学习资源 开源项目

当前展示 40 个可索引项目。

• Nutlope/hallmark

  hallmark 是一款面向 AI 编码助手的设计技能（skill），通过宏结构选择、主题应用和 57 道 slop-test 门控，系统性消除 LLM 生成 UI 时常见的'AI 味'，输出结构各异、视觉独特的前端代码。它适合需要让 AI 生成高区分度 UI 的开发者和创作者。

• f/prompts.chat

  f/prompts.chat 适合需要集中发现、复用、分发或私有化管理提示词的个人与团队；它的优势是提示词库、网页浏览、多种数据格式、自托管和工具集成形成了完整链路，但它本身不是模型推理或提示词效果评测平台。

• Snailclimb/JavaGuide

  JavaGuide 是一份系统化的 Java 后端面试知识库，涵盖从计算机基础到分布式系统、系统设计及 AI 应用开发等多个主题。它以结构化文档和面试题库为核心，帮助开发者备战技术面试。

• microsoft/generative-ai-for-beginners

  generative-ai-for-beginners 是微软推出的 21 节生成式 AI 入门课程，通过 Python 和 TypeScript 双语代码示例系统讲解核心概念并指导应用构建。适合具备基础编程能力并希望快速掌握大模型应用开发的开发者与教育者。

• rasbt/LLMs-from-scratch

  llms-from-scratch 是一份基于 PyTorch 从零开始构建小型可用大语言模型的分步教程资源，涵盖数据准备、注意力机制、预训练和微调。该项目通过逐行编写代码的教学方式，帮助开发者深入理解 LLM 的内部工作原理。

• codecrafters-io/build-your-own-x

  build-your-own-x 是一个精选的教程链接汇编仓库，汇集了大量指导开发者从零开始重建数据库、操作系统、神经网络等流行技术的分步学习资源。

• practical-tutorials/project-based-learning

  practical-tutorials/project-based-learning 是一个精选的编程教程列表，按主要编程语言进行分类，供有志向的软件开发者学习如何从零开始构建应用程序。

• getify/You-Dont-Know-JS

  you-dont-know-js 是一个深入讲解 JavaScript 核心机制的书籍系列，支持在线免费阅读。

• microsoft/ML-For-Beginners

  microsoft/ml-for-beginners 是一套面向初学者的 12 周、26 课时经典机器学习项目制课程，使用 Scikit-learn 并配备课前课后测验与作业。课程围绕统一主题构建实践项目，同时避开深度学习内容。

• Developer-Y/cs-video-courses

  cs-video-courses 是一个经过分类整理的大学计算机科学视频课程列表，收录了真实的大学/学院水平课程。该项目明确不接受小型 MOOC、基础教程或广告内容。

• mlabonne/llm-course

  llm-course 是一份免费的结构化教程，涵盖从 LLM 基础理论到应用部署的完整学习路径，分为 LLM Fundamentals、LLM Scientist 和 LLM Engineer 三个模块，并配有可交互的 Colab 笔记本。

• d2l-ai/d2l-zh

  d2l-zh 是一本开源的深度学习交互式教程，将数学公式、批判性思维与可运行的工程代码整合于同一资源中。它旨在帮助读者理解从理论到实践所需的知识，从而向应用科学家的方向发展。

• dair-ai/Prompt-Engineering-Guide

  prompt-engineering-guide 是面向提示工程学习与应用的资料型项目，汇集指南、论文、讲座、笔记本、参考资料、工具和提示词集合。它适合构建学习路径或查阅提示词资源，但现有事实未明确运行环境、成本依赖及数据边界等选型信息。

• krahets/hello-algo

  hello-algo 是一本开源的数据结构与算法入门教程，面向初学者提供动画图解和可在 12 种以上编程语言中运行的源代码示例。

• binhnguyennus/awesome-scalability

  awesome-scalability 是一份系统设计阅读清单，汇集了阐释可扩展、可靠且高性能系统设计原则的文章与生产级架构案例。其内容来源包含知名工程师的论述及经过实战验证的系统实践。

• shareAI-lab/learn-claude-code

  learn-claude-code 是一个面向开发者的教程项目，通过 20 章渐进式课程讲解如何为 LLM 构建运行环境（即 harness）。它侧重概念理解而非单纯提供可直接复制的源码。

• microsoft/ai-agents-for-beginners

  ai-agents-for-beginners 是一个面向 AI Agent 初学者的结构化教学仓库，提供 18 课时的图文指南、视频和 Python 代码示例，覆盖从基础概念到生产部署的课程主题。

• datawhalechina/hello-agents

  hello-agents 是一套面向 AI Native Agent 构建的理论与实践结合教程，涵盖从核心范式实现到多智能体项目开发的系统化知识。该教程内容以中文为主，适合具备一定编程基础、希望系统学习智能体的开发者和学习者。

• labmlai/annotated_deep_learning_paper_implementations

  annotated_deep_learning_paper_implementations 是一个用 PyTorch 编写的深度学习论文与算法实现集合，所有代码均附带注释说明，并以并排版式渲染为学习笔记，旨在帮助用户更好地理解算法。

• virattt/ai-hedge-fund

  这是一个概念验证（PoC）级别的 AI 对冲基金项目。它通过组合专业的投资者智能体和市场分析智能体来探索 AI 在交易决策中的应用，仅供教育和研究使用，不执行任何真实交易。

• jingyaogong/minimind

  minimind 是一个面向个人学习者的开源教育项目，提供从零开始用 PyTorch 训练 64M 参数大型语言模型的全流程代码与配套数据集。项目覆盖预训练到强化学习对齐的完整环节，旨在降低理解 LLM 的门槛。

• microsoft/AI-For-Beginners

  ai-for-beginners 是一份结构化的 12 周、24 课时人工智能入门教学课程，涵盖神经网络与深度学习等核心概念。课程提供可执行的 Jupyter Notebook、实践实验室和配套测验，并使用 PyTorch 与 TensorFlow 进行代码演示。

• Avik-Jain/100-Days-Of-ML-Code

  100-days-of-ml-code 是一个为期 100 天的机器学习学习路径，每日提供 Python 代码实现与解释算法概念的可视化信息图。该项目面向学习需求，配套了算法的数据集与数学基础资料。

• GokuMohandas/Made-With-ML

  made-with-ml 是一门教授如何将机器学习与软件工程实践相结合的课程及配套代码，旨在帮助开发者学习构建可靠的生产级机器学习系统。课程在编写代码前先建立对机器学习概念的原理性理解，并提供了涵盖数据处理、训练、实验追踪和模型服务的具体示例。

• Lordog/dive-into-llms

  dive-into-llms 是一个基于大学课程衍生的免费大语言模型（LLM）编程教程系列，提供涵盖微调、提示工程、知识编辑到 AI Agent 等主题的讲义与可执行代码。

• rohitg00/ai-engineering-from-scratch

  rohitg00/ai-engineering-from-scratch 是一套包含 20 个阶段、503 节课的开源课程，从数学基础逐步覆盖到自主智能体群。课程以 Python、TypeScript、Rust 和 Julia 展开，并将每节课与可复用产物关联。

• microsoft/Web-Dev-For-Beginners

  web-dev-for-beginners 是一份为期 12 周、共 24 节课的开源课程，通过基于项目的教学方式教授 JavaScript、CSS 与 HTML 基础知识。

• aymericdamien/TensorFlow-Examples

  tensorflow-examples 是一套面向初学者的 TensorFlow v1 与 v2 示例和教程集合，覆盖基础模型、神经网络、数据管理与硬件加速等主题。该项目通过提供清晰、简洁的源代码和 Jupyter Notebook，帮助学习者快速了解并实践 TensorFlow 的各项 API。

• luongnv89/claude-howto

  claude-howto 是一份以可视化、示例驱动为主的 Claude Code 学习指南，提供可复制的模板和渐进式学习路径。它用 Mermaid 图解等方式补充官方文档缺少的结构化学习线索和实际工作流示例。

• Imbad0202/academic-research-skills

  academic-research-skills 是一套面向学术研究的 Claude Code 技能集，提供从文献检索、引用格式化到数据验证的人在回路流水线。该项目通过不可跳过的完整性验证门，规避全自动 AI 研究流程中常见的引用幻觉和方法论编造问题。

• floodsung/Deep-Learning-Papers-Reading-Roadmap

  floodsung/deep-learning-papers-reading-roadmap 为深度学习初学者提供了一份结构化的论文阅读路线图，按照从概述到细节、从早期研究到前沿技术、从通用方法到特定领域的逻辑组织。读者可基于自身研究兴趣在覆盖深度学习方法、应用领域和研究前沿的论文清单中进行选择。

• fengdu78/Coursera-ML-AndrewNg-Notes

  coursera-ml-andrewng-notes 是一个为吴恩达机器学习课程提供中文笔记、PPT幻灯片、中英文字幕和 Python 代码的学习资源仓库。它通过多种格式整理了为期 10 周的课程内容，方便中文学习者查阅。

• exacity/deeplearningbook-chinese

  deeplearningbook-chinese 提供可下载的开源中文翻译 PDF 版《Deep Learning》教材，供读者学习与参考。

• patchy631/ai-engineering-hub

  ai-engineering-hub 是一个涵盖 93 余个可直接上手项目的 AI 工程学习资源库，提供从 Python 基础到生产级多智能体系统的学习路线。该项目是教程与代码的集合，而非单一可部署的应用程序。

• ashishpatel26/500-AI-Machine-learning-Deep-learning-Computer-vision-NLP-Projects-with-code

  500-ai-machine-learning-deep-learning-computer-vision-nlp-projects-with-code 是一个持续更新的精选目录，提供超过 500 个涵盖人工智能、机器学习、深度学习、计算机视觉和 NLP 领域的外部项目、数据集与教程链接。它通过分类索引帮助用户快速发现带有源代码的学习资源，本身不提供可直接导入的应用程序或代码库。

• BVLC/caffe

  Caffe 是一个以表达力、速度和模块化为核心设计目标的深度学习框架，配有教程、参考模型和安装指引。适合需要快速实验和模块化开发的深度学习研究者和开发者。

• datawhalechina/happy-llm

  happy-llm 是一个面向大语言模型（LLM）原理与训练过程的系统性开源教程，涵盖从 NLP 基础、Transformer 架构到预训练、微调及应用的完整链路，并指导在 PyTorch 层面从零构建 LLaMA2 模型。

• yunjey/pytorch-tutorial

  yunjey/pytorch-tutorial 提供简明的深度学习教程代码，覆盖从 PyTorch 基础到高级模型，大多数实现代码少于 30 行。适合用于学习而非生产环境部署。

• eriklindernoren/ML-From-Scratch

  以纯 NumPy 从零实现主流机器学习与深度学习算法，剥离高层框架黑盒，让学习者直接阅读和运行源码理解原理。核心价值在于透明度而非生产性能，适合以教育为目的的算法拆解和教学演示。

• datawhalechina/self-llm

  self-llm 是一个面向中文初学者的开源大语言模型教程项目，覆盖 50+ 主流开源大模型的环境配置、部署、应用与微调全流程。教程适配多种硬件平台，以文本和 Jupyter Notebook 形式提供可跟练的学习路径。