| 1 |
llm-universe |
一个面向小白开发者的大模型应用开发教程，旨在基于阿里云服务器，结合个人知识库助手项目，通过一个课程完成大模型开发的重点入门，主要内容包括： 大模型简介，何为大模型、大模型特点是什么、LangChain 是什么，如何开发一个 LLM 应用，针对小白开发者的简单介绍； 如何调用大模型 API，本节介绍了国内外知名大模型产品 API 的多种调用方式，包括调用原生 API、封装为 LangChain LLM、封装为 Fastapi 等调用方式，同时将包括百度文心、讯飞星火、智谱AI等多种大模型 API 进行了统一形式封装； 知识库搭建，不同类型知识库文档的加载、处理，向量数据库的搭建； 构建 RAG 应用，包括将 LLM 接入到 LangChain 构建检索问答链，使用 Streamlit 进行应用部署 验证迭代，大模型开发如何实现验证迭代，一般的评估方法有什么； |
| 2 |
dive-into-llms |
《动手学大模型》系列编程实践教程，由上海交通大学《自然语言处理前沿技术》（NIS8021）、《人工智能安全技术》课程（NIS3353）讲义拓展而来（教师：张倬胜），旨在提供大模型相关的入门编程参考。本教程属公益性质、完全免费。通过简单实践，帮助同学们快速入门大模型，更好地开展课程设计或学术研究。 |
| 3 |
Transformers 快速入门 |
Transformers 是由 Hugging Face 开发的一个 NLP 包，支持加载目前绝大部分的预训练模型。随着 BERT、GPT 等大规模语言模型的兴起，越来越多的公司和研究者采用 Transformers 库来构建 NLP 应用。 本教程旨在帮助 NLP 初学者快速熟悉 Transformers 库的使用方法，并且通过实例带领读者一步一步构建自己的模型，完成各种 NLP 任务。 |
| 4 |
self-llm |
一个 面向国内初学者的大模型实战教程，专注于开源 LLM 的部署、微调与应用。教程强调“接地气、能操作”，适合零到中阶开发者使用。供大模型从零到用的全流程指导 项目内容包含： 环境配置 本地部署（Linux/AutoDL 环境） 高效微调（如 LoRA、QLoRA 等） 模型推理、评估、优化 开源模型的应用开发 从说明中可见，它真正做到 “手把手指导全流程”，让普通学习者也能快速掌握 LLM 技术。 |
| 5 |
happy-llm |
一个 系统性的 LLM 学习教程， 将从 NLP 基础研究方法出发， 逐层讲解 LLM 的架构基础、核心原理、训练思路与实践流程。 [github.com], [github.com] 它是 Datawhale 继 self-llm 开源大模型食用指南之后推出的更进阶项目，旨在满足用户“想深入了解大模型内部机制”的需求 Datawhale 是一个专注于数据科学、AI 学习资源构建的国内知名开放社区，拥有大量开源项目与教育内容。 |
| 6 |
LocalAI |
一个轻量级的 API 接口，可以在本地运行各种 AI 模型（如 GPT、LLaMA、Stable Diffusion 等），无需依赖云服务。 兼容 OpenAI API：LocalAI 提供与 OpenAI API 兼容的接口，这意味着你可以直接替换 OpenAI 的云端服务，用本地模型实现同样的功能。 隐私保护：由于模型在本地运行，数据不会上传到第三方服务器，适合对隐私和安全要求高的场景。 |
| 7 |
skyvern |
通过大语言模型（LLM）来理解和执行网页上的操作，替代传统的脚本化自动化方式。使用场景 企业流程自动化 自动完成重复性网页操作，如后台管理、数据录入、报表生成，减少人工成本。 测试自动化 用于 Web 应用测试，替代传统脚本，提升测试效率。 数据采集与处理 自动抓取网页数据并进行处理，适合电商、金融、市场分析等领域。 个人效率工具 用户可以用它自动完成日常网页任务，如批量填写表单、自动登录等。 |
| 8 |
yaak |
一个类似 Postman 的工具，但更轻量、更现代，专注于简洁和高效。主要功能 请求构建与发送：支持 GET、POST、PUT、DELETE 等 HTTP 方法。 环境变量管理：方便在不同环境（开发、测试、生产）之间切换。 响应查看与调试：提供清晰的响应展示，包括状态码、Headers 和 Body。 轻量且开源：相比 Postman 更轻量，适合喜欢简洁工具的开发者。 |
| 9 |
open-notebook |
https://github.com/lfnovo/open-notebook |
