Skip to content
Back to search

ai-compass

SkillWorks with Claude CodeGitHub

Search and answer questions from the local AI-Compass AI knowledge base. Use when the user asks about AI models, tools, agents, RAG, multimodal systems, evaluation, learning paths, project resources, or recent AI developments covered by this repository; distinguish weekly updates from long-term topic knowledge, retrieve only the needed sources, and cite repository paths.

Safety scan

A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.

Checked today

Check it deeper on your machine

It has changed since its scan on 11 Nov 2026.

As a Claude Code plugin, install it and then ask Claude Code:

/plugin marketplace add keithmackay/mackayi/plugin install scanskillsafety@mackayiDo a deep scan of https://github.com/tingaicompass/AI-Compass with scanskillsafety

Or from a terminal, clone it and run it:

git clone https://github.com/keithmackay/scanskillsafety-skill ~/.claude/skills/scanskillsafetynode ~/.claude/skills/scanskillsafety/cli.cjs --deep 'https://github.com/tingaicompass/AI-Compass'

It checks the exact commit: every file, its packages against OSV (api.osv.dev), how it compares with this page's scan (findsafeskills.com receives the repository's address), and, if you agree, Claude reading every file with your own Claude subscription. It never runs the code.

Badge for your README
findsafeskills safety rating

Markdown

[![findsafeskills safety rating](/api/listings/tingaicompass--ai-compass/badge.svg)](/listings/tingaicompass--ai-compass)

HTML

<a href="/listings/tingaicompass--ai-compass"><img src="/api/listings/tingaicompass--ai-compass/badge.svg" alt="findsafeskills safety rating" /></a>

Install

i

What was scanned

The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.

SKILL.md · Manifest · 121 lines

View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)

This file has changed since it was scanned, so this is not exactly the text that was scanned, and no line is marked. The findings are listed with the safety scan above.

  1. ---
  2. name: ai-compass
  3. description: Search and answer questions from the local AI-Compass AI knowledge base. Use when the user asks about AI models, tools, agents, RAG, multimodal systems, evaluation, learning paths, project resources, or recent AI developments covered by this repository; distinguish weekly updates from long-term topic knowledge, retrieve only the needed sources, and cite repository paths.
  4. ---
  5. # AI-Compass Local Knowledge Base
  6. Treat the directory containing this `SKILL.md` as the repository root. Use AI-Compass as a curated Chinese knowledge base for AI learning, model and tool discovery, technical architecture, engineering examples, and weekly industry developments.
  7. ## Knowledge Model
  8. Use the repository as three connected layers instead of one undifferentiated document collection:
  9. | Layer | Primary sources | Use it for |
  10. | --- | --- | --- |
  11. | Repository map | `README.md` | Module boundaries, learning routes, resource discovery, and finding the right subtree |
  12. | Weekly increments | `weeklyHighlights/latest.md`, `weeklyHighlights/INDEX.md`, issue files, optional `weeklyHighlights/topicRoutes/<issue>.json` | Latest developments, historical timelines, and what changed in a given period |
  13. | Long-term knowledge | Numbered topic directories and `11.blog/` / `11.code/` | Stable technical explanations, comparison, implementation references, and learning material |
  14. Never treat a weekly item as a durable consensus without checking its matching topic page. Conversely, do not present a long-term topic page as evidence of the latest news without reading the weekly index and issue.
  15. ## Decide the Entry Point
  16. Classify the request before opening files:
  17. | User intent | Read first | Then read |
  18. | --- | --- | --- |
  19. | “最近”“本周”“最新” | `weeklyHighlights/latest.md` | Its linked issue and, when needed, the matching topic page |
  20. | “过去几周”“演进”“提到过几次” | `weeklyHighlights/INDEX.md` | Only the relevant issue files |
  21. | “是什么”“怎么做”“对比” | The matching long-term topic file | Linked resources or weekly files only when recency matters |
  22. | “怎么学”“路线”“从零开始” | `README.md` | The modules appropriate to the user's level and goal |
  23. | “项目结构”“代码怎么运行”“实现细节” | `README.md` then the target `11.code/` or `11.blog/` subtree | The smallest set of source files that answers the question |
  24. If a request combines time-sensitive and foundational questions, answer in two labeled parts: `本周增量` and `长期沉淀`.
  25. ## Topic Routing
  26. Search the most likely topic home before using a repository-wide search. These are the preferred entry files:
  27. | Topic | Preferred file |
  28. | --- | --- |
  29. | Prompt engineering | `1.1 Prompt工程/2.Prompt工程.md` |
  30. | Models, capabilities, and model selection | `1.3 LLM合集-语言/1.LLM合集-语言.md` |
  31. | Multimodal, image, video, audio, and OCR | `1.4 LLM合集-多模态/多模态.md` |
  32. | Embeddings, training, inference, deployment, RLHF | `2.0 Embedding模型/2.Embedding模型.md`, `2.1 LLM训练框架/2.大模型训练框架.md`, `2.2 LLM推理框架+部署/2.LLM训练推理加速框架+部署.md`, `2.4 RLHF/2.RLHF.md` |
  33. | Evaluation and benchmarks | `2.3 LLM评估框架/2.LLM模型评估.md` |
  34. | MCP and A2A | `3.0 MCP+A2A/3.MCP+A2A.md` |
  35. | RAG, workflow, knowledge bases | `3.1 RAG+workflow/3.RAG+workflow.md` |
  36. | Agents and tool use | `3.2 Agent/3.Agent.md` |
  37. | Deep research, GraphRAG, NL2SQL | `3.3 DeepSearch/3.DeepSearch.md`, `3.4 GraphRAG/3.GraphRAG.md`, `3.5 NLP2SQL/3.NL2SQL.md` |
  38. | Robotics and embodied AI | `3.7 AI Robot/3.AIRobot.md` |
  39. | AI products and recommended projects | `5.AI产品/5.AI产品.md`, `7.AI项目推荐/7.AI项目推荐.md` |
  40. | Python development and AI databases | `8.0 Python/PY.md`, `8.1 AI数据库/8.AI数据库.md` |
  41. | Machine learning, CV, recommender systems, reinforcement learning, and knowledge graphs | `8.3 ML/ML.md`, `8.4 CV/8.CV.md`, `8.5 RecommenderSystem/推荐系统.md`, `8.6 RL/RL.md`, `8.7 KnowledgeGraph/图谱.md` |
  42. | Courses, learning platforms, academic tools, and interview preparation | `6.AI课程/6.AI课程.md`, `9.学习平台/学习平台.md`, `9.学术工具/学术工具.md`, `9.面试/面试.md` |
  43. | Runnable examples and learning articles | `11.code/`, `11.blog/` |
  44. Use `rg -n` to locate an unfamiliar term after choosing the most likely subtree. Do not load all topic files or every weekly issue just because the repository is local.
  45. ## Weekly Item Routes
  46. When a question targets a specific weekly item, check `weeklyHighlights/topicRoutes/<issue>.json` after identifying the issue. Schema version `1` maps each weekly `section_id` and title to:
  47. - the item's anchor in the weekly issue;
  48. - one primary topic path and its stable body anchor;
  49. - zero to two related topic paths.
  50. Use the primary topic as the durable full-text entry. Related topic paths are navigation only: follow their directory link to the primary entry instead of expecting or synthesizing a duplicate body. Treat the route file as a retrieval index, not as evidence for the underlying claim; cite the weekly issue or primary topic page that contains the text.
  51. Route files are optional so older issues and older repository versions remain usable. If the file is absent, malformed, uses an unsupported schema version, or has no matching item, fall back to `latest.md` or `INDEX.md`, open the relevant issue, and use the preferred topic table plus a scoped `rg -n` search.
  52. ## Retrieval Workflow
  53. 1. Identify whether the request needs current information, historical comparison, durable explanation, implementation detail, or a learning route.
  54. 2. For a specific weekly item, use its schema-v1 route entry when available; otherwise open the entry file selected above and use its structure, links, and headings to narrow the scope.
  55. 3. Read the minimum primary source passages needed to support the answer. Prefer an official link, repository link, or paper already recorded in AI-Compass when the user asks for further reading.
  56. 4. Cross-check claims that mix freshness and theory: the weekly issue establishes when it appeared; the topic page establishes how it fits the longer technical landscape.
  57. 5. State uncertainty when the repository has no entry, a weekly claim is unverified by longer-term material, or a version/date may have changed since the stored issue.
  58. ## Task Playbooks
  59. ### Latest AI developments
  60. Read `weeklyHighlights/latest.md`, then the linked issue. Return the issue date and number, rank only the developments relevant to the user's request, and identify the affected audience or use case. Do not summarize all entries unless the user explicitly asks for a full digest.
  61. ### Historical comparison
  62. Use `weeklyHighlights/INDEX.md` to identify the relevant issues first. Build a short timeline from the selected issue files, separate repository facts from your interpretation, and explain whether the observed change is a model release, product iteration, benchmark result, or ecosystem shift.
  63. ### Technical explanation or recommendation
  64. Start from the routed long-term topic page. Explain the concept, its role in a system, tradeoffs, and suitable scenarios. When recommending a tool or model, give the selection criteria and distinguish documented capabilities from your inference; do not imply endorsement merely because a project is listed.
  65. ### Learning route
  66. Use `README.md` to identify the user's current level and goal. Propose a short ordered route through existing modules, state what each step teaches, and avoid presenting the full repository tree as a required curriculum.
  67. ### Project or codebase analysis
  68. Read the relevant module overview before source files. Describe purpose, main components, data/control flow, configuration and external dependencies, then point to the smallest runnable or explanatory file set. Never invent setup instructions, APIs, or test results absent from the repository.
  69. ## Answer Contract
  70. - Answer in the user's language; preserve technical names and file paths exactly.
  71. - Label time-sensitive findings as `周度增量` and stable explanations as `长期沉淀` whenever both are used.
  72. - Cite repository-relative paths next to factual claims, for example `weeklyHighlights/49.md` or `3.2 Agent/3.Agent.md`.
  73. - Prefer concise synthesis over link dumping. Include the fewest sources that make the answer auditable.
  74. - Clearly distinguish direct repository facts, source-linked claims, and your own synthesis or recommendation.
  75. - Never claim that a topic, model, or feature is current beyond the latest issue date recorded in `weeklyHighlights/latest.md`.
  76. ## Failure Handling
  77. - If a term is absent, say that it is not currently recorded in AI-Compass after searching the relevant subtree; do not fabricate an entry.
  78. - If internal sources disagree, report the conflict with paths and dates rather than silently choosing one.
  79. - If the user requests real-time external facts, explain that AI-Compass is a local snapshot, use the latest recorded issue as the repository baseline, and only browse externally when the task separately authorizes it.
  80. ## External Router Network
  81. When weekly-highlight topic routing uses an OpenAI-compatible endpoint, run the DNS preflight before starting a large hybrid sync. If `socket.getaddrinfo()` fails inside the current Codex process, do not repeatedly retry every item and do not change VPN DNS blindly. Use `--router-mode rules --router-timeout 10`, keep the warning in the run manifest, and rerun hybrid after network access is verified. The incident-specific diagnosis and Terminal/VPN checks are recorded in `docs/codex-router-network.md`.
  82. For repeatable runs, use `tools/sync_weekly_highlight_safe.sh`; it performs the preflight and chooses `hybrid` or `rules` automatically.
README.md · README · 802 lines

View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)

This file has changed since it was scanned, so this is not exactly the text that was scanned, and no line is marked. The findings are listed with the safety scan above.

  1. <p align="center">
  2. <img src="./picture/main/封面.png" alt="汀丶人工智能" />
  3. </p>
  4. <p align="center">
  5. <a href="https://github.com/tingaicompass/AI-Compass/stargazers">
  6. <img src="https://img.shields.io/github/stars/tingaicompass/AI-Compass?style=social" >
  7. </a>
  8. <a href="https://gitee.com/tingaicompass/ai-compass">
  9. <img src="https://img.shields.io/badge/Gitee-E52E4D.svg?style=plastic&logo=Gitee">
  10. </a>
  11. <a href="./picture/main/wx.png">
  12. <img src="https://img.shields.io/badge/汀丶人工智能-1AAD19.svg?style=plastic&logo=wechat&logoColor=white" >
  13. </a>
  14. <a href="https://blog.csdn.net/sinat_39620217?type=blog">
  15. <img src="https://img.shields.io/badge/CSDN-汀丶人工智能-F46036.svg">
  16. </a>
  17. <a href="./picture/minor/KnowledgePlanet.md">
  18. <img src="https://img.shields.io/badge/知识星球-汀丶人工智能-1AAD19.svg">
  19. </a>
  20. <a href="https://www.zhihu.com/people/tingaicompass">
  21. <img src="https://img.shields.io/badge/汀丶人工智能-0079FF.svg?style=plastic&logo=zhihu&logoColor=white">
  22. </a>
  23. <a href="https://juejin.cn/user/4020284493662029">
  24. <img src="https://img.shields.io/badge/汀丶人工智能-305590.svg?style=plastic&logo=juejin">
  25. </a>
  26. <a href="https://space.coze.cn/coding-expert-runtime/276757782274?task_id=7532330670594277651">
  27. <img src="https://img.shields.io/badge/官网-009DFF.svg?style=plastic&logo=coze">
  28. </a>
  29. </p>
  30. [[中文](./README.md)]丨[[English](./README-EN.md)丨[[官网](https://space.coze.cn/coding-expert-runtime/276757782274?task_id=7532330670594277651)]
  31. # AI-Compass
  32. **AI-Compass**将为你和社区提供在AI技术海洋中航行的方向与指引。无论你是刚踏入AI领域的初学者,还是寻求技术突破的进阶开发者,都能在这里找到通往AI各大技术方向的清晰路径和实践指南。作为一个全面覆盖人工智能技术栈的综合性开源项目,**AI-Compass 不仅仅是一个简单的资源收集库,更是一个经过精心策划和系统化组织的AI学习生态系统**。
  33. 我们深度**整合了从基础理论到前沿应用的完整知识体系,涵盖大语言模型、多模态AI、机器学习、深度学习、计算机视觉、自然语言处理、推荐系统、强化学习等核心技术领域**,以及`RAG`、`Agent`、GraphRAG等前沿应用架构。项目还包含了丰富的工程实践资源,从模型训练、推理部署到产品化落地的全流程技术指南,帮助开发者构建从概念验证到商业化应用的完整技术能力。
  34. [🎫 AI Compass知识星球优惠券](./picture/minor/KnowledgePlanet.md)
  35. **一句话交给 Coding Agent 安装**
  36. 如果你在用 Claude Code、Codex、Cursor、Windsurf 或其他 Coding Agent,直接把下面这句话发给它:
  37. ```text
  38. 如果本机还没有 AI-Compass,请先 clone https://github.com/tingaicompass/AI-Compass.git,然后按照 https://raw.githubusercontent.com/tingaicompass/AI-Compass/main/Install.md 把它安装为我本机 Codex 和 Claude Code 都能使用的本地知识库 Skill。完成后告诉我安装路径、验证结果,以及是否需要重启客户端。
  39. ```
  40. 🤖 作为知识库使用:
  41. 这条提示词会让 Coding Agent 按需克隆仓库、执行根目录安装脚本并验证软链接;之后你可以直接询问 AI 技术、模型、项目和每周更新。
  42. ## 目录
  43. - [🎯 项目定位](#-项目定位)
  44. - [📮 资源收录申请](#-资源收录申请)
  45. - [🧩 模块介绍](#-模块介绍)
  46. - [✍️ 博客模块](#-博客模块)
  47. - [💻 Code模块](#-code模块)
  48. - [📚 基础知识模块](#-基础知识模块)
  49. - [🔧 技术框架模块](#-技术框架模块)
  50. - [🚀 应用实践模块](#-应用实践模块)
  51. - [💼 产品与工具模块](#-产品与工具模块)
  52. - [📖 学习资源模块](#-学习资源模块)
  53. - [🌐 社区与平台模块](#-社区与平台模块)
  54. - [🏢 企业开源模块](#-企业开源模块)
  55. - [🌐 未来愿景(含星球优惠券)](#-未来愿景)
  56. - [Star History](#star-history)
  57. >链接🔗:均支持跳转👈
  58. ## 🎯 项目定位:
  59. **AI-Compass** 致力于构建最全面、最实用、最前沿的AI技术学习和实践生态,通过九大核心模块的系统化组织,为不同层次的学习者和开发者提供从入门到精通的完整学习路径。
  60. ### 📋 核心模块架构:
  61. - **✍️ 博客模块**:沉淀体系化技术文章,当前覆盖 Python 基础、算法题解与编程能力提升,后续会持续更新 **LLM 相关指南、面试技巧与面试题、企业级逻辑项目讲解等内容**
  62. - **💻 Code模块**:提供可运行的 AI 实战代码与 Demo,当前包含 RAG 等工程样例,后续会持续补充更多项目实战代码,便于直接调试、复用,以及让 AI 做代码级问答与项目拆解
  63. - **🧠 基础知识模块**:作为入门与选型入口,整合AI导航工具、Prompt工程、LLM测评榜、语言大模型与多模态大模型资源
  64. - **⚙️ 技术框架模块**:包含Embedding模型、训练框架、推理部署、评估框架、RLHF等技术栈
  65. - **🚀 应用实践模块**:聚焦RAG+workflow、Agent、GraphRAG、MCP+A2A等前沿应用架构
  66. - **🛠️ 产品与工具模块**:整合AI应用、AI产品、竞赛资源等实战内容
  67. - **📖 学习资源模块**:汇聚学习平台、精选文章、学术工具、面试资源与常用软件,补齐系统化成长路径
  68. - **🏢 企业开源模块**:汇集华为、腾讯、阿里、百度飞桨、Datawhale等企业级开源资源
  69. - **🌐 社区与平台模块**:提供学习平台、技术文章、社区论坛等生态资源
  70. ### 📚 适用人群:
  71. - **AI初学者**:提供系统化的学习路径和基础知识体系,快速建立AI技术认知框架
  72. - **技术开发者**:深度技术资源和工程实践指南,提升AI项目开发和部署能力
  73. - **产品经理**:AI产品设计方法论和市场案例分析,掌握AI产品化策略
  74. - **研究人员**:前沿技术趋势和学术资源,拓展AI应用研究边界
  75. - **企业团队**:完整的AI技术选型和落地方案,加速企业AI转型进程
  76. - **求职者**:全面的面试准备资源和项目实战经验,提升AI领域竞争力
  77. ## 📮 资源收录申请
  78. 如果你有 AI 工具、开源项目、模型服务、学习资料、技术文章或社区平台希望被 AI-Compass 收录,欢迎通过 GitHub Issue 提交。为了方便维护者快速判断分类、有效性和适合的落点,请尽量按下面格式提供信息:
  79. ```markdown
  80. 标题:资源收录申请:工具或项目名称
  81. 工具名称:
  82. 官网链接:
  83. 所属分类:
  84. 一句话简介:
  85. 核心特性:
  86. - 核心能力 1
  87. - 核心能力 2
  88. - 核心能力 3
  89. 适用人群/场景:
  90. 是否开源/免费/付费:
  91. 相关补充链接:
  92. 提交人备注:
  93. ```
  94. 收录时会优先考虑信息完整、链接稳定、与 AI 学习/开发/应用实践强相关的资源。商业工具也可以提交,但请明确说明定价、免费额度或试用方式;项目不会做付费排名,维护者会根据内容质量、可用性和社区价值进行整理。
  95. 已拉取的 GitHub Issue 投稿与处理结果见 [资源收录台账](./docs/github-issue-resource-submissions.md),其中保留每条投稿的原始正文和来源链接。
  96. ## 📅每周精选👇👇👇
  97. > 如果你是把仓库当知识库来用,建议优先查看 [`latest.md`](./weeklyHighlights/latest.md) 和 [`INDEX.md`](./weeklyHighlights/INDEX.md);后续新增周报时请同步更新这两个文件,并参考 [`TEMPLATE.md`](./weeklyHighlights/TEMPLATE.md) 补齐元数据。
  98. <details>
  99. <summary>📡往期</summary>
  100. 1. [AI-Compass前沿速览:NativeMind本地AI助手、Gen-CLI、千音漫语智能配音等AI工具深度解析](./weeklyHighlights/1.md)
  101. 2. [AI-Compass前沿速览:ChatGPT Agent、Kimi2、Mistral语音模型、Grok AI情感陪伴、百度Tizzy、有言数字人](./weeklyHighlights/2.md)
  102. 3. [AI-Compass前沿速览:Qwen3模型升级、字节GR-3机器人、TRAE SOLO、JoyAgent OxyGent京东智能体框架、智谱Z.ai炫酷PPT制作](./weeklyHighlights/3.md)
  103. 4. [AI-Compass前沿速览:可灵创意工坊、字节Coze Studio&Coze Loop、通义万相2.2 、智谱GLM-4.5、腾讯混元3D世界模型开源](./weeklyHighlights/4.md)
  104. 5. [AI Compass趣味AI应用分享:Quin-AI塔罗占卜、FateTellAI命理分析、爱宠信箱宠物情绪陪伴应用](./weeklyHighlights/5.趣味应用.md)
  105. 5. [AI Compass前沿速览:gemini-StorybookAI故事、gpt-oss推理模型开源、Qwen-Image文生图、RedOne社交大模型、小米MiDashengLM](./weeklyHighlights/5.md)
  106. 6. [AI Compass前沿速览:Qwen3-Coder、Ollama 桌面版、Kimi K2高速版、FLUX.1 Krea 文生图、小星绪漫画生成、氢离子医学AI助手](./weeklyHighlights/6.md)
  107. 7. [AI Compass前沿速览:Claude Opus 4.1、MiniMax-Speech 2.5、Qwen-Flash、Jules – 谷歌AI编程智能体](./weeklyHighlights/7.md)
  108. 8. [AI Compass前沿速览:RynnVLA视觉-语言-动作模型、GLM-4.5V 、DreamVVT虚拟换衣、 WeKnora框架、GitMCP、NeuralAgent桌面AI助手](./weeklyHighlights/8.md)
  109. 9. [AI Compass前沿速览:DINOv3-Meta视觉基础模型、DeepSeek-V3.1、Qwen-Image、Seed-OSS、CombatVLA-3D动作游戏模型、VeOmni训练框架](./weeklyHighlights/9.md)
  110. 10. [AI Compass前沿速览:Qoder Agentic编程、vivo Vision头显、AIRI桌面伴侣、RM-Gallery奖励模型平台、Sim-Agent工作流](./weeklyHighlights/10.md)
  111. 11. [AI Compass前沿速览:Jetson Thor英伟达AI计算、Gemini 2.5 Flash Image、Youtu腾讯智能体框架、Wan2.2-S2V多模态视频生成、SpatialGen 3D场景生成模型](./weeklyHighlights/11.md)
  112. 12. [AI Compass前沿速览:PixVerse V5、gpt-realtime、Grok Code Fast、HunyuanVideo、OmniHuman-1.5、字节WaverAI视频、MiniCPM 4.5等](./weeklyHighlights/12.md)
  113. 13. [AI Compass前沿速览:Nano Banana玩法教学、AgentScope、Hunyuan-MT-7B、HunyuanWorld-Voyager、AudioStory](./weeklyHighlights/13.md)
  114. 14. [AI Compass前沿速览:Kimi K2、InfinityHuman-AI数字人、3D-AI桌面伴侣、叠叠社–AI虚拟陪伴](./weeklyHighlights/14.md)
  115. 15. [字节Seedream4.0、Qwen3-Max、EmbeddingGemma、OneCAT多模态、rStar2-Agent](./weeklyHighlights/15.md)
  116. 16. [AI Compass前沿速览:CodeBuddy Code、即梦4.0、MiniCPM 4.1 、Hunyuan2.1、Qwen3-ASR、SpikingBrain脑脉冲大模型](./weeklyHighlights/16.md)
  117. 17. [AI Compass前沿速览:Qwen3-Next、Seedream 4.0玩法教程、FireRedTTS-2、SRPO文生图模型、MiniMax Music 1.5 ](./weeklyHighlights/17.md)
  118. 18. [AI Compass前沿速览:IndexTTS2–B站、HuMo、Stand-In视觉生成框架、Youtu-GraphRAG、MobileLLM-R1–Meta、PP-OCRv5](./weeklyHighlights/18.md)
  119. 19. [AI Compass前沿速览:GPT-5-Codex 、宇树科技世界模型、InfiniteTalk美团数字人、ROMA多智能体框架、混元3D 3.0](./weeklyHighlights/19.md)
  120. 20. [AI Compass前沿速览:Nano Bananary、MCP Registry、通义DeepResearch 、VoxCPM、InternVLA·M1具身机器人](./weeklyHighlights/20.md)
  121. 21. [AI Compass前沿速览:TrafficVLM、DeepSeek-Terminus、Qwen3-Omni、蚂蚁百灵、Wan2.2-Animate、Qianfan-VL](./weeklyHighlights/21.md)
  122. 22. [AI Compass前沿速览:Qwen3-Max、Mixboard、Qwen3-VL、Audio2Face、Vidu Q2 AI视频生成模型、Qwen3-LiveTranslate-全模态同传大模型](./weeklyHighlights/22.md)
  123. 23. [AI Compass前沿速览:DeepSeek-V3.2、Sora 2、Imagine v0.9、LONGLIVE–英伟达、xLLM、OpenAgents](./weeklyHighlights/23.md)
  124. 24. [AI Compass前沿速览:ChatGPT Atlas、Claude Code、Haiku 4.5、Veo 3.1、nanochat、DeepSeek-OCR](./weeklyHighlights/24.md)
  125. 25. [AI Compass前沿速览:Cursor 2.0、Firefly Image5、Agent HQ 、LongCat-Video、Kimi-k2 Thinking](./weeklyHighlights/25.md)
  126. 26. [AI Compass前沿速览:Gemini 3、Grok 4.1、GPT-5.1、千问、Lumine-3D开世界AI智能体](./weeklyHighlights/26.md)
  127. 27. [AI Compass前沿速览:Nano Banana Pro、Gemini 3 、 HunyuanVideo 1.5 、Meta SAM 3D生成](./weeklyHighlights/27.md)
  128. 28. [AI Compass前沿速览:Open-AutoGLM智能体框架、Z-Image图像生成、GLM-4.6V多模态理解与可灵2.6音画同步技术](./weeklyHighlights/28.md)
  129. ![](https://i.postimg.cc/ZnYxTPNP/z-image.png)
  130. 29. [AI Compass前沿速览:GPT-5.2发布 | Qwen3全模态升级 | Runway世界模型 | 智谱视频生成双子星](./weeklyHighlights/29.md)
  131. 30. [AI Compass前沿速览:GLM-Claw | EdgeClaw Box体验 | 新LongCat-Flash-Prover | 智象未来「帧赞」内测](./weeklyHighlights/30.md)
  132. 31. [AI Compass前沿速览:Veo 3.1 Lite、Qwen3.5-Omni、DeerFlow 2.0领衔本周AI热点](./weeklyHighlights/31.md)
  133. 32. [AI Compass前沿速览:Qwen3.6-Plus、Wan2.7-Video、Gemma 4领衔本周AI热点](./weeklyHighlights/32.md)
  134. 33. [AI Compass前沿速览:Claude Mythos、GLM-5.1、LifeSim领衔本周AI热点](./weeklyHighlights/33.md)
  135. 34. [AI Compass前沿速览:聚焦 OmniShow、Gemini 3.1 Flash TTS 与 新混元3D世界模型 2.0](./weeklyHighlights/34.md)
  136. 35. [AI Compass前沿速览:聚焦 HappyOyster、Qwen3.6-35B-A3B 与 Claude Opus 4.7](./weeklyHighlights/35.md)
  137. 36. [AI Compass前沿速览:聚焦 Qwen3.6-Max-Preview、ClawLess 与 AgentScope Tuner](./weeklyHighlights/36.md)
  138. 37. [AI Compass前沿速览:GPT-5.5 与 DeepSeek-V4 同周登场,星火X2、腾讯离线翻译、FlashQLA 和 TIPSv2 推动 AI 智能体与开源生态再升级](./weeklyHighlights/37.md)
  139. 38. [AI Compass前沿速览:Grok 4.3 与 Flipbook 同周登场,OpenLess、OfficeCLI、Career-Ops 与 FlashQLA 推动 AI 智能体与开源生态再升级](./weeklyHighlights/38.md)
  140. 39. [AI Compass前沿速览:Anthropic 推出 Claude Computer Use 开发者最佳实践指南 与 Lumen Flow 同周登场,AGenUI、General365、InsForge 与 agents-cli 推动 AI 智能体与开源生态再升级](./weeklyHighlights/39.md)
  141. 40. [AI Compass前沿速览:Gemini Omni Flash 与 Hy 翻译 同周登场,Gemini Spark、Violin、LongCat-Video-Avatar 1.5 与 GLM-5.1-highspeed 推动 AI 智能体与开源生态再升级](./weeklyHighlights/40.md)
  142. 41. [AI Compass前沿速览:Gamma-World 与 Claude Opus 4.8 同周登场,Hermes Desktop、OmniVoice Studio、阿里云百炼 CLI 与 Qwen-VLA 推动 AI 智能体与开源生态再升级](./weeklyHighlights/41.md)
  143. 42. [AI Compass前沿速览:PawBench 与 新妙呀 同周登场,Open Code Review、Microsoft Scout、Gemma 4 12B 与 Magenta RealTime 2 推动 AI 智能体与开源生态再升级](./weeklyHighlights/42.md)
  144. 43. [AI Compass前沿速览:Gemini 3.5 Live Translate 与 Claude Fable 5 同周登场,SkillSpector、MiMo Code、HPC-Ops 与 EvoQuality 推动 AI 智能体与开源生态再升级](./weeklyHighlights/43.md)
  145. 44. [AI Compass前沿速览:GPT-5.6、Qwen-AgentWorld 与 DSpark,以及 BrowserBC 与 Ornith-1.0](./weeklyHighlights/44.md)
  146. 45. [AI Compass前沿速览:Claude Fable 5 系统提示词 SkillSpector、turbovec、Claude Code学术研究技能包ARS,覆盖论文写作全流程 与 Qwen-Robot Suite 推动 AI 智能体与开源生态再升级](./weeklyHighlights/45.md)
  147. 46. [AI Compass前沿速览:FuckClaude、Claude Science 与 Hy3,以及 跃迁维度 与 EdgeBench](./weeklyHighlights/46.md)
  148. 47. [AI Compass前沿速览:GPT-Live、SayIt 与 JellyToken,以及 OpenScience 与 InternAgentS](./weeklyHighlights/47.md)
  149. 48. [AI Compass前沿速览:Kimi K3、Qwen-Audio-3.0-Realtime 与 Colibrì,以及 StaffDeck 与 Nemotron 3 Embed](./weeklyHighlights/48.md)
  150. 49. [AI Compass前沿速览:MineExplorer、WorkBuddy Bench把智能体评测推入真实任务,Claude Opus 5、元极AI把模型与内容生产接入交付链路](./weeklyHighlights/49.md)
  151. 50. [AI Compass前沿速览:Orchard、Warp Agent CLI与WorldClaw加速可控交付,SmartSub、Wan-Animate-2拓宽多模态生产链路](./weeklyHighlights/50.md)
  152. 51. [AI Compass前沿速览:PixelRAG、DeepSeek Harness、Nemotron 3.5 Lightning、Muse Glimmer从通用文本工具转向多模态轻量化智能体,把开发工作流带入自主高效新范式](./weeklyHighlights/51.md)
  153. 52. [AI Compass前沿速览:Qwen3.8-27B、GLM-5.3把基座模型带入多模态与后训练优化新境,Grok 4.6、Gemini 3.7 Flash把专业场景效能推向新层级](./weeklyHighlights/52.md)
  154. 53. [AI Compass前沿速览:FreeToken、Qwen-UI-Agent把智能体带入可控执行,Cocode、Codex Harness把代码模型拉回可控交付](./weeklyHighlights/53.md)
  155. 54. [AI Compass前沿速览:Agnes 2.5 Pro Alpha、Faraday把多模态创作落到生产环节,FreeToken、GLM-5.3-Flash把智能体带入可控执行](./weeklyHighlights/54.md)
  156. 55. [AI Compass前沿速览:E-Commerce Bench、GPT-6 Astra把智能体带入可控执行,Headlong、Claude Fable 5.1把企业 Agent 拉回权限与安全边界](./weeklyHighlights/55.md)
  157. 56. [AI Compass前沿速览:Claude Commerce Agents、E-Commerce Bench把智能体带入可控执行,AuK、H3-World把模型与内容生产接入交付链路](./weeklyHighlights/56.md)
  158. 57. [AI Compass前沿速览:MiniMax Code CLI、GitHub爆火的7个AI Agent开源项目- 让Agent学会管理Agent把代码模型拉回可控交付](./weeklyHighlights/57.md)
  159. 58. [AI Compass前沿速览:GPT-6 Sol与Luna把前沿智能以更低价格推入日常应用,Step Code、Jev Search与Laya把开源智能体部署落到终端、搜索与决策工作流](./weeklyHighlights/58.md)
  160. 59. [AI Compass前沿速览:BlenderWorld 把视觉智能体评测推入三维场景构建,OpenDots、Gemini Agent 与 Scion 把代理工作流从自主执行转向实时操控与代码管理](./weeklyHighlights/59.md)
  161. 60. [AI Compass前沿速览:DeepInfer 与星火X2.6 把开源交付从单一权重转向完整资源,Seedance 2.5 4K 与 SparkAudio 1.0 把生成能力从通用转向 4K 视频与专业音频](./weeklyHighlights/60.md)
  162. 61. [AI Compass前沿速览:Loxinity、GPT-6.1 Terra把多模态创作落到生产环节,Gemini 4 Carbon、Voyager把模型与内容生产接入交付链路](./weeklyHighlights/61.md)
  163. 62. [AI Compass前沿速览:GPT-6 Cyber、FlashProve把 Agent 开发拉回安全边界,GPT Images 2.6、SenseNova Loop-9B-Preview把模型与内容生产接入交付链路](./weeklyHighlights/62.md)
  164. 63. [AI Compass前沿速览:GPT-6 Cyber、GPT Images 2.6把 Agent 开发拉回安全边界,Gemini Omni 1.2 Flash、EvaOmni把模型与内容生产接入交付链路](./weeklyHighlights/63.md)
  165. </details>
  166. ### 🔭本期👇👇
  167. [🆕AI Compass前沿速览:DeepSeek 应用 API、Gemini 4 Hydrogen 把智能体接入开发流程,dots.tts.edit V1.1 与 LingBot-Touch 把语音和触觉模型推入应用验证](./weeklyHighlights/64.md)
  168. > 第 64 期 · 2026-11-16 · AI Compass Weekly
  169. > **29** 条收录 · **8** 条精选 · **4** 个主题 · 约 **4** 分钟读完
  170. #### 本期主线
  171. **智能体选型正在转向整条工作流的接入、分工与验收成本**
  172. 本周的变化是,AI 的应用价值越来越取决于工具接入、任务分工和结果验收能否连成可执行流程。DeepSeek 应用 API 把搜索与文件处理纳入三套对话协议,Gemini 4 Hydrogen 支持规划与执行间的模型切换,LoopForge 则将脚本检查和人工审批写入研发流程。这种协作有明确边界:DeepSeek 工具费与 Token 费分别计算,Gemini 免费用户经自动选模使用 Hydrogen,LoopForge 的关键节点需要人工通过;dots.tts.edit 与 LingBot-Touch 又分别把能力落到录音局部修改和接触信号编码。开发团队应先用真实任务比较接入改造、失败返工和验收成本,再决定选用哪些模型、搭建怎样的编排流程,以及哪些步骤适合交给专用组件。
  173. #### 本期看点
  174. 1. **工具接入与模型分工正在成为平台提供的能力** · 2 条精选
  175. 2. **长程研发协作需要把测试和人工验收写进流程** · 2 条精选
  176. 3. **记忆与自动判断需要可追溯证据和业务阈值** · 2 条精选
  177. 4. **专用模型适合从局部任务验证实际收益** · 2 条精选
  178. #### 精选速览
  179. ##### 01 工具接入与模型分工正在成为平台提供的能力
  180. > 开发者可把部分工具组织和模型切换交给服务方,评估重点随之转向权限、费用与真实任务效果。
  181. - **[DeepSeek 应用 API](./weeklyHighlights/64.md#item-809009c6a1)**
  182. - **进展**:DeepSeek 于 11 月 13 日将搜索、文件输入和链接阅读接入 Messages、Responses、Chat Completions 三套协议,并提供 Search、Fetch、OCR、ASR、TTS 独立接口;工具费与模型 Token 费分别计算。
  183. - **价值**:资料问答和语音应用可以减少自行组织基础工具的工作,但预算应同时计算模型与工具费用,再比较服务端集成和自建流程的代价。
  184. - **[Gemini 4 Hydrogen](./weeklyHighlights/64.md#item-ae9708de80)**
  185. - **进展**:Gemini 4 Hydrogen 提供四档推理强度;Antigravity Orchestrator 可在复杂规划与代码执行之间切换模型,执行受阻时回到规划环节。免费 App 用户通过自动选模获得适用请求的能力。
  186. - **价值**:团队可按任务阶段分配模型能力,并在真实代码修改中检查切换后的交接质量、失败恢复和总成本;不同订阅入口的能力范围需要分别确认。
  187. ##### 02 长程研发协作需要把测试和人工验收写进流程
  188. > 模型的规划与协作能力决定能推进多远,工程门禁和审核节点决定哪些结果可以继续进入交付。
  189. - **[Claude Fable 5.2](./weeklyHighlights/64.md#item-1a91436f41)**
  190. - **进展**:周报介绍 Claude Fable 5.2 面向长程工程与多 Agent 协作,可用于任务拆分、执行和交叉审查,并提供顾问与编排用法;操作系统和形式化证明属于特定项目演示。
  191. - **价值**:复杂代码迁移和研究任务值得重新评估多模型分工,但选型应以自己的接口约束、测试结果与交付标准为依据,不能将演示规模当作无人干预保证。
  192. - **[LoopForge](./weeklyHighlights/64.md#item-d949e132b1)**
  193. - **进展**:腾讯开源 LoopForge,以共享会话和 SOP 串联需求、设计、实现、评审与验收;编译和测试用脚本退出码设门禁,失败带日志返工,关键节点等待人工通过或退回。
  194. - **价值**:团队可以把跨角色交接、失败处理和审批要求做成可复用流程,减少重复说明,也让是否继续执行有明确依据。
  195. ##### 03 记忆与自动判断需要可追溯证据和业务阈值
  196. > 历史回忆要能回查来源,分类结果要能进入复核;两者的价值都取决于后续流程能否验证与纠正。
  197. - **[Loom](./weeklyHighlights/64.md#item-d805cd243a)**
  198. - **进展**:Loom 通过 Sense、Moment、Memory 衔接第一视角事件判断、经历切分和长期记忆;经历带起止时间与支撑证据,检索由概况逐步定位细节,并区分观察信息与推断。
  199. - **价值**:生活记录和会议续接应用可把答案追溯到原始片段;评估时应检查采集覆盖、设备授权及证据是否支持回答,再判断提醒和记忆功能是否有用。
  200. - **[Gemini Decision 1](./weeklyHighlights/64.md#item-b359f588bd)**
  201. - **进展**:Gemini Decision 1 围绕共享多模态输入处理是非、选择和评分问题,返回选项概率与置信度,用于模型路由、工具选择和复核分流。
  202. - **价值**:业务团队可把重复判断接入代码流程,并为低置信度结果设置人工或模型复核;阈值仍需用自己的样本校验,概率不能直接当作正确率承诺。
  203. ##### 04 专用模型适合从局部任务验证实际收益
  204. > 语音编辑和机器人触觉将能力收敛到明确输入与输出,便于团队用已有素材和具体任务检验效果。
  205. - **[dots.tts.edit V1.1](./weeklyHighlights/64.md#item-003c467d6b)**
  206. - **进展**:小红书开源 dots.tts.edit V1.1,可用文本指令修改已有录音的内容、情绪、语速和停顿,将操作绑定到转录稿片段或边界,并加入自由形式的局部风格描述。
  207. - **价值**:播客、课程和有声书团队可先试验局部纠错与台词版本修改,重点检查未改区域、音色和衔接是否保留,判断能否减少返录工作。
  208. - **[LingBot-Touch](./weeklyHighlights/64.md#item-650bdd5f86)**
  209. - **进展**:蚂蚁灵波开源 LingBot-Touch,将磁触觉、视触觉和压阻式信号编码为统一表征,可作为冻结编码器接入动作模型;原文称已在二十六项真机任务验证。
  210. - **价值**:精细抓取和装配研究可评估触觉能否补充视觉缺失的接触信息,并用自己的传感器布局和操作任务检查迁移收益,避免把已有任务结果外推到所有设备。
  211. -----------------------
  212. >👍推荐把项目拉到本地,直接在IDE中搜索,并结合 Claude Code、Codex 等工具做智能问答和项目拆解,会非常方便。
  213. ## 🧩 模块介绍
  214. ### ✍️ 博客模块
  215. #### [11.blog / 1.coding 编程博客合集👈](./11.blog/1.coding/)
  216. 博客模块聚焦编程能力建设与技术能力提升,当前 `11.blog/1.coding` 已沉淀出一套“Python基础 + LeetCode高频题”的成体系内容。目录中包含 19 篇面向刷题场景的 Python 语法速成教程,以及 107 道热门题的逐题讲解,覆盖数组、哈希、双指针、滑动窗口、链表、栈、二叉树、二分、回溯、动态规划、图论、Trie、堆等核心专题。**后续博客模块还会持续更新 `LLM 相关指南`、`面试技巧`与`面试题`、`企业级逻辑项目`讲解等内容,逐步形成兼顾基础学习、求职准备和项目理解的内容体系**。它既适合初学者按路径系统学习,也适合直接交给 `Claude Code`、`Codex` 等工具做题解问答、知识归纳、专题总结和学习路线拆解。
  217. * [LLM 相关指南&面试题](./11.blog/3.LLM_Interview/11.LLM指南与面试题专栏订阅.md)
  218. * [Python基础+107高频题体系内容](./11.blog/1.coding/readme.md)
  219. ### 💻 Code模块
  220. #### [11.code / milvus RAG 实战代码👈](./11.code/milvus/)
  221. Code模块聚焦可直接运行和二次改造的 AI 工程样例,当前 `11.code/milvus` 提供了一个基于 Milvus / Zilliz Cloud 的完整 RAG 问答系统示例。代码覆盖配置管理、OpenAI Embedding、Gemini Query 改写、Milvus 稠密向量 + BM25 混合检索、RRF 融合、Cohere 精排、LLM 问答链,以及端到端 Pipeline 和测试脚本,完整展示了从建库、检索、重排到生成回答的工程链路。后续 Code 模块还会继续补充更多**项目实战代码**,覆盖更多 AI 应用方向与工程落地场景,方便大家直接运行、二次开发和项目拆解。非常适合用于学习 RAG 系统搭建,也适合在本地让 Claude Code、Codex 对代码结构、调用关系和优化点做深度拆解。
  222. ### 📚 基础知识模块
  223. 基础知识模块是整个项目的“入口层”。它不再只是零散工具链接的集合,而是围绕 AI 学习和项目选型中最常用的五类问题来组织:**去哪里发现工具、怎样写好提示词、如何比较模型、有哪些语言模型、有哪些多模态模型**。如果你刚开始系统学习 AI,建议先按本模块建立整体地图;如果你已经在做项目,也可以把这里当作模型选型、工具检索和方案调研的第一站。
  224. 建议把本模块和 [`weeklyHighlights`](./weeklyHighlights/INDEX.md) 联动阅读:基础目录负责长期分类,周报负责最近几个月的高价值增量。下面每个子模块都补充了从周报中沉淀出的代表线索,方便你从“基础入口”直接跳到近期热点。
  225. #### [0.AI导航工具集👈](./0.AI导航工具集/0.AI导航工具集.md)
  226. ![AI网站](./picture/main/AI_tool.png)
  227. AI导航工具集更适合作为“发现入口”使用。目录中整理了伊莉丝、OpenI-AI时代、通往AGI之路、黑马星云AI助理、稀土掘金大模型子站、联想浏览器AI导航、未来百科、边界AI等平台,覆盖综合导航、开发者社区、AI工具合集和产品检索站点。你可以用它快速完成三件事:发现某类工具是否已有成熟产品、对比不同导航站的分类口径、为写作/编程/图像/视频/音频/搜索等场景补充候选方案。
  228. 这个目录的价值不在于替代每一个工具官网,而在于帮助你先建立“工具地图”。如果你正在做具体项目,建议先在这里确认工具方向,再结合 [`weeklyHighlights`](./weeklyHighlights/INDEX.md) 查看最近几期新增产品和模型动态。最近周报中尤其值得补进工具地图的方向包括:
  229. - **AI 编程与本地 Agent 工具**:从早期的 [Gen CLI](./weeklyHighlights/1.md)、[Jules](./weeklyHighlights/7.md),到 [ChatGPT Atlas 与 Claude Code](./weeklyHighlights/24.md)、[Cursor 2.0 与 Agent HQ](./weeklyHighlights/25.md)、[Open Code Review](./weeklyHighlights/42.md)、[MiMo Code](./weeklyHighlights/43.md),可以串起 AI 编程工具从“代码补全”走向“本地任务执行与多 Agent 协作”的演进。
  230. - **浏览器与办公自动化**:[Kimi WebBridge](./weeklyHighlights/39.md)、[WorkBuddy 企业版](./weeklyHighlights/42.md)、[Microsoft Scout](./weeklyHighlights/42.md)、[OfficeCLI](./weeklyHighlights/38.md) 代表了“AI 继承登录态、读取本地文件、操作 Office/浏览器”的新一类效率工具。
  231. - **内容生产与行业工具市场**:[GenflowAI](./weeklyHighlights/42.md)、[妙呀潮玩 AI 设计平台](./weeklyHighlights/42.md)、[NoteAI](./weeklyHighlights/41.md)、[Horizon AI 信息聚合系统](./weeklyHighlights/41.md) 适合放入写作、设计、知识提取和信息雷达等产品化工具分支。
  232. - [伊莉丝](https://agi.ylsap.com/)
  233. - [OpenI-AI时代](https://openi.cn/#term-8151)
  234. - [通往AGI之路](https://www.waytoagi.com/zh)
  235. - [黑马星云AI助理](http://nebula.itcast.cn/#/home)
  236. - [稀土掘金大模型子站](https://llm.juejin.cn/)
  237. - [AI网址导航_最前沿的AI工具聚合站_联想浏览器](https://browser.lenovo.com.cn/ai/?f=push)
  238. - [未来百科-AI合集](https://www.huntagi.com/)
  239. - [文武科技柜 - 文武科技社的后花园,免费软件、教程资源、NAS、黑苹果全面收录](https://www.wangdu.site/)
  240. - [边界AI - 智能AI对话、写作与画图生成工具的领先方案](https://ai1foo.com/)
  241. - [AI导航](https://ai-nav.net/)
  242. #### [1.1 Prompt工程👈](./1.1%20Prompt工程/2.Prompt工程.md)
  243. ![Prompt](./picture/main/Prompt.jpeg)
  244. Prompt工程目录从“会提问”推进到“可复用、可评估、可迭代”的提示词工作流。它包含 Learning Prompt、Prompt Engineering Guide、中文 ChatGPT 调教指南等入门材料,也整理了 CO-STAR 结构化提示框架、ChainForge 多模型提示词测试环境、LangGPT 自然语言编程框架、PromptWizard 自动优化框架、cursor.directory 规则参考,以及 PromptPerfect、AiShort、PromptForge、prompt-optimizer 等工具。
  245. 建议按两条线使用这个目录:一条是学习线,先理解角色、上下文、目标、约束、输出格式、Few-shot、CoT 等基础方法;另一条是工程线,把提示词当作可测试资产来管理,结合对比评估、版本记录、自动优化和安全约束,逐步沉淀适合自己业务的 Prompt 模板库。对于使用 Cursor、Claude Code、Codex 等 AI 编程工具的开发者,这个目录也能作为编写规则、系统提示和项目协作提示的参考。
  246. 结合周报看,Prompt 工程已经从“写一句好提示词”扩展为“系统提示、工作流 Skill、可验证任务规范”的组合能力:
  247. - **多模态提示词玩法**:[Nano Banana 玩法教程](./weeklyHighlights/13.md) 和 [Seedream 4.0 教程](./weeklyHighlights/17.md) 展示了图像生成中参考图、局部修改、姿势迁移、组图一致性等高频 Prompt 写法。
  248. - **系统提示与垂直角色设计**:[Claude Design 系统提示词](./weeklyHighlights/37.md) 把设计师角色、交付流程、工程约束和验证规范编码进系统提示,是研究复杂系统提示词的高价值样例。
  249. - **Agent Skill 化**:[Agent Skills](./weeklyHighlights/37.md)、[Guizang Social Card Skill](./weeklyHighlights/41.md)、[Software Copyright Materials Skill](./weeklyHighlights/41.md) 说明提示词正在被封装为可复用的技能包,适合 Claude Code、Codex、Cursor 等环境长期调用。
  250. - **安全与可靠性**:[Claude Computer Use 最佳实践](./weeklyHighlights/39.md) 和 [SkillSpector](./weeklyHighlights/43.md) 提醒我们,复杂 Prompt/Skill 不只要“能跑”,还要关注上下文压缩、示范学习、权限边界和安装前安全扫描。
  251. #### [1.2 LLM测评榜👈](./1.2%20LLM测评榜/1.大模型测评榜.md)
  252. ![LLM测评](./picture/main/llm_bench.png)
  253. ![LLM测评](./picture/main/llm_bench2.png)
  254. LLM测评榜目录用于辅助模型选型,而不是简单追一个总榜名次。当前内容覆盖 LMArena、Artificial Analysis、LiveCodeBench、OpenCompass、AGI-Eval、SuperCLUE、Vellum LLM Leaderboard、MMBench、GAIA 等榜单与评测入口,可以从通用对话、代码能力、数学推理、中文能力、RAG、多模态理解、智能体任务等维度交叉观察模型表现。
  255. 更推荐的使用方式是“按任务看榜”:做 AI 编程时重点看 LiveCodeBench 和代码相关评测;做中文知识问答时关注 SuperCLUE、OpenCompass 和 RAG 相关结果;做多模态应用时结合 MMBench 等视觉理解榜单;做 Agent 或复杂任务时再参考 GAIA 等更贴近任务执行的评估。榜单结果会随模型版本和评测方法变化,项目落地前仍建议结合自己的数据做小规模验证。
  256. 周报里的评测内容可以补齐通用榜单之外的“真实任务视角”:
  257. - **多模态评测**:[LMMs-Eval](./weeklyHighlights/7.md)、[Qwen-Image-Bench](./weeklyHighlights/41.md)、[WBench](./weeklyHighlights/43.md)、[EvoQuality](./weeklyHighlights/43.md) 分别覆盖视觉理解、文生图、交互式世界模型和无参考图像质量评估。
  258. - **Agent 与工具调用评测**:[AgentCLUE-ICabin](./weeklyHighlights/18.md)、[PawBench](./weeklyHighlights/42.md)、[VitaBench 2.0](./weeklyHighlights/43.md) 更适合观察模型在工具调用、长期偏好建模和真实任务执行中的表现。
  259. - **自动化评测框架**:[One-Eval](./weeklyHighlights/37.md) 代表 NL2Eval 方向,可以把自然语言评测需求自动转成基准选择、推理、打分和报告流程。
  260. - **推理与偏好评估**:[General365](./weeklyHighlights/40.md)、[RM-Gallery](./weeklyHighlights/10.md)、[LLM Council](./weeklyHighlights/41.md) 分别适合作为通用推理、奖励模型和多模型互评的补充参考。
  261. #### [1.3 LLM合集-语言👈](./1.3%20LLM合集-语言/1.LLM合集-语言.md)
  262. ![LLM合集](./picture/main/llm_timeline.png)
  263. LLM合集-语言目录是语言大模型生态的索引层,重点收录模型官网、API文档、开源仓库、Hugging Face / ModelScope 页面、体验入口和相关技术介绍。内容覆盖 DeepSeek、豆包、通义千问 Qwen、智谱 GLM、腾讯混元、Kimi、书生浦源 InternLM、天工、MiniMax、讯飞星火、Yi、百川、MiniCPM 等国内模型,也包含 Anthropic、Google Gemini / Gemma、Meta Llama、Mistral、Grok 等国际模型,以及 GPT-OSS、Seed-OSS 等开源模型动态。
  264. 这个目录适合回答“我该选哪个模型”之前的资料准备问题:模型是否开源、是否支持本地部署、上下文长度如何、是否强调推理/代码/Agent/长文本、多语言支持怎样、有没有官方 API 和示例代码。对于做应用开发的人,可以先用这里缩小候选模型范围,再结合测评榜、成本、调用稳定性和自己的任务数据做最终选择。
  265. 结合最近几十期周报,语言模型部分可以重点关注这些高价值分支:
  266. - **开源与国产模型主线**:[gpt-oss](./weeklyHighlights/5.md)、[Qwen3-Next](./weeklyHighlights/17.md)、[DeepSeek-V4](./weeklyHighlights/37.md)、[GLM-5.1](./weeklyHighlights/33.md)、[MiniCPM5-1B](./weeklyHighlights/41.md)、[腾讯混元小尺寸模型](./weeklyHighlights/5.md) 共同构成了开源、端侧、长上下文和高性价比模型的重点观察对象。
  267. - **AI 编程与 Agent 模型**:[Claude Opus 4.1](./weeklyHighlights/7.md)、[Qwen-Flash / Qwen3 Coder Flash](./weeklyHighlights/7.md)、[Kimi K2 Thinking](./weeklyHighlights/25.md)、[GPT-5.5](./weeklyHighlights/37.md)、[Claude Fable 5](./weeklyHighlights/43.md) 更适合和代码生成、工具调用、长期任务执行放在一起比较。
  268. - **轻量与本地部署**:[Qwen3-4B](./weeklyHighlights/7.md)、[Gemma 4 12B](./weeklyHighlights/42.md)、[DiffusionGemma](./weeklyHighlights/43.md)、[Hy-MT1.5-1.8B-1.25bit](./weeklyHighlights/37.md) 说明小模型、量化模型和本地推理正在变成真实可用的产品路线。
  269. - **长上下文与真实工作负载**:[DeepSeek-V4 1M 上下文](./weeklyHighlights/37.md)、[GPT-5.5 面向真实工作任务](./weeklyHighlights/37.md)、[Claude Fable 5 百万级上下文与文件级记忆](./weeklyHighlights/43.md) 适合用于观察模型从聊天能力走向复杂工作流能力的变化。
  270. #### [1.4 LLM合集-多模态👈](./1.4%20LLM合集-多模态/多模态.md)
  271. LLM合集-多模态目录已经从早期“视觉语言模型列表”扩展为多模态生成与理解的技术图谱。当前内容覆盖图像理解、文生图、图像编辑、视频生成、视频修复、3D资产生成、空间智能、世界模型、音频生成、数字人和多主体视频等方向,包含 Qwen-Image、Nexus-Gen、Seed1.5-VL、BAGEL、Google Veo / Imagen / Gemini Diffusion、通义万相 Wan2.1、ContentV、Step1X-3D、PartCrafter、Matrix-Game、OmniAudio、PlayDiffusion、SeedVR2 等项目和模型入口。
  272. 如果你关注多模态应用落地,可以按场景使用:图像理解和 OCR 先看视觉语言模型;营销设计和内容创作关注文生图、图像编辑与视频生成;游戏、具身智能和空间应用关注 3D 生成、世界模型与交互式场景;语音、音效和视频角色生成则关注音频与数字人方向。这个目录的定位是帮助你快速理解多模态能力边界,并找到进一步阅读论文、代码和 Demo 的入口。
  273. 周报中的多模态内容更新最密集,建议按能力族来读:
  274. - **图像生成与编辑**:[Qwen-Image](./weeklyHighlights/5.md)、[Nano Banana / Gemini 2.5 Flash Image](./weeklyHighlights/13.md)、[Seedream 4.0](./weeklyHighlights/17.md)、[MAI-Image-1](./weeklyHighlights/24.md)、[Z-Image](./weeklyHighlights/28.md) 可以放在一起比较中文文本渲染、图像编辑、参考图一致性和商业设计能力。
  275. - **视频生成与世界模型**:[Veo 3.1](./weeklyHighlights/24.md)、[Sora 2](./weeklyHighlights/23.md)、[Wan2.2 / Wan2.7](./weeklyHighlights/21.md)、[HunyuanVideo 1.5](./weeklyHighlights/27.md)、[Runway 世界模型](./weeklyHighlights/29.md)、[Genie 3](./weeklyHighlights/7.md) 适合观察视频从“生成片段”走向“可控世界与交互场景”的趋势。
  276. - **视觉理解、OCR 与全模态**:[DeepSeek-OCR](./weeklyHighlights/24.md)、[PaddleOCR-VL](./weeklyHighlights/24.md)、[Qwen3-Omni](./weeklyHighlights/21.md)、[Qwen3-VL](./weeklyHighlights/22.md)、[Gemma 4 12B](./weeklyHighlights/42.md)、[Keye-VL-2.0](./weeklyHighlights/41.md) 更适合文档解析、视觉问答、长视频理解和端侧多模态应用。
  277. - **音频、3D 与数字人**:[MiniMax-Speech 2.5](./weeklyHighlights/7.md)、[Qwen3-ASR](./weeklyHighlights/16.md)、[Mega-ASR](./weeklyHighlights/41.md)、[混元 3D 3.0](./weeklyHighlights/19.md)、[Meta SAM 3D](./weeklyHighlights/27.md)、[LongCat-Video-Avatar 1.5](./weeklyHighlights/41.md) 适合补齐语音识别/合成、3D资产和数字人视频生成方向。
  278. **[⬆ 一键返回目录](#目录)**
  279. ### 🔧 技术框架模块
  280. #### [2.0 Embedding模型👈](./2.0%20Embedding模型/2.Embedding模型.md)
  281. ![Embedding](./picture/main/embedding.png)
  282. ![Embedding](./picture/main/embedding2.png)
  283. Embedding模型模块汇聚了当前最前沿的文本向量化技术生态,涵盖15+顶级嵌入模型和创新分块策略。核心包括:**BGE系列**(智源AI旗舰模型,支持MemoRAG记忆增强)、**GTE阿里**(MGTE多语言通用模型)、**Jina AI**(Reranker重排序+Segmenter分割器)、**Seed1.5字节**、**Cohere企业级**、**OpenAI Embedding**、**Qwen3-Embedding**、**微软E5**、**GritLM生成表示统一**、**Mixedbread**、**港大Instructor**等。技术创新方面提供**Meta-chunking元分块**和**Late-chunking后期分块**等先进策略,结合**Zilliz-Milvus云原生向量数据库**,构建从模型训练、文本分割到向量存储检索的完整解决方案。基于MTEB权威排行榜,为RAG应用和语义搜索提供性能卓越的技术选型参考,实现精准的语义理解和智能信息检索。
  284. #### [2.1 LLM训练框架👈](./2.1%20LLM训练框架/2.大模型训练框架.md)
  285. ![LLM训练框架](./picture/main/llm_train.jpg)
  286. LLM训练框架模块构建了覆盖全栈的大模型训练生态系统,集成20+专业训练框架和工具。**核心框架**包括:**魔塔ms-swift**(支持500+ LLMs和200+ MLLMs的全参数/PEFT训练)、**Unsloth**(2-5倍加速,80%内存节省)、**英伟达Megatron-LM**(超大规模transformer训练)、**微软DeepSpeed**(ZeRO优化器)、**ColossalAI**(高性能分布式训练)、**Meta FairScale**、**LLaMA-Factory**(WebUI界面,支持100+模型)、**书生XTuner**等。**先进算法**涵盖GaLore梯度低秩投影、BAdam内存高效优化、APOLLO、Adam-mini、Muon等前沿优化器。**实验监控**提供MLflow、WandB、SwanLab等专业工具。配套**Flash Attention**、**Liger Kernel**等加速技术,以及**Easy Dataset**数据构造工具,形成从数据准备、模型训练到实验管理的完整闭环。
  287. #### [2.2 LLM推理框架+部署👈](./2.2%20LLM推理框架+部署/2.LLM训练推理加速框架+部署.md)
  288. ![LLM推理框架](./picture/main/llm_inference.png)
  289. LLM推理框架+部署模块打造了全方位的大模型推理加速与部署生态,整合21+高性能推理引擎和部署平台。**顶级加速框架**:**vLLM伯克利**(业界标杆)、**SGLang**(超越TensorRT-LLM性能)、**LMDeploy书生**(工业级部署)、**DeepSpeed-MII**(微软推理优化)等。**便捷部署工具**:**Ollama**(本地模型管理)、**LM Studio**(图形化界面)、**FastChat+vLLM**(分布式服务)、**Xinference**(多模型统一接口)、**OpenLLM**(云端部署)等。**API网关服务**:**LiteLLM**(100+ LLM APIs统一格式)、**One-API**(接口管理分发)、**Xi-API**等。**托管平台**包括**Together AI**、**Replicate**、**SiliconFlow硅基流动**等。配套**Huggingface Accelerate**、**llama-cpp-python**等底层加速库,以及**Jan.ai**、**LocalAI**、**text-generation-webui**等用户友好界面,实现从本地部署到云端服务的全场景覆盖。
  290. #### [2.3 LLM评估框架👈](./2.3%20LLM评估框架/2.LLM模型评估.md)
  291. ![LLM评估框架](./picture/main/llm_eval.png)
  292. LLM评估框架模块建立了多维度、全覆盖的大模型评估生态系统,涵盖通用能力测评、RAG系统评估和隐私安全检测。**权威评测平台**:**CLiB中文大模型榜单**(128个模型全覆盖,包含ChatGPT、GPT-4o、Gemini、文心一言、通义千问等商用模型,以及Qwen2.5、Llama3.1、GLM4、InternLM2.5等开源模型)、**OpenCompass司南**(全方位能力评估)、**魔塔EvalScope**(流水线式评测框架)。**RAG专项评估**:**RAGas**(RAG Assessment专业框架)、**Arize Phoenix**(AI可观测性与评估)、**DeepEval**(LLM评估框架)、**ChainForge**(Prompt对战测试)等。**多模态评估**集成**谷歌LMEval**跨模型评估框架。**隐私安全**提供**微软Presidio**(PII敏感数据检测、编辑、掩码和匿名化),支持文本、图像和结构化数据的全方位隐私保护,确保模型应用的合规性和安全性。
  293. #### [2.4 RLHF👈](./2.4%20RLHF/2.RLHF.md)
  294. ![RLHF](./picture/main/RLHF.jpeg)
  295. RLHF模块构建了完整的人类反馈强化学习技术栈,集成前沿的偏好优化和人类对齐框架。**核心框架**包括:**Huggingface TRL**(Transformer强化学习标准库,PPO训练详解)、**OpenRLHF**(易用可扩展RLHF框架,支持70B+ PPO全量微调、迭代DPO、LoRA和RingAttention)、**字节veRL**(火山引擎强化学习框架,工业级部署)、**EasyR1**(基于veRL的高效多模态RL训练框架)。**创新技术**融入**通义WorldPM**(72B参数的世界偏好模型,引领偏好建模新范式)等前沿研究成果。技术覆盖从PPO(Proximal Policy Optimization)算法实现、DPO(Direct Preference Optimization)直接偏好优化,到GRPO等先进算法,支持全参数微调、LoRA高效微调等多种训练模式,为大模型的人类价值对齐提供从理论到实践的完整解决方案。
  296. **[⬆ 一键返回目录](#目录)**
  297. ### 🚀 应用实践模块
  298. #### [3.0 MCP+A2A👈](./3.0%20MCP+A2A/3.MCP+A2A.md)
  299. ![mcp](./picture/main/mcp.png)
  300. ![mcp](./picture/main/mcp1.png)
  301. MCP+A2A模块聚焦于模型控制协议(Model Control Protocol)与Agent到Agent通信的前沿技术生态,构建了完整的多智能体协作框架体系。该模块以MCP Servers大全为核心资源库,集成了GitHub官方MCP Server、Cherry Studio桌面客户端、魔搭MCP广场等关键平台,提供了从协议标准到实际应用的完整解决方案。技术栈涵盖了Google A2A通信框架、fastapi-mcp零配置工具、OpenMemory MCP本地安全内存管理等创新组件,深度整合了Gorilla API商店、Gapier Agent工具、chatgpt-on-wechat多平台聊天机器人等实用应用。
  302. 模块特别强调了智能体间的高效通信机制,包括消息传递、状态同步、任务协调等核心功能,以及基于FastAPI的自动化端点暴露、内存管理的本地化安全方案等技术特性。此外,还提供了跨平台部署支持(微信公众号、企业微信、飞书、钉钉等),多模型兼容性(GPT系列、Claude、文心一言、通义千问等),以及知识库定制、企业智能客服等垂直应用场景,帮助开发者快速构建可扩展、高可靠的智能体协作生态系统。
  303. #### [3.1 RAG+workflow👈](./3.1%20RAG+workflow/3.RAG+workflow.md)
  304. ![rag](./picture/main/RAG_Compare.png)
  305. ![rag](./picture/main/Modular_RAG_map.jpg)
  306. ![rag](./picture/main/Applications.png)
  307. RAG+workflow模块构建了涵盖50+主流平台的检索增强生成与智能工作流生态体系,提供从原型到生产的完整解决方案。该模块整合了Anything-LLM全能桌面应用、Dify.AI可视化开发平台、FastGPT知识库问答系统、MaxKB企业级知识管理、RagFlow深度文档理解引擎等核心框架,覆盖了从个人工具到企业级部署的全场景需求。技术栈包含了Langchain-Chatchat本地知识库、QAnything网易多模态问答、Quivr云端知识检索、AutoRAG自动化优化、FlashRAG高效研究工具包等专业组件,以及n8n工作流自动化、字节FlowGram节点引擎、Flowise拖拽式构建等可视化编排工具。
  308. 模块深度集成了向量数据库管理(Vector-Admin)、云原生部署(Sealos、Laf)、多平台适配(LobeChat、NextChat、LibreChat)、企业级监控(Langfuse)等关键技术,支持多模态文档处理、混合检索策略、实时对话管理、知识图谱增强等高级功能。此外,还提供了RAG技术总图、模块化架构设计、评估基准测试、性能优化策略等理论指导,以及聊天机器人、客服系统、文档问答、数据分析等丰富应用场景,帮助开发者构建智能化、可扩展的企业知识服务平台。
  309. #### [3.2 Agent👈](./3.2%20Agent/3.Agent.md)
  310. ![agent](./picture/main/agent.png)
  311. Agent模块构建了涵盖70+主流框架的智能代理生态系统,从基础框架到企业级应用提供全栈解决方案。该模块整合了机器之心SOTA模型榜单、SWE-bench权威测评等行业标准,涵盖了魔塔AgentScope多智能体平台、微软AutoGen协作框架、MetaGPT软件公司模拟、CrewAI角色扮演协作、OpenHands代码助手等核心框架。技术栈包含了Agently AI原生开发框架、TaskWeaver微软数据分析、Qwen-Agent通义千问代理、XAgent自主任务求解、AgentUniverse蚂蚁多智能体等专业组件,以及BabyAGI任务分解、GPT-Engineer代码生成、SWE-agent软件工程、Camel-Owl优化学习等创新应用。
  312. 模块深度集成了可视化开发工具(AutoGen Studio、Botpress、ChatDev IDE)、企业级部署方案(Agent TARS字节、NVIDIA AgentIQ、Salesforce MAS)、评估测试框架(AgentBench智谱、SWE-bench验证)等关键技术,支持多模态交互、工具调用、知识检索、代码执行等核心能力。此外,还提供了斯坦福小镇生成式智能体、具身机器人MobileAgent、Windows操作UFO框架等前沿研究成果,以及金融分析、软件开发、数据处理、客户服务等丰富应用场景,帮助开发者构建自主决策、任务规划、工具调用的下一代AI助手系统。
  313. #### [3.3 DeepSearch👈](./3.3%20DeepSearch/3.DeepSearch.md)
  314. ![DeepSearch](./picture/main/deepsearch.jpg)
  315. ![](./picture/main/deerflow.png)
  316. DeepSearch模块构建了涵盖前沿平台的深度搜索技术生态,致力于超越传统关键词匹配的智能信息检索革命。该模块整合了阿里ZeroSearch无搜索LLM能力增强、字节DeerFlow智能搜索引擎、书生浦源MindSearch多智能体搜索框架等核心技术,以及腾讯IMA.copilot智能工作台等企业级解决方案。技术栈包含了JinaAI node-DeepResearch持续推理搜索、SurfSense开源知识管理助手、Firesearch多模态爬虫、Morphik-Core多模态RAG等专业组件,覆盖了从基础检索到复杂推理的全链路需求。
  317. 模块深度集成了LLM原生搜索能力(ZeroSearch激励机制)、多智能体协作搜索(MindSearch类Perplexity Pro)、持续推理直到找到答案(node-DeepResearch)、多模态知识检索(Morphik多模态RAG)等创新技术,支持网页阅读、推理分析、知识图谱构建、实时搜索等高级功能。此外,还提供了与外部数据源集成(Tavily、Linkup搜索引擎、Slack、Linear、Notion、YouTube、GitHub等)、自定义AI研究助手、私有知识库构建等实用功能,以及SearchGPT风格的对话式搜索、类NotebookLM的知识管理等前沿应用模式,帮助开发者构建智能化、个性化的下一代深度搜索系统,实现从信息检索到知识发现的技术跃升。
  318. #### [3.4 GraphRAG👈](./3.4%20GraphRAG/3.GraphRAG.md)
  319. ![GraphRAG](./picture/main/kag.jpg)
  320. GraphRAG模块构建了涵盖主流框架的图检索增强生成技术生态,将知识图谱与大语言模型深度融合,实现结构化知识的智能检索与生成。该模块整合了微软GraphRAG模块化图RAG系统、蚂蚁KAG专业领域知识增强框架、港大LightRAG简单快速检索生成、CircleMind Fast-GraphRAG智能适应系统等核心技术,以及阿里OmniSearch多模态检索、StructRAG混合信息结构化等前沿研究成果。技术栈包含了nano-graphrag轻量级实现、tiny-graphrag简化版本、GraphRAG-Local-UI本地可视化界面、itext2kg增量知识图谱构造器等专业组件,覆盖了从原型开发到生产部署的全流程需求。
  321. 模块深度集成了深度文档理解、实体关系抽取、多跳推理查询、子图检索优化等核心技术,支持动态VQA数据集、自适应规划智能体、推理时混合信息结构化、多模态知识图谱构建等高级功能。此外,还提供了OpenSPG语义增强可编程知识图谱、KAG技术报告与实践分享、LightRAG效率与准确性提升、GraphRAG本地LLM集成等理论与实践指导,以及医疗诊断、金融分析、法律咨询、科学研究等专业领域应用案例,帮助开发者构建基于图结构知识的下一代智能问答系统,实现更加准确、全面、可解释的知识服务。
  322. #### [3.5 NLP2SQL👈](./3.5%20NLP2SQL/3.NL2SQL.md)
  323. ![NL2SQL](./picture/main/DB-GPT.png)
  324. NLP2SQL模块构建了涵盖10+主流平台的自然语言到SQL转换技术生态,实现数据库查询的智能化和民主化。该模块整合了Chat2DB AI驱动数据管理平台、DB-GPT原生数据应用开发框架、MindsDB企业AI平台、Vanna个性化SQL智能体、sqlchat对话式SQL客户端等核心工具,覆盖了从个人查询到企业级数据分析的全场景需求。技术栈包含了Dataherald自然语言SQL API、SuperSonic腾讯BI+AI平台、WrenAI开源Text2SQL解决方案、sqlcoder SOTA语言模型等专业组件,以及Awesome-Text2SQL汇总资源、DB-GPT-Hub模型数据集、LLaMA-Factory高效微调等开发支持。
  325. 模块深度集成了RAG检索增强生成、AWEL智能体工作流表达语言、多模型切换支持、数据库元数据理解等核心技术,支持复杂查询分解、多表关联分析、聚合函数处理、嵌套子查询生成等高级功能。此外,还提供了BIRD-bench、Spider等权威评估基准、模型微调与部署指南、跨数据库方言适配方案,以及Agile Query大数据分析平台等行业应用案例,帮助开发者构建高精度、高可用的自然语言数据查询系统,真正实现让非技术用户也能轻松进行复杂数据库操作的技术愿景。
  326. #### [3.6 AI Popular Framework👈](./3.6%20AI%20Popular%20Framework/3.AI%20Popular%20Framework.md)
  327. ![langchain](./picture/main/langchain.png)
  328. ![Eino](./picture/main/Eino.png)
  329. AI Popular Framework模块构建了涵盖4大核心框架的AI应用开发技术生态,为开发者提供从原型到生产的完整技术栈指南。该模块深度整合了LangChain多模态应用开发框架、LangGraph状态机工作流编排、LlamaIndex数据框架与检索增强、字节Eino大模型应用框架等业界标杆技术,覆盖了从简单聊天机器人到复杂AI智能体的全场景开发需求。技术栈包含了LangChain完整教程体系(官方文档、中文教程、实战案例)、LangGraph Agent构建与工作流设计、LlamaIndex RAG应用与数据连接器、Eino字节跳动生产级框架等专业组件,以及丰富的学习资源和实践指导。
  330. 模块深度集成了多模态数据处理、状态管理与持久化、检索增强生成、工作流编排、智能体协作等核心技术,支持复杂业务逻辑实现、多轮对话管理、外部工具集成、实时数据处理等高级功能。此外,还提供了LangChain生态系统深度解析、LangGraph可视化调试工具、LlamaIndex企业级部署方案、Eino生产环境最佳实践等技术指导,以及金融智能客服、医疗诊断助手、教育个性化辅导、制造业质量检测等行业应用案例,帮助开发者快速掌握主流AI框架,构建高质量、可扩展的人工智能应用系统,实现从概念验证到商业化部署的技术跃升。
  331. **[⬆ 一键返回目录](#目录)**
  332. ### 💼 产品与工具模块
  333. #### [4.AI 应用👈](./4.AI%20应用/4.AI应用.md)
  334. AI应用模块汇聚了50+个细分领域的创新应用实践,构建了从AI编程到多媒体创作的完整应用生态体系。该模块系统性地展示了AI编程助手(Cursor、Codeium、GitHub Copilot、通义灵码、豆包MarsCode等10+主流平台)、AI音频TTS转换(ChatTTS、GPT-SoVITS、FunASR、SenseVoice等15+专业工具)、图像创作(Midjourney、即梦AI、快手Poify、阿里Pic Copilot等20+创意平台)、视频创作(可灵AI、腾讯智影、海螺视频、剪映等15+制作工具)等核心应用方向。
  335. 内容深入解析了AI-ETL数据处理(MinerU、PDF-Extract-Kit、字节Dolphin等智能解析工具)、AI-PPT制作(Slidev等自动化演示工具)、AI爬虫(Firecrawl、ScrapeGraphAI等智能采集框架)、ChatPDF文档问答(DocsGPT、ChatFiles等知识交互系统)等专业化应用场景的技术架构和实现方案。模块还详细介绍了语音识别字幕生成、AI写作助手、智能办公自动化等实用工具的核心功能和使用技巧,以及开源项目的部署指南、API集成方法、性能优化策略等工程实践。
  336. 此外,还提供了不同应用场景的技术选型建议、成本效益分析、用户体验优化等实用指导,以及最新技术趋势、行业应用案例、创新发展方向等前瞻性内容,帮助开发者快速构建高质量的AI应用产品,实现从创意到落地的完整开发流程。
  337. #### [5.AI产品👈](./5.AI产品/5.AI产品.md)
  338. AI产品模块整合了50+细分产品领域的企业级解决方案,构建了从AI-MAAS平台到垂直应用的完整产品生态体系。该模块系统性地展示了AI-MAAS大模型即服务平台(蚂蚁antflow-MAX、阿里AI Studio、文心千帆、火山方舟、腾讯元器、通义星辰、阿里云百炼等15+企业级平台)、AI搜索引擎(秘塔AI搜索、天工AI、Perplexity、博查AI等智能检索系统)、AI设计工具(Lovart专业AI设计、Visily-UI设计、jaaz-AI设计等创意平台)、Agent产品(flowith 2.0、jenius智能体、京东云joyAgent、实在智能等10+智能代理系统)等核心产品方向。
  339. 内容深入解析了数字人项目(Fay数字人框架、腾讯Muse、Linly-Talker、MoonCast-AI播客等创新应用)、AI知识库(Mem AI笔记、Recall知识管理等智能存储系统)、AI营销工具(Scrumball全球网红营销、腾讯广告、Clay客户发现等商业化平台)、音乐生成(AiMakeSong、Google艺术文化等创作工具)等专业化产品的技术架构和商业模式。模块还详细介绍了企业级AI产品的部署方案、集成策略、安全保障、性能优化等关键技术要素,以及产品定位、用户画像、商业变现、竞争分析等商业化考量。
  340. 此外,还提供了不同行业AI产品的应用案例、最佳实践、发展趋势等实用信息,以及产品经理技能要求、团队协作模式、项目管理方法等专业指导,帮助企业构建具有市场竞争力的AI产品,实现技术创新与商业价值的有效转化。
  341. **[⬆ 一键返回目录](#目录)**
  342. ### 📖 学习资源模块
  343. #### [6.AI-LLM比赛👈](./6.AI-LLM比赛/6.AI-LLM比赛.md)
  344. AI-LLM比赛模块汇聚了国内外顶尖的大语言模型竞赛平台和赛事资源,为AI研究者提供全方位的竞赛参与指导和技能提升路径。该模块系统性地整理了百度、阿里、华为云等国内主流厂商举办的LLM相关竞赛,以及Kaggle、DataFountain、天池、Biendata等知名数据科学竞赛平台的精品赛事。内容涵盖了模型微调、提示工程、多模态理解、代码生成、数学推理、对话系统等多个技术方向的竞赛类型,详细解析了从数据预处理、特征工程到模型训练、后处理优化的完整竞赛流程。
  345. 模块深入介绍了参数高效微调(LoRA、QLoRA)、指令跟随训练、强化学习人类反馈(RLHF)、思维链推理(CoT)等前沿技术在竞赛中的应用策略,以及模型集成、知识蒸馏、数据增强等提升竞赛成绩的核心技巧。此外,还提供了竞赛团队组建、时间管理、代码版本控制、实验记录等项目管理最佳实践,以及GPU资源优化、分布式训练、推理加速等工程化技能,帮助参赛者在激烈的LLM竞赛中脱颖而出,积累宝贵的大模型实战经验。
  346. #### [6.AI课程👈](./6.AI课程/6.AI课程.md)
  347. AI课程模块精心整理了国内外优质的人工智能教育资源,构建了从入门到精通的系统化学习体系。该模块汇聚了极客时间、博学谷、慕课网、阿里云ACP认证等主流在线教育平台的精品AI课程,涵盖了大语言模型微调、AI Agent开发、深度学习框架、自然语言处理、计算机视觉等前沿技术方向。内容包括理论基础讲解、代码实战演练、项目案例分析、行业应用实践等多维度学习模块,详细介绍了LLM微调技术、多智能体系统设计、Transformer架构原理、强化学习算法等核心知识点。
  348. 模块系统性地梳理了从Python基础编程到高级AI算法的完整学习路径,提供了课程难度分级、学习时间规划、实践项目推荐、技能认证指南等实用信息。此外,还包含了企业级AI应用案例、技术面试准备、职业发展规划等专业指导内容,以及学习社区参与、开源项目贡献、技术分享交流等能力提升建议,帮助学习者建立扎实的AI理论基础,掌握解决实际问题的工程实践能力,实现从AI学习者到AI实践者的成功转型。
  349. #### [7.AI项目推荐👈](./7.AI项目推荐/7.AI项目推荐.md)
  350. AI项目推荐模块精心筛选了具有创新性和实用价值的优秀开源AI项目,为开发者提供丰富的学习案例和实践灵感。该模块系统性地整理了FunGPT情感调节AI助手、WeClone数字分身克隆、minimind小型大语言模型、wechatferry微信机器人框架等20+个热门项目,涵盖了AI情感计算、数字人技术、轻量级LLM、智能客服机器人等前沿应用方向。项目类型包括AI证件照生成、胸部X光片智能分析、闲鱼客服自动化、GitHub README快速生成、系统架构框架设计等实用工具,每个项目都提供了详细的技术实现方案、核心算法解析、部署配置指南和功能扩展建议。
  351. 模块深入介绍了各项目的技术创新点、应用场景分析、代码架构设计和学习价值评估,以及开发难度分级、技术栈要求、社区活跃度等关键信息。此外,还提供了项目分类检索、Star趋势跟踪、技术标签筛选、贡献者统计等便民功能,以及开源协作指南、Issue提交规范、PR贡献流程等实用技巧,帮助开发者快速定位适合的学习项目,提升AI实战开发能力和开源社区参与经验。
  352. #### [8.0 Python👈](./8.0%20Python/PY.md)
  353. Python模块构建了面向AI开发的完整Python技术栈,涵盖了从基础编程到高级AI应用的系统化学习路径。该模块整理了华为云、阿里云天池、飞桨AI Studio等主流平台的Python学习课程,以及DevOps开发路线图、数据竞赛实战教程等专业内容。技术栈包括DearPyGui界面开发、PrettyErrors错误美化、Diagrams架构图绘制、Scalene性能分析等实用Python库,深入介绍了修饰器(Decorator)设计模式、Schedule任务调度、多进程并发编程等高级编程技巧。
  354. 模块系统性地梳理了Python在数据科学、机器学习、深度学习领域的核心库使用方法,包括NumPy数值计算、Pandas数据处理、Matplotlib可视化、Scikit-learn机器学习等基础工具,以及TensorFlow、PyTorch等深度学习框架的实战应用。内容涵盖了虚拟环境配置、包依赖管理、代码调试技巧、性能优化策略等开发环境最佳实践,以及Jupyter Notebook交互式开发、Git版本控制、单元测试、文档编写等软件工程技能。此外,还提供了Python在AI项目中的架构设计、代码规范、部署方案、监控运维等工程化实践指导,帮助开发者建立扎实的Python编程基础,掌握AI项目开发的核心技能。
  355. #### [8.1 AI数据库👈](./8.1%20AI数据库/8.AI数据库.md)
  356. AI数据库模块专注于新一代智能数据存储与管理技术,汇聚了专为AI应用场景优化的数据库解决方案。该模块系统性地整理了AbutionGraph图数据库、DingoDB分布式数据库、PolarDB云原生数据库、TiDB分布式HTAP数据库、infinity向量数据库、singlestore实时分析数据库、QuestDB时序数据库等8+个前沿AI数据库产品,涵盖了向量存储、图计算、时序分析、实时OLAP等核心技术方向。技术特色包括高维向量相似度搜索、大规模图数据处理、时序数据高效存储、多模态数据融合、实时特征计算等AI场景的关键能力,详细解析了向量索引算法(HNSW、IVF)、图遍历优化、时序压缩技术、分布式一致性等核心技术机制。
  357. 模块深入介绍了这些AI数据库在RAG检索增强、推荐系统、知识图谱、实时风控、IoT数据分析等典型应用场景中的架构设计和性能优势,以及与主流AI框架的集成方案、数据迁移策略、运维监控体系等工程化实践。此外,还提供了AI数据库选型对比、性能基准测试、成本效益分析、扩展性评估等实用指南,以及数据安全、隐私计算、合规管理等企业级部署的关键考量,帮助开发者构建高效、可靠、智能的AI数据基础设施。
  358. #### [8.2 AI可视化👈](./8.2%20AI可视化/8.AI可视.md)
  359. AI可视化模块专注于AI模型和数据的直观呈现技术,构建了从模型调试到业务展示的完整可视化解决方案。该模块系统性地整理了Gradio快速原型构建、Streamlit交互式应用开发、微软NNI神经网络可视化调参等3个核心AI可视化工具,涵盖了模型演示、参数调优、实验管理等关键应用场景。技术特色包括零代码模型部署、拖拽式界面构建、实时参数调节、自动化超参数搜索、可视化实验对比等实用功能,详细介绍了Gradio的组件系统、Streamlit的响应式布局、NNI的AutoML能力等核心技术特性。
  360. 模块深入解析了AI可视化在模型原型验证、算法效果展示、业务决策支持、用户交互体验等典型场景中的应用价值,以及与PyTorch、TensorFlow、Scikit-learn等主流AI框架的无缝集成方案。内容涵盖了交互式组件设计、数据流可视化、模型性能监控、实验结果对比等核心功能实现,以及Web部署、云端托管、移动端适配等多平台发布策略。此外,还提供了可视化设计最佳实践、用户体验优化、性能调优技巧、安全部署指南等实用建议,帮助AI开发者快速构建专业级的模型演示和数据分析应用,提升AI项目的展示效果和用户接受度。
  361. #### [8.3 ML👈](./8.3%20ML/ML.md)
  362. 机器学习模块构建了涵盖算法理论、工程实践和应用场景的完整ML技术体系,为数据科学家提供系统化的机器学习解决方案。该模块系统性地整理了XGBoost、CatBoost、LightGBM等主流梯度提升算法,JioNLP、Rasa、RocketQA、Haystack等NLP算法工具,以及Optuna自动化参数调优、伪标签技术等前沿ML技术。技术栈涵盖了中文分词器、智能标注工具、信息抽取系统、文本分类算法、文本匹配模型、文本纠错技术等NLP核心组件,深入介绍了搜索推荐算法、语音识别模型、语音合成技术等多模态AI应用。
  363. 模块详细解析了PyMuPDF文档处理、HarvestText文本挖掘、funNLP中文工具包、AllenNLP深度学习框架、HanLP自然语言处理、NLTK文本分析等实用工具库的使用方法和最佳实践。内容包括数据预处理、特征工程、模型训练、效果评估等完整的ML工作流,以及数据集成、文本挖掘、预处理优化等数据科学核心技能。此外,还提供了金融风控、医疗诊断、推荐系统、搜索引擎等典型应用场景的案例分析,以及分布式训练、模型压缩、推理优化等工程化部署技术,帮助开发者掌握从数据到模型的完整机器学习技术栈,实现高效的AI算法开发和产业化应用。
  364. #### [8.4 CV👈](./8.4%20CV/8.CV.md)
  365. ![](./picture/main/yolo.png)
  366. 计算机视觉模块专注于视觉AI的核心算法和工程实现,构建了从经典算法到前沿应用的完整CV技术栈。该模块系统性地整理了MMDetection目标检测框架和ultralytics YOLO11等2个主流计算机视觉工具,涵盖了目标检测、实例分割、关键点检测、图像分类等核心视觉任务。技术特色包括MMDetection的模块化设计、丰富的预训练模型库、灵活的配置系统,以及YOLO11的实时检测能力、轻量化部署、多尺度目标识别等先进特性,详细介绍了这些框架在不同应用场景中的性能优势和部署策略。
  367. 模块深入解析了现代目标检测算法的技术演进,从传统的R-CNN系列到最新的YOLO系列,包括网络架构设计、损失函数优化、数据增强策略、模型压缩技术等关键技术环节。内容涵盖了数据集准备、模型训练、效果评估、推理部署等完整的CV项目开发流程,以及与PyTorch、TensorFlow等深度学习框架的集成方案。
  368. 此外,还提供了边缘计算部署、实时性能优化、硬件加速适配等工程化实践指导,以及在自动驾驶、智能制造、安防监控、医疗影像等典型应用场景中的解决方案,帮助开发者快速构建高性能的计算机视觉应用,实现从算法研究到产业落地的有效转化。
  369. #### [8.5 RecommenderSystem👈](./8.5%20RecommenderSystem/推荐系统.md)
  370. ![](./picture/main/dbms.png)
  371. ![](./picture/main/OpenSearch.png)
  372. 推荐系统模块构建了涵盖算法理论、工程架构和业务实践的完整推荐技术生态,为推荐工程师提供系统化的个性化推荐解决方案。该模块深入整理了推荐算法核心技术、搜索引擎技术、推荐系统专栏、推荐系统工程实践等关键知识体系,以及Pinecone、Chroma、Faiss、LanceDB、Vald、deeplake、Elasticsearch、Milvus、Qdrant、Weaviate等10+个主流向量数据库的技术特性和应用场景。
  373. 技术栈涵盖了索引构建、召回策略、粗排算法等推荐系统核心环节,详细解析了向量检索、相似度计算、多路召回、特征工程等关键技术的实现原理和优化方法。模块系统性地介绍了协同过滤、内容过滤、深度学习推荐、图神经网络推荐等主流算法,以及冷启动、数据稀疏性、实时性、可扩展性等工程挑战的解决方案。内容包括用户画像构建、物品特征提取、CTR预估、排序优化等完整的推荐流程,以及A/B测试、在线学习、多目标优化等产品化运营技术。
  374. 此外,还提供了电商推荐、内容推荐、广告推荐、社交推荐等典型业务场景的案例分析,以及大规模分布式部署、实时推荐服务、推荐效果评估等工程化实践指导,帮助开发者构建高性能、高可用的推荐系统,实现精准的个性化推荐和业务价值最大化。
  375. #### [8.6 RL👈](./8.6%20RL/RL.md)
  376. ![](./picture/main/rl.png)
  377. ![](./picture/main/rl1.png)
  378. 强化学习模块构建了从理论学习到项目实战的完整RL技术生态,为强化学习研究者和工程师提供系统化的智能决策解决方案。该模块系统性地整理了蘑菇书、深度强化学习原理与实践等经典理论教材,以及Google Dopamine、Facebook ReAgent、Ray、DI-ENGINE、ElegantRL、MARL库、SLM Lab、Spinning Up in Deep RL、Stable Baselines3、Tianshou等10+个主流强化学习框架和工具库。
  379. 技术栈涵盖了Unity ML-Agents强化学习环境、Gymnasium案例合集等实验平台,深入介绍了Rainbow、SAC、TD3、DDPG、A2C、PPO等单智能体算法,以及MADDPG、QMIX等多智能体算法的实现原理和应用场景。模块详细解析了价值函数逼近、策略梯度方法、深度强化学习、多智能体协作等核心技术,以及探索与利用平衡、样本效率优化、训练稳定性等关键技术挑战的解决方案。
  380. 内容包括环境建模、奖励设计、网络架构、超参数调优等完整的RL开发流程,以及分布式训练、模型部署、性能评估等工程化实践技术。此外,还提供了斗地主AI、王者荣耀AI、股票量化交易、五子棋AI、扑克AI等丰富的项目案例,涵盖游戏AI、金融量化、策略博弈等多个应用领域,帮助开发者掌握从算法研究到产业应用的完整强化学习技术栈,实现复杂决策问题的智能化解决方案。
  381. #### [8.7 KnowledgeGraph👈](./8.7%20KnowledgeGraph/图谱.md)
  382. ![](./picture/main/graph.png)
  383. ![](./picture/main/nebulagraph.png)
  384. 知识图谱模块构建了从图计算理论到知识工程实践的完整KG技术生态,为知识图谱研究者和工程师提供系统化的结构化知识解决方案。该模块系统性地整理了图计算算法大全、知识图谱相关学习资料、开放知识图谱工具和数据集,以及OGB图神经网络榜单、PyG、DGL等图神经网络库的技术特性和应用场景。技术栈涵盖了EAKit、LIMES、Silk、dedupe、openEA等知识融合工具,KG Lab、KGTK、deepdive、gBuilder等知识图谱构建工具,Protege、TopBraid等本体编辑工具,FaCT++、Hermit、RDFox等知识推理工具,以及OpenRefine数据清洗工具等完整的知识工程工具链。
  385. 模块深入介绍了实体识别、关系抽取、知识融合、本体构建等核心技术环节,详细解析了图神经网络、知识表示学习、图数据库查询、语义推理等关键技术的实现原理和优化方法。内容包括安全知识图谱、周杰伦歌曲查询、电影知识问答、学科知识图谱学习平台、Vue关系图谱、汽修领域问答、医生推荐系统、心理咨询问答、中文症状问答、工会知识图谱可视化、KGCN、医疗知识图谱构建、中文人物关系知识图谱、中文复合事件抽取、TextGrapher、海贼王KG等丰富的GitHub项目案例。
  386. 此外,还提供了多个知识图谱相关的比赛实例和评估基准,以及知识图谱与大语言模型结合、GraphRAG检索增强等前沿应用方向,帮助开发者掌握从图数据建模到知识应用的完整技术栈,实现领域知识的结构化表示和智能化推理。
  387. * [开源图谱技术工具👈](./8.7%20KnowledgeGraph/图谱2.md)
  388. * [知识图谱系统、平台👈](./8.7%20KnowledgeGraph/图谱3.md)
  389. **[⬆ 一键返回目录](#目录)**
  390. ### 🌐 社区与平台模块
  391. #### [9.学习平台👈](./9.学习平台/学习平台.md)
  392. 学习平台模块构建了全方位的AI教育资源生态系统,涵盖从基础编程到前沿大模型技术的完整学习路径。该模块精心整理了极客时间、头歌实践教学平台、菜鸟教程、廖雪峰官方网站等优质编程学习平台,以及CS-Books超过1000本计算机经典书籍资源库、图灵社区技术图书等专业知识库。在AI前沿技术方面,模块汇聚了微软AI-For-Beginners、generative-ai-for-beginners等系统性课程,以及魔塔社区七天入门LLM大模型、同济子豪兄MCP学习等实战教程。
  393. 特别关注大语言模型技术栈,包括LLM-action大模型工程化实践、DecryptPrompt论文总结、Awesome-Chinese-LLM开源中文大模型合集等前沿资源。模块还涵盖了百度AI Studio深度学习工程师认证、阿里云DevOps助理工程师认证、华为云认证等专业技能认证体系,以及机器之心入门教程、OpenAI强化学习文档等权威学习资源,为AI学习者提供从理论基础到产业实践的全栈技能培养方案,助力构建系统性的人工智能知识体系和实战能力。
  394. #### [9.文章集👈](./9.文章集/文章集.md)
  395. 文章集模块打造了AI技术知识的精品内容聚合平台,汇聚了从基础理论到前沿应用的全方位技术文章资源。该模块以CS-Books超过1000本计算机经典书籍为核心,涵盖C/C++、Java、Python、Go语言、数据结构与算法、操作系统、后端架构、计算机网络、设计模式等完整技术栈,以及校招社招面经汇总等实用资源。在AI专业领域,模块整合了攻城狮B站课程课件合集、人工智能学习路线图200个实战案例、深度学习TensorFlow案例实战等系统性教程资源。
  396. 技术前沿方面,收录了Papers With Code最新论文、机器之心SOTA模型库、新智元AI资讯、WaytoAGI知识库等权威内容平台,以及美团技术团队、亚马逊AWS官方博客、HyperAI超神经等一线企业技术分享。模块特别关注bestblogs.dev大语言模型摘要评分辅助阅读、人工智能产业研究等创新内容形式,以及文武科技柜、Open Github社区等开发者交流平台,为技术人员提供多维度的知识获取渠道,助力构建从理论学习到实践应用的完整技术认知体系。
  397. #### [9.社区论坛👈](./9.社区论坛/社区论坛.md)
  398. 社区论坛模块构建了AI技术生态的核心交流枢纽,汇聚了从学术研究到产业应用的全方位开发者社区资源。该模块以阿里云开发者社区、华为AI Gallery、魔搭ModelScope、Hugging Face等顶级AI平台为核心,涵盖OpenBayes、和鲸Heywhale、启智OpenI、始智AI等专业AI开发环境,以及Google Colab、Kaggle等国际主流机器学习竞赛平台。在深度学习框架生态方面,模块整合了华为MindSpore、百度飞桨PaddlePaddle、阿里X-DeepLearning、腾讯NCNN、旷视MegEngine、一流科技OneFlow等国产框架社区,以及Meta Research、微软CNTK、英伟达Megatron-LM、谷歌JAX等国际前沿框架资源。
  399. 特别关注QCon全球软件开发大会、AICon人工智能开发大会等顶级技术会议,以及极市CV开发者平台、北京智源人工智能研究院、讯飞开放平台、商汤SenseID等专业技术社区。模块还涵盖了科大讯飞1024开发者节、海光DCU光合开发者社区等特色技术活动,为AI开发者提供从技术学习、项目实践到职业发展的全链路社区支持体系。
  400. * [9.云算力👈](./9.社区论坛/云算力.md)
  401. * [9.Docker hub镜像加速👈](./9.社区论坛/Docker%20hub镜像加速.md)
  402. #### [9.学术工具👈](./9.学术工具/学术工具.md)
  403. 学术工具模块构建了AI科研工作的全流程支撑体系,为研究者提供从文献检索到论文发表的完整工具链。该模块以IEEE Xplore、Papers With Code、arXiv.org等权威学术数据库为核心,整合了AMiner科技情报挖掘、Semantic Scholar语义学者、知网CNKI、Engineering Village等多元化文献检索平台,以及Connected Papers论文关联分析、ResearchRabbit文献发现、Arxiv Sanity Preserver等创新检索工具。
  404. 在专利检索方面,涵盖企知道专利检索平台、佰腾网全球专利搜索、HimmPat、IPRDB等专业专利数据库,支持免费商用专利查询和分析报告生成。学术写作辅助工具包括citexs赛特新思科研助手、小绿鲸英文文献阅读器、ivySCI青藤学术论文助理等SCI阅读效率提升工具,以及术语在线权威术语知识服务、SVG/PDF格式转换器等论文排版工具。模块还整合了论无忧学位论文检测、万方数据文献相似性检测、维普论文检测系统、源文鉴查重系统等学术诚信检测平台,为研究者提供从文献调研、论文撰写到查重检测的全方位学术研究支持,助力提升科研效率和学术质量。
  405. #### [9.面试👈](./9.面试/面试.md)
  406. 面试模块构建了AI技术人才求职就业的全方位支撑平台,涵盖从简历制作到技术面试的完整求职链路。该模块整合了全民简历网专业简历制作、BOSS直聘、脉脉、拉勾、猎聘、前程无忧、海投网等主流求职招聘平台,为AI人才提供多元化的职业发展机会。
  407. 在技术能力提升方面,模块汇聚了LeetCode力扣、牛客题霸、LintCode领扣等顶级算法刷题平台,以及程序员面试金典、剑指Offer、InterviewGuide算法面试指南等经典面试题库,涵盖数据结构、算法设计、系统设计等核心技术领域。专业技能评估包括MySQL数据库面试八股文、强化学习算法面试题、深度学习面试题汇总等专项技术面试资源,以及天池LeetCode基础训练营、讯飞AI编程题、EndlessCheng算法竞赛模板库等实战训练平台。
  408. 模块特别关注AI领域专业面试,整理了强化学习工程师面试指南、算法岗位面试准备、深度学习面试题汇总等专业资源,以及七月在线AI笔试面试题库、赛码网在线考试系统等专业评测平台,为AI技术人才提供从基础能力培养到专业技能认证的全栈求职支持体系。
  409. #### [9.软件👈](./9.软件/软件.md)
  410. 软件模块构建了AI开发者的全方位工具生态系统,涵盖从日常办公到专业开发的完整软件工具链。该模块整合了Chrome应用商店扩展插件、Tampermonkey用户脚本管理、iTab/WeTab新标签页等浏览器增强工具,以及硕鼠、VideoGrabber、YouTube下载器等多媒体资源获取工具。
  411. 在数据可视化方面,汇聚了AntV蚂蚁数据可视化、Apache ECharts图表库、ProcessOn流程图、HiPlot高质量图表等专业绘图平台,以及科研论文配色方案、ColorDrop流行色彩、Flat UI Colors等设计资源库。
  412. 文档处理工具包括PDF24、Smallpdf、iLovePDF等PDF转换器,DeepL翻译、QuillBot语句改写、改写匠ReWriter等AI翻译润色工具,以及Bigjpg AI图片放大、remove.bg背景消除、WordArt词云生成等图像处理工具。
  413. 开发辅助方面,涵盖JSON在线解析、Table Convert表格转换、GitZip GitHub文件下载、简悦SimpRead网页转Markdown等实用工具,以及Aechoterm国产SSH工具、diagrams.net流程图、Canva设计模板等专业开发工具,为AI开发者提供高效便捷的软件工具支撑,提升开发效率和工作体验。
  414. ### 🏢 企业开源模块
  415. #### [10.Datawhale👈](./10.Datawhale/Datawhale.md)
  416. ![](./picture/main/datawhale.png)
  417. Datawhale模块汇聚了国内领先的开源学习社区的优质教育资源,专注于数据科学、机器学习和人工智能领域的系统化学习体系构建。该模块系统性地整理了Datawhale社区的核心学习内容,涵盖LLM大语言模型、Multi-Agent多智能体系统、NLP自然语言处理、强化学习、数据挖掘、图深度学习、推荐系统、YOLO目标检测、计算机视觉等多个AI核心领域的完整教程体系。
  418. 技术栈包括从理论基础到实践应用的完整学习路径,提供丰富的开源教材、实战项目、代码示例和学习指南,详细介绍了LLM系列课程的技术架构、Multi-Agent协作机制、NLP核心算法、强化学习经典案例、数据挖掘实用技巧、图深度学习应用等核心知识点。内容还包含面试经验分享和自动化办公等实用技能培训,配套Jupyter Notebook、Python代码库、数据集资源等学习材料。通过开源的方式聚合优质学习者,共同完成高质量内容的创作与传播,形成了完整的AI学习生态体系,帮助学习者在开放协作的环境中快速提升AI技术能力和职业竞争力。
  419. #### [10.华为开源👈](./10.华为开源/华为.md)
  420. ![](./picture/main/mindspore.png)
  421. ![](./picture/main/modelarts.png)
  422. 华为开源模块展示了华为公司在人工智能领域的重要开源贡献和企业级技术解决方案,构建了完整的AI开发生态体系。该模块系统性地介绍了华为云ModelArts一站式AI开发平台、AI Gallery模型市场、盘古大模型系列等云计算和AI服务的核心技术架构。技术栈涵盖MindStudio开发工具、完整的AI学习路线、竞赛平台以及鸿蒙操作系统等全栈解决方案,深入解析了从模型训练、部署到应用的全流程开发体验。
  423. 内容包括MindSpore深度学习框架的自动微分、图优化、分布式训练等核心技术特性,昇腾AI处理器生态的架构设计、算子开发、性能优化等关键技术,以及云边协同、联邦学习、AI安全等前沿应用方向。模块详细介绍了华为AI全栈解决方案的技术架构、部署方案、性能基准和应用案例,涵盖从底层硬件到上层应用的完整技术生态。华为通过开源的方式为开发者提供从模型训练、部署到应用的全流程解决方案,推动AI技术的普及和产业化应用,形成了从底层硬件到上层应用的完整技术生态。
  424. #### [10.腾讯👈](./10.腾讯/腾讯.md)
  425. 腾讯模块全面展示了腾讯公司在人工智能领域的技术积累和开源贡献,构建了完整的AI技术生态体系。该模块系统性地介绍了腾讯云、腾讯AI Lab、腾讯混元大模型等核心平台的技术架构和应用价值。技术栈涵盖腾讯云TI平台TI-ONE一站式机器学习服务、云+社区技术交流平台、DAIR Lab决策智能实验室等完整的AI开发和研究体系,详细解析了在深度学习、计算机视觉、自然语言处理、语音技术、推荐系统等核心AI技术方向的重要突破和产品化成果。
  426. 特别值得关注的是开源云原生一站式AI平台Cube Studio,为开发者提供从数据处理、模型训练到部署的全流程解决方案。内容涵盖腾讯云AI服务、腾讯优图实验室、微信AI团队等不同业务线的AI技术实践,深入分析了在社交网络、内容推荐、游戏AI、金融科技、智慧医疗等典型应用场景中的创新解决方案。腾讯通过产学研结合的方式,在计算机视觉、自然语言处理、语音识别等多个AI核心领域持续创新,推动AI技术在社交、游戏、金融等多个行业的深度应用。
  427. #### [10.阿里开源👈](./10.阿里开源/阿里.md)
  428. ![](./picture/main/alibaba.png)
  429. 阿里开源模块深度解析了阿里巴巴集团在人工智能领域的开源战略和技术贡献,构建了从底层框架到上层应用的完整AI开源生态图谱。该模块系统性地介绍了EasyNLP自然语言处理框架、EasyRec大规模推荐算法框架、EasyCV计算机视觉框架、EasyRL强化学习平台等核心AI开源项目的技术特色和应用场景。技术栈还包括GraphScope一站式超大规模图计算系统、TuGraph图数据库、AntV-G6图可视化框架等图计算解决方案,详细解析了Alink机器学习算法平台、DeepRec大规模稀疏模型训练框架等核心开源项目。
  430. 内容涵盖阿里云ModelArts、百炼大模型平台、智能开放搜索等AI服务,以及天池竞赛平台、AI学习课程等技术普及平台。模块深入分析了在电商推荐、智能客服、图像搜索、语音识别、知识图谱等领域的技术创新和工程化经验,从分布式训练部署到联邦学习,阿里开源为AI产业化提供了完整的技术支撑。此外,还提供了阿里云AI服务的使用指南、开源项目的贡献方式、技术社区的参与渠道和学习资源,以及企业数字化转型中AI技术的落地方案和最佳实践,帮助开发者全面了解阿里AI技术的发展历程和应用价值。
  431. #### [10.paddle👈](./10.paddle/paddle1.md)
  432. ![](./picture/main/paddle.png)
  433. ![](./picture/main/paddle1.png)
  434. Paddle模块深入介绍了百度飞桨(PaddlePaddle)深度学习平台的全栈技术体系和产业级应用实践,构建了从基础框架到产业应用的完整生态。该模块系统性地介绍了PaddleNLP自然语言处理套件、ERNIE系列预训练模型(ERNIE 3.0、ERNIE-Doc、ERNIE-Health等)、UIE通用信息抽取框架等核心技术组件的功能特色和使用方法。技术栈涵盖PaddleHub预训练模型库、文心大模型ERNIEKit、百度智能云千帆大模型平台等完整的AI开发生态,详细解析了动态图编程、静态图优化、自动微分、分布式训练等核心技术特性。
  435. 内容包括从数据处理、模型训练、压缩部署到服务化的全流程解决方案,支持文本分类、信息抽取、机器翻译、图像识别等多种AI任务,深入探讨了混合精度训练、梯度累积、数据并行、模型并行等高效训练技术。模块还详细介绍了AI Studio在线开发环境和丰富的产业实践案例,以及飞桨在自然语言处理、计算机视觉、语音识别、推荐系统等领域的典型应用案例和最佳实践。通过AI Studio在线开发环境和丰富的产业实践案例,飞桨为开发者提供了完整的AI开发体验,构建高效稳定的AI应用解决方案。
  436. * [10.paddle2👈](./10.paddle/paddle2.md)
  437. **[⬆ 一键返回目录](#目录)**
  438. ## 🌐 未来愿景
  439. 让 **AI-Compass** 成为每一位AI学习者和实践者的导航仪,帮助大家在快速发展的AI世界中不迷失方向,持续成长,共同推动智能技术的进步。我们致力于构建一个开放、协作、持续演进的AI知识生态系统,通过社区驱动的方式不断丰富和完善资源,让每个人都能在AI技术浪潮中找到属于自己的发展路径。
  440. <p align="center">
  441. <img src="./picture/main/封面.png" alt="汀丶人工智能" />
  442. </p>
  443. ### 📱 关注微信公众号「汀丶人工智能」
  444. 🔥 精选AI前沿资讯 | 📚 深度技术解读 | 💡 实战案例分享
  445. ### 🤝 欢迎加入AI Compass知识星球
  446. 🎯 **更深入的内容** - 独家教程、项目实战、面试指导
  447. ⚡ **更高的更新频率** - 高频资讯推送、专家答疑、技术交流
  448. 🎁 **限时优惠** - 与数千名AI学习者一起成长!
  449. * [AI Compass知识星球](https://t.zsxq.com/Tj1eS)
  450. * [🎫 AI Compass知识星球优惠券](./picture/minor/KnowledgePlanet.md)
  451. >星球支持三天内免费退款,请放心订阅。
  452. <table>
  453. <tr>
  454. <td width="50%" valign="top">
  455. ## 💬技术博客
  456. * [CSDN](https://blog.csdn.net/sinat_39620217?type=blog)
  457. * [掘金](https://juejin.cn/user/4020284493662029)
  458. * [知乎](https://www.zhihu.com/people/tingaicompass)
  459. * [公众号](https://github.com/tingaicompass/AI-Compass/blob/main/picture/main/wx.png)
  460. * [知识星球](https://github.com/tingaicompass/AI-Compass/blob/main/picture/minor/KnowledgePlanet.md)
  461. </td>
  462. <td width="50%" valign="top">
  463. ## 📍社交媒体
  464. * [头条📬](https://profile.zjurl.cn/rogue/ugc/profile/?active_tab=dongtai&app_name=news_article&device_id=65&media_id=1719833587832835&request_source=1&share_token=b744b824-20ff-420e-b4f7-6080ad127720&tt_from=copy_link&user_id=3287673762&utm_campaign=client_share&utm_medium=toutiao_android&utm_source=copy_link&version_code=120900&version_name=0)
  465. * [抖音🎶](https://v.douyin.com/ZbvqNyHo61I/)
  466. * [小红书📕](https://www.xiaohongshu.com/user/profile/605c395e000000000100108b?xsec_token=YBq0UxPBd23DZ-rGp87wTY2qVctMuK7wWKQU9LsMEaGnw%3D&xsec_source=app_share&xhsshare=CopyLink&appuid=605c395e000000000100108b&apptime=1752306657&share_id=38c139d8155e4692b37a6316559ae8b3&share_channel=copy_link)
  467. </td>
  468. </tr>
  469. </table>
  470. ## Star History
  471. [![Star History Chart](https://star-history.dera.page/svg?repos=tingaicompass/AI-Compass&type=Date)](https://star-history.dera.page/#tingaicompass/AI-Compass&Date)
  472. <div align="center">
  473. <p><strong>🧭 AI-Compass - Your AI Navigation Compass</strong></p>
  474. <p>🌟 如果本项目对您有所帮助,请为我们点亮一颗星!🌟</p>
  475. </div>
  476. --------------------------------------

Ratings and comments

Sign in to rate this skill.

Sign in

Free to use. If it’s helped, pass it on.