📌 项目地址：Lordog/dive-into-llms | ⭐ 39,714 颗星 | 🔧 Jupyter Notebook | 📜 未标注
我翻了一遍这个项目，它确实做到了“动手”二字。这个名为 dive-into-llms 的仓库，从上海交通大学《自然语言处理前沿技术》与《人工智能安全技术》的课程讲义生长出来，教师是张倬胜。39714个星标背后，是它作为一套完全免费、以可执行代码为核心的大模型入门指南。
它把大模型学习路径拆解成了七个可操作的章节
项目的骨架非常清晰。每个章节都提供三样东西：讲解原理的课件（PDF）、阐述步骤的教程（README）、可以直接在 Jupyter Notebook 中运行的脚本。这种“原理-教程-代码”的三位一体结构，降低了从理论到实践的门槛。
第一章：微调与部署
目标是提升预训练模型在特定任务上的表现。它覆盖了从选择合适模型、进行任务微调，到将模型部署为可用 Demo 的完整流程。
- 实践资源包含 课件、教程 和可运行的 dive-tuning.ipynb 脚本。
第二章：提示学习与思维链
聚焦于大模型的 API 调用与提示工程（Prompting）。README 里有一句很形象的描述：“AI在线求鼓励？大模型对一些问题的回答令人大跌眼镜，但它可能只是想要一句「鼓励」”。这一章就教你如何通过提示来引导模型。
- 同样提供 课件、教程 和 dive-prompting.ipynb 脚本。
第三章：知识编辑
介绍如何修改语言模型内部对特定知识的记忆，并验证修改结果。这在需要更新模型知识或纠正错误时很有用。
- 资源入口：课件、教程、dive_edit.ipynb 脚本。
第四章：数学推理
这是教程中的一个新增亮点，目标明确：通过知识蒸馏技术，动手训练一个具备数学推理能力的“迷你R1”模型。
- 想要实践，可以从这里进入：课件、教程、sft_math.ipynb 脚本。
第五章：模型水印
教你一种给模型生成文本“打隐形标记”的技术。水印对人类读者不可见，但可用于内容溯源。
- 操作指南在：水印课件、水印教程、watermark.ipynb 脚本。
第六章：越狱攻击
安全领域的“知攻才知防”。这一章通过实操，演示越狱攻击的原理和方法，以测试模型的安全边界。
- 攻击入门：越狱课件、越狱教程、dive-jailbreak.ipynb 脚本。
第七章：大模型隐写
比水印更进一步，目标是让模型在正常输出中，隐蔽地嵌入可提取的秘密信息。README 提到这是“看不见的墨水”。
- 隐写实践的教程和脚本在项目的
documents/chapter7/目录下。
我觉得这个项目的核心优势是“路径清晰”
它没有试图讲清楚大模型的所有理论，而是提供了一条从微调部署、提示工程，到知识编辑、安全攻防的、可动手跑通的路径。2025年6月的更新提到了两个方向：一是与华为昇腾社区合作推出了《大模型开发全流程》公益教程（含PPT、实验手册和视频）；二是在原有章节上做了内容更新，并增加了数学推理、GUI Agent、大模型对齐、隐写术等新主题。
对于想从零开始接触大模型开发实践，特别是具备基础编程能力的学习者，这个项目的结构和资源配比是经过课程验证的。它的价值不在于深度，而在于提供了一套已经跑通的、可复现的入门实验集。