这是一套免费开源的 AI 工程系统课程，覆盖 542 节课、20 个阶段，用 Python、TypeScript、Rust、Julia 四种语言带你从零手写模型内部结构、检索管线和 Agent 运行时，而不是调用现成库。比如你会自己实现 Transformer、搭 RAG 检索流程、写 Agent 调度逻辑，再配上测试和评估，把失败案例拆开看清楚。课程提供网站、交互实验、项目挑战和学习路线多种入口，也有中文版 README。适合想真正搞懂 LLM 应用底层原理的后端工程师、算法工程师和 AI 应用开发者——如果你只是想快速调 API 上线一个功能，这套从头造轮子的路径对你帮助有限，但若你负责排查 RAG 效果差、Agent 行为不稳定这类问题，它能补上你缺的那块底层认知。

这是一个收集各大 AI 产品系统提示词的仓库，把 Anthropic、OpenAI、Google、xAI 等家聊天机器人和编程工具背后那段不对外公开的 system prompt 原文整理归档，涵盖 Claude Code、ChatGPT、Codex、Gemini、Cursor、Grok 等，且持续更新。对从业者来说，它是研究头部产品如何设计人设、约束行为、编排工具调用的现成素材：比如想搞清楚 Claude Code 的安全分类器怎么判断危险操作，或对比 ChatGPT 与 Gemini 在拒答策略上的差异，都能直接翻到原文。写 prompt 的人可以从中借鉴大厂的措辞和结构，做竞品分析或安全研究的人也能看到模型被注入了哪些隐藏指令。主要适合 prompt 工程师、AI 应用开发者和关注 AI 安全的研究者；如果你不写 prompt、也不做产品分析，看一眼标题即可，和日常工作关系不大。

这是一个配合 DeepSeek Harness 插件使用的现成工作流包合集，下载后导入插件即可运行，目前上架的是「破甲制作」。它本质是一条针对目标 LLM 的越狱（jailbreak）研究自动化流水线：输入目标模型名和 API key，自动跑 200 多个探针覆盖身份系统、混合帧等架构，归纳该模型的拒绝规律，再据此生成定制破甲词，用真实 API 回验有效性并迭代，最终输出破甲词文件、使用手册和研究报告三件套。配套的 Skill 内含探针执行、拒绝分析、帧排列组合验证等脚本和提示词模板。值得看的是做 LLM 安全评估、红队测试或越狱攻防研究的安全工程师和 AI 安全研究员，普通开发者或非安全方向的从业者关系不大。

这是一个针对 Qwen3.5-4B 的神经元探索工具，属于机制可解释性（mechanistic interpretability）研究方向。它把模型某一层的每个 MLP 神经元都向上、向下推一推（steering），在若干提示词上跑出所有结果并保留，再用 3D 视图把整层神经元铺开供浏览。具体能做的事包括：悬停查看单个神经元的 steer lens 和 R lens，点击看它在不同剂量下的多轮对话效果（负向、无干预、正向三栏对比），查看它在网页文本里最强的激活上下文和集中的域名，以及用 UMAP 观察一层 rollout 的分布。它还内置了 Claude CLI 聊天，把探索器作为 MCP server 让 Claude 读取神经元数据、跑推理和消融、操作地图。适合做模型可解释性、安全研究或想深入理解 Transformer 内部机制的研究员和算法工程师；如果你不碰 Qwen 或不研究模型内部结构，跟你的关系不大。

这是一份按编程语言分类整理的机器学习资源导航清单，相当于 ML 版的 awesome 系列索引：从 Python、Java、Go 到 C++、Rust，每个语言下按通用 ML、计算机视觉、NLP、语音识别、强化学习等方向列出可用的框架和库，另外还附带免费 ML 书籍、课程、博客、行业会议和线下 meetup 的链接。它解决的麻烦是：当你想在某个非主流语言里找一个能用的 ML 库，或者想快速了解某个细分方向有哪些成熟选择时，不用自己翻搜索引擎，直接查这份清单即可。适合算法工程师选型时做横向参考、技术管理者评估技术栈，以及想拓宽工具视野的从业者。不过它本质是链接合集而非教程，且作者已因 LLM 生成的 PR 过多而暂停随意提交，内容更新偏慢，日常追新还得靠其他渠道。

nesformer 把任天堂红白机的 6502 CPU 直接编译进了未经训练的 Qwen3.5 模型权重里：2 KB 工作内存、卡带程序 ROM 都存在模型的 Gated DeltaNet 状态中，玩一局游戏时，模型逐 token 预测 CPU 的执行日志，宿主程序负责画屏、读手柄和触发 vblank 中断。它基于此前把 CHIP-8 和 RISC-V 编译进 Qwen3.5-4B 的 Qwenputer，扩展到了能跑 Super Mario Bros.、Donkey Kong 这类 NROM 卡带游戏，输出帧与传统 6502 模拟器完全一致。速度很慢，一帧要 1 到 6 秒，600 帧约需 25 分钟。这本质上是个展示「Transformer 状态可当图灵机内存」的实验性研究项目，对做模型架构、状态空间模型或对 LLM 计算本质好奇的 AI 研究者和工程师值得一看；想拿它玩游戏或做实际应用的人可以跳过。

Aurelio 是一款跑在自己电脑上的个人理财应用，可以理解为本地部署的记账加财富管理工具，数据全部存在本机，不上传云端。它能跟踪你的净资产、各券商和银行的现金、股票与 ETF 持仓、成本与分红，还能穿透查看基金实际持有的国家、行业和公司，同时管理房产、贷款、现金流和储蓄目标。AI 部分是可选的，通过 OpenRouter 调用模型，你可以直接用自然语言问它「这个 ETF 和我已有的持仓重叠多少」「该不该买某只股票」，它会基于你自己的数据回答，并把建议做成卡片等你确认后才改动记录。适合有较多投资持仓、想自己掌控财务数据又懒得用 Excel 手动维护的个人投资者和理财爱好者；如果你只是简单记账或对投资不感兴趣，这个项目和你关系不大。

这是一个由买方机构和高校联合推出的股票投资研究基准，用来检验 AI Agent 能不能在不偷看未来的前提下完成真实的投资研究工作。它把模型关进一个「时间冻结」的环境：语料库只包含某个历史截止日之前发布的财报、电话会、研报、持仓和新闻，共 343 万份文档版本，任何检索和计算都无法越界拿到之后的信息。任务由资深买方研究员设计，覆盖机会筛选、证据核对、盈利预测、估值决策、观点更新到完整研报，以及价格和波动率预测，共 86 项。评分不只看报告写得像不像样，还拆开检查证据链、假设、计算是否自洽，并把预测和后来的真实结果、模拟收益分开打分——比如让模型预测 Tesla 某季度交付量，分析满分但预测全错照样拿不到分。适合关注 AI Agent 在金融场景落地能力的研究员、做 Agent 评测的工程师，以及想了解大模型投资研究真实水平的从业者参考。