“学习 AI 的最佳方式是开始动手实践。这些资源将指引你的旅程。”
为了保持 AI 资源列表聚焦于生产就绪的工具和框架，我移除了 44 个收集类项目——包括课程、教程、Awesome 列表和 Cookbook。
这些资源并没有消失——它们被整理到了这里。这篇文章是这些教育材料的精选合集，按类型和主题组织。无论你是完全的初学者还是有经验的从业者，都能在这里找到有价值的内容。
为什么从 AI 资源列表中移除收藏类内容？
我的 AI 资源列表现在聚焦于具体的工具和框架——即可以在生产环境中直接使用的项目。收藏类内容虽然有价值，但服务于不同的目的：教育和探索。
通过分离它们，我：
- 保持资源列表的可操作性和聚焦性
- 为学习材料创造专属空间
- 让你更容易找到所需内容
📚 Awesome 列表（14 个合集）
Awesome 列表是社区策划的最佳资源集合，非常适合发现新工具和保持更新。
必探索的 Awesome 列表
- 模型、工具、教程和研究论文
- 适合：全面了解生成式 AI 的格局
- 大语言模型资源：论文、工具、数据集、应用
- 适合：深入大语言模型
- 实用的 LLM 应用、RAG 示例、智能体实现
- 适合：真实世界的实现示例
- Claude Code 命令、文件和工作流
- 适合：最大化 Claude Code 的生产力
- 用于模块化 AI 后端系统的 MCP 服务器
- 适合：使用模型上下文协议构建应用
专业 Awesome 列表
- Awesome ChatGPT Prompts - 各种场景的提示词示例
- Awesome LLM Apps - 带代码示例的 LLM 应用
- Awesome Multimodal LLM - 多模态模型资源
- Awesome MCP Clients - MCP 客户端工具和 SDK
- Awesome Claude Skills - Claude 技能和工作流
- Awesome GitHub Copilot - Copilot 自定义
- Awesome Nano Banana Pro - 图像模型提示词和示例
- Awesome SaaS - AI 平台模板
- Awesome Claude Code Subagents - Claude Code 子智能体
🎓 课程与教程（9 套课程）
来自大学和科技公司的结构化学习路径。
微软 AI 课程系列
- 12 周、24 课时，涵盖神经网络、深度学习、CV、NLP
- 适合：完整的 AI 基础
- 形式：课程、测验、项目
Machine Learning for Beginners
- 12 周、26 课时的经典机器学习课程
- 适合：无需复杂数学的 ML 基础
- 形式：项目式练习
- 18 课时构建生成式 AI 应用
- 适合：实用的 GenAI 开发
- 形式：动手实践项目
- 11 课时的智能体系统课程
- 适合：理解自主智能体
- 形式：项目驱动学习
- 优化、部署和真实世界的边缘 AI
- 适合：端侧 AI 应用
- 形式：实践教程
- 模型上下文协议课程
- 适合：使用 MCP 构建
- 形式：跨语言示例和实验
官方平台课程
- 涵盖 LLM、深度强化学习、CV、音频的免费课程
- 适合：Hugging Face 生态系统动手实践
- 形式：交互式笔记本
- 使用 OpenAI API 的可运行示例
- 适合：OpenAI API 最佳实践
- 形式：代码示例和指南
- 从基础到高级的深度学习
- 适合：掌握 PyTorch
- 形式：全面的教程
🍳 Cookbook 与示例合集（5 个合集）
实用的代码示例和配方。
- 使用 Claude 构建的笔记本和示例
- 适合：Anthropic Claude 集成
- 形式：Jupyter 笔记本
- 带有 Jupyter 笔记本的实用 AI Cookbook
- 适合：开源模型和工具
- 形式：动手示例
- 训练和微调示例
- 适合：微调工作流
- 形式：平台特定配方
- 构建 LLM 应用的示例
- 适合：LLM 应用开发
- 形式：配方和教程
- 6 周的 RAG 系统课程
- 适合：生产级 RAG
- 形式：项目式学习
📖 指南与手册（5 个资源）
特定主题的深入指南。
- 全面的提示工程资源
- 适合：掌握提示词设计
- 形式：指南、论文、讲座、笔记本
- Hugging Face 的 LLM 评估最佳实践
- 适合：评估 LLM 性能
- 形式：实用指南
- 设计和优化超越提示工程的上下文
- 适合：高级上下文管理
- 形式：实用手册
- 上下文工程的模板和指南
- 适合：为 AI 助手提供项目上下文
- 形式：模板 + 指南
- 使用 LLM 构建 MVP 的 5 步提示模板
- 适合：使用 AI 快速原型开发
- 形式：工作流模板
🗂️ 模板与工作流合集
可重用的模板和工作流。
- 各种编程场景的代码模板
- 适合：Claude AI 开发
- 形式：模板集合
- 2,000+ 个专业组织的 n8n 工作流
- 适合：工作流自动化
- 形式：可搜索的目录
- 社区驱动的可重用工作流模板
- 适合：工作流导入和版本控制
- 形式：模板目录
📊 研究与评估
学术和评估资源。
- LLM 系统论文策划列表
- 适合：训练、推理、服务研究
- 形式：论文集合
- 提供免费/试用 API 访问的 LLM 提供商
- 适合：零成本实验
- 形式：提供商列表
🎨 其他值得注意的资源
System Prompts and Models of AI Tools
- 社区策划的系统提示词和 AI 工具示例集合
- 适合：提示词和智能体工程
- 形式：资源集合
- EPFL 机器学习课程
- 适合：学术 ML 基础
- 形式：讲座、实验、项目
- 机器学习工程开放书：计算、存储、网络
- 适合：生产 ML 系统
- 形式：全面指南
- 构建低延迟语音智能体
- 适合：语音 AI 应用
- 形式：动手课程
- 从第一性原理构建工作 LLM
- 适合：理解 LLM 内部原理
- 形式：代码仓库 + 书籍材料
💡 如何使用这个合集
完全初学者
- 从开始：Microsoft 的 AI for Beginners
- 练习：PyTorch Tutorials
- 探索：Awesome AI Apps 获取灵感
开发者
- 构建技能：OpenAI Cookbook + Claude Cookbooks
- 查找工具：Awesome Generative AI + Awesome LLM
- 学习工作流：n8n Workflows Catalog
研究人员
- 保持更新：Awesome Generative AI + LLMSys PaperList
- 深入研究：Awesome LLM
- 实现：Hugging Face Cookbook
产品构建者
- 查找示例：Awesome AI Apps
- 学习工作流：n8n Workflows Catalog
- 研究模式：Awesome LLM Apps
🔄 没有被移除的内容
智能体框架和生产工具仍保留在 AI 资源列表中，包括：
- AutoGen - 微软的多智能体框架
- CrewAI - 高性能多智能体编排
- LangGraph - 有状态多智能体应用
- Flowise - 可视化智能体平台
- Langflow - 可视化工作流构建器
- 以及其他 80+ 个智能体框架
这些都是你可以用来构建应用的功能性工具，而不是教育合集。它们属于 AI 资源列表。
📝 总结
我从 AI 资源列表中移除了 44 个收集类项目，以保持其对生产工具的聚焦：
- 14 个 Awesome 列表 - 发现新工具并保持更新
- 9 个课程与教程 - 结构化学习路径
- 5 个 Cookbook - 实用代码示例
- 5 个指南与手册 - 深入资源
- 4 个模板集合 - 可重用工作流
- 7 个其他资源 - 研究和评估
这些资源对于学习和探索仍然极其有价值。它们只是服务于与 AI 资源列表中生产聚焦工具不同的目的。
下一步：
- 收藏此帖子以备将来参考
- 探索 AI 资源列表 获取生产工具（智能体框架、数据库等）
- 查看们的博客获取更多 AI 工程见解
致谢：此合集是在我的 AI 资源清理倡议期间编制的。特别感谢所有这些 awesome 列表、课程和合集的维护者，感谢他们对 AI 社区的宝贵贡献。
