一、提示工程资源大全

这是一个关于提示工程的综合性资源库，在 GitHub 上获得 6万多 Star 了。

它汇集了指南、论文、课程、notebook 等资源，涵盖了提示工程、上下文工程、RAG 和 AI 智能体等核心领域。

AI 开发者、研究者或爱好者可以将其作为学习路径，从基础提示技巧到高级应用，比如思维链、ReAct、程序辅助语言模型等进行系统性的学习。

在实际开发过程中，遇到特定问题，比如如何让模型生成特定格式输出、如何进行信息抽取时，可以快速在此指南中找到相关的技术介绍、论文和代码示例。

开源地址：https://github.com/dair-ai/Prompt-Engineering-Guide

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

二、Qwen3-VL

Qwen3-VL 是阿里云通义千问团队开发的多模态大语言模型系列。

它在文本理解与生成、视觉感知与推理、上下文长度、空间和视频动态理解以及智能体交互能力方面进行了全面升级。

它可以操作 PC 或移动设备 GUI，识别界面元素、理解功能、调用工具并完成任务，适用于自动化流程和软件测试。

也可以能够根据图像或视频生成 Draw.io 图表、HTML/CSS/JS 代码，辅助 UI/UX 设计和前端开发。

开源地址：https://github.com/QwenLM/Qwen3-VL

三、AI 时代的记忆引擎

Supermemory 是一个极快、可扩展的记忆引擎和应用。

它能让你从任何内容（URL、PDF、文本）中添加记忆，并作为记忆 API 为 AI 时代服务。

使用这个玩意儿，你可以将阅读过的网页、文档、笔记等内容保存为记忆，构建个人专属的、可搜索的知识库。

也能通过与 Claude、Cursor 等 AI 工具通过 MCP 集成，AI 可以在对话中访问用户的记忆，提供更具个性化、上下文相关的回答。

支持连接 Notion、Google Drive、OneDrive 等服务，将分散在不同平台的信息集中到 Supermemory 中进行统一管理和查询。

开源地址：https://github.com/supermemoryai/supermemory

四、Claude 开发助手配置库

Claude Code Templates 是一个为 Anthropic 的 Claude Code 提供的配置模板集合。

帮助开发者快速配置和增强 Claude Code 的功能。

开源地址：https://github.com/davila7/claude-code-templates

开发者可以通过命令行工具一键安装针对特定角色、AI Agent、自定义命令以及与外部服务，比如 GitHub, PostgreSQL 集成的 MCP 工具。

在日常编码中，直接使用预置的模板和命令，让 Claude Code 帮助完成代码生成、测试、优化、安全检查等重复性任务。

可以使用如下命令快速安装：

# Install a complete development stack
npx claude-code-templates@latest --agent development-team/frontend-developer --command testing/generate-tests --mcp development/github-integration
# Browse and install interactively
npx claude-code-templates@latest
# Install specific components
npx claude-code-templates@latest --agent business-marketing/security-auditor
npx claude-code-templates@latest --command performance/optimize-bundle
npx claude-code-templates@latest --setting performance/mcp-timeouts
npx claude-code-templates@latest --hook git/pre-commit-validation
npx claude-code-templates@latest --mcp database/postgresql-integration

五、nanoGPT

最近这个开源项目火的不行， Open AI 创始人、特斯拉 AI 技术总监，大佬 Andrej Karpathy 创建的。

使用这个开源项目，你花 100 美元租一台 8 块 H100 显卡，自己就能训练出来一个能聊天的 GPT。

而且代码非常简洁，只有几千行就完成了。

开源项目：https://github.com/karpathy/nanoGPT

六、全栈开源电商平台

EverShop 是一个基于 TypeScript、GraphQL 和 React 开发的现代开源电商平台。

开源地址：https://github.com/evershopcommerce/evershop

它采用模块化架构，专为开发者设计，提供了构建定制化在线商店所需的核心功能。

开发者可以基于 EverShop 的模块化架构，快速搭建高度定制化的电商网站，满足特定的业务需求，而无需受限于传统 SaaS 电商平台的限制。

感兴趣的使用下面这个命令直接部署。

curl -sSL https://raw.githubusercontent.com/evershopcommerce/evershop/main/docker-compose.yml > docker-compose.yml
docker-compose up -d

七、下一代服务器工具包

Nitro 是一个功能丰富的服务器工具包。

帮助你快速搭建、打包并部署现代 JavaScript/TypeScript 的 Web 服务器与后端功能。

简单说，它把写后端代码和部署到各种平台这两件事变简单：

你可以用熟悉的 JS/TS 语法写请求处理、路由和中间件，然后把同一套代码部署到传统服务器、Serverless 或 Edge 上，而不必为每个平台改很多代码。

它通常作为 Nuxt 的服务端引擎，但也能单独用来做 API、SSR 或微服务。

开源地址：https://github.com/nitrojs/nitro

八、基于 MCP 的硬件聊天机器人

xiaozhi-esp32 是一个开源的、基于 ESP32 芯片的 AI 聊天机器人项目。

它利用 Qwen/DeepSeek 等大模型的能力，并通过 MCP 协议实现多端控制，是一个软硬件结合的项目。

你可以基于此项目制作自己的智能语音助手硬件，具备离线唤醒、语音对话、声纹识别、显示表情等功能。

通过设备端 MCP，可以控制灯光、电机、GPIO 等，将 AI 语音控制能力应用于智能家居、物联网设备中。

对于想了解如何将大模型能力落地到嵌入式硬件上的开发者，该项目提供了完整的硬件选型、固件烧录和软件开发的教程。

开源地址：https://github.com/78/xiaozhi-esp32

九、Anthropic 交互式提示工程教程

这是 Anthropic 官方提供的交互式提示工程教程。

它通过循序渐进的章节和练习，帮助用户掌握如何在 Claude 中设计有效的提示。

对于刚开始使用 Claude 的用户，可以通过这个教程快速掌握与 AI 交互的基本技巧，如如何清晰表达指令、分配角色、使用示例等。

教程涵盖了从基础到高级的提示技术，比如思维链、避免幻觉、构建复杂提示，帮助用户系统性地提升提示工程水平，以解决更复杂的任务。

开源地址：https://github.com/anthropics/prompt-eng-interactive-tutorial

十、主动式上下文感知 AI 伙伴

MineContext 是一个开源的、主动的上下文感知 AI 伙伴。

它通过截图和内容理解来感知用户的数字工作环境，并基于上下文工程框架，主动推送摘要、待办事项等有价值信息。

在你日常使用电脑时，MineContext 在后台自动记录屏幕信息，并主动生成每日/每周摘要、待办清单、活动记录等，帮助你回顾和规划工作。

而且当你在写作、编程时，它可以基于当前打开的文档、代码文件，智能地推荐相关信息或回答相关问题。

所有数据本地处理，为你提供了一个安全的个人数字上下文管理工具，用于记录和检索自己的工作和学习轨迹。

开源地址：https://github.com/volcengine/MineContext

十一、超小型大语言模型训练工具

这个开源项目能让每个人都能从 0 开始训练超小型 AI 大模型。

你只需一张 NVIDIA 3090，花费约 3 元成本和 2 小时，即可训练出一个具备基本对话能力的 2600 万参数模型，亲身体验模型构建的全过程。

项目提供了从预训练、监督微调、LoRA微调到模型蒸馏的全套代码，所有核心算法均使用 PyTorch 原生实现，给劲儿。

开源地址：https://github.com/jingyaogong/minimind

十二、0基础怎么学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓