学习资源
High Contrast
Dark Mode
Light Mode
Sepia
Forest
6 min read1,248 words

学习资源

持续学习LLM技术的重要资源。

官方文档

LangChain

OpenAI API

Hugging Face

在线课程

入门课程

  1. LangChain官方课程 - 🔗 https://www.deeplearning.ai/short-courses/langchain-for-llm-application-development/ - ⏱️ 时长: 2小时 - 📝 内容: LangChain基础、链、代理、记忆

  2. Hugging Face NLP课程 - 🔗 https://huggingface.co/learn/nlp-course/chapter1/1 - ⏱️ 时长: 10小时 - 📝 内容: Transformers库、模型微调

  3. Prompt Engineering课程 - 🔗 https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/ - ⏱️ 时长: 1小时 - 📝 内容: 提示词工程原则和实践

进阶课程

  1. Building Agentic RAG - 🔗 https://www.deeplearning.ai/short-courses/building-agentic-rag-with-llamaindex/ - ⏱️ 时长: 3小时 - 📝 内容: 智能RAG系统构建

  2. AI Agents - 🔗 https://www.deeplearning.ai/short-courses/ai-agents/ - ⏱️ 时长: 2.5小时 - 📝 内容: Agent架构和实现

  3. Fine-Tuning LLMs - 🔗 https://www.deeplearning.ai/short-courses/generative-ai-with-llms/ - ⏱️ 时长: 1.5小时 - 📝 内容: 模型微调技术

经典论文

必读论文

graph TB A[Transformer时代] --> B[2017] B --> B1[Attention Is All You Need] B --> B2[提出Transformer架构] A --> C[2018] C --> C1[BERT] C --> C2[预训练+微调范式] A --> D[2020] D --> D1[GPT-3] D --> D2[大规模语言模型] A --> E[2022] E --> E1[ChatGPT] E --> E2[对话式AI] A --> F[2023+] F --> F1[Llama系列] F --> F2[开源模型崛起] style B1 fill:#ff6b6b style C1 fill:#ffd93d style D1 fill:#6bcb77 style E1 fill:#4d96ff style F1 fill:#9b59b6

核心论文列表

年份 论文 贡献
2017 Attention Is All You Need 提出Transformer
2018 BERT: Pre-training of Deep Bidirectional 预训练模型
2020 Language Models are Few-Shot Learners (GPT-3) 少样本学习
2022 Training language models to follow instructions with human feedback (InstructGPT) RLHF
2022 Sparse Attention (Longformer, BigBird) 长上下文
2023 LLaMA: Open and Efficient Foundation Language Models 开源模型
2023 LoRA: Low-Rank Adaptation of Large Language Models 高效微调
2024 Mixtral of Experts 混合专家

论文阅读技巧

# 快速理解论文的框架
def analyze_paper(paper_url):
"""
分析论文核心内容
"""
paper_content = download_paper(paper_url)
analysis = {
"problem": extract_problem(paper_content),
"solution": extract_solution(paper_content),
"methodology": extract_methodology(paper_content),
"results": extract_results(paper_content),
"key_contributions": extract_contributions(paper_content),
"limitations": extract_limitations(paper_content),
"future_work": extract_future_work(paper_content)
}
return analysis
# 使用
paper_url = "https://arxiv.org/abs/1706.03762"
analysis = analyze_paper(paper_url)

实践项目

初级项目

  1. 聊天机器人 - 技术栈: Streamlit + OpenAI API - 功能: 多轮对话、历史记录 - 时间: 2-3天

  2. 文档摘要 - 技术栈: LangChain + OpenAI - 功能: 上传文档、生成摘要 - 时间: 2-3天

  3. 代码助手 - 技术栈: OpenAI API + DeepSeek - 功能: 代码生成、解释、调试 - 时间: 3-4天

中级项目

  1. RAG问答系统 - 技术栈: LangChain + ChromaDB + OpenAI - 功能: 文档检索、智能问答 - 时间: 1-2周

  2. 多模态应用 - 技术栈: GPT-4V + LangChain - 功能: 图像理解、多模态问答 - 时间: 1-2周

  3. Agent系统 - 技术栈: LangChain Agent + Tools - 功能: 自主任务执行、工具调用 - 时间: 2-3周

高级项目

  1. 完整RAG平台 - 技术栈: FastAPI + Vector DB + Frontend - 功能: 文档管理、检索、生成、评估 - 时间: 1-2月

  2. 自定义LLM微调 - 技术栈: PyTorch + HuggingFace - 功能: 在特定数据上微调模型 - 时间: 2-4周

  3. LLM评估系统 - 技术栈: RAGAS + DeepEval - 功能: 自动评估RAG系统性能 - 时间: 2-3周

书籍推荐

中文书籍

  1. 《动手学深度学习》 - 作者: 李沐等 - 特点: 实践导向，代码丰富 - 在线: https://zh.d2l.ai

  2. 《深度学习入门：基于Python的理论与实现》 - 作者: 斋藤康毅 - 特点: 从零实现，深入浅出

  3. 《大语言模型：原理、应用与实践》 - 作者: 国内多位专家 - 特点: 全面覆盖LLM技术

英文书籍

  1. "Transformers for Natural Language Processing" - 作者: Denis Rothman - 特点: Transformer深度讲解

  2. "Generative Deep Learning" - 作者: David Foster - 特点: 生成模型全面介绍

  3. "Designing Machine Learning Systems" - 作者: Chip Huyen - 特点: 系统设计视角

博客和专栏

推荐博客

  1. Jay Alammar - 🔗 https://jalammar.github.io - 特点: 可视化讲解，通俗易懂

  2. Lilian Weng's Blog - 🔗 https://lilianweng.github.io - 特点: 技术深度，前沿内容

  3. Sebastian Raschka - 🔗 https://sebastianraschka.com - 特点: 实践代码，教程详细

中文博客

  1. 机器之心 - 🔗 https://www.jiqizhixin.com - 特点: 新闻、论文解读

  2. 量子位 - 🔗 https://www.qbitai.com - 特点: AI行业动态

  3. 新智元 - 🔗 https://www.aiweibang.com - 特点: 前沿技术报道

YouTube频道

英文频道

  1. Andrej Karpathy - 🔗 https://www.youtube.com/@AndrejKarpathy - 内容: 深度学习、LLM原理

  2. LangChain - 🔗 https://www.youtube.com/@langchain - 内容: LangChain教程

  3. Hugging Face - 🔗 https://www.youtube.com/@huggingface - 内容: NLP、Transformers

中文频道

  1. 李沐 - 🔗 https://www.youtube.com/@Mu-Li - 内容: 深度学习课程

  2. 霍格沃兹测试开发学社 - 🔗 https://www.youtube.com/@hogwarts - 内容: AI测试、自动化

社区

GitHub

关注以下仓库： - langchain-ai/langchain - LangChain框架 - openai/openai-python - OpenAI SDK - microsoft/semantic-kernel - 微软语义内核 - chromadb/chroma - 向量数据库

Discord

活跃Discord社区： - LangChain - https://discord.gg/langchain - OpenAI Developers - https://discord.gg/openai - Hugging Face - https://discord.gg/huggingface

知乎和公众号

学习路径建议

graph LR A[Python基础] --> B[机器学习基础] B --> C[深度学习基础] C --> D[NLP基础] D --> E[Transformer原理] E --> F[LangChain实践] F --> G[RAG系统] G --> H[Agent开发] style A fill:#e1f5ff style H fill:#c8e6c9

学习要点

✅ 官方文档是最权威的资源 ✅ Hugging Face和DeepLearning AI提供优质课程 ✅ 必读核心论文理解技术发展 ✅ 从小项目开始，逐步增加复杂度 ✅ 书籍适合系统学习，博客适合更新 ✅ 参与社区获取帮助和交流

下一步: 加入社区交流](03-community.md) 👥