GitHub Stars
5.9K
Forks数量
341
贡献者数量
46
许可证
MIT
收录理由
ell 把提示词当作代码来对待，而不是散落在项目里的普通字符串。每次调用语言模型都被写成一个带装饰器的 Python 函数，系统消息和用户消息直接内联在函数体里，紧挨着使用它们的逻辑，读起来一目了然。它还借鉴了训练检查点的思路：每次运行都会自动把提示词序列化并记录版本，连提交信息都是自动生成的，这样你就能追溯是哪一次改动导致了输出变化。配合本地开源的 Ell Studio，可以直观地查看版本、监控运行情况并做可视化分析，问题往往在发布前就能被发现。对于维护复杂或共享提示词的团队来说，这种设计把提示词工程从凭感觉试错变成了像普通代码一样可追踪、可评审的工作。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。
同类热门项目
awesome-nano-banana-pro-prompts
🍌 全球最大的Nano Banana Pro提示词库——超过10,000个精选提示词，附带预览图片，支持16种语言。Google Gemini AI图像生成。免费且开源。
prompt-master
一种Claude技能，为任何AI工具编写准确提示词。零令牌或积分浪费。完整上下文和记忆保留。
chatgpt_system_prompt
GPT系统提示词集合及各类提示注入/泄露知识。
awesome-nanobanana-pro
🚀 精选的 Nano Banana pro 提示词和示例的精彩列表。掌握提示工程和探索 Nano banana pro（Nano banana 2）AI 图像模型创意潜力的首选资源。
awesome-gpt-image-2
🚀 全球最大的GPT Image 2提示词库，每日更新——2000+精选提示词及预览图，支持16种语言。OpenAI的下一代图像模型，具备像素级文本渲染、跨图像一致性和商业级插图能力。免费开源。