yq1320
Follow
Stars
🚀 「大模型」1小时从0训练67M参数的视觉多模态VLM！🌏 Train a 67M-parameter VLM from scratch in just 1 hours!
🚀🚀 「大模型」2小时完全从0训练64M的小参数GPT！🌏 Train a 64M-parameter GPT from scratch in just 2h!
存储使用eino实现的基础智能体仓库，用于结合eino快速组装复杂智能体，注意此仓库与eino完全耦合。
一个基于 Eino 框架的综合性大模型应用，用eino实现了一个流式对话AI和一个集成了Qdrant向量数据库的RAG知识库。是学习和实践大模型工程化的绝佳案例。
LangGraph 1.0 Tutorial
基于最新LangchainV1.1.0版本的从0到1以及实战案例项目课件代码。
any4any是一个企业级多模态AI平台，提供完整的智能交互解决方案。集成了大语言模型对话、数字人系统、智能SQL查询、语音处理、知识库系统等核心功能，支持OpenAI兼容API接口，可无缝集成到各类AI应用中。
一键生成数字人视频系统| 批处理AI视频自动生成系统｜基于文本自动生成AI图像生成/数字人视频｜TTS|音色克隆｜ASR｜OCR｜支持水印和logo添加转场效果｜字幕自动生成｜元素叠加｜剪辑合并｜ffmpeg
使用 LangChain 1.0 构建的 Skills Agent，演示 Anthropic Skills 三层加载机制的底层原理。
Build effective agents using Model Context Protocol and simple workflow patterns
AgentChat 是一个基于 LLM 的智能体交流平台，内置默认 Agent 并支持用户自定义 Agent。通过多轮对话和任务协作，Agent 可以理解并协助完成复杂任务。项目集成 LangChain、Function Call、MCP 协议、RAG、Memory、Milvus 和 ElasticSearch 等技术，实现高效的知识检索与工具调用，使用 FastAPI 构建高性能后端服务。
📚 《从零开始构建智能体》——从零开始的智能体原理与实践教程
基于langchain1.0开发的Agentic RAG，实现了最基础的功能，包含了RAG的整个流程，可以在这个的基础上增加优化功能。
把skills存放在数据库中，测试是否能被大模型agent调用。agent采用langchain1.0框架搭建
本项目旨在提供一套完整的大语言模型（LLM）学习和实践代码示例，涵盖了从基础概念到高级应用的各个方面。通过实际代码演示，帮助开发者快速掌握 LangChain1.0版本 等框架在 LLM 应用开发中的使用方法。
这是一个 LangChain 1.0 和 LangGraph 1.0 的学习仓库，学习如何进行agent开发，涵盖从基础概念到实战项目的完整学习路径。
Minimal, practical LangChain 1.0 examples — each in few lines.
µStreamer - Lightweight and fast MJPEG-HTTP streamer
Go语言Web管理面板，包含：计划任务 / MySQL管理 / Redis管理 / FTP管理 / SSH管理 / 服务器管理 / Caddy和Nginx配置 / DDNS / FRP可视化配置 / 云存储管理 等功能。可运行于 Windows / Linux / MacOS 等主流系统平台和 树莓派 / 路由器 等ARM设备
这是一个大模型的实战项目，介绍一些大模型方面的知识，包括但不限于BERT，Transformer，RoBERT，Attention机制等。
LLMs-from-scratch项目中文翻译
PyTorch tutorials and fun projects including neural talk, neural style, poem writing, anime generation (《深度学习框架PyTorch：入门与实战》)
pytorch handbook是一本开源的书籍，目标是帮助那些希望和使用PyTorch进行深度学习开发和研究的朋友快速入门，其中包含的Pytorch教程全部通过测试保证可以成功运行