用 Python 搭建 LLM 应用和智能体的开发框架，把模型调用、工具、检索和记忆串成可组合的链路，省去自己拼装底层胶水代码。
面向 JVM 的 Java LLM 应用开发库，统一封装主流大模型与向量库接口，让工具调用、Agent 和 RAG 在 Spring Boot、Quarkus 等企业框架里快速落地。
生产级的容器编排与调度平台，用来自动化部署、扩缩容和管理跨主机的容器化应用。
用多个 LLM 智能体分工协作模拟金融交易决策，把研究、分析、下单等环节拆给不同角色，适合做量化交易策略的智能体实验。
微软出品的 18 节入门课程，用 Jupyter Notebook 手把手教你搭建 AI Agent，覆盖 AutoGen、Semantic Kernel、Foundry 等主流框架与 Agentic RAG 实践。
面向人类友好的深度学习 API，用 Python 编写，可跑在 TensorFlow、JAX、PyTorch 上，帮开发者快速搭建和训练神经网络。
轻量级开源个人 AI 助手，支持本地 LLM、MCP 协议和多智能体协作，可接入 Discord 等聊天平台做日常自动化。
开源本地 AI 推理引擎，无需 GPU 即可在任意硬件上跑 LLM、视觉、语音和图像生成模型，提供兼容 OpenAI 的 API。
用 Jupyter Notebook 逐个演示 RAG 系统的进阶技巧，从嵌入、检索到重排都有可运行教程，适合动手搭建和优化检索增强生成流程。
O'Reilly《Hands-On Large Language Models》官方配套代码，用 Jupyter Notebook 带你动手跑通大模型的分词、嵌入、提示工程、微调与 RAG 等核心环节。
用 Python 写复古像素游戏的引擎，内置 16 色调色板和简单 API，几行代码就能做出类似 PICO-8 风格的小游戏。
50 多个生成式 AI Agent 教程与实现，从基础对话机器人到复杂多智能体系统，帮你快速上手并复现各类 Agent 技术方案。
开源智能体操作系统，用 TypeScript 搭建可自主运行的多平台 AI 代理，支持插件扩展、RAG 检索和 Discord 等聊天渠道接入。
统一的 PyTorch 训练框架，让同一份代码在单卡到上万张 GPU 上都能跑，免去改代码就能做预训练和微调。
提供 20 多个高性能大语言模型的训练配方，覆盖预训练、微调和规模化部署全流程，适合想快速上手 LLM 训练与推理的开发者。
从下载数据到生成文本，手把手教你从零训练自己的大语言模型，适合想搞懂 LLM 训练全流程的开发者动手实践。
一套端到端的代码实战教程，教你从原型一步步搭出可上线的 GenAI Agent，覆盖 LangGraph、MCP 等主流技术栈与企业级部署。
基于 Python 的通用自动化框架，用关键字驱动方式编写验收测试和 RPA 流程，让非程序员也能读懂和参与测试用例。
跨平台渲染库，屏蔽 DirectX、OpenGL、Metal、Vulkan 等图形 API 差异，让你自带引擎或框架也能统一接入渲染。
用搜索引擎、网页抓取和大模型做迭代式深度调研的 AI 研究助手，能自动细化研究方向并深入某个主题，代码实现极简，适合快速上手或二次开发。
可移植的分布式应用运行时，用边车模式把事件驱动、工作流编排、状态管理和发布订阅等能力做成标准 API，让微服务在云和边缘环境都能一致运行。
基于 PyTorch 的深度概率编程库，用 Python 写贝叶斯模型，支持变分推断和 MCMC，适合做不确定性建模与生成模型研究。
单文件实现的深度强化学习算法集合，涵盖 PPO、DQN、SAC 等主流算法，代码简洁易读，适合做研究和快速实验。
100 行代码的极简 LLM 框架，用图编排 Agent 工作流，让 Agent 自己搭建 Agent，适合想快速上手又不想被重型框架绑住的场景。
基于 Ray 的高性能 RLHF 训练框架，支持 PPO、DAPO、REINFORCE++ 等算法与 vLLM 推理加速，可扩展地完成大模型和视觉语言模型的对齐后训练。
轻量模块化的 C++11 图形中间件，帮游戏和数据可视化项目快速接入 OpenGL、Vulkan 等底层图形接口，省去自己搭渲染管线的麻烦。
一个简洁但完整的全注意力 Transformer 实现，集成了多篇论文中值得尝试的实验性特性，方便研究者快速试验各种注意力变体。
一堆单文件、零依赖的跨平台 C/C++ 头文件库，涵盖音频、碰撞检测、压缩、数学和 PNG 解码等，方便直接拖进游戏项目里用。
解析和修改 ELF、PE、Mach-O、DEX 等可执行文件格式的跨语言库，支持 C++、Python、Rust，常用于二进制分析与恶意软件研究。
收录 100 多个可直接上手的 AI Agent、Agent Skills 和 RAG 应用示例，帮开发者快速找到能跑起来的 LLM 项目参考。