prompt-in-context-learning开源项目 – 综合资源库，助力上下文学习

MacAIverse是一个基于React构建的开源macOS风格桌面环境，最初由AI助手Claude创建，欢迎其他Claude实例或开发者为该环境添加新应用。

IIUCbot是一个为国际伊斯兰大学的学生提供学习支持的机器人，用户可以通过它获取过去的试卷、笔记和其他学习资源。该项目是开源的，鼓励大家参与贡献。

K8Studio是一个集成开发环境，旨在提高对Kubernetes集群的管理和开发效率。它提供了一个统一的平台，使用户能够轻松地管理和监控Kubernetes集群，提升开发者的工作效率。

bench.audio 是一个开源的语音代理评估基准，类似于 LMSYS 的 ELO 基准，旨在让两个不同的语音代理进行对话，并投票哪个表现更好。该项目还计划推出 GPT-4o，以进一步提升其功能和性能。

Mental Models AI是一个提供思维模型资源和工具的网站，旨在通过应用超过50种思维模型来帮助用户改善思维技能和决策能力。它配备AI教练，帮助用户应对复杂场景和问题。用户只需注册服务，与AI教练对话，AI将提出深思熟虑的问题并建议不同的思维模型，以帮助用户更好地思考和决策。每次对话后，用户会收到量身定制的三步行动计划。此外，用户还可以加入专属的会员社区进行协作和支持。

Libretto是一个旨在优化和精炼大型语言模型（LLMs）提示过程的高级平台，通过提供复杂的工具来测试、完善和优化提示，从而提高LLM应用的性能和效率。

Awesome_Multimodal是一个精心策划的GitHub项目，提供关于多模态大语言模型（MLLM）的全面资源集合。

mcts-llm是一个集成了蒙特卡洛树搜索（MCTS）和提示工程技术的轻量级项目，旨在提高大型语言模型（LLMs）的性能。该项目通过结合MCTS算法与大型语言模型，优化提示工程，来提升模型的响应质量。其轻量级的设计使得该项目易于集成和使用，并且支持多种语言模型，适用于各种自然语言处理任务。

Orquesta是一个实时协作和无代码平台，利用大语言模型(LLM)能力，帮助企业集成和运营其产品。该平台集中管理提示、简化实验、收集反馈，并实时洞察性能和成本，兼容所有主要的LLM供应商，确保LLM操作的透明性和可扩展性，最终缩短客户发布周期并降低实验和生产环境的成本。

Learn Prompting是一个全面的在线课程，教授提示工程的技巧，帮助用户有效地与人工智能进行沟通。该课程提供超过60个内容模块，支持9种语言，且拥有一个蓬勃发展的学习社区，适合所有技能水平的学习者。

一种上下文学习方法，将基于提示的表示应用于自回归模型，以生成高质量的句子嵌入，无需微调。该方法通过利用上下文信息，避免了传统微调过程的复杂性，同时支持不同规模的语言大模型，能够在多种转移任务上取得最佳结果。

LMOps是一个新的框架，用于训练并识别高质量的上下文示例，从而提升大型语言模型的性能。它通过评估候选例子的质量，促进上下文学习，能够有效处理未见过的任务，并对不同大小的LLM模型均有一致的性能提升。

gptstore-prompts是一个资源库，包含了100个在GPTStore上最受欢迎的提示，旨在帮助用户学习和改进提示工程，掌握构建最佳和最受欢迎的GPTs的技巧和方法。

该项目研究大型语言模型（LLMs）是否能够通过上下文学习（ICL）进行与贝叶斯统计一致的结构化推理。通过偏置硬币翻转的对照实验，研究发现当提供足够的上下文示例时，LLMs可以表现出与贝叶斯后验更新高度一致的行为。这表明LLMs能够以符合统计原则的方式适应和学习，从而提升其在复杂推理任务中的应用。

终极ChatGPT工具目录是一个全面的资源、工具和应用集合，专注于ChatGPT、聊天机器人和GPT-4，旨在帮助设计师、营销人员和商业专业人士利用AI技术实现各种目的。用户可以在网站上创建账户，访问设计工具、AI艺术工具、提示工程等多种资源，收藏喜欢的资源，加入专属Discord群组，获取商业趋势更新，并使用特定针对ChatGPT的插件。

AI Prompt Finder是一个平台，用户可以发布和查找用于任何人工智能工具的提示，旨在帮助用户准备最佳请求，以获得最佳输出。通过与领域专家的沟通，用户可以充分利用人工智能工具，提升工作效率。

RestGPT 是基于大型语言模型的自主代理的代码实现，通过 RESTful API 控制现实世界的应用程序。它旨在将语言模型与 API 连接起来，解决与规划、API 调用和响应解析相关的挑战。

这是一个具有370亿参数的生成式多模态模型，使用统一的自回归目标在大规模多模态序列上进行训练。

Hugging Face是一个专注于人工智能的开放源代码平台，旨在通过开放科学推进和普及人工智能技术。该项目提供了一系列工具和库，帮助开发者和研究人员轻松构建和应用自然语言处理（NLP）模型。

Vellum是一个用于构建大语言模型（LLM）应用的开发平台，提供了提示工程、语义搜索、版本控制、测试和监控等工具。该平台兼容所有主要的LLM提供商，支持快速实验、回归测试、版本控制以及可观测性与监控。用户可以利用专有数据作为LLM调用的上下文，比较和协作处理提示和模型，并在生产环境中测试、版本控制和监控LLM的变化。