这是微软官方出品的 AI Agent 入门课程，共 18 节课，用 Jupyter Notebook 讲解如何从零构建 AI Agent，内容覆盖 Agent 基础概念、Agentic RAG、多 Agent 协作等主题，代码示例基于 Microsoft Agent Framework 和 Foundry Agent Service，也兼容部分 OpenAI 风格的第三方模型服务。每节课配短视频和可运行的代码样例，还提供 50 多种语言的翻译，包括简体中文。它适合两类人：一是想系统理解 Agent 是什么、能做什么的后端或算法工程师，可以从概念到动手实践快速补齐知识；二是正在评估要不要在团队里引入 Agent 方案的技术负责人，可以用它当参考教材统一认知。如果你日常工作与 AI 应用开发无关，这个课程和你的关系不大。

这是 Microsoft 官方出的一套生成式 AI 入门课程，共 21 节课，用 Jupyter Notebook 形式带你从零搭出一个 GenAI 应用。内容覆盖 prompt engineering、调用大模型 API、用 DALL-E 生成图像、语义检索（semantic search）等基础主题，每节课配讲解和动手练习，代码可跑在 Azure OpenAI Service、OpenAI API 或本地离线模型上，还提供 50 多种语言的翻译，含简体中文。它适合两类人：一是刚接触大模型、想系统搞懂「怎么把 LLM 接进自己产品」的后端或全栈工程师，二是需要给团队做 AI 入门培训的技术负责人，可以直接拿它当教材。如果你已经在做模型训练、推理优化或 Agent 架构，这套课会偏浅，翻一下 prompt 部分即可，不必深究。

这是配套 Manning 出版社书籍《Build a Large Language Model (From Scratch)》的代码仓库，用 PyTorch 从零一步步实现一个类 ChatGPT 的大模型。它不是拿来即用的工具，而是一套教学代码，覆盖从文本分词、注意力机制、GPT 架构搭建，到无监督预训练、文本分类微调、指令微调的完整链路，还附带 LoRA 参数高效微调的示例。每章都有 Jupyter Notebook 和练习解答，读者可以亲手跑通一个小模型的训练与生成过程，理解 Transformer 内部到底在算什么。适合算法工程师、NLP 方向学生、以及想搞懂 LLM 底层原理而非只会调 API 的从业者；如果你只是想部署模型或做应用开发，这个仓库和你的日常工作关系不大。

这是 Microsoft 官方出品的 AI 入门课程，相当于一套免费的「AI 通识教材」：12 周、24 节课，从符号AI、知识表示讲到神经网络、深度学习，覆盖 CNN、RNN、GAN 等常见架构，代码示例同时用 TensorFlow 和 PyTorch 演示，还包含测验、实验和 AI 伦理内容。它适合两类人：一是想系统补课的后端、前端或运维工程师，可以用它搞懂 Transformer、扩散模型这些天天听到但没动手过的概念；二是需要给团队或学生做 AI 培训的人，课程结构完整、有现成的讲义和习题，直接拿来当教学材料即可。课程已翻译成包括简体中文在内的 50 多种语言。如果你已经在做模型训练或 Agent 开发，这个项目的深度可能不够，翻一下即可。

这是 Microsoft 出品的机器学习入门课程，12 周 26 课，用 Scikit-learn 讲经典机器学习，刻意避开深度学习，适合零基础系统入门。课程以世界文化数据为素材，每课配课前课后测验、讲解、作业和参考答案，边做项目边学，还提供 50 多种语言翻译，包括简体中文。它适合想转行数据分析、算法岗的新人，或需要给团队做 ML 培训的工程师，用碎片时间补基础；如果你已熟悉深度学习或大模型，这套经典 ML 内容与日常工作关系不大。

这是 OpenAI 官方维护的示例合集，可以理解为 OpenAI API 的「菜谱大全」：用大量 Jupyter Notebook 演示如何用 API 完成常见任务，比如文本生成、函数调用、RAG 检索增强、批量处理、微调模型、多模态输入等，每个示例都附带可直接运行的代码和讲解。它解决的麻烦是：官方文档只讲参数含义，而开发者真正需要的是「我这个具体场景该怎么拼装」，这里提供了从入门到进阶的完整参考写法。对做 AI 应用的后端工程师、算法工程师以及正在用 GPT-4、ChatGPT 做原型的产品经理来说，遇到「不知道某个功能怎么用」时翻一翻这里通常能直接抄到思路；如果你不调用 OpenAI API，那它和你关系不大。