[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-skyzh--tiny-llm":3,"tool-skyzh--tiny-llm":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-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。\n\n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。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},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",143909,2,"2026-04-07T11:33:18",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","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。\n\n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。\n\n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。",107888,"2026-04-06T11:32:50",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},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,"2026-04-06T11:19:32",[35,15,13,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":78,"owner_email":79,"owner_twitter":80,"owner_website":81,"owner_url":82,"languages":83,"stars":104,"forks":105,"last_commit_at":106,"license":107,"difficulty_score":10,"env_os":108,"env_gpu":109,"env_ram":110,"env_deps":111,"category_tags":117,"github_topics":118,"view_count":32,"oss_zip_url":79,"oss_zip_packed_at":79,"status":17,"created_at":127,"updated_at":128,"faqs":129,"releases":130},5166,"skyzh\u002Ftiny-llm","tiny-llm","A course of learning LLM inference serving on Apple Silicon for systems engineers: build a tiny vLLM + Qwen.","tiny-llm 是一个专为系统工程师设计的开源学习项目，旨在帮助开发者在一周内从零构建基于 Apple Silicon 的大语言模型（LLM）推理服务。它通过引导用户亲手实现一个简化版的 vLLM 框架并集成 Qwen2 模型，深入解析高效服务大模型背后的核心技术。\n\n该项目主要解决了在缺乏高端 NVIDIA GPU 环境下，开发者难以低成本上手 LLM 底层推理优化与架构搭建的痛点。借助苹果原生的 MLX 框架，用户无需依赖复杂的高层神经网络 API，仅使用基础的数组与矩阵操作即可在 macOS 上完成从注意力机制、RoPE 位置编码到 KV 缓存、连续批处理及 Flash Attention 等关键模块的代码实现。\n\ntiny-llm 特别适合希望深入理解大模型推理原理的系统工程师、后端开发者及 AI 研究人员。其独特亮点在于“去黑盒化”的教学方式：课程分为三周，前两周已完整开放，涵盖从模型加载、解码生成到量化计算的全流程代码实战；第三周则逐步引入分页注意力、混合专家模型（MoE）及 RAG  pipeline 等进阶话题。这不仅是一套教程，更是一个可运行的微型推理引擎源码库，让","tiny-llm 是一个专为系统工程师设计的开源学习项目，旨在帮助开发者在一周内从零构建基于 Apple Silicon 的大语言模型（LLM）推理服务。它通过引导用户亲手实现一个简化版的 vLLM 框架并集成 Qwen2 模型，深入解析高效服务大模型背后的核心技术。\n\n该项目主要解决了在缺乏高端 NVIDIA GPU 环境下，开发者难以低成本上手 LLM 底层推理优化与架构搭建的痛点。借助苹果原生的 MLX 框架，用户无需依赖复杂的高层神经网络 API，仅使用基础的数组与矩阵操作即可在 macOS 上完成从注意力机制、RoPE 位置编码到 KV 缓存、连续批处理及 Flash Attention 等关键模块的代码实现。\n\ntiny-llm 特别适合希望深入理解大模型推理原理的系统工程师、后端开发者及 AI 研究人员。其独特亮点在于“去黑盒化”的教学方式：课程分为三周，前两周已完整开放，涵盖从模型加载、解码生成到量化计算的全流程代码实战；第三周则逐步引入分页注意力、混合专家模型（MoE）及 RAG  pipeline 等进阶话题。这不仅是一套教程，更是一个可运行的微型推理引擎源码库，让学习者能在真实的代码迭代中掌握工业级 LLM 服务的构建技巧。","# tiny-llm - LLM Serving in a Week\n\n[![CI (main)](https:\u002F\u002Fgithub.com\u002Fskyzh\u002Ftiny-llm\u002Factions\u002Fworkflows\u002Fmain.yml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002Fskyzh\u002Ftiny-llm\u002Factions\u002Fworkflows\u002Fmain.yml)\n\nA course on LLM serving using MLX for system engineers. The codebase\nis solely (almost!) based on MLX array\u002Fmatrix APIs without any high-level neural network APIs, so that we\ncan build the model serving infrastructure from scratch and dig into the optimizations.\n\nThe goal is to learn the techniques behind efficiently serving a large language model (e.g., Qwen2 models).\n\nIn week 1, you will implement the necessary components in Python (only Python!) to use the Qwen2 model to generate responses (e.g., attention, RoPE, etc). In week 2, you will implement the inference system which is similar to but a much simpler version of vLLM (e.g., KV cache, continuous batching, flash attention, etc). In week 3, we will cover more advanced topics and how the model interacts with the outside world.\n\nWhy MLX: nowadays it's easier to get a macOS-based local development environment than setting up an NVIDIA GPU.\n\nWhy Qwen2: this was the first LLM I've interacted with -- it's the go-to example in the vllm documentation. I spent some time looking at the vllm source code and built some knowledge around it.\n\n## Book\n\nThe tiny-llm book is available at [https:\u002F\u002Fskyzh.github.io\u002Ftiny-llm\u002F](https:\u002F\u002Fskyzh.github.io\u002Ftiny-llm\u002F). You can follow the guide and start building.\n\n## Community\n\nYou may join skyzh's Discord server and study with the tiny-llm community.\n\n[![Join skyzh's Discord Server](book\u002Fsrc\u002Fdiscord-badge.svg)](https:\u002F\u002Fskyzh.dev\u002Fjoin\u002Fdiscord)\n\n## Roadmap\n\nWeek 1 and 2 is complete. Week 3 is in progress.\n\n| Week + Chapter | Topic                                                       | Code | Test | Doc |\n| -------------- | ----------------------------------------------------------- | ---- | ---- | --- |\n| 1.1            | Attention                                                   | ✅    | ✅   | ✅  |\n| 1.2            | RoPE                                                        | ✅    | ✅   | ✅  |\n| 1.3            | Grouped Query Attention                                     | ✅    | ✅   | ✅  |\n| 1.4            | RMSNorm and MLP                                             | ✅    | ✅   | ✅  |\n| 1.5            | Load the Model                                              | ✅    | ✅   | ✅  |\n| 1.6            | Generate Responses (aka Decoding)                           | ✅    | ✅   | ✅  |\n| 1.7            | Sampling                                                    | ✅    | ✅   | ✅  |\n| 2.1            | Key-Value Cache                                             | ✅    | ✅   | ✅  |\n| 2.2            | Quantized Matmul and Linear - CPU                           | ✅    | ✅   | ✅  |\n| 2.3            | Quantized Matmul and Linear - GPU                           | ✅    | ✅   | ✅  |\n| 2.4            | Flash Attention 2 - CPU                                     | ✅    | ✅   | ✅  |\n| 2.5            | Flash Attention 2 - GPU                                     | ✅    | ✅   | ✅  |\n| 2.6            | Continuous Batching                                         | ✅    | ✅   | ✅  |\n| 2.7            | Chunked Prefill                                             | ✅    | ✅   | ✅  |\n| 3.1            | Paged Attention - Part 1                                    | 🚧    | 🚧   | 🚧  |\n| 3.2            | Paged Attention - Part 2                                    | 🚧    | 🚧   | 🚧  |\n| 3.3            | MoE (Mixture of Experts)                                    | 🚧    | 🚧   | 🚧  |\n| 3.4            | Speculative Decoding                                        | 🚧    | ✅   | 🚧  |\n| 3.5            | RAG Pipeline                                                | 🚧    | 🚧   | 🚧  |\n| 3.6            | AI Agent     \u002F Tool Calling                                 | 🚧    | 🚧   | 🚧  |\n| 3.7            | Long Context                                                | 🚧    | 🚧   | 🚧  |\n\nOther topics not covered: quantized\u002Fcompressed kv cache, prefix\u002Fprompt cache; sampling, fine tuning; smaller kernels (softmax, silu, etc)\n\n## Star History\n\n[![Star History Chart](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fskyzh_tiny-llm_readme_eaecb67afd19.png)](https:\u002F\u002Fwww.star-history.com\u002F#skyzh\u002Ftiny-llm&Date)\n","# tiny-llm - 一周学会大模型推理服务\n\n[![CI (main)](https:\u002F\u002Fgithub.com\u002Fskyzh\u002Ftiny-llm\u002Factions\u002Fworkflows\u002Fmain.yml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002Fskyzh\u002Ftiny-llm\u002Factions\u002Fworkflows\u002Fmain.yml)\n\n这是一门面向系统工程师的课程，使用 MLX 实现大模型推理服务。整个代码库几乎完全基于 MLX 的数组\u002F矩阵 API，不依赖任何高级神经网络框架，以便我们能够从零开始构建模型推理基础设施，并深入探索各种优化技术。\n\n我们的目标是掌握高效部署和运行大型语言模型（例如 Qwen2 系列）的核心技术。\n\n在第 1 周，你将用纯 Python 实现必要的组件，以利用 Qwen2 模型生成响应（如注意力机制、RoPE 等）。第 2 周，你将实现一个类似于 vLLM 的推理系统，但更加简单（如 KV 缓存、连续批处理、Flash Attention 等）。第 3 周，我们将探讨更高级的主题，以及模型如何与外部世界交互。\n\n为什么选择 MLX？因为如今搭建基于 macOS 的本地开发环境比配置 NVIDIA GPU 更加容易。\n\n为什么选择 Qwen2？这是我最早接触的大模型之一——它也是 vLLM 文档中的典型示例。我曾仔细研究过 vLLM 的源码，并积累了一些相关知识。\n\n## 书籍\n\ntiny-llm 的配套书籍已发布在 [https:\u002F\u002Fskyzh.github.io\u002Ftiny-llm\u002F](https:\u002F\u002Fskyzh.github.io\u002Ftiny-llm\u002F)。你可以按照指南逐步构建自己的项目。\n\n## 社区\n\n欢迎加入 skyzh 的 Discord 社区，与 tiny-llm 社区一起学习交流。\n\n[![加入 skyzh 的 Discord 服务器](book\u002Fsrc\u002Fdiscord-badge.svg)](https:\u002F\u002Fskyzh.dev\u002Fjoin\u002Fdiscord)\n\n## 路线图\n\n目前第 1 周和第 2 周的内容已完成，第 3 周正在推进中。\n\n| 周次 + 章节 | 主题                                                       | 代码 | 测试 | 文档 |\n| -------------- | ----------------------------------------------------------- | ---- | ---- | --- |\n| 1.1            | 注意力机制                                                 | ✅    | ✅   | ✅  |\n| 1.2            | RoPE 位置编码                                             | ✅    | ✅   | ✅  |\n| 1.3            | 分组查询注意力机制                                         | ✅    | ✅   | ✅  |\n| 1.4            | RMSNorm 归一化与 MLP 层                                    | ✅    | ✅   | ✅  |\n| 1.5            | 加载模型                                                   | ✅    | ✅   | ✅  |\n| 1.6            | 生成响应（即解码过程）                                     | ✅    | ✅   | ✅  |\n| 1.7            | 采样策略                                                   | ✅    | ✅   | ✅  |\n| 2.1            | 键值缓存                                                   | ✅    | ✅   | ✅  |\n| 2.2            | CPU 上的量化矩阵乘法与线性变换                             | ✅    | ✅   | ✅  |\n| 2.3            | GPU 上的量化矩阵乘法与线性变换                             | ✅    | ✅   | ✅  |\n| 2.4            | CPU 上的 Flash Attention 2                                 | ✅    | ✅   | ✅  |\n| 2.5            | GPU 上的 Flash Attention 2                                 | ✅    | ✅   | ✅  |\n| 2.6            | 连续批处理                                                 | ✅    | ✅   | ✅  |\n| 2.7            | 分块预填充                                                 | ✅    | ✅   | ✅  |\n| 3.1            | 分页注意力机制 - 第一部分                                | 🚧    | 🚧   | 🚧  |\n| 3.2            | 分页注意力机制 - 第二部分                                | 🚧    | 🚧   | 🚧  |\n| 3.3            | MoE（专家混合模型）                                        | 🚧    | 🚧   | 🚧  |\n| 3.4            | 推测解码                                                   | 🚧    | ✅   | 🚧  |\n| 3.5            | RAG 管道                                                   | 🚧    | 🚧   | 🚧  |\n| 3.6            | AI 助手 \u002F 工具调用                                         | 🚧    | 🚧   | 🚧  |\n| 3.7            | 长上下文支持                                               | 🚧    | 🚧   | 🚧  |\n\n其他未涵盖的主题：量化\u002F压缩的 KV 缓存、前缀\u002F提示缓存；采样、微调；更小的核函数（softmax、silu 等）。\n\n## 星标历史\n\n[![星标历史图表](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fskyzh_tiny-llm_readme_eaecb67afd19.png)](https:\u002F\u002Fwww.star-history.com\u002F#skyzh\u002Ftiny-llm&Date)","# tiny-llm 快速上手指南\n\ntiny-llm 是一个面向系统工程师的 LLM 服务课程项目。它仅基于 MLX 数组\u002F矩阵 API（不使用高级神经网络框架），旨在帮助开发者从零构建模型服务基础设施，深入理解注意力机制、KV Cache、连续批处理等核心优化技术。\n\n## 环境准备\n\n### 系统要求\n- **操作系统**：macOS (推荐 Apple Silicon M1\u002FM2\u002FM3 芯片)\n  - *注：该项目主要基于 Apple MLX 框架设计，旨在利用 macOS 本地开发环境替代复杂的 NVIDIA GPU 配置。*\n- **硬件**：具备统一内存架构的 Mac 电脑（内存建议 8GB 以上，运行大模型需更大内存）\n\n### 前置依赖\n- **Python**: 3.9 或更高版本\n- **包管理工具**: `pip` 或 `conda`\n- **MLX 框架**: 项目核心依赖\n\n## 安装步骤\n\n1. **克隆项目代码**\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002Fskyzh\u002Ftiny-llm.git\n   cd tiny-llm\n   ```\n\n2. **创建虚拟环境并安装依赖**\n   ```bash\n   python3 -m venv venv\n   source venv\u002Fbin\u002Factivate\n   pip install -r requirements.txt\n   ```\n   *如果 `requirements.txt` 未自动包含 MLX，请手动安装：*\n   ```bash\n   pip install mlx\n   ```\n\n3. **下载模型权重**\n   本项目默认使用 Qwen2 系列模型。你需要从 Hugging Face 下载对应的权重文件并放置于项目指定目录（通常为 `weights\u002F` 或根据代码指引配置）。\n   \n   *国内加速方案*：由于 Hugging Face 在国内访问受限，建议使用镜像站下载：\n   ```bash\n   # 使用 huggingface.co 镜像 (例如 hf-mirror.com)\n   export HF_ENDPOINT=https:\u002F\u002Fhf-mirror.com\n   \n   # 使用 huggingface-cli 下载 Qwen2 模型 (以 Qwen2-0.5B-Instruct 为例)\n   huggingface-cli download --resume-download Qwen\u002FQwen2-0.5B-Instruct --local-dir weights\u002Fqwen2-0.5b\n   ```\n\n## 基本使用\n\ntiny-llm 是一个分周进度的学习项目，目前 **Week 1** 和 **Week 2** 的核心功能已完成。以下是最基础的模型加载与文本生成示例（基于 Week 1 完成后的状态）。\n\n### 运行推理脚本\n\n在项目根目录下，运行 Python 脚本加载模型并生成回复。假设你已经完成了 Week 1 的代码实现（或使用了作者提供的参考实现）：\n\n```bash\npython generate.py \\\n    --model-path weights\u002Fqwen2-0.5b \\\n    --prompt \"你好，请介绍一下你自己。\" \\\n    --max-tokens 100\n```\n\n### 代码逻辑简述\n该工具不依赖 `transformers` 等高层库，而是直接使用 MLX 原生 API 构建计算图。核心流程如下：\n1. **Load Model**: 读取 safetensors 权重并映射为 MLX arrays。\n2. **Preprocessing**: 对输入 prompt 进行 Tokenization。\n3. **Forward Pass**: 依次执行 Embedding -> RMSNorm -> Attention (RoPE) -> MLP。\n4. **Sampling**: 从输出概率分布中采样下一个 Token。\n5. **Decoding**: 循环上述过程直到生成结束符或达到最大长度。\n\n### 进阶功能测试 (Week 2)\n若已完成后两周内容，可体验带 KV Cache 和连续批处理的高效推理：\n```bash\npython serve.py \\\n    --model-path weights\u002Fqwen2-0.5b \\\n    --batch-size 4 \\\n    --enable-flash-attn\n```\n\n> **提示**：详细的教学文档、每章的代码实现细节及原理解析，请访问官方文档：[https:\u002F\u002Fskyzh.github.io\u002Ftiny-llm\u002F](https:\u002F\u002Fskyzh.github.io\u002Ftiny-llm\u002F)","某系统工程师希望在配备 Apple Silicon 的 MacBook 上深入理解大模型推理服务的底层原理，并从零构建一个类似 vLLM 的高效服务框架。\n\n### 没有 tiny-llm 时\n- **环境门槛高**：学习主流推理框架（如 vLLM）通常依赖 NVIDIA GPU 和复杂的 CUDA 环境配置，Mac 用户难以低成本搭建实验环境。\n- **黑盒难懂**：直接阅读成熟框架源码如同面对“黑盒”，高层 API 封装过多，难以厘清注意力机制、KV Cache 等核心组件的具体实现逻辑。\n- **理论脱节**：纸上谈兵学习 RoPE 或 Flash Attention 算法，缺乏将其转化为可运行代码的实践路径，导致知其然不知其所以然。\n- **试错成本高**：若想手动复现一个简化版推理引擎，需自行处理模型权重加载、量化矩阵乘法等繁琐细节，极易在半途因工程问题放弃。\n\n### 使用 tiny-llm 后\n- **原生 Mac 支持**：基于 MLX 框架，无需额外显卡，直接在 macOS 上利用 Python 原生数组 API 即可启动大模型推理系统的构建之旅。\n- **白盒化教学**：tiny-llm 剥离了所有高级神经网络接口，强制开发者手写 Attention、RMSNorm 等模块，将复杂的推理架构拆解为透明的代码行。\n- **渐进式实战**：通过“周计划”路线图，从第一周的基础算子实现到第二周的连续批处理与 KV Cache 优化，手把手引导完成从单条生成到并发服务的跨越。\n- **即时反馈闭环**：每章配套完整的测试用例与文档，确保在实现量化矩阵乘法或 Flash Attention 2 时能立即验证性能提升，建立深刻的工程直觉。\n\ntiny-llm 将原本晦涩的大模型推理服务技术，转化为 Mac 开发者可在一周内从零手搓实现的透明化工程课程。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fskyzh_tiny-llm_e7eddde3.png","skyzh","Alex Chi Z","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fskyzh_9a749f77.jpg","building database systems @databricks, previously @cmu-db; a bubble tea every day makes me happy right away","Databricks 🧱","Bellevue, WA, USA ⇌ Shanghai, China",null,"iskyzh","https:\u002F\u002Fskyzh.dev","https:\u002F\u002Fgithub.com\u002Fskyzh",[84,88,92,96,100],{"name":85,"color":86,"percentage":87},"Python","#3572A5",71.7,{"name":89,"color":90,"percentage":91},"C++","#f34b7d",21.8,{"name":93,"color":94,"percentage":95},"Metal","#8f14e9",4.5,{"name":97,"color":98,"percentage":99},"CMake","#DA3434",1.9,{"name":101,"color":102,"percentage":103},"Shell","#89e051",0.1,4066,303,"2026-04-07T11:28:37","Apache-2.0","macOS","非必需。主要基于 Apple Silicon (M1\u002FM2\u002FM3) 的 GPU 运行 (通过 MLX 框架)；部分章节支持 CPU 或通用 GPU 加速，未明确要求 NVIDIA CUDA 环境","未说明 (取决于加载的 Qwen2 模型大小，建议 16GB+ 以获得更好体验)",{"notes":112,"python":113,"dependencies":114},"该项目是一个教学课程，旨在从零构建 LLM 服务基础设施。核心依赖是 Apple 的 MLX 框架，因此强烈推荐在 macOS (Apple Silicon) 环境下运行。代码几乎完全基于 MLX 数组\u002F矩阵 API 编写，不使用高级神经网络 API。模型示例采用 Qwen2。","未说明 (仅提及使用 Python 实现)",[115,116],"mlx","numpy",[14,35],[119,120,121,122,123,124,125,126],"course","large-language-model","llm","python","qwen","qwen2","serving","vllm","2026-03-27T02:49:30.150509","2026-04-08T01:47:48.439083",[],[]]