[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-wangshusen--DRL":3,"tool-wangshusen--DRL":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},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。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","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},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",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},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。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"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",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"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。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","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。\n\n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。\n\n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。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":78,"owner_location":79,"owner_email":80,"owner_twitter":78,"owner_website":81,"owner_url":82,"languages":78,"stars":83,"forks":84,"last_commit_at":85,"license":86,"difficulty_score":23,"env_os":87,"env_gpu":88,"env_ram":88,"env_deps":89,"category_tags":92,"github_topics":78,"view_count":23,"oss_zip_url":78,"oss_zip_packed_at":78,"status":16,"created_at":93,"updated_at":94,"faqs":95,"releases":96},3642,"wangshusen\u002FDRL","DRL","Deep Reinforcement Learning","DRL 是一套系统化的深度强化学习开源教程与代码库，旨在帮助学习者从零掌握让智能体通过“试错”自主决策的核心技术。它解决了传统编程难以应对复杂动态环境（如游戏对战、机器人控制）的难题，通过结合深度学习强大的感知能力与强化学习的决策机制，让机器能在未知环境中自我进化。\n\n这套资源特别适合人工智能领域的研究人员、高校学生以及希望深入理解算法原理的开发者使用。与普通仅仅提供代码库的项目不同，DRL 的独特亮点在于其“理论 + 实战 + 视频”的三维教学模式。它不仅涵盖了从基础的 Q-learning、策略梯度到进阶的 Actor-Critic、TRPO 及多智能体协作等前沿主题，还为每个章节配备了详细的中文讲解视频和幻灯片。无论是想弄懂 AlphaGo 背后的逻辑，还是希望处理连续动作空间控制问题，用户都能在这里找到清晰的推导过程与实现细节，是入门及深耕深度强化学习领域的优质指南。","# Deep Reinforcement Learning\n\n\n\n\n1. **Overview.**\n\n\n    * Reinforcement Learning \n    [[slides](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F1_Basics_1.pdf)] \n    [[lecture note](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDeepLearning\u002Fblob\u002Fmaster\u002FLectureNotes\u002FDRL\u002FDRL.pdf)] \n    [[Video (in Chinese)](https:\u002F\u002Fyoutu.be\u002FvmkRMvhCW5c)].\n\n    * Value-Based Learning \n    [[slides](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F1_Basics_2.pdf)] \n    [[Video (in Chinese)](https:\u002F\u002Fyoutu.be\u002Fjflq6vNcZyA)].\n\n    * Policy-Based Learning \n    [[slides](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F1_Basics_3.pdf)] \n    [[Video (in Chinese)](https:\u002F\u002Fyoutu.be\u002FqI0vyfR2_Rc)].\n\n    * Actor-Critic Methods \n    [[slides](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F1_Basics_4.pdf)] \n    [[Video (in Chinese)](https:\u002F\u002Fyoutu.be\u002Fxjd7Jq9wPQY)].\n\n    * AlphaGo \n    [[slides](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F1_Basics_5.pdf)] \n    [[Video (in Chinese)](https:\u002F\u002Fyoutu.be\u002FzHojAp5vkRE)].\n    \n    \n\n\n\n2. **TD Learning.**\n    \n    * Sarsa\n    [[slides](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F2_TD_1.pdf)] \n    [[Video (in Chinese)](https:\u002F\u002Fyoutu.be\u002F-cYWdUubB6Q)].\n    \n    * Q-learning\n    [[slides](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F2_TD_2.pdf)] \n    [[Video (in Chinese)](https:\u002F\u002Fyoutu.be\u002FYmy2w3DGn2U)].\n    \n    * Multi-Step TD Target\n    [[slides](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F2_TD_3.pdf)] \n    [[Video (in Chinese)](https:\u002F\u002Fyoutu.be\u002FUqTP138IATc)].\n    \n    \n    \n\n\n3. **Advanced Topics on Value-Based Learning.**\n\n\n    * Experience Replay (ER) & Prioritized ER\n    [[slides](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F3_DQN_1.pdf)]\n    [[Video (in Chinese)](https:\u002F\u002Fyoutu.be\u002FrhslMPmj7SY)].\n    \n    * Overestimation, Target Network, & Double DQN\n    [[slides](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F3_DQN_2.pdf)] \n    [[Video (in Chinese)](https:\u002F\u002Fyoutu.be\u002FX2-56QN79zc)].\n    \n    * Dueling Networks\n    [[slides](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F3_DQN_3.pdf)]\n    [[Video (in Chinese)](https:\u002F\u002Fyoutu.be\u002FDBux6cA0EoM)].\n\n\n\n\n4. **Policy Gradient with Baseline.**\n\n\n    * Policy Gradient with Baseline\n    [[slides](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F4_Policy_1.pdf)]\n    [[Video (in Chinese)](https:\u002F\u002Fyoutu.be\u002FyNEqbptitZs)].\n    \n    * REINFORCE with Baseline\n    [[slides](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F4_Policy_2.pdf)]\n    [[Video (in Chinese)](https:\u002F\u002Fyoutu.be\u002FOb78ADXTQNo)].\n    \n    * Advantage Actor-Critic (A2C)\n    [[slides](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F4_Policy_3.pdf)]\n    [[Video (in Chinese)](https:\u002F\u002Fyoutu.be\u002FmtT4TSGSon8)].\n    \n    * REINFORCE versus A2C\n    [[slides](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F4_Policy_4.pdf)]\n    [[Video (in Chinese)](https:\u002F\u002Fyoutu.be\u002FhN9WMIMMeAI)].\n    \n\n\n5. **Advanced Topics on Policy-Based Learning.**\n    \n    * Trust-Region Policy Optimization (TRPO)\n    [[slides](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F5_Policy_1.pdf)]\n    [[Video (in Chinese)](https:\u002F\u002Fyoutu.be\u002FfcSYiyvPjm4)].\n    \n    * Partial Observation and RNNs.\n\n\n\n6. **Dealing with Continuous Action Space.**\n\n\n    * Discrete versus Continuous Control\n    [[slides](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F6_Continuous_1.pdf)]\n    [[Video (in Chinese)](https:\u002F\u002Fyoutu.be\u002FrRIjgdxSvg8)].\n\n    * Deterministic Policy Gradient (DPG) for Continuous Control\n    [[slides](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F6_Continuous_2.pdf)] \n    [[Video (in Chinese)](https:\u002F\u002Fyoutu.be\u002FcmWejKRWLA8)].\n\n    * Stochastic Policy Gradient for Continuous Control\n    [[slides](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F6_Continuous_3.pdf)] \n    [[Video (in Chinese)](https:\u002F\u002Fyoutu.be\u002FMcqFyl_W5Wc)].\n    \n    \n\n7. **Multi-Agent Reinforcement Learning.**\n\n\n    * Basics and Challenges \n    [[slides](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F7_MARL_1.pdf)] \n    [[Video (in Chinese)](https:\u002F\u002Fyoutu.be\u002FKN-XMQFTD0o)].\n\n    * Centralized VS Decentralized \n    [[slides](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F7_MARL_2.pdf)] \n    [[Video (in Chinese)](https:\u002F\u002Fyoutu.be\u002F0HV1hsjd1y8)].\n\n\n\n8. **Imitation Learning.**\n\n\n    * Inverse Reinforcement Learning.\n    \n    * Generative Adversarial Imitation Learning (GAIL).\n\n\n","# 深度强化学习\n\n\n\n\n1. **概述。**\n\n\n    * 强化学习 \n    [[课件](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F1_Basics_1.pdf)] \n    [[讲义](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDeepLearning\u002Fblob\u002Fmaster\u002FLectureNotes\u002FDRL\u002FDRL.pdf)] \n    [[视频（中文）](https:\u002F\u002Fyoutu.be\u002FvmkRMvhCW5c)]。\n\n    * 基于价值的学习 \n    [[课件](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F1_Basics_2.pdf)] \n    [[视频（中文）](https:\u002F\u002Fyoutu.be\u002Fjflq6vNcZyA)]。\n\n    * 基于策略的学习 \n    [[课件](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F1_Basics_3.pdf)] \n    [[视频（中文）](https:\u002F\u002Fyoutu.be\u002FqI0vyfR2_Rc)]。\n\n    * 策略-价值方法 \n    [[课件](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F1_Basics_4.pdf)] \n    [[视频（中文）](https:\u002F\u002Fyoutu.be\u002Fxjd7Jq9wPQY)]。\n\n    * AlphaGo \n    [[课件](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F1_Basics_5.pdf)] \n    [[视频（中文）](https:\u002F\u002Fyoutu.be\u002FzHojAp5vkRE)]。\n    \n    \n\n\n\n2. **TD学习。**\n    \n    * Sarsa\n    [[课件](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F2_TD_1.pdf)] \n    [[视频（中文）](https:\u002F\u002Fyoutu.be\u002F-cYWdUubB6Q)]。\n    \n    * Q-learning\n    [[课件](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F2_TD_2.pdf)] \n    [[视频（中文）](https:\u002F\u002Fyoutu.be\u002FYmy2w3DGn2U)]。\n    \n    * 多步TD目标\n    [[课件](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F2_TD_3.pdf)] \n    [[视频（中文）](https:\u002F\u002Fyoutu.be\u002FUqTP138IATc)]。\n    \n    \n    \n\n\n3. **基于价值学习的高级主题。**\n\n\n    * 经验回放（ER）与优先经验回放\n    [[课件](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F3_DQN_1.pdf)]\n    [[视频（中文）](https:\u002F\u002Fyoutu.be\u002FrhslMPmj7SY)]。\n    \n    * 过估计、目标网络与双DQN\n    [[课件](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F3_DQN_2.pdf)] \n    [[视频（中文）](https:\u002F\u002Fyoutu.be\u002FX2-56QN79zc)]。\n    \n    * 决斗网络\n    [[课件](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F3_DQN_3.pdf)]\n    [[视频（中文）](https:\u002F\u002Fyoutu.be\u002FDBux6cA0EoM)]。\n\n\n\n4. **带有基线的策略梯度。**\n\n\n    * 带有基线的策略梯度\n    [[课件](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F4_Policy_1.pdf)]\n    [[视频（中文）](https:\u002F\u002Fyoutu.be\u002FyNEqbptitZs)]。\n    \n    * 带有基线的REINFORCE\n    [[课件](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F4_Policy_2.pdf)]\n    [[视频（中文）](https:\u002F\u002Fyoutu.be\u002FOb78ADXTQNo)]。\n    \n    * 优势策略-价值方法（A2C）\n    [[课件](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F4_Policy_3.pdf)]\n    [[视频（中文）](https:\u002F\u002Fyoutu.be\u002FmtT4TSGSon8)]。\n    \n    * REINFORCE与A2C对比\n    [[课件](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F4_Policy_4.pdf)]\n    [[视频（中文）](https:\u002F\u002Fyoutu.be\u002FhN9WMIMMeAI)]。\n    \n\n\n5. **基于策略学习的高级主题。**\n    \n    * 信任区域策略优化（TRPO）\n    [[课件](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F5_Policy_1.pdf)]\n    [[视频（中文）](https:\u002F\u002Fyoutu.be\u002FfcSYiyvPjm4)]。\n    \n    * 部分可观测环境与RNN。\n\n\n\n6. **处理连续动作空间。**\n\n\n    * 离散控制与连续控制\n    [[课件](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F6_Continuous_1.pdf)]\n    [[视频（中文）](https:\u002F\u002Fyoutu.be\u002FrRIjgdxSvg8)]。\n\n    * 连续控制的确定性策略梯度（DPG）\n    [[课件](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F6_Continuous_2.pdf)] \n    [[视频（中文）](https:\u002F\u002Fyoutu.be\u002FcmWejKRWLA8)]。\n\n    * 连续控制的随机策略梯度\n    [[课件](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F6_Continuous_3.pdf)] \n    [[视频（中文）](https:\u002F\u002Fyoutu.be\u002FMcqFyl_W5Wc)]。\n    \n    \n\n7. **多智能体强化学习。**\n\n\n    * 基础知识与挑战 \n    [[课件](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F7_MARL_1.pdf)] \n    [[视频（中文）](https:\u002F\u002Fyoutu.be\u002FKN-XMQFTD0o)]。\n\n    * 集中式与分布式 \n    [[课件](https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL\u002Fblob\u002Fmaster\u002FSlides\u002F7_MARL_2.pdf)] \n    [[视频（中文）](https:\u002F\u002Fyoutu.be\u002F0HV1hsjd1y8)]。\n\n\n\n8. **模仿学习。**\n\n\n    * 反向强化学习。\n    \n    * 生成对抗模仿学习（GAIL）。","# DRL (Deep Reinforcement Learning) 快速上手指南\n\n本指南基于王树森教授的开源深度学习强化学习课程资源整理，旨在帮助开发者快速掌握核心算法理论与代码实现。\n\n## 1. 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：Linux (推荐 Ubuntu 18.04+), macOS, 或 Windows (需配置 WSL2)。\n*   **Python 版本**：Python 3.6 或更高版本（推荐 3.8+）。\n*   **核心依赖**：\n    *   `PyTorch` 或 `TensorFlow` (根据具体代码分支选择，通常以 PyTorch 为主)\n    *   `NumPy`\n    *   `Gym` \u002F `Gymnasium` (强化学习环境)\n    *   `Matplotlib` (用于绘图展示)\n\n建议创建一个独立的虚拟环境以避免依赖冲突：\n\n```bash\npython -m venv drl_env\nsource drl_env\u002Fbin\u002Factivate  # Windows 用户请使用: drl_env\\Scripts\\activate\n```\n\n## 2. 安装步骤\n\n### 安装基础依赖\n使用 pip 安装必要的 Python 库。国内用户推荐使用清华源或阿里源加速下载：\n\n```bash\npip install torch numpy matplotlib gymnasium -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n### 获取项目代码\n克隆仓库到本地：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fwangshusen\u002FDRL.git\ncd DRL\n```\n\n> **注意**：本项目主要包含算法实现的源代码（`.py` 文件）、幻灯片（Slides）和讲义。部分章节可能需要根据具体的子文件夹结构运行对应的脚本。\n\n## 3. 基本使用\n\n本项目按算法模块组织，每个模块包含理论幻灯片、中文讲解视频链接及对应的代码实现。以下是运行一个典型价值基学习（Value-Based Learning）示例的流程。\n\n### 学习路径概览\n项目内容分为八大模块，建议按顺序学习：\n1.  **基础概述**：RL 基础、值函数、策略梯度、Actor-Critic、AlphaGo。\n2.  **TD 学习**：Sarsa, Q-learning, Multi-Step TD。\n3.  **DQN 进阶**：经验回放、Double DQN、Dueling Networks。\n4.  **策略梯度**：REINFORCE, A2C。\n5.  **策略进阶**：TRPO, RNN 处理部分观测。\n6.  **连续动作空间**：DPG, 随机策略梯度。\n7.  **多智能体强化学习 (MARL)**。\n8.  **模仿学习**：逆强化学习，GAIL。\n\n### 运行示例：Q-Learning\n假设您想运行第 2 章中关于 **Q-learning** 的示例代码（通常位于 `Chapter2` 或类似命名的目录下，具体文件名请参考仓库内实际结构）：\n\n1.  进入对应章节目录（以实际目录结构为准，此处为示例路径）：\n    ```bash\n    cd Chapter2_TD_Learning\n    ```\n\n2.  运行 Q-learning 训练脚本：\n    ```bash\n    python q_learning.py\n    ```\n\n3.  运行后，程序通常会初始化一个 Gym 环境（如 `CartPole-v1`），进行训练并输出奖励曲线或展示训练后的代理行为。\n\n### 结合理论学习\n在运行代码的同时，强烈建议配合官方提供的中文视频和幻灯片进行深入理解：\n\n*   **查看幻灯片**：直接打开 `Slides\u002F2_TD_2.pdf` 阅读 Q-learning 原理。\n*   **观看视频**：访问 [Q-learning 中文讲解视频](https:\u002F\u002Fyoutu.be\u002FYmy2w3DGn2U) 跟随作者思路。\n\n### 运行其他算法\n对于更复杂的算法（如 DQN, A2C, TRPO），操作逻辑相同：\n1.  定位到对应章节文件夹（如 `Chapter3_DQN`, `Chapter4_Policy`）。\n2.  执行该文件夹下的主训练脚本（通常为 `train.py` 或以算法命名的 `.py` 文件）。\n3.  观察控制台输出的 Episode Reward 变化，验证模型收敛情况。\n\n---\n*提示：由于本仓库侧重于教学演示，代码结构清晰但可能未封装为统一的 CLI 工具。请直接阅读各章节下的 `.py` 源码以了解具体的参数配置和环境设置。*","某自动驾驶初创团队正在开发城市复杂路口的智能决策系统，需要车辆在没有明确规则指引的混合交通流中自主完成左转博弈。\n\n### 没有 DRL 时\n- 依赖工程师手工编写数百条“如果 - 那么”规则，难以覆盖行人突然横穿或前车急刹等长尾场景，导致系统频繁急停。\n- 面对连续变化的车速和转向角度，传统的离散控制算法只能做出生硬的阶梯式调整，乘客体验极差且能耗高。\n- 无法有效处理多车交互博弈，车辆在路口往往因过度保守而长时间等待，严重降低通行效率。\n- 每次发现新场景漏洞都需要人工复盘并重新编码，迭代周期长达数周，无法适应快速变化的路况数据。\n\n### 使用 DRL 后\n- 利用深度强化学习让模型在仿真环境中自我博弈数百万次，自动习得应对突发状况的策略，显著减少非必要的急停。\n- 借助连续动作空间控制算法（如 DPG），车辆能输出平滑细腻的油门与转向指令，实现拟人化的流畅驾驶。\n- 通过多智能体强化学习机制，车辆学会预测周边车辆意图并进行动态博弈，在保证安全的前提下大幅提升路口通过率。\n- 建立端到端的训练流水线，新采集的路况数据可直接用于微调模型，将策略迭代周期从数周缩短至数小时。\n\nDRL 将自动驾驶决策从僵硬的规则堆砌进化为具备持续自我演进能力的智能体，真正解决了复杂动态环境下的实时博弈难题。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fwangshusen_DRL_28b9cdb2.png","wangshusen","Shusen Wang","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fwangshusen_5ec3faab.jpg",null,"New Jersey, USA","wssatzju@gmail.com","http:\u002F\u002Fwangshusen.github.io\u002F","https:\u002F\u002Fgithub.com\u002Fwangshusen",4573,677,"2026-04-05T03:06:34","NOASSERTION","","未说明",{"notes":90,"python":88,"dependencies":91},"该仓库主要为深度强化学习（DRL）的教学资料，包含幻灯片（PDF）和中文视频教程链接。README 中未提供具体的代码运行环境、依赖库或安装指南。用户需参考对应的视频或幻灯片内容，或查看仓库中具体代码文件的头部注释以获取实现细节。",[],[13,54],"2026-03-27T02:49:30.150509","2026-04-06T05:32:26.932629",[],[]]