解密 Prompt
持续整理 Prompt、LLM、RAG 与智能体研究资料。
- Star 数
- ★ 3.4k
- 最近更新
- 6 天前
- FA 评分
- 证据不足
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台
- 费用
- 免费，无需付费服务
- 上手难度
- 低 · 几分钟可跑通
- 典型场景
- 刚进入 LLM 研究的中文学生，希望从提示工程、思维链、指令微调和 RLHF 的代表论文开始建立阅读清单。
- 不适合
- 需要可部署智能体或API的开发者
- 需要标准化文献元数据与引用的研究者
- 需要明确开源许可再分发的团队
这个 Agent 能做什么，适合哪些场景？
解密 Prompt 是一个以中文组织的大模型研究资料库，而不是可执行的 AI 智能体。仓库通过主索引及“开源模型.MD”“开源框架.MD”“开源数据.MD”“AIGC各领域应用.MD”“教程博客会议.MD”等专题文件汇集模型、框架、数据集、应用和学习材料。其论文目录覆盖提示工程、思维链、指令微调、RLHF、RAG、智能体、记忆、上下文工程、多智能体和推理扩展等领域，并链接一系列中文解读文章。主要使用方式是人工浏览主题目录、阅读论文名称并打开外部文章或项目链接；来源未展示搜索服务、程序化 API、自动执行流程或结构化导出能力。它适合需要宽覆盖研究线索的中文读者，但不适合作为可部署智能体、论文数据库或具备完整元数据的文献管理系统直接采用。
仓库把 LLM 相关资源按主题编排为 Markdown 清单。入口列出“开源模型和评测榜单”“开源推理，微调，Agent，RAG，propmt 框架”“开源SFT，RLHF，Pretrain 数据集”“AIGC各领域应用汇总”和“Prompt教程，经典博客和AI会议访谈”等分区；论文部分进一步按 Post Train、Context Engineer、New Model Architecture、思维链、Self-Evolution、RLHF、Memory、指令微调、LLM Agent、RAG 等主题整理标题。它还提供“解密Prompt系列”文章链接，内容涉及 Prompt、对齐、推理、RAG、Agent、MCP、Memory 和 Context Engineering。现有材料只证明其产出是人工维护的资源索引与文章导航，没有证据表明它会运行模型、调用 API、抓取论文、生成报告或自主执行任务。
- 刚进入 LLM 研究的中文学生，希望从提示工程、思维链、指令微调和 RLHF 的代表论文开始建立阅读清单。
- 研究智能体的工程师，需要按工具调用、多智能体、记忆、上下文工程、Web Agent 或金融 Agent 等方向寻找论文线索。
- 准备 RAG 技术调研的团队，希望集中查看经典方案、查询优化、排序、动态检索和评测相关工作。
- 跟踪推理模型进展的研究人员，需要浏览 inference scaling、长思维链、强化学习推理和 R1 复现等主题条目。
- 寻找模型、框架、训练数据或 AIGC 应用入口的学习者，希望通过专题 Markdown 文件进行人工筛选。
如何安装或部署这个 Agent？
来源未提供安装命令、软件包、容器镜像、运行时版本或依赖说明。现有内容是 GitHub 上的 Markdown 资料集合，无需启动服务；若要离线获取仓库，来源没有给出经过文档确认的复制命令。
如何使用这个 Agent？
打开仓库主页后，从 LLM 资源汇总进入“开源模型.MD”“开源框架.MD”“开源数据.MD”“AIGC各领域应用.MD”或“教程博客会议.MD”。也可以在主目录中按 Post Train、Context Engineer、思维链、RLHF、Memory、指令微调、LLM Agent、RAG 等标题寻找论文，再访问已提供的外部链接。来源没有记录 CLI、API、账号凭据、配置文件或首次执行命令。
这个 Agent 有哪些优点和局限？
- 覆盖范围具体且广，从基础 Prompt 和 CoT 延伸到 RLHF、RAG、Agent Memory、MCP、上下文工程及推理扩展。
- 专题层级较细，例如智能体部分继续区分数据分析、金融、生物医疗、Web/Mobile、研究和多智能体等场景。
- 除论文标题外，还提供连续编号的中文“解密Prompt系列”文章，便于中文读者结合专题解读学习。
- 同时整理模型、评测榜单、框架、训练数据和 AIGC 应用入口，不局限于单一论文列表。
- 没有证据表明仓库实现了可运行的智能体、检索程序、API 或自动化更新管线。
- 条目主要以标题和链接呈现，所给材料未显示作者、年份、摘要、引用信息或统一元数据结构。
- 许可证标记为未知，复用、再发布或集成这些整理内容前需要另行确认授权条件。
- 大量内容依赖外部文章和项目链接；来源未说明失效链接检测、版本固定或内容归档机制。
- 未提供安装、部署、测试或程序化访问文档，不适合作为生产系统组件直接接入。
这个 Agent 与同类方案有什么区别？
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| 解密 Prompt 当前 | 证据不足 | 网页应用免费 | ★ 3.4k | 6 天前 | — | — |
| SurfSense 开放网络研究平台 | 52 · 缺口较多 | 自托管服务免费版 + 付费版 | ★ 17k | 2 天前 | Python | Claude.ai · OpenAI API |
| Tribe AI | 45 · 缺口较多 | 自托管服务免费 + 模型费 | ★ 1.1k | 1 年前 | TypeScript | OpenAI API |
| COMPASS Skills（司南） | 85 · 表现良好 | 命令行工具免费 | ★ 758 | 今天 | Python | Codex · Claude Code |
FollowAgents 如何评估这个 Agent？
- 源码中未见：最小权限约束只授予完成任务所需的权限：用专用账号或只读令牌，并限定可访问的目录和仓库。
- 源码中未见：执行前用户确认开启或自行加上执行前确认；先在沙箱或测试环境跑通，确认行为后再接入真实数据。
- 源码中未见：数据流向说明运行时观察它连接了哪些外部服务（代理或防火墙日志）；弄清数据去向之前不要输入敏感数据。
- 源码中未见：敏感信息处理使用专用、低权限、可随时吊销的 API 密钥，不要复用生产凭据，也不要让密钥出现在日志里。
- 源码中未见：依赖安全审查安装前固定版本并做一次依赖扫描（如 npm audit、pip-audit）；优先放在容器里运行。
- 源码中未见：外部影响披露先弄清它会写入、发送或修改哪些外部系统，用测试账号或测试仓库验证后再接入正式环境。
- 源码中未见：回滚或恢复路径运行前先备份，或在 git 分支、快照上操作，确保改动可以撤销。
- 源码中未见：来源归属可核验从官方仓库或包源安装，核对发布者和仓库地址，避免同名仿冒包。
- 该修订所给材料表现为研究资料汇编，而非可识别的 Agent 产品或框架；不要据此推断其具备自主执行、工具调用或安全控制能力。
- 许可证未知；在复制、再发布或集成内容之前，应先确认仓库及所链接材料各自的许可条件。
- 大量论文条目只有标题，可能存在拼写、版本、重复或时效问题；使用前应回到原始出版来源核验。
- 静态评审未执行任何代码或访问外部链接，也未独立验证条目真实性与可用性。