<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>AI on Learning Notes</title><link>https://nianjiang.github.io/docs/60-AI/</link><description>Recent content in AI on Learning Notes</description><generator>Hugo</generator><language>zh</language><atom:link href="https://nianjiang.github.io/docs/60-AI/index.xml" rel="self" type="application/rss+xml"/><item><title>MLOps</title><link>https://nianjiang.github.io/docs/60-AI/10-MLOps/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://nianjiang.github.io/docs/60-AI/10-MLOps/</guid><description>&lt;h2 id="moniotorloggingk8s"&gt;
 Moniotor/Logging/K8S
 &lt;a class="anchor" href="#moniotorloggingk8s"&gt;#&lt;/a&gt;
&lt;/h2&gt;
&lt;table&gt;
 &lt;thead&gt;
 &lt;tr&gt;
 &lt;th style="text-align: left"&gt;Name&lt;/th&gt;
 &lt;th style="text-align: left"&gt;Doc&lt;/th&gt;
 &lt;th style="text-align: left"&gt;Github&lt;/th&gt;
 &lt;th style="text-align: left"&gt;Note&lt;/th&gt;
 &lt;th style="text-align: left"&gt;Next&lt;/th&gt;
 &lt;/tr&gt;
 &lt;/thead&gt;
 &lt;tbody&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://opentelemetry.io/"&gt;OpenTelemetry&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://opentelemetry.io/docs/"&gt;Docs&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/open-telemetry"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;OpenTelemetry is a collection of APIs, SDKs, and tools for generating, collecting, and exporting telemetry data (traces, metrics, and logs).&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://www.cncf.io/training/courses/?_sft_lf-project=opentelemetry"&gt;Getting Started with OpenTelemetry&lt;/a&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://prometheus.io/"&gt;Prometheus&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://prometheus.io/docs/introduction/overview/"&gt;Docs&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/prometheus/prometheus"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;Prometheus is a systems and service monitoring system.&lt;/td&gt;
 &lt;td style="text-align: left"&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://thanos.io/"&gt;Thanos&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://thanos.io/tip/thanos/getting-started.md/"&gt;Docs&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/thanos-io/thanos"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;Thanos is a set of components that can be composed into a highly available Prometheus setup.&lt;/td&gt;
 &lt;td style="text-align: left"&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://www.zabbix.com/cn"&gt;Zabbix&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://www.zabbix.com/documentation/current/en/manual/introduction"&gt;Docs&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/zabbix/zabbix"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;Zabbix is an enterprise-class open-source monitoring solution for tracking the status of various network services, servers, and other network hardware.&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://grafana.com/oss/grafana/"&gt;Grafana&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://grafana.com/docs/grafana/latest/"&gt;Docs&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/grafana/grafana"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;Grafana is an open source, feature rich metrics dashboard and graph editor for Graphite, InfluxDB, Prometheus and other time series databases.&lt;/td&gt;
 &lt;td style="text-align: left"&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://grafana.com/oss/loki/"&gt;Loki&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://grafana.com/docs/loki/latest/"&gt;Docs&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/grafana/loki"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;Loki is a horizontally-scalable, highly-available, multi-tenant log aggregation system inspired by Prometheus.&lt;/td&gt;
 &lt;td style="text-align: left"&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://containerd.io/"&gt;containerd&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://containerd.io/docs/"&gt;Docs&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/containerd/containerd"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;containerd is an industry-standard container runtime with an emphasis on simplicity, robustness, and portability. It manages the complete container lifecycle, including image transfer, storage, container execution, networking, and low-level runtime integration through OCI runtimes such as runc. It is the default container runtime used by Kubernetes (via CRI).&lt;/td&gt;
 &lt;td style="text-align: left"&gt;Need Real Install&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://opencontainers.org/"&gt;runc&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/opencontainers/runc/blob/main/README.md"&gt;Docs&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/opencontainers/runc"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;runc is a lightweight, portable, OCI-compliant container runtime. It is responsible for creating and running containers by directly interacting with Linux kernel features such as namespaces and cgroups. runc is the default low-level runtime used by containerd and Kubernetes environments.&lt;/td&gt;
 &lt;td style="text-align: left"&gt;Need Real Install&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Docs&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Docs&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Docs&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Docs&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Docs&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Docs&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;/tbody&gt;
&lt;/table&gt;
&lt;hr&gt;
&lt;h2 id="mlops"&gt;
 MLOps
 &lt;a class="anchor" href="#mlops"&gt;#&lt;/a&gt;
&lt;/h2&gt;
&lt;table&gt;
 &lt;thead&gt;
 &lt;tr&gt;
 &lt;th style="text-align: left"&gt;Name&lt;/th&gt;
 &lt;th style="text-align: left"&gt;Doc&lt;/th&gt;
 &lt;th style="text-align: left"&gt;Github&lt;/th&gt;
 &lt;th style="text-align: left"&gt;Note&lt;/th&gt;
 &lt;/tr&gt;
 &lt;/thead&gt;
 &lt;tbody&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://mlflow.org/"&gt;mlflow&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://mlflow.org/docs/latest/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/mlflow/mlflow"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;侧重模型实验追踪 (Tracking) 和生命周期管理&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://www.mlrun.org/"&gt;MLRun&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://docs.mlrun.org/en/latest/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/mlrun/mlrun"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;编排式的 MLOps 框架，强于实时数据处理与自动化&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://airflow.apache.org/"&gt;Airflow&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://airflow.apache.org/docs/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/apache/airflow"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;通用的工作流调度平台，基于 Python DAG&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://argoproj.github.io/"&gt;Argo&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://argoproj.github.io/argo-workflows/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/argoproj/argo-workflows"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;云原生 (K8s) 工作流引擎，适合 CI/CD 和数据流水线&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://www.kubeflow.org/"&gt;Kubeflow&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://www.kubeflow.org/docs/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/kubeflow/kubeflow"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;基于 K8s 的端到端机器学习平台，生态完整但相对复杂&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://www.databricks.com/"&gt;Databricks&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://docs.databricks.com/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/databricks"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;统一数据分析平台，由 Spark 创始团队打造，深度集成 MLflow&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://dvc.org/"&gt;DVC&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://dvc.org/doc"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/iterative/dvc"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;机器学习版本控制工具，类似“数据界的 Git”&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://www.bentoml.com/"&gt;BentoML&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://docs.bentoml.com/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/bentoml/BentoML"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;专注于模型打包、部署与高性能模型服务的框架&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://www.ray.io/"&gt;Ray&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://docs.ray.io/en/latest/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/ray-project/ray"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;分布式计算框架，常用于大规模模型训练和在线推理&lt;/td&gt;
 &lt;/tr&gt;
 &lt;/tbody&gt;
&lt;/table&gt;
&lt;p&gt;
 &lt;a href="https://mlops.swiss-ai-center.ch/syllabus/"&gt;https://mlops.swiss-ai-center.ch/syllabus/&lt;/a&gt;&lt;/p&gt;</description></item><item><title>Learning Map</title><link>https://nianjiang.github.io/docs/60-AI/20-map/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://nianjiang.github.io/docs/60-AI/20-map/</guid><description>&lt;h2 id="maps"&gt;
 Maps:
 &lt;a class="anchor" href="#maps"&gt;#&lt;/a&gt;
&lt;/h2&gt;
&lt;h3 id="快速入门ai领域的思维导图深度学习自学入门"&gt;
 快速入门AI领域的思维导图（深度学习自学入门）
 &lt;a class="anchor" href="#%e5%bf%ab%e9%80%9f%e5%85%a5%e9%97%a8ai%e9%a2%86%e5%9f%9f%e7%9a%84%e6%80%9d%e7%bb%b4%e5%af%bc%e5%9b%be%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e8%87%aa%e5%ad%a6%e5%85%a5%e9%97%a8"&gt;#&lt;/a&gt;
&lt;/h3&gt;
&lt;p&gt;
 &lt;img src="https://pic2.zhimg.com/80/v2-1c5ee0b6a8e35b514ca8e834d8cd4905_1440w.webp" alt="" /&gt;&lt;/p&gt;
&lt;h2 id="sources"&gt;
 Sources
 &lt;a class="anchor" href="#sources"&gt;#&lt;/a&gt;
&lt;/h2&gt;
&lt;table&gt;
 &lt;thead&gt;
 &lt;tr&gt;
 &lt;th&gt;Name&lt;/th&gt;
 &lt;th&gt;Doc&lt;/th&gt;
 &lt;th&gt;Github&lt;/th&gt;
 &lt;th&gt;Note&lt;/th&gt;
 &lt;/tr&gt;
 &lt;/thead&gt;
 &lt;tbody&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://www.nvidia.cn/"&gt;Nvidia&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://github.com/NVIDIA"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://github.com/NVIDIA/k8s-device-plugin#quick-start"&gt;k8s-device-plugin&lt;/a&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;/tbody&gt;
&lt;/table&gt;
&lt;h3 id="reference"&gt;
 Reference
 &lt;a class="anchor" href="#reference"&gt;#&lt;/a&gt;
&lt;/h3&gt;
&lt;p&gt;
 &lt;a href="https://pic2.zhimg.com/80/v2-1c5ee0b6a8e35b514ca8e834d8cd4905_1440w.webp"&gt;快速入门AI领域的思维导图（深度学习自学入门）&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;</description></item><item><title>Learning Note</title><link>https://nianjiang.github.io/docs/60-AI/21-note/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://nianjiang.github.io/docs/60-AI/21-note/</guid><description>&lt;h2 id="notes"&gt;
 Notes:
 &lt;a class="anchor" href="#notes"&gt;#&lt;/a&gt;
&lt;/h2&gt;
&lt;p&gt;
 &lt;a href="https://github.com/bbruceyuan/Hands-On-Large-Language-Models-CN"&gt;👍 动手学习大模型 (hands-on-llms)&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://www.nvidia.cn/training/"&gt;Nvidia Training-CN&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://www.bilibili.com/video/BV1pi4y167g5/?spm_id_from=333.337.search-card.all.click&amp;amp;vd_source=8f134d86d2e1e426d0598d5ac4a9a760"&gt;Machine Learning Engineering for Production (MLOps)&lt;/a&gt;, 
 &lt;a href="https://www.youtube.com/playlist?list=PLkDaE6sCZn6GMoA0wbpJLi3t34Gd8l0aK"&gt;Youtube&lt;/a&gt;, 
 &lt;a href="https://www.coursera.org/learn/introduction-to-machine-learning-in-production/lecture/uoVS1/welcome"&gt;Cousera&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://space.bilibili.com/472543316/lists/3378901?type=season"&gt;AI老兵文哲-大模型科普&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://www.bilibili.com/video/BV1tAyaB2Ebc/?spm_id_from=333.337.search-card.all.click&amp;amp;vd_source=8f134d86d2e1e426d0598d5ac4a9a760"&gt;Udmey - ML Ops Fundamentals Course | MLOps Specialization&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://medium.com/@nedwinvivek/end-to-end-mlops-project-with-open-source-tools-78115cc59748"&gt;End-to-End MLOps project with Open Source tools&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://www.bilibili.com/video/BV1QdzCB3Eu2?spm_id_from=333.788.videopod.episodes&amp;amp;vd_source=8f134d86d2e1e426d0598d5ac4a9a760&amp;amp;p=24"&gt;2026年李宏毅最新课程：智能体AI（AI Agent）&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://github.com/microsoft/ai-agents-for-beginners/tree/main"&gt;microsoft/ai-agents-for-beginners&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;h2 id=""&gt;
 
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;
 &lt;a class="anchor" href="#"&gt;#&lt;/a&gt;
&lt;/h2&gt;
&lt;h3 id="项目"&gt;
 项目
 &lt;a class="anchor" href="#%e9%a1%b9%e7%9b%ae"&gt;#&lt;/a&gt;
&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;企业知识库问答Agent （RAG+权限+引用溯源+后台管理）&lt;/li&gt;
&lt;li&gt;多工具办公Agent （读邮件/读表格/生成周报/自动归档）&lt;/li&gt;
&lt;/ul&gt;
&lt;hr&gt;
&lt;h3 id="free-gpu-tools"&gt;
 
 &lt;a href="https://research.aimultiple.com/free-cloud-gpu/"&gt;Free GPU Tools&lt;/a&gt;
 &lt;a class="anchor" href="#free-gpu-tools"&gt;#&lt;/a&gt;
&lt;/h3&gt;
&lt;table&gt;
 &lt;thead&gt;
 &lt;tr&gt;
 &lt;th&gt;Vendor&lt;/th&gt;
 &lt;th&gt;GPU&lt;/th&gt;
 &lt;th&gt;Runtime limit&lt;/th&gt;
 &lt;th&gt;Time limit&lt;/th&gt;
 &lt;th&gt;RAM&lt;/th&gt;
 &lt;/tr&gt;
 &lt;/thead&gt;
 &lt;tbody&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://colab.research.google.com/drive/1bd52NHDO_KQL0dJbmcQ-YxKWNChYoosN#scrollTo=axKbY7G8E9WB"&gt;Google Colab&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;NVIDIA T4 / TPU&lt;/td&gt;
 &lt;td&gt;12 hours/session&lt;/td&gt;
 &lt;td&gt;–&lt;/td&gt;
 &lt;td&gt;16GB&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://modelscope.cn/my/mynotebook"&gt;ModelScope&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;CPU&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://www.kaggle.com/"&gt;Kaggle&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;NVIDIA TESLA P100&lt;/td&gt;
 &lt;td&gt;9 hours/session&lt;/td&gt;
 &lt;td&gt;30 hours/week&lt;/td&gt;
 &lt;td&gt;16GB&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Codesphere&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;Shared GPU’s&lt;/td&gt;
 &lt;td&gt;60 minutes of inactivity&lt;/td&gt;
 &lt;td&gt;–&lt;/td&gt;
 &lt;td&gt;5GB&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://console.paperspace.com/tobpwo1dyb/projects/pnwxeg06gnb/notebooks"&gt;Paperspace Gradient&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;NVIDIA Quadro M4000&lt;/td&gt;
 &lt;td&gt;6 hours/session&lt;/td&gt;
 &lt;td&gt;–&lt;/td&gt;
 &lt;td&gt;8GB&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://aws.amazon.com/cn/sagemaker/ai/?trk=15c62d7e-c4f7-4c0c-a46a-ebb0ed076e02&amp;amp;sc_channel=ps&amp;amp;ef_id=Cj0KCQiA8KTNBhD_ARIsAOvp6DKU0KtOfNUhBE2tlC0Tu5zVOAl3qqx7TXRE3sSK25TwDvihAL5dRBoaAuQqEALw_wcB:G:s&amp;amp;s_kwcid=AL!4422!3!798517281042!e!!g!!aws%20sagemaker%20studio!23606216570!196197897080&amp;amp;gad_campaignid=23606216570&amp;amp;gbraid=0AAAAADjHtp8jTfWw_fQGo9J92mZdxozgV&amp;amp;gclid=Cj0KCQiA8KTNBhD_ARIsAOvp6DKU0KtOfNUhBE2tlC0Tu5zVOAl3qqx7TXRE3sSK25TwDvihAL5dRBoaAuQqEALw_wcB"&gt;SageMaker Studio Lab&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;NVIDIA T4 Tensor Core&lt;/td&gt;
 &lt;td&gt;4 hours/session&lt;/td&gt;
 &lt;td&gt;4 hours in a 24-hour period.&lt;/td&gt;
 &lt;td&gt;16GB&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Lightning AI&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;Various&lt;/td&gt;
 &lt;td&gt;4 hours/session&lt;/td&gt;
 &lt;td&gt;80 hours/month&lt;/td&gt;
 &lt;td&gt;–&lt;/td&gt;
 &lt;/tr&gt;
 &lt;/tbody&gt;
&lt;/table&gt;
&lt;hr&gt;
&lt;h3 id="aimachine-learning-toolkit"&gt;
 AI/Machine Learning Toolkit
 &lt;a class="anchor" href="#aimachine-learning-toolkit"&gt;#&lt;/a&gt;
&lt;/h3&gt;
&lt;table&gt;
 &lt;thead&gt;
 &lt;tr&gt;
 &lt;th&gt;Toolkit&lt;/th&gt;
 &lt;th&gt;Website&lt;/th&gt;
 &lt;th&gt;Doc&lt;/th&gt;
 &lt;th&gt;Github&lt;/th&gt;
 &lt;th&gt;Note&lt;/th&gt;
 &lt;/tr&gt;
 &lt;/thead&gt;
 &lt;tbody&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://pytorch.org/"&gt;PyTorch&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://pytorch.org/"&gt;Website&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://pytorch.org/docs/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://github.com/pytorch/pytorch"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;主流深度学习框架，以灵活的动态计算图和强大的研究社区著称。&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://en.wikipedia.org/wiki/CUDA"&gt;CUDA&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://developer.nvidia.com/cuda/toolkit"&gt;Website&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://docs.nvidia.com/cuda/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://github.com/NVIDIA?q=cuda&amp;amp;type=all&amp;amp;language=&amp;amp;sort=stargazers"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://www.tensorflow.org/?hl=zh-cn"&gt;TensorFlow&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://www.tensorflow.org/"&gt;Website&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://www.tensorflow.org/tutorials/quickstart/beginner?hl=zh-cn"&gt;Tutorial&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://github.com/tensorflow"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;主流的深度学习框架，生产部署生态完善，支持大模型训练。&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://www.cncf.io/projects/kubeflow/"&gt;Kubeflow&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://www.kubeflow.org/"&gt;website&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://www.kubeflow.org/docs/started/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://github.com/kubeflow/kubeflow"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;致力于使Kubernetes上的机器学习工作流（流水线、训练、服务）的部署变得简单、可移植和可扩展。&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://airflow.apache.org/"&gt;Airflow&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://airflow.apache.org/"&gt;Website&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://airflow.apache.org/docs/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://github.com/apache/airflow"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;以代码方式定义、调度和监控工作流的平台，是ML工作流编排的事实标准之一。&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://prometheus.io/"&gt;Prometheus&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://prometheus.io/"&gt;Website&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://prometheus.io/docs/introduction/first_steps/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://github.com/prometheus/prometheus"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;开源系统监控和警报工具包，常用于收集和存储ML系统的性能指标。&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://grafana.com/"&gt;Grafana&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://grafana.com/"&gt;Website&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://grafana.com/docs/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://github.com/grafana/grafana"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;可视化监控数据的仪表盘工具，常与Prometheus配合使用展示GPU利用率等指标。&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Website&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Website&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Website&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Website&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Website&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Website&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;/tbody&gt;
&lt;/table&gt;
&lt;!--
| []() | [website]() | [Doc]() | [Github]() | |
--&gt;
&lt;hr&gt;
&lt;h3 id="nvidia"&gt;
 NVIDIA/&amp;hellip;
 &lt;a class="anchor" href="#nvidia"&gt;#&lt;/a&gt;
&lt;/h3&gt;
&lt;p&gt;
 &lt;a href="https://www.bilibili.com/video/BV1hQDGYWEMN?spm_id_from=333.788.videopod.episodes&amp;amp;vd_source=8f134d86d2e1e426d0598d5ac4a9a760&amp;amp;p=2"&gt;2024吃透AI大模型（LLM+RAG系统+GPT-4o+OpenAI）&lt;/a&gt;&lt;/p&gt;</description></item><item><title>LLM &amp; RAG</title><link>https://nianjiang.github.io/docs/60-AI/22-LLMRAG/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://nianjiang.github.io/docs/60-AI/22-LLMRAG/</guid><description>&lt;h2 id="notes"&gt;
 Notes:
 &lt;a class="anchor" href="#notes"&gt;#&lt;/a&gt;
&lt;/h2&gt;
&lt;h3 id="rag-retrieval-augmented-generation"&gt;
 RAG (Retrieval Augmented Generation)
 &lt;a class="anchor" href="#rag-retrieval-augmented-generation"&gt;#&lt;/a&gt;
&lt;/h3&gt;
&lt;p&gt;
 &lt;a href="https://www.ibm.com/think/topics/retrieval-augmented-generation"&gt;What is RAG?&lt;/a&gt;,
 &lt;a href="https://www.youtube.com/watch?v=00Q0G84kq3M"&gt;RAG VS Fine Tuning&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;hr&gt;
&lt;h3 id="llm-large-language-model"&gt;
 LLM (Large Language Model)
 &lt;a class="anchor" href="#llm-large-language-model"&gt;#&lt;/a&gt;
&lt;/h3&gt;
&lt;p&gt;
 &lt;a href="https://www.ibm.com/think/topics/large-language-models"&gt;What are large language models (LLMs)?&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://en.wikipedia.org/wiki/Large_language_model"&gt;WIKI&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://developers.google.com/machine-learning/resources/intro-llms"&gt;Introduction to Large Language Models&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;what is Transformer / GPT?&lt;/p&gt;
&lt;hr&gt;
&lt;h3 id="tools-table"&gt;
 Tools table
 &lt;a class="anchor" href="#tools-table"&gt;#&lt;/a&gt;
&lt;/h3&gt;
&lt;table&gt;
 &lt;thead&gt;
 &lt;tr&gt;
 &lt;th&gt;Toolkit&lt;/th&gt;
 &lt;th&gt;Website&lt;/th&gt;
 &lt;th&gt;Doc&lt;/th&gt;
 &lt;th&gt;Github&lt;/th&gt;
 &lt;th&gt;Note&lt;/th&gt;
 &lt;/tr&gt;
 &lt;/thead&gt;
 &lt;tbody&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;LangChain&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="python.langchain.com"&gt;Official&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://python.langchain.com/docs/introduction/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://github.com/langchain-ai/langchain"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://www.ibm.com/think/topics/llamaindex"&gt;LlamaIndex&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://docs.llamaindex.ai/en/stable/"&gt;Official&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://docs.llamaindex.ai/en/stable/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://github.com/run-llama/llama_index"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;RagFlow&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://ragflow.io/"&gt;Official&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://ragflow.io/docs/dev/category/guides"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://github.com/infiniflow/ragflow"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;/tbody&gt;
&lt;/table&gt;
&lt;!-- 
| []() | [Official]() | [Doc]() | [Github]() | |
--&gt;
&lt;h3 id="reference"&gt;
 Reference
 &lt;a class="anchor" href="#reference"&gt;#&lt;/a&gt;
&lt;/h3&gt;
&lt;p&gt;
 &lt;a href="https://github.com/langchain-ai/langchain"&gt;LangChain&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://github.com/conda/conda"&gt;Conda&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://developers.google.com/machine-learning"&gt;Google Machine Learning Education&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;</description></item><item><title>DeepSeek</title><link>https://nianjiang.github.io/docs/60-AI/23-DeepSeek/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://nianjiang.github.io/docs/60-AI/23-DeepSeek/</guid><description>&lt;h2 id="deepseek"&gt;
 
 &lt;a href="https://www.deepseek.com/"&gt;Deepseek&lt;/a&gt;
 &lt;a class="anchor" href="#deepseek"&gt;#&lt;/a&gt;
&lt;/h2&gt;
&lt;p&gt;
 &lt;a href="https://github.com/deepseek-ai"&gt;Github&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://zhuanlan.zhihu.com/p/20498436722"&gt;OpenAI VS DeepSeek&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://haokan.baidu.com/v?pd=wisenatural&amp;amp;vid=6706304160610646328"&gt;清华大学：DeepSeek从入门到精通（2025）&lt;/a&gt;，
 &lt;a href="https://pan.baidu.com/s/1mZD2GTcsSNT9u3KRbg3ehw?pwd=rugh"&gt;PDF&lt;/a&gt;&lt;/p&gt;
&lt;h3 id=""&gt;
 
 &lt;a class="anchor" href="#"&gt;#&lt;/a&gt;
&lt;/h3&gt;
&lt;table&gt;
 &lt;thead&gt;
 &lt;tr&gt;
 &lt;th&gt;Tools&lt;/th&gt;
 &lt;th&gt;Website&lt;/th&gt;
 &lt;th&gt;Note&lt;/th&gt;
 &lt;/tr&gt;
 &lt;/thead&gt;
 &lt;tbody&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://chat.deepseek.com/"&gt;DeepSeek Chat&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://chat.scnet.cn/"&gt;SCNet&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://cloud.siliconflow.cn/playground/chat"&gt;SiliconFlow&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://console.volcengine.com/ark/region:ark&amp;#43;cn-beijing/experience/chat"&gt;volcenginer&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://ide.cloud.tencent.com/dashboard/gpu-workspace?fromSource=gwzcw.9299775.9299775.9299775"&gt;Tencent&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://cloud.tencent.com/"&gt;T.Cloud&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;DeepSeek-R1-Distill-Qwen-32B 免费体验&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;/tbody&gt;
&lt;/table&gt;
&lt;hr&gt;
&lt;h2 id="llm-large-language-model"&gt;
 LLM (Large Language Model)
 &lt;a class="anchor" href="#llm-large-language-model"&gt;#&lt;/a&gt;
&lt;/h2&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;hr&gt;
&lt;h3 id="reference"&gt;
 Reference
 &lt;a class="anchor" href="#reference"&gt;#&lt;/a&gt;
&lt;/h3&gt;
&lt;p&gt;
 &lt;a href="https://huggingface.co/models"&gt;Hugging Face&lt;/a&gt;，
 &lt;a href="https://modelscope.cn/home"&gt;ModelScope&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://gpt-tokenizer.dev/"&gt;gpt-tokenizer&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;</description></item><item><title>Qwen</title><link>https://nianjiang.github.io/docs/60-AI/24-Qwen/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://nianjiang.github.io/docs/60-AI/24-Qwen/</guid><description>&lt;h2 id="千问qwen"&gt;
 
 &lt;a href="https://qwen.ai/home"&gt;千问Qwen&lt;/a&gt;
 &lt;a class="anchor" href="#%e5%8d%83%e9%97%aeqwen"&gt;#&lt;/a&gt;
&lt;/h2&gt;
&lt;p&gt;
 &lt;a href="https://www.qianwen.com/"&gt;Demo&lt;/a&gt;, 
 &lt;a href="https://bailian.console.aliyun.com/cn-beijing/?spm=5176.29597918.J_SEsSjsNv72yRuRFS2VknO.2.3b72133cLwSXXM&amp;amp;tab=demohouse#/experience/llm"&gt;阿里云百炼&lt;/a&gt;&lt;/p&gt;
&lt;table&gt;
 &lt;thead&gt;
 &lt;tr&gt;
 &lt;th&gt;Model Name&lt;/th&gt;
 &lt;th&gt;Doc&lt;/th&gt;
 &lt;th&gt;Github&lt;/th&gt;
 &lt;th&gt;Node&lt;/th&gt;
 &lt;/tr&gt;
 &lt;/thead&gt;
 &lt;tbody&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://github.com/QwenLM/Qwen-Agent/blob/main/README_CN.md"&gt;Qwen-Agent&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://qwenlm.github.io/Qwen-Agent/en/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://github.com/QwenLM/Qwen-Agent"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;Agent framework and applications built upon Qwen&amp;gt;=3.0, featuring Function Calling, MCP, Code Interpreter, RAG, Chrome extension, etc.&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://github.com/QwenLM/Qwen3"&gt;QwenLM/Qwen3&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://qwen.readthedocs.io/zh-cn/latest/getting_started/quickstart.html"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://github.com/QwenLM/Qwen3"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;LLM&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;/tbody&gt;
&lt;/table&gt;
&lt;p&gt;
 &lt;a href="https://github.com/QwenLM"&gt;QwenLM&lt;/a&gt;&lt;/p&gt;
&lt;hr&gt;
&lt;h3 id="reference"&gt;
 Reference
 &lt;a class="anchor" href="#reference"&gt;#&lt;/a&gt;
&lt;/h3&gt;
&lt;p&gt;
 &lt;a href="https://www.aliyun.com/product/tongyi?spm=5176.28536895.nav-v2-dropdown-menu-1.d_main_0_3.3329586c5Rq7ZY&amp;amp;scm=20140722.M_tongyi.P_104.ID_tongyi-OR_rec-PAR1_2150419417727015821718748ea98b-V_1-MO_3480-ST_13051"&gt;aliyun&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;</description></item><item><title>Hello-Agents</title><link>https://nianjiang.github.io/docs/60-AI/80-Hello-Agents/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://nianjiang.github.io/docs/60-AI/80-Hello-Agents/</guid><description>&lt;h2 id="hello-agents"&gt;
 
 &lt;a href="https://datawhalechina.github.io/hello-agents/#"&gt;Hello-Agents&lt;/a&gt;
 &lt;a class="anchor" href="#hello-agents"&gt;#&lt;/a&gt;
&lt;/h2&gt;
&lt;table&gt;
 &lt;thead&gt;
 &lt;tr&gt;
 &lt;th&gt;Name&lt;/th&gt;
 &lt;th&gt;Doc&lt;/th&gt;
 &lt;th&gt;Github&lt;/th&gt;
 &lt;th&gt;Note&lt;/th&gt;
 &lt;/tr&gt;
 &lt;/thead&gt;
 &lt;tbody&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://github.com/datawhalechina/hello-agents"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://www.datawhale.cn"&gt;Datawhale-web&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://github.com/datawhalechina"&gt;Datawhale-Github&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;
 &lt;a href="https://space.bilibili.com/431850986/search?keyword=Hello-Agents"&gt;Bili&lt;/a&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://console.aihubmix.com/token?aff=Igcn%2F&amp;amp;lang=zh-CN"&gt;AIHubmix&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://modelscope.cn/my/mynotebook"&gt;ModelScope&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;td&gt;&lt;/td&gt;
 &lt;/tr&gt;
 &lt;/tbody&gt;
&lt;/table&gt;
&lt;hr&gt;
&lt;h3 id="tools"&gt;
 Tools
 &lt;a class="anchor" href="#tools"&gt;#&lt;/a&gt;
&lt;/h3&gt;
&lt;table&gt;
 &lt;thead&gt;
 &lt;tr&gt;
 &lt;th style="text-align: left"&gt;Name&lt;/th&gt;
 &lt;th style="text-align: left"&gt;Doc&lt;/th&gt;
 &lt;th style="text-align: left"&gt;Github&lt;/th&gt;
 &lt;th style="text-align: left"&gt;Note&lt;/th&gt;
 &lt;/tr&gt;
 &lt;/thead&gt;
 &lt;tbody&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://dify.ai/zh"&gt;Dify&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://docs.dify.ai/en/use-dify/getting-started/introduction"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/langgenius/dify"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;开源的 LLM 应用开发平台，集成 RAGPipeline 和工作流编排，非常适合快速落地 AI 项目。&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://n8n.io/"&gt;n8n&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://docs.n8n.io/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/n8n-io/n8n"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;强大的工作流自动化工具，支持节点式编程，常用于 AI Agent 的业务逻辑集成。&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://www.coze.cn/"&gt;Coze&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://www.coze.cn/docs/guides/welcome"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;N/A&lt;/td&gt;
 &lt;td style="text-align: left"&gt;字节跳动推出的 AI 聊天机器人开发平台，支持丰富的插件和多模态能力（闭源但社区生态极强）。&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://flowiseai.com/"&gt;Flowise&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://docs.flowiseai.com/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/FlowiseAI/Flowise"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;基于 LangChain 的可视化拖拽界面，适合构建定制化的 LLM 链和 Agent。&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://www.langflow.org/"&gt;Langflow&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://docs.langflow.org/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/langflow-ai/langflow"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;另一个主流的 Python 原生可视化编排工具，与 LangChain 生态深度绑定。&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://mlflow.org/"&gt;MLflow&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://mlflow.org/docs/latest/index.html"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/mlflow/mlflow"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;传统的 MLOps 标配，专注于实验追踪、模型打包和版本管理。&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://www.bentoml.com/"&gt;BentoML&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://docs.bentoml.com/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/bentoml/BentoML"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;统一的模型分发和部署框架，支持 GPU 推理优化，是模型上线阶段的关键工具。&lt;/td&gt;
 &lt;/tr&gt;
 &lt;/tbody&gt;
&lt;/table&gt;
&lt;hr&gt;
&lt;table&gt;
 &lt;thead&gt;
 &lt;tr&gt;
 &lt;th style="text-align: left"&gt;框架&lt;/th&gt;
 &lt;th style="text-align: left"&gt;Doc&lt;/th&gt;
 &lt;th style="text-align: left"&gt;Github&lt;/th&gt;
 &lt;th style="text-align: left"&gt;核心概念&lt;/th&gt;
 &lt;th style="text-align: left"&gt;主要优势&lt;/th&gt;
 &lt;th style="text-align: left"&gt;典型应用场景&lt;/th&gt;
 &lt;th style="text-align: left"&gt;Note&lt;/th&gt;
 &lt;/tr&gt;
 &lt;/thead&gt;
 &lt;tbody&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://microsoft.github.io/autogen"&gt;&lt;strong&gt;AutoGen&lt;/strong&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://microsoft.github.io/autogen/stable/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/microsoft/autogen"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;对话的智能体 (Conversable Agent)&lt;/td&gt;
 &lt;td style="text-align: left"&gt;自动化多智能体对话流，高度可定制的交互模式。&lt;/td&gt;
 &lt;td style="text-align: left"&gt;自动化代码生成与测试、模拟产品开发流程。&lt;/td&gt;
 &lt;td style="text-align: left"&gt;Python&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/agentscope-ai/agentscope/blob/main/README_zh.md"&gt;&lt;strong&gt;AgentScope&lt;/strong&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://doc.agentscope.io/zh_CN/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/modelscope/agentscope"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;消息传递 (Message Passing)&lt;/td&gt;
 &lt;td style="text-align: left"&gt;易用性强，工程化程度高，支持分布式部署。&lt;/td&gt;
 &lt;td style="text-align: left"&gt;构建复杂、可运维的大规模多智能体应用。&lt;/td&gt;
 &lt;td style="text-align: left"&gt;Python&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://www.camel-ai.org/"&gt;&lt;strong&gt;CAMEL&lt;/strong&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://docs.camel-ai.org/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/camel-ai/camel"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;角色扮演 (Role-Playing)&lt;/td&gt;
 &lt;td style="text-align: left"&gt;极简的协作设定，通过初始提示驱动自主对话。&lt;/td&gt;
 &lt;td style="text-align: left"&gt;探索性任务、创意生成、模拟特定领域专家协作。&lt;/td&gt;
 &lt;td style="text-align: left"&gt;Python&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://langchain-ai.github.io/langgraph/"&gt;&lt;strong&gt;LangGraph&lt;/strong&gt;&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://langchain-ai.github.io/langgraph/concepts/overview/"&gt;Doc&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;
 &lt;a href="https://github.com/langchain-ai/langgraph"&gt;Github&lt;/a&gt;&lt;/td&gt;
 &lt;td style="text-align: left"&gt;状态图 (State Graph)&lt;/td&gt;
 &lt;td style="text-align: left"&gt;天然支持循环和条件分支，精准控制复杂工作流。&lt;/td&gt;
 &lt;td style="text-align: left"&gt;实现 Reflection、迭代式优化、需要人工介入的流程。&lt;/td&gt;
 &lt;td style="text-align: left"&gt;Python&lt;/td&gt;
 &lt;/tr&gt;
 &lt;/tbody&gt;
&lt;/table&gt;
&lt;hr&gt;
&lt;h3 id="reference"&gt;
 Reference
 &lt;a class="anchor" href="#reference"&gt;#&lt;/a&gt;
&lt;/h3&gt;
&lt;p&gt;
 &lt;a href="https://nianjiang.github.io/"&gt;&lt;/a&gt;&lt;/p&gt;</description></item></channel></rss>