datawhalechina/llm-cookbook

项目概览

该项目不仅将英文课程翻译为中文，还对中文提示词进行了测试与优化，使其在效果上大致等同于英文版本，便于中文语境下学习大语言模型应用。

项目类型

AI Agent · RAG 与知识库 · 提示词工程 · 学习资源

应用场景

知识问答 · 学习教育

部署方式

查看项目说明

License

License 待确认

适合谁

• 具备基本 Python 技能，希望系统学习吴恩达 LLM 课程并动手运行代码的中文开发者。

核心能力

• 提供基于原课程复现的中英双语代码 Notebook，用户可以直接运行这些 Notebook 来实践课程内容，且项目会频繁更新。
• 为必修课程提供基于网页的在线阅读版本以及可下载的 PDF 版本，以方便用户采用不同方式进行学习。
• 实现并测试了中文提示词，使其达到与英文提示词大致相当的效果，允许用户在中文语境下研究和应用大语言模型。
• 包含介绍如何使用 Gradio 通过 Python 为生成式 AI 应用快速构建用户界面的相关课程。
• 包含使用 LangChain 的新语法（Functions、Tools 和 Agents）构建智能体的相关教程。
• 教授如何使用 Lamini 框架在个人数据上本地高效微调开源大语言模型。
• 为提示工程（Prompt Engineering）课程提供了双语字幕视频和视频讲解的链接。

限制与风险

• 运行项目提供的代码 Notebook 必须至少拥有一个 LLM API，且建议使用 OpenAI API。
• 在运行课程代码时，调用 OpenAI API 或其他 LLM API 可能会产生付费服务费用。

如何开始

• 首先获取至少一个 LLM API 密钥（建议为 OpenAI API），然后克隆仓库或下载 Notebook，最后配置好 Python Jupyter Notebook 环境并运行代码。

核验依据

• GitHub 项目简介: 面向开发者的 LLM 入门教程，吴恩达大模型系列课程中文版
• README: 本项目是一个面向开发者的大模型手册，针对国内开发者的实际需求，主打 LLM 全方位入门实践。本项目基于吴恩达老师大模型系列课程内容，对原课程内容进行筛选、翻译、复现和调优，覆盖从 Prompt Engineering 到 RAG 开发、模型微调的全部流程，用最适合国内学习者的方式，指导国内开发者如何学习、入门 LLM 相关项目。
• README: 我们也同时实现了效果大致相当的中文 Prompt，支持学习者感受中文语境下 LLM 的学习使用，对比掌握多语言语境下的 Prompt 设计与 LLM 开发。
• README: 打造中文版且国内流畅访问的教程具有重要意义；同时，GPT 对中文、英文具有不同的理解能力，本教程在多次对比、实验之后确定了效果大致相当的中文 Prompt，支持学习者研究如何提升 ChatGPT 在中文语境下的理解与生成能力。
• README: 如果你想要开始学习本教程，你需要提前具备： 1. 至少一个 LLM API（最好是 OpenAI，如果是其他 API，你可能需要参考 [其他教程](https://github.com/datawhalechina/llm-universe) 对 API 调用代码进行修改） 2. 能够使用 Python Jupyter Notebook

来源更新时间：2026-07-23T18:08:02Z

打开原始 GitHub 项目