01

Happy-LLM

国内 Datawhale 开源组织出品，本盘点有好多开源教程都是 Datawhale 制作的，感谢 Datawhale 在 AI 知识开源领域做的贡献。

 Happy-LLM 带你快乐学习大模型（LLM）。现在已经在 GitHub 上斩获 4.8K 的 Star。

一个系统性的大模型学习教程，从 NLP 基础概念出发，逐步剖析 Transformer 架构、预训练模型原理及 LLM 训练全流程。

项目通过动手实现 LLaMA2 模型、训练 Tokenizer 和应用前沿技术（如RAG、Agent），帮助开发者深入理解 LLM 核心原理并掌握实战技能。

开源地址：https://github.com/datawhalechina/happy-llm

02

LLM-Universe

LLM-Universe 是面向小白的 LLM 应用开发课程，现在获得了 8.8k 的 Star，基于阿里云服务器实现个人知识库助手项目。

内容涵盖API调用（GPT、文心、讯飞）、Prompt 工程、向量数据库搭建及 Streamlit 部署，通过实战项目串联大模型开发全流程。

开源地址：https://github.com/datawhalechina/llm-universe

03

LLM-Action

聚焦大模型工程化与应用落地的开源项目，涵盖训练（全量/LoRA微调）、推理优化（vLLM/TensorRT-LLM）、压缩（量化/剪枝）及安全攻防。

提供 Alpaca、ChatGLM 等模型的复现教程和性能评测方案，现在已经获得了 18.9K 的 Star。

开源地址：https://github.com/liguodongiot/llm-action

04

AI Engineering Hub

这个叫做 ai-engineering-hub 的开源项目已经在 GitHub 上获得 13.1K 的 Star。

包含大模型、RAG 和 AI 智能体应用搭建等一系列教程。这个项目不是什么高深莫测的研究论文，而是一个深度教程与实践案例的集合库。

开源地址：https://github.com/patchy631/ai-engineering-hub

牛的是，他们直接把核心教程整理成了一本 500 多页的 PDF。

这本精心整理的“工具箱+说明书”，专注于提供深入、可操作的指南，教你如何将前沿的 AI 技术（特别是围绕像 DeepSeek、Llama、Gemma 这样的开源大模型）应用到真实世界的场景中。

05

Self-LLM

又是国内 Datawhale 团队出品，这是专为中国开发者设计的开源大模型实战指南，目前获得了 19.8K 的 Star。

提供 Linux 环境下全参数/LoRA微调、多模态模型部署教程。

项目简化开源模型（如LLaMA、ChatGLM）的本地部署流程，包含环境配置、高效微调方法和私域模型定制化实践。

开源地址：https://github.com/datawhalechina/self-llm

06

LLM Cookbook

LLM Cookbook 斩获 20.1K 的 Star。

基于吴恩达大模型课程的中文实践教程，覆盖 Prompt Engineering、RAG 开发和模型微调全流程。

项目提供双语代码示例和分级课程（必修/选修），适合国内开发者快速入门 LLM 应用开发，强调中文 Prompt 设计与 API 调用优化。

开源地址：https://github.com/datawhalechina/llm-cookbook

07

复现小 GPT

零门槛训练专属 AI 大模型，23K Star 爆火开源项目项目 MiniMind来了！🌟

这个开源神器让普通开发者用家用电脑，3 小时就能从零训出 26MB 超轻量 GPT！最小体积仅为 GPT-3 的 1/7000，3090 显卡轻松拿捏~

开源地址：https://github.com/jingyaogong/minimind

它从预训练、指令微调到 LoRA 适配、DPO 对齐，完整复现大模型工业化流程。集成Transformer 解码器+旋转位置编码，甚至支持 MoE 混合专家模型提升性能。

所有核心算法代码均从 0 使用 PyTorch 原生重构！不依赖第三方库提供的抽象接口。这不仅是大语言模型的全阶段开源复现，也是一个入门LLM的教程。

08

LLM Course

分为LLM基础、模型构建和应用部署三部分，提供 Transformer 原理、微调技巧（QLoRA/DPO）和 RAG 优化等实战内容。已经获得了 56k+ 的 Star。

包含大量 Colab 代码和工具（如AutoQuant、LazyMergekit），适合进阶学习模型训练与部署。

开源地址：https://github.com/mlabonne/llm-course

09

Generative AI for Beginners

微软开源，现在已经获得 87K 的 Star！

微软推出的 21 课生成式 AI 入门课程，涵盖 Prompt 工程、文本/图像应用开发、RAG和 Agent 集成。

结合 Python 代码示例，强调负责任AI使用和低代码工具（如Gradio），适合零基础开发者。

开源地址：https://github.com/microsoft/generative-ai-for-beginners

我们该怎样系统的去转行学习大模型 ？

很多想入行大模型的人苦于现在网上的大模型老课程老教材，学也不是不学也不是，基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近100余次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来： 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​

一、大模型经典书籍（免费分享）

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套大模型报告（免费分享）

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、大模型系列视频教程（免费分享）

四、2025最新大模型学习路线（免费分享）

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调。

L5阶段：专题集丨特训篇 【录播课】

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方二维码，免费领取

​