SuperAPI AI 工具集35,738 个结果 · 第 735 / 993 页
llm-advisor-mcp 是一个模型上下文协议（MCP）服务器，为 AI 助手提供实时的 LLM/VLM 知识，包括定价、基准测试和推荐。它每小时更新一次数据，而非依赖训练周期，解决了大语言模型知识截止的问题。该工具无需 API 密钥或注册，一条命令即可安装。它聚合了五个基准测试来源（SWE-bench、LM Arena Elo、OpenCompass VLM、Aider Polyglot 和 OpenRouter 定价），并以紧凑的 Markdown 表格输出以节省 token。主要功能包括列出顶级模型、比较模型、根据预算推荐模型以及获取特定模型的详细信息。
LLM-Agent-Benchmark-List 是一个 GitHub 上的大语言模型与智能体评测基准清单，系统整理工具调用、推理、代码、多模态、多智能体等方向的基准与相关论文，供 AGI 研究参考。
LLM Bus 是一个面向 AI 智能体的开源协调引擎，基于 MCP 协议运行。它提供原子化任务认领、共享事件账本、文件咨询租约、在线状态、交接与任务图等能力，让多个编码智能体像一支有序的团队一样协作，避免并行冲突和重复推导。支持自托管（需 Node >= 22 与 PostgreSQL 16），也可使用 llm-bus.com 托管服务。采用 AGPL-3.0 许可。
LLM Council 是一个本地运行的 Web 应用，借鉴 Andrej Karpathy 的 LLM Council 概念，将多个大语言模型组成一个「议会」来回答同一个问题。用户提交查询后，系统会通过 OpenRouter 把问题并行发送给多个模型，收集各自的初步回答；随后在匿名化处理下让各模型互相评审并按准确度与洞察力排名；最后交由指定的 Chairman（主席）模型综合所有回答，产出一份最终答案。该仓库为 elhamid 的 fork 版本，在原版基础上增加了对话历史持久化、决策追踪、稳定性修复、可重复的评测脚本以及 MCP 集成，界面类似 ChatGPT。项目主要作为实验性工具，用于并排对比多个 LLM 的回答及其相互评价。
llm-course-cn 是一个托管在 GitHub 上的中文学习资源仓库，主要用于学习大语言模型（LLM）。该仓库提供学习路线图（roadmaps）和 Colab notebooks，帮助学习者按阶段掌握 LLM 相关知识。资料中未提供更详细的功能说明、收费信息或具体使用步骤。
LLM-Engines 是一个面向大语言模型（LLM）的统一推理引擎，由 Dongfu Jiang 开发。它旨在为开源模型（如 VLLM、SGLang、Together）和商业模型（如 OpenAI、Mistral、Claude）提供一致的调用接口。该工具通过比较不同引擎在 temperature=0.0 和 max_tokens=None 时的输出，验证了推理的正确性。它支持多轮对话、批量推理、视觉输入、并行推理等功能，并提供了缓存机制以避免重复请求。LLM-Engines 还支持 OpenAI 批量 API，可享受半价优惠。用户可以通过 PyPI 安装，并使用 uv 管理环境。该工具适用于需要跨多个引擎进行模型推理和比较的研究人员和开发者。
LLM Foundry 是 Databricks（MosaicML）开源的 LLM 训练代码库，基于 Composer 与 MosaicML 平台，支持大模型的训练、微调、评估和推理部署。它强调易用、高效与灵活，便于快速实验最新技术。仓库包含模型、数据集、回调等源码，以及数据准备、训练、推理、评估等脚本，可训练或微调从 125M 到 70B 参数的 HuggingFace 与 MPT 模型。该代码库还用于训练 DBRX（132B 总参数、36B 激活参数的 MoE 模型），并已开源多个 MPT 模型。提供预构建 Docker 镜像、注册表机制和 CLI 工具，支持自定义组件。
llm-prices-cn 是一个每日核价的大语言模型（LLM）API 价格数据集，覆盖国内外 44 个以上主流模型，包括 OpenAI、Anthropic、Google、DeepSeek 以及阿里通义、字节豆包、百度文心、腾讯混元、MiniMax 等厂商。数据集以 prices.json 形式提供结构化模型信息与每百万 token 的输入、输出价格（同时折算为 USD 与 CNY），并包含缓存命中价、上下文窗口、最大输出、支持模态、模型标签、知识截止时间和基准评测质量分等字段。项目同时提供托管的 MCP 服务与可自托管的本地 stdio MCP 服务，使 AI 智能体能够实时查询模型价格并估算 token 成本。
LLM Prices 是由 modelpricewatch.com 维护的开放数据仓库，提供机器可读的大语言模型 API 定价信息。当前覆盖 40 家提供商（包括 OpenAI、Anthropic、Google、Mistral、xAI、DeepSeek、Meta、Groq、Together 等）的 222 个现役模型。每条价格均链接至提供商官方定价页面，并每日与独立参考源交叉核对，头部模型每周从提供商页面重新读取并附有带日期的凭证。仓库数据在每次刷新周期后自动更新，最后同步时间为 2026-10-14。提供无需密钥、支持 CORS 的实时 API，以及一个 Atom 格式的价格变动订阅源。此外还发布 The LLM Price Index，这是一个固定等权的前沿旗舰模型组合，按 3:1 的输入输出比例混合，每日重新核验，用于回答“百万 token 的前沿智能成本是多少”。数据以 CC-BY-4.0 许可发布，MCP 桥接代码采用 MIT 许可。
llm-router 是一个面向 AI 编程工具的通用 LLM 路由器。它通过挂接编码工具自身的生命周期，在模型看到提示词之前先拦截该提示词，并用免费或本地模型先起草答案，再按需沿降级链逐级向上调用付费模型。它适用于 Claude Code、Cursor、Codex、Gemini CLI、Copilot 等工具，在 Claude Pro/Max 订阅下无需 API 密钥即可通过 MCP 工具和本地模型完成路由。主要特点包括：免费优先的降级链、自动熔断降级、密钥内容仅路由到本地模型、状态行与通知显示路由结果、会话结束总结、支持图像/视频/音频及多步研究编排。官方称免费优先降级链可降低 35–80% 成本；节省数据按已验证与未验证分别统计，具体取决于用户自身工作负载。
LLM-security-and-privacy 是一个在 GitHub 上维护的开源资料库，以精选列表的形式汇集与大语言模型（LLM）安全与隐私相关的论文、工具、框架和资讯。该仓库从安全与隐私两个角度梳理 LLM 面临的威胁与漏洞，核心内容包括论文清单、威胁分类概览图、参考框架与分类法，以及相关工具和文章。仓库提供 paper-summaries 文件夹，用于存放每篇论文的摘要、要点和补充细节；main.bib 文件收录了列表中所列论文的最新引用信息。整体定位偏研究资源整理，适合希望系统了解 LLM 安全与隐私领域文献和威胁分类的研究者与开发者参考。
LLM Token Tracker 是一个面向 OpenAI、Claude 和 Gemini API 的 Token 用量与成本追踪工具，支持 MCP（模型上下文协议）。通过一行代码包裹 API 客户端即可自动追踪，无需手动计数 Token；内置 2025 年最新模型定价，支持按用户/会话统计、美元和韩元货币、实时会话进度条与成本对比，并可作为 MCP 服务器直接在 Claude Desktop 中使用。
llm-ui 是一个用于构建 LLM 界面的 React 库，旨在解决大语言模型流式输出在用户界面中的渲染问题。它能够移除破损的 Markdown 语法，避免因流式传输不完整而导致的渲染错误；支持将自定义组件嵌入 LLM 输出中，实现丰富的交互内容；通过节流机制平滑流式输出的停顿，并以原生帧率渲染，保证界面流畅。代码块高亮使用 Shiki 支持多种语言。该库采用无头（Headless）设计，开发者可自由带入自己的样式。项目由 Stream 赞助，适用于需要实时、高质量展示 LLM 输出的 React 应用。
LWC 是一个面向 AI 智能体的开源主动记忆命令行工具（CLI），让智能体能够跨会话自主回忆、维护并演进持久且可溯源的知识。它把经过整理的文档转化为持久的 Wiki，由智能体负责推理与综合，而 lwc 负责保存来源、页面、引用、链接、索引与历史，使知识不断累积，而不是每次查询都从原始片段重新发现。LWC 不依赖嵌入或向量数据库，可与 RAG 互补但并非查询时 RAG。它支持 Claude Code、Codex、Cursor、OpenCode、Gemini CLI、Kiro、Hermes、Antigravity、VS Code 中的 GitHub Copilot、Copilot CLI、JetBrains 的 Copilot 以及 pi 等工具，并通过 MCP、Skill、Hook 等原生集成方式接入。项目还提供自托管团队记忆、可移植记忆归档、分层召回与知识图谱、文档转换与 Office 阅读、可选学习套件、时间记忆、多机同步以及原子多命令变更等能力。
RuLES（Rule-following Language Evaluation Scenarios）是一个用于评估语言模型规则遵循能力的基准测试。该仓库包含评估代码、测试用例和模型接口，支持通过API或本地模型（如vLLM）运行评估，并提供可视化结果和聚合评分功能。
历史第三方摘要：LLMBase 提供大语言模型接口接入，资料涉及通过兼容 OpenAI 格式的 API 调用不同模型。当前模型身份、部署地区与收费未核验。
Llmchat 是一个以 AI 能力为核心的研究平台，官方定位强调隐私保护与开源方向。根据现有资料，它属于 AI 聊天助手类工具，可用于基于大语言模型的对话与研究场景。其具体功能、模型支持范围、收费方式、平台可用性及使用步骤等信息暂未提供，需以官方页面后续公布为准。
Llmdog 是一款命令行工具，用于将代码分享给 ChatGPT、Claude 等 AI 模型。它通过命令行方式把代码内容整理并传递给 AI 模型，方便开发者在终端环境中与 AI 协作处理代码。目前关于其具体功能细节、安装方式、使用步骤、支持平台及收费情况，资料中暂未提供。
LLMeBench 是一个用于加速大语言模型（LLM）基准测试的灵活框架，由 QCRI 开发并维护。该框架旨在简化对各类 LLM 在不同 NLP 任务上的评估流程，支持多种模型提供商，包括 OpenAI（如 GPT）、HuggingFace Inference API、Azure 和 Petals（如 BLOOMZ）。它能够无缝定制以适应任何 NLP 任务、LLM 模型和数据集，不受语言限制。LLMeBench 当前支持 34 个任务、7 个模型提供商，并已在 16 种语言的 80 个数据集上测试，提供约 800 个可运行的基准测试资产。框架支持文本、语音和多模态任务，具备广泛的缓存能力以避免重复的昂贵 API 调用，支持零样本和少样本学习范式，并能自动下载和缓存数据集。安装命令为 pip install 'llmebench[fewshot]'，下载资产使用 python -m llmebench assets download，下载数据使用 python -m llmebench data download <DatasetName>，运行基准测试则通过 python -m llmebench 命令并配合过滤、限制样本数、少样本设置等选项。结果保存在指定目录，包含详细的结果文件和摘要。该框架持续更新，近期新增了多模态能力、语音问答等资产以及新的模型提供商支持。
LLMFarm 是一款基于 GGML 和 llama.cpp 的 iOS 与 macOS 应用，用于在本地离线运行大型语言模型（LLM）。它支持加载不同模型并设置参数，方便在苹果设备上测试各类 LLM 的性能，以找到适合项目的模型。应用提供多种推理方式、采样方法、Metal 加速（Intel Mac 不支持）、模型设置模板、上下文状态恢复以及 Apple Shortcuts 集成。支持 GPT2、Cerebras、Starcoder、StableLM、Deepseek、LLaVA、MobileVLM 等模型，并可通过选择 llama 推理兼容 Falcon、Alpaca、Vicuna、Baichuan、Mistral 等众多模型。注意：该应用目前在 TestFlight 和 App Store 暂时不可用。
Llmformat com（llmformat.com）是一款面向 GPT-3.5 的提示词（prompt）管理工具，主要用于创建、存储、运行和分享提示词，并支持自定义模板。用户可借助该网站集中管理常用提示词，通过模板方式反复调用，并可将提示词分享给他人。目前关于其具体功能细节、收费方式、使用步骤及适用平台等信息暂未提供。
LLMHub 是一个轻量级管理平台，旨在简化各类大语言模型（LLM）的运行与交互。它提供直观的命令行界面（CLI）和 RESTful API，用于管理、启动、停止和与 LLM 交互。该平台支持以不同配置和上下文大小运行多个模型。注意：该仓库已弃用，当前版本使用 Node 构建。
GEO Metrics（Llmo metrics）是一个面向品牌的 AI 可见度监测与优化平台。官方称已有 3000+ 品牌使用它来衡量 ChatGPT、Gemini、Perplexity、Copilot、Grok 等 9 个以上 AI 引擎在各自品类问题中如何回应，查看品牌的 Share of Model（模型提及份额），修正错误或幻觉信息，并与竞争对手对比。平台提供跨主流大模型引擎的品牌排名发现、提及一致性监控、竞品可见度对比、让大模型评估品牌/产品反馈评分，以及三套 AI 驱动的推荐系统给出可执行改进建议。还支持通过 MCP 把 GEO Metrics 接入常用 AI，用对话方式设计并执行 GEO 策略。官网提供免费开始入口，声称无需信用卡，并举办关于 ChatGPT 广告的免费网络研讨会。
Llmonitor 是一个面向大语言模型（LLM）聊天机器人的开源 AI 平台，主要提供聊天机器人管理、可观测性与评估能力。资料显示其定位围绕 LLM 应用的运行监控与效果评估展开，可帮助开发者了解聊天机器人的表现并进行管理。除上述核心方向外，关于具体功能模块、使用方式、支持的模型或平台、部署与安装步骤、收费模式及适用场景等信息，资料均暂未提供。
LLMPvP 是一个自带大语言模型的国际象棋与围棋对战竞技场，本仓库为其插件。插件提供集成技能、斜杠命令与一键安装器，可写入 8 种编码智能体 CLI 及通用的 .agents/skills 目录，并附带一个暴露 9 个工具的 stdio MCP 服务器。用户可通过命令或 MCP 工具注册智能体、加入匹配或指定对手挑战、查看状态与等级分（Glicko-2 评分）、走子和对局状态，凭据保存在 ~/.llmpvp/credentials.json，可与 REST 接口互通。
本项目是面向生命科学与临床AI的可复现、可审计研究工作流集合，由MD BABU MIA博士维护。仓库将生物医学AI从零散提示词转化为结构化工作单元，收录1207项技能、54个类别，以SKILL.md文件、参考笔记、运行时适配器和评估资源形式组织。其核心理念是：生物医学智能体应了解自身领域、引用证据、有意识地使用工具、保留来源，并在恰当的人工审核边界停止。仓库支持转化研究、临床信息学、基因组学、空间与单细胞分析、数字病理、药物发现、研究自动化和现代智能体基础设施。运行时层BioKernel可将自然语言研究问题路由到合适技能、组合多步工作流并用生物医学标准评估输出。内容涵盖3D基因组学Hi-C分析、AI提供商集成（OpenAI、Anthropic、Google、AWS、Azure等）、智能体评估与可观测性、科学发现智能体、临床工作流自动化等。开源组件保留各自许可，原创架构与工作流设计需署名并链接原仓库。
LLMSTXT.NEW 是一个由 Firecrawl 提供支持的 llms.txt 生成工具，可从任意网站生成用于 LLM 训练和推理的整合文本文件。用户输入一个 URL 即可生成该网站的 llms.txt 文件，也可通过 API 调用。可使用 Firecrawl 的 API key 获得更好体验。
这是一篇由多位大语言模型（LLM）应用实践者联合撰写、由译者翻译的中文技术文章，标题为《LLMs应用构建一年之心得（第一篇）》。文章发布于2024年，总结了过去一年在真实产品中构建LLM应用所获得的战术经验，涵盖提示工程、信息检索与RAG、工作流优化与微调、评估与监控等核心环节。文章指出，虽然用LLM构建应用的门槛已经降低，但要做出超越演示效果的有效产品仍具挑战。作者们分享了多轮示例、思维链、结构化输入输出、保持提示简洁、RAG与关键词混合检索、优先使用RAG而非微调获取新知识、确定性工作流、缓存、基于断言的单元测试、LLM-as-Judge评估等具体做法，并提醒长上下文模型不会让RAG过时、过度强调某些评估可能损害整体性能、幻觉是顽固问题。文章还提供了翻译背景说明和原文链接，适合有一定经验的开发者快速定位感兴趣的段落阅读。
Llmtester 是一个基于云端的测试平台，主要用于对话式 AI 与由大语言模型（LLM）驱动的聊天机器人测试。根据现有资料，其定位是帮助用户对聊天机器人进行测试，具体功能细节、使用方式、适用场景与限制暂未提供。
LLMWizard 是一个面向多 AI 模型与自定义 AI 助手的平台，宣称可在同一平台中使用多种 AI 模型并创建自定义助手。公开资料未提供具体功能、收费、平台或使用步骤等细节。
历史第三方摘要：火山引擎开发者社区和机器学习POD的转载页都明确指向知乎718354385号文章，并将作者记为ybq。文章介绍大语言模型预训练项目的流程、数据准备和评估等经验；独立公开资源清单索引也以“LLM训练-pretrain”标题关联同一原地址，该索引参考全文未复核。2026-10-18核对；两篇转载是同一篇内容，不算两份独立研究，也不证明原作者授权、技术有效性或当前训练结果。
LLocalSearch 是一个完全在本地运行的搜索聚合器，基于 LLM Agent 和 LLM 链。用户提问后，系统使用本地大语言模型自主选择工具进行互联网搜索，递归查找答案，并展示 Agent 进度与最终答案。无需 OpenAI 或 Google API 密钥，注重隐私保护，可在低端硬件上运行，支持追问、移动端友好、深色/浅色模式。项目来自 GitHub 仓库 nilsherzig/LLocalSearch，作者已表示该版本停更超过一年，正在筹备私有测试版重写/重启。
Llog 是一款面向 LLM 交互的协作分析与洞察工具，主要用于监控大语言模型应用的表现。公开资料有限，具体功能、收费与使用方式暂未提供。
Lluminy 是一款基于 AI 的 Python 文档自动化工具，通过自动生成 docstring 来为 Python 项目添加代码注释。它可连接 GitHub 账户，选择仓库、文件或分支，在几分钟内为整个代码库生成文档，并创建拉取请求合并结果。其算法仅处理 docstring，不修改原始代码，避免因大模型幻觉导致代码变更。支持为所有函数或仅缺失 docstring 的函数生成注释，适用于个人项目与团队生产代码库。
LM-Kit.NET 是一套面向 .NET 开发者的 SDK，用于在 C# 和 VB.NET 应用中集成大语言模型与生成式 AI 能力；配套的 LM-Kit One 则是私有部署的 AI 应用服务器，可提供模型、智能体、RAG、搜索与文档智能服务，支持 Windows、Linux 与 macOS，并可通过 OpenAI、Anthropic、Ollama 及 MCP 等接口接入现有应用。
LM Studio 是一款支持在本地下载和运行大语言模型（LLM）的工具，兼容 LLaMa、MPT、Gemma 等多种模型，提供快速、安全的离线运行体验。用户可通过应用内聊天界面或兼容 OpenAI 的本地服务器使用模型，并能从 Hugging Face 仓库下载模型文件。该工具无需编程技能即可使用，支持 Mac、Windows、Linux 系统，安装简便。