LLM Cookbook

LMs-from-scratch 是一个由开发者 rasbt 开发的开源项目，旨在通过 PyTorch 从零开始构建类似 ChatGPT 的大型语言模型（LLM）。该项目是一个教育性质的开源项目，提供详细教程和代码，帮助学习者逐步理解并实践构建 LLM 的全过程。项目包含从数据预处理到模型训练和部署的完整步骤，所有代码均基于 PyTorch 编写，适合快速实验和开发。项目鼓励开发者亲自运行和修改代码，实现互动式学习，深入理解语言模型的内部机制。该项目不仅是一个代码库，更是一个学习平台，适合对人工智能和自然语言处理感兴趣的开发者。开源地址为：https://github.com/rasbt/LLMs-from-scratch 。 LLMs-from-scratch开源项目官网入口网址：https://github.com/rasbt/LLMs-from-scratchLLMs-from-scratch中文翻译项目入口网址：https://github.com/datawhalechina/llms-from-scratch-cn 该项目的教育价值在于，它强调通过动手实践来深入理解大型语言模型的工作原理。正如 Sebastian Raschka 在其著作《Build a Large Language Model (From Scratch)》中所强调的，从零开始构建 LLM 是理解其机制和局限性的最佳方式。通过亲手实现预训练和微调函数，学习者可以更深入地掌握 LLM 的核心原理和应用。此外，该项目还提供了丰富的资源，如在线课程、博客和 GitHub 仓库，为学习者提供持续的学习支持。 LLMs-from-scratch 项目不仅是一个技术实践平台，也是一个促进社区交流和知识共享的平台。它鼓励开发者通过开源的方式分享知识和经验，推动 LLM 技术的发展和普及。

《The Book of Secret Knowledge》是一个开源项目，旨在收集和整理各种实用工具、资源、技巧和最佳实践，以帮助开发者、系统管理员、DevOps、安全研究人员等技术爱好者提高工作效率和知识水平。该项目由Trimstray发起并维护，采用开源模式，鼓励社区参与和贡献。 The Book of Secret Knowledge开源项目地址：https://github.com/trimstray/the-book-of-secret-knowledge 该项目的内容涵盖了从基础命令行工具到高级网络安全技术的广泛领域，包括系统管理、DevOps、渗透测试、安全研究、编程语言、开发工具等。项目内容以Markdown格式编写，易于阅读和编辑，用户可以通过GitHub平台进行贡献和更新。 《The Book of Secret Knowledge》项目不仅是一个知识的集合，更是一个持续更新的资源库，旨在为技术社区提供一个一站式的学习和资源获取平台。项目鼓励用户参与贡献，共同打造一个更加丰富和实用的资源库。 《The Book of Secret Knowledge》项目在GitHub上获得了较高的关注度，其GitHub仓库地址为：https://github.com/trimstray/the-book-of-secret-knowledge。

Vibe Coding 中文指南（vibe-coding-cn）是托管在 GitHub 的开源本土化编程方法论知识库，聚焦 氛围编程（Vibe Coding）落地实践，由国内开发者整理翻译、迭代更新，是目前国内认可度较高的 AI 协作编程实操手册，项目收获数千 Star 收藏量，面向国内零基础学习者与职场程序员优化内容，补齐原版英文资料本土化缺失问题。 VibeCoding指南开源项目官网入口网址：https://github.com/2025Emma/vibe-coding-cn Vibe Coding 概念最早由前 OpenAI 联合创始人 Andrej Karpathy 在 2025 年提出，核心是依托大模型 AI，开发者以自然语言描述开发需求，由 AI 完成代码生成、调试、优化，使用者从逐行手写代码转变为需求决策者与结果验收者，摒弃传统编程死记语法、逐行编码的模式，而 vibe-coding-cn 项目则把抽象概念落地成标准化流程、提示词库、项目模板，打通从想法到产品落地的全链路实操路径，并非单一开发软件或编程框架，而是一套完整 AI 结对编程工作规范集合。项目文档涵盖主流 AI 工具适配方案（Cursor、Claude、GPT 系列）、多编程语言模板、避坑经验，填补国内氛围编程系统化学习资源空白。 主要功能特点系统化方法论输出：以 “规划先行” 为核心准则，拆解项目立项→架构设计→代码生成→测试部署全流程，纠正新手滥用 AI 导致代码混乱、项目失控的通病，细化不同规模项目的开发规范，区分小型 Demo、中型工具、简易商用项目三种开发逻辑。海量本地化提示词资源：整理经过实战验证的中文 Prompt 库，分前端、后端、爬虫、数据分析、小程序五大分类，解决原生英文提示词水土不服、中文需求描述 AI 理解偏差的痛点，附带提示词迭代优化技巧。多语言项目模板库：内置 Python、Java、JavaScript、Swift 等常用编程语言开箱即用模板，包含 CRUD 系统、H5 网页、桌面小工具、微信小程序基础架构，使用者可基于模板让 AI 快速迭代功能，省去从零搭建项目目录成本。分层 AI 选型指导：沿用 Karpathy 三层协作逻辑（顺境 Cursor 做局部补全、逆境 Claude 实现功能模块、绝境 GPT 处理疑难 Bug），结合国内可访问 AI 产品补充替代方案，根据开发难度匹配对应大模型，优化资源使用成本。错误排查与调试手册：汇总 AI 生成代码高频 bug 清单，包含语法报错、逻辑冲突、环境适配异常等问题，附自然语言纠错话术，不用通读源码即可引导 AI 自主修复故障代码。优势亮点第一，本土化适配优势，原版 Vibe Coding 资料全英文，vibe-coding-cn 全部汉化内容，适配国内开发环境、服务器部署规则、国产 AI 大模型，新手不用翻越语言门槛即可落地学习；第二，零门槛入门导向，摒弃传统编程从语法入门的冗长学习路径，教程优先训练需求描述能力，零基础人群可在短时间完成可用小产品开发，打破编程必须熟记编程语言语法的固有认知；第三，开源免费可持续更新，项目开源免费开放下载，开发者可自由 fork、二次修改，社区持续更新最新 AI 工具适配内容，紧跟大模型迭代节奏，定期补充新兴框架（如 React、UniApp）配套模板；第四，落地导向而非空谈理论，文档每个知识点搭配真实落地案例，例如潮汐查询小程序、图片处理小工具等完整项目实操，学习者跟着案例复刻就能掌握开发逻辑，避免纸上谈兵；第五，兼顾新手与资深程序员，零基础用户侧重快速做原型，资深开发侧重借助规范提升项目开发效率、减少重复编码工作，兼顾不同层级使用者需求。适用人群与场景适用人群编程零基础创业者 / 兴趣爱好者：无代码基础，但有产品创意，想要低成本快速落地小程序、网页小工具、桌面应用，验证创业想法，如个体商家开发订单统计小程序、手工博主做产品展示网页；在职非技术岗从业者：产品、运营、市场、教师、科研人员，需要自制简易自动化工具、教学小游戏、数据统计脚本，不用求助开发团队即可自主实现需求；初级程序员与在校学生：在校计算机专业学生快速练手项目、积累毕业设计素材；初级开发借助 AI 加速业务开发，学习 AI 协作编程思路，提升开发效率；资深全栈工程师：处理临时原型需求、快速做技术验证 Demo，把重复性 CRUD、接口编写交给 AI，聚焦架构设计与核心业务逻辑开发。适用落地场景推荐场景：产品原型 MVP 开发、中小型网页 / 小程序、自动化脚本、数据分析小工具、教学互动软件、个人副业小应用、内部办公系统；这类场景需求灵活、迭代频繁，Vibe Coding 可以大幅缩短开发周期，数小时即可产出可用版本。不适用场景：金融交易系统、医疗核心管控软件、底层操作系统、高并发大型分布式项目；此类项目对代码严谨性、安全性、可维护性要求极高，AI 生成代码难以满足合规与稳定性标准，不适合纯氛围编程开发。使用步骤（依托 vibe-coding-cn 指南标准流程）前期规划阶段：查阅指南中的项目规划模板，用自然语言梳理产品功能清单、技术选型、目录架构，完成需求文档，严格遵循 “先定架构，后生成代码” 准则，避免 AI 随意生成杂乱文件结构；工具准备：依据指南 AI 分层方案，按需安装 Cursor 编辑器、配置 Claude/GPT 接口，新手优先选用指南推荐免费国产大模型替代方案，降低工具使用成本；提示词调用：从项目提示词库匹配对应开发场景 Prompt，微调自身业务需求描述，向 AI 下达生成基础代码指令，优先基于项目内置模板生成初始工程文件；迭代调试：运行 AI 生成代码，出现报错后对照故障手册，用指南提供的纠错话术反馈 AI，引导其修改代码，反复测试直至功能正常运行；小问题用 Cursor 局部修改，复杂逻辑更换高阶大模型处理；优化与部署：参照部署教程，完成项目打包、服务器上线，同时记录开发问题，可在开源项目社区提交反馈，补充新案例与优化建议，反哺项目更新迭代。优缺点总结 优点 大幅降低开发门槛与试错成本，零基础也能落地产品，创意落地周期从数月缩短至数天甚至数小时，个体开发者、小微企业无需高薪聘请程序员即可自研工具，节省开发开支；释放人力聚焦创意与产品设计，重复性编码、基础配置工作交由 AI 处理，开发者从繁杂语法编码中脱身，专注产品功能打磨、用户体验优化；学习效率提升，新手在实战中同步学习代码逻辑，对照 AI 生成的成品代码反向理解编程语法，相比传统课本学习更具象高效；开源指南资源完善，vibe-coding-cn 配套资料齐全，遇到问题可查阅文档或社区答疑，自学成本极低。 缺点 大型核心项目局限性明显，AI 生成代码普遍存在冗余、隐藏漏洞，缺少底层逻辑把控时，长期项目会积累大量技术债，后期重构维护成本高昂；使用者易出现 “代码黑盒问题”，部分开发者过度依赖 AI，完全不理解底层代码逻辑，遇到突发底层故障无法自主排查，只能继续依赖 AI 修复；大模型依赖与成本限制，高阶功能开发需要付费大模型接口，长期高频调用会产生服务费，免费模型在复杂需求下代码生成质量不稳定；安全隐患不可忽视，AI 偶尔生成存在安全漏洞的代码，用于涉及用户隐私、资金数据的项目时，需额外投入人力逐项安全审计，增加工作量。 依托 vibe-coding-cn 落地 Vibe Coding 是 AI 时代低成本落地小型开发需求的优质方案，合理把控使用边界、遵循指南的规划规范，规避盲目全靠 AI 写代码的误区，就能最大化发挥氛围编程效率优势。

Strapi 是一个开源的无头内容管理系统（Headless CMS），旨在为开发者提供灵活、可扩展的 API 创建和内容管理解决方案。Strapi 的核心目标是通过其强大的功能和灵活的架构，帮助开发者快速构建和管理网站、应用程序和内容平台。 Strapi官网入口网址：https://strapi.io/ Strapi 提供了多种功能，包括创建 REST 和 GraphQL API、内容管理、自定义化、协作、托管、安全性和云服务等。用户可以通过 Strapi 轻松创建和管理内容，同时支持多种开发工具和集成选项。Strapi 还提供了企业版、云托管服务、市场插件和社区支持，以满足不同规模和需求的用户。 Strapi 的设计强调开放性和灵活性，支持开发者使用其喜爱的工具和框架进行开发。无论是个人开发者、团队还是企业用户，都可以通过 Strapi 构建高性能、可扩展的内容管理系统。此外，Strapi 还提供详细的文档、社区支持和持续更新，确保用户能够获得最新的功能和最佳实践。 Strapi 作为一个开源项目，遵循 MIT 许可证，并通过 SOC 2 认证和 GDPR 合规性，确保其服务的安全性和可靠性。Strapi 的目标是成为开发者和内容管理领域的首选解决方案，帮助用户构建现代化、高效的内容管理系统。

飞桨AI Studio（PaddlePaddle AI Studio）是由百度智能云推出的人工智能学习与实训社区，基于百度自研的飞桨（PaddlePaddle）深度学习框架构建。该平台旨在打通AI学习与开发的“最后一公里”，为开发者提供从入门学习、模型训练到部署应用的一站式服务。 飞桨AI Studio官网入口网址：https://aistudio.baidu.com/ 核心功能与特色 1.一站式在线编程环境： 零安装门槛：无需在本地配置复杂的深度学习环境。AI Studio预装了PaddlePaddle框架及常用的AI工具（如PaddleX、PaddleDetection等），用户只需通过浏览器即可直接编写、运行Python代码。丰富的算力资源：平台提供免费GPU算力（如每日12小时免费V100 GPU），支持大模型训练和深度学习实验，极大降低了硬件成本。 2.海量教学与实训资源： 课程与实训：平台汇聚了400万+开发者，提供180+ AI课程、550万+实训项目、20万+ 数据集。这些资源覆盖了从零基础入门（如MNIST、CIFAR-10）到专业应用（如医学影像、语音合成）的全流程教学。开源模型库：AI Studio整合了飞桨生态下的丰富模型资源，包括图像识别、目标检测、自然语言处理等方向的预训练模型，用户可以一键复制项目进行微调和二次开发。 3.强大的社区与竞赛生态： 社区交流：平台拥有庞大的用户社区，用户可以在社区中交流经验、分享代码、获取帮助。AI Studio也承载了大量高校的AI教学任务，是高校开设人工智能专业课程的重要平台。竞赛与应用：平台定期举办AI竞赛，并推出AI应用专区（如ChatGLM-6B本地对话、Stable Diffusion图像生成等），帮助用户快速玩转大模型应用。使用流程与应用场景 用户通常按照“注册-创建-训练-部署”的流程使用AI Studio： 注册登录：使用百度账号或手机号注册登录平台。创建项目：选择已有的实训项目或课程，或创建新的Notebook项目。模型开发：利用平台提供的算力和数据集，进行模型的训练与验证。部署分享：训练完成后，用户可以将模型部署为API服务，或通过“一键运行”功能直接分享项目成果。 飞桨AI Studio不仅是一个技术开发平台，更是一个AI教育与实训的生态系统。它通过整合免费算力、教学资源、开源算法与社区交流四大核心能力，降低了AI学习和开发的门槛，特别适合AI初学者、在校师生以及企业研发人员使用。

penClaw101 是一个专为开源人工智能项目 OpenClaw 打造的非商业化学习与资源聚合平台，旨在帮助用户在短短7天内从零开始掌握这一强大的个人AI助手框架。作为在全球开发者社区迅速走红的开源项目，OpenClaw被誉为“能真正动手办事”的AI智能体，而OpenClaw101则是其官方推荐的核心入门入口，解决了新手在面对碎片化教程、复杂部署流程和高昂试错成本时的痛点。 OpenClaw101官网入口网址：https://openclaw101.dev/zhOpenClaw101开源项目地址：https://github.com/mengjian-github/openclaw101核心定位与功能特色 OpenClaw101并非一个简单的文档网站，而是一个结构化的“7天进阶训练营”。它通过精心设计的每日学习路径，引导用户从环境搭建、模型选择、技能安装到自动化任务配置，循序渐进地构建属于自己的私有AI助理。该平台的核心优势在于其系统性与实战性： 结构化学习路径：提供从Day 1的基础部署到Day 7的高级自动化工作流，涵盖395篇精选教程和实战案例，确保用户不迷路。海量技能生态：整合了超过5000个社区开发的“技能（Skills）”，用户可像安装手机APP一样，一键为AI助手扩展功能，涵盖自动办公、数据分析、代码编写、智能家居控制等31个分类。数据主权与本地化：强调“数据不出域”，支持用户在本地服务器或个人电脑上部署，完全掌控数据隐私，避免依赖云端大模型的服务限制。多平台兼容：支持接入Telegram、Discord、微信等多种通讯工具，让AI助手随时随地响应用户指令。适用人群与应用场景 无论是毫无编程基础的DIY爱好者，还是希望构建私有化企业助理的开发者，都能从OpenClaw101中获益。典型应用场景包括：打造全天候个人秘书处理邮件与日程、构建自动化运维机器人监控系统状态、开发智能客服代理处理用户咨询，甚至是创建具备长期记忆的个性化陪伴助手。 OpenClaw101不仅是一个教程网站，更是连接用户与未来自主智能体（Autonomous Agents）的桥梁。它降低了AI技术的准入门槛，让每个人都能轻松拥有并掌控一个真正“会思考、能执行”的数字伙伴，是探索本地化AI应用不可或缺的资源站。