awesome-chatgpt

580 45 困难 1 次阅读 5天前语言模型

AI 解读由 AI 自动生成，仅供参考

awesome-chatgpt 是一个精心 curated 的开源资源集合，旨在汇聚全球范围内优质的 ChatGPT 演示项目、实用工具、技术文章及提示词（Prompt）库。面对 ChatGPT 生态爆发式增长带来的信息过载与筛选难题，它为用户提供了一站式的导航服务，帮助大家快速定位高价值内容，避免在海量信息中迷失方向。

该资源库涵盖了从基础提示词工程指南到复杂应用场景的全方位内容。用户不仅能找到用于 Midjourney 等绘图模型的高级提示词生成器，还能发现将 ChatGPT 集成至 Chrome、Slack、Discord、WhatsApp 甚至终端命令行的各类开源插件与机器人。此外，它还收录了如自动总结网页、辅助写作、生成法律合同及代码审查等垂直领域的创新应用案例。

无论是希望快速上手 AI 工具的普通用户、寻求灵感的产品设计师，还是需要集成 AI 能力的开发者与研究人员，都能从中获益。其独特的亮点在于不仅罗列工具，更通过分类整理展示了 ChatGPT 与其他平台（如 Google Search、YouTube、GitHub）深度融合的可能性，极大地拓展了大语言模型的实际应用边界。作为一个持续更新的社区驱动项目，awesome-chatgpt 是探索生成式 AI 无限潜力的理想起点。

使用场景

某科技公司的内容运营团队需要在短时间内为新产品撰写多篇 SEO 优化文章，并同步生成配套的社交媒体推广文案。

没有 awesome-chatgpt 时

团队成员需手动在搜索引擎、GitHub 和各类论坛中零散寻找可用的 ChatGPT 插件与提示词模板，耗时且容易遗漏优质资源。
缺乏统一的提示词工程指导，导致生成的文章标题吸引力不足，点击率（CTR）远低于预期，反复修改浪费大量时间。
无法快速将 AI 能力集成到日常工作流（如 Google Docs 或 Slack），每次使用都需单独打开网页版对话框，打断创作心流。
面对复杂的任务（如总结长视频或生成法律条款），因找不到现成的专用工具而被迫放弃自动化尝试，只能人工处理。

使用 awesome-chatgpt 后

直接通过 curated 列表找到"SEO 标题生成器”和“提示词工程指南”等精选资源，迅速搭建起高效的内容生产 SOP。
利用列表中推荐的 Chrome 扩展程序，直接在 Google Docs 和文本框中调用 AI 辅助写作，实时优化标题与正文，显著提升稿件质量。
借助集成的 Slack Bot 和 YouTube 总结工具，团队能在沟通间隙快速获取竞品信息摘要，并将 AI 回复无缝同步至协作频道。
参考"DuplexGPT"等进阶案例，拓展了自动化边界，成功开发出自动预约采访对象和生成初步合同草案的新工作流。

awesome-chatgpt 通过聚合高质量的生态资源，将原本碎片化的探索过程转化为标准化的生产力提升方案，让团队从“找工具”转向“用工具”创造价值。

运行环境要求

GPU

未说明

内存

未说明

依赖

notesawesome-chatgpt 本身不是一个可运行的软件工具，而是一个开源项目、库、插件和应用的精选列表（目录）。README 中列出的各个子项目（如 Python 客户端、VS Code 插件、浏览器扩展等）有各自独立的运行环境要求，需参考具体子项目的文档。本列表主要提供链接和简介，不包含统一的技术部署需求。

python未说明

快速开始

令人惊叹的ChatGPT

此列表为最新版本。最后更新日期：2023年3月6日

❗️ 点击这里查看完整的开源生成式AI库列表

精选

提示词工程

在其他应用中使用ChatGPT

助手类应用

编程相关

搭建电子商务网站：将ChatGPT与Node.js脚本结合，利用GPT-3自动生成SEO驱动的博客文章
⭐️ 代码调试伙伴：解释并修复错误
⭐️ 在VS Code中使用ChatGPT的扩展插件
简化云API以执行复杂任务
解答复杂的编程问题
回答Stack Overflow上未被解答的问题
在没有任何上下文的情况下解释复杂的正则表达式
关于如何使用ChatGPT创建R语言包装包的教程
根据简单描述生成整个WordPress插件
利用ChatGPT解释运行时错误信息
⭐️ 使用ChatGPT进行PR代码审查
我不在乎提交信息（VS Code扩展）：又一个AI驱动的Git提交插件，但无需手动确认。

ChatGPT API

ChatGPT客户端工具

chatgpt.js - 一个功能强大的ChatGPT客户端JavaScript库

ChatGPT解析

对话类

引人深思

其他

awesome-chatgpt 快速上手指南

awesome-chatgpt 并非单一的可安装软件，而是一个 curated list（精选列表），汇集了与 ChatGPT 相关的开源项目、提示词工程资源、集成工具及 API 客户端。本指南将帮助你快速定位核心资源并启动最常用的非官方 API 客户端。

环境准备

由于本项目是资源集合，使用不同子项目所需的环境略有差异。以下是运行大多数相关开源工具（特别是 Python/Node.js 实现的 API 客户端和机器人）的通用前置要求：

操作系统：Windows, macOS, 或 Linux
Python 环境：推荐安装 Python 3.8 或更高版本（用于运行 pyChatGPT, ChatGPT 等库）
- 检查版本：python --version
Node.js 环境：推荐安装 Node.js 16 或更高版本（用于运行桌面应用、VS Code 插件开发或 JS 库）
- 检查版本：node --version
账号准备：一个可用的 OpenAI ChatGPT 账号（部分非官方库需要登录凭证）
网络环境：由于 OpenAI 服务限制，国内开发者通常需要配置代理或使用特定的网络加速方案才能连接服务。

安装步骤

鉴于列表中包含众多工具，此处以列表中高亮推荐（⭐️）且最核心的 非官方 ChatGPT API 客户端 为例进行安装演示。该库允许你通过代码逆向调用 ChatGPT 接口。

1. 安装 Python 版客户端 (acheong08/ChatGPT)

这是目前最流行的轻量级交互包。

pip install ChatGPT

注意：如果下载速度慢，可使用国内镜像源加速：
pip install ChatGPT -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 安装 Node.js 版客户端 (可选)

如果你更倾向于使用 JavaScript/TypeScript 生态：

npm install chatgpt

3. 获取其他工具

对于列表中的其他工具（如 VS Code 插件、Chrome 扩展、桌面应用），请直接访问 README 中对应的 GitHub 仓库链接或应用商店链接进行安装。例如：

VS Code 插件：在 VS Code 扩展市场搜索 "ChatGPT"。
桌面应用：克隆对应仓库后运行 npm install 和 npm start。

基本使用

以下展示如何使用安装的 Python 客户端进行最简单的对话交互。

方式一：命令行交互 (CLI)

安装完成后，直接在终端运行以下命令启动交互模式：

chatgpt

系统会提示你输入 OpenAI 账号的邮箱和密码（或通过 session token 认证），成功后即可开始对话。

方式二：代码调用 (Python)

创建一个名为 main.py 的文件，写入以下代码：

from ChatGPT import Chatbot

# 初始化机器人
# 你需要提供 email 和 password，或者直接使用 session_token (推荐)
chatbot = Chatbot(config={
    "session_token": "YOUR_SESSION_TOKEN_HERE" 
})

# 发送消息
response = chatbot.ask("Hello, how can you help me with coding today?")

# 打印回复
print(response['message'])

获取 Session Token 的方法：

浏览器访问 https://chat.openai.com/chat
按 F12 打开开发者工具，进入 Application -> Cookies
复制 __Secure-next-auth.session-token 的值填入上述代码。

探索更多资源

要利用 awesome-chatgpt 的全部价值，请访问其原始列表查找特定场景工具：

提示词优化：访问 Prompt-Engineering-Guide
网页摘要：尝试 summarize.site
代码审查：集成 chatgpt-action 到你的 GitHub Workflow 中。

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

★ 139k|★★☆☆☆|今天

开发框架Agent语言模型

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|★★☆☆☆|今天

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。

★ 85k|★★☆☆☆|今天

图像数据工具视频

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。

★ 77.1k|★★★☆☆|昨天

Agent图像开发框架

PaddleOCR

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。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。 PaddleOCR 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。

★ 74.9k|★★★☆☆|今天

语言模型图像开发框架

OpenHands

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。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。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。

★ 70.6k|★★★☆☆|今天

语言模型Agent开发框架