大家好，我是Echa。
(相关资料图)
今天小编百忙之中收集了11个炫酷的开源项目分享给大家，先收藏后面慢慢看都可以。希望对大家学习上有所帮助。
全文大纲多合一聊天机器人客户端Web 测试和自动化工具免费的计算机书籍监控你网站流量的应用程序数据库场景的 GPT大模型论文、开源项目整理提示工程指南中文版吴恩达的提示工程课Brex 的提示工程指南国人开源的免费教程提示工程指南（累计70万学习者）多合一聊天机器人客户端官网：https://chathub.gg/
Github：https://github.com/chathub-dev/chathub
ChatHub 是款全能聊天机器人客户端
ChatGPT 发布后，陆陆续续有很多基于大模型的 AI 机器人发布，这个开源客户端支持同时和多个机器人聊天，机器人给出答案，方便你去对比。
这个一体化的聊天机器人客户端目前支持 ChatGPT、 Bing Chat、Google Bard 和 Claude (via Poe)，快去试试吧。
特点
在一个应用中使用不同的聊天机器人，目前支持 ChatGPT、新的 Bing Chat、Google Bard、Claude（通过 Poe）、Alpaca、Vicuna、ChatGLM，并将来会集成更多的机器人同时与多个聊天机器人进行对话，方便比较它们的回答支持 ChatGPT API 和 GPT-4 浏览快捷方式，可在浏览器的任何位置快速激活应用支持 Markdown 和代码高亮显示自定义提示和社区提示的提示库本地保存对话历史导出和导入所有数据将对话转为 Markdown 并分享暗黑模式支持的聊天机器人
ChatGPT（通过 Web 应用/API/Azure/Poe）Bing ChatGoogle BardClaude（通过 Poe）iFlytek SparkChatGLMAlpacaVicuna手动安装
从 Releases 下载 chathub.zip解压文件在 Chrome/Edge 中进入扩展页面 (chrome://extensions 或 edge://extensions)启用开发者模式将解压后的文件夹拖到页面上的任何位置进行导入（导入后不要删除文件夹）从源代码构建
克隆源代码运行 yarn install运行 yarn build按照手动安装中的步骤将 dist文件夹加载到浏览器中Web 测试和自动化工具官网： https://playwright.dev/
Github： https://github.com/microsoft/playwright
Playwright 是一个用于 Web 测试和执行自动化任务的框架。它可以通过单个 API 自动执行 Chromium，Firefox 和 WebKit 浏览器，连代码都不用写，就能实现自动化功能。
也可以算作一个强大的爬虫神器！
免费的计算机书籍官网：https://ebookfoundation.github.io/free-programming-books/
Github： https://github.com/EbookFoundation/free-programming-books
一个免费编程书籍的仓库，目前已经获得了 280K 的 Star！
这个列表最初是StackOverflow的克隆——免费编程书籍列表，由Karan Bhangui和George Stocker贡献。
Victor Felder将该列表移至GitHub进行协作更新和维护。它已经发展成为GitHub最受欢迎的存储库之一，拥有271000多颗星、约9700名观察者、8300多个提交、2400多个贡献者和54000多个分叉。
监控你网站流量的应用程序官网： https://www.sniffnet.net/
Github： https://github.com/GyulyVGC/sniffnet
使用 sniffnet 可以帮助你轻松监控互联网流量，多线程，跨平台，支持 Windows、Linux、MacOS
特点
选择要检查的电脑的网络适配器️ 选择一组筛选器以应用于观察到的流量查看有关Internet流量的总体统计信息查看有关流量强度的实时图表（每秒字节数和数据包数，传入和传出）获取与您交换流量的主机的域名和网络提供商的详细信息识别本地网络中的连接获取有关远程主机所在国家/地区的信息（IP地理位置）⭐ 保存您喜爱的网络主机设置自定义通知以在定义的网络事件发生时通知您从4种不同的主题中选择最适合你的风格️ 实时检查每个网络连接保存完整的文本报告以及每个网络连接的详细信息：源和目标IP地址源端口和目标端口携带协议交换的数据包和字节数信息交换的初始和最终时间点…等等！数据库场景的 GPT官网：https://db-gpt.readthedocs.io/en/latest/
Github： https://github.com/csunny/DB-GPT
随着大模型的发布迭代，大模型变得越来越智能，在使用大模型的过程当中，遇到极大的数据安全与隐私挑战。在利用大模型能力的过程中我们的私密数据跟环境需要掌握自己的手里，完全可控，避免任何的数据隐私泄露以及安全风险。基于此，我们发起了DB-GPT项目，为所有以数据库为基础的场景，构建一套完整的私有大模型解决方案。 此方案因为支持本地部署，所以不仅仅可以应用于独立私有环境，而且还可以根据业务模块独立部署隔离，让大模型的能力绝对私有、安全、可控。
DB-GPT 是一个开源的以数据库为基础的GPT实验项目，使用本地化的GPT大模型与您的数据和环境进行交互，无数据泄露风险，100% 私密，100% 安全。
特性一览
目前我们已经发布了多种关键的特性，这里一一列举展示一下当前发布的能力。
SQL 语言能力SQL生成SQL诊断私域问答与数据处理数据库知识问答数据处理插件模型支持自定义插件执行任务，原生支持Auto-GPT插件。如:SQL自动执行，获取查询结果自动爬取学习知识知识库统一向量存储/索引非结构化数据支持包括PDF、MarkDown、CSV、WebURL多模型支持支持多种大语言模型, 当前已支持Vicuna(7b,13b), ChatGLM-6b(int4, int8)TODO: codet5p, codegen2大模型论文、开源项目整理官网：https://discord.gg/m88xfYMbK6
Github： https://github.com/promptslab/Awesome-Prompt-Engineering
这个开源项目整理了大模型领域的论文、工具、教程、视频、相关开源项目等等。
此存储库包含Prompt Engineering手工策划的资源，重点是Generative Pre-trained Transformer（GPT）、ChatGPT、PaLM等
提示工程指南中文版Github： https://github.com/wangxuqi/Prompt-Engineering-Guide-Chinese
源自于 Prompt 工程师指南英文版， AIGC 国内爱好者翻译成了中文。
Prompt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 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
Prompt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。
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。
祝您愉快地进行Prompt工程！
吴恩达的提示工程课Github：https://github.com/datawhalechina/prompt-engineering-for-developers
LLM 正在逐步改变人们的生活，而对于开发者，如何基于 LLM 提供的 API 快速、便捷地开发一些具备更强能力、集成LLM 的应用，来便捷地实现一些更新颖、更实用的能力，是一个急需学习的重要能力。由吴恩达老师与 OpenAI 合作推出的 《ChatGPT Prompt Engineering for Developers》教程面向入门 LLM 的开发者，深入浅出地介绍了对于开发者，如何构造 Prompt 并基于 OpenAI 提供的 API 实现包括总结、推断、转换等多种常用功能，是入门 LLM 开发的经典教程。因此，我们将该课程翻译为中文，并复现其范例代码，也为原视频增加了中文字幕，支持国内中文学习者直接使用，以帮助中文学习者更好地学习 LLM 开发；同时，我们也将加入更多 Prompt 高级技巧，以丰富本课程内容，帮助开发者掌握更多、更巧妙的 Prompt 技能。
Brex 的提示工程指南Github： https://github.com/brexhq/prompt-engineering
这个指南涵盖了大语言模型的历史，以及在大型语言模型（如 OpenAI 的 GPT-4）之上使用和构建编程系统的策略、指南和安全建议。
本指南由Brex出于内部目的创建。它基于从研究和创建用于生产用例的大型语言模型（LLM）提示中获得的经验教训。它涵盖了LLM的历史，以及在大型语言模型（如OpenAI的GPT-4）之上使用和构建编程系统的策略、指南和安全建议。
本文档中的示例是使用非确定性语言模型生成的，相同的示例可能会给您不同的结果。
这是一份活的文件。围绕LLM的最先进的最佳实践和战略每天都在快速发展。鼓励进行讨论并提出改进建议。
国人开源的免费教程官网：https://learningprompt.wiki/
Github： https://github.com/thinkingjimmy/Learning-Prompt
基本介绍
关于本教程
如果你不知道如何使用 ChatGPT 或者 Midjourney。那本教程应该能帮到你。这是一份教你如何更好地使用 ChatGPT 和 Midjourney 的免费教程。
它不是什么？
本教程不是 prompt 大全，如果你预期是找到能直接用的 prompt，建议你谷歌找一找。本教程更多地是教你方法，以及解释这些方法为何有效。本教程也不是权威指南，在这个领域我也只是学生。
为什么会有这个教程？
我最近一直在研究 PE 相关的知识，然后发现大多数教程都是英文的，内容都非常好，但对我这种初学者来说，阅读起来还是有点吃力。所以我就萌生出了自己写一份教程的想法，想着通过输出倒逼输入的方式去学习。
提示工程指南（累计70万学习者）官网：https://www.promptingguide.ai/zh
Github： https://github.com/dair-ai/Prompt-Engineering-Guide
提示工程（Prompt Engineering）是一门较新的学科，关注提示词开发和优化，帮助用户将大语言模型（Large Language Model, LLM）用于各场景和研究领域。 掌握了提示工程相关技能将有助于用户更好地了解大型语言模型的能力和局限性。
研究人员可利用提示工程来提升大语言模型处理复杂任务场景的能力，如问答和算术推理能力。开发人员可通过提示工程设计、研发强大的工程技术，实现和大语言模型或其他生态工具的高效接轨。
提示工程不仅仅是关于设计和研发提示词。它包含了与大语言模型交互和研发的各种技能和技术。提示工程在实现和大语言模型交互、对接，以及理解大语言模型能力方面都起着重要作用。用户可以通过提示工程来提高大语言模型的安全性，也可以赋能大语言模型，比如借助专业领域知识和外部工具来增强大语言模型能力。
基于对大语言模型的浓厚兴趣，我们编写了这份全新的提示工程指南，介绍了大语言模型相关的论文研究、学习指南、模型、讲座、参考资料、大语言模型能力以及与其他与提示工程相关的工具。
本指南由Brex出于内部目的创建。
它基于从研究和创建用于生产用例的大型语言模型（LLM）提示中获得的经验教训。它涵盖了LLM的历史，以及在大型语言模型（如OpenAI的GPT-4）之上使用和构建编程系统的策略、指南和安全建议。本文档中的示例是使用非确定性语言模型生成的，相同的示例可能会给您不同的结果。这是一份活的文件。围绕LLM的最先进的最佳实践和战略每天都在快速发展。鼓励进行讨论并提出改进建议。最后一台电脑,一个键盘,尽情挥洒智慧的人生;几行数字,几个字母,认真编写生活的美好;
一 个灵感,一段程序,推动科技进步,促进社会发展。
创作不易，喜欢的老铁们加个关注，点个赞，打个赏，后面会不定期更新干货和技术相关的资讯，速速收藏，谢谢！你们的一个小小举动就是对小编的认可，更是创作的动力。
