@Jolyne_AI: 在 GitHub 上挖到一套很扎实的大模型实战教程:《动手做大模型系列》,带你从零把完整技术栈打通。 它用「视频 + 文档 + 代码」的组合,把微调、部署、RAG、Agent 等关键能力串成一条可复现的学习路径:每个知识点都能直接上手做,…
摘要
推荐GitHub上的《动手做大模型系列》教程,通过视频、文档和代码系统讲解大模型微调、部署、RAG、Agent等实战技术,适合AI开发者提升工程能力。
查看缓存全文
缓存时间: 2026/07/03 04:29
在 GitHub 上挖到一套很扎实的大模型实战教程:《动手做大模型系列》,带你从零把完整技术栈打通。
它用「视频 + 文档 + 代码」的组合,把微调、部署、RAG、Agent 等关键能力串成一条可复现的学习路径:每个知识点都能直接上手做,学完就能落到项目里。
GitHub:http://github.com/echonoshy/cgft-llm…
你会学到:
- 大模型微调与部署:llama-factory、llama.cpp、vllm 等主流工具实战跑通
- RAG 技术栈:llama-index、graph-rag 等检索增强生成方案,从搭建到优化
- Agent 开发:function calling、工作流设计,手把手构建可用智能体
- 工程化流程:从数据标注到上线交付,完整项目链路不缺环
- 面试指导:算法岗技术路线图 + 面试经验,少走弯路
- 创意项目:多人播客工具、换声引擎等应用实战,做出可展示的作品
每个主题都有清晰文档和配套代码,适合想系统提升大模型实战能力、把技术真正做出来的 AI 开发者。
echonoshy/cgft-llm
Source: https://github.com/echonoshy/cgft-llm
多平台同步与生态收录
本项目不仅在 GitHub 持续迭代,也已同步入驻 AtomGit 开源社区()。
同时,我们很荣幸被 ShyPD AI Tools 收录,与众多优秀的 AI 工具共同探索前沿技术。
📌 动手做大模型系列
如果你在实操的过程中遇到问题,请在对应的视频下方留言。 复现遇到bug,请描述:
- 运行环境
- 对应的代码、日志和报错截图
如果你不太了解如何提出一个好问题,请花几分钟阅读一下这个,相信我,可能并不能改变什么(不是)。
How-To-Ask-Questions-The-Smart-Way
📑 快速导航
📒 1. Agent 智能体系统
探索 Agent 架构设计与系统落地,最新连载中…
| 序号 | 项目 | 代码文档 | 视频教程 | 时长 |
|---|---|---|---|---|
| 3 | 用户沙箱agent系统 | 文档 | 18:52 | |
| 2 | AI记忆与上下文 | 文档 | 26:43 | |
| 1 | Agent 服务架构设计 | 文档 | 7:32 |
💡 2. 大模型核心技术
涵盖大模型微调、部署、RAG、工作流等核心实战。
| 序号 | 项目 | 代码文档 | 视频教程 | 时长 |
|---|---|---|---|---|
| 21 | fastmcp 实现mcp服务端和客户端 | 文档 | 26:01 | |
| 20 | langfuse llm服务监控平台 | 文档 | 26:15 | |
| 19 | 构建高效RAG知识库 | 文档 | 37:41 |
点击展开查看往期 1~18 期内容
| 序号 | 项目 | 代码文档 | 视频教程 | 时长 |
|---|---|---|---|---|
| 18 | milvus向量数据库 | 文档 | 28:13 | |
| 17 | tool-call原理及极简browser-use实现 | 文档 | 14:47 | |
| 16 | deepseek-r1模型微调和训练数据构造 | 文档 | 14:01 | |
| 15 | rpa自动化结合LLM workflow | 文档 | 13:20 | |
| 14 | dify实现Agent和LLM Workflow | 文档 | 59:23 | |
| 13 | AI算法项目开发流程及实例 | 文档 | 34:43 | |
| 12 | AI标注流程及label studio框架 | 文档 | 20:00 | |
| 11 | 大模型算法岗非技术答疑 | 文档 | 16:00 | |
| 10 | 大模型学习路径及面试 | 文档 | 25:01 | |
| 9 | function-calling 自动发邮件 | 文档 | 23:10 | |
| 8 | mkdocs+readthedocs部署项目文档 | 文档 | 11:25 | |
| 7 | graph-rag本地部署 | 文档 | 23:23 | |
| 6 | llama-index实现RAG | 文档 | 21:48 | |
| 5 | vllm部署工具及paged attention | 文档 | 40:28 | |
| 4 | ollama大模型部署工具介绍 | 文档 | 21:28 | |
| 3 | llama.cpp进行轻量化部署和量化 | 文档 | 46:37 | |
| 2 | 训练数据整理以及微调优化建议 | 文档 | 20:13 | |
| 1 | 使用llama-factory微调llama3 | 文档 | 35:28 |
🛠️ 3. 动手加入开源
主要讲开源项目规范的一些内容。
| 序号 | 项目 | 代码文档 | 视频教程 | 时长 |
|---|---|---|---|---|
| 4 | 代码测试:pytest | 文档 | 11:21 | |
| 3 | 代码提交检查:pre-commit | 文档 | 11:21 | |
| 2 | python工程实践 · 代码规范:ruff | 文档 | 21:50 | |
| 1 | python工程实践 · 依赖管理:uv | 文档 | 24:11 |
📦 4. 模块知识专题系列
专题系列会以多个视频介绍同一个主题,分P的形式展示,即共用一个视频链接。
| 序号 | 项目 | 代码文档 | 视频教程 | 时长 |
|---|---|---|---|---|
| 3 | docker 容器化部署(已完结) | 文档 | 62:59 | |
| 2 | gradio 使用python构建并分享AI应用(已完结) | 文档 | 70:51 | |
| 1 | kaggle 大模型竞赛系列(更新至01期) | 文档 | 25:41 |
🚀 5. 不着调的 AI 项目
将一些脑洞大开的点子落地成 AI 项目的不着调专题。
| 序号 | 项目 | 代码文档 | 视频教程 | 时长 |
|---|---|---|---|---|
| 3 | 猎空: LLM+微信自动化资讯机器人 | tracer | 15:11 | |
| 2 | 听舒: 换声引擎-用作者的声音读自传 | tingshu | 4:16 | |
| 1 | D.Va: 基于deepseek优化的端到端多人播客工具 | d.va | 13:42 |
🎈 6. 番外篇
懒得分类的技术合集。
| 序号 | 项目 | 代码文档 | 视频教程 | 时长 |
|---|---|---|---|---|
| 1 | B站实现动态转发抽奖 | 文档 | 4:40 |
相似文章
@XAMTO_AI: 别再收藏那些看着热闹、用不上的 AI 教程了。 这本 《动手学大模型》 才是真正需要的——开源、免费、代码能跑。 全书 12 章,手把手带你走完大模型落地的完整流程: ① 语言模型基础 ② 提示词工程 ③ 语义搜索 ④ 模型微调 ⑤ 多模…
推荐一本开源免费的《动手学大模型》教程,涵盖语言模型基础、提示词工程、语义搜索、模型微调、多模态应用等12章,所有代码可直接在Colab中运行。
@wsl8297: 分享一本通俗好读的开源书《大模型基础》。 从大语言模型入门到架构演化,再到 Prompt 工程、参数高效微调、模型编辑、检索增强生成(RAG)等关键技术,一本串起来。 GitHub:https://github.com/ZJU-LLMs/…
浙江大学团队开源了一本通俗易懂的大模型教材《大模型基础》,涵盖从架构演化到RAG等关键技术,并附带Agent-Kernel多智能体框架。
@Jolyne_AI: 一本开源实战书:《Hands-On Large Language Models》(《动手学大模型》)。 全书 12 章,从语言模型基础到提示词工程、语义搜索、模型微调,再到多模态应用,循序渐进,覆盖大模型落地的关键路径。 GitHub:h…
一本开源实战书《Hands-On Large Language Models》(《动手学大模型》),全书12章,覆盖语言模型基础、提示词工程、语义搜索、模型微调及多模态应用,提供可运行代码示例,适合实战学习。
@NFTCPS: 兄弟们,搞AI不搞大模型,等于白干! 今天必须给你们安利一本开源神书《大模型基础》,别等了,看它就够了! 这书不跟你整那些虚的,一招打透!从大语言模型入门到架构演化,再一口气给你拆解Prompt工程、参数高效微调、模型编辑、RAG(检索增…
该文章推广了开源书籍《大模型基础》,系统讲解大语言模型相关知识,并介绍了多智能体开发框架Agent-Kernel。
@FakeMaidenMaker: 兄弟们,又挖到一个 AI 工程实战宝藏,叫 Hands-On-AI-Engineering 刚开源就冲了 2.3K star,一个仓库塞了 50 多个能直接跑起来的真实 AI 项目。 它最实用的地方是不讲空泛理论,每个项目都是一个完整的小…
推荐了一个刚开源就获得2.3K star的GitHub仓库Hands-On-AI-Engineering,内含50多个可直接运行的AI项目,涵盖RAG、AI agent、OCR等类别,每个项目都提供完整代码和说明,适合实战学习。