aishwaryanr/awesome-generative-ai-guide
GitHub: aishwaryanr/awesome-generative-ai-guide
一个汇集生成式AI论文动态、面试资源、课程索引及实战代码的综合性学习指南仓库。
Stars: 27421 | Forks: 5732
# :star: :bookmark: awesome-generative-ai-guide
生成式 AI 正在经历快速增长，本仓库作为一个综合中心，为您提供生成式 AI 研究、面试资料、Notebook 等的最新动态！
探索以下资源：
1. [每月最佳 GenAI 论文列表](https://github.com/aishwaryanr/awesome-generative-ai-guide?tab=readme-ov-file#star-best-genai-papers-list-january-2024)
2. [GenAI 面试资源](https://github.com/aishwaryanr/awesome-generative-ai-guide?tab=readme-ov-file#computer-interview-prep)
3. [Applied LLMs Mastery 2024（由 Aishwarya Naresh Reganti 创建）课程资料](https://github.com/aishwaryanr/awesome-generative-ai-guide?tab=readme-ov-file#ongoing-applied-llms-mastery-2024)
4. [Generative AI Genius 2024（由 Aishwarya Naresh Reganti 创建）课程资料](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/free_courses/generative_ai_genius/README.md)
5. [AI Evals for Everyone（由 Aishwarya Naresh Reganti 和 Kiriti Badam 创建）- 获取认证！](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/free_courses/ai_evals_for_everyone/README.md)
6. **[最新] [OpenClaw Mastery for Everyone（由 Aishwarya Reganti 和 Kiriti Badam 创建）- 获取认证！](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/free_courses/openclaw_mastery_for_everyone/README.md)**
7. [所有与 GenAI 相关的免费课程列表（已收录 90+ 门）](https://github.com/aishwaryanr/awesome-generative-ai-guide?tab=readme-ov-file#book-list-of-free-genai-courses)
8. [用于开发生成式 AI 应用的代码仓库/Notebook 列表](https://github.com/aishwaryanr/awesome-generative-ai-guide?tab=readme-ov-file#notebook-code-notebooks)
我们会定期更新此仓库，请留意最新添加的内容！
祝您学习愉快！
## :star: 顶级 AI 工具列表
发现我们最喜欢的、涵盖 AI 应用开发各个层面的 AI 工具。点击[这里](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/resources/our_favourite_ai_tools.md)了解更多。
## :speaker: 公告
- **最新：OpenClaw Mastery for Everyone 现已上线并提供认证！**（[点击这里](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/free_courses/openclaw_mastery_for_everyone/README.md)）
- AI Evals for Everyone 课程现已上线并提供认证！（[点击这里](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/free_courses/ai_evals_for_everyone/README.md)）
- Applied LLMs Mastery 完整课程内容已发布！！！（[点击这里](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/free_courses/Applied_LLMs_Mastery_2024)）
- 学习 LLM 基础知识的 5 天路线图现已发布！（[点击这里](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/resources/genai_roadmap.md)）
- 60 个常见的 GenAI 面试问题现已发布！（[点击这里](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/interview_prep/60_gen_ai_questions.md)）
- ICLR 2024 论文摘要（[点击这里](https://areganti.notion.site/06f0d4fe46a94d62bff2ae001cfec22c?v=d501ca62e4b745768385d698f173ae14)）
- 免费 GenAI 课程列表（[点击这里](https://github.com/aishwaryanr/awesome-generative-ai-guide#book-list-of-free-genai-courses)）
- 生成式 AI 资源和路线图
- [3 天 RAG 路线图](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/resources/RAG_roadmap.md)
- [5 天 LLM 基础路线图](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/resources/genai_roadmap.md)
- [5 天 LLM Agent 路线图](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/resources/agents_roadmap.md)
- [Agent 101 指南](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/resources/agents_101_guide.md)
- [MM LLMs 介绍](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/resources/mm_llms_guide.md)
- [LLM 术语系列：常用 LLM 术语及其通俗易懂的定义](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/resources/llm_lingo)
## :mortar_board: 课程
#### [进行中] Applied LLMs Mastery 2024
加入 1000 多名学生的行列，参加为期 10 周的探索之旅，我们将深入研究 LLM 在各种用例中的应用
#### 课程网站[链接](https://areganti.notion.site/Applied-LLMs-Mastery-2024-562ddaa27791463e9a1286199325045c)
##### [2024 年 2 月] 报名仍然开放，[点击这里](https://forms.gle/353sQMRvS951jDYu7)注册
🗓️\*第 1 周 [2024 年 1 月 15 日]**\*: [LLM 实践简介](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/free_courses/Applied_LLMs_Mastery_2024/week1_part1_foundations.md)**
- 应用 LLM 基础
- 真实世界中的 LLM 用例
- 领域和任务适应方法
🗓️\*第 2 周 [2024 年 1 月 22 日]**\*: [Prompt 与 Prompt
Engineering](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/free_courses/Applied_LLMs_Mastery_2024/week2_prompting.md)**
- 基本 Prompt 原则
- Prompt 的类型
- 应用、风险与高级 Prompt
🗓️\*第 3 周 [2024 年 1 月 29 日]**\*: [LLM Fine-tuning](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/free_courses/Applied_LLMs_Mastery_2024/week3_finetuning_llms.md)**
- Fine-tuning 基础
- Fine-tuning 的类型
- Fine-tuning 面临的挑战
🗓️\*第 4 周 [2024 年 2 月 5 日]**\*: [RAG（检索增强生成）](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/free_courses/Applied_LLMs_Mastery_2024/week4_RAG.md)**
- 理解 LLM 中的 RAG 概念
- RAG 的关键组件
- 高级 RAG 方法
🗓️\*第 5 周 [ 2024 年 2 月 12 日]**\*: [构建 LLM 应用的工具](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/free_courses/Applied_LLMs_Mastery_2024/week5_tools_for_LLM_apps.md)**
- Fine-tuning 工具
- RAG 工具
- 用于可观测性、Prompt、服务、向量搜索等的工具
🗓️\*第 6 周 [2024 年 2 月 19 日]**\*: [评估技术](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/free_courses/Applied_LLMs_Mastery_2024/week6_llm_evaluation.md)**
- 评估类型
- 常见的评估基准
- 常见指标
🗓️\*第 7 周 [2024 年 2 月 26 日]**\*: [构建您自己的 LLM 应用](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/free_courses/Applied_LLMs_Mastery_2024/week7_build_llm_app.md)**
- LLM 应用的组件
- 端到端构建您自己的 LLM 应用
🗓️\*第 8 周 [2024 年 3 月 4 日]**\*: [高级功能与部署](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/free_courses/Applied_LLMs_Mastery_2024/week8_advanced_features.md)**
- LLM 生命周期与 LLMOps
- LLM 监控与可观测性
- 部署策略
🗓️\*第 9 周 [2024 年 3 月 11 日]**\*: [LLM 面临的挑战](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/free_courses/Applied_LLMs_Mastery_2024/week9_challenges_with_llms.md)**
- 扩展挑战
- 行为挑战
- 未来方向
🗓️\*第 10 周 [2024 年 3 月 18 日]**\*: [新兴研究趋势](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/free_courses/Applied_LLMs_Mastery_2024/week10_research_trends.md)**
- 更小、性能更强的模型
- 多模态模型
- LLM 对齐
🗓️*第 11 周 *附加\* [2024 年 3 月 25 日]**\*: [基础知识](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/free_courses/Applied_LLMs_Mastery_2024/week11_foundations.md)**
- 生成模型基础
- 自注意力机制与 Transformer
- 用于语言的神经网络
#### :book: 免费 GenAI 课程列表
##### LLM 基础与基础知识
1. [大型语言模型](https://rycolab.io/classes/llm-s23/)，作者：ETH Zurich
2. [理解大型语言模型](https://www.cs.princeton.edu/courses/archive/fall22/cos597G/)，作者：Princeton
3. [Transformers 课程](https://huggingface.co/learn/nlp-course/chapter1/1)，作者：Huggingface
4. [NLP 课程](https://huggingface.co/learn/nlp-course/chapter1/1)，作者：Huggingface
5. [CS324 - 大型语言模型](https://stanford-cs324.github.io/winter2022/)，作者：Stanford
6. [使用大型语言模型的生成式 AI](https://www.coursera.org/learn/generative-ai-with-llms)，作者：Coursera
7. [生成式 AI 简介](https://www.coursera.org/learn/introduction-to-generative-ai)，作者：Coursera
8. [生成式 AI 基础](https://www.cloudskillsboost.google/paths/118/course_templates/556)，作者：Google Cloud
9. [5 天 Gen AI 密集课程](https://www.youtube.com/watch?v=kpRyiJUUFxY&list=PLqFaTIg4myu-b1PlxitQdY0UYIbys-2es)，作者：Google & Kaggle
10. [大型语言模型简介](https://www.cloudskillsboost.google/paths/118/course_templates/539)，作者：Google Cloud
11. [生成式 AI 简介](https://www.cloudskillsboost.google/paths/118/course_templates/536)，作者：Google Cloud
12. [生成式 AI 概念](https://www.datacamp.com/courses/generative-ai-concepts)，作者：DataCamp（Daniel Tedesco，Google 数据负责人）
13. [1 小时 LLM（大型语言模型）简介](https://www.youtube.com/watch?v=xu5_kka-suc)，作者：WeCloudData
14. [从零开始的 LLM 基础模型 | 入门](https://www.youtube.com/watch?v=W0c7jQezTDw&list=PLTPXxbhUt-YWjMCDahwdVye8HW69p5NYS)，作者：Databricks
15. [生成式 AI 详解](https://courses.nvidia.com/courses/course-v1:DLI+S-FX-07+V1/)，作者：Nvidia
16. [Transformer 模型和 BERT 模型](https://www.cloudskillsboost.google/course_templates/538)，作者：Google Cloud
17. [面向决策者的生成式 AI 学习计划](https://explore.skillbuilder.aws/learn/public/learning_plan/view/1909/generative-ai-learning-plan-for-decision-makers)，作者：AWS
18. [负责任的 AI 简介](https://www.cloudskillsboost.google/course_templates/554)，作者：Google Cloud
19. [生成式 AI 基础知识](https://learn.microsoft.com/en-us/training/modules/fundamentals-generative-ai/)，作者：Microsoft Azure
20. [面向初学者的生成式 AI](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-122979-leestott)，作者：Microsoft
21. [面向初学者的 ChatGPT：每个人的终极用例](https://www.udemy.com/course/chatgpt-for-beginners-the-ultimate-use-cases-for-everyone/)，作者：Udemy
22. [[1 小时演讲] 大型语言模型简介](https://www.youtube.com/watch?v=zjkBMFhNj_g)，作者：Andrej Karpathy
23. [面向所有人的 ChatGPT](https://learnprompting.org/courses/chatgpt-for-everyone)，作者：Learn Prompting
24. [大型语言模型 (LLM)（英语）](https://www.youtube.com/playlist?list=PLxlkzujLkmQ9vMaqfvqyfvZV_o8EqjAk7)，作者：Kshitiz Verma（印度斋浦尔 JK Lakshmipat University）
25. [面向初学者的生成式 AI](https://codekidz.ai/lesson-intro/generative-a-362093)，作者：CodeKidz，基于 Microsoft 的开源课程。
##### 构建 LLM 应用
1. [LLMOps：使用大型语言模型构建真实世界的应用](https://www.udacity.com/course/building-real-world-applications-with-large-language-models--cd13455)，作者：Udacity
2. [全栈 LLM 训练营](https://fullstackdeeplearning.com/llm-bootcamp/)，作者：FSDL
3. [面向初学者的生成式 AI](https://github.com/microsoft/generative-ai-for-beginners/tree/main)，作者：Microsoft
4. [大型语言模型：从应用到生产](https://www.edx.org/learn/computer-science/databricks-large-language-models-application-through-production)，作者：Databricks
5. [生成式 AI 基础](https://www.youtube.com/watch?v=oYm66fHqHUM&list=PLhr1KZpdzukf-xb0lmiU3G89GJXaDbAIF)，作者：AWS
6. [生成式 AI 社区课程简介](https://www.youtube.com/watch?v=ajWheP8ZD70&list=PLmQAMKHKeLZ-iTT-E2kK9uePrJ1Xua9VL)，作者：ineuron
7. [LLM 大学](https://docs.cohere.com/docs/llmu)，作者：Cohere
8. [LLM 学习实验室](https://lightning.ai/pages/llm-learning-lab/)，作者：Lightning AI
9. [用于 LLM 应用开发的 LangChain](https://learn.deeplearning.ai/login?redirect_course=langchain&callbackUrl=https%3A%2F%2Flearn.deeplearning.ai%2Fcourses%2Flangchain)，作者：Deeplearning.AI
10. [LLMOps](https://learn.deeplearning.ai/llmops)，作者：DeepLearning.AI
11. [面向 LLMOps 的自动化测试](https://learn.deeplearning.ai/automated-testing-llmops)，作者：DeepLearning.AI
12. [使用 Amazon Bedrock 构建生成式 AI 应用](https://explore.skillbuilder.aws/learn/course/external/view/elearning/17904/building-generative-ai-applications-using-amazon-bedrock-aws-digital-training)，作者：AWS
13. [高效部署 LLM](https://learn.deeplearning.ai/courses/efficiently-serving-llms/lesson/1/introduction)，作者：DeepLearning.AI
14. [使用 ChatGPT API 构建系统](https://www.deeplearning.ai/short-courses/building-systems-with-chatgpt/)，作者：DeepLearning.AI
15. [使用 Amazon Bedrock 的无服务器 LLM 应用](https://www.deeplearning.ai/short-courses/serverless-llm-apps-amazon-bedrock/)，作者：DeepLearning.AI
16. [使用向量数据库构建应用](https://www.deeplearning.ai/short-courses/building-applications-vector-databases/)，作者：DeepLearning.AI
17. [面向 LLMOps 的自动化测试](https://www.deeplearning.ai/short-courses/automated-testing-llmops/)，作者：DeepLearning.AI
18. [使用 LangChain.js 构建 LLM 应用](https://www.deeplearning.ai/short-courses/build-llm-apps-with-langchain-js/)，作者：DeepLearning.AI
19. [使用 Chroma 的高级检索](https://www.deeplearning.ai/short-courses/advanced-retrieval-for-ai/)，作者：DeepLearning.AI
20. [在 Azure 上实现 LLM 的操作化](https://www.coursera.org/learn/llmops-azure)，作者：Coursera
21. [生成式 AI 完整课程 – Gemini Pro、OpenAI、Llama、Langchain、Pinecone、向量数据库等](https://www.youtube.com/watch?v=mEsleV16qdo)，作者：freeCodeCamp.org
22. [面向生产环境的 LLM 训练与 Fine-tuning](https://learn.activeloop.ai/courses/llms)，作者：Activeloop
##### Prompt 工程、RAG 与 Fine-tuning
1. [生产环境中的 LangChain 与向量数据库](https://www.youtube.com/redirect?event=video_description&redir_token=QUFFLUhqbVhnQW8xNDdhSU9IUDVLXzFhV2N0UkNRMkZrQXxBQ3Jtc0traUxHMzZJcGJQYjlyckYxaGxYVWlsOFNGUFlFVEdhNzdjTWpPUlQ2TF9XczRqNkxMVGpJTnd5YmYzV0prQ0IwZURNcHhIZ3h1Z051VTl5MXBBLUN0dkM0NHRkQTFua1Jpc0VCRFJUb0ZQZG95b0JqMA&q=https%3A%2F%2Flearn.activeloop.ai%2Fcourses%2Flangchain&v=gKUTDC13jys)，作者：Activeloop
2. [人类反馈强化学习](https://learn.deeplearning.ai/reinforcement-learning-from-human-feedback)，作者：DeepLearning.AI
3. [使用向量数据库构建应用](https://learn.deeplearning.ai/building-applications-vector-databases)，作者：DeepLearning.AI
4. [Fine-tuning 大型语言模型](https://learn.deeplearning.ai/finetuning-large-language-models)，作者：Deeplearning.AI
5. [LangChain：与您的数据对话](http://learn.deeplearning.ai/langchain-chat-with-your-data/)，作者：Deeplearning.AI
6. [使用 ChatGPT API 构建系统](https://learn.deeplearning.ai/chatgpt-building-system)，作者：Deeplearning.AI
7. [使用 Llama 2 的 Prompt 工程](https://www.deeplearning.ai/short-courses/prompt-engineering-with-llama-2/)，作者：Deeplearning.AI
8. [使用向量数据库构建应用](https://learn.deeplearning.ai/building-applications-vector-databases)，作者：Deeplearning.AI
9. [面向开发者的 ChatGPT Prompt 工程](https://learn.deeplearning.ai/chatgpt-prompt-eng/lesson/1/introduction)，作者：Deeplearning.AI
10. [高级 RAG 编排系列](https://www.youtube.com/watch?v=CeDS1yvw9E4)，作者：LlamaIndex
11. [Prompt 工程专项课程](_URL_91/>)，作者：Coursera
12. [使用检索增强生成增强您的 LLM](https://courses.nvidia.com/courses/course-v1:NVIDIA+S-FX-16+v1/)，作者：Nvidia
13. [用于 RAG 的知识图谱](https://www.deeplearning.ai/short-courses/knowledge-graphs-rag/)，作者：Deeplearning.AI
14. [Hugging Face 开源模型](https://www.deeplearning.ai/short-courses/open-source-models-hugging-face/)，作者：Deeplearning.AI
15. [向量数据库：从 Embedding 到应用](https://www.deeplearning.ai/short-courses/vector-databases-embeddings-applications/)，作者：Deeplearning.AI
16. [理解与应用文本 Embedding](https://www.deeplearning.ai/short-courses/google-cloud-vertex-ai/)，作者：Deeplearning.AI
17. [使用 LlamaIndex 的 JavaScript RAG Web 应用](https://www.deeplearning.ai/short-courses/javascript-rag-web-apps-with-llamaindex/)，作者：Deeplearning.AI
18. [Hugging Face 量化基础](https://www.deeplearning.ai/short-courses/quantization-fundamentals-with-hugging-face/)，作者：Deeplearning.AI
19. [为 LLM 应用预处理非结构化数据](https://www.deeplearning.ai/short-courses/preprocessing-unstructured-data-for-llm-applications/)，作者：Deeplearning.AI
20. [使用 LangChain 和 LlamaIndex 实现面向生产环境的检索增强生成](https://learn.activeloop.ai/courses/rag)，作者：Activeloop
21. [深度量化](https://www.deeplearning.ai/short-courses/quantization-in-depth/)，作者：Deeplearning.AI
##### 评估
1. [构建和评估高级 RAG 应用](https://learn.deeplearning.ai/building-evaluating-advanced-rag)，作者：DeepLearning.AI
2. [使用 Weights and Biases 评估和调试生成式 AI 模型](https://learn.deeplearning.ai/evaluating-debugging-generative-ai)，作者：Deeplearning.AI
3. [LLM 应用的质量与安全](https://www.deeplearning.ai/short-courses/quality-safety-llm-applications/)，作者：Deeplearning.AI
4. [LLM 应用的红队测试](https://www.deeplearning.ai/short-courses/red-teaming-llm-applications/?utm_campaign=giskard-launch&utm_medium=headband&utm_source=dlai-homepage)，作者：Deeplearning.AI
##### 多模态
1. [Diffusion 模型的工作原理](https://www.deeplearning.ai/short-courses/how-diffusion-models-work/)，作者：DeepLearning.AI
2. [如何使用 Midjourney、AI 艺术和 ChatGPT 创建令人惊叹的网站](https://www.youtube.com/watch?v=5wdCev86RYE)，作者：Brad Hussey
3. [使用 ChatGPT、DALL-E 和 GPT-4 构建 AI 应用](https://scrimba.com/learn/buildaiapps)，作者：Scrimba
4. [11-777：多模态机器学习](https://www.youtube.com/playlist?list=PL-Fhd_vrvisNM7pbbevXKAbT_Xmub37fA)，作者：Carnegie Mellon University
5. [视觉模型的 Prompt 工程](https://www.deeplearning.ai/short-courses/prompt-engineering-for-vision-models/)，作者：Deeplearning.AI
##### Agent
1. [使用 LLM 构建 RAG Agent](https://courses.nvidia.com/courses/course-v1:DLI+S-FX-15+V1/)，作者：Nvidia
2. [LangChain 中的函数、工具和 Agent](https://learn.deeplearning.ai/functions-tools-agents-langchain)，作者：Deeplearning.AI
3. [LangGraph 中的 AI Agent](https://www.deeplearning.ai/short-courses/ai-agents-in-langgraph/)，作者：Deeplearning.AI
4. [使用 AutoGen 的 AI Agentic 设计模式](https://www.deeplearning.ai/short-courses/ai-agentic-design-patterns-with-autogen/)，作者：Deeplearning.AI
5. [使用 crewAI 的多 AI Agent 系统](https://www.deeplearning.ai/short-courses/multi-ai-agent-systems-with-crewai/)，作者：Deeplearning.AI
6. [使用 LlamaIndex 构建 Agentic RAG](https://www.deeplearning.ai/short-courses/building-agentic-rag-with-llamaindex/)，作者：Deeplearning.AI
7. [LLM 可观测性：Agent、工具和链](https://courses.arize.com/p/agents-tools-and-chains)，作者：Arize AI
8. [使用 LlamaIndex 构建 Agentic RAG](https://www.deeplearning.ai/short-courses/building-agentic-rag-with-llamaindex/)，作者：Deeplearning.AI
9. [使用 Amazon Bedrock 的 Agent 工具与函数调用（操作指南）](https://www.youtube.com/watch?app=desktop&v=2L_XE6g3atI)，作者：AWS Developers
10. [ChatGPT 与 Zapier：面向所有人的 Agentic AI](https://www.coursera.org/learn/agentic-ai-chatgpt-zapier)，作者：Coursera
11. [使用 AutoGen 的多 Agent 系统](https://www.manning.com/books/multi-agent-systems-with-autogen-cx)，作者：Victor Dibia [书籍]
12. [大型语言模型 Agent 大型开放在线课程 (MOOC)，2024 年秋季](https://llmagents-learning.org/f24)，作者：Dawn Song 和 Xinyun Chen – 一门涵盖 LLM agent 基础和高级主题的综合课程。
13. [CS294/194-196 大型语言模型 Agent](https://rdi.berkeley.edu/llm-agents/f24)，作者：UC Berkeley
#### 其他
1. [避免 AI 危害](https://www.coursera.org/learn/avoiding-ai-harm)，作者：Coursera
2. [制定 AI 政策](https://www.coursera.org/learn/developing-ai-policy)，作者：Coursera
## :paperclip: 资源
- [ICLR 2024 论文摘要](https://areganti.notion.site/06f0d4fe46a94d62bff2ae001cfec22c?v=d501ca62e4b745768385d698f173ae14)
## :computer: 面试准备
#### 按主题分类的问题：
1. [常见的 GenAI 面试问题](https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/interview_prep/60_gen_ai_questions.md)
2. Prompt 与 Prompt 工程
3. 模型 Fine-tuning
4. 模型评估
5. 面向 GenAI 的 MLOps
6. 生成模型基础
7. 最新研究趋势
#### GenAI 系统设计（即将推出）：
1. 设计基于 LLM 的搜索引擎
2. 构建客户支持聊天机器人
3. 构建一个通过自然语言与您的数据进行交互的系统
4. 构建 AI Co-pilot
5. 为多模态数据（文本、图像、表格、CSV 文件）的问答设计定制聊天机器人
6. 为电子商务构建自动化的产品描述和图像生成系统
## :notebook: 代码 Notebook
#### RAG 教程
- [AWS Bedrock 研讨会教程](https://github.com/aws-samples/amazon-bedrock-workshop)，作者：Amazon Web Services
- [Langchain 教程](https://github.com/gkamradt/langchain-tutorials)，作者：gkamradt
- [面向生产的 LLM 应用](https://github.com/ray-project/llm-applications/tree/main)，作者：ray-project
- [LLM 教程](https://github.com/ollama/ollama/tree/main/examples)，作者：Ollama
- [LLM Hub](https://github.com/mallahyari/llm-hub)，作者：mallahyari
- [RAG 指南](https://docs.camel-ai.org/cookbooks/agents_with_rag.html)，作者：CAMEL-AI
#### Fine-tuning 教程
- [LLM Fine-tuning 教程](https://github.com/ashishpatel26/LLM-Finetuning)，作者：ashishpatel26
- [PEFT](https://github.com/huggingface/peft/tree/main/examples) 示例 Notebook，作者：Huggingface
- [免费 LLM Fine-tuning Notebook](https://levelup.gitconnected.com/14-free-large-language-models-fine-tuning-notebooks-532055717cb7)，作者：Youssef Hosni
#### 综合 LLM 代码仓库
- [LLM-PlayLab](https://github.com/Sakil786/LLM-PlayLab) 这个实验室包含了大量通过使用 Transformer 模型制作的项目
## :pushpin: 引用我们
要引用本指南，请使用以下格式：
```
@article{areganti_generative_ai_guide,
author = {Reganti, Aishwarya Naresh},
journal = {https://github.com/aishwaryanr/awesome-generative-ai-resources},
month = {01},
title = {{Generative AI Guide}},
year = {2024}
}
```
## 许可证
[MIT 许可证]
** 本部分为赞助内容。我们不背书或保证产品/服务，也不对因其使用而产生的任何问题负责。请自行评估并酌情使用。
## 安全与防护工具
- **[OWASP Agent Memory Guard](https://github.com/OWASP/www-project-agent-memory-guard)** - 针对智能体记忆投毒攻击的官方 OWASP 参考实现（源自 OWASP Agentic AI 系统前 10 大风险中的 ASI06）。提供写入前扫描、读取前验证以及 Agent 记忆的审计日志功能。
标签：Apex, DLL 劫持, NoSQL, OpenSearch, 后端开发, 大语言模型, 学习资源, 开源教程, 机器学习, 生成式AI, 索引, 防御加固, 面试指南