SafeLLMPlayground
AI Skill Hub 推荐使用：SafeLLMPlayground 是一款优质的AI工具。AI 综合评分 7.5 分，在同类工具中表现稳健。如果你正在寻找可靠的AI工具解决方案，这是一个值得深入了解的选择。
**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。
**安装与环境准备**
SafeLLMPlayground 依赖 JavaScript 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 JavaScript 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。
**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 SafeLLMPlayground 的版本更新，及时通知重要功能变化。
SafeLLMPlayground 是一款基于 JavaScript 开发的开源工具，专注于 installable、javascript 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
SafeLLMPlayground 是一款基于 JavaScript 开发的开源工具，专注于 installable、javascript 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
# 方式一：npm 全局安装 npm install -g safellmplayground # 方式二：npx 直接运行（无需安装） npx safellmplayground --help # 方式三：项目依赖安装 npm install safellmplayground # 方式四：从源码运行 git clone https://github.com/RUIYUN-ML/SafeLLMPlayground cd SafeLLMPlayground npm install npm start
- 访问 GitHub 仓库页面
- 按照 README 文档完成依赖安装
- 根据系统环境完成初始化配置
- 参考官方示例或文档开始使用
- 遇到问题可在 GitHub Issues 中查找解答
# 命令行使用
safellmplayground --help
# 基本用法
safellmplayground [options] <input>
# Node.js 代码中使用
const safellmplayground = require('safellmplayground');
const result = await safellmplayground.run(options);
console.log(result);
# safellmplayground 配置说明 # 查看配置选项 safellmplayground --config-example > config.yml # 常见配置项 # output_dir: ./output # log_level: info # workers: 4 # 环境变量（覆盖配置文件） export SAFELLMPLAYGROUND_CONFIG="/path/to/config.yml"
《星辉剑传》
面向学习与科普场景的 大语言模型提示词安全 剧情互动小游戏。
项目以 Python 3.10+、FastAPI 与 原生 HTML/CSS/JS 实现：后端对接硅基流动（SiliconFlow）等 OpenAI 兼容 API，前端由同一进程挂载静态资源，玩家在剧情对话中体验 提示词注入、越狱诱导、对话防御与 GCG 风格攻击 等概念。
中文 ｜ English
在线试玩（Demo）：启动后端后，在浏览器打开（路径空格可写作 %20）：
- 在线试玩 本地将 124.223.115.66:8001 换为 127.0.0.1 或 localhost 即可。
---
关于附加关：短后缀与 GCG 主题
附加关限制玩家输入约 8 个 token（本地 tokenizers 校验），通过 generate_reply_gcg 诱导模型输出含特定关键词的回复，与 GCG（Greedy Coordinate Gradient） 类攻击科普。可参考题解。
依赖
- Python 3.10+
- 见 chapter1/requirements.txt：
fastapi、uvicorn、openai、pydantic等 - 可访问的 LLM API 密钥（默认经 SiliconFlow；模型名
sf:前缀见config.py）
安装与启动
cd /path/to/playground
python3 -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install -r chapter1/requirements.txt在根目录配置 API（需要自行配置API使用）：
- siliconflow_api.py：
api_key、base_url；sf:前缀模型走此客户端 - dashscope_api.py：百炼兼容模式；非
sf:前缀时可经此调用
uvicorn chapter1.main:app --host 0.0.0.0 --port 8001- 健康检查：<http://127.0.0.1:8001/health>
- 根路径 JSON 含 API 与前端入口提示
运行
使用边界
本仓库默认用于 合法、合规的学习与实验，请注意：
| 边界 | 说明 |
|---|---|
| API 密钥 | 当前多在代码内配置；公开仓库勿提交真实 key，生产请改用环境变量或密钥管理 |
| 模型输出 | 云端模型非确定性，同一关卡在不同时间回复可能不同；裁判 JSON 偶发解析失败会判为未通过 |
| 安全演示范围 | 关卡模拟攻击与防御思路，**不**等同于完整红队、WAF 或企业级 LLM 网关方案 |
| 第 4 关 tokenizer | 依赖本机路径与 tokenizers 包；缺失时仅影响 token 计数与 GCG 关体验 |
| Demo 地址 | 文档中的公网 IP 仅为示例，请以你实际部署的主机为准 |
---
环境变量（模型与行为）
| 变量 | 说明 |
|---|---|
SILICONFLOW_BIG_MODEL / DASHSCOPE_BIG_MODEL | 大关卡默认大模型 |
SILICONFLOW_SMALL_MODEL / DASHSCOPE_SMALL_MODEL | 小模型默认 |
SILICONFLOW_LEVEL4_MODEL | 附加关专用模型 |
SILICONFLOW_CHAT_HISTORY_MAX_MESSAGES | 上传模型的最大历史条数 |
CHAPTER2_HTTP_BUDGET_SEC | 第二章单次请求总预算（秒） |
详见 chapter1/config.py 与第二章各关 game_logic.py。
自定义 API 地址
仅当静态页与 API 不同源或不同端口 时：
- 在引入
api.js前设置window.GAME_API_BASE_URL = 'http://主机:端口' - 或
localStorage.setItem('GAME_API_BASE_URL', '...')后刷新 - 仅改端口：
window.GAME_API_PORT = 8000（与uvicorn --port一致）
HTTPS 页面访问本机 HTTP API 时，见 Front-end development/js/api.js 顶部注释；生产环境建议反向代理同域。
---
主要 API 入口
| 前缀 | 说明 |
|---|---|
GET /health | 健康检查 |
GET / | API 与前端入口提示 |
POST /chapter1/level{1-5}/chat | 第一章各关对话 |
POST /chapter1/level{1-5}/reset | 重置本会话历史 |
POST /chapter2/level{1-3}/... | 第二章各关（以各 router.py 为准） |
静态：/Front-end development/... | 前端页面与资源 |
推荐从 Front-end development/js/api.js 的封装函数调用后端，以保持 session_id 与章节路径一致。
该项目提供了一个开源的LLM模板，用于构建AI文本冒险游戏，值得关注
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
- +MIT 协议，可免费商用
- +完全开源免费，无授权费用
- +本地部署，数据完全自主可控
- +开发者社区支持，遇问题可查可问
- −安装和初始配置可能需要一定技术基础
- −功能完整性通常不如成熟商业产品
- −技术支持主要依赖开源社区，响应速度不稳定
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。
总体来看，SafeLLMPlayground 是一款质量良好的AI工具，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。
| 原始名称 | SafeLLMPlayground |
| Topics | installablejavascript |
| GitHub | https://github.com/RUIYUN-ML/SafeLLMPlayground |
| License | MIT |
| 语言 | JavaScript |
收录时间：2026-05-24 · 更新时间：2026-05-24 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。