LLM Prompt & ModelPlayground官网 – 实时测试LLM提示与模型

LLM Prompt & Model Playground 是一个让用户可以并排测试两个LLM提示、模型或配置的工具。它支持多种输入的实时测试，极大地加快了提示和模型的测试过程，并且提供了慷慨的免费使用额度。该项目由Context.ai开发。

LLM Prompt & Model
Playground的特点:

1. 支持并排比较多个LLM提示和模型
2. 实时测试输入，快速反馈
3. 慷慨的免费使用额度
4. 用户友好的界面
5. 多种配置选项

LLM Prompt & Model
Playground的功能:

1. 比较不同的LLM提示效果
2. 评估模型在相同输入下的表现
3. 优化提示以提高模型输出质量
4. 进行模型配置的快速实验

相关导航

OpenPipe开源项目 – 数据驱动的LLM提示测试平台

OpenPipe是一个自托管的平台，旨在以数据驱动的方式快速生成、测试和比较LLM提示。用户可以轻松地在不同模型之间翻译提示，从而优化模型的表现。

Promptfoo官网 – LLM提示测试工具，提升模型效果

Promptfoo是一个专门为测试和增强语言模型数学（LLM）提示而设计的库，提供强大的工具来评估提示质量和模型输出，从而提升结果。

navan.ai官网 – 无代码构建计算机视觉模型的平台

Navan.ai是一个无代码平台，允许开发者和企业在几分钟内构建和部署计算机视觉AI模型，节省高达85%的开发时间和成本。用户可以通过nStudio快速构建模型，通过nCloud将模型部署到云端，并获得推理API。此外，用户还可以选择使用预训练的视觉AI模型，如人脸检测等。

Zeta开源项目 – 高效构建AI模型

Zeta是一个高性能的AI模型构建框架，采用模块化和可重用的构建块，能够比PyTorch、TensorFlow等框架快80%。它旨在提高开发效率，降低学习曲线，适合各种规模的机器学习任务。

LLMParser开源项目 – 利用大语言模型提取结构化数据

LLMParser是一个简单灵活的工具，旨在利用大语言模型从文本中进行分类和提取结构化数据。它支持多种文本格式，能够从非结构化文本中提取有用的信息，同时提供用户友好的接口和配置选项，以便用户轻松上手和定制自己的数据处理需求。

train_mnist_fast开源项目 – 快速训练MNIST数据集的神经网络

该项目旨在使用笔记本电脑在0.76秒内训练神经网络，使其在MNIST数据集上的准确率达到99%。

Function Calling Studio官网 – 快速构建和测试函数调用方案

Function Calling Studio 是一个允许用户构建和测试函数调用方案的平台。用户可以设置函数及其参数，并一次性运行一组测试提示。这使得用户能够快速迭代他们的函数并观察其性能。

Autoblocks官网 – 全面的LLMOps解决方案

Autoblocks是一个全栈的LLMOps解决方案，帮助团队理解和提高AI产品的准确性。它提供评估、实验、数据管理、提示版本控制、生产可观测性等功能，旨在增强GenAI用户体验。

Airtrain.ai LLM Playground官网 – 无代码LLM实验室，轻松对比模型

Airtrain.ai LLM Playground是一个无代码的平台，可以同时对多种开源和专有LLM（如Claude、Gemini、Mistral AI、OpenAI模型、Llama 2、Phi-2等）进行质量、性能和成本的检查与比较。该平台旨在为用户提供简便的工具，以便在选择合适的语言模型时做出明智的决策。

Punica开源项目 – 将多个经过 LoRA 微调的 LLM 合而为一

Punica 是一个工具，旨在将多个经过 LoRA 微调的语言模型整合在一起，简化管理和调用，提供灵活的模型组合和优化的性能响应。

The Interactive Transformer开源项目 – 可视化理解Transformer的工具

The Interactive Transformer是一个可视化界面，旨在帮助用户理解和解释Transformer模型。该工具提供了交互式的可视化功能，使用户能够实时操作模型参数，并支持多种Transformer模型，具有直观的用户界面和详细的模型组件及机制解释，是学习和研究Transformer的重要工具。

Latitude LLM开源项目 – 开源的提示工程平台

开源的提示工程平台，旨在帮助开发者和产品团队更容易地构建和管理 AI 特性，提供协作管理、测试、性能分析和实时评估等功能，支持云端和自托管两种部署方式