本仓库持续更新中文 LLM 学习资源，涵盖国产大模型、开源模型、论文精读、微调部署、强化学习训练、AI Agent、RAG、MCP、A2A、上下文工程、Prompt 工程、推理优化、安全对齐、自进化智能体等内容。
最近更新：2026 年 7 月 27 日
自动生成时间：2026-07-27。每周从全网筛选近期 ChatGPT / LLM / Agent / RAG / MCP / 后训练 / 多模态等高价值学习资源；候选资料不限中文，英文资料也会纳入，最终统一用中文表达学习价值。
| 推荐 | 方向 | 资源 | 来源 | 推荐理由 |
|---|---|---|---|---|
| 1 | RAG / AI 搜索 | Aryansingh009/awesome-llm-knowledge-systems | GitHub | 英文资源，建议关注：Map the evolution of LLM knowledge systems from prompt engineering to harness engineering with a comprehensive guide for modern RAG and context architectures.（⭐ 0；更新 2026-07-27） |
| 2 | AI Agent / 工具调用 | PapaDanielVi/claude-code-llm-wiki | GitHub | 英文资源，建议关注：Knowledge base for Claude Code skills, context engineering, prompting, and agentic workflows — patterns, best practices, and practical guides for building effective AI systems（⭐ 2；更新 2026-07-24） |
| 3 | AI Agent / 工具调用 | Rahulchaube1/Rahul-Chaube-Skills | GitHub | 英文资源，建议关注：The most comprehensive open-source AI skills library for LLMs, AI agents, prompt engineering, deep research, and production AI systems.（⭐ 2；更新 2026-07-26） |
| 4 | AI Agent / 工具调用 | SMEFT-Pheno-Agent: a natural-language-driven AI agent for machine-learning-assisted Standard Model Effective Field Theory phenomenology | arXiv | 英文资源，建议关注：We present SMEFT-Pheno-Agent, a Python workflow guided by a natural-language AI agent to perform machine-learning-assisted Standard Model Effective Field Theory (SMEFT) phenomenolo...（paper；更新 2026-07-24） |
| 5 | Prompt / 上下文工程 | qwerfunch/ai-engineering-layers | GitHub | 英文资源，建议关注：A field guide to the five engineering layers of AI-assisted development: prompt → context → harness → loop → graph. English & Korean.（⭐ 1；更新 2026-07-27） |
| 6 | AI Agent / 工具调用 | AgentTest111/MyAwesomeModel-TestRepo | Hugging Face | 近期更新模型，tags: transformers, pytorch, bert, feature-extraction, license:mit, endpoints_compatible, region:us（likes 0；更新 2026-07-27） |
| 7 | 后训练 / 强化学习 | Dustin0420/llm-course-ch4-chinese-sentiment | Hugging Face | 近期更新模型，tags: transformers, safetensors, bert, text-classification, arxiv:1910.09700, text-embeddings-inference, endpoints_compatible, region:us（likes 0；更新 2026-04-21） |
| 8 | AI Agent / 工具调用 | jxf20250119/QWQ-coding-agent-powered-by-Pi | GitHub | 英文资源，建议关注：An open-source desktop AI coding agent (Electron + Pi) that combines deep single-agent reasoning with multi-agent parallel orchestration, a self-improving autoresearch loop, and ti...（⭐ 0；更新 2026-07-13） |
- 大模型产品与平台
- 开源大模型
- 论文精读
- 微调与训练
- 强化学习训练（RL for LLM）
- 自进化与自我改进
- 本地部署与推理优化
- AI 应用开发平台
- RAG 资源
- AI Agent 资源
- MCP 资源
- A2A 协议资源
- 上下文工程（Context Engineering）
- AI 编程工具
- Prompt 工程
- 学习课程与视频
- 书籍与教材
- 评测与基准
- LLM 安全与对齐
- 综合资源索引
| 名称 | 开发者 | 链接 | 说明 |
|---|---|---|---|
| ChatGPT | OpenAI | chat.openai.com | GPT-4o / GPT-5.5 系列，全球用户量最大的 AI 助手，400K 上下文 |
| Claude | Anthropic | claude.ai | Claude 4 系列（Opus/Sonnet/Haiku/Fable），长上下文与编程能力突出 |
| DeepSeek | 深度求索 | chat.deepseek.com | DeepSeek-V4 / R1，强推理能力，开源标杆 |
| 通义千问 | 阿里巴巴 | tongyi.aliyun.com | Qwen3.7 系列，国内综合能力领先，全球下载量最大的开源 LLM 家族 |
| 文心一言 | 百度 | yiyan.baidu.com | ERNIE 4.5 / 5.1 系列，中文理解能力突出 |
| Kimi | 月之暗面 | kimi.moonshot.cn | Kimi K2.6，超长上下文处理，Agent 能力强 |
| 豆包 | 字节跳动 | www.doubao.com | Doubao 模型，多模态能力强 |
| 智谱清言 | 智谱 AI (Z.ai) | chatglm.cn | GLM-5.1 系列，清华技术背景，MoE 架构 |
| 腾讯元宝 | 腾讯 | yuanbao.tencent.com | 混元大模型，集成微信生态 |
| 小米 MiMo | 小米 | mimo.mi.com | MiMo-V2.5 系列，推理与 Agent 能力突出，MIT 开源 |
| MiniMax (海螺 AI) | 稀宇科技 | hailuoai.com | MiniMax-M3，原生多模态，100 万 token 上下文 |
| 模型 | 开发者 | GitHub | 说明 |
|---|---|---|---|
| DeepSeek-V4-Pro | 深度求索 | deepseek-ai/DeepSeek-V3 ⭐103k | 1.6T MoE（49B 激活），100 万上下文，LiveCodeBench 93.5%，MIT 开源 |
| DeepSeek-R1 | 深度求索 | deepseek-ai/DeepSeek-R1 ⭐92k | 671B MoE，RL 驱动的长链推理，比肩 OpenAI o1，含 1.5B-70B 蒸馏版 |
| Qwen3.7-Max | 阿里巴巴 | QwenLM/Qwen3 ⭐27k | Agent 时代旗舰，代码/工作流自动化/持续自主执行 |
| Qwen3.6 | 阿里巴巴 | QwenLM/Qwen3.6 ⭐3.5k | 27B Dense + 35B-A3B MoE，编码能力达旗舰水平，Apache 2.0 |
| Qwen3.5 | 阿里巴巴 | QwenLM/Qwen3.5 ⭐6k | 0.8B-397B 全系列 8 个尺寸，原生多模态，262K 上下文 |
| Qwen3 | 阿里巴巴 | QwenLM/Qwen3 ⭐27k | 0.6B-235B，支持思考/非思考模式切换，Apache 2.0 |
| GLM-5.1 | 智谱 AI (Z.ai) | zai-org/GLM-5 | 754B MoE，SWE-Bench Pro SOTA，开放权重 |
| GLM-4-32B | 智谱 AI | zai-org/GLM-4 ⭐3k | 含 GLM-Z1 推理模型和 Rumination 深度沉思模型，MIT 开源 |
| DeepSeek-V4-Flash | 深度求索 | deepseek-ai/DeepSeek-V3 ⭐103k | 284B MoE（13B 激活），100 万上下文，高性价比混合推理模型 |
| Kimi K2.7 Code | 月之暗面 | MoonshotAI/Kimi-K2 ⭐18k | 1T MoE，编程性价比最高，推理 token 降 30%，MCP 工具调用提升显著 |
| MiMo-V2.5-Pro | 小米 | XiaomiMiMo/MiMo-V2-Flash | 309B MoE（A15B），推理与 Agent 性能接近 Kimi-K2-Thinking，MIT 开源 |
| MiniMax-M3 | 稀宇科技 | -- | 原生多模态旗舰，稀疏注意力支持 100 万上下文，视频理解 + 编码 + Agent |
| LLaMA 4 | Meta | meta-llama/llama-models | 全球最流行的开源基座模型 |
| 模型 | 开发者 | GitHub | 说明 |
|---|---|---|---|
| MiniCPM5-1B | 清华 OpenBMB | OpenBMB/MiniCPM ⭐5k | 1B SOTA 端侧模型，支持长上下文和工具调用 |
| MiniCPM-o 4.5 | 清华 OpenBMB | OpenBMB/MiniCPM-V ⭐25.4k | 8B 全能多模态，全双工音视频对话，手机端可运行 |
| Qwen3.5-0.8B/2B | 阿里巴巴 | QwenLM/Qwen3.5 | 轻量原生多模态，适合边缘部署 |
| DeepSeek-R1-Distill | 深度求索 | deepseek-ai/DeepSeek-R1 | 1.5B/7B/8B/14B/32B/70B 蒸馏版，推理能力平民化 |
| MiMo-V2-Flash | 小米 | XiaomiMiMo/MiMo-V2-Flash | 309B MoE（A15B），高效推理与 Agent 端侧模型，MIT 开源 |
| 模型 | 开发者 | GitHub | 说明 |
|---|---|---|---|
| InternVL3.5 | 上海 AI 实验室 | OpenGVLab/InternVL ⭐8k | 8B/78B/241B-A28B 视觉语言模型，Apache 2.0 |
| Qwen3-Omni | 阿里巴巴 | -- | 全能多模态，支持 any-to-any 交互（文本/图像/音频） |
| Qwen3-TTS | 阿里巴巴 | QwenLM/Qwen3-TTS ⭐17k | 开源语音合成，支持流式生成和声音克隆 |
| Wan 2.1 | 阿里巴巴 | Wan-AI/Wan2.1 ⭐15k | 视频生成模型，VBench 第一（86.22%），超越 Sora，Apache 2.0 |
| HunyuanVideo 1.5 | 腾讯 | Tencent/HunyuanVideo ⭐10k | 开源视频生成，支持文本/图片生成视频 |
| GOT-OCR 2.0 | 阶跃星辰 | stepfun-ai/GOT-OCR2_0 ⭐5k | 通用 OCR，视觉语言架构，多语言文档识别 |
| Janus-Pro-7B | 深度求索 | -- | 统一多模态（图像理解 + 图像生成），MIT 开源 |
| 模型 | 开发者 | GitHub | 说明 |
|---|---|---|---|
| Qwen3-Coder | 阿里巴巴 | QwenLM/Qwen3-Coder ⭐5k | 480B-A35B MoE，SWE-Bench 编程基准领先 |
| Kimi K2.7 Code | 月之暗面 | MoonshotAI/Kimi-K2 ⭐18k | 1T MoE 编程专用，推理 token 降 30%，编程性价比最高的开源模型 |
| DeepSeek-V4-Pro | 深度求索 | -- | LiveCodeBench 93.5%，算法编程专家，MIT 开源 |
| MiMo Code | 小米 | XiaomiMiMo/MiMo-Code | 小米终端 AI 编程助手，MIT 开源 |
从上往下阅读学习
| 名称 | 说明 | 学习资料 |
|---|---|---|
| DeepSeek-V3 Technical Report | DeepSeek-V3 MoE 架构与低成本训练 | GitHub |
| A Survey of Self-Evolving Agents | 自进化智能体综述（TMLR 2026） | Awesome-Self-Evolving-Agents |
| SELF: Self-Evolution with Language Feedback | 通过语言反馈实现 LLM 自我进化 | -- |
| Self-Evolved Reward Learning for LLMs | 自进化奖励学习，减少人类标注依赖 | -- |
| EvolveR: Self-Evolving LLM Agents through an Experience-Driven Lifecycle | 经验驱动的自进化 Agent 闭环框架 | -- |
| SkillRL: Evolving Agents via Recursive Skill-Augmented RL | 递归技能增强的 RL 进化 Agent | -- |
| Self-Improvement of LLMs: A Technical Overview | LLM 自我改进技术综述（2026） | -- |
| QA-GraphRAG: Query-Adaptive Graph RAG | 面向图检索增强生成的查询自适应框架（VLDB 2026） | -- |
| DeepSeek-V4 Technical Report | DeepSeek-V4 1.6T MoE 架构，100 万上下文，484 天换代全公开 | GitHub |
| InfiAgent: Self-Evolving Pyramid Agent | DAG 金字塔多 Agent 框架，agent-as-a-tool 自演化机制 | -- |
| Self-Evolving Agents 综述（IEEE CIM 2026） | 近 400 篇文献，统一自进化 Agent 学术定义与四大分支 | -- |
- LLaMA-Factory：⭐72k，一站式 LLM 微调框架，支持 100+ 模型（Qwen、DeepSeek、LLaMA、GLM 等），提供 LoRA/QLoRA/全参微调，内置 WebUI，ACL 2024 论文
- Colossal Chat：基于 LLaMA 的完整 RLHF 训练流程，支持 DeepSeek-V3/R1 LoRA 微调
- DeepSpeed Chat：微软官方开源，一键式 RLHF 训练——训练代码
- ms-swift v4.0：阿里 ModelScope 出品，2026 年 3 月发布 v4.0 大版本，支持 600+ LLM 和 300+ 多模态模型，含 GRPO/GKD 训练（AAAI 2025 论文）
- 开源大模型食用指南（self-llm）：⭐30.8k，针对中文开发者的 Linux 环境下开源模型部署与微调教程，覆盖 50+ 主流模型
- 从零开始构建大模型（happy-llm）：⭐31k，从 NLP 基础到手搓 LLaMA2，涵盖 Pretrain、SFT、PEFT 全流程
- DIY-LLM 全栈构建课程：Datawhale 出品，覆盖预训练数据工程、Tokenizer、Transformer、MoE、GPU 编程（CUDA/Triton）、分布式训练、Scaling Laws、推理优化及对齐（SFT/RLHF/GRPO），含 6 个渐进式作业
- MiniMind：⭐40k+，2 小时从零训练 64M 参数 LLM，覆盖 Pretrain/SFT/LoRA/RLHF-DPO/RLAIF（PPO/GRPO/SPO）/Agentic RL 全流程代码，含视觉版 MiniMind-V 和全模态版 MiniMind-O
- NLP 到 LLM 算法全栈教程（base-llm）：Datawhale 出品，从 NLP 基础到 LLM 的算法全栈教程，含 RLHF 专题
- 大模型算法实战教程（llm-algo-leetcode）：面向大模型入门到进阶的算法实战，覆盖原理讲解、测试用例与 CUDA/Triton 实战
- LLM/RL 算法原理图（LLM-RL-Visualized）：100+ 原创 LLM/RL 原理图，涵盖 Transformer/SFT/DPO/GRPO/RLHF/RAG，配套《大模型算法》书籍
LLaMA 系列（点击展开）
GLM 系列（点击展开）
| 名称 | GitHub | 说明 |
|---|---|---|
| OpenRLHF | OpenRLHF/OpenRLHF ⭐8.9k | 高性能 Agentic RL 框架，Ray + vLLM 加速，支持 PPO/DAPO/REINFORCE++/Async RL/VLM RLHF |
| OpenRLHF-M | OpenRLHF/OpenRLHF-M | 多模态 RLHF 专用框架，支持 Qwen3.5 等视觉语言模型端到端 RL 训练 |
| TRL | huggingface/trl | HuggingFace 官方 RL 训练库，支持 PPO/DPO/GRPO/KTO 等多种算法 |
| veRL | volcengine/verl | 字节跳动火山引擎出品，灵活的 RL 训练框架，支持 FSDP/Megatron 后端 |
| DeepSpeed Chat | microsoft/DeepSpeed | 微软一键式 RLHF 训练，InstructGPT 全流程复现 |
| 算法 | 说明 | 资源 |
|---|---|---|
| RLHF (PPO) | 基于人类反馈的强化学习，ChatGPT 核心技术 | HuggingFace RLHF 博客、InstructGPT 论文精读（B站） |
| GRPO | DeepSeek-R1 使用的群体相对策略优化，无需 Critic 模型 | DeepSeek-R1 论文、GRPO 深度解析 |
| GRPO++ | GRPO 实战技巧集合，让 RL 真正 work | GRPO++ 技巧详解 |
| REINFORCE++ | ProRL V2 使用的算法，训练 SOTA 推理模型 | OpenRLHF 文档 |
| DPO | 直接偏好优化，将奖励模型"吸收"进 LM 优化目标 | DPO 原理详解（GitBook） |
| KTO | 基于 Kahneman-Tversky 的对齐算法，仅需二元反馈 | TRL 文档 |
| Agentic RL | Agent 环境中的 RL 训练，多步交互奖励 | LLM Post-Training 全景指南 |
| 对齐技术综述 | RLHF/RLAIF/PPO/DPO 全家桶 | 一文看尽 LLM 对齐技术（CSDN） |
| RLVR | 基于可验证奖励的 RL，2026 年新方向 | LLM Post-Training 全景指南 |
| RL Post-Training 全景 | 从 RLHF 到 GRPO 再到 Agentic RL | HuggingFace 指南 |
| MiniMind RL 全流程 | 从零实现 RLHF/DPO/PPO/GRPO/Agentic RL | MiniMind GitHub |
| LLM-RL 可视化原理图 | 100+ 原创原理图，直观理解 RL 算法 | LLM-RL-Visualized |
自进化（Self-Evolution）是 2025-2026 年 Agent 研究的核心方向，目标是让智能体在无需人类持续干预下自主提升能力。
| 路径 | 说明 | 代表工作 |
|---|---|---|
| 模型进化 | Agent 利用自生成数据或学习课程精炼自身参数 | SELF、Self-Evolved Reward Learning |
| 记忆进化 | 从历史经验中学习，存储并检索以指导未来行动 | Letta/MemGPT、MemSkill |
| 工具进化 | 自主创建、精炼和复用工具以扩展能力 | SkillRL |
| 工作流进化 | 自主优化执行流水线和协作结构 | CORAL、EvolveR |
| 名称 | 说明 | 资源 |
|---|---|---|
| 自进化 Agent 综述（IEEE CIM 2026） | 统一学术定义，划分单体经验闭环/技能演化/多体协同/元算法开放进化四大分支，汇总近 400 篇文献 | 知乎解读 |
| 自进化 Agent 综述（TMLR 2026） | 77 页综述，系统回答"什么/何时/如何/哪里进化"，迈向人工超级智能 | arXiv |
| InfiAgent（arXiv 2025） | 基于 DAG 的金字塔多 Agent 框架，agent-as-a-tool 机制，双重审计 + 智能路由 + 自演化 | 论文 |
- Awesome-Self-Evolving-Agents：⭐251，自进化 Agent 论文、benchmark 和开源项目合集
- 自进化 Agent 综述深度解读（中文）：超详细中文解读，三大范式——模型中心、环境中心、协同进化
- Self-Evolving Agent 经典论文介绍（知乎）：2026 年经典论文汇总与技术路线分析
- hello-generic-agent：Datawhale 出品，自进化智能体入门，涵盖记忆系统、上下文压缩、自进化机制
- Letta（原 MemGPT）：⭐21k，有状态 Agent 平台，持久记忆 + 自我改进，Agent 可重写自身记忆/技能/提示
- VoltAgent/awesome-ai-agent-papers：2026 年 AI Agent 研究论文精选合集，涵盖记忆、评估、工作流、自主系统
- Ollama：一键本地运行开源大模型（DeepSeek、Qwen、LLaMA 等），支持 macOS / Linux / Windows
- Open WebUI：配合 Ollama 使用的 Web 界面，类 ChatGPT 体验
- 动手学 Ollama（handy-ollama）：Datawhale 出品的 Ollama 中文教程，含可视化部署和应用案例
- llama.cpp：纯 C/C++ 实现的 LLM 推理，支持 CPU 运行
| 名称 | 说明 | 资源 |
|---|---|---|
| vLLM | 高性能 LLM 推理引擎，PagedAttention + Continuous Batching，显存利用率 95%，企业级高并发首选 | vLLM GitHub |
| SGLang | RadixAttention 实现 KV 缓存复用，多轮对话吞吐量比 vLLM 高 5 倍，Agent 场景理想选择 | SGLang GitHub |
| TensorRT-LLM | NVIDIA 官方推理优化，FP8/INT4 量化，Blackwell 架构原生支持 | TensorRT-LLM GitHub |
| LMDeploy | 上海 AI 实验室出品，支持量化部署和推理加速 | LMDeploy GitHub |
- vLLM vs SGLang vs TensorRT-LLM 综合对比（阿里云）：三大框架技术原理、性能基准与选型建议
- 主流大模型推理部署框架全解析（知乎）：一文梳理主流框架
- 大模型推理加速全景技术指南（博客园）：全面梳理量化、剪枝、蒸馏等优化技术栈
- 八大推理引擎横向拆解：vLLM/SGLang/TensorRT-LLM/TGI/LMDeploy/MindIE 从架构到性能全面对比
- InfiniTensor CUDA 训练营：启元实验室 + 清华大学，大模型推理相关 CUDA 编程实战
| 名称 | GitHub | 说明 |
|---|---|---|
| Dify | langgenius/dify ⭐145k | LLM 应用开发平台，可视化编排工作流，支持 RAG 和 Agent，全球最高 Star 的 LLMOps 平台 |
| Coze Studio（扣子） | coze-dev/coze-studio ⭐21k | 字节跳动 2025 年 7 月开源，全栈 AI Agent 开发工具，Apache 2.0，Docker 一键部署 |
| RAGFlow | infiniflow/ragflow ⭐82k | 基于深度文档理解的开源 RAG 引擎 |
| FastGPT | labring/FastGPT ⭐28k | 开源知识库问答系统，可视化工作流编排 |
| MaxKB | 1Panel-dev/MaxKB ⭐20.6k | 企业级智能体平台，支持 DeepSeek 私有化部署和企业级权限治理 |
| DB-GPT | eosphoros-ai/DB-GPT ⭐17k | AI 数据应用框架，Text-to-SQL、数据分析和多 Agent 协作 |
| 名称 | GitHub | 说明 |
|---|---|---|
| RAGFlow | infiniflow/ragflow ⭐82k | 深度文档理解 RAG 引擎，支持多模态 PDF 解析，内置 Agent 能力 |
| LlamaIndex | run-llama/llama_index ⭐50k | 数据框架，支持结构化/非结构化数据索引与检索 |
| Langchain-Chatchat | chatchat-space/Langchain-Chatchat ⭐37.5k | 中文 RAG 与 Agent 应用，支持 ChatGLM/Qwen/Llama 等国产模型 |
| GraphRAG | microsoft/graphrag ⭐33.6k | 微软模块化图 RAG，基于知识图谱做全局摘要和社区检测 |
| LightRAG | HKUDS/LightRAG ⭐28k | 轻量级图谱 RAG（EMNLP 2025），适合法律/医疗/金融领域 |
| QAnything | netease-youdao/QAnything ⭐14k | 网易有道，支持任意格式文件的本地知识库问答 |
2026 年 RAG 已进入"Agentic RAG"时代——检索不再是单次流程，而是"思考→检索→再思考→再检索→行动"的循环。三大创新范式：
| 方向 | 说明 | 代表项目 |
|---|---|---|
| GraphRAG | 通过知识图谱实现多跳推理 | microsoft/graphrag、QA-GraphRAG（VLDB 2026） |
| Agentic RAG | 将检索集成到 Agent 决策循环中 | RAGFlow + Agent、Dify 工作流 |
| Memory-Augmented RAG | 建立长期记忆系统，上下文 + 检索 + 推理统一 | Letta、WeKnora |
- All-in-RAG（RAG 技术全栈指南）：⭐2.5k，Datawhale 出品，系统化 RAG 全栈教程，从理论到生产级系统
- Agentic RAG 3.0 核心升级点全解析（腾讯云）：百万上下文 + 多模态 GraphRAG + Agentic 检索
- 2026 年 RAG 技术最新进展与落地实践：从向量检索到 GraphRAG 与 Agentic RAG 的演进
- RAG 技术演进全解析（CSDN）：2026 年 RAG 从向量检索到 GraphRAG 与 Agentic RAG
| 名称 | GitHub | 说明 |
|---|---|---|
| Milvus | milvus-io/milvus ⭐43k | 中国团队开发的全球领先向量数据库，分布式架构，支持数亿级向量检索 |
| Qdrant | qdrant/qdrant ⭐30k | Rust 编写的高性能向量数据库，生产环境首选之一 |
| Chroma | chroma-core/chroma ⭐27k | 轻量级嵌入式向量数据库，适合原型开发 |
| 名称 | 开发者 | GitHub | 说明 |
|---|---|---|---|
| MetaGPT | 深度智慧 | FoundationAgents/MetaGPT ⭐62k | 多 Agent 模拟软件公司（产品经理→架构师→程序员），有中文文档 |
| OpenManus | MetaGPT 团队 | FoundationAgents/OpenManus ⭐29k | 3 小时复刻 Manus 的开源替代品，支持代码执行/文件处理/网页搜索 |
| ChatDev 2.0 | OpenBMB / 清华 | OpenBMB/ChatDev ⭐27k | 多 Agent 虚拟软件公司，2026 年发布零代码多 Agent 编排平台 |
| Coze Studio | 字节跳动 | coze-dev/coze-studio ⭐21k | 全栈 Agent 开发工具，Golang + React，Apache 2.0 |
| CAMEL / OWL | CAMEL-AI | camel-ai/camel ⭐13k / camel-ai/owl ⭐11k | 角色扮演多 Agent 框架；OWL 在 GAIA 基准排名开源第一 |
| Qwen-Agent | 阿里巴巴 | QwenLM/Qwen-Agent ⭐12k | 基于 Qwen 模型的智能体框架，支持 Function Calling、MCP、RAG |
| AgentScope | 阿里巴巴 | modelscope/agentscope ⭐12k | 多 Agent 协作平台，支持数十个 Agent 交互 |
| MindSearch | 上海 AI 实验室 | InternLM/MindSearch | 多 Agent 搜索引擎（媲美 Perplexity.ai Pro），处理 300+ 网页 |
| 名称 | 开发者 | GitHub | 说明 |
|---|---|---|---|
| AutoGPT | Significant Gravitas | Significant-Gravitas/AutoGPT ⭐170k | AI Agent 运动先驱，含可视化工作流构建器 |
| LangChain | LangChain Inc. | langchain-ai/langchain ⭐123k | LLM 应用开发框架，生态最成熟，有中文文档 |
| OpenHands | All Hands AI | OpenHands/OpenHands ⭐78k | 开源 AI 编程 Agent（原 OpenDevin），SWE-Bench Verified 53%+，MIT 开源 |
| AutoGen | Microsoft | microsoft/autogen ⭐53k | 多 Agent 对话式协作，已升级为 Microsoft Agent Framework |
| CrewAI | CrewAI Inc. | crewAIInc/crewAI ⭐44k | 基于角色的多 Agent 团队协作，上手最快 |
| Agno | Agno | agno-agi/agno ⭐29k | 多 Agent 框架，含运行时和控制面板 |
| LangGraph | LangChain Inc. | langchain-ai/langgraph ⭐25k | 基于图的有状态 Agent 工作流，适合复杂多步骤任务 |
| Letta | Letta AI | letta-ai/letta ⭐21k | 有状态 Agent 平台（原 MemGPT），持久记忆 + 自主学习进化 |
| smolagents | Hugging Face | huggingface/smolagents | Code-first Agent 框架，Agent 直接写 Python 而非 JSON 工具调用，轻量简洁 |
| PydanticAI | Pydantic | pydantic/pydantic-ai ⭐16k | 类型安全 Agent 框架，FastAPI 风格 |
- 从零开始构建智能体（hello-agents）：⭐59.1k，Datawhale 出品，覆盖 ReAct 范式、Coze、LangGraph、多智能体协作、Agentic RL
- Agentic AI 中文教程：吴恩达 DeepLearning.AI Agentic AI 系列课程中文翻译与知识整理
- AI Agent 速成指南：系统教程 + 实战项目，覆盖 LangChain / LangGraph / Coze / Dify / MCP，含 NL2SQL 和 DeepAgents 多 Agent 项目
- Agency-Agents-ZH：266 个即插即用 AI 专家角色，支持 18 种工具，含 50 个中国市场原创智能体（小红书/抖音/微信/飞书/钉钉）
- Agent-Learning-Hub：AI Agent 学习路线与资料库
- AI Agent 开发指南（AgentGuide）：LangGraph 实战、高级 RAG、大模型面试题库
- LangChain 中文入门教程：LangChain 中文入门指南
- Agentic AI 框架终极指南（火山引擎）：20 大框架超详细分析，含选型建议
- LangChain 500 页中文文档：跟随官方同步更新
Model Context Protocol（MCP） 是 Anthropic 发起的开放协议，现由 Linux 基金会旗下 Agentic AI Foundation 托管。截至 2026 年中已有 19,800+ 活跃公共 MCP 服务器，SDK 月下载量超 9,700 万次。OpenAI、Microsoft、AWS、Google 先后接入。2026-07-28 RC 版本实现协议无状态核心，远程服务器可在普通负载均衡器后运行。
| 版本 | 时间 | 关键特性 |
|---|---|---|
| 2025-11-25 (稳定版) | 2025.11 | OpenID Connect 发现、工具/资源/Prompt 图标元数据 |
| 2026-07-28 (RC) | 2026.07 | 无状态协议核心、Extensions 框架、Tasks、MCP Apps、授权强化 |
- awesome-mcp-servers：⭐89k，全球最大 MCP 服务器合集，收录 9200+ 服务器
- Awesome-MCP-ZH：MCP 中文资源精选，含指南、Servers、Clients 汇总
- MCP 中文文档：MCP 规范完整中文翻译
- MCP 中文站：MCP 入门介绍与生态导航
- MCP 编程极速入门：面向开发者的 MCP 快速上手指南
- MCP 2026 路线图解读：从本地工具到生产级 Agent 基础设施的演进分析
Agent2Agent（A2A）协议 是 Google 发起的开放标准，用于标准化 AI Agent 之间的通信与协作。MCP 解决"LLM 如何访问数据和工具"，A2A 解决"Agent 如何与其他 Agent 对话"。
| 概念 | 说明 |
|---|---|
| AgentCard | Agent 能力声明与发现机制 |
| Task | Agent 间通信的基本工作单元 |
| Artifact | Agent 交互产生的输出制品 |
| Message | Agent 间通信的消息格式 |
- A2A 协议中文站：协议介绍、快速开始、API 参考
- A2A 协议完全指南（2026）：核心概念、Agent Card 机制、与 MCP 关系、实战开发
- A2A 协议技术细节分析（知乎）：Google A2A 技术细节与 MCP 关系
- 使用 ADK 实现 A2A Agent 完整开发指南：环境搭建、项目结构、服务端/客户端 Agent 开发
- DeepLearning.AI A2A 课程：官方入门课程
- Google Codelabs: Getting Started with MCP, ADK and A2A：动手实验
上下文工程是 2026 年 LLM 应用开发的核心范式，通过系统化设计和管理 LLM 的输入上下文来最大化模型能力输出，是 Prompt 工程的全面升级。
| 策略 | 说明 |
|---|---|
| Offload（转移） | 将复杂任务分解转移到多个上下文窗口 |
| Reduce（压缩） | 压缩冗余信息，保留关键语义 |
| Retrieve（检索） | 动态检索相关上下文注入 |
| Isolate（隔离） | 隔离不同类型上下文防止干扰 |
| Cache（缓存） | 缓存常用上下文片段提升效率 |
- 大模型上下文工程权威指南：15 章全面教程，涵盖核心技术、高级架构和工程实践
- Context Engineering 完整中文教程：750K+ 字，涵盖 RAG 系统/记忆架构/多智能体/认知工具/神经场论，含 12 周学习路径和即用模板
- Awesome Context Engineering：上下文工程论文、工具和最佳实践精选合集
- 上下文工程实战指南：大模型应用开发骨架思路，上下文工程为设计原则、Agent Harness 为构建目标
- AWS 上下文工程实践：Agentic AI 基础设施系列，结合 AWS Bedrock 的企业级实践
- 上下文工程：重塑大模型智能系统的技术革命：一文读懂技术全景
- 上下文工程解决 Agent 性能瓶颈：大模型开发者必看实践指南
- Harness Engineering（驾驭工程）：2026 年新范式，设计约束、反馈环和控制系统
| 名称 | 开发者 | 链接 | 说明 |
|---|---|---|---|
| Claude Code | Anthropic | claude.ai/code | 终端 Agent，支持文件系统/终端/MCP 全访问，FrontierCode 基准领先 |
| Cursor | Anysphere | cursor.com | AI 代码编辑器，3.3 版新增 Bugbot 自动修复和 Cloud Agent 后台运行 |
| TRAE | 字节跳动 | Trae-AI/TRAE | AI 原生 IDE，600 万+ 注册用户，SOLO 模式端到端自动编程 |
| OpenAI Codex | OpenAI | openai.com/codex | 400 万周活跃用户，GPT-5.5 驱动，400K 上下文，90+ 第一方插件 |
| Qoder | 阿里巴巴 | qoder.alibaba.com | 智能体编程平台，500 万+ 用户，Quest 模式支持 Agent 自主开发 |
| 通义灵码 | 阿里巴巴 | lingma.aliyun.com | 基于 Qwen 的 AI 编程助手，VS Code + JetBrains，百万级上下文 |
| 文心快码 (Comate) | 百度 | comate.baidu.com | 100+ 编程语言支持，SPEC 规范驱动模式 |
| OpenHands | All Hands AI | OpenHands/OpenHands ⭐78k | 开源自主 AI 编程 Agent（原 OpenDevin），可写代码/跑终端/提 PR，MIT 开源 |
2026 年 AI 编程的核心变化：Cloud Agent 后台自主运行（关掉笔记本仍在工作），团队常见模式为 Cursor 做主动开发 + Claude Code 做委托任务（重构/迁移/测试回填）。
- Prompt Engineering Guide 中文版：最全面的提示词工程指南，涵盖技巧、应用和模型指南
- 面向开发者的 Prompt 工程（吴恩达 × OpenAI）：官方课程中文翻译版
- 阿里百炼 Prompt 指南：阿里云大模型服务平台的实用提示词设计指南
- ChatGPT 中文调教指南：中文 Prompt 精选集
| 名称 | 说明 | 链接 |
|---|---|---|
| 【李宏毅】2026 春季机器学习 | 最新版，涵盖生成式 AI 时代下的 ML，含 Context Engineering | 课程主页 |
| 【李宏毅】2025 生成式 AI 导论 | 42 集全，涵盖 LLM、AI Agent、神经网络等 | B站 |
| 【吴恩达】LLM 大模型教程（2025） | 大模型入门到进阶，附课件代码 | B站 |
| 【吴恩达】Agentic AI 智能体课程（2026） | 最新 Agent 开发课程，含 A2A 协议实践 | DeepLearning.AI |
| 【吴恩达】Agent Skills with Anthropic（2026） | Agent 技能开发课程，含课件代码 | B站 |
| 【清华 NLP】刘知远大模型公开课 | 20 小时从入门到精通，含交叉领域应用 | B站 |
| 【黑马程序员】大模型 RAG 与 Agent 实战 | 基于 LangChain 从提示词到 RAG+Agent 项目实战 | B站 |
| Stanford CS336 | 2026 春季，从零构建语言模型，注重动手实践 | 课程主页 |
| CMU 11-766: LLM Applications | 2026 春季研究生课程，LLM 核心技术落地 | 课程主页 |
| 【李宏毅】ChatGPT 是怎么炼成的 | GPT社会化的过程 | B站 |
| 【李沐】InstructGPT 背后的技术 | InstructGPT 论文精读 | B站 |
| 【Aston Zhang】Chain of Thought | 结合in-context fewshot 改善推理能力 | B站 |
| LLM CS324 | 斯坦福大语言模型课程，涵盖建模、伦理和系统方面 | 链接 |
| 吴恩达大模型课程中文版（llm-cookbook） | ⭐24.2k，11 门课程翻译 + 可运行代码 | GitHub |
| 动手学大模型应用开发（llm-universe） | 面向小白的 LLM 应用开发教程 | GitHub |
| 大模型基础（so-large-lm） | 从数据准备到训练策略的全链路知识 | GitHub |
| 大模型技术实战（llm-action） | ⭐18.1k，大模型工程化与应用落地实战经验，含量化/剪枝/分布式训练 | GitHub |
| 大模型白盒子构建指南（tiny-universe） | 手搓 Tiny-LLM Universe，理解 LLM 原理 | GitHub |
| AI 新知：2026 LLM 系列教程 | 面向 2026 年的 AI、大模型、智能体、LLMOps 系列 | 知乎专栏 |
| InfiniTensor 2025 夏季大模型训练营 | 免费线上课程，涵盖 AI 编译器、推理系统、并行计算 | 训练营主页 |
| 名称 | 作者 / 出版方 | 链接 | 说明 |
|---|---|---|---|
| 《大语言模型》 | 赵鑫、李军毅、周昆等（人大高瓴） | 在线阅读 / PDF | 第一本中文 LLM 系统教材，391 页，开源免费 |
| 《从零构建大模型》中文版 | Sebastian Raschka | GitHub | 全球爆款 Build a LLM From Scratch 中文版，含 DeepSeek 深度解析 |
| 《大语言模型：基础与前沿》 | 多位作者 | 知乎 | 系统讲解 LLM 技术原理与应用 |
| 《大模型原理与架构》在线书 | yeasy | 在线阅读 | 涵盖对齐技术（RLHF/DPO）、推理优化等，持续更新 |
| 名称 | 开发者 | 链接 | 说明 |
|---|---|---|---|
| OpenCompass | 上海 AI 实验室 | opencompass.org.cn / GitHub ⭐6.6k | 通用大模型评测平台，支持 100+ 数据集 |
| C-Eval | 清华 / 上交 / 爱丁堡 | cevalbenchmark.com | 中文多选题评测基准，52 个学科 13,948 题 |
| SuperCLUE | 独立第三方 | superclueai.com | 中文通用大模型综合评测，含匿名对战 |
| FlagEval（天秤） | 智源研究院 (BAAI) | flageval.baai.ac.cn | 30+ 能力、5 种任务、600+ 维度全面评测 |
| EvalScope | 阿里 ModelScope | 文档 | 开源评测框架，内置 20+ 主流 benchmark |
| SafetyBench | 清华 COAI | GitHub | 11,435 题中英双语 LLM 安全评测 |
- LLM Safety 最新论文推介系列（知乎）：持续更新的中文 LLM 安全论文精读
- SafetyBench：清华 COAI 出品，11,435 题覆盖 7 类安全问题
- M3-SafetyBench：17 万+ 条目中文大模型内容安全评估数据集
- AIRTBench：衡量大语言模型的自主 AI 红队能力
- 多模态大模型 RLHF/DPO 全面解读（知乎）：SFT/RLHF/RLAIF/DPO 在多模态场景的应用
- 大模型对齐技术综述（CSDN）：一文看尽 RLHF/RLAIF/PPO/DPO 全家桶
- Weak-to-Strong Jailbreaking（ICML 2025）：利用小模型引导大模型生成有害内容，ASR 超 99%
- ALERT 零样本越狱检测框架：从层级/模块级/token 级三粒度实现早期无侵入检测
- 自动化红队测试基准：Garak/AdvGLUE 等主流 LLM 安全评估框架解析
- 安全向量提取框架 GOSV（2026.2）：全局优化识别安全关键注意力头，约 30% 头被重贴时安全性完全崩溃
- 跨模态越狱迁移（2026.3）：发现"对齐诅咒"——强对齐会将文本漏洞传播到音频模态
- GT-HARMBENCH 多智能体安全基准（2026.3）：2,009 个高风险场景，15 个前沿模型仅 62% 选择有益行动
- CC-Delta 稀疏自编码器防御（2026.3）：比较有无越狱上下文下的 token 表示差异，识别越狱特征
- Awesome-Chinese-LLM：⭐22.6k，最全面的中文 LLM 资源索引，涵盖模型、数据集、微调框架、应用等
- awesome-chatgpt-zh：⭐11.5k，ChatGPT 中文指南，含工具、应用、开发资源
- 大模型技术实战（llm-action）：⭐18.1k，大模型工程化实战，涵盖训练/微调/量化/推理/部署全链路
- LLM 全栈优质资源汇总（llm-resource）：大模型全栈学习资料索引
- Awesome-LLM-Resources：全球 LLM 资源总结，含多模态/Agent/编程/数据处理/MCP 等
- 中国大模型列表（awesome-LLMs-In-China）：国产大模型全景图
- 通往 AGI 之路：中文 AI 知识社区，含 LLM 开源模型及数据集集合
| 名称 | 链接 | 说明 |
|---|---|---|
| 机器之心 | jiqizhixin.com | 国内首家系统关注 AI 的科技媒体，论文解读、产业分析 |
| 量子位 | qbitai.com | 专注 AI 及前沿科技，技术研究趋势和企业动态 |
| 新智元 | 微信公众号搜索"新智元" | AI 研究进展、行业动态和技术趋势，日更 |
| 阿里云开发者社区 | developer.aliyun.com | ModelScope 生态、推理优化等深度技术内容 |
| 腾讯云开发者社区 | cloud.tencent.com/developer | AI 大模型技术文章、实测对比 |