AI 资源库 · 已整理 6 项
查看与学习路径相关的 AI 资讯、工具、Skill、工作流和开源项目。
rxmna8502/vybe-intelligence-vault · An auto-updating open-source vault for AI agents, RAG systems, MCP servers, prompts, tools, templates, and next-generation web development.
Vybe Intelligence Vault 是一个自更新的开源知识仓库，索引 AI Agent、RAG、MCP 服务器、提示词、工具和模板等前沿资料，并宣称通过采集管线、LLM 评估和向量关系构建语义知识图谱。项目提供 MCP 网关供 Claude Desktop、Cursor 等 Agent 直接查询节点上下文，还包含基于 React Three Fiber 和 WebGL 的 3D 知识图谱浏览界面，以及若干 7 天工程学习路径与生产蓝图。
hurry060215-tech/learnnote-assistant · A local-first AI learning assistant that turns browser videos and local media into grounded, structured study notes.
LearnNote 是一个本地优先的 AI 学习助手，能够把浏览器视频（如 Bilibili、YouTube）和本地视频、PDF、Markdown、TXT、HTML 等资料转成结构化、可回到来源核对的笔记。它优先读取已有字幕，无字幕时可选本地 faster-whisper 转写或远程转写，并按需调用文字、视觉模型生成概览、重点与结论；支持浏览器扩展交接已登录页面的字幕与资源、全局助手与 Skill 追问、FSRS 复习、笔记编辑与版本保留、导出、Obsidian 集成。工作台通过平台启动脚本双击运行，服务只监听本机 127.0.0.1，数据和模型 Key 默认保存在本机，不需要 LearnNote 账号。
PavanMudigonda/zero-to-ai · Free AI/ML course with 950+ Jupyter notebooks — Python, deep learning, LLMs, RAG, agents, prompt engineering, fine-tuning, MLOps
Zero to AI 是一个免费开源的 AI 与机器学习课程，提供 950 多个 Jupyter Notebook，覆盖 Python 与数据科学、机器学习数学、分词与嵌入、深度学习、LLM 与 RAG、AI Agent、提示与上下文工程、微调、MLOps、模型评测与安全等主题，并按学习路径组织为渐进式阶段，适合从零开始系统学习 AI/ML。
nydiapluperfect522/agentic-ai-from-claude-code · Study Claude Code architecture to build production-grade AI agents from real-world TypeScript code
该项目以 TypeScript 编写，参考 Claude Code 的结构，帮助开发者了解 AI 智能体如何规划任务、调用工具并按步骤执行。README 提供 Windows 平台的下载与安装指引、系统要求、基本使用流程和常见故障排查，适合作为学习智能体设计与生产级结构的入门材料。
gabbiesbv/claude-code-sourcemap-learning-notebook · Reverse-engineer Claude Code sourcemaps to study its architecture, design choices, and reusable AI agent patterns
该学习笔记项目逆向分析 Claude Code 约 51.2 万行 TypeScript 源码，提炼其整体架构、设计取舍以及 11 个可迁移的 AI Agent 设计模式。内容分 9 章，涵盖查询循环与流式工具执行、工具系统与 Zod schema、五层权限与安全、多 Agent 协调器、MCP 与 Skills 扩展、提示词工程以及语音模式等主题，并给出章节核心源文件与学习路径；配套姊妹项目 nano-claude-code 以极简实现重写核心逻辑。仅供教育研究用途，不提供源码本体。
fathirn6263/harness-engineering · Learn Harness Engineering with notes, concepts, and hands-on practice for building AI agent workflows and constraint-driven systems
这是一个以学习路径形式组织的资料合集，围绕 harness engineering（围绕 AI Agent 工作流与约束驱动系统的工程方法）提供笔记、概念讲解与动手练习。README 主要说明如何在 Windows 上下载、解压并逐节阅读材料，建议按基础概念、核心工作流、实践练习、复习的顺序进行学习，适合自学、复习、面试或考试准备。项目自身定位为学习指南而非复杂工具，材料中未说明具体部署方式、运行环境依赖、API 成本或授权条款。