[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-wangxuqi--Prompt-Engineering-Guide-Chinese":3,"tool-wangxuqi--Prompt-Engineering-Guide-Chinese":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},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。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","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},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",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},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。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"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",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"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",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"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,"2026-04-04T04:44:48",[15,14,13,26,54],{"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":79,"owner_location":79,"owner_email":79,"owner_twitter":79,"owner_website":79,"owner_url":80,"languages":81,"stars":101,"forks":102,"last_commit_at":103,"license":104,"difficulty_score":105,"env_os":106,"env_gpu":107,"env_ram":107,"env_deps":108,"category_tags":111,"github_topics":112,"view_count":23,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":117,"updated_at":118,"faqs":119,"releases":120},3857,"wangxuqi\u002FPrompt-Engineering-Guide-Chinese","Prompt-Engineering-Guide-Chinese","Prompt工程师指南，源自英文版，但增加了AIGC的prompt部分，为了降低同学们的学习门槛，翻译更新","Prompt-Engineering-Guide-Chinese 是一份专为中文用户打造的提示词（Prompt）工程学习指南。它基于 GitHub 上广受好评的英文原版资源进行翻译与深度扩充，特别增加了针对 AIGC（生成式人工智能）领域的实战内容，旨在打破语言壁垒，降低大家的学习门槛。\n\n在大型语言模型和图像生成工具日益普及的今天，如何精准地发出指令以激发模型潜力，成为了一项关键技能。这份指南系统地解决了用户“不知如何提问”或“难以获得理想结果”的痛点。它不仅涵盖了从基础用法到高级技巧的完整知识体系，还深入探讨了模型可靠性、对抗性提示等前沿议题，并提供了丰富的论文、工具和数据集参考。\n\n无论是希望深入理解模型能力的研究人员、需要设计高效交互接口的开发者，还是想要更好地使用 ChatGPT、Midjourney、Stable Diffusion 等工具的普通用户和设计师，都能从中获益。其独特的亮点在于保持了内容的实时更新，不仅翻译了经典理论，更紧跟技术潮流补充了最新的图像生成提示指南，是中文社区中不可多得的系统性学习资料。欢迎所有对 AI 感兴趣的朋友共同查阅与交流，愉快地开启提示词工","Prompt-Engineering-Guide-Chinese 是一份专为中文用户打造的提示词（Prompt）工程学习指南。它基于 GitHub 上广受好评的英文原版资源进行翻译与深度扩充，特别增加了针对 AIGC（生成式人工智能）领域的实战内容，旨在打破语言壁垒，降低大家的学习门槛。\n\n在大型语言模型和图像生成工具日益普及的今天，如何精准地发出指令以激发模型潜力，成为了一项关键技能。这份指南系统地解决了用户“不知如何提问”或“难以获得理想结果”的痛点。它不仅涵盖了从基础用法到高级技巧的完整知识体系，还深入探讨了模型可靠性、对抗性提示等前沿议题，并提供了丰富的论文、工具和数据集参考。\n\n无论是希望深入理解模型能力的研究人员、需要设计高效交互接口的开发者，还是想要更好地使用 ChatGPT、Midjourney、Stable Diffusion 等工具的普通用户和设计师，都能从中获益。其独特的亮点在于保持了内容的实时更新，不仅翻译了经典理论，更紧跟技术潮流补充了最新的图像生成提示指南，是中文社区中不可多得的系统性学习资料。欢迎所有对 AI 感兴趣的朋友共同查阅与交流，愉快地开启提示词工程之旅。","# Prompt-Engineering-Guide-Chinese\nPrompt工程师指南，源自于github上最火的英文指南，为了降低同学们的学习门槛\n实时掌握最新学习内容，持续更新，欢迎共同添加更多的prompt指南\n\nPrompt工程是一种相对较新的学科，用于开发和优化提示，以有效地使用语言模型（LMs）进行各种应用和研究主题。Prompt工程技能有助于更好地理解大型语言模型（LLMs）的能力和局限性。研究人员使用Prompt工程来改善LLMs在各种常见和复杂任务上的能力，例如问答和算术推理。开发人员使用Prompt工程来设计强大且有效的提示技术，与LLMs和其他工具进行接口。\n\n出于对开发LLMs的高度兴趣，我们创建了这个新的Prompt工程指南，其中包含所有与Prompt工程相关的最新论文、学习指南、讲座、参考资料和工具。\n\n祝您愉快地进行Prompt工程！\n\n## \n\n## 指南\n以下是我们开发的一系列Prompt工程指南。这些指南仍在不断完善中。\n\n- [Prompt工程-简介](\u002Fguides\u002Fprompts-intro.md)\n- [Prompt工程-基本提示](\u002Fguides\u002Fprompts-basic-usage.md)\n- [Prompt工程-高级提示](\u002Fguides\u002Fprompts-advanced-usage.md)\n- [Prompt工程-ChatGPT](\u002Fguides\u002Fprompts-chatgpt.md)\n- [Prompt工程-Midjouney](\u002Fguides\u002Fprompts-midjourney.md)\n- [Prompt工程-StableDiffusion](\u002Fguides\u002Fprompts-stable_diffusion.md)\n- [Prompt工程-应用](\u002Fguides\u002Fprompts-applications.md)\n- [Prompt工程-对抗性提示](\u002Fguides\u002Fprompts-adversarial.md)\n- [Prompt工程-可靠性](\u002Fguides\u002Fprompts-reliability.md)\n- [Prompt工程-其他主题](\u002Fguides\u002Fprompts-miscellaneous.md)\n- [Prompt工程-论文](\u002Fpages\u002Fpapers.mdx)\n- [Prompt工程-工具](\u002Fpages\u002Ftools.mdx)\n- [Prompt工程-数据集](\u002Fpages\u002Fdatasets.mdx)\n- [Prompt工程-附加阅读](\u002Fpages\u002Freadings.mdx)","# 提示工程指南-中文\n提示工程指南，源自于github上最火的英文指南，为了降低同学们的学习门槛\n实时掌握最新学习内容，持续更新，欢迎共同添加更多的prompt指南\n\nPrompt工程是一种相对较新的学科，用于开发和优化提示，以有效地使用语言模型（LMs）进行各种应用和研究主题。Prompt工程技能有助于更好地理解大型语言模型（LLMs）的能力和局限性。研究人员使用Prompt工程来改善LLMs在各种常见和复杂任务上的能力，例如问答和算术推理。开发人员使用Prompt工程来设计强大且有效的提示技术，与LLMs和其他工具进行接口。\n\n出于对开发LLMs的高度兴趣，我们创建了这个新的Prompt工程指南，其中包含所有与Prompt工程相关的最新论文、学习指南、讲座、参考资料和工具。\n\n祝您愉快地进行Prompt工程！\n\n## \n\n## 指南\n以下是我们开发的一系列Prompt工程指南。这些指南仍在不断完善中。\n\n- [Prompt工程-简介](\u002Fguides\u002Fprompts-intro.md)\n- [Prompt工程-基本提示](\u002Fguides\u002Fprompts-basic-usage.md)\n- [Prompt工程-高级提示](\u002Fguides\u002Fprompts-advanced-usage.md)\n- [Prompt工程-ChatGPT](\u002Fguides\u002Fprompts-chatgpt.md)\n- [Prompt工程-Midjouney](\u002Fguides\u002Fprompts-midjourney.md)\n- [Prompt工程-StableDiffusion](\u002Fguides\u002Fprompts-stable_diffusion.md)\n- [Prompt工程-应用](\u002Fguides\u002Fprompts-applications.md)\n- [Prompt工程-对抗性提示](\u002Fguides\u002Fprompts-adversarial.md)\n- [Prompt工程-可靠性](\u002Fguides\u002Fprompts-reliability.md)\n- [Prompt工程-其他主题](\u002Fguides\u002Fprompts-miscellaneous.md)\n- [Prompt工程-论文](\u002Fpages\u002Fpapers.mdx)\n- [Prompt工程-工具](\u002Fpages\u002Ftools.mdx)\n- [Prompt工程-数据集](\u002Fpages\u002Fdatasets.mdx)\n- [Prompt工程-附加阅读](\u002Fpages\u002Freadings.mdx)","# Prompt-Engineering-Guide-Chinese 快速上手指南\n\n本指南旨在帮助开发者快速访问和使用《Prompt 工程师指南》中文资源，掌握大语言模型（LLMs）及图像生成模型的提示工程技巧。该项目主要为文档与知识库集合，无需复杂的环境配置即可开始学习。\n\n## 环境准备\n\n本项目为开源文档库，对系统无特殊要求，仅需具备基础的代码阅读能力或 Web 浏览环境。\n\n- **操作系统**：Windows \u002F macOS \u002F Linux 均可\n- **前置依赖**：\n  - 现代浏览器（推荐 Chrome, Edge, Firefox）用于在线阅读\n  - 可选：Git（用于克隆本地仓库进行离线阅读或贡献）\n  - 可选：Node.js & npm（仅当您需要本地部署文档网站时）\n\n## 安装步骤\n\n您可以选择直接在线阅读，或克隆到本地进行查阅和贡献。\n\n### 方式一：在线访问（推荐）\n直接访问项目托管页面（如 GitHub Pages 或原文档链接）即可开始学习，无需安装。\n\n### 方式二：本地克隆（适合贡献者或离线阅读）\n\n1. 打开终端或命令行工具。\n2. 执行以下命令克隆仓库（若在国内访问 GitHub 较慢，可配置 Git 代理或使用 Gitee 镜像如果存在）：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fdair-ai\u002FPrompt-Engineering-Guide-Chinese.git\n```\n\n3. 进入项目目录：\n\n```bash\ncd Prompt-Engineering-Guide-Chinese\n```\n\n4. （可选）若需本地运行文档网站，安装依赖并启动服务：\n\n```bash\nnpm install\nnpm run dev\n```\n\n## 基本使用\n\n克隆完成后，您可以直接通过文件系统或本地服务器查看指南内容。\n\n### 1. 直接阅读 Markdown 文件\n使用任意文本编辑器（如 VS Code）打开 `guides` 目录下的 `.md` 文件。例如，查看基础提示用法：\n\n- 打开文件：`\u002Fguides\u002Fprompts-basic-usage.md`\n\n### 2. 本地预览网站（如果已安装 Node.js）\n在项目根目录运行启动命令后，在浏览器访问本地地址（通常为 `http:\u002F\u002Flocalhost:3000`），即可看到结构化的导航菜单，包含以下内容：\n\n- **入门系列**：简介、基本提示、高级提示\n- **模型专项**：ChatGPT、Midjourney、Stable Diffusion 提示技巧\n- **进阶主题**：对抗性提示、可靠性分析、应用场景\n- **资源汇总**：最新论文、工具列表、数据集、附加阅读\n\n### 3. 最简单的实践示例\n参考 `\u002Fguides\u002Fprompts-basic-usage.md` 中的“零样本提示”（Zero-Shot Prompting）章节，尝试构造如下提示词并在您的 LLM 中测试：\n\n```text\n将以下句子翻译成法语：'你好，世界！'\n```\n\n通过对比不同提示策略的输出结果，深入理解提示工程的核心逻辑。","某初创公司的内容运营团队正急需利用 AI 批量生成高质量的营销文案和配图，以应对即将到来的促销活动。\n\n### 没有 Prompt-Engineering-Guide-Chinese 时\n- 团队成员因语言障碍难以直接阅读英文原版指南，对“思维链”、“少样本提示”等核心概念理解模糊，导致提示词编写全靠盲目试错。\n- 在调用 Midjourney 或 Stable Diffusion 生成宣传海报时，由于缺乏专业的构图与风格描述技巧，产出的图片往往细节缺失或风格不统一，返工率极高。\n- 面对大模型偶尔出现的胡言乱语或逻辑错误，团队束手无策，不知道如何通过对抗性提示或可靠性优化来稳定输出质量。\n- 学习资源零散且更新滞后，新人入职培训成本高，整个团队在提示工程上的探索效率低下，严重拖慢了项目进度。\n\n### 使用 Prompt-Engineering-Guide-Chinese 后\n- 团队直接参考中文版的“高级提示”与“基本提示”章节，快速掌握了结构化提示词写法，将文案生成的准确率从 60% 提升至 95% 以上。\n- 依据工具中专门的 Midjourney 和 Stable Diffusion 指南，成员们学会了精准控制光影、材质与镜头语言，一次性生成了符合品牌调性的高质量海报。\n- 通过查阅“可靠性”与“对抗性提示”板块，团队建立了标准的纠错流程，有效抑制了模型的幻觉问题，确保对外发布内容的严谨性。\n- 依托实时更新的论文解读与工具列表，团队能迅速跟进最新技术趋势，大幅缩短了新人上手时间，实现了全员提示工程能力的标准化。\n\nPrompt-Engineering-Guide-Chinese 通过消除语言壁垒并提供系统化的实战指南，将团队从低效的试错中解放出来，真正实现了 AI 生产力的规模化落地。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fwangxuqi_Prompt-Engineering-Guide-Chinese_16795d7e.png","wangxuqi","Richy Wang","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fwangxuqi_1e0d4a84.jpg",null,"https:\u002F\u002Fgithub.com\u002Fwangxuqi",[82,86,90,94,97],{"name":83,"color":84,"percentage":85},"MDX","#fcb32c",66.6,{"name":87,"color":88,"percentage":89},"Jupyter Notebook","#DA5B0B",32.9,{"name":91,"color":92,"percentage":93},"JavaScript","#f1e05a",0.2,{"name":95,"color":96,"percentage":93},"TypeScript","#3178c6",{"name":98,"color":99,"percentage":100},"CSS","#663399",0,1340,143,"2026-04-05T13:08:10","MIT",1,"","未说明",{"notes":109,"python":107,"dependencies":110},"该项目为提示工程（Prompt Engineering）的学习指南和文档集合，并非可执行的软件工具或模型代码库，因此无需特定的操作系统、GPU、内存或 Python 环境即可阅读。内容涵盖大语言模型及图像生成模型（如 Midjourney, Stable Diffusion）的提示技巧，若需实践文中涉及的本地模型（如 Stable Diffusion），则需参考相应模型的具体运行环境要求。",[],[26,14],[113,114,115,116],"prompt","prompt-engineering","prompt-toolkit","prompt-guide","2026-03-27T02:49:30.150509","2026-04-06T05:17:28.933777",[],[]]