Amazon SageMaker 官方示例集，用 Jupyter Notebook 演示如何构建、训练和部署机器学习模型，适合上手 MLOps 全流程。

在 AWS 上快速搭建、试验和部署生成式 AI 应用的低代码方案，内置 Amazon Bedrock 模型接入和第三方 LLM 连接器，无需深厚 AI 经验即可上手。

可自托管的多用户 AI 聊天平台，聚合 OpenAI、Anthropic、Gemini、DeepSeek 等多家模型，支持模型切换、Agent、MCP、代码解释器和消息搜索。

用 Ansible 在裸机、AWS、GCE 等环境一键部署生产级 Kubernetes 集群，支持高可用，省去手工搭集群的繁琐。

从 LLM 基础讲到用 LLMOps 最佳实践把 RAG 应用部署到 AWS 的实战手册，覆盖微调、评估与 ML 系统设计。

基于 Docker 和 nginx 的可扩展 PaaS，一条命令就能把应用部署到自己的服务器上，省去手动配置容器和反向代理的麻烦。

用 Python、Go、TypeScript 等常用编程语言编写基础设施即代码，统一管理 AWS、Azure、GCP 和 Kubernetes 资源，省去学习专用 DSL 的成本。

用声明式配置在 AWS、GCP 等云上自动化创建、升级和管理生产级 Kubernetes 集群，省去手工搭建和运维的麻烦。

面向 AI/ML 工作流的 Python 编排框架，用装饰器写 DAG，支持本地到 Kubernetes、多云部署，并带实验追踪和成本优化。

在 Docker 里跑 Android 模拟器，支持 noVNC 网页操作、录屏和 MCP 服务，方便在 CI 或云端做自动化测试与 AI 代理控制。

一套为期四个月的免费机器学习工程课程，覆盖从模型训练到 Docker、FastAPI、Kubernetes 部署的完整链路，适合想补齐工程落地能力的算法同学。

DataTalks.Club 出品的免费 MLOps 实战课程，覆盖模型部署、监控和工作流编排，帮你把机器学习模型从实验推到生产环境。

Meshery 是一个云原生管理平台，用可视化方式统一管理 Kubernetes 和多集群基础设施，支持 GitOps、服务网格与 IaC 配置。

命令行交互式速查表工具，用模糊搜索快速查找并执行常用 shell 命令片段，省去翻笔记和背参数。

在 AWS 等云平台上自建云游戏主机，通过 Moonlight 串流远程游玩，替代 GeForce Now 等商业云游戏服务。

面向任意云和任意技术栈的 AI DevOps 平台，通过统一的 MCP 接口完成应用部署、基础设施管理和 CI/CD 编排，避免把云凭证暴露给 AI 对话。

Rust 写的 Agent 循环库，统一接入 7 种 LLM 协议，流式输出、调用工具、循环执行直到任务完成，从笔记本到 Cloudflare Worker 都能跑。

自托管的 GitOps 控制平面，把 OpenTofu 的基础设施编排和 Ansible 的配置管理串成一条流水线，统一管理云上、本地和混合环境的部署。

一份精选的 Kubernetes 资源清单，汇总教程、书籍、云厂商方案和企业级产品，帮你在庞杂生态里快速找到靠谱的学习与落地资料。

一套 12 节动手课程，带你用 LLMOps 最佳实践从零搭建可上线的 LLM 与 RAG 系统，覆盖数据采集、训练、推理到部署全流程。