O'Reilly《Hands-On Large Language Models》官方代码库，包含12章核心内容与Bonus章节，涵盖Tokens、Transformer、RAG、微调等主题。提供300+插图与可运行的Jupyter Notebook，支持Colab与本地环境。

自然语言处理RAG大语言模型

查看详情 →

包含93+个生产级示例的综合AI工程资源库，提供LLM应用、RAG系统、AI Agent开发及MCP协议的深度教程与可运行代码实现，覆盖从初级到高级的完整学习路径。

其他大语言模型MCP

查看详情 →

一个精选的资源集合，专注于检索增强生成(RAG)与推理在大型语言模型和智能体中的融合研究，包含学术论文、工具和实现方案。

文档教程与资源PythonRAG

查看详情 →

Towards AI出版的"Building LLMs for Production"书籍配套的Jupyter笔记本集合，涵盖RAG、LLM、提示工程、微调等核心技术的实践教程。

文档教程与资源PythonLangChain

查看详情 →

一个包含100个博士级研究任务的基准测试平台，涵盖22个不同领域，用于系统性评估深度研究代理（DRA）的报告生成质量和信息检索能力。

文档教程与资源PythonAI代理

查看详情 →

精选的大语言模型长上下文建模领域的论文和博客资源库，涵盖高效Transformer、长度外推、长期记忆、检索增强生成及评估方法。

文档教程与资源Transformers大语言模型

查看详情 →

通义深究是一个开源的深度研究智能体，专为长时程、深度信息检索任务设计，具有305亿总参数，每仅激活33亿参数。该模型在多个智能搜索基准测试中表现出色，包括人类终极考试、浏览竞赛、WebWalkerQA等。

模型与推理框架PythonPyTorch

查看详情 →