🤝 表达你的支持——如果你喜欢这些内容，就给个⭐️吧！

星标历史

AI教程/实现与笔记本

索引

• 自主智能与智能体
• 机器学习与数据科学
• MCP指南
• 大语言模型及其他AI板块
• 语音AI
• RAG
• 计算机视觉
• 安全
• AI基础设施

---

自主智能与智能体

▶ 如何在单次Gemini API调用中结合谷歌搜索、谷歌地图和自定义函数，并实现上下文循环、并行工具ID及多步自主链？代码 教程

▶ 如何使用Z.AI GLM-5构建生产级自主系统，利用思考模式、工具调用、流式传输及多轮工作流？代码 教程

▶ 如何使用ReAct智能体、自定义工具、多智能体辩论、结构化输出以及并发管道构建生产就绪的AgentScope工作流？代码 教程

▶ 如何使用A-Evolve基于基准测试、技能、记忆和工作空间突变构建并进化一个自定义的OpenAI智能体？代码 教程

▶ 如何使用CAI构建先进的网络安全AI智能体，利用工具、护栏、交接机制及多智能体工作流？代码 教程

▶ 一份深入探索nanobot完整智能体流水线的编码指南，从工具和内存的连接到技能、子智能体以及Cron调度。代码 教程

▶ 将IWE的上下文桥以AI驱动的知识图谱形式实现，结合自主RAG、OpenAI函数调用和图遍历。代码 教程

▶ 如何使用MolmoWeb-4B构建一个基于视觉引导的网络AI智能体，利用多模态推理和动作预测？代码 教程

▶ 一种使用OpenSpace设计自我进化技能引擎的编码实现，用于技能学习、令牌效率及集体智慧。代码 教程

▶ 如何设计一个能够自动化Google Colab工作流的生产就绪AI智能体，利用Colab-MCP、MCP工具、FastMCP及内核执行？代码 教程

▶ 使用RLax JAX Haiku和Optax从零开始实现深度Q学习（DQN），训练CartPole强化学习智能体。代码 教程

▶ 一段代码实现，展示 ClawTeam 如何利用 OpenAI 函数调用进行多智能体 swarm 协同编排 代码 教程

▶ 一段代码实现，使用 OpenClaw 网关策略引擎、审批工作流和可审计的智能体执行来设计企业级 AI 治理系统 代码 教程

▶ 如何在 Google Colab 中利用 Andrej Karpathy 的 AutoResearch 框架构建自主机器学习研究闭环，用于超参数搜索与实验跟踪 代码 教程

▶ 如何设计一个具备部分推理、在线重规划及动态环境中运行时自适应能力的流式决策智能体 代码 教程

▶ 如何构建一个能够自动构建、实例化并优化特定任务 AI 智能体的自设计元智能体 代码 教程

▶ 如何构建一个具有内部批评机制、自我一致性推理和不确定性估计的风险感知 AI 智能体，以实现可靠的决策 代码 教程

▶ 构建下一代代理型 AI：一套完整的框架，用于基于认知蓝图的运行时智能体，配备记忆工具与验证机制 代码 教程

▶ 如何设计一个高级的“思维之树”多分支推理智能体，结合束搜索、启发式评分和深度限制剪枝 代码 教程

▶ 如何构建一个类似 EverMem 的持久化 AI 智能体操作系统，具备层次化记忆、FAISS 向量检索、SQLite 存储以及自动化记忆整合功能 代码 教程

▶ 如何使用 LangGraph 结构化消息总线、ACP 日志记录和持久共享状态架构设计生产级多智能体通信系统 代码 教程

▶ 一段代码实现，利用开源大语言模型构建具备工具执行与结构化多智能体推理能力的分层规划型 AI 智能体 代码 教程

▶ 如何使用 Griptape 构建生产级客户支持自动化流水线，结合确定性工具与代理型推理 代码 教程

▶ 如何设计一个瑞士军刀式的研究智能体，具备工具使用型 AI、网络搜索、PDF 分析、视觉处理及自动化报告功能 代码 教程

▶ 如何设计一个基于工具驱动的路线优化代理型工作流，实现确定性计算与结构化输出 代码 教程

▶ 使用 PydanticAI 构建防弹型智能体工作流的代码实现：采用严格模式、工具注入和模型无关的执行 代码 教程

▶ 设计具有长期记忆、语义回忆和自适应练习生成的状态感知辅导智能体的代码实现 代码 教程

▶ 如何构建用于长期 AI 推理的自组织智能体记忆系统 代码 教程

▶ 如何构建带有类型化模式、动态上下文注入和智能体链式的原子级 RAG 流水线 代码 教程

▶ 如何构建具备混合检索、以出处为先的引用、修复循环和情景记忆的生产级智能体 AI 系统 代码 教程

▶ 如何在不损失准确性的情况下，通过动态修剪多条思维链路径来构建高效的智能体推理系统 代码 教程

▶ 使用 d3rlpy 和固定历史数据，通过保守 Q 学习离线训练安全关键强化学习智能体的代码实现 代码 教程

▶ 如何构建具备短期、长期和情景记忆的记忆驱动型 AI 智能体 代码 教程

▶ 如何设计具有宪法式 AI 的自我反思双智能体治理系统，以实现安全合规的金融运营 代码 教程

▶ 基于 Haystack 的多智能体系统如何从端到端检测事件、分析指标与日志，并生成符合生产标准的事件报告 代码 教程

▶ 在令牌、延迟和工具调用预算受限的情况下，AI 智能体如何做出决策？ 代码 教程

▶ 使用 LangGraph 中的点对点批评循环构建安摩伊风格半中心化智能体系统的编码指南 代码 教程

▶ 如何使用 LlamaIndex 和 OpenAI，结合检索、工具使用以及自动化质量检查，构建可自我评估的智能体 AI 系统 代码 教程

▶ 如何构建具备人工介入控制的安全自主医疗收入周期管理事前授权智能体 代码 教程

▶ 如何使用 LangGraph 和 OpenAI，结合自适应深思熟虑、记忆图谱和反思循环，设计智能体 AI 架构 代码 教程

▶ 使用 AgentScope 和 OpenAI 设计并编排基于 ReAct 的高级多智能体工作流的编码指南 代码 教程

▶ 如何使用 OpenAI Swarm 和工具增强型智能体构建生产就绪的多智能体事件响应系统 代码 教程

▶ 使用 Strands 对使用工具的智能体进行红队测试，并在运行时强制执行安全性的自测型智能体 AI 系统的编码实现 代码 教程

▶ 如何使用 LangGraph 设计具有两阶段提交、人工干预和安全回滚功能的事务型智能体 AI 系统 代码 教程

▶ 如何使用 CAMEL 构建强大的多智能体流水线，包含规划、网络增强推理、批评与反馈以及持久化存储 代码 教程

▶ 如何使用 PydanticAI 构建以合同为先的智能体决策系统，用于风险敏感且符合政策的企业级 AI 应用 代码 教程

▶ 如何使用 GraphBit 构建生产级别的智能体工作流，采用确定性工具、经过验证的执行图以及可选的 LLM 编排 代码 教程

▶ 使用基于图的仿真技术构建具备路径规划、动态拍卖和实时可视化功能的自主多智能体物流系统的编码指南 代码 教程

▶ 如何使用 SmolAgents 和通义千问模型构建完全自主的本地车队维护分析智能体 代码 教程

▶ 如何构建具备智能观察与策略制定功能的主动式事前流失预防智能体 代码 教程

▶ 在 Gemini 中设计完整智能体工作流以实现自动化医疗证据收集和事前授权提交的编码指南 代码 教程

▶ 如何使用 CrewAI 和 Gemini 编排完全自主的多智能体研究与写作流水线，实现实时智能协作 代码 教程

▶ 使用 Gemini Flash、少样本选择和进化式指令搜索实现自动提示优化的完整工作流 代码 教程

▶ 如何设计基于 Gemini 的自我纠正型多智能体 AI 系统，配备语义路由、符号护栏和反射式编排 代码 教程

▶ 如何使用 Griptape 工作流、Hugging Face 模型和模块化创意任务编排，设计一个完全本地化的智能体叙事流水线 代码 教程

▶ 构建程序性记忆智能体的编码指南：该智能体能够随时间学习、存储、检索并以神经模块形式重用技能 代码 教程

▶ 如何构建一个自适应元推理智能体，使其能够在快速、深度和工具驱动的思维策略之间动态选择 代码 教程

▶ 如何使用 TinyLlama 设计一个完全本地化的多智能体编排系统，实现智能任务分解与自主协作 代码 教程

▶ 如何构建一个元认知 AI 智能体，使其能够动态调整自身的推理深度以高效解决问题 代码 教程

▶ 使用控制平面架构设计安全、模块化且可扩展的工具驱动推理工作流的智能体 AI 系统编码指南 代码 教程

▶ 一种用于文学分析、假设生成、实验规划、仿真及科学报告的智能体 AI 框架的编码实现 代码 教程

▶ 如何构建一个神经符号混合智能体，将逻辑规划与神经感知相结合，以实现稳健的自主决策 代码 教程

▶ 如何设计一个具备智能本地反馈、自适应决策和多智能体协调功能的微型强化学习环境交互智能体 代码 教程

▶ 如何构建一个完全离线的多工具推理智能体，具备动态规划、错误恢复和智能函数路由功能 代码 教程

▶ 现代智能体 AI 系统中推理策略基准测试的综合实证框架实现 代码 教程

▶ 如何构建一个具有课程式进展、自适应探索和元层级 UCB 规划的智能体深度强化学习系统 代码 教程

▶ 如何构建一种基于记忆的智能体 AI，通过情景式经验和语义模式持续学习，以实现长期自主运行 代码 教程

▶ 如何设计一个基于 spaCy 的高级多智能体推理系统，具备规划、反思、记忆和知识图谱功能 代码 教程

▶ 如何使用本地 Hugging Face 模型构建一个完全自验证的数据运维 AI 代理，实现自动化规划、执行和测试 代码 教程

▶ 一种编码实现：构建具有可微分记忆、元学习和经验回放功能的神经记忆代理，以在动态环境中持续适应 代码 教程

▶ 如何构建一个能够理解、推理、规划并响应的代理式语音 AI 助手，通过自主多步智能实现交互 代码 教程

▶ 构建一个多智能体系统，用于整合转录组、蛋白质组和代谢组数据的解读，并结合通路推理 代码 教程

▶ 如何构建一个模型原生代理，通过端到端强化学习学会内部规划、记忆和多工具推理 代码 教程

▶ 使用 Salesforce CodeGen 构建一个自主湿实验室实验方案规划与验证系统，用于代理式实验设计和安全优化 代码 教程

▶ 如何设计一个具有衰减机制和自我评估功能的持久化内存及个性化代理式 AI 系统？ 代码 教程

▶ 如何利用轻量级 Qwen 模型设计一个自主多智能体数据与基础设施战略系统，实现高效的管道智能化？ 代码 教程

▶ 如何构建一个功能齐全的计算机使用代理，利用本地 AI 模型进行思考、规划和执行虚拟操作 代码 教程

▶ 一种综合企业 AI 基准测试框架的编码实现，用于评估基于规则的 LLM 以及跨真实世界任务的混合代理式 AI 系统 代码 教程

▶ 如何通过开源模型，借助价值导向的推理和自我修正决策机制，构建符合伦理规范的自主代理？ 代码 教程

▶ 如何在自定义交易环境中使用 Stable-Baselines3 构建、训练并比较多个强化学习代理？ 代码 教程

▶ 我如何利用 AutoGen、LangChain 和 Hugging Face 构建智能多智能体系统，以展示实际的代理式 AI 工作流程？ 代码 教程

▶ 使用 uAgent 构建一个功能齐全的多智能体市场的编码指南 代码 教程

▶ 使用 Python 实现具有自我审计护栏、PII 去标识化和安全工具访问功能的 secure AI 代理 代码 教程

▶ 认识 LangChain 的 DeepAgents 库，并通过一个实用示例了解 DeepAgents 的实际运行方式 代码 教程

▶ 集成 LangChain 代理与 XGBoost 的智能对话式机器学习流水线，用于自动化数据科学工作流 代码 教程

▶ 构建基于 AI 的密码学代理系统的编码指南：结合混合加密、数字签名和自适应安全情报 代码 教程

▶ 如何构建具有动态策略和智能检索功能的高级代理式检索增强生成（RAG）系统？ 代码 教程

▶ 使用 CrewAI 和 Google Gemini 构建分层监督代理框架的编码指南，用于协调多代理工作流 代码 教程

▶ 如何构建具备自然语言指令和交互式模拟功能的智能桌面自动化 AI 代理？ 代码 教程

▶ 如何使用 Hugging Face 流水线构建先进的端到端语音 AI 代理？ 代码 教程

▶ 如何使用 Parlant 创建可靠的对话式 AI 代理？ 代码 教程

▶ 如何使用 EasyOCR 和 OpenCV 在 Python 中构建多语言 OCR AI 代理？ 代码 教程

▶ 如何构建具备稳定训练、自适应学习和智能决策能力的稳健型高级神经网络 AI 代理？ 代码 教程

▶ 构建具有多代理协作、上下文感知和 Gemini 集成的高级 MCP（模型上下文协议）代理 代码 教程

▶ 如何使用 Notte 和 Gemini 构建完整的多领域 AI 网页代理？ 代码 教程

▶ 如何使用 Biopython 构建用于 DNA 和蛋白质分析的生物信息学 AI 代理？ 代码 教程

▶ 使用 Microsoft Agent-Lightning 进行 AI 代理开发的分步指南 代码 教程

▶ 如何构建具备摘要式短期记忆和基于向量的长期记忆的高级 AI 代理？ 代码 教程

▶ 如何使用 LangGraph 构建对话式研究 AI 助手：步骤重放与时间旅行检查点 代码 教程

▶ 如何利用 Gemini、DuckDuckGo API 和自动化报告功能构建多轮深度研究助手？代码 教程

▶ 使用 Hugging Face 模型构建受大脑启发的层次化推理 AI 助手的编码指南 代码 教程

▶ 使用 Gemini 进行任务规划、检索、计算和自我反思的图结构 AI 助手完整代码实现 代码 教程

▶ 在本地使用 MLE-Agent 和 Ollama 构建可靠的端到端机器学习流水线 代码 教程

▶ 使用 Pipecat 和 HuggingFace 构建模块化对话式 AI 助手的实施指南 代码 教程

▶ 利用动态 LLM 选择和 API 集成，为 AI 助手构建安全且具备记忆功能的密码工作流 代码 教程

▶ 开放AI GPT-5模型能力开发者指南 代码 教程

▶ 使用 Google Gemini 构建先进的 PaperQA2 研究助手，用于科学文献分析 代码 教程

▶ 使用 OpenAI Agents、函数工具、交接机制和会话记忆构建多智能体研究系统的代码实现 代码 教程

▶ 使用 Google Gemini 和 SAGE 框架构建自适应目标导向 AI 助手的编码实现 代码 教程

▶ 使用 Microsoft AutoGen 和 Gemini API 构建多智能体对话式 AI 框架 代码 教程

▶ 使用 Cognee 和免费 Hugging Face 模型构建具备代理记忆的智能对话式 AI 助手的编码指南 代码 教程

▶ 使用 Google ADK 构建可扩展多智能体系统的编码指南 代码 教程

▶ 将 Prolog 逻辑与 Gemini 和 LangGraph 融合，构建工具调用 ReAct 代理的编码指南 代码 教程

▶ 使用 Griffe 构建 AI 代码分析代理的编码指南 代码 教程

▶ 使用 BeeAI 框架设计智能多智能体工作流的代码实现 代码 教程

▶ 使用 Python、OpenAI API 和 PrimisAI Nexus 实现支持工具的多智能体工作流 代码 教程

▶ 代理通信协议（ACP）入门：用Python构建天气代理 代码 教程

▶ 使用Nebius、Llama 3及实时推理工具构建功能强大的多工具AI代理 代码 教程

▶ 构建适用于企业工作流的生产级自定义AI代理，支持监控、编排与可扩展性 代码 教程

▶ 构建符合A2A标准的随机数代理：使用Python实现低层级执行器模式的分步指南 代码 教程

▶ 使用Mistral Devstral构建轻量级AI编码助手 代码 教程

▶ 如何利用Google Gemini构建先进的BrightData网页爬虫，实现AI驱动的数据提取 笔记本 教程

▶ 使用Streamlit构建智能多工具AI代理界面，实现无缝实时交互 笔记本 教程

▶ 如何使用python-A2A创建并连接金融代理，基于Google的代理间通信（A2A）协议 笔记本-inflation_agent.py 笔记本-network.ipynb 笔记本-emi_agent.py 教程

▶ 利用Riza和Gemini开发具有安全Python执行能力的多工具AI代理 笔记本 教程

▶ 基于Gemini构建DataFrame代理，实现自然语言数据解析，结合Pandas与LangChain 笔记本 教程

▶ 如何利用Gemini构建异步AI代理网络，用于研究、分析和验证任务 笔记本 教程

▶ 如何利用Mistral Agents API的交接功能创建智能多代理工作流 笔记本 教程

▶ 如何使用标准JSON Schema格式在Mistral Agents中启用函数调用 笔记本 教程

▶ 使用LangGraph和Gemini构建迭代式AI工作流代理的分步编码指南 笔记本 教程

▶ 使用Tavily和Gemini AI构建高级网络情报代理的编码实现 笔记本 教程

▶ 实战指南：Mistral Agents API入门 笔记本 教程

▶ 使用代理通信协议（ACP）构建可扩展多代理通信系统的编码指南 笔记本 教程

▶ 使用Google Gemini API构建具备智能适应功能的自我改进型AI代理的编码指南 笔记本 教程

▶ 一种用于协作式、批评驱动型人工智能问题解决及共识构建的Agent2Agent框架的分步编码实现 笔记本 教程

▶ 使用LangGraph和Claude构建可定制多工具AI智能体以实现动态智能体创建的编码指南 笔记本 教程

▶ 实现具备实时Python执行与自动化验证功能的AI智能体的编码实践 笔记本 教程

▶ 使用Microsoft AutoGen打造高级轮询式多智能体工作流的全面编码指南 笔记本 教程

▶ 结合Jina Search、LangChain和Gemini构建具备实时信息检索功能的智能AI助手的编码实现 笔记本 教程

---

机器学习与数据科学

▶ 针对长上下文LLM推理、KV缓存压缩及内存高效生成的NVIDIA KVPress端到端编码指南 代码 教程

▶ ModelScope模型搜索、推理、微调、评估与导出的全面实施指南 代码 教程

▶ 使用FastNAS剪枝与微调技术，借助NVIDIA模型优化器构建端到端模型优化流水线的分步指南 代码 教程

▶ 如何利用Hugging Face Transformers、聊天模板及Colab推理构建生产就绪的Gemma 3 1B指令生成AI流水线 代码 教程

▶ 使用Diffrax和JAX实现高级微分方程求解器、随机模拟及神经常微分方程的编码指南 代码 教程

▶ 超越准确率：量化回归中过度、冗余及低信号特征导致的生产脆弱性 代码 教程

▶ 如何使用高级tqdm为异步、并行、Pandas操作、日志记录及高性能工作流构建进度监控 代码 教程

▶ 使用Daft构建可扩展端到端机器学习数据流水线以实现高性能结构化与图像数据处理的编码指南 代码 教程

▶ 使用Vaex构建可扩展端到端分析与机器学习流水线以处理数百万行数据的编码指南 代码 教程

▶ 如何利用SHAP-IQ构建可解释AI分析流水线，以理解特征重要性、交互效应及模型决策分解 代码 教程

▶ 一份完整的端到端编码指南，涵盖 MLflow 实验跟踪、超参数优化、模型评估及实时模型部署 代码 教程

▶ 如何使用 Folium 构建交互式地理空间仪表板，包含热力图、等值区域图、时间动画、标记聚类以及高级交互插件 代码 教程

▶ 使用 Asyncio、恶意节点和延迟分析模拟实用拜占庭容错的编码实现 代码 教程

▶ 如何利用 PyGWalker 和特征工程数据构建先进、交互式的探索性数据分析工作流 代码 教程

▶ 【深度指南】高保真合成数据的完整 CTGAN + SDV 流程 代码 教程

▶ 如何使用 Flower 和 PEFT 构建保护隐私的联邦流水线，以 LoRA 微调大型语言模型 代码 教程

▶ 如何使用 Polyfactory 结合数据类、Pydantic、Attrs 及嵌套模型设计生产级模拟数据管道 代码 教程

▶ 一份基于编码和数据驱动的指南，介绍如何使用 complexipy 测量、可视化并强制执行 Python 项目的认知复杂度 代码 教程

▶ 如何使用 Qrisp 构建高级量子算法，包括 Grover 搜索、量子相位估计和 QAOA 代码 教程

▶ 基于编码与实验分析的去中心化联邦学习研究，结合 Gossip 协议与差分隐私 代码 教程

▶ 使用 PyKEENs 训练、优化、评估和解释知识图谱嵌入的编码实现 代码 教程

▶ 使用 Kornia 进行可微分计算机视觉的深度解析，涵盖几何优化、LoFTR 匹配和 GPU 增强技术 代码 教程

▶ 机器学习与语义嵌入如何重新排序 CVE 漏洞，超越原始 CVSS 分数 代码 教程

▶ AutoGluon 如何通过集成与蒸馏技术，为生产级表格数据模型提供现代化的 AutoML 流水线 代码 教程

▶ 一份编码指南，帮助理解重试机制如何在 RPC 和事件驱动架构中引发故障级联 代码 教程

▶ 如何使用 Ibis、惰性 Python API 和 DuckDB 执行引擎构建可移植的数据库内特征工程流水线 代码 教程

▶ 一种编码实现：使用 DirectRunner 构建统一的 Apache Beam 流水线，演示基于事件时间窗口的批处理与流处理 代码 教程

▶ 从零开始实现 Softmax：避免数值稳定性陷阱 代码 教程

▶ 一种编码实现：利用轻量级 PyTorch 模拟，从零构建由 OpenAI 辅助的隐私保护联邦欺诈检测系统 代码 教程

▶ 一种编码实现：构建自组织 Zettelkasten 知识图谱及睡眠整合机制 代码 教程

▶ 如何使用 Kombu、主题交换和并发工作进程构建高性能分布式任务路由系统 代码 教程

▶ 在 NumPyro 中使用 JAX 驱动的推理和后验预测分析，实现完整的层次贝叶斯回归工作流程 代码 教程

▶ 如何使用 Panel 设计具有动态筛选、实时 KPI 和丰富可视化探索功能的高级多页交互式分析仪表板 代码 教程

▶ 我们如何通过偏好学习逐步奖励，以解决稀疏奖励环境？——基于在线过程奖励学习 代码 教程

▶ 如何利用 PyGWalker 的功能构建端到端交互式分析仪表板，进行洞察力十足的数据探索 代码 教程

▶ 如何使用 Textual 构建完全交互式、响应式且动态的终端数据仪表板？ 代码 教程

▶ 一种编码实现：使用 JAX、Flax 和 Optax 构建并训练具有残差连接、自注意力机制和自适应优化的先进架构 代码 教程

▶ 我们如何使用 Meta Research Hydra 构建可扩展且可复现的机器学习实验流水线？ 代码 教程

▶ 如何构建一个具备实时数据库、动态状态管理和响应式 UI 的高级多页 Reflex Web 应用程序？ 代码 教程

▶ 如何使用 Apache Spark 和 PySpark 构建端到端的数据工程与机器学习流水线？ 代码 教程

▶ 当你没有标注数据时，如何构建监督学习人工智能模型 代码 教程

---

MCP 指南

▶ 如何设计一个生产就绪的 AI 代理，利用 Colab-MCP、MCP 工具、FastMCP 和内核执行来自动化 Google Colab 工作流 代码 教程

▶ 如何构建一种无状态、安全且异步的 MCP 风格协议，用于可扩展的代理工作流 代码 教程

▶ 使用模型上下文协议 (MCP) 构建动态 AI 系统的实现，以实现实时资源和工具集成 代码 教程

▶ 使用 Scalekit 为 MCP 服务器实现 OAuth 2.1：分步编码教程 代码 教程

▶ 使用 Gemini 和 mcp-agent 框架构建基于 MCP 的 AI 代理：分步实施指南 笔记本 教程

▶ 使用 Vizro MCP 创建仪表板：Vizro 是麦肯锡推出的一款开源 Python 工具包 教程

▶ 分步编码指南：使用 FastMCP 定义自定义模型上下文协议 (MCP) 服务器和客户端工具，并将其集成到 Google Gemini 2.0 的函数调用工作流中 笔记本 教程

▶ 在 Google Colab 中使用 LangChain、LangGraph、Gemini Pro 和模型上下文协议 (MCP) 原则构建具有工具集成支持的上下文感知 AI 助手的代码实现 笔记本 教程

▶ 使用 Desktop Commander MCP 服务器的指南 教程

---

LLM、ML 及其他 AI 栏目

▶ 使用 Google LangExtract、OpenAI 模型、结构化提取和交互式可视化构建高级文档智能流水线的编码指南 代码 教程

▶ 如何部署 Open WebUI，实现安全的 OpenAI API 集成、公共隧道服务以及基于浏览器的聊天访问 代码 教程

▶ 运行 NVIDIA Transformer Engine 的实施指南：混合精度、FP8 检查、基准测试及回退执行 代码 教程

▶ 使用 GGUF 和 4 位量化运行 Qwen3.5 推理模型的编码实现，这些模型经过蒸馏并具备 Claude 式思维 代码 教程

▶ 构建具有不确定性感知能力的 LLM 系统的编码实现：包含置信度估计、自我评估和自动网络搜索功能 代码 教程

▶ 如何使用 Unsloth 为大型语言模型构建稳定高效的 QLoRA 微调流水线 代码 教程

▶ 使用 TruLens 和 OpenAI 模型对 LLM 应用进行插桩、追踪与评估的编码指南 代码 教程

▶ 如何使用直接偏好优化、QLoRA 和 Ultra-Feedback 将大型语言模型与人类偏好对齐 代码 教程

▶ 如何构建采用 64 维截断的套娃优化句子嵌入模型，实现超快速检索 代码 教程

▶ 使用 MLflow 为大型语言模型建立严格的提示版本控制和回归测试工作流的编码实现 代码 教程

▶ 使用 DeepEval、自定义检索器和“LLM 作为裁判”指标自动化 LLM 质量保证的编码实现 代码 教程

▶ 如何使用 Tinygrad 从头实现 Transformer 和 Mini-GPT 模型的功能组件，以深入理解深度学习的内部机制 代码 教程

▶ 使用 Opik 实现完全可追踪且经过评估的本地 LLM 流程，打造透明、可度量且可重复的 AI 工作流 代码 教程

▶ 构建基于 Transformer 的回归语言模型，用于从文本中预测连续值的编码实现 代码 教程

▶ 使用 LitServe 构建高级多端点机器学习 API 的实现：批处理、流式传输、缓存及本地推理 代码 教程

▶ Ivy 框架无关的机器学习构建、转译与跨所有主流后端的基准测试 代码 教程

▶ 使用 Lightly AI 掌握自监督学习的编码指南，以实现高效的数据整理与主动学习 代码 教程

▶ 使用 TPOT 构建并优化智能机器学习流水线，实现全面自动化与性能提升 笔记本 教程

▶ 使用 Ollama、REST API 和 Gradio 聊天界面构建完整自托管 LLM 工作流的编码实现 笔记本 教程

▶ 如何使用 deepteam 对 OpenAI 模型进行单轮对抗性攻击测试 笔记本 教程

▶ 使用 RouteLLM 优化 LLM 的使用 笔记本 教程

▶ 教程：探索 SHAP-IQ 可视化 笔记本 教程

▶ 使用 Roboflow Supervision 构建端到端目标跟踪与分析系统 笔记本 教程

▶ 开始使用 Microsoft 的 Presidio：检测并匿名化文本中个人身份信息 PII 的分步指南 笔记本 教程

▶ 使用 Upstage API 和 LangChain 构建 groundedness 验证工具 笔记本 教程

▶ 通过限速、内存缓存和认证构建生产就绪的异步 Python SDK 编码指南 笔记本 教程

▶ 使用 Polars 构建高性能金融分析管道：惰性计算、高级表达式与 SQL 集成 笔记本 教程

▶ 在 TinyDev 中使用“计划 → 文件 → 代码”工作流构建 AI 驱动的应用程序 笔记本 教程

▶ 针对高级分析，使用 Google Gemini-1.5-Flash 进行 SerpAPI 高级集成的全面编码教程 笔记本 教程

▶ 使用 Daytona SDK 构建安全的 AI 代码执行工作流 笔记本 教程

▶ 实现 ScrapeGraph 和 Gemini AI，打造自动化、可扩展、基于洞察的竞争情报与市场分析工作流的编码指南 笔记本 教程

▶ 使用 Lyzr 聊天机器人框架构建交互式转录与 PDF 分析的编码实现 笔记本 教程

▶ 使用 Synthetic Data Vault (SDV) 创建合成数据的分步指南 笔记本 教程

▶ 使用 LLM 创建知识图谱 代码 教程

---

语音 AI

▶ 如何设计一个完全流式的语音代理，具备端到端延迟预算、增量 ASR、LLM 流式处理和实时 TTS？ 代码 教程

▶ 如何构建一个能够理解、推理、规划并以自主多步智能响应的代理型语音 AI 助手？ 代码 教程

▶ 如何利用 WhisperX 构建包含转录、对齐、分析和导出功能的高级语音 AI 流程？ 代码 教程

▶ 使用 SpeechBrain 在 Python 中构建语音增强与自动语音识别 (ASR) 流程 代码 教程

▶ 如何使用 Hugging Face Pipelines 构建先进的端到端语音 AI 代理？ 代码 教程

---

RAG

▶ Tree-KG 如何实现层次化知识图谱，支持情境导航与可解释的多跳推理，超越传统 RAG 代码 教程

▶ 如何利用语义 LLM 缓存降低 RAG 应用的成本与延迟 代码 教程

▶ 如何构建具有智能查询路由、自我检查及迭代优化功能的代理式决策树 RAG 系统？ 代码 教程

▶ 如何使用开源 AI 模型设计一个具备检索增强与政策约束的全功能企业级 AI 助手？ 代码 教程

▶ 如何利用合成数据评估你的 RAG 流程？ 代码 教程

---

计算机视觉

▶ [教程] 使用 Pose2Sim、RTMPose 和 OpenSim 进行无标记 3D 人体运动学的编码指南 代码 教程

▶ [教程] 如何构建基于 CogVideoX、自定义提示及端到端样本推理的 Netflix VOID 视频对象移除与修复流水线 代码 教程

▶ [教程] 使用 ColPali 和后期交互评分构建视觉文档检索流水线 代码 教程

▶ 使用 Optuna 结合剪枝多目标搜索、早停机制和深度视觉分析实现高级超参数优化的编码指南 代码 教程

安全

▶ 如何构建多层 LLM 安全过滤器，以防御自适应、改写及对抗性提示攻击 代码 教程

▶ 使用 PyTorch 在 CIFAR-10 数据集上通过标签翻转演示深度学习中的定向数据投毒攻击的编码指南 代码 教程

▶ 如何构建一个多轮渐强式红队测试流水线，利用 Garak 评估并压力测试 LLM 的安全性 代码 教程

AI 基础设施

▶ 如何使用 NVIDIA Warp 核心构建高性能 GPU 加速仿真与可微分物理工作流？ 代码 教程

▶ 如何为 RAG 系统构建一个采用一致性哈希、分片技术并支持实时环形可视化的一致性向量数据库？ 代码 教程

AI-Tutorial-Codes-Included 快速上手指南

本仓库汇集了最新的 AI 代理（Agentic AI）、大语言模型（LLM）、RAG、计算机视觉及机器学习等领域的实战教程与代码实现。每个教程均包含详细的 Jupyter Notebook 代码和对应的技术文章链接。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Windows, macOS 或 Linux
• Python 版本：推荐 Python 3.9 或更高版本
• 包管理器：pip 或 conda
• 运行环境：推荐使用 Jupyter Lab / Jupyter Notebook 或 Google Colab
• API Keys：部分教程需要配置 OpenAI, Google Gemini, Z.AI 等服务的 API Key

前置依赖安装

建议创建一个独立的虚拟环境以避免依赖冲突：

python -m venv ai-tutorial-env
source ai-tutorial-env/bin/activate  # Windows 用户请使用: ai-tutorial-env\Scripts\activate

安装步骤

1. 克隆仓库

使用 Git 将代码库克隆到本地：

git clone https://github.com/Marktechpost/AI-Tutorial-Codes-Included.git
cd AI-Tutorial-Codes-Included

国内加速提示：如果克隆速度较慢，可使用国内镜像源：

git clone https://gitee.com/mirror/github/AI-Tutorial-Codes-Included.git

(注：若上述镜像不可用，请尝试配置 git proxy 或使用其他国内 GitHub 加速服务)

2. 安装通用依赖

由于不同教程涉及的框架各异（如 LangGraph, PyTorch, JAX, Transformers 等），建议先安装基础数据科学栈，再根据具体教程的 Notebook 头部说明安装特定库。

基础依赖安装命令：

pip install -r requirements.txt

(注：若根目录无统一 requirements.txt，请在运行具体 .ipynb 文件前，执行该文件第一格中的安装命令，通常格式为 !pip install package_name)

针对国内网络环境，推荐使用清华或阿里镜像源加速安装：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

基本使用

本仓库的核心内容是各个子文件夹下的 .ipynb (Jupyter Notebook) 文件。以下是运行一个典型教程（以 Agentic AI 为例）的步骤：

1. 选择教程

进入对应的分类目录，例如 Agentic AI Codes：

cd "Agentic AI Codes"

2. 启动 Jupyter

在当前目录下启动 Jupyter Notebook：

jupyter notebook

3. 运行示例

在浏览器打开的界面中，选择任意一个教程文件，例如 gemini3_tool_combination_maps_grounding_context_circulation_tutorial_Marktechpost.ipynb。

最简单的使用流程：

1. 配置 API Key：找到代码单元格中设置 API Key 的部分（通常在开头），填入您的密钥。

   import os
   os.environ["GOOGLE_API_KEY"] = "YOUR_ACTUAL_API_KEY_HERE"
   

2. 逐格运行：按顺序点击每个代码单元格左侧的 "Run" 按钮（或按 Shift + Enter）。
3. 观察输出：代码将执行代理工作流、调用工具或训练模型，并在单元格下方直接显示结果、日志或可视化图表。

4. 参考详细文档

每个 Notebook 文件名旁在 README 中均附有对应的详细技术文章链接（Tutorial 列）。如果在运行代码时遇到逻辑疑问，请访问 MarkTechPost 查看对应的深度解析文章。

---

提示：部分高级教程（如基于 JAX 的强化学习或特定的多智能体编排）可能需要额外的系统级依赖（如 CUDA 驱动），请务必仔细阅读具体 Notebook 文件顶部的说明注释。