本章收录学习资料、研究型项目和教学型代码库。它们不一定能直接进入生产项目，但适合建立知识体系、理解模型训练、拆解 AI 工程路径。
1. 学习资料
| 项目 | 简介 | 备注 |
|---|---|---|
| microsoft/AI-For-Beginners | 体系化 AI 入门课程：机器学习、深度学习、NLP、CV 和基础应用 | 教程型项目，实践深度有限 |
| rohitg00/ai-engineering-from-scratch | 覆盖 LLM、Agent、RAG、CV 的 AI 工程学习路线 | 覆盖面广，需按目标筛选重点 |
| FareedKhan-dev/train-llm-from-scratch | 端到端理解 LLM 训练：数据准备、Tokenizer、Transformer、训练循环和生成 | 教学规模，不代表生产训练方案 |
AI-For-Beginners 适合补齐概念地图，不适合当成前沿模型教程。ai-engineering-from-scratch 更适合已经会写代码、想进入 AI 工程的人，建议按目标拆分：做 AI 应用优先看 LLM 调用、RAG、Agent 和评估；做模型方向优先看训练、推理、数据和评测；做多模态优先看 CV、语音和文档解析。
2. 研究型项目
研究型项目适合关注“它代表了什么方向”，而不是“它已经解决了什么生产问题”。金融、医疗、声音克隆和预测类项目尤其需要保留边界。
| 项目 | 简介 | 备注 |
|---|---|---|
| shiyu-coder/Kronos | 金融市场时间序列基础模型 | 同名项目较多；不能用于直接投资判断 |
| OpenBMB/VoxCPM | 多语种 TTS 和声音克隆研究 | 需严格处理声音授权 |
| hasaneyldrm/exercises-dataset | 健身动作结构化数据集 | 可作为多模态或推荐系统 demo 数据 |
3. 学习路径建议
如果从零开始学习 AI 工程，可以按以下顺序：
AI-For-Beginners：补齐基础概念。train-llm-from-scratch：理解小模型训练和 Transformer。ai-engineering-from-scratch：进入工程路线。MarkItDown/MinerU/PaddleOCR：做第一个文档智能项目。goose/agent-zero/agent-skills：进入 Agent 工程。
4. 实践建议
- 教程型项目适合建立概念，不适合直接评估生产能力。
- 研究型项目要先看论文、数据、许可证和复现实验。
- 预测、医疗和金融类项目只讨论技术结构，不提供决策建议。
- 声音、图像和视频生成类项目必须检查授权、肖像权和版权边界。