大模型与 LLM 应用

Hands-On Large Language Models 是一套从入门到高级微调的完整实战 Notebook，适合想深入理解大模型工作原理的开发者。配合 LLM Course，后者提供了构建 LLM 应用的学习路线图和配套 Notebook，两个仓库搭配使用，能比较扎实地建立起 LLM 应用开发的知识体系。

Hands-On AI Engineering 则偏实战，收录了大量基于 LLM 的应用案例和 Agent 构建示例，适合已经有基础、想快速出活的人。

Agent 搭建专项

AI Agents for Beginners 是一套免费的 11 讲入门课程，手把手教你搭建第一个 AI Agent，对新手非常友好。GenAI Agents 更进一步，提供了构建生成式 AI Agent 的教程和示例代码，适合在入门之后继续深挖。

这两个仓库的价值在于：不只讲概念，而是给你能跑起来的代码。对于一人公司的开发者来说，能跑通比能讲清楚更重要。

Prompt 工程

Prompt Engineering Guide 是目前最系统的提示词工程学习资源之一，涵盖了如何写出稳定、高质量的提示词。这个能力看起来简单，但在实际构建 Agent 工作流时，Prompt 的质量直接决定了系统的可靠性。值得反复翻阅。

机器学习基础与系统设计

如果你的目标不只是调用 API，而是想理解底层逻辑，这几个仓库值得关注：

  • Made with ML：聚焦如何设计、构建并部署真实可用的 ML 应用，从设计到上线的完整流程都有覆盖
  • Designing Machine Learning Systems：基于经典《ML 系统设计》一书的总结与学习资源，帮你建立工程化思维
  • ML for Beginners：微软出品的免费机器学习课程，对新手极其友好，适合零基础起步

综合资源

Awesome Generative AI Guide 是一份生成式 AI 领域的高质量资源合集，涵盖研究论文、工具和实践指南，适合作为日常查阅的索引。

这 10 个仓库不需要一口气全啃完。建议根据自己当前的阶段选择切入点：如果你刚开始接触 AI Agent，从 AI Agents for Beginners 开始；如果你已经在用 LLM 做产品，直接看 Hands-On AI Engineering 和 GenAI Agents 会更有即时收益。收藏好，按需取用，比盲目刷课效率高得多。