awesome-AI-cheatsheets
awesome-AI-cheatsheets 是一个专为人工智能与数据科学领域打造的开源速查表合集，由 ShowMeAI 团队精心整理。它汇集了从基础编程到前沿建模的全流程参考代码与核心语法指南，涵盖 Python、SQL 等编程语言，Numpy、Pandas 等数据处理库，Matplotlib、Seaborn 等可视化工具，以及 Scikit-Learn、TensorFlow、PyTorch 等主流机器学习与深度学习框架，甚至包括 OpenCV 和正则表达式等实用技能。
在 AI 开发过程中，开发者常需频繁查阅各类库的函数用法、参数细节或标准代码模板，繁琐的文档检索往往打断思路、降低效率。awesome-AI-cheatsheets 通过将高频知识点浓缩为直观的图表与代码片段，帮助用户快速定位解决方案，显著缩短从“遇到问题”到“写出代码”的时间，让建模与应用开发更加流畅高效。
这份资源特别适合 AI 工程师、数据科学家、算法研究人员以及正在学习相关技术的学生使用。无论是日常开发中的即时查询，还是系统学习时的知识梳理，它都能提供强有力的支持。其独特的亮点在于内容覆盖极广且分类清晰，从底层科学计算到上层垂直应用一应俱全，并配有详细的应用指南，真正实现了“一站式”查阅体验，是每位 AI 从业者值得收藏的案头宝典。
使用场景
某数据分析师正紧急处理电商用户行为数据，需要在半天内完成从数据清洗、特征工程到构建推荐模型的全流程交付。
没有 awesome-AI-cheatsheets 时
- 记忆负担重：面对 Pandas 复杂的数据透视语法或 Scikit-Learn 的参数配置，不得不频繁切换浏览器搜索文档，打断编程思路。
- 试错成本高：在编写 Matplotlib 可视化代码或 Numpy 矩阵运算时，因记不清具体函数参数而反复运行报错，浪费大量调试时间。
- 知识盲区多：遇到 SQL 数据导入或正则表达式提取特定字段等非日常高频操作时，缺乏现成模板参考，只能从零摸索写法。
- 环境配置乱：在不同项目间切换时，对于 Jupyter Notebook 的快捷指令或库版本兼容性缺乏统一速览，导致环境搭建耗时过长。
使用 awesome-AI-cheatsheets 后
- 即查即用：直接对照 Pandas 和 Scikit-Learn 速查表复制标准代码片段，将数据清洗与建模的核心编码时间缩短了 60%。
- 精准避坑：参考 Matplotlib 和 Numpy 的图文示例，一次性写对可视化图表与矩阵变换逻辑，彻底消除了因参数错误导致的重复调试。
- 模板赋能：利用 Importing Data 和正则表达式速查表中的现成方案，迅速解决了异构数据读取与文本清洗难题，填补了技能短板。
- 效率倍增：依托 Jupyter Notebook 和各类库的统一速览指南，快速理顺开发环境与操作技巧，确保项目按时高质量交付。
awesome-AI-cheatsheets 将零散的技术文档转化为手边的“实战地图”，让开发者从繁琐的记忆与检索中解放出来，专注于解决核心业务问题。
运行环境要求
快速开始
AI速查表全集
本GitHub仓库包含AI与数据科学各类工具库相关的速查表与参考代码，可用于快速解决各类场景问题与建模应用。
作者：韩信子@ShowMeAI 设计：南乔@ShowMeAI
AI速查表学习指南请查看速查表应用说明书
目录
速查表速览
工具与平台
Jupyter Notebook
编程语言
Python
科学计算
Numpy
Scipy
数据分析与处理
Importing Data
Pandas
SQL
数据可视化
Matplotlib
Seaborn
Bokeh
大数据
Spark
机器学习
Scikit-Learn
深度学习
Keras
Tensorflow
Pytorch
垂直领域
OpenCV
通用技能
正则表达式
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。