Bonsai-27B-GGUF
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
用元提示路由器和精炼器,调用 Zephyr、Llama 等开放模型来优化你写给 AI 模型的提示词。适合想让提示词更清晰的人。
PROMPT++ 是一款工具包,属于写作类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install -U huggingface_hub hf download baconnier/prompt-plus-plus --repo-type space --local-dir prompt-plus-plus cd prompt-plus-plus
PROMPT++ 帮你改进写给 AI 模型的提示词。仓库里有一个元提示路由器、一组示例元提示和一个提示词精炼器,这个 Space 还指定了 Zephyr 和 Llama 等几个开放的聊天模型。README 只有一行,所以具体的控件没有在那里说明。
它适合经常写提示词、想要再过一遍的人,比如写作者、营销人员和开发者。想看看基于元提示的精炼器是怎么搭建的提示词工程师也适合用它。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 写作 | 内容写作者 | 在使用之前把粗糙的提示词打磨紧凑 | 粘贴一个草稿提示词,阅读精炼后的版本 |
| 营销 | 营销人员 | 让活动文案的提示词更清晰 | 精炼一个要求写广告文字的提示词 |
| 软件 | 开发者 | 改进放进应用里的提示词 | 测试同一条指令的几个版本 |
| 研究 | 提示词工程师 | 研究元提示路由器和精炼器 | 阅读路由器和精炼器文件 |
已经有经过测试的提示词库的人可以跳过它,因为这是一个初步精炼工具。
这个应用可以在两个地方运行。
| Use case | Who | What they get back |
|---|---|---|
| 提示词精炼 | 写作者 | 你写的提示词的更清晰版本 |
| 模型选择 | 开发者 | 用不同开放模型试精炼的方式 |
| 代码学习 | 提示词工程师 | 可以阅读的路由器、示例元提示和精炼器 |
在线页面不需要安装任何东西。本地副本需要下面这些。
pip install -U huggingface_hub hf download baconnier/prompt-plus-plus --repo-type space --local-dir prompt-plus-plus cd prompt-plus-plus pip install gradio==4.44.1 pip install -r requirements.txt python app.py
打开页面,粘贴你想改进的提示词,如果页面提供模型选项就选一个,然后运行。来源没有描述这些控件。在本地副本上,用下面这条命令启动页面。
python app.py
| 工具 | 作用 |
|---|---|
| prompt_refiner.py | 精炼提示词的文件 |
| metaprompt_router.py | 为任务挑选元提示的文件 |
| metaprompt_sample.py | 应用可以使用的示例元提示 |
| app.py | 存放 Gradio 页面 |
你粘贴一个简短含糊的提示词,要求写一段产品描述。应用会返回一个把任务说得更清楚的改写版提示词,你可以把它复制到自己的 AI 工具里。
如果你刚接触这类工具,先用一个你已经在用的提示词,看看精炼后的版本有什么不同。有用的保留,没用的丢掉。
如果你熟悉这个领域,仓库把工作分成选择元提示的路由器、示例元提示和应用其中一个的精炼器。这个 Space 指定了 Zephyr 和 Llama 系列的模型。这个 Space 运行在基础 CPU 硬件上,所以指定的模型大概是通过托管服务访问的,来源没有说明。
Space 页面只有一行描述。设置请读代码,依赖输出之前请查看模型的条款。
用元提示路由器和精炼器,调用 Zephyr、Llama 等开放模型来优化你写给 AI 模型的提示词。适合想让提示词更清晰的人。
由 baconnier 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。
它是什么:PROMPT++ 帮你改进写给 AI 模型的提示词。仓库里有一个元提示路由器、一组示例元提示和一个提示词精炼器,这个 Space 还指定了 Zephyr 和 Llama 等几个开放的聊天模型。README 只有一行,所以具体的控件没有在那里说明。
适合谁:它适合经常写提示词、想要再过一遍的人,比如写作者、营销人员和开发者。想看看基于元提示的精炼器是怎么搭建的提示词工程师也适合用它。
行业 | 谁在用 | 怎么用 | 例子
写作 | 内容写作者 | 在使用之前把粗糙的提示词打磨紧凑 | 粘贴一个草稿提示词,阅读精炼后的版本
营销 | 营销人员 | 让活动文案的提示词更清晰 | 精炼一个要求写广告文字的提示词
软件 | 开发者 | 改进放进应用里的提示词 | 测试同一条指令的几个版本
研究 | 提示词工程师 | 研究元提示路由器和精炼器 | 阅读路由器和精炼器文件
已经有经过测试的提示词库的人可以跳过它,因为这是一个初步精炼工具。
用在哪里:这个应用可以在两个地方运行。
Use case | Who | What they get back
提示词精炼 | 写作者 | 你写的提示词的更清晰版本
模型选择 | 开发者 | 用不同开放模型试精炼的方式
代码学习 | 提示词工程师 | 可以阅读的路由器、示例元提示和精炼器
如何设置:在线页面不需要安装任何东西。本地副本需要下面这些。
pip install -U huggingface_hub
hf download baconnier/prompt-plus-plus --repo-type space --local-dir prompt-plus-plus
cd prompt-plus-plus
pip install gradio==4.44.1
pip install -r requirements.txt
python app.py
如何使用:打开页面,粘贴你想改进的提示词,如果页面提供模型选项就选一个,然后运行。来源没有描述这些控件。在本地副本上,用下面这条命令启动页面。
python app.py
工具 | 作用
prompt_refiner.py | 精炼提示词的文件
metaprompt_router.py | 为任务挑选元提示的文件
metaprompt_sample.py | 应用可以使用的示例元提示
app.py | 存放 Gradio 页面
示例:你粘贴一个简短含糊的提示词,要求写一段产品描述。应用会返回一个把任务说得更清楚的改写版提示词,你可以把它复制到自己的 AI 工具里。
新手与专家:如果你刚接触这类工具,先用一个你已经在用的提示词,看看精炼后的版本有什么不同。有用的保留,没用的丢掉。
如果你熟悉这个领域,仓库把工作分成选择元提示的路由器、示例元提示和应用其中一个的精炼器。这个 Space 指定了 Zephyr 和 Llama 系列的模型。这个 Space 运行在基础 CPU 硬件上,所以指定的模型大概是通过托管服务访问的,来源没有说明。
粘贴一个粗糙的提示词
路由器挑选一个元提示
精炼器改写提示词
你复制改进后的版本
注意事项:Space 页面只有一行描述。设置请读代码,依赖输出之前请查看模型的条款。
在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。
README.md 5 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face Space。
| 产品 | 点赞 | 构建方式 | 许可证 | 最近更新 |
|---|---|---|---|---|
| PROMPT++ 本页 | 247 | gradio | apache-2.0 | |
| Hum to Song共有 gradio | 124 | gradio | cc-by-nc-4.0 | |
| humanizer共有 gradio | 51 | gradio | apache-2.0 | |
| Arabic Poetry Generator共有 gradio | 30 | gradio | cc-by-nc-4.0 | |
| Essay_generator_app共有 gradio | 4 | gradio | apache-2.0 | |
| Sakil_text_summarization_app共有 gradio | 3 | gradio | apache-2.0 |
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
LibertAIDAI · 工具包
以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。
facebook · 工具包
根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。
vennify · 工具包
用在 JFLEG 数据集上训练的 T5 模型改写英文文本,减少语法错误。由 vennify 制作,适合想在 Python 里加入语法修正步骤的写作者、学生和开发者。
tencent · 工具包
在你自己的设备上用压缩到 1.25 比特的 1.8B 模型进行 33 种语言之间的翻译,GGUF 文件约 440 MB,适用于 llama.cpp。适合给应用加入离线翻译的开发者。
summerAIO · 工具包
用经过微调、采用 Gated DeltaNet 层的 27B 模型,对整本书长度的文字做摘要、问答和续写,支持英语和日语。适合处理长文档的人。