从头构建LLM 对比 prompts.chat

## 概述

**LLMs-from-scratch** 是一个教育性的GitHub仓库，教你使用PyTorch从头实现类似ChatGPT的大语言模型。涵盖分词、注意力机制、预训练、微调和指令微调。

**prompts.chat** 是一个免费开源的社区平台，用于分享、发现和收集ChatGPT、Claude、Gemini等LLM的提示词。可自托管，专注于提示工程而非模型构建。

## 功能对比

| 功能 | LLMs-from-scratch | prompts.chat |

|------|-------------------|--------------|

| **主要焦点** | 从头构建LLM | 分享和发现提示词 |

| **技能水平** | 中高级（需要PyTorch） | 初学者友好 |

| **开源** | 是（MIT许可证） | 是（MIT许可证） |

| **可自托管** | 否（代码本地运行） | 是 |

| **社区贡献** | 有限（Issues/PR） | 活跃的提示词分享 |

| **多模型支持** | 仅类似GPT | ChatGPT、Claude、Gemini等 |

| **学习资源** | 全面教程 | 非教育性质 |

## 优缺点

### LLMs-from-scratch

**优点：**

- 深入理解LLM内部原理

- 逐步、文档完善的代码

- 覆盖从分词到指令微调的完整流程

- 免费开源

**缺点：**

- 需要PyTorch知识

- 训练较大模型需要GPU资源

- 非生产级框架

- 默认仅限小规模模型

### prompts.chat

**优点：**

- 完全免费开源

- 可自托管保护隐私

- 大型社区驱动提示词库

- 多模型支持

- 浏览无需注册

**缺点：**

- 贡献提示词需要GitHub账户

- 自托管需要服务器资源

- 提示词质量参差不齐

- 高级筛选功能有限

- 无官方移动应用

## 使用场景

- **如果你想学习LLM内部工作原理**，选择 **LLMs-from-scratch**。适合学生、研究人员和希望从零构建和修改GPT模型的开发者。

- **如果你需要现成的提示词用于内容创作、编程或教育**，选择 **prompts.chat**。适合作家、营销人员和希望利用LLM而不深入技术的教育工作者。

- **对于需要私有提示词库的组织**，prompts.chat的自托管能力是明显优势。

## 定价

两者均**免费开源**。LLMs-from-scratch若使用GPU实例训练可能产生云成本。prompts.chat自托管需要服务器资源，但无软件费用。

## 结论

LLMs-from-scratch和prompts.chat用途不同。如果你的目标是理解和构建LLM，选择LLMs-from-scratch。如果你想收集和分享日常使用的提示词，prompts.chat是更好的选择。两者都是AI工具包中的宝贵资源。