GeeksforGeeks

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。

ChatGPT橙皮书前身是《Codex橙皮书》，是面向AI编程领域的开源实战工具书，适配OpenAICodex与ChatGPT融合后的全新智能体开发体系，是国内开发者公认的系统化入门与进阶学习资料。随着OpenAI将Codex能力全面并入ChatGPT，原版Codex橙皮书同步更名ChatGPT橙皮书，完整更新内容框架，打通ChatGPT对话、代码生成、项目自治、网页部署等全链路操作教程，免费开放在线查阅与PDF下载渠道。 ChatGPT 橙皮书官网入口网址：https://codex.bozhouai.com/ChatGPT 橙皮书开源项目地址：https://github.com/bozhouDev/codex-orange-book 该文档区别于零散的网络教程，不局限于简单代码片段演示，而是站在软件工程视角梳理AI编程工具三代发展脉络，清晰区分传统代码补全工具、普通ChatGPT对话与Codex智能体的底层差异，把Codex定义为可自主执行完整工程任务的AI实习生，而非仅提供问答的文本顾问。平台codex.bozhouai.com提供目录检索、分章节在线阅读、配套实战文件下载、常见问题答疑专区，无需复杂部署即可快速查阅，兼顾零基础新手、在职开发工程师、AI产品从业者的学习需求，整体内容客观中立，规避夸大宣传，全部功能搭配真实项目案例验证，降低AI编程工具的学习门槛。 主要功能特点 1.全形态工具拆解教学橙皮书完整拆解Codex五大使用形态：CLI终端工具、桌面客户端、云端Web版、IDE插件、Chrome浏览器扩展，针对每一种形态标注安装步骤、配置参数、适用操作场景，配套bozhouai平台提供的配置模板，新手可直接复制参数完成环境搭建，解决多数用户不会多端同步Codex的痛点。同时新增ChatGPTWork、Sites网页搭建、浏览器扩展三大新版模块教程，覆盖AI办公、网页开发、浏览器自动化场景。 2.端到端项目实战流程讲解 文档核心逻辑是“先读项目、再规划、修改代码、执行命令、自动测试、生成变更对比、人工审核”完整工作流，打破只教写代码的浅层教学模式。内容包含陌生项目快速解析、Bug修复、新功能开发、代码重构、单元测试批量生成、项目迁移等标准化流程，每个环节附带可复制的指令模板，用户输入自然语言即可驱动Codex完成复杂开发任务。 3.多Agent并行与记忆系统实操 详细讲解Codex多智能体协同机制，支持多个AI代理并行处理项目不同模块，缩短大型项目开发周期；内置持久化记忆功能教程，指导用户配置项目专属编码规范、业务逻辑规则，让Codex长期记忆项目标准，减少重复指令输入，提升代码输出一致性。同时介绍MCP外部工具协议接入方法，打通数据库、数据分析平台、自动化运维工具，拓展AI能力边界。 4.安全管控与资源优化指引 设置独立章节讲解Codex三重安全机制，包含代码沙盒运行、权限分级、敏感代码拦截规则，规避AI执行高危脚本风险；配套配额优化、对话上下文压缩、轻量化模型切换技巧，降低API调用成本，适合中小企业团队长期使用。附录整理高频报错解决方案、配置文件修复方法，解决安装、授权、调用失败等常见问题。 优势亮点 1.内容实时同步官方更新，本土化适配 不同于海外原版英文文档，ChatGPT橙皮书基于bozhouai平台持续更新，紧跟OpenAICodex、ChatGPT功能迭代节奏，同步翻译海外前沿技术内容，针对国内开发者网络、API配置、中文项目场景优化教程，消除外文文档阅读、环境适配障碍，全部操作步骤使用中文示例，降低语言门槛。 2.开源免费，配套完整资源包 codex.bozhouai.com平台无付费门槛，橙皮书全文免费在线浏览，同步开放PDF完整版、项目实战源码、配置模板、对比测试文件下载，无需注册付费即可获取全部学习素材；文档开源可二次分享，技术团队可直接用于内部新人培训，降低企业AI工具学习成本。 3.横向对比参考，客观区分同类工具 书中独家对比Codex、ClaudeCode、GitHubCopilot三类主流AI编程工具，从使用成本、项目处理能力、多端适配、自治任务上限等维度客观分析优劣，给出双线协同开发策略，不单一吹捧某一款产品，帮助用户根据自身业务选型，避免盲目踩坑。 4.分层学习路线，适配不同基础人群 文档划分三条清晰学习路径：新手快速上手路线、开发者深度进阶路线、企业自动化落地路线，读者可根据自身需求跳过无关章节，不用通读全文即可获取对应内容，大幅提升学习效率，兼顾碎片化查阅与系统化深度学习两种需求。 适用人群与场景 适用人群 零基础编程入门者：不懂复杂开发环境配置，希望借助AI快速学习代码逻辑，橙皮书极简安装教程与分步案例可降低入门难度，通过Codex辅助理解项目架构。前后端开发工程师：日常承担Bug修复、功能迭代、代码重构、单元测试编写工作，利用文档多Agent、自动化流程教程提升开发效率，减少重复机械编码。独立开发者/外包技术从业者：单人承接完整网站、小程序、工具脚本开发，借助Sites网页部署、云端Codex功能快速完成从需求到上线全流程。产品经理、运营、数据分析人员：无需深度编程基础，学习自动化报表、数据抓取、简易脚本开发教程，搭建自动化工作流，解放重复数据处理工作。技术团队负责人、AI教研从业者：可将橙皮书作为团队AI工具培训教材，参考文档内安全规范、团队标准化配置方案，搭建企业内部AI开发体系。落地使用场景个人开发场景：学习编程语言、快速搭建个人网站、修复程序漏洞、批量生成测试用例、整理项目技术文档。企业研发场景：团队统一配置Codex编码规范、自动化迭代需求、代码评审辅助、老旧项目代码迁移、CI/CD流程联动。办公自动化场景：运营自动抓取平台流量数据、生成周度分析报表、搭建表单自动化脚本、浏览器批量操作工具开发。教学学习场景：计算机专业学生课后实操练习、培训机构AI编程课程配套教材、新人工程师入职技能培训。 ChatGPT橙皮书依托codex.bozhouai.com平台搭建完整AI编程学习体系，跳出单一代码生成教学局限，以工程落地为核心，覆盖Codex全形态使用、多智能体协同、安全运维、资源优化等实用内容，内容客观无夸大，分层学习路线适配不同基础用户。无论是个人自学提升开发效率，还是企业搭建标准化AI开发流程，都能从中获取可直接落地的实操方案，是目前国内稀缺、完整、免费的ChatGPT+Codex一体化实战工具书。

JumpServer 是一款广受欢迎的开源堡垒机（Privileged Access Management, PAM）工具，旨在为企业提供安全、高效的运维管理能力。它通过统一的平台管理企业内部的各类资产，支持多种协议（如 SSH、RDP、VNC、Kubernetes、数据库等）的远程访问，并提供身份认证、权限控制、会话审计、日志记录等功能，以满足等保合规要求。 JumpServer 堡垒机官网入口网址：https://www.jumpserver.org/JumpServer 堡垒机开源项目地址：https://github.com/jumpserver/jumpserver/JumpServer 堡垒机官网下载：链接 JumpServer 采用分布式架构，支持多机房跨区域部署和横向扩展，具备高可用性（HA）和负载均衡能力，能够应对大规模并发访问和多租户场景。其核心功能包括 Web Terminal、Web 终端、会话管理、命令审计、文件管理、作业中心等，支持多种协议和多平台接入。JumpServer 由 Python/Django 开发，遵循 Web 2.0 规范，界面美观、用户体验良好。 JumpServer 采用开源协议（GNU GPL v2.0），支持社区版和企业版，提供多种部署方式（如手动部署、容器部署、分布式部署等），并提供企业级支持服务，包括技术支持、安全更新和定制化服务。JumpServer 在 GitHub 上拥有大量贡献者和活跃社区，广泛应用于金融、云计算、教育等行业，是开源堡垒机领域的标杆产品。 JumpServer 官网提供了详细的文档、安装指南、用户手册和社区支持，用户可通过官网获取最新版本、更新信息和社区资源。JumpServer 作为一款安全、可靠、高效的开源堡垒机，已成为企业运维管理的重要工具。

Datawhale 是一个专注于人工智能和机器学习的开源社区，致力于构建一个纯粹的学习圈子，帮助学习者更好地成长。它提供丰富的学习资源和实践机会，涵盖人工智能、深度学习、大数据、编程和数学等领域。Datawhale 以“for the learner，和学习者一起成长”为愿景，鼓励真实地展现自我、开放包容、互信互助、敢于试错和勇于担当。它通过开源理念探索内容、学习和解决方案，赋能人才培养，助力人才成长。 Datawhale官网入口网址：https://www.datawhale.cn/ Datawhale 提供多种学习资料和实践任务，涵盖机器学习、深度学习、自然语言处理、计算机视觉、强化学习等领域。例如，它提供《机器学习理论导引》《李宏毅深度学习教程》《强化学习中文教程》等书籍的配套教程和资料，提供PDF下载和在线阅读链接。此外，Datawhale 还提供数据挖掘实践、数据科学学习平台、开源教程和实践项目等资源，帮助学习者掌握数据科学相关技能。 Datawhale 作为一个开源组织，其核心目标是通过在线教育、实践项目和社区活动促进数据科学领域的学习和实践。它不仅提供系统化的学习资源，还鼓励用户参与讨论和分享，形成一个活跃的学习社区。 Datawhale 是一个专注于人工智能和数据科学的开源社区，致力于通过开源学习和实践推动AI教育的发展，为学习者提供丰富的学习资源和实践机会。

《动手学深度学习》（Dive into Deep Learning）是由李沐（Mu Li）、张亚磊（Aston Zhang）、李宏毅（Zachary C. Lipton）和斯莫拉（Alexander J. Smola）等知名学者共同编写的一本开源、交互式深度学习教材。该网站是该教材的中文在线版门户，旨在通过“边做边学”的方式，帮助读者系统地掌握深度学习核心原理与实践技能。 动手学深度学习官网入口网址：http://zh.d2l.ai/动手学深度学习开源项目地址：https://github.com/d2l-ai/d2l-zh动手学深度学PDF电子版下载：https://github.com/d2l-ai/d2l-zh/releases核心特点与价值交互式学习体验：该网站提供了丰富的交互式Jupyter Notebook代码示例。读者可以直接在浏览器中运行代码、修改参数、观察结果变化，从而直观地理解反向传播、梯度下降等深度学习基础机制。多框架支持：为了满足不同读者的需求，网站提供了多个主流深度学习框架的实现版本，包括PyTorch、TensorFlow、MXNet/Gluon和PaddlePaddle。无论你是偏爱研究框架（PyTorch）还是工业框架（TensorFlow），都能找到对应的教程。系统性与完整性：内容覆盖了深度学习的全栈知识，从线性代数基础、张量运算、自动求导，到卷积神经网络（CNN）、循环神经网络（RNN）、Transformer以及强化学习等高级主题。强大的社区与资源：该网站不仅提供教材正文，还整合了大量教学资源，包括配套的教学视频（如B站上的公开课）、习题解答、论文链接以及GitHub代码仓库。教学影响与适用人群 《动手学深度学习》被誉为全球深度学习领域的“教材神器”。截至2023年，该教材已被全球70多个国家、500多所高校用于教学，深受学生和工程师的喜爱。它不仅适合零基础的初学者快速入门，也为进阶的研究人员提供了系统的理论深度和丰富的实验资源。 访问方式 读者可以直接访问以下链接获取最新内容： 官方网站： https://zh.d2l.ai/GitHub仓库（含PDF、代码）： https://github.com/d2l-ai/d2l-zh zh.d2l.ai是一个将深度学习理论与实践完美结合的学习平台，正如教材中所言：“纸上得来终觉浅，绝知此事要躬行。”

llm-cookbook 是一个开源项目，旨在帮助开发者快速入门大语言模型（LLM）的开发。该项目基于吴恩达老师的大模型系列课程内容，对原课程进行了筛选、翻译、复现和调优，覆盖从 Prompt Engineering 到 RAG 开发、模型微调的全部流程。项目以最适合国内学习者的方式，指导开发者如何学习和入门 LLM 相关项目。此外，该项目还提供了丰富的学习资源，包括书籍、课程、视频教程和项目实践，帮助读者快速入门大模型。 LLM Cookbook 面向开发者的大模型手册官网入口网址：https://datawhalechina.github.io/llm-cookbookLLM Cookbook 面向开发者的大模型手册 开源项目地址：https://github.com/datawhalechina/llm-cookbook llm-cookbook 的目标是为开发者提供一个全面的大模型开发手册，涵盖从基础 API 调用到高级模型微调的全面学习资源。项目还提供了多轮对话的 GPT-3.5 API WebUI 和 GPT-3.5 API 微调实战教程，以及推荐了多个相关项目和工具，如 FX-1-Minute-Data、LLMs-Finetuning-Safety、instructor、client-js 等。 llm-cookbook 的内容涵盖了大模型的基础知识、应用开发工具包、提示工程、LLM 应用开发等，还介绍了 LangChain 框架，用于构建 LLM 应用，包括模型调用、提示解析、记忆管理、链式操作、文档问答和代理等核心功能。此外，项目还提供了吴恩达的《prompt engineering》课程和《AI for Everyone》课程，面向非技术人员介绍人工智能的基础知识、应用场景和伦理问题。 llm-cookbook 是一个面向开发者的大模型入门指南，旨在帮助开发者快速入门大语言模型的开发，提供全面的学习资源和实践指导。