📌 项目地址：patchy631/ai-engineering-hub | ⭐ 40,201 颗星 | 🔧 Jupyter Notebook | 📜 未标注
40201 颗星，主体全是 Jupyter Notebook，这就是 patchy631/ai-engineering-hub。它收集了 93 个以上可以直接跑的 AI 项目，覆盖 LLM、RAG、Agent，按难度分成三档：入门 22 个、中级 48 个、高级 23 个。
先说清楚它是什么：不是装好就能用的产品，是一套排好学习顺序的代码集。每个项目占一个独立目录，目录里有 Notebook 和各自的说明。适合想动手做、不想只看文章的人。
入门项目长什么样
看 README 列出的内容，这个仓库明显贴着开源模型生态走。入门项目集中在两块。
OCR 和视觉：LaTeX-OCR-with-Llama 用 Llama 3.2 vision 把公式图片转成 LaTeX 代码；llama-ocr 用 Llama 3.2 加 Streamlit 做了个完全本地的 OCR 应用；gemma3-ocr 和 qwen-2.5VL-ocr 分别用 Gemma-3 和 Qwen 2.5 VL 做文字提取。同一个任务（OCR）给了四个模型的实现，方便你横向比较。
聊天界面：local-chatgpt-with-DeepSeek 用 DeepSeek-R1 加 Chainlit 搭了个迷你 ChatGPT；deepseek-thinking-ui 把 DeepSeek-R1 的推理过程直接展示在聊天界面里；还有基于 Llama 3.2 和 Gemma 3 的本地聊天界面。
一个明显的特点：这些项目全部用开源权重本地跑，不调 OpenAI 付费 API。想练“不花钱也能做 AI 应用”，这里的示例密度很高。而且新模型跟进很快，Gemma 3、DeepSeek-R1、Qwen 2.5 VL 出来不久就有了对应教程。
怎么上手
README 给的学习路径分四步：
- 纯新手先看仓库里的 ai-engineering-roadmap 目录，那里有完整路线
- 从入门项目开始，比如 OCR 和简单 RAG
- 进阶到中级项目，接触 Agent 和复杂工作流
- 最后碰高级项目：微调和生产级系统
要提醒一点：README 没有统一的安装命令，这是正常的，因为项目互相独立。实际做法是进到你想要的项目目录，按那个目录自己的说明装依赖、跑 Notebook。Python 版本、GPU 要求、模型下载方式，都以各项目的文档为准。
和同类仓库比，强在哪
GitHub 上教程类仓库很多，awesome 系列和各种 LLM cookbook 都算。这个仓库的差异点有两个。
一是按难度分级，不按主题堆链接。22/48/23 的三级结构，对自学者比一长串扁平列表友好。二是项目是完整应用，带 Streamlit 或 Chainlit 界面那种，不是十几行的概念演示，改一改就能用在自己的场景里。
用之前要知道的
- README 里的 Newsletter 订阅链接（附赠电子书）是作者引流用的，和仓库内容无关，不用管
- 教程仓库的通病在这里也存在：依赖和模型版本一变，老项目可能跑不通。遇到问题先看该项目的 issue 和最后更新时间
- License 只在目录里提了一句，具体条款建议去仓库确认，商用前尤其要看