该项目提供了一个关于LLM应用开发的电子书，涵盖了理论学习及实践代码，帮助理解和整合信息处理系统。
E2B桌面沙箱为大型语言模型（LLM）提供图形桌面环境的沙盒服务，旨在通过安全的计算机使用体验提供隔离的云端环境。
关于开发者在使用大型语言模型(LLM)时选择哪个模型的视角的资源库，列举了当前开发者使用的一些开源和商业LLM，并提供了关于如何选择LLM的指南。
LLM-Agent-Survey是一个关于基于大型语言模型(LLM)的自主智能体的文献资源集，汇聚了最新的研究和应用，提供详细的文献综述与分析，支持多种LLM模型和框架的比较，包含自主智能体的设计与实现示例。
这是一个讽刺性网站，旨在帮助他人学习如何使用基于LLM的搜索。用户只需输入问题，点击按钮，即可生成一个可分享的链接，并返回定制的搜索结果。
TigerLab是一个开源的LLM（大语言模型）工具包，旨在提供用户友好的接口和功能，帮助开发者轻松构建和部署基于大语言模型的应用程序。它集成了多种强大的功能，包括嵌入技术、模型微调和AI安全性，支持不同使用场景的需求。
一个让构建和优化LLM评估器变得简单有趣的原型应用。提供游戏化的界面帮助用户构建LLM评估器，包含了对标注数据的评估工具、半自动优化功能，以及一个迭代工作流来对齐标注者与AI输出。
一个全面的语音智能体测试和评估框架，帮助开发者优化LLM驱动的语音助手。它支持多种语言模型和提示词的对比测试，允许自定义评估指标，能够实现模型迁移和成本优化，同时系统地测试不同场景下的代理表现，非常适合语音助手的开发和迭代优化。
