\u002F\u002Fgithub.com\u002FUKGovernmentBEIS\u002Finspect_ai\u002Fissues\u002F1321",{"id":117,"question_zh":118,"answer_zh":119,"source_url":120},29444,"使用 Google 模型时遇到 proto 包的非确定性错误怎么办？","该问题与 Google 的 protocol buffers 有关，已在 PR #1349 中修复。请升级 inspect_ai 到包含该修复的版本即可解决。","https:\u002F\u002Fgithub.com\u002FUKGovernmentBEIS\u002Finspect_ai\u002Fissues\u002F1299",{"id":122,"question_zh":123,"answer_zh":124,"source_url":125},29445,"升级到 inspect_ai v0.3.93+ 后，vLLM 后端的结果和耗时出现显著变化，原因是什么？","主要变化源于 vLLM 后端实现的更新，特别是从手动应用聊天模板改为使用 `llm.chat` 接口。这可能导致：\n1. Tokenization 差异：旧版本可能重复添加了 BOS token，新版本由 vLLM 自动处理。\n2. 采样参数（Sampling Params）默认值的变化。\n建议检查并显式设置采样参数（如 temperature, top_p, stop_token_ids 等）以确保结果一致性。同时注意 vLLM 版本兼容性。","https:\u002F\u002Fgithub.com\u002FUKGovernmentBEIS\u002Finspect_ai\u002Fissues\u002F1869",{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},29446,"在本地使用 vLLM 运行 HuggingFace 模型时，为什么报错说未定义 VLLM_API_KEY？","从 v0.3.93 开始，Inspect 对 vLLM 后端的认证机制进行了调整。即使是在本地运行开源模型，也可能需要设置 `VLLM_API_KEY` 环境变量。如果你不需要真正的 API 密钥（例如本地部署），可以随意设置一个占位符值，例如：\n```bash\nexport VLLM_API_KEY=\"not-needed\"\n```\n或者在代码中通过环境变量传入。这是为了统一接口设计，并非真正需要验证密钥。","https:\u002F\u002Fgithub.com\u002FUKGovernmentBEIS\u002Finspect_ai\u002Fissues\u002F1799",{"id":132,"question_zh":133,"answer_zh":134,"source_url":115},29447,"如何在 docker-compose 配置中为不同样本动态切换网络模式或 Dockerfile？","可以通过 Docker Compose 的环境变量插值功能实现。在 compose 文件中引用环境变量，并在运行时或通过样本元数据注入这些变量。示例配置：\n```yaml\nservices:\n  default:\n    build:\n      context: \".\"\n      dockerfile: ${DOCKERFILE_NAME:-Dockerfile}\n    network_mode: ${NETWORK_MODE:-none}\n    command: \"tail -f \u002Fdev\u002Fnull\"\n```\n然后在执行前设置环境变量：\n```bash\nexport DOCKERFILE_NAME=sample1.Dockerfile\nexport NETWORK_MODE=host\n```\n注意：由于任务启动时无法访问单个样本的元数据，这种方法适用于整个任务级别的配置，而非每个样本动态变化。",{"id":136,"question_zh":137,"answer_zh":138,"source_url":125},29448,"vLLM 后端在不同版本间 token 数量不一致的原因是什么？","这是因为 vLLM 在后端实现上的变更导致的。在旧版本中，Inspect 可能手动应用了聊天模板并额外添加了 BOS token，而新版本利用 vLLM 内置的 `llm.chat` 接口自动处理模板和特殊 token，从而避免了重复添加。此外，采样参数（如 stop_token_ids）的默认行为也可能发生变化。建议在评估脚本中显式指定所有相关参数以保证可复现性。",[]]