llm-course

⚠ 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 GitHub 与 Google Colab 的网络环境
• 本地运行 notebook 需自备 Python/Jupyter 环境，用 Colab 可跳过
• 本地运行开源 LLM 对硬件要求高，可用 API 或云端替代
• 具备 Python 基础更易上手（对应可选的 LLM Fundamentals）

安装与启动步骤

1. 1克隆课程仓库

   把 llm-course 仓库拉到本地，方便离线浏览路线图与 notebook。README 未给出安装命令，此为通用准备动作。

   git clone https://github.com/mlabonne/llm-course.git

   复制

2. 2查看三部分路线图

   课程分 LLM Fundamentals（可选）、LLM Scientist、LLM Engineer 三部分，按需选择学习顺序。

3. 3在 Colab 运行笔记本

   配套 notebook 可直接在 Google Colab 中打开并运行实验，无需自行配置本地环境。

4. 4选一种方式跑 LLM

   可用 OpenAI、Google、Anthropic 等 API，或经 Hugging Face Spaces、LM Studio、ollama、llama.cpp 本地运行。

5. 5搭建 Demo 应用

   用 Gradio 或 Streamlit 快速做原型，并可托管到 Hugging Face Spaces 分享给他人。

6. 6规模化部署参考

   大流量场景参考 TGI、vLLM、SkyPilot 等框架；端侧与浏览器场景可用 MLC LLM、mnn-llm。

如何确认成功

能打开仓库中的 Colab 笔记本并成功运行单元格，或在本地完成一次模型/API 调用，即表示环境就绪。

常见问题

注意事项

• 本仓库是课程与 notebook 集合，不是可安装的软件包，README 中没有任何 pip/npm 安装命令
• LLM Fundamentals 属于可选部分，零基础可先补齐数学、Python、神经网络
• 本地运行大模型对硬件要求较高，建议先用 API 或云端推理服务体验
• 课程永久免费，配套书籍仅为可选的支持方式