awesome-chatgpt

8.2k 541 非常简单 1 次阅读今天语言模型

AI 解读由 AI 自动生成，仅供参考

awesome-chatgpt 是一个精心整理的开源资源清单，旨在汇聚围绕 ChatGPT 和 GPT-3 生态的优质工具、演示项目及技术文档。面对大模型技术爆发式增长带来的信息碎片化问题，它通过分类梳理，帮助用户快速定位所需资源，无需在海量代码库中盲目搜索。

这份清单涵盖了从官方文档、社区讨论渠道，到各类编程语言的第三方 API 封装（如 Python、JS、Go 等），极大地降低了开发者接入大模型的门槛。此外，它还收录了丰富的浏览器插件、桌面应用以及集成方案，支持将 ChatGPT 嵌入 VSCode、Slack、Telegram、WhatsApp 甚至系统菜单栏中，实现了从代码编写到日常办公的全场景覆盖。其中不乏结合语音交互、网页搜索增强及自动化工作流的创新应用，展现了极高的扩展性。

awesome-chatgpt 非常适合开发者寻找集成灵感与现成轮子，也适合研究人员追踪生态动态，同时普通用户也能从中发现提升效率的实用插件。无论是想构建自己的 AI 应用，还是仅仅希望更便捷地在不同平台使用 ChatGPT，这份资源库都能提供一站式指引，是探索 GPT 生态不可或缺的导航图。

使用场景

某全栈开发者需要在日常工作中频繁切换浏览器、IDE 和即时通讯软件，同时利用 ChatGPT 辅助代码调试、文档编写及团队技术答疑。

没有 awesome-chatgpt 时

工作流频繁中断：每次需要 AI 协助时，必须手动切换到浏览器标签页，复制代码或上下文后再粘贴，严重打断编程心流。
功能受限且孤立：原生网页版不支持语音交互，无法直接分享精美的对话记录给同事，也难以获取实时网络信息来回答最新的技术问题。
多平台接入困难：想要在 Slack 群组中自动回答新人问题，或在 VS Code 内直接重构代码，需要从零开始研究复杂的 API 文档并自行开发机器人，耗时耗力。
缺乏专用工具指引：面对海量的开源项目无从下手，难以快速找到适合 macOS 的菜单栏应用或特定的调试助手（如 Adrenaline）。

使用 awesome-chatgpt 后

无缝嵌入工作流：通过列表中推荐的 VS Code 插件和 Chrome 扩展，开发者可直接在编辑器或任意网页侧边栏调用 AI，实现“代码选中即问，结果原地插入”。
能力边界大幅拓展：利用 WebChatGPT 插件联网搜索最新文档，通过 Talk to ChatGPT 进行语音沟通，并使用 shareGPT 一键生成永久链接分享给团队成员。
零代码集成多端：直接部署清单中的 Slack Bot 或 Telegram Bot，几分钟内即可在团队通讯软件中上线智能问答助手，无需编写底层对接代码。
高效获取最佳实践：依据分类清晰的资源列表，迅速定位到如 MindMac 等高效桌面客户端或特定场景应用，立即提升单兵作战效率。

awesome-chatgpt 的核心价值在于将分散的生态资源整合为一张“导航图”，让开发者能像搭积木一样，将 AI 能力低成本、无摩擦地植入到每一个具体的工作环节中。

运行环境要求

GPU

未说明

内存

未说明

依赖

notes该仓库（awesome-chatgpt）本身不是一个可运行的软件工具，而是一个 curated list（精选列表），收集了各种与 ChatGPT 和 GPT-3 相关的资源、API 封装库、浏览器扩展、桌面应用、机器人及教程链接。具体的运行环境需求（如操作系统、GPU、内存、Python 版本等）取决于用户选择使用的列表中某个具体的子项目（例如某个特定的 Python API 库或桌面客户端）。

python未说明

快速开始

令人惊叹的 ChatGPT

ChatGPT

精选的来自 OpenAI 的 ChatGPT 和 GPT-3 资源列表

GPT 通用资源

ChatGPT 社区 / 讨论

OpenAI Discord 频道

API 工具

Chrome 扩展程序

应用程序

CLI 工具

DevOps

网络安全

示例提示

令人惊叹的 ChatGPT 提示 … 只需关注 @goodside

贡献

这份列表最初是我个人收集的一些关于 OpenAI 的 ChatGPT 的有趣内容。我们热烈欢迎您的贡献和建议。

Awesome ChatGPT 快速上手指南

awesome-chatgpt 并非单一的可执行软件，而是一个精选的资源列表，汇集了基于 ChatGPT 和 GPT-3 的各类开源工具、API 封装、浏览器插件及应用示例。本指南将指导开发者如何快速利用列表中的核心资源（以非官方 Python API 和 Chrome 插件为例）开始使用。

环境准备

在开始之前，请确保满足以下基础要求：

操作系统：Windows, macOS 或 Linux。
账号要求：拥有有效的 OpenAI 账号并能访问 ChatGPT。
前置依赖：
- Python 环境（用于运行 API 脚本）：建议安装 Python 3.8+。
- Node.js & npm（用于部分 JS/TS 工具或插件开发）：建议安装 LTS 版本。
- Git：用于克隆仓库。
网络环境：由于 OpenAI 服务限制，国内用户通常需要配置代理或使用特定的网络加速方案才能正常连接 API。

安装步骤

由于该仓库包含多种语言实现的工具，以下提供两种最常用的快速安装方式：Python 非官方 API 和 Chrome 浏览器插件。

方式一：安装 Python 非官方 API (`acheong08/ChatGPT`)

这是目前最流行的社区驱动 API，允许你在代码中调用 ChatGPT。

克隆仓库或安装包 推荐使用 pip 直接安装（需确保网络通畅，若失败可尝试配置国内 pip 镜像源如 https://pypi.tuna.tsinghua.edu.cn/simple）：
```
pip install revChatGPT
```
或者从源码安装：
```
git clone https://github.com/acheong08/ChatGPT.git
cd ChatGPT
pip install -e .
```
配置认证信息 在项目目录下创建配置文件 config.json，填入你的 OpenAI 账号邮箱和密码（或 session token）：
```
{
  "email": "your-openai-email@example.com",
  "password": "your-openai-password"
}
```
注意：出于安全考虑，生产环境建议使用 Access Token 而非明文密码。

方式二：安装 Chrome 扩展程序

适合希望直接在浏览器中增强 ChatGPT 体验的用户（如侧边栏搜索、语音交互等）。

打开 Chrome 网上应用店 访问 Chrome Web Store。
搜索并安装 根据需求搜索 README 中推荐的插件名称，例如：
- WebChatGPT: 搜索 WebChatGPT 并点击“添加到 Chrome"。
- Superpower ChatGPT: 搜索 Superpower ChatGPT 并安装。
注：若无法访问商店，可下载对应的 .crx 文件或通过开发者模式加载解压后的插件文件夹。

基本使用

1. Python API 使用示例

安装完成后，你可以通过命令行或 Python 脚本与 ChatGPT 交互。

命令行交互模式：

python -m revChatGPT.cli

Python 代码调用示例：

from revChatGPT.V1 import Chatbot

chatbot = Chatbot(config={
    "email": "your-openai-email@example.com",
    "password": "your-openai-password"
})

response = chatbot.ask("Hello, how are you?")
print(response["message"])

2. Chrome 插件使用示例

以 WebChatGPT 为例：

安装插件后，刷新 ChatGPT 官网。
在输入框下方会出现新的控制栏，开启 "Web access" 开关。
输入问题，例如：“今天最新的科技新闻是什么？”，插件会自动检索网络结果并辅助生成回答。

3. 探索更多工具

你可以访问 awesome-chatgpt 仓库页面，根据具体场景选择其他工具：

桌面应用：下载 lencx/ChatGPT 获取跨平台桌面客户端。
IDE 集成：在 VSCode 或 JetBrains IDEs 中搜索并安装对应的 ChatGPT 插件。
提示词库：参考 f/awesome-chatgpt-prompts 获取高质量的预设指令。

相似工具推荐

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

★ 155.4k|★★☆☆☆|今天

开发框架Agent语言模型

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备

★ 90.1k|★★★☆☆|1周前

语言模型图像Agent

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。

★ 87.6k|★★☆☆☆|1周前

开发框架语言模型

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。

★ 85.1k|★★☆☆☆|4天前

图像数据工具视频

funNLP

funNLP 是一个专为中文自然语言处理（NLP）打造的超级资源库，被誉为"NLP 民工的乐园”。它并非单一的软件工具，而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点，funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具，还独特地收录了丰富的垂直领域资源，如法律、医疗、金融行业的专用词库与数据集，甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性，从基础的字典词典到前沿的 BERT、GPT-2 模型代码，再到高质量的标注数据和竞赛方案，应有尽有。无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师，还是从事人工智能研究的学者，都能在这里找到急需的“武器弹药”。对于开发者而言，它能大幅减少寻找数据和复现模型的时间；对于研究者，它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神，极大地降低了中文自然语言处理的开发与研究成本，是中文 AI 社区不可或缺的宝藏仓库。

★ 79.9k|★☆☆☆☆|6天前

语言模型数据工具其他

gpt4all

GPT4All 是一款让普通电脑也能轻松运行大型语言模型（LLM）的开源工具。它的核心目标是打破算力壁垒，让用户无需依赖昂贵的显卡（GPU）或云端 API，即可在普通的笔记本电脑和台式机上私密、离线地部署和使用大模型。对于担心数据隐私、希望完全掌控本地数据的企业用户、研究人员以及技术爱好者来说，GPT4All 提供了理想的解决方案。它解决了传统大模型必须联网调用或需要高端硬件才能运行的痛点，让日常设备也能成为强大的 AI 助手。无论是希望构建本地知识库的开发者，还是单纯想体验私有化 AI 聊天的普通用户，都能从中受益。技术上，GPT4All 基于高效的 `llama.cpp` 后端，支持多种主流模型架构（包括最新的 DeepSeek R1 蒸馏模型），并采用 GGUF 格式优化推理速度。它不仅提供界面友好的桌面客户端，支持 Windows、macOS 和 Linux 等多平台一键安装，还为开发者提供了便捷的 Python 库，可轻松集成到 LangChain 等生态中。通过简单的下载和配置，用户即可立即开始探索本地大模型的无限可能。

★ 77.3k|★☆☆☆☆|3天前

语言模型开发框架