本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在这里。
在过去一年里，我沉浸在 AI Agent的世界中：从零开始构建、反复调试、甚至尝试商业化。无数在线课程和教程看过不少，但真正让我进步的，是那些开源的 GitHub 仓库。它们不只是代码，更是实战经验的结晶——包含笔记本、架构示例、部署指南和社区讨论。
今天，我整理了影响我最深的 10 个仓库，涵盖从 LLM 基础到 Agent 构建、生产部署的全链路。无论你是初学者还是想深入实战，这些资源都能帮你快速提升。
强烈建议：Fork 这些仓库，运行里面的 notebook，动手改代码。学习 AI Agent 的最好方式，就是亲手构建一个！
Hands-On Large Language Models
O'Reilly 图书《Hands-On Large Language Models》的官方代码仓库。从 LLM 基础到高级微调，全是可运行的 Jupyter Notebook，超级适合入门和进阶。 链接：
AI Agents for Beginners
Microsoft 出品的 12 课时入门课程，帮助你从零构建第一个 AI Agent。包含代码示例和多语言支持，非常友好。 链接：
GenAI Agents
从基础到高级的生成式 AI Agent教程和实现，涵盖各种技术，是构建智能交互系统的宝藏仓库。 链接：
github.com/NirDiamant/…_Agents
Made With ML
生产级 ML 工程课程，教你如何像专业工程师一样设计、部署和迭代模型。 链接：
Prompt Engineering Guide
提示工程的终极指南，汇集所有技巧、论文和框架，一站式掌握 Prompt 设计。 链接：
如果你愿意，也可以学习我的提示工程 课程。
Awesome Generative AI Guide
精心整理的生成式 AI 工具、概念和资源列表，适合想深入 GenAI 的开发者。 链接：
Designing Machine Learning Systems
来自 Chip Huyen 的 ML 系统设计笔记和资源，专注系统级思维，非常适合生产环境思考。 链接：
Machine Learning for Beginners (Microsoft)
Microsoft 的免费入门课程，即使非工程师也能轻松跟上，包含大量动手实践。 链接：
LLM Course
完整的 LLM 学习路线图 + Colab 笔记本，帮助你构建端到端的 LLM 应用。 链接：
AgentHub
这是一个使用 LangChain/LangGraph + FastAPI 为后端，Streamlit 实现前端的生产级智能体合集仓库，绝对值得收藏和 Fork！ 链接：
AI Agent的时代才刚刚开始，这些仓库是我从无数试错中提炼出的“捷径”。别只看，动手才是王道！
如果你也在构建 AI Agent，欢迎评论区分享你的经验或推荐其他好仓库。我们一起进步 🚀
学习资源推荐
如果你想更深入地学习大模型，以下是一些非常有价值的学习资源，这些资源将帮助你从不同角度学习大模型，提升你的实践能力。
本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在这里。
