发现值得收藏的
开源项目

Python 实用工具，涉及智能体、agentic、agentic-AI

编辑点评适用于AI/大模型场景。使用 Python 开发，涉及智能体、agentic、agentic-AI等技术方向。建议关注其社区活跃度和文档完善程度。

微软开源的推荐系统最佳实践库，提供构建、评估和部署推荐系统的完整解决方案与示例代码。

编辑点评这是推荐系统领域最全面的开源项目之一，涵盖从数据处理、模型训练到在线服务的完整流程，包含深度模型、经典算法和评估工具。适合希望快速上手推荐系统或寻找最佳实践的工程师与研究人员。注意项目体量较大，需按需选择模块，且部分功能依赖较重的运行环境。

基于云原生技术栈构建多模态 AI 应用的 Python 框架，提供从数据索引到推理部署的全流程支持。

编辑点评Jina Serve 把多模态 AI 应用开发与云原生基础设施深度结合，支持 gRPC、HTTP、流式通信和微服务编排，适合需要将视觉、文本、音频等模型封装为可扩展服务的工程团队。它的优势在于抽象程度高、部署灵活，但与成熟 web 框架相比学习曲线偏陡，生态相对小众。如果你在构建复杂多模态服务或神经搜索系统，非常值得关注。

程序员鱼皮的 AI 资源大全 + Vibe Coding 零基础教程，分享 OpenClaw 保姆级教程、大模型玩法（DeepSeek / GPT / Gemini / Claude / GLM）、最新 AI 资讯、Prompt...

编辑点评适用于AI/大模型、Web 开发、开发工具场景。使用 JavaScript 开发，涉及AI、AI-智能体、artificial-intelligence等技术方向。建议关注其社区活跃度和文档完善程度。

一本开源的PyTorch实战教程书，帮助新手快速上手深度学习，所有代码经过测试可运行。

编辑点评内容系统全面，从基础语法到模型实战均有覆盖，适合想系统入门PyTorch的开发者。所有教程均通过测试，能显著降低环境配置和代码报错的踩坑成本。但需注意版本迭代可能带来API差异，建议结合官方文档使用。

《机器学习交易》第三版配套代码，覆盖从数据获取到实盘执行的完整机器学习交易流程。

编辑点评这是量化交易与机器学习结合的经典教程代码库，内容系统且贴近实战，适合想入门金融AI的开发者。通过Jupyter Notebook形式组织，便于逐步学习和复现。但需注意，代码依赖较多金融数据库和API，部分数据源可能需要付费或科学上网，且实盘部署部分对初学者有一定门槛，建议结合原书阅读。

ONNX 是开放的机器学习模型互操作标准，解决不同深度学习框架间模型交换与部署的兼容性问题。

编辑点评值得所有 AI 开发者关注，因为它是打破框架孤岛的关键一环。通过 ONNX，你可以将 PyTorch、TensorFlow 等模型统一导出为标准格式，便于跨框架推理、优化和部署。适合需要模型多端部署、迁移到推理引擎（如 ONNX Runtime）的场景。缺点是生态更新滞后于新算子，部分复杂模型需手动补齐算子或转换失败。

Rust 部署/持续集成工具，涉及AI、AI-智能体、AI-coding-智能体

编辑点评适用于AI/大模型、开发工具场景。使用 Rust 开发，涉及AI、AI-智能体、AI-coding-智能体等技术方向。建议关注其社区活跃度和文档完善程度。

一个精选的机器学习生产环境开源工具列表，涵盖部署、监控、版本管理和扩展，帮助工程师构建可靠的ML系统。

编辑点评这是MLE/MLOps工程师的必备参考，按场景分类整理了大量生产级工具，从模型部署到可观测性一应俱全。优点在于覆盖面广、社区维护活跃，能快速找到合适的轮子；但作为awesome列表，不提供深度对比，需要自行评估工具适配性。适合用于技术选型调研或搭建ML基础设施时参考。

2026年 DevOps 学习路线图，整理从入门到进阶的技能树与学习资源，帮助开发者系统规划 DevOps 成长路径。

编辑点评DevOps 知识点零散，初学者容易迷失方向。该项目以路线图形式梳理了版本控制、CI/CD、容器化、云原生、监控安全等核心模块，并附有精选学习资源，适合想系统入门或查漏补缺的开发者。注意不同工具链更新较快，建议结合官方文档和实践验证。

Python 开源项目，涉及智能体、智能体-based-模型、AI

编辑点评适用于AI/大模型、安全场景。使用 Python 开发，涉及智能体、智能体-based-模型、AI等技术方向。建议关注其社区活跃度和文档完善程度。

斯坦福CS229机器学习课程的VIP速查表，涵盖核心概念、公式与关键要点，帮助快速复习与查阅。

编辑点评内容高度浓缩，将课程中最重要的公式、直觉和典型应用整理成便于速查的形式，适合考前冲刺、面试准备或日常快速回顾。但注意它定位是知识索引而非教程，对具体推导和深入原理会省略，最好配合原课程视频或讲义一起使用。

TypeScript AI/ML 项目，涉及AI、AI-agents、大语言模型

编辑点评适用于AI/大模型场景。使用 TypeScript 开发，涉及AI、AI-agents、大语言模型等技术方向。建议关注其社区活跃度和文档完善程度。

JavaScript 生成/构建工具，涉及智能体、AI、coding

编辑点评适用于AI/大模型、Web 开发、开发工具场景。使用 JavaScript 开发，涉及智能体、AI、coding等技术方向。建议关注其社区活跃度和文档完善程度。

Toonflow 是开源一站式 AI 短剧创作工具，将小说、剧本快速转化为动画短剧。集成 AI 编剧、智能分镜、角色与视频生成，跨平台桌面端轻量部署，助力创作者低成本批量产出视觉内容。Toonflow is an open-source...

编辑点评适用于AI/大模型、Web 开发、开发工具场景。使用 TypeScript 开发，涉及AI、AI-content-creation、AI-工具等技术方向。建议关注其社区活跃度和文档完善程度。

Unity ML-Agents 让游戏和仿真环境成为训练智能体的平台，支持深度强化学习与模仿学习，是连接游戏引擎和机器学习的开源工具包。

编辑点评值得一看是因为它提供了从 Unity 环境到 Python 训练管道的完整闭环，内置 PPO、SAC 等算法和丰富演示场景，适合研究强化学习或开发游戏 AI。但需要同时掌握 Unity 和 Python，训练资源消耗较高，且自定义环境需熟悉其 API。

一本开放式的机器学习工程实战手册，系统总结大模型训练与调优的踩坑经验、性能优化方法和实用工具，帮助工程师少走弯路。

编辑点评这是由资深工程师维护的硬核工程指南，内容覆盖分布式训练、混合精度、GPU/TPU 调优、故障排查等真实场景，代码示例丰富，适合正在训练大模型或优化训练管线的工程师。优点是实践性强、紧跟前沿；缺点是内容庞大且更新快，需要按需查阅而非通读。

邱锡鹏《神经网络与深度学习》（蒲公英书）理论版 v2 与通识版的开源项目，提供完整书籍内容与配套资源，帮助学习者系统掌握深度学习基础。

编辑点评这是国内经典的深度学习教材开源项目，理论版覆盖数学推导与核心算法，通识版降低门槛，适合不同基础的学习者。内容权威、更新及时，但需注意阅读时结合实践，避免只看理论。适合作为课程配套教材或自学参考。

《PyTorch 深度学习：从零到精通》课程配套材料，包含代码、笔记和练习，帮助开发者系统学习 PyTorch 与深度学习。

编辑点评这是广受好评的 PyTorch 实战课程仓库，内容由浅入深覆盖神经网络、CNN、RNN 到迁移学习等核心主题。适合想入门深度学习或从其他框架转向 PyTorch 的开发者。以 Jupyter Notebook 形式呈现，方便边看边练。注意部分内容依赖特定版本，建议按官方环境配置运行。

DeepFaceLab 是一款领先的深度学习换脸工具，通过训练神经网络实现高逼真的人脸替换与合成。

编辑点评作为开源社区中最成熟的 Deepfake 项目之一，DeepFaceLab 提供了完整的换脸流程，从数据准备、模型训练到最终合成，效果逼真且有大量教程。适合研究生成式视觉技术或制作创意视频，但必须警惕滥用风险，仅建议用于合法、合规且尊重他人权益的场景。