Pitfall library
Every known pitfall from every published entry — recorded from real installs or human verification, and injected into the matching prompt.
Where these pitfalls come from, and where they go
- 1An install fails → you hit “Install failed?” on the entry page (no login needed)
- 2Deduped and triaged → missing dependency / blocked by permission / network blocked / version mismatch
- 3A curator verifies it and writes it back to that entry (unverified text never reaches a prompt)
- 4Next time anyone copies the prompt, this pitfall rides along — their AI avoids it
Missing dependency · 1Blocked by permission · 2Network blocked · 2Version mismatch · 1Other · 227
We are also a "try it → report back → reach the author" path
Many entries come from individual developers with no name recognition. Our job is not to hand you a verdict — it is to make trying them cheap, and to route what you find back to the author.
- ① You find it here — every entry carries its official source and author. No proxying, no re-hosting.
- ② You install and try it — copy the prompt into your own AI; you see where it lands and whether it worked.
- ③ Anything you hit splits two ways — pitfalls that can be written down go here (the flow above); bugs in that software go to its official tracker, which is where the author actually reads them.
- ④ We relay, we do not arbitrate — no judging authors, no ranking, no answering on their behalf.
Rationale: to keep unknown developers’ work tryable, we must not rank — the moment we rank, the ones nobody tried stay untried forever.
PresidioNeeds a toolchain
- •检测不保证 100% 覆盖,任何时候都不要把"过了脱敏"当成"可以随便外传"。
- •中文文本的 PII 识别默认较弱,需额外配置,否则会大量漏检。
- •误报会把正常词也抹掉,脱敏策略要先用真实样本调优。
Awesome GitHub CopilotOpens instantly
- •由 GitHub 组织托管,但内容仍来自社区提交。
- •配置件质量由社区决定,用前先读它到底改了什么。
- •不同工具的配置格式不同,直接混用可能不生效。
Model Context ProtocolNeeds a toolchain
- •接了本地文件/数据库的 Server 等于给 AI 权限,要限制可访问范围。
- •每个客户端对 MCP 的支持程度不同,先查兼容列表。
Claude CodeOne command
- •全局安装可能需要处理 npm 权限(不要用 sudo 混装)。Blocked by permission
- •Windows 建议在 WSL 或 Git Bash 里用,原生终端体验有差异。
- •它会执行真实命令——别在重要且无备份的目录里跑,改代码前先 git 提交一次。
GraphiteOpens instantly
- •功能仍在演进,交付前务必确认目标文件格式的导出是否完整。
- •自托管/本地构建需要 Rust 工具链,官方在线版才是"点开即用"的路径。
LM Evaluation HarnessNeeds a toolchain
- •不同版本的结果不可直接比较,记录版本号。
- •部分任务要额外下载数据集,注意网络与磁盘。
ComfyUINeeds a toolchain
- •模型权重放在 models/ 下对应子目录,放错位置会"看不到模型"。
- •Windows 上装依赖最容易卡在 PyTorch 版本与 CUDA 不匹配。
- •工作流与模型版本强绑定,换模型要检查兼容性。
- •显存不足时会爆 OOM,先降分辨率或换量化模型。
- •自定义节点装多了容易报错,出问题先用官方节点复现。
ObsidianOpens instantly
- •纯本地文件要注意自己备份,误删无云端回收站。
- •插件质量参差,装之前看维护活跃度。
DeepChemOne command
- •依赖冲突高发:强烈建议用独立 conda 环境,不要在系统 Python 里直接装。
- •RDKit 的安装对平台敏感,装不上时优先走 conda 而不是 pip。
- •教程与库版本可能不一致,报 API 找不到时先看官方 release 说明的变更点。Missing dependency
nanoGPTNeeds a toolchain
- •训练至少需要一块像样的 GPU,CPU 只能跑极小规模。
- •数据准备格式有要求,按仓库说明转成 memmap。
GPT ResearcherNeeds a toolchain
- •并行检索会消耗不少搜索 API 额度,先小规模试。
- •长报告里的事实仍要自己点回原文核,别直接发。
- •报告长度与引用数量受你配置的模型上下文限制。
Papers with CodeDownload & install
- •部分仓库长期不更新,先看最近提交时间。
- •榜单分数依赖评测设置,跨榜比较要谨慎。
ModelScopeOpens instantly
- •同一模型在两地可能有版本差异,注意 commit/版本号。
- •下载前同样要核对许可证。
ToonflowNeeds tinkering
- •服务默认在 3000 端口且没有登录鉴权,公网访问前必须加认证。
- •Docker 部署别用 down -v,那会把数据卷一起删掉。
- •生成能力取决于你接的模型,时长分辨率各家不同。
FLUX.1 [schnell]Needs a toolchain
- •出图分辨率直接决定显存占用,1024×1024 与 512×512 不是一回事。
- •首次要下载十几 GB 权重。
ChatGLMOpens instantly
- •涉及企业内部制度的问题建议先脱敏。
- •网页与开放平台的模型版本不同,效果不能直接照搬。
DifyOpens instantly
- •检索效果强依赖文档切片策略,默认值通常要调。
- •自托管同样要负责安全与备份。
TraeDownload & install
- •让它改代码前先提交一次 git,回滚才有路。
- •首次启动会引导导入 VS Code 配置,注意别覆盖原有设置。
FFmpegDownload & install
- •参数顺序影响结果,-i 必须在输出文件前。
- •编码器选择决定速度与体积,h264 兼容性最好。
LangChainNeeds a toolchain
- •抽象层更新快,长期项目要锁版本。
- •调试链式调用要开追踪,否则报错难定位。
OllamaOne command
- •CPU 模式跑大模型很慢,小模型(1B/3B)更现实。
- •默认模型存放在用户目录 .ollama,换盘需要设置 OLLAMA_MODELS 环境变量。
Mem0Needs a toolchain
- •抽取质量依赖你接的模型,小模型容易抽出噪声事实。
- •开源版与官方榜单数字不同,别拿托管版分数当自建预期。
- •它只追加不删除,记忆会一直长,要自己规划清理。
PenpotOpens instantly
- •缺依赖会以"某个服务起不来"的形式表现,先看官方部署文档的前置条件。
- •自托管涉及多个容器(前端 / 后端 / 数据库 / 对象存储)
- •从其他设计工具导入复杂文件时格式会丢细节,迁移前先拿一个真实文件试导。
JellyfinNeeds tinkering
- •ARM 设备上部分编解码器不可用,转码会失败。
- •容器里的媒体路径要映射进容器,否则库里是空的。
- •媒体文件命名不规范会导致刮削不出封面和简介。
Awesome LLM AppsNeeds a toolchain
- •每个示例依赖各不相同,要按各自的说明单独装环境。
- •示例迭代快,旧条目的依赖版本可能已经装不上。
- •它只给代码与教程,模型额度与密钥要自己准备。
Claude Legal SkillOne command
- •把含个人或商业敏感信息的合同原文直接粘贴给在线模型,可能违反保密义务——先脱敏。
- •模型可能"编造"条款或判例,任何引用都必须回到原文核对。
- •技能清单是通用模板,不覆盖你所在法域的特殊规定,别当成合规结论。
Unitree G1Opens instantly
- •人形机器人的"能力"高度依赖演示条件,请以官方原帖为准;本站不做复现验证。
Stable Diffusion web UINeeds a toolchain
- •扩展装了之后容易互相冲突,出问题先禁用扩展排查。
- •依赖版本敏感,务必按官方说明装环境。
- •显存不足会直接报错,6GB 以下建议先试小模型。
Unitree Go2Opens instantly
- •开源的是软件与控制层,硬件本身仍需购买——这是我们不做提示词的原因(41 §1)。
ClineNeeds a toolchain
- •务必先看清权限模式(自动执行命令有风险)。
- •接本地模型时显存不够会频繁超时,换小模型或减少上下文。Network blocked
OpenVoiceNeeds tinkering
- •需要自己下权重与配 Python 环境,不是双击即用。
- •克隆他人声音涉及人格权,商用前先确认授权。
- •音色克隆要一段干净参考音频,噪声会一路带进结果。
ESP32-S3 AI 桌面宠物(社区方案)Opens instantly
- •固件与开发板型号强绑定,买错板子会白折腾——这正是"线下核验"的部分,提示词帮不上。
MoneyPrinterTurboNeeds tinkering
- •下载模型与依赖体积不小,低配机器跑长视频会非常慢。
- •成片质量强依赖你接的模型档位,同一份模板换模型差别很大。
- •素材来自公开检索源,商用前要自己核一遍版权与授权。
- •要配大模型与素材源凭据,缺一个就卡在第一步。
ChatGPTOpens instantly
- •不要往对话里粘贴密码、令牌等敏感信息。
- •免费额度与可选模型随时调整,以官方页面为准(我们只标档位、不写价格)。
DSPyOne command
- •版本迭代快,教程与已安装版本的 API 可能对不上,注意对照官方版本说明。
- •没配 API Key 时一调用就报错——先设好环境变量里的密钥。
- •优化器(optimizer)会多次调用模型,跑之前先估算调用量,避免额度超支。
Connected PapersOpens instantly
- •图的相似度基于引用,冷门领域可能很稀疏。
- •免费额度按月重置,别一次性刷完。
DeepSeekOpens instantly
- •高峰期可能排队或降速。
- •它偶尔会把不确定的答案说得很确定,重要结论要二次核实。
FreshRSSNeeds tinkering
- •要自己维护服务器与数据库,升级与备份都得管。
- •抓取频率设太高容易被目标站限流。
- •装在自己的机器上,暴露公网前先配好认证与 HTTPS。
AiderNeeds a toolchain
- •本地小模型理解大仓库吃力,先限定文件范围。
- •要先用 git 初始化仓库,它靠提交点回滚。
LM StudioDownload & install
- •开本地 API 后注意端口不要暴露到公网。
- •量化等级越低越省显存但越「笨」,别一上来选 4bit 以下。
Qwen3-30B-A3BNeeds a toolchain
- •MoE 的显存门槛按总参数量算,不要按激活量 3B 估——这是最常见的一次误判。
- •内存不足时速度会断崖式下降(要来回换权重分片)。
DeepSeek-R1-Distill-Qwen-7BNeeds a toolchain
- •会输出思考链,长回答耗时长;显存紧时先降上下文长度而不是降量化档。
TalemateNeeds a toolchain
- •长团跑久了对上下文与记忆管理要求高,容易前后矛盾。
- •多 Agent 各自要指定模型,配置比单一聊天客户端复杂。
- •面向角色扮演内容,产物是否合规要自己把关。
Semantic ScholarDownload & install
- •API 有速率限制,批量抓取要加间隔。
- •AI 摘要可能丢关键限定条件,正式引用要回到原文。
Stability AIOpens instantly
- •官网服务的额度与本地权重是两回事,别搞混。
- •不同版本许可差别很大,切忌混用表述。
FooocusNeeds a toolchain
- •预设虽然省心,但想复现特定风格仍需固定种子。
- •对显存仍有要求,8GB 以下出 1024 图可能吃力。
LlamaIndexNeeds a toolchain
- •检索质量取决于切片策略,默认参数未必适合你的文档。
- •集成包版本与核心包要匹配,混装容易冲突。
- •起步包会带进不少用不到的依赖。
OpenRouterOpens instantly
- •免费模型的可用时段有限,别用在关键链路上。
- •不同模型的价格/上下文差别大,长任务先小规模试。
MONAIOne command
- •医学影像格式(DICOM / NIfTI)与普通图片不同,直接喂 JPG 会报错,需要先把数据转成支持的格式。
- •PyTorch 与 CUDA 版本不匹配是最常见的启动失败原因——先确定显卡驱动支持的 CUDA 版本再装。
- •医疗数据受隐私法规约束:样例数据可以公开跑,真实患者数据务必先确认授权与伦理审批。
TracecatNeeds a toolchain
- •接生产凭证前先在隔离环境验证,误处置真实告警的代价远高于多花半天测试。
- •AGPL-3.0 对网络分发有额外义务,对外提供服务前先确认合规边界。
- •自托管部署涉及数据库与多个服务,缺依赖会以"某个容器起不来"的形式表现,先看官方文档的部署前置条件。
ZoteroOpens instantly
- •免费云空间很小,附件多要配 WebDAV。
- •浏览器抓取插件版本要与客户端匹配。
Awesome LangChainOpens instantly
- •清单靠社区提交,条目新旧参差不齐。
- •只给链接与一句话,好不好用要自己点进去看。
- •LangChain 自身迭代快,部分条目的写法可能已过期。
Portkey AI GatewayNeeds tinkering
- •它只做转发,各家模型的参数差异仍要自己对齐。
- •多一层代理意味着多一个要监控的环节。Network blocked
- •官方主推托管版,自托管版的更新滞后于托管版。
DoclingOne command
- •首次运行会下载模型权重,离线环境需要提前准备缓存。
- •扫描件解析需要额外的 OCR 组件,没装时只会得到空内容或乱码。
- •复杂表格与双栏排版可能被拆错顺序,务必用真实文档抽检后再批量跑。
TypstOpens instantly
- •投稿前先确认期刊是否接受 Typst 或需转 PDF。
- •生态包比 LaTeX 少,特殊排版需求先找社区包。
Super ProductivityDownload & install
- •它是个人效率工具,多人大规模协作/审批流不是它的强项——先确认需求边界。
- •第三方同步需要你自己配置账号与权限,配置错误会表现为"数据不同步"而不是报错。
Guardrails AIOne command
- •校验规则写得太松等于没写,太严又会让正常输出被拦——建议先用真实样本反复调。
- •护栏只约束"输出形态",不保证"内容正确",事实性错误仍需人工或外部数据核对。
- •依赖版本与 hub 规则的版本要匹配,装规则报错时先对齐版本。
Accessibility Insights for WebOpens instantly
- •自动检测通过 ≠ 无障碍达标:对比度、键盘可达性等仍需手动复核。
- •扩展只在浏览器里工作,检测不到需要真实屏幕阅读器才能暴露的交互问题。
vLLMNeeds a toolchain
- •要装 CUDA 等驱动,环境不匹配会启动失败。
- •吃显存,先按模型大小估算并留余量。
n8nOpens instantly
- •自托管要自己管好密钥与升级,别裸奔在公网。
- •工作流复杂后调试麻烦,先用小流程验证单个节点。
Codex CLINeeds a toolchain
- •模型额度耗尽会中途停,长任务要分段。
- •先看清它默认的沙箱/审批模式,避免误改系统文件。
OpenAI WhisperNeeds a toolchain
- •音频要先转 16kHz 单声道效果最好。
- •模型越大越准也越慢,先小后大。
arXivDownload & install
- •同名/同题论文多,注意版本号 v1/v2。
- •预印本未经同行评审,引用前先看有没有正式发表版本。
Ollama LibraryNeeds a toolchain
- •CPU 跑大模型很慢,先从小模型试。
- •默认模型存用户目录,换盘要设 OLLAMA_MODELS。
Qwen2.5 7B InstructNeeds a toolchain
- •7B 级模型做长文档摘要容易漏信息,超长文档先分段。
Crawl4AIOne command
- •抓取要守目标站条款与 robots,别默认可以随便抓。
- •首次安装要额外下载浏览器内核,离线环境会失败。
- •目标站反爬策略随时会变,抓不到不等于它坏了。
FinRobotNeeds a toolchain
- •多智能体流程会多次调用模型,跑长流程前先估算调用量。
- •没配 LLM API Key 时大部分示例无法运行——先把环境变量配好。
- •模型对金融数据的处理可能出错(幻觉、口径混淆),任何输出都必须人工核实后才能使用。
FoloDownload & install
- •源太多时时间线仍然会压人,要自己定筛选规则。
- •桌面与移动端版本节奏不同,遇到问题先确认客户端版本。
- •AI 摘要需要服务端支持,离线时只剩普通阅读。
Qwen ChatOpens instantly
- •云端对话默认用于改进服务的开关要自己确认,敏感内容先脱敏。
- •同一问题在不同模型版本上答案差别大,注意页面标注的模型名。
MilvusNeeds tinkering
- •分布式部署要一整套依赖,单机试装别直接用集群配置。
- •索引类型与参数选错会明显拖慢召回与速度。
- •吃内存与磁盘,亿级数据前先算容量。
Hugging FaceOpens instantly
- •大模型动辄几十 GB,先确认硬盘与显存再下。
- •下载前一定要看模型卡里的许可证,很多是「非商用」。
OBS StudioDownload & install
- •硬件编码器不同机器差别大,掉帧先换编码器。
- •录制前先单独测一次音轨,事后发现没声音很常见。
Stable AudioOpens instantly
- •生成音频的商用许可要单独确认。
- •时长越长越难保持一致,分段生成再拼。
QlibOne command
- •历史行情数据需要自行获取:直接跑示例会因缺数据而失败,先按官方文档准备数据。
- •Python 与依赖版本较敏感,建议用独立虚拟环境,避免与系统包冲突。
- •回测收益与实盘差异巨大(滑点、手续费、流动性),任何回测结果都不可直接外推。
GPT-SoVITSNeeds tinkering
- •训练与推理都要显卡,显存不够会在合成阶段中断。
- •官方基准是特定显卡下的数字,你的机器会更慢。
- •克隆他人声音涉及肖像与人格权,用前先确认授权。
OpenMAICNeeds a toolchain
- •MP4 导出依赖独立的渲染服务,本地不启该服务时导出会失败。
- •中文长文档解析对文件格式有要求,音频/视频提取需额外依赖(如 FunASR)。
- •没配 LLM API Key 时启动会报错——先按官方 .env.example 至少填一家。
LocalSendDownload & install
- •Windows 首次运行可能被 SmartScreen 拦截,需点"仍要运行"。Blocked by permission
- •两台设备必须在同一局域网且路由器未开 AP 隔离。
- •安卓 13+ 需要授予"附近设备"权限,否则发现不了对方。
Open WebUINeeds tinkering
- •直接暴露公网端口等于把模型给别人用,务必先设账号与反代。
- •容器里连宿主机 Ollama 时,localhost 指向容器自己——要改写为宿主地址。
- •首次启动会拉取镜像,几个 GB,慢多半是网络问题。
PPTistOne command
- •AGPL 许可,二次分发前先看清条款。
- •官方在线版是演示用途,正式用建议自己部署。
- •复杂动画与母版细节和 PowerPoint 不完全等价。
KimiOpens instantly
- •超长文档上传前先去掉无关附件,否则上下文被稀释。
- •上传的文档会离开你的设备,涉密文件不要上传。
- •免费档有调用频率限制,以官方页面为准。
- •长文摘要容易丢细节,关键结论要求它给原文定位。
fzfOne command
- •fzf 本体装好后,shell 集成(Ctrl-R)需要额外一行配置。
- •资产文件名版本号不带 v 前缀(fzf-0.74.3-...)。
- •Linux 下载时注意架构(amd64/arm64)与 libc 差异。Version mismatch
- •下载路径的 tag 却带 v(v0.74.3)——拼 URL 最容易错这里。
Qwen2.5-VL 7BNeeds a toolchain
- •多模态额外占显存,按纯文本的经验估门槛会低估;高分辨率图片会显著增加显存占用。
Notion AIOpens instantly
- •团队空间里 AI 会读到你有权限的页面,注意分享范围。
- •AI 结果默认直接插入正文,改前先复制原稿。
RAGFlowNeeds tinkering
- •文档解析质量决定上限,扫描件与复杂版式要先试切片效果。
- •版本迭代快,升级前先看 release notes 的破坏性变更。
- •本地部署吃资源,模型与解析器各自要占内存。
Stirling PDFNeeds tinkering
- •容器首次启动会下载语言与 OCR 数据,网络差会比较久。
- •处理超大 PDF 时内存占用高,VPS 要留足内存。
CursorOpens instantly
- •索引大仓库会占内存,卡顿时排除 node_modules 等目录。
- •自动补全偶尔引入不存在的 API,提交前看 diff。
AnkiDownload & install
- •iOS 官方客户端付费(约 25 美元),安卓端免费——先按平台决定。
- •卡片制作贪多必崩,一次建 20 张比一次建 500 张有用。
- •同步需要注册免费账号,数据在官方服务器上。
LeKiwiOpens instantly
- •3D 打印件精度与舵机一致性直接影响成功率——这是硬件课,不是软件课。
Qwen2.5-7BNeeds a toolchain
- •基座没有对话模板,套错模板会明显掉效果。
- •它是基座不是助手:直接对话会答非所问,不是模型坏了。
- •官方仓只放 transformers 权重,GGUF 是社区转的。
DoubaoOpens instantly
- •多模态上传的图片/录音同样离开本机,涉密素材别传。
- •App 与网页的能力不完全一致,长文档优先用网页。
Llama 3.3 70B InstructNeeds a toolchain
- •下载体积 80GB 级,先确认磁盘空间。
- •40GB 显存以下不要指望"凑合跑"——量化到 Q2 会明显降智,不如直接用更小的模型。
whisper.cppNeeds a toolchain
- •音频必须是 16kHz 单声道 WAV,其他格式要先转。
- •首次要单独下载模型文件,跑得慢多半是选了过大的模型。
- •macOS 编译需先装 Xcode Command Line Tools。
LibreOfficeDownload & install
- •极复杂的 docx 排版转换仍可能错位,重要文件转完要肉眼过一遍。
- •命令行转换(soffice --headless)适合批处理。
Llama 3.1 8B InstructNeeds a toolchain
- •8B 是"能用"的起点,不要拿它当写作/长链路推理的主力;需要更强就上 14B 以上,代价是显存翻倍。
GraphRAGNeeds tinkering
- •官方明说这是方法演示,不是受支持的产品。
- •建索引很贵,官方自己提醒先读文档、从小规模开始。
- •抽取质量依赖模型,实体与关系抽错会一路错到答案。
Berkeley Humanoid LiteOpens instantly
- •开源 ≠ 零门槛:零件采购、机械装配、标定都需要线下条件,这不是提示词能解决的(41 §1)。
InvokeAINeeds a toolchain
- •模型目录与其它工具不共享,重复下载费硬盘。
- •安装脚本对 Python 版本敏感,按官方文档来。
Reachy MiniOpens instantly
- •需求在官方页随时变化,以官方为准;本站只记录"它存在、它开源"这件事。
No match — try loosening the filters