[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-ZJU-LLMs--Foundations-of-LLMs":3,"tool-ZJU-LLMs--Foundations-of-LLMs":65},[4,17,27,35,48,57],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-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。\n\n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。\n\n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",154349,2,"2026-04-13T23:32:16",[13,14,15],"开发框架","Agent","语言模型","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,3,"2026-04-06T11:19:32",[15,26,14,13],"图像",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":10,"last_commit_at":33,"category_tags":34,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","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。\n\n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。\n\nNextChat 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。",87618,"2026-04-05T07:20:52",[13,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":10,"last_commit_at":41,"category_tags":42,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-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。\n\n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。",85092,"2026-04-10T11:13:16",[26,43,44,45,14,46,15,13,47],"数据工具","视频","插件","其他","音频",{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":54,"last_commit_at":55,"category_tags":56,"status":16},5784,"funNLP","fighting41love\u002FfunNLP","funNLP 是一个专为中文自然语言处理（NLP）打造的超级资源库，被誉为\"NLP 民工的乐园”。它并非单一的软件工具，而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。\n\n面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点，funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具，还独特地收录了丰富的垂直领域资源，如法律、医疗、金融行业的专用词库与数据集，甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性，从基础的字典词典到前沿的 BERT、GPT-2 模型代码，再到高质量的标注数据和竞赛方案，应有尽有。\n\n无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师，还是从事人工智能研究的学者，都能在这里找到急需的“武器弹药”。对于开发者而言，它能大幅减少寻找数据和复现模型的时间；对于研究者，它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神，极大地降低了中文自然语言处理的开发与研究成本，是中文 AI 社区不可或缺的宝藏仓库。",79857,1,"2026-04-08T20:11:31",[15,43,46],{"id":58,"name":59,"github_repo":60,"description_zh":61,"stars":62,"difficulty_score":54,"last_commit_at":63,"category_tags":64,"status":16},5773,"cs-video-courses","Developer-Y\u002Fcs-video-courses","cs-video-courses 是一个精心整理的计算机科学视频课程清单，旨在为自学者提供系统化的学习路径。它汇集了全球知名高校（如加州大学伯克利分校、新南威尔士大学等）的完整课程录像，涵盖从编程基础、数据结构与算法，到操作系统、分布式系统、数据库等核心领域，并深入延伸至人工智能、机器学习、量子计算及区块链等前沿方向。\n\n面对网络上零散且质量参差不齐的教学资源，cs-video-courses 解决了学习者难以找到成体系、高难度大学级别课程的痛点。该项目严格筛选内容，仅收录真正的大学层级课程，排除了碎片化的简短教程或商业广告，确保用户能接触到严谨的学术内容。\n\n这份清单特别适合希望夯实计算机基础的开发者、需要补充特定领域知识的研究人员，以及渴望像在校生一样系统学习计算机科学的自学者。其独特的技术亮点在于分类极其详尽，不仅包含传统的软件工程与网络安全，还细分了生成式 AI、大语言模型、计算生物学等新兴学科，并直接链接至官方视频播放列表，让用户能一站式获取高质量的教育资源，免费享受世界顶尖大学的课堂体验。",79792,"2026-04-08T22:03:59",[46,26,43,13],{"id":66,"github_repo":67,"name":68,"description_en":69,"description_zh":70,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":79,"owner_email":79,"owner_twitter":79,"owner_website":79,"owner_url":80,"languages":79,"stars":81,"forks":82,"last_commit_at":83,"license":84,"difficulty_score":54,"env_os":85,"env_gpu":85,"env_ram":85,"env_deps":86,"category_tags":89,"github_topics":79,"view_count":10,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":90,"updated_at":91,"faqs":92,"releases":93},7399,"ZJU-LLMs\u002FFoundations-of-LLMs","Foundations-of-LLMs","A book for Learning the Foundations of LLMs","Foundations-of-LLMs 是一本专为大语言模型初学者与进阶者打造的开源教材，旨在系统性地讲解从传统语言模型到前沿大模型技术的核心知识。面对大模型领域技术迭代快、学习资料分散且门槛较高的问题，本书通过结构化的章节安排，帮助读者构建扎实的理论基础并跟踪最新学术进展。\n\n本书内容涵盖语言模型基础、架构演化、Prompt 工程、参数高效微调、模型编辑及检索增强生成等六大核心板块。其独特亮点在于将枯燥的技术概念与生动的动物形象相结合，每章以一种动物为背景进行举例说明，极大提升了内容的易读性与趣味性。此外，作者团队坚持月度更新机制，并为每章配备详细的论文清单（Paper List），确保读者能同步获取该领域的最新研究成果。\n\nFoundations-of-LLMs 非常适合高校学生、科研人员、AI 开发者以及对大模型原理感兴趣的技术爱好者使用。无论是用于课程学习、毕业设计，还是作为研发过程中的参考手册，它都能提供严谨且有深度的指导。目前，全书已开放完整的 PDF 版本及各章节独立文档，未来还将持续补充推理加速、智能体等新兴方向的内容，是进入大模型世界不可多得的入门与进阶指南。","✨ News: 我们开源了一款多智能体开发框架Agent-Kernel，让大家轻松玩转大规模多智能体系统！一百个智能体在自己的笔记本电脑上就能跑起来哦~\n科研、毕设、大创、SRTP都是让人眼前一亮的创新神器！\nGithub 地址: https:\u002F\u002Fgithub.com\u002FZJU-LLMs\u002FAgent-Kernel 快来看看吧！\n\n\u003Ch1 align=\"center\">大模型基础\u003C\u002Fh1>\n\n\n\u003Cdiv align=\"center\"> \n  \u003Cimg src=\".\\figure\\cover.png\" style=\"width: 50%\">\n\u003C\u002Fdiv>\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fversion-1.0.0-blue\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002FZJU-LLMs\u002FFoundations-of-LLMs?style=social\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002FZJU-LLMs\u002FFoundations-of-LLMs?style=social\">\n\u003C!--   \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002FZJU-LLMs\u002FFoundations-of-LLMs\"> -->\n\u003C\u002Fp>\n\n本书旨在为对大语言模型感兴趣的读者系统地讲解相关基础知识、介绍前沿技术。作者团队将认真听取开源社区以及广大专家学者的建议，持续进行**月度更新**，致力打造**易读、严谨、有深度**的大模型教材。并且，本书还将针对每章内容配备相关的**Paper List**，以跟踪相关技术的**最新进展**。\n\n本书第一版包括**传统语言模型**、**大语言模型架构演化**、**Prompt工程**、**参数高效微调**、**模型编辑**、**检索增强生成**等六章内容。为增加本书的易读性，每章分别以**一种动物**为背景，对具体技术进行举例说明，故此本书以六种动物作为封面。当前版本所含内容均来源于作者团队对相关方向的探索与理解，如有谬误，恳请大家多提issue，多多赐教。后续，作者团队还将继续探索大模型推理加速、大模型智能体等方向。相关内容也将陆续补充到本书的后续版本中，期待封面上的动物越来越多。\n\n当前完整的本书PDF版本路径为\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FZJU-LLMs\u002FFoundations-of-LLMs\u002Fblob\u002Fmain\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E6%95%99%E6%9D%90\u002F%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%20%E5%AE%8C%E6%95%B4%E7%89%88.pdf\">大模型基础.pdf\u003C\u002Fa>。另外，我们还提供了两个文件夹，\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FZJU-LLMs\u002FFoundations-of-LLMs\u002Ftree\u002Fmain\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E6%95%99%E6%9D%90\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E5%88%86%E7%AB%A0%E8%8A%82%E5%86%85%E5%AE%B9\">大语言模型分章节内容\u003C\u002Fa>文件夹中包含了各章节的PDF版本。而\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FZJU-LLMs\u002FFoundations-of-LLMs\u002Ftree\u002Fmain\u002F%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%BB%8F%E5%85%B8%E8%AE%BA%E6%96%87%E5%88%97%E8%A1%A8\">大语言模型相关论文\u003C\u002Fa>文件夹中包含了各章节的相关论文，当前正处于不断更新中。\n\n其中每个章节的内容目录如下表所示。\n\n## 本书目录\n\n\u003Ctable>\n    \u003Ctr>\n        \u003Cth style=\"text-align:center; width: 25%;\">章节\u003C\u002Fth>\n        \u003Cth style=\"text-align:center; width: 75%;\" colspan=\"3\">所含内容\u003C\u002Fth>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd rowspan=\"2\">\u003Cb>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FZJU-LLMs\u002FFoundations-of-LLMs\u002Fblob\u002Fmain\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E6%95%99%E6%9D%90\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E5%88%86%E7%AB%A0%E8%8A%82%E5%86%85%E5%AE%B9\u002F%E7%AC%AC1%E7%AB%A0%20%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80.pdf\">第 1 章：语言模型基础\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n        \u003Ctd style=\"width: 25%;\">1.1 基于统计方法的语言模型\u003C\u002Ftd>\n        \u003Ctd style=\"width: 25%;\">1.2 基于 RNN 的语言模型\u003C\u002Ftd>\n        \u003Ctd style=\"width: 25%;\">1.3 基于 Transformer 的语言模型\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd>1.4 语言模型的采样方法\u003C\u002Ftd>\n        \u003Ctd>1.5 语言模型的评测\u003C\u002Ftd>\n        \u003Ctd>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd rowspan=\"2\">\u003Cb>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FZJU-LLMs\u002FFoundations-of-LLMs\u002Fblob\u002Fmain\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E6%95%99%E6%9D%90\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E5%88%86%E7%AB%A0%E8%8A%82%E5%86%85%E5%AE%B9\u002F%E7%AC%AC2%E7%AB%A0%20%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E6%9E%B6%E6%9E%84.pdf\">第 2 章：大语言模型\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n        \u003Ctd>2.1 大数据 + 大模型 → 新智能\u003C\u002Ftd>\n        \u003Ctd>2.2 大语言模型架构概览\u003C\u002Ftd>\n        \u003Ctd>2.3 基于 Encoder-only 架构的大语言模型\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd>2.4 基于 Encoder-Decoder 架构的大语言模型\u003C\u002Ftd>\n        \u003Ctd>2.5 基于 Decoder-only 架构的大语言模型\u003C\u002Ftd>\n        \u003Ctd>2.6 非 Transformer 架构\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd rowspan=\"2\">\u003Cb>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FZJU-LLMs\u002FFoundations-of-LLMs\u002Fblob\u002Fmain\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E6%95%99%E6%9D%90\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E5%88%86%E7%AB%A0%E8%8A%82%E5%86%85%E5%AE%B9\u002F%E7%AC%AC3%E7%AB%A0%20Prompt%20%E5%B7%A5%E7%A8%8B.pdf\">第 3 章：Prompt 工程\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n        \u003Ctd>3.1 Prompt 工程简介\u003C\u002Ftd>\n        \u003Ctd>3.2 上下文学习\u003C\u002Ftd>\n        \u003Ctd>3.3 思维链\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd>3.4 Prompt 技巧\u003C\u002Ftd>\n        \u003Ctd>3.5 相关应用\u003C\u002Ftd>\n        \u003Ctd>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd rowspan=\"2\">\u003Cb>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FZJU-LLMs\u002FFoundations-of-LLMs\u002Fblob\u002Fmain\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E6%95%99%E6%9D%90\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E5%88%86%E7%AB%A0%E8%8A%82%E5%86%85%E5%AE%B9\u002F%E7%AC%AC4%E7%AB%A0%20%E5%8F%82%E6%95%B0%E9%AB%98%E6%95%88%E5%BE%AE%E8%B0%83.pdf\">第 4 章：参数高效微调\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n        \u003Ctd>4.1 参数高效微调简介\u003C\u002Ftd>\n        \u003Ctd>4.2 参数附加方法\u003C\u002Ftd>\n        \u003Ctd>4.3 参数选择方法\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd>4.4 低秩适配方法\u003C\u002Ftd>\n        \u003Ctd>4.5 实践与应用\u003C\u002Ftd>\n        \u003Ctd>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd rowspan=\"2\">\u003Cb>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FZJU-LLMs\u002FFoundations-of-LLMs\u002Fblob\u002Fmain\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E6%95%99%E6%9D%90\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E5%88%86%E7%AB%A0%E8%8A%82%E5%86%85%E5%AE%B9\u002F%E7%AC%AC5%E7%AB%A0%20%E6%A8%A1%E5%9E%8B%E7%BC%96%E8%BE%91.pdf\">第 5 章：模型编辑\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n        \u003Ctd>5.1 模型编辑简介\u003C\u002Ftd>\n        \u003Ctd>5.2 模型编辑经典方法\u003C\u002Ftd>\n        \u003Ctd>5.3 附加参数法：T-Patcher\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd>5.4 定位编辑法：ROME\u003C\u002Ftd>\n        \u003Ctd>5.5 模型编辑应用\u003C\u002Ftd>\n        \u003Ctd>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd rowspan=\"2\">\u003Cb>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FZJU-LLMs\u002FFoundations-of-LLMs\u002Fblob\u002Fmain\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E6%95%99%E6%9D%90\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E5%88%86%E7%AB%A0%E8%8A%82%E5%86%85%E5%AE%B9\u002F%E7%AC%AC6%E7%AB%A0%20%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90.pdf\">第 6 章：检索增强生成\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n        \u003Ctd>6.1 检索增强生成简介\u003C\u002Ftd>\n        \u003Ctd>6.2 检索增强生成架构\u003C\u002Ftd>\n        \u003Ctd>6.3 知识检索\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd>6.4 生成增强\u003C\u002Ftd>\n        \u003Ctd>6.5 实践与应用\u003C\u002Ftd>\n        \u003Ctd>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n\u003C\u002Ftable>\n\n\n\n\n\n\n## 致谢\n\n本书的不断优化，将仰仗各位读者的帮助与支持。您的建议将成为我们持续向前的动力！\n\n所有提出issue的人，我们都列举在此，以表达我们深深的谢意。\n\n\n\n\n如果有此书相关的其他问题，请随时联系我们，可发送邮件至：xuwenyi@zju.edu.cn。\n\n\u003Cdiv align=\"center\"> \n  \u003Cimg src=\".\\figure\\wechat_QR_code.jpg\" style=\"width: 90%\">\n\u003C\u002Fdiv>\n","✨ 新闻：我们开源了一款多智能体开发框架Agent-Kernel，让大家轻松玩转大规模多智能体系统！一百个智能体在自己的笔记本电脑上就能跑起来哦~\n科研、毕设、大创、SRTP都是让人眼前一亮的创新神器！\nGithub 地址: https:\u002F\u002Fgithub.com\u002FZJU-LLMs\u002FAgent-Kernel 快来看看吧！\n\n\u003Ch1 align=\"center\">大模型基础\u003C\u002Fh1>\n\n\n\u003Cdiv align=\"center\"> \n  \u003Cimg src=\".\\figure\\cover.png\" style=\"width: 50%\">\n\u003C\u002Fdiv>\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fversion-1.0.0-blue\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002FZJU-LLMs\u002FFoundations-of-LLMs?style=social\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002FZJU-LLMs\u002FFoundations-of-LLMs?style=social\">\n\u003C!--   \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002FZJU-LLMs\u002FFoundations-of-LLMs\"> -->\n\u003C\u002Fp>\n\n本书旨在为对大语言模型感兴趣的读者系统地讲解相关基础知识、介绍前沿技术。作者团队将认真听取开源社区以及广大专家学者的建议，持续进行**月度更新**，致力打造**易读、严谨、有深度**的大模型教材。并且，本书还将针对每章内容配备相关的**Paper List**，以跟踪相关技术的**最新进展**。\n\n本书第一版包括**传统语言模型**、**大语言模型架构演化**、**Prompt工程**、**参数高效微调**、**模型编辑**、**检索增强生成**等六章内容。为增加本书的易读性，每章分别以**一种动物**为背景，对具体技术进行举例说明，故此本书以六种动物作为封面。当前版本所含内容均来源于作者团队对相关方向的探索与理解，如有谬误，恳请大家多提issue，多多赐教。后续，作者团队还将继续探索大模型推理加速、大模型智能体等方向。相关内容也将陆续补充到本书的后续版本中，期待封面上的动物越来越多。\n\n当前完整的本书PDF版本路径为\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FZJU-LLMs\u002FFoundations-of-LLMs\u002Fblob\u002Fmain\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E6%95%99%E6%9D%90\u002F%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%20%E5%AE%8C%E6%95%B4%E7%89%88.pdf\">大模型基础.pdf\u003C\u002Fa>。另外，我们还提供了两个文件夹，\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FZJU-LLMs\u002FFoundations-of-LLMs\u002Ftree\u002Fmain\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E6%95%99%E6%9D%90\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E5%88%86%E7%AB%A0%E8%8A%82%E5%86%85%E5%AE%B9\u002F%E7%AC%AC1%E7%AB%A0%20%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80.pdf\">大语言模型分章节内容\u003C\u002Fa>文件夹中包含了各章节的PDF版本。而\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FZJU-LLMs\u002FFoundations-of-LLMs\u002Ftree\u002Fmain\u002F%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%BB%8F%E5%85%B8%E8%AE%BF%E6%96%87%E5%88%97%E8%A1%A8\">大语言模型相关论文\u003C\u002Fa>文件夹中包含了各章节的相关论文，当前正处于不断更新中。\n\n其中每个章节的内容目录如下表所示。\n\n## 本书目录\n\n\u003Ctable>\n    \u003Ctr>\n        \u003Cth style=\"text-align:center; width: 25%;\">章节\u003C\u002Fth>\n        \u003Cth style=\"text-align:center; width: 75%;\" colspan=\"3\">所含内容\u003C\u002Fth>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd rowspan=\"2\">\u003Cb>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FZJU-LLMs\u002FFoundations-of-LLMs\u002Fblob\u002Fmain\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E6%95%99%E6%9D%90\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E5%88%86%E7%AB%A0%E8%8A%82%E5%86%85%E5%AE%B9\u002F%E7%AC%AC1%E7%AB%A0%20%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80.pdf\">第 1 章：语言模型基础\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n        \u003Ctd style=\"width: 25%;\">1.1 基于统计方法的语言模型\u003C\u002Ftd>\n        \u003Ctd style=\"width: 25%;\">1.2 基于 RNN 的语言模型\u003C\u002Ftd>\n        \u003Ctd style=\"width: 25%;\">1.3 基于 Transformer 的语言模型\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd>1.4 语言模型的采样方法\u003C\u002Ftd>\n        \u003Ctd>1.5 语言模型的评测\u003C\u002Ftd>\n        \u003Ctd>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd rowspan=\"2\">\u003Cb>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FZJU-LLMs\u002FFoundations-of-LLMs\u002Fblob\u002Fmain\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E6%95%99%E6%9D%90\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E5%88%86%E7%AB%A0%E8%8A%82%E5%86%85%E5%AE%B9\u002F%E7%AC%AC2%E7%AB%A0%20%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B.pdf\">第 2 章：大语言模型\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n        \u003Ctd>2.1 大数据 + 大模型 → 新智能\u003C\u002Ftd>\n        \u003Ctd>2.2 大语言模型架构概览\u003C\u002Ftd>\n        \u003Ctd>2.3 基于 Encoder-only 架构的大语言模型\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd>2.4 基于 Encoder-Decoder 架构的大语言模型\u003C\u002Ftd>\n        \u003Ctd>2.5 基于 Decoder-only 架构的大语言模型\u003C\u002Ftd>\n        \u003Ctd>2.6 非 Transformer 架构\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd rowspan=\"2\">\u003Cb>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FZJU-LLMs\u002FFoundations-of-LLMs\u002Fblob\u002Fmain\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E6%95%99%E6%9D%90\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E5%88%86%E7%AB%A0%E8%8A%82%E5%86%85%E5%AE%B9\u002F%E7%AC%AC3%E7%AB%A0%20Prompt%20%E5%B7%A5%E7%A8%8B.pdf\">第 3 章：Prompt 工程\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n        \u003Ctd>3.1 Prompt 工程简介\u003C\u002Ftd>\n        \u003Ctd>3.2 上下文学习\u003C\u002Ftd>\n        \u003Ctd>3.3 思维链\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd>3.4 Prompt 技巧\u003C\u002Ftd>\n        \u003Ctd>3.5 相关应用\u003C\u002Ftd>\n        \u003Ctd>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd rowspan=\"2\">\u003Cb>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FZJU-LLMs\u002FFoundations-of-LLMs\u002Fblob\u002Fmain\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E6%95%99%E6%9D%90\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E5%88%86%E7%AB%A0%E8%8A%82%E5%86%85%E5%AE%B9\u002F%E7%AC%AC4%E7%AB%A0%20%E5%8F%82%E6%95%B0%E9%AB%98%E6%95%88%E5%BE%AE%E8%B0%83.pdf\">第 4 章：参数高效微调\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n        \u003Ctd>4.1 参数高效微调简介\u003C\u002Ftd>\n        \u003Ctd>4.2 参数附加方法\u003C\u002Ftd>\n        \u003Ctd>4.3 参数选择方法\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd>4.4 低秩适配方法\u003C\u002Ftd>\n        \u003Ctd>4.5 实践与应用\u003C\u002Ftd>\n        \u003Ctd>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd rowspan=\"2\">\u003Cb>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FZJU-LLMs\u002FFoundations-of-LLMs\u002Fblob\u002Fmain\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E6%95%99%E6%9D%90\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E5%88%86%E7%AB%A0%E8%8A%82%E5%86%85%E5%AE%B9\u002F%E7%AC%AC5%E7%AB%A0%20%E6%A8%A1%E5%9E%8B%E7%BC%96%E8%BE%91.pdf\">第 5 章：模型编辑\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n        \u003Ctd>5.1 模型编辑简介\u003C\u002Ftd>\n        \u003Ctd>5.2 模型编辑经典方法\u003C\u002Ftd>\n        \u003Ctd>5.3 附加参数法：T-Patcher\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd>5.4 定位编辑法：ROME\u003C\u002Ftd>\n        \u003Ctd>5.5 模型编辑应用\u003C\u002Ftd>\n        \u003Ctd>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd rowspan=\"2\">\u003Cb>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002FZJU-LLMs\u002FFoundations-of-LLMs\u002Fblob\u002Fmain\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E6%95%99%E6%9D%90\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E5%88%86%E7%AB%A0%E8%8A%82%E5%86%85%E5%AE%B9\u002F%E7%AC%AC6%E7%AB%A0%20%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90.pdf\">第 6 章：检索增强生成\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n        \u003Ctd>6.1 检索增强生成简介\u003C\u002Ftd>\n        \u003Ctd>6.2 检索增强生成架构\u003C\u002Ftd>\n        \u003Ctd>6.3 知识检索\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n        \u003Ctd>6.4 生成增强\u003C\u002Ftd>\n        \u003Ctd>6.5 实践与应用\u003C\u002Ftd>\n        \u003Ctd>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n\u003C\u002Ftable>\n\n\n\n\n\n\n## 致谢\n\n本书的不断优化，将仰仗各位读者的帮助与支持。您的建议将成为我们持续向前的动力！\n\n所有提出issue的人，我们都列举在此，以表达我们深深的谢意。\n\n\n\n\n如果有此书相关的其他问题，请随时联系我们，可发送邮件至：xuwenyi@zju.edu.cn。\n\n\u003Cdiv align=\"center\"> \n  \u003Cimg src=\".\\figure\\wechat_QR_code.jpg\" style=\"width: 90%\">\n\u003C\u002Fdiv>","# Foundations-of-LLMs 快速上手指南\n\n《大模型基础》是一本系统讲解大语言模型基础知识与前沿技术的开源教材。本项目主要提供教材的 PDF 文档、分章节内容及相关论文列表，无需复杂的代码安装即可开始学习。\n\n## 环境准备\n\n本项目为文档资源库，无特定的系统或软件依赖。您只需具备以下基础环境即可阅读和使用：\n\n*   **操作系统**：Windows \u002F macOS \u002F Linux\n*   **必备软件**：\n    *   PDF 阅读器（如 Adobe Acrobat, Chrome, Edge 等）\n    *   Git（用于克隆仓库获取最新内容）\n*   **网络环境**：建议配置稳定的网络连接以访问 GitHub 资源。\n\n## 安装步骤\n\n您可以通过以下两种方式获取教材内容：\n\n### 方式一：直接下载 PDF（推荐）\n\n如果您仅需阅读完整教材，可直接下载完整版 PDF：\n\n1.  访问完整版教材链接：[大模型基础_完整版.pdf](https:\u002F\u002Fgithub.com\u002FZJU-LLMs\u002FFoundations-of-LLMs\u002Fblob\u002Fmain\u002F%E3%80%8A%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%E3%80%8B%E6%95%99%E6%9D%90\u002F%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%9F%BA%E7%A1%80%20%E5%AE%8C%E6%95%B4%E7%89%88.pdf)\n2.  点击页面右上角的 \"Download\" 按钮保存至本地。\n\n### 方式二：克隆仓库（获取分章节及论文列表）\n\n如果您需要查看分章节内容或追踪最新的论文列表，建议使用 Git 克隆整个项目：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FZJU-LLMs\u002FFoundations-of-LLMs.git\ncd Foundations-of-LLMs\n```\n\n*注：若国内访问 GitHub 速度较慢，可尝试使用镜像源或加速工具进行克隆。*\n\n克隆完成后，核心资源路径如下：\n*   **完整教材**：`《大模型基础》教材\u002F大模型基础 完整版.pdf`\n*   **分章节内容**：`《大模型基础》教材\u002F《大模型基础》分章节内容\u002F`\n*   **相关论文列表**：`大模型经典论文列表\u002F`\n\n## 基本使用\n\n本项目主要用于系统性学习大模型技术栈。以下是简单的使用流程：\n\n1.  **打开教材**：\n    使用 PDF 阅读器打开 `大模型基础 完整版.pdf`。\n\n2.  **按章节学习**：\n    本书共六章，涵盖从基础到进阶的核心技术：\n    *   **第 1 章**：语言模型基础（统计方法、RNN、Transformer）\n    *   **第 2 章**：大语言模型架构（Encoder\u002FDecoder 演变）\n    *   **第 3 章**：Prompt 工程（上下文学习、思维链）\n    *   **第 4 章**：参数高效微调（LoRA 等方法）\n    *   **第 5 章**：模型编辑（知识修正技术）\n    *   **第 6 章**：检索增强生成（RAG 架构与实践）\n\n3.  **查阅论文**：\n    在学习每一章时，可进入 `大模型经典论文列表` 文件夹，查看该章节对应的 `Paper List`，跟踪最新的研究进展。\n\n4.  **反馈与交流**：\n    如发现内容谬误或有改进建议，欢迎在 GitHub 仓库提交 `Issue`，或发送邮件至 `xuwenyi@zju.edu.cn` 联系作者团队。","某高校计算机系研究生团队正着手开展一项关于“大模型在垂直领域微调”的毕业设计，急需构建扎实的理论框架并复现前沿算法。\n\n### 没有 Foundations-of-LLMs 时\n- **知识碎片化严重**：团队成员需在海量的 arXiv 论文和零散博客中摸索，难以系统理解从传统 RNN 到 Transformer 架构的演化逻辑。\n- **概念理解门槛高**：面对“参数高效微调”或“模型编辑”等复杂技术，缺乏直观的类比和通俗解释，导致学习曲线陡峭，进度缓慢。\n- **文献追踪困难**：难以快速定位各章节对应的核心经典论文与最新进展，容易遗漏关键参考文献，影响开题报告的质量。\n- **实践缺乏指导**：在尝试 Prompt 工程或检索增强生成（RAG）时，因缺乏系统的技巧总结，反复试错却不得要领。\n\n### 使用 Foundations-of-LLMs 后\n- **体系化知识构建**：依托书中从统计语言模型到 Decoder-only 架构的六章内容，团队迅速建立了完整的大模型知识图谱。\n- **生动易懂的学习体验**：借助书中独特的“动物背景”案例比喻，成员们轻松掌握了抽象的算法原理，大幅缩短了理论预热时间。\n- **精准的论文导航**：直接利用每章配套的 Paper List，快速锁定了必读经典与前沿研究，确保了毕设文献综述的深度与时效性。\n- **实战能力显著提升**：参考 Prompt 工程和微调章节的具体技巧与流程，团队高效完成了实验原型的设计与验证。\n\nFoundations-of-LLMs 通过系统化、趣味化且紧跟前沿的内容，将原本混乱的自学过程转化为高效的科研加速器，帮助研究者快速跨越理论与实践的鸿沟。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FZJU-LLMs_Foundations-of-LLMs_0d5b6559.png","ZJU-LLMs","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FZJU-LLMs_56910931.jpg","Share research achievements related to LLMs of Database and Big Data Analytics Laboratory (DAILY Lab), Zhejiang University.",null,"https:\u002F\u002Fgithub.com\u002FZJU-LLMs",16032,1529,"2026-04-13T20:01:22","NOASSERTION","",{"notes":87,"python":85,"dependencies":88},"该项目主要是一本关于大语言模型基础的开源教材（PDF 文档）及相关论文列表，并非可执行的软件代码库，因此 README 中未包含操作系统、GPU、内存、Python 版本或依赖库等运行环境需求。文中提到的'Agent-Kernel'是作者团队开源的另一款多智能体开发框架，不属于本项目内容。",[],[15,46],"2026-03-27T02:49:30.150509","2026-04-14T15:30:16.628474",[],[]]