[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-insaaniManav--prompt-forge":3,"tool-insaaniManav--prompt-forge":65},[4,17,27,35,48,57],{"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",148568,2,"2026-04-09T23:34:24",[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":23,"last_commit_at":24,"category_tags":25,"status":16},4487,"LLMs-from-scratch","rasbt\u002FLLMs-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。\n\n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。\n\nLLMs-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",90106,3,"2026-04-06T11:19:32",[15,26,14,13],"图像",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":10,"last_commit_at":33,"category_tags":34,"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":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":10,"last_commit_at":41,"category_tags":42,"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。",85052,"2026-04-08T11:03:08",[26,43,44,45,14,46,15,13,47],"数据工具","视频","插件","其他","音频",{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":54,"last_commit_at":55,"category_tags":56,"status":16},5784,"funNLP","fighting41love\u002FfunNLP","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。\n\n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。\n\n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。",79857,1,"2026-04-08T20:11:31",[15,43,46],{"id":58,"name":59,"github_repo":60,"description_zh":61,"stars":62,"difficulty_score":54,"last_commit_at":63,"category_tags":64,"status":16},5773,"cs-video-courses","Developer-Y\u002Fcs-video-courses","cs-video-courses 是一个精心整理的计算机科学视频课程清单，旨在为自学者提供系统化的学习路径。它汇集了全球知名高校（如加州大学伯克利分校、新南威尔士大学等）的完整课程录像，涵盖从编程基础、数据结构与算法，到操作系统、分布式系统、数据库等核心领域，并深入延伸至人工智能、机器学习、量子计算及区块链等前沿方向。\n\n面对网络上零散且质量参差不齐的教学资源，cs-video-courses 解决了学习者难以找到成体系、高难度大学级别课程的痛点。该项目严格筛选内容，仅收录真正的大学层级课程，排除了碎片化的简短教程或商业广告，确保用户能接触到严谨的学术内容。\n\n这份清单特别适合希望夯实计算机基础的开发者、需要补充特定领域知识的研究人员，以及渴望像在校生一样系统学习计算机科学的自学者。其独特的技术亮点在于分类极其详尽，不仅包含传统的软件工程与网络安全，还细分了生成式 AI、大语言模型、计算生物学等新兴学科，并直接链接至官方视频播放列表，让用户能一站式获取高质量的教育资源，免费享受世界顶尖大学的课堂体验。",79792,"2026-04-08T22:03:59",[46,26,43,13],{"id":66,"github_repo":67,"name":68,"description_en":69,"description_zh":70,"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":86,"stars":111,"forks":112,"last_commit_at":113,"license":114,"difficulty_score":10,"env_os":115,"env_gpu":116,"env_ram":117,"env_deps":118,"category_tags":124,"github_topics":81,"view_count":10,"oss_zip_url":81,"oss_zip_packed_at":81,"status":16,"created_at":125,"updated_at":126,"faqs":127,"releases":151},6087,"insaaniManav\u002Fprompt-forge","prompt-forge","AI prompt engineering workbench for crafting, testing, and systematically evaluating prompts with powerful analysis tools.","PromptForge 是一款专为提示词工程打造的智能工作台，旨在将提示词的编写从“艺术创作”转变为严谨的“科学实验”。它解决了传统工具仅作为文本编辑器、缺乏系统化验证手段的痛点，帮助用户告别从零开始的手写模式，转而利用 AI 辅助生成、深度分析及自动化测试来构建高质量提示词。\n\n这款工具特别适合 AI 应用开发者、提示词工程师及研究人员使用。其核心亮点在于内置的系统化评估引擎，能自动生成涵盖鲁棒性、安全性、准确性及创造力的综合测试套件，并在执行前提供基于最佳实践的优化建议。此外，PromptForge 支持 Claude、GPT-4、Azure OpenAI 及本地 Ollama 等多种主流模型的同屏对比测试，让用户能直观评估不同场景下的表现差异。\n\n基于 Go 语言开发，PromptForge 兼具高速运行与高可靠性，并提供便捷的 Docker 一键部署方案。通过版本控制、执行历史追踪及结构化库管理，它确保每一个高效提示词都可被复用和迭代，是提升大模型交互质量的专业利器。","# PromptForge 🔨\n\n**The AI prompt engineering workbench that generates, analyzes, and systematically tests prompts**\n\nStop writing prompts from scratch. Let AI help you craft better prompts, then systematically validate them. Built with Go for speed and reliability.\n\n**[🎮 Try Interactive Demo](https:\u002F\u002Fdemo.arcade.software\u002FbFGTYb7AuRV33Kei7ZFQ)**\n\n![PromptForge Screenshot](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FinsaaniManav_prompt-forge_readme_65d57db2f120.png)\n\n## Why PromptForge?\n\nMost prompt tools are glorified text editors. PromptForge brings **engineering discipline** to prompt development:\n\n- **✨ Smart Prompt Generation** - AI-powered prompt crafting with intelligent suggestions\n- **🔍 Advanced Prompt Analysis** - Get optimization feedback before you even test\n- **🧪 Systematic Evaluation** - Generate comprehensive test suites automatically\n- **📊 Performance Analytics** - Track what works across different scenarios\n- **📚 Version Control** - Never lose a working prompt again\n\n## Quick Start\n\n**One-line Docker setup:**\n```bash\ndocker run -d -p 8080:8080 -e ANTHROPIC_API_KEY=\"your-key\" ghcr.io\u002Finsaanimanav\u002Fprompt-forge:main\n```\n\n**Or clone and run:**\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Finsaanimanav\u002Fpromptforge.git\ncd promptforge && .\u002Fstart.sh\n```\n\nOpen `http:\u002F\u002Flocalhost:8080` and start crafting better prompts.\n\n## Core Features\n\n### ✨ AI-Powered Prompt Generation\n- **Smart Crafting**: AI assists in building effective prompts from scratch\n- **Intelligent Suggestions**: Context-aware recommendations for prompt improvement\n\n### 🔍 Advanced Prompt Analysis\n- **Quick Review**: Instant optimization suggestions\n- **Deep Analysis**: Comprehensive prompt evaluation and scoring\n- **Best Practice Validation**: Checks against proven prompt engineering principles\n\n### 🧪 Systematic Evaluation Engine\nCreates comprehensive test suites including:\n- **Robustness**: Edge cases, typos, input variations\n- **Safety**: Bias detection, harmful content resistance\n- **Accuracy**: Factual correctness verification\n- **Creativity**: Novel thinking scenarios\n\n### ⚡ Professional Testing\n- Execute with full parameter control\n- Dynamic variable detection and substitution\n- Multi-model comparison side by side (Claude, GPT-4, Azure OpenAI, Ollama)\n\n### 📚 Prompt Management\n- Organized library with search and tags\n- Complete execution history with filtering\n- Export\u002Fimport capabilities\n\n## Supported Models\n\n- **Claude 3.5 Sonnet** (200K context) - Excellent reasoning\n- **GPT-4.1** (200K context) - Detailed analysis  \n- **O3** (1M context) - Fast execution\n- **Azure OpenAI** - Enterprise-ready\n- **Ollama Models** - Local AI with Llama, Mistral, Code Llama, and more\n\n## Configuration\n\n### Docker (Recommended)\n```bash\n# Anthropic (Default)\n-e ANTHROPIC_API_KEY=\"sk-ant-api03-...\"\n\n# OpenAI  \n-e OPENAI_API_KEY=\"sk-...\"\n\n# Azure OpenAI\n-e AZURE_OPENAI_API_KEY=\"your-key\"\n-e AZURE_OPENAI_BASE_URL=\"https:\u002F\u002Fyour-resource.openai.azure.com\"\n\n# Ollama (Local AI)\n-e OLLAMA_BASE_URL=\"http:\u002F\u002Flocalhost:11434\"\n-e DEFAULT_AI_PROVIDER=\"ollama\"\n```\n\n### Local Development\n```bash\n# Clone and setup\ngit clone https:\u002F\u002Fgithub.com\u002Finsaanimanav\u002Fpromptforge.git\ncd promptforge\n\n# Configure environment\ncp .env.example .env\n# Add your API keys to .env\n\n# Run\ncd api && go run main.go\n```\n\n## API Reference\n\nCore endpoints for integration:\n- `POST \u002Fapi\u002Fcritique` - Analyze prompts\n- `POST \u002Fapi\u002Fexecute` - Test with parameters\n- `POST \u002Fapi\u002Fgenerate-eval` - Create test suites\n- `GET \u002Fapi\u002Fprompts` - Manage prompt library\n\n## Contributing\n\nBuilt for the prompt engineering community. Contributions welcome:\n\n- 🌐 Additional AI model integrations\n- 📊 Enhanced evaluation metrics\n- 🎨 UI\u002FUX improvements\n- 🔧 Performance optimizations\n\n1. Fork the repository\n2. Create feature branch: `git checkout -b feature\u002Fname`\n3. Submit pull request\n\n## License\n\nGPLv3 - Built with ❤️ for better AI interactions\n\n---\n\n**Transform prompt engineering from art to science**","# PromptForge 🔨\n\n**一款生成、分析并系统测试提示词的 AI 提示工程工作台**\n\n不要再从头开始编写提示词了。让 AI 帮助你打造更优质的提示词，然后对其进行系统的验证。采用 Go 语言构建，确保速度与可靠性。\n\n**[🎮 体验交互式演示](https:\u002F\u002Fdemo.arcade.software\u002FbFGTYb7AuRV33Kei7ZFQ)**\n\n![PromptForge 截图](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FinsaaniManav_prompt-forge_readme_65d57db2f120.png)\n\n## 为什么选择 PromptForge？\n\n大多数提示工具不过是功能增强的文本编辑器。而 PromptForge 将**工程化规范**引入提示词开发中：\n\n- **✨ 智能提示词生成**：基于 AI 的提示词创作，提供智能化建议\n- **🔍 高级提示词分析**：在实际测试前即可获得优化反馈\n- **🧪 系统化评估**：自动创建全面的测试套件\n- **📊 性能分析**：跟踪不同场景下的效果表现\n- **📚 版本控制**：再也不用担心丢失有效的提示词\n\n## 快速入门\n\n**一行 Docker 部署命令：**\n```bash\ndocker run -d -p 8080:8080 -e ANTHROPIC_API_KEY=\"your-key\" ghcr.io\u002Finsaanimanav\u002Fprompt-forge:main\n```\n\n**或者克隆后运行：**\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Finsaanimanav\u002Fpromptforge.git\ncd promptforge && .\u002Fstart.sh\n```\n\n打开 `http:\u002F\u002Flocalhost:8080` 即可开始打造更优质的提示词。\n\n## 核心功能\n\n### ✨ AI 驱动的提示词生成\n- **智能创作**：AI 助力从零开始构建高效提示词\n- **智能建议**：根据上下文提供提示词优化建议\n\n### 🔍 高级提示词分析\n- **快速评审**：即时给出优化建议\n- **深度分析**：全面评估提示词并打分\n- **最佳实践校验**：对照成熟的提示工程原则进行检查\n\n### 🧪 系统化评估引擎\n自动生成全面的测试套件，包括：\n- **鲁棒性**：边缘情况、拼写错误、输入变体\n- **安全性**：检测偏见、抵御有害内容\n- **准确性**：事实正确性验证\n- **创造性**：新颖思维场景测试\n\n### ⚡ 专业测试\n- 完全参数化执行\n- 动态变量检测与替换\n- 多模型对比（Claude、GPT-4、Azure OpenAI、Ollama）\n\n### 📚 提示词管理\n- 结构化的库，支持搜索和标签\n- 完整的执行历史记录，并可筛选\n- 支持导出与导入功能\n\n## 支持的模型\n\n- **Claude 3.5 Sonnet**（20万上下文）：卓越的推理能力\n- **GPT-4.1**（20万上下文）：细致的分析能力\n- **O3**（100万上下文）：快速执行\n- **Azure OpenAI**：企业级解决方案\n- **Ollama 模型**：本地 AI，支持 Llama、Mistral、Code Llama 等\n\n## 配置\n\n### Docker（推荐）\n```bash\n# Anthropic（默认）\n-e ANTHROPIC_API_KEY=\"sk-ant-api03-...\"\n\n# OpenAI  \n-e OPENAI_API_KEY=\"sk-...\"\n\n# Azure OpenAI\n-e AZURE_OPENAI_API_KEY=\"your-key\"\n-e AZURE_OPENAI_BASE_URL=\"https:\u002F\u002Fyour-resource.openai.azure.com\"\n\n# Ollama（本地 AI）\n-e OLLAMA_BASE_URL=\"http:\u002F\u002Flocalhost:11434\"\n-e DEFAULT_AI_PROVIDER=\"ollama\"\n```\n\n### 本地开发\n```bash\n# 克隆并配置\ngit clone https:\u002F\u002Fgithub.com\u002Finsaanimanav\u002Fpromptforge.git\ncd promptforge\n\n# 配置环境\ncp .env.example .env\n# 在 .env 中添加你的 API 密钥\n\n# 运行\ncd api && go run main.go\n```\n\n## API 参考\n\n核心集成接口：\n- `POST \u002Fapi\u002Fcritique` - 分析提示词\n- `POST \u002Fapi\u002Fexecute` - 参数化测试\n- `POST \u002Fapi\u002Fgenerate-eval` - 创建测试套件\n- `GET \u002Fapi\u002Fprompts` - 管理提示词库\n\n## 贡献\n\n专为提示工程社区打造，欢迎贡献：\n\n- 🌐 新增 AI 模型集成\n- 📊 优化评估指标\n- 🎨 改进 UI\u002FUX\n- 🔧 性能优化\n\n1. Fork 仓库\n2. 创建特性分支：`git checkout -b feature\u002Fname`\n3. 提交 Pull Request\n\n## 许可证\n\nGPLv3 - 用心打造，只为更好的 AI 交互","# PromptForge 快速上手指南\n\nPromptForge 是一款专为提示词工程（Prompt Engineering）打造的工作台，支持智能生成、深度分析及系统化测试提示词。它基于 Go 语言构建，以速度和可靠性为核心，帮助开发者将提示词编写从“艺术”转变为“科学”。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：Linux、macOS 或 Windows（需安装 Docker Desktop 或 WSL2）。\n*   **运行时依赖**（二选一）：\n    *   **Docker**（推荐）：已安装 Docker Engine 及 Docker Compose。\n    *   **Go 语言环境**：如需本地源码运行，需安装 Go 1.20+ 版本。\n*   **API 密钥**：至少准备一个主流大模型服务的 API Key（如 Anthropic Claude, OpenAI GPT-4, Azure OpenAI 或本地 Ollama）。\n\n## 安装步骤\n\n您可以选择使用 Docker 一键部署（推荐），或通过源码本地运行。\n\n### 方式一：Docker 部署（推荐）\n\n使用单行命令即可启动服务。请将 `your-key` 替换为您实际的 API 密钥。\n\n**启动 Anthropic (Claude) 版本：**\n```bash\ndocker run -d -p 8080:8080 -e ANTHROPIC_API_KEY=\"sk-ant-api03-...\" ghcr.io\u002Finsaanimanav\u002Fprompt-forge:main\n```\n\n**启动其他模型版本（示例）：**\n*   **OpenAI:** 将环境变量改为 `-e OPENAI_API_KEY=\"sk-...\"`\n*   **Ollama (本地模型):** 添加 `-e OLLAMA_BASE_URL=\"http:\u002F\u002Fhost.docker.internal:11434\" -e DEFAULT_AI_PROVIDER=\"ollama\"`\n    *   *注意：Mac\u002FWindows 用户可能需要使用 `host.docker.internal` 来访问宿主机的 Ollama 服务。*\n\n### 方式二：源码本地运行\n\n适合需要二次开发或调试的用户。\n\n```bash\n# 1. 克隆仓库\ngit clone https:\u002F\u002Fgithub.com\u002Finsaanimanav\u002Fpromptforge.git\ncd promptforge\n\n# 2. 配置环境变量\ncp .env.example .env\n# 编辑 .env 文件，填入您的 API Keys\n\n# 3. 启动服务\n.\u002Fstart.sh\n# 或者手动启动后端：\ncd api && go run main.go\n```\n\n## 基本使用\n\n安装完成后，按照以下步骤开始优化您的提示词：\n\n1.  **访问界面**\n    打开浏览器访问 `http:\u002F\u002Flocalhost:8080`。\n\n2.  **智能生成提示词 (Smart Crafting)**\n    *   在输入框中描述您想要的功能（例如：“创建一个提取 JSON 数据的 Python 函数”）。\n    *   点击 **Generate**，AI 将基于最佳实践为您起草初始提示词，并提供改进建议。\n\n3.  **深度分析与评分 (Advanced Analysis)**\n    *   选中任意提示词，点击 **Analyze**。\n    *   系统将检查提示词的清晰度、潜在偏见及安全性，并给出优化评分和具体修改意见。\n\n4.  **系统化测试 (Systematic Evaluation)**\n    *   点击 **Evaluate** 生成测试套件。\n    *   PromptForge 会自动创建包含边缘情况、拼写错误变体、安全性测试在内的多组测试用例。\n    *   支持并排对比不同模型（如 Claude 3.5 vs GPT-4）在同一提示词下的表现。\n\n5.  **管理与版本控制**\n    *   所有测试通过的提示词会自动保存至库中，支持标签搜索和历史版本回溯，确保您永远不会丢失有效的提示词方案。","某电商公司的算法团队正在为客服机器人开发一套处理复杂退货纠纷的提示词，需要确保回答既符合政策又具备同理心。\n\n### 没有 prompt-forge 时\n- 工程师依靠直觉手动编写提示词，缺乏智能辅助，往往需要反复试错数十次才能找到勉强可用的版本。\n- 测试过程零散且随意，仅凭几个简单案例验证，极易遗漏用户输入错别字或极端情绪化表达等边缘情况。\n- 不同模型（如 Claude 与 GPT-4）的表现对比靠人工复制粘贴切换，效率低下且难以量化评估优劣。\n- 提示词版本管理混乱，一旦新修改导致效果下降，很难快速回滚到之前稳定的版本。\n- 缺乏系统性的安全评分机制，无法在上线前有效检测潜在的回答偏见或合规风险。\n\n### 使用 prompt-forge 后\n- 利用 AI 智能生成功能，系统基于最佳实践自动构建初始提示词，并提供上下文相关的优化建议，起步即高水准。\n- 一键生成包含鲁棒性、安全性和准确性在内的综合测试套件，自动覆盖各类边缘案例，提前暴露潜在缺陷。\n- 在同一界面并行执行多模型对比测试，通过直观的性能分析图表，迅速锁定最适合该场景的模型组合。\n- 内置版本控制系统完整记录每次迭代与执行历史，支持随时回溯和复用经过验证的高效提示词。\n- 深度分析模块自动扫描并预警潜在的偏见与有害内容，确保输出结果符合企业安全规范。\n\nprompt-forge 将提示词开发从依赖个人经验的“玄学”转变为可量化、可复现的系统工程，显著提升了 AI 应用的落地质量与效率。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FinsaaniManav_prompt-forge_65d57db2.png","insaaniManav","Manav sethi","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FinsaaniManav_4da83694.jpg","If there were more food and fewer people, this would be a perfect party","olvyhq",null,"mail@manav.co.in","insaanimanav","manav.co.in","https:\u002F\u002Fgithub.com\u002FinsaaniManav",[87,91,95,99,103,107],{"name":88,"color":89,"percentage":90},"Go","#00ADD8",39.6,{"name":92,"color":93,"percentage":94},"JavaScript","#f1e05a",39.1,{"name":96,"color":97,"percentage":98},"CSS","#663399",13.7,{"name":100,"color":101,"percentage":102},"HTML","#e34c26",6.2,{"name":104,"color":105,"percentage":106},"Shell","#89e051",0.8,{"name":108,"color":109,"percentage":110},"Dockerfile","#384d54",0.5,773,76,"2026-04-09T07:54:29","GPL-3.0","Linux, macOS, Windows","非必需（主要依赖云端 API 或本地 Ollama，若本地运行大模型则取决于具体模型需求）","未说明",{"notes":119,"python":120,"dependencies":121},"该工具主要由 Go 语言编写，无需 Python 环境。运行核心功能需配置大模型 API 密钥（如 Anthropic, OpenAI, Azure）或本地部署 Ollama。推荐使用 Docker 一键部署，也可在安装了 Go 环境的任意操作系统上通过源码运行。","不需要",[122,123],"Go (编译语言)","Docker (可选)",[15,46],"2026-03-27T02:49:30.150509","2026-04-10T11:28:19.944106",[128,133,137,141,146],{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},27581,"Docker 一键设置无法工作，提示镜像拉取失败或前端未正确初始化怎么办？","该问题已修复。维护者已更新 Docker Hub 上的镜像并添加了 docker-compose 文件。建议用户重新拉取最新镜像并重试。如果之前遇到镜像不存在（pull access denied）或前端未在 localhost:8080 服务的问题，现在应能正常启动。请使用提供的 docker-compose 文件进行部署。","https:\u002F\u002Fgithub.com\u002FinsaaniManav\u002Fprompt-forge\u002Fissues\u002F2",{"id":134,"question_zh":135,"answer_zh":136,"source_url":132},27582,"容器启动后健康检查失败，返回 405 Method Not Allowed 错误如何解决？","此问题已在后续更新中修复。如果您仍遇到健康检查端点（\u002Fapi\u002Fhealth）返回 405 错误的情况，请确保您使用的是最新版本的镜像。维护者表示无法在本地复现该问题，建议重新拉取镜像并重启容器。",{"id":138,"question_zh":139,"answer_zh":140,"source_url":132},27583,"配置了 OpenAI API Key 但系统仍未生效，或者使用 Anthropic Key 时报错 'model: o3' not found 怎么办？","这是一个配置或模型兼容性问题。有用户反馈即使在 Railway 服务中重新部署，配置的 ANTHROPIC_API_KEY 也未生效，且发送请求时出现 'model: o3' 不存在的 404 错误。这通常意味着后端未正确读取环境变量或选择了不支持的模型。请检查环境变量名称是否正确（如 ANTHROPIC_API_KEY），并确认所选模型在当前 API 密钥下是否可用。如果问题持续，建议检查服务器日志以确认配置加载情况。",{"id":142,"question_zh":143,"answer_zh":144,"source_url":145},27584,"Prompt Forge 是否支持使用 OpenRouter API Key？","目前暂不支持 OpenRouter。维护者明确表示虽然 OpenRouter 的格式与 OpenAI 相似，但当前版本尚未集成对 OpenRouter 的支持。不过，未来计划添加对 OpenRouter 以及 LiteLLM 的支持。目前请仅使用官方支持的 OpenAI 或 Anthropic API Key。","https:\u002F\u002Fgithub.com\u002FinsaaniManav\u002Fprompt-forge\u002Fissues\u002F10",{"id":147,"question_zh":148,"answer_zh":149,"source_url":150},27585,"运行 docker-compose 时 console-service 报错 'Failed to create CoreCLR, HRESULT: 0x80070008' 是什么原因？","该错误代码 0x80070008 通常表示内存不足（Out of Memory），导致 .NET Core (CoreCLR) 无法创建。尽管用户反馈开机时内存看似足够，但容器运行时可能触发了限制。维护者判断此问题与项目本身无直接关联（可能是宿主环境资源限制），因此关闭了该议题。建议检查宿主机的可用内存及 Docker 容器的内存限制设置。","https:\u002F\u002Fgithub.com\u002FinsaaniManav\u002Fprompt-forge\u002Fissues\u002F9",[]]