Unknown Artist

Inherent Completeness

[Unknown Artist @UnNoArtist]

波士顿之旅开始了

[Jaden 抽象日志 @Jaden_riku]

说个暴论

2026年，学习英语最好的地方不是duolingo，不是hellotalk，不是bilibili，而是GitHub！

下面推荐几个GitHub上极好的英语学习资源，速速Mark起来
⬇️

[科技小柴 @TechShiba]

https://t.co/96C8RuDEYo

[Vincent @Vincent_AINotes]

https://t.co/FRs3j2NV1t

[花叔 @AlchainHust]

既然Claude Code源码都泄漏了，我觉得我这75页的《CLAUDE CODE橙皮书📙》也该开源了。

这份橙皮书是我和Claude Code花了两个多月一起写的实战手册，面向想用AI编程但不知道从哪开始的人。10章，从安装到独立做出一个完整产品。

里面有什么：
• 核心工作流拆解（Plan/Auto模式、权限管理）
• CLAUDE.md写法——怎么给AI一张项目地图
• Skills、Hooks、MCP等扩展能力的实战用法
• 多Agent并行协作的完整机制
• Computer Use和Voice Mode等最新能力
• 一章完整的从零到上线产品实战

信息源主要是Claude官方文档、CC之父Boris的分享、吴恩达的Claude Code课程，加上我自己用CC做了十几个产品的经验。内容更新到2026年3月底。

和AI协作写的，内容量大，难免有幻觉。发现不准确的欢迎指正，我会持续更新。

下载链接🔗：https://t.co/22X2wio25U

[Gorden Sun @Gorden_Sun]

Claude Code速查表
网址：https://t.co/A8EgXQ1rD6

[Roland.W @rwayne]

看完了
全文复制部署了

[Berryxia.AI @berryxia]

🔥兄弟们！大神Sebastian Raschka 终于发布了新的 LLM Architecture Gallery！

把所有经典的 LLM 架构图整理到一个地方了，再也不用到处找图了。

质量和工程量都可以，非常好，你可以直接打开使用！

📸 收录内容：
- 各种 Transformer 变体
- Encoder-Decoder 架构
- 注意力机制详解
- 多模态架构设计

🔗 地址：https://t.co/VP6AOyRjKF

对于想要深入理解 LLM 架构的同学来说，这绝对是宝藏

[GitHubDaily @GitHub_Daily]

准备转行做 AI 工程师，网上搜到的学习资料大部分都是零散的教程或者 AI 生成的水文，很难找到系统性的指导。

刚好在 GitHub 上发现 AI Engineering Field Guide 这个开源项目，基于 1765 份真实职位描述和实际面试经验整理而成，数据驱动且非常实用。

作者分析了职位要求、技能需求、面试流程、真实案例等，还提供了针对数据、后端、前端等不同背景的工程师转型学习路径。

GitHub：https://t.co/Tz8gCQUbg5

内容涵盖角色定位与技能分析、完整的面试准备指南、精选的 AI 工程学习资源合集，以及真实的职位市场数据和项目案例。

并收录了 OpenAI、Anthropic、Google、Meta 等 51 家公司的真实面试流程和经验分享，还有 17 个实际的 take-home 作业案例分析。

如果你正在考虑转型 AI 工程师，或者想系统了解这个岗位的真实情况，这份指南值得收藏。

[刹车皮 @shachepi]

https://t.co/0Kkac8uxOi

[ginobefun @hongming731]

李宏毅老师出新课了！这次深入解剖了开源项目 OpenClaw，带你 1 小时看透 AI Agent 的运作原理。

李老师用一贯通俗易懂的语言从基本的文字接龙，讲到身份、工具调用、子智能体、记忆管理，以及让模型学会等待的心跳机制。

不仅教你原理，更手把手教你如何防范 AI 搞事、设置安全沙盒，非常值得学习。

[Sac @Saccc_c]

2026年，如何站着学会AI

下面是十个你绝对不能错过的GitHub开源AI学习项目：
（ps: 课程结合理论与实践，由浅入深，GitHub链接潜入评论区🤿）

1. AI for Beginners (45.9k⭐️)
微软出品的免费AI入门课程，由浅入深打好AI基础

2. ML-For-Beginners (84.2k⭐)
微软出品的经典机器学习课程，从0到1学习机器学习

3. Prompt-Engineering-Guide (71.2k⭐)
系统性学习如何写出高质量提示词

4. Happy-LLM (27k⭐)
从0到1深入理解大语言模型的核心原理与实践

5. Hugging Face Agents Course (26k⭐)
HF官方出品，带你用主流框架搭出真正能跑的Agent

6. Hello-Agents (25.7k⭐)
理论与代码并进，一步步拆解智能体的运作逻辑

7. Easy-Vibe (3.4k⭐)
Vibe Coding 零基础教程

8. claude-code-best-practice (12.1k⭐)
将Claude融入真实开发工作流的最佳实践指南与工具集。

9. awesome-agent-skills(2.5k⭐)
Agent Skills 终极指南

10. awesome-openclaw-tutorial (1.4k⭐)
OpenClaw 最全指南：从部署到各种玩法

建议点赞、收藏，慢慢学习！

[鱼总聊AI @AI_Jasonyu]

https://t.co/pMdYKtSrIr

[Geek Lite @QingQ77]

TorchCode 一个专门练习 PyTorch 核心实现与 Transformer 面试题的自托管刷题平台。

→ 把 ML 面试中常见的 PyTorch 算子、模块和架构实现整理成 39 道结构化练习题。
→ 提供自动判题、梯度校验、计时和即时反馈，让练习过程更像面试版 LeetCode。
→ 基于 Jupyter Notebook 构建，同时支持一键重置、提示、参考解和进度追踪。
→ 覆盖 ReLU、Softmax、LayerNorm、Attention、RoPE、Flash Attention、LoRA、MoE 等高频主题。
→ 支持 Hugging Face Spaces 在线体验、Google Colab 单题打开，以及 Docker 本地���行。
→ 不需�� GPU，适合准备 ML Engineer、LLM Engineer 和相关研究岗面试的人。

https://t.co/riuwkTzNRa

[程序员小灰 @XiaohuiAI666]

小灰也是NotebookLM的重度爱好者，强烈推荐这篇NotebookLM深度解析！

全文比较长，建议收藏不迷路👍

[Jiayuan (JY) Zhang @jiayuan_jy]

https://t.co/5VVKV7bChf

[美酱AI @meijiangAI]

重磅新闻：Google Gemini 发布了名为'引导学习'的新功能。

你现在可以用它像有个人家教一样，一步步学习任何东西。

以下是访问方式 👇

[千寻｜AI 分享 🌸 @Crypto_QianXun]

GitHub上10个最有价值的AI学习资源库

大多数AI学习者浪费数月在随机教程上。

下面是 10 个最有价值的 AI 学习仓库：

1️⃣ Generative AI for Beginners（⭐105k）
https://t.co/VIFQCR0v0D

微软出的系统课程，
教你 从零构建真实的 GenAI 应用。

2️⃣ LLMs from Scratch（⭐83k）
https://t.co/K4vMxBqDhl

一步一步 自己实现 GPT 类模型。
想真正理解 LLM，这是必看项目。

3️⃣ AI Agents for Beginners（⭐49k）
https://t.co/nbhJglVFHl

系统学习 AI Agent 的核心能力：
工具调用、记忆、规划、工作流。

4️⃣ ML for Beginners（⭐83k）
https://t.co/UJ0ZS7tbyW

26 节课的 机器学习基础完整课程。
非常适合 ML 入门。

5️⃣ OpenAI Cookbook（⭐71k）
https://t.co/jAYTAZsfun

大量 生产级 API 示例，
教你如何真正把 AI 用到产品里。

6️⃣ Python 100 Days（⭐177k）
https://t.co/VImm0OAF3D

非常扎实的 Python 基础训练营。
想做 AI，这个基础很重要。

7️⃣ LLM App Templates（⭐54k）
https://t.co/0JhAjmUGR4

提供 可部署的 LLM 应用模板，
包含完整的 RAG 流程示例。

8️⃣ Python Data Science Handbook（⭐46k）
https://t.co/fILeiZ3Q7d

经典数据科学教程：
NumPy、Pandas、Scikit-Learn。

9️⃣ Stable Diffusion（⭐72k）
https://t.co/hStMt4KvUb

著名 扩散模型的原始代码仓库。
想理解 AI 生成图像，这个必须看。

🔟 Segment Anything（⭐53k）
https://t.co/SfWHrMfDwW

Meta 发布的 通用图像分割模型 SAM。
视觉领域里非常重要的项目。

如果你真的想 系统学 AI，
这 10 个仓库基本能覆盖：

Python → ML → LLM → Agent → GenAI → CV。

[阿西_出海（2.0版） @imaxichuhai]

https://t.co/xwbnlywoyY