企业官网建设流程全解析

2026 年了，AI Agent 早已不是概念炒作。无论你是刚入门的新手，还是想从"调 API"进阶到"搭系统"的工程师，这 10 个 GitHub 仓库都能帮你少走至少半年弯路。

每个仓库都是我亲自整理，按学习路径而非热度排序，建议按顺序食用。

一、打好基础

1. Microsoft ML-For-Beginners

🔗 github.com/microsoft/ML-For-Beginners

• 规格：12 周 · 26 节课 · 52 次测验
• 定位：入门首选，ML 基础不够扎实的最佳起点
• 微软出品，完全免费，覆盖经典机器学习核心领域：

• 回归、分类、聚类等经典算法
• 自然语言处理与时序预测
• 强化学习入门

• 每课配有 Python 代码 + Jupyter Notebook

关键词：零基础友好 · 体系化课程 · 微软官方维护

2. Hands-On Large Language Models

🔗 github.com/HandsOnLLM/Hands-On-Large-Language-Models

• 定位

  ：Jay Alammar & Maarten Grootendorst 合著《The Illustrated LLM Book》配套仓库

• Andrew Ng 盛赞其为「理解 LLM 核心技术的最佳读物」

• 完整 LLM 技术栈：

• 亮点

  ：近 300 张手绘技术插图，所有代码支持 Google Colab（免费 T4 GPU）

关键词：LLM 体系化 · 图文并茂 · O’Reilly 品质

二、掌握核心技能

3. Microsoft AI Agents For Beginners

🔗 github.com/microsoft/ai-agents-for-beginners

• 定位：搞懂 LLM 原理后，Agent 入门首选
• 微软 2025 新课，12 节课 + 50+ 语言翻译
• 核心看点：

• 使用 Microsoft Agent Framework + Azure AI Foundry Agent Service V2
• 每课含视频讲解 + 完整 Python 代码
• 覆盖 Agentic RAG、工具调用、多 Agent 协作等
• 支持 OpenAI 兼容接口（MiniMax 等）
• 官方提供中文翻译版本

关键词：Agent 入门 · 微软体系 · 12 节系统课

4. Prompt Engineering Guide

🔗 github.com/dair-ai/Prompt-Engineering-Guide

• 3M+ 学习者，DAIR.AI 出品，提示工程领域圣经
• 让「调 prompt」从玄学走向科学：

• Few-shot、Chain-of-Thought、Tree-of-Thoughts 等全套技术指南
• RAG（检索增强生成）专题
• AI Agents 设计与实现
• 最新论文导读 + 学习路线
• 配套在线课程（DAIR.AI Academy）

• Web 版：promptingguide.ai

关键词：提示工程 · RAG · 论文导读

5. LLM Course

🔗 github.com/mlabonne/llm-course

• Maxime Labonne 出品，三条路线图清晰分明：

1. LLM 基础（可选）

   ：数学、Python、神经网络前置

2. LLM 科学家路径

   ：用最新技术构建最好的 LLM

3. LLM 工程师路径

   ：构建 LLM 应用并部署上线

• 配套大量 Colab Notebook：模型合并、量化、微调、评估等实操全覆盖
• 作者另有《LLM Engineer’s Handbook》一书

关键词：路线图清晰 · Notebook 驱动 · 从训练到部署

三、实战进阶

6. GenAI Agents

🔗 github.com/NirDiamant/GenAI_Agents

• 52+ 教程，GitHub 最全面的 GenAI Agent 教程合集之一
• Nir Diamant 维护，50,000+ 订阅者
• 覆盖领域：

• 基础对话 Agent → RAG Agent → 多 Agent 协作系统
• Agent 工具调用与函数调用
• Agent 记忆管理
• HR AI 助手、艺术导览等实战案例

• 每个教程含完整代码 + 详细说明，拿来即用

关键词：Agent 全家桶 · 案例驱动 · 持续更新

7. Hands-On AI Engineering

🔗 github.com/Sumanth077/Hands-On-AI-Engineering

• 定位：如果说前面是「学」，这个就是「练」——真正的生产级 AI 工程项目集
• 精选 Agent 项目：

• 多 Agent 金融分析师（财务分析团队协作）
• Agentic 表单填写（视觉布局解析 + 多轮对话）
• AI 旅行规划 Agent（航班 + 酒店 + 行程一站式）
• 竞争情报 Agent（自动生成销售战报）
• 自反思 Agentic RAG（检索质量自检 + 查询重写）
• Agentic SQL 搜索（自然语言转 SQL）

• 额外覆盖：OCR 系统、多模态 RAG、视频理解、音频分析等
• 支持 OpenAI / Anthropic / Google / 开源模型等多后端

关键词：实战项目 · 代码可运行 · 多模态覆盖

四、工程化思维

8. Made With ML

🔗 github.com/GokuMohandas/Made-With-ML

• 40,000+ 开发者在学的 ML 工程化课程
• Goku Mohandas 把 ML 从实验到生产的完整流程讲透：

• 第一性原理：先理解本质再写代码
• 软件工程最佳实践：版本控制、测试、CI/CD
• MLOps 全链路：实验追踪、测试、调优、服务
• Python 原生扩展，无需学新语言

• Chip Huyen 在《Designing Machine Learning Systems》中也推荐过的资源

关键词：MLOps · 工程化 · 从实验到生产

9. Designing Machine Learning Systems

🔗 github.com/chiphuyen/dmls-book

• Chip Huyen 经典著作，10+ 语言翻译，ML 系统设计领域必读
• 这本书不教写代码，而是教你思考：

• 数据工程与特征存储如何设计
• 模型上线后的监控、调试、更新策略
• 如何让 ML 系统可靠、可扩展、可维护
• 如何发现并消除系统中的偏见

• 仓库提供章节摘要、额外资源和读者讨论
• 中文版已由 O’Reilly 中国出版

关键词：系统设计思维 · ML 生产实践 · 行业经典

五、持续追踪

10. Awesome Generative AI Guide

🔗 github.com/aishwaryanr/awesome-generative-ai-guide

• Aishwarya Naresh Reganti 维护的 GenAI 超级资源索引
• 强烈建议收藏：

• 每月精选 GenAI 论文列表
• 60+ 面试常见题
• 90+ 免费 GenAI 课程导航（按基础 / 应用开发 / 微调 / Agent 分类）
• Applied LLMs Mastery 10 周课程大纲
• AI Evals 评测认证课程

关键词：资源索引 · 面试准备 · 免费课程大全

学习路线总览

最后

对于正在迷茫择业、想转行提升，或是刚入门的程序员、编程小白来说，有一个问题几乎人人都在问：未来10年，什么领域的职业发展潜力最大？

答案只有一个：人工智能（尤其是大模型方向）

当下，人工智能行业正处于爆发式增长期，其中大模型相关岗位更是供不应求，薪资待遇直接拉满——字节跳动作为AI领域的头部玩家，给硕士毕业的优质AI人才（含大模型相关方向）开出的月基础工资高达5万—6万元；即便是非“人才计划”的普通应聘者，月基础工资也能稳定在4万元左右。

再看阿里、腾讯两大互联网大厂，非“人才计划”的AI相关岗位应聘者，月基础工资也约有3万元，远超其他行业同资历岗位的薪资水平，对于程序员、小白来说，无疑是绝佳的转型和提升赛道。

如果你还不知道从何开始，我自己整理一套全网最全最细的大模型零基础教程，我也是一路自学走过来的，很清楚小白前期学习的痛楚，你要是没有方向还没有好的资源，根本学不到东西！

下面是我整理的大模型学习资源，希望能帮到你。

👇👇扫码免费领取全部内容👇👇

最后

1、大模型学习路线

2、从0到进阶大模型学习视频教程

从入门到进阶这里都有，跟着老师学习事半功倍。

3、 入门必看大模型学习书籍&文档.pdf（书面上的技术书籍确实太多了，这些是我精选出来的，还有很多不在图里）

4、AI大模型最新行业报告

2026最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5、面试试题/经验

【大厂 AI 岗位面经分享（107 道）】

【AI 大模型面试真题（102 道）】

【LLMs 面试真题（97 道）】

6、大模型项目实战&配套源码

适用人群

四阶段学习规划（共90天，可落地执行）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型

• 带你了解全球大模型

• 使用国产大模型服务

• 搭建 OpenAI 代理

• 热身：基于阿里云 PAI 部署 Stable Diffusion

• 在本地计算机运行大模型

• 大模型的私有化部署

• 基于 vLLM 部署大模型

• 案例：如何优雅地在阿里云私有部署开源大模型

• 部署一套开源 LLM 项目

• 内容安全

• 互联网信息服务算法备案

• …

  👇👇扫码免费领取全部内容👇👇

3、这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】