awesome-artificial-intelligence
聚焦 AI 工程实践的精选资源列表，按学习、构建、智能体、模型四大模块组织，涵盖书籍、课程、论文、框架和工具。亮点在于筛选标准严格（"must-use, actively maintained"），收录了大量最新热门工具如 PocketFlow、Google ADK、Cursor CLI 等，且每个模块都有简短解读，适合 AI 工程师快速定位实用资源。
README
Awesome Artificial Intelligence
一份精心整理的必用、积极维护的资源合集，用于构建和交付 AI 系统。
重点：AI 工程（RAG（检索增强生成）、智能体、评估、护栏、部署）以及最佳书籍、指南、论文和精挑细选的工具集。
📚 学习
深层、持久的知识——五年后仍然有价值。
书籍
现代与实用
- 设计机器学习系统 — 可扩展、可维护的机器学习流水线（Chip Huyen）。
- AI 工程 — 端到端的 AI 产品构建（Chip Huyen）。
- 从零开始构建大语言模型 — 用原生 PyTorch 逐层实现 Transformer（自注意力架构）（Sebastian Raschka）。
- 动手学大语言模型 — LLM 应用的视觉化+实践指南（Jay Alammar, Maarten Grootendorst）。
- LLM 工程师手册 — 生产级 LLMOps：微调、量化、服务（Labonne, Iusztin）。
- 百页语言模型书 — 从 n-gram 到 Transformer（自注意力架构）的简洁数学路径（Andriy Burkov）。
- 生成式深度学习（第二版） — GAN（生成对抗网络）、VAE（变分自编码器）、扩散模型（David Foster）。
基础性
- 人工智能：一种现代方法 — 权威的 AI 理论教材（Russell, Norvig）。
- 深度学习 — 神经网络的数学基础（Goodfellow, Bengio, Courville）。
- 深度学习：基础与概念 — Bishop 2024 更新版；基于概率的现代深度学习（Bishop & Bishop）。
- 理解深度学习 — 数学+直觉+Python 笔记本（Simon Prince）。
- 语音与语言处理（第三版） — 自然语言处理参考书，持续更新至深度学习时代（Jurafsky, Martin）。
- 强化学习：导论（第二版） — 强化学习基础（Sutton, Barto）。
课程
入门级
中级 / 高级
专项课程
里程碑式论文
塑造现代 AI 的研究——值得阅读以理解当今架构背后的“为什么”。
- 注意力就是一切 — Transformer（自注意力架构）。
- 神经语言模型的缩放定律 — 模型/数据/算力的缩放。
- 语言模型是少样本学习器 — GPT-3 的能力。
- 宪法 AI — 更安全的模型对齐。
🛠 构建
用 AI 构建的工具链。 个人注：你不需要大量框架——从简单的 LLM 调用开始，逐步升级。
指南与手册
- 构建高效智能体（Anthropic） — ⭐ 设计 AI 智能体的模式、陷阱和权衡。
- OpenAI 智能体指南 — 构建智能体的实用指南。
- Google AI 智能体白皮书 — 来自 Google 的构建 AI 智能体实战指南。
- Google 智能体配套文档 — Google 的配套指南。
- OpenAI Cookbook — 使用 OpenAI API 的示例代码、配方和最佳实践。
- LLM 工程师手册 — AI 工程师的实用链接宝库。
框架
- PocketFlow — 极简 AI 智能体框架，仅 100 行代码。绝佳的学习工具。
- Google ADK — Google 的智能体开发工具包（Python, Java）。出色的本地开发体验 + A2A + MCP。
- Pydantic-AI — 基于 Pydantic 模型的类型化、结构化 LLM 编排框架，输出安全可预测。
- LangGraph — 在 LangChain 之上使用有状态图构建多智能体工作流。
- CrewAI — 智能体编排，支持结构化任务和人在回路控制。
- AutoGen — 微软的多智能体对话与协作框架。
- LlamaIndex — 用于摄取、索引和查询私有数据的数据框架。
- Haystack — 开源的搜索/RAG 框架，模块化流水线。
- Docling — 用于摄取任何文档进行 RAG（检索增强生成）的优秀库 ⭐
评估
- OpenAI Evals — OpenAI 的评估编写框架。
IDE
- Cursor — 支持多文件编辑和代码库感知聊天的 LLM 驱动 IDE。
- GitHub Copilot — IDE 内代码补全、聊天和重构。
🤖 智能体
将 LLM 转变为自主工作者的“工作套”。模型可互换；工作套才是产品。
编码
实时能力对比请参考 Terminal-Bench 和 SWE-bench。
- Claude Code — Anthropic 的 CLI 智能体；支持长上下文的多文件代码库重构。
- Codex CLI — OpenAI 基于 Rust 的本地终端智能体；轻量快速。
- Gemini CLI — Google 官方开源终端智能体；长上下文代码库探索。
- Cursor CLI — Cursor 的终端原生智能体，带沙箱权限控制。
- Aider — 集成 Git 的结对编程，支持精确编辑和撤销。
- OpenCode — 提供商无关的终端智能体，拥有强大的 TUI（终端用户界面）。
- OpenHands — 开源自主 SWE（软件工程）平台；浏览器+终端+编辑器循环。
- Cline — 开源智能体 IDE 扩展，支持多提供商。
- Continue — 开源 IDE + CLI 助手，带版本控制的规则。
- Goose — Block 可扩展的 MCP（模型上下文协议）驱动本地智能体。
- Factory Droid — 基准领先的多模型智能体，支持 BYOK（自带密钥）本地执行。
- Amp — Sourcegraph 的商业智能体编码工具，产品体验优秀。
- Mistral Vibe — Mistral 的智能体编码 CLI，由 Devstral 驱动。
- Qwen Code — 阿里巴巴的终端编码智能体，针对 Qwen 模型优化。
- Pi — 高度可定制的终端智能体；最小基础提示，扩展驱动。
- Nanocoder — 私有、本地优先的智能体，用于 Ollama 和 LM Studio。
- Kilo CLI — 多模式智能体，统一网关连接 500+ 模型。
🧠 模型
按模态分类的最先进模型。
💬 语言
主要的边界实验室。
- ChatGPT — 通用推理、工具使用方面最佳，生态系统最广泛。
- Claude — 长上下文分析、编码和结构化思维方面最佳。
- Gemini — 多模态任务和 Google 生态系统集成方面最佳。
- Grok — 通过 X 获取实时信息、超长上下文方面最佳。
- Llama — 自托管和微调的最佳开源权重系列。
- Mistral — 轻量高性能开源权重模型方面最佳。
- DeepSeek — 成本高效推理、开源权重方面最佳。
- Qwen — 多语言和中文优先应用方面最佳。
- Kimi — 长上下文指令遵循方面最佳。
- GLM — 前沿级中文模型，开源权重。
- Cohere — 企业级 LLM，强大的检索增强生成 API。
🖼 图像
- GPT Image — OpenAI 的集成图像生成，文本渲染近乎完美。
- Midjourney — 艺术性和照片级图像。
- Adobe Firefly — 集成到 Creative Cloud，商业安全。
- Ideogram — 生成图像中精确可读的文字。
- Flux — 高分辨率、提示可编辑、开源权重图像。
🎥 视频
- Google Veo — 高质量视频，音频同步。
- Runway — 视频编辑+生成，精细创意控制。
- Kling — 电影级、逼真视频生成。
🎙 音频
- ElevenLabs — 高质量文本转语音和语音克隆。
- Suno — 从文本提示生成 AI 音乐。
📊 对比
实时基准、定价和最新模型版本。
- OpenRouter — 统一 API + 约 300 个模型的实时定价。
- LMArena — 文本、图像和视频的人工偏好 Elo 排名。
- Artificial Analysis — 跨提供商的速度、价格和质量基准。
📡 关注
保持更新而不被噪音淹没。