llm-internals

手把手拆解大模型内部原理，从分词到推理优化

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 203 👀 关注 19

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1771

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0 许可证，完全免费，无付费版本。

项目预览

项目数据

分类开源模型

开发团队amitshekhariitbhu

官网地址https://outcomeschool.com/program/ai-and-machine-learning

GitHubhttps://github.com/amitshekhariitbhu/llm-internals

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0 许可证，完全免费，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

技术栈/模型attention-is-all-you-need,attention-mechanism,large-language-models,learn-llm,llm,llm-internals

GitHub 星标★ 1771

上线时间2026-04-12 00:00:00

代码更新2026-11-07

仓库体积292 KB

本站数据更新2026-11-09

维护状态活跃

收录时间2026-08-09

浏览次数3

项目介绍

llm-internals 是一个循序渐进讲解大语言模型内部原理的开源教程项目，覆盖从分词、注意力机制到推理优化的完整技术链路。它通过图文、代码示例和逐步拆解的方式，帮助开发者深入理解 LLM 的底层工作机制，解决‘会用但不懂原理’的痛点。项目内容结构化，适合作为系统学习 LLM 内部实现的入门到进阶资料。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1771

技术标签

attention-mechanism large-language-models llm

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 10 分钟部署方式：本地安装 6 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

可访问 YouTube 等外部站点的网络环境
本机已安装 Git（用于克隆仓库）
对 LLM 基本原理感兴趣的初学者或开发者，无强制编程环境要求

安装与启动步骤

1克隆仓库

把项目下载到本地。该仓库是图文与视频教程集合，不含需要编译运行的代码。
```
git clone https://github.com/amitshekhariitbhu/llm-internals
```
2阅读总目录

进入仓库目录并打开 README，按从上到下顺序了解 LLM、RAG、MCP、Agent 等章节。
```
cd llm-internals
```
3先学 LLM 基础

观看 README 首节视频，建立 LLM、RAG、MCP、Agent、微调、量化的整体概念。
4学习分词

观看 Tokenization 章节视频，理解为什么 LLM 需要先把文本切分为 token。
5学习 BPE

阅读 Byte Pair Encoding 博客，跟着简单示例理解 BPE 如何把文本切成更小片段。
6持续跟进更新

该系列会不断新增博客和视频，可定期回到仓库查看是否有新章节。

如何确认成功

能打开仓库 README，并成功访问其中列出的视频与博客链接，即说明学习环境已就绪。

常见问题

Q：需要安装 Python 或深度学习框架吗？

A：不需要。README 未给出任何安装或运行命令，仓库以讲解内容和外部视频、博客链接为主，有浏览器即可学习。

Q：内容以后会增加吗？

A：会。README 明确说明该系列会随着作者撰写更多博客、制作更多视频而持续增长。

Q：视频点开看不了怎么办？

A：README 中的视频托管在 YouTube，需要具备可访问该站点的网络环境；也可直接阅读同主题的博客章节。

Q：适合什么基础的人看？

A：适合从入门到进阶、想系统理解大模型内部机制的开发者，尤其适合“会用但不懂原理”的读者。

注意事项

README 仅提供学习内容与外部链接，未包含安装、运行或部署命令，因此无法给出可执行的服务启动步骤。
视频链接均指向 YouTube，需要相应网络访问条件。
项目由 Outcome School 创始人 Amit Shekhar 维护，官方课程页为 https://outcomeschool.com/program/ai-and-machine-learning。