一份清单，搞定LLM学习与实战资源导航
这是一个精选的LLM（大语言模型）资源合集，汇总了全球范围内关于多模态生成、Agent、辅助编程、AI审稿、数据处理、模型训练与推理、o1模型、MCP、小语言模型、视觉语言模型等方向的优质资料。项目旨在解决AI学习者和从业者信息过载、资源分散的问题，通过人工筛选和分类整理，提供一条高效的学习路径。其核心能力在于系统化的分类和持续更新的资源库，涵盖论文、教程、工具、代码库等，帮助用户快速定位所需内容，节省搜索时间。无论是入门者还是进阶研究者，都能从中获取有价值的信息。
⚠ 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。
1打开项目主页
在浏览器访问 GitHub 仓库地址，直接在线阅读 README 中的资源分类与条目。
2克隆仓库到本地
想离线阅读或长期留存时，用 Git 把整个资源仓库下载到本地目录。
git clone https://github.com/WangRongsheng/awesome-LLM-resources.git3进入仓库目录
切换到克隆下来的目录，README.md 就是唯一的资源清单文件。
cd awesome-LLM-resources4试用在线入口
README 的 Usage 部分列出了 LM Arena、Design Arena、Vals AI 等在线体验站点，按需打开即可。
能打开仓库 README.md 或本地 clone 出的 JSON/Markdown 文件即视为可用，本项目无需启动服务。
Q：需要安装依赖或运行环境吗？
A：不需要。这是纯资源清单（awesome-list），只提供链接与分类整理，没有任何可执行代码或依赖。
Q：为什么没有 docker run 之类的部署命令？
A：README 未提供任何部署脚本或服务端程序，它本身就是一个 Markdown 资源汇总仓库，直接阅读即可。
Q：资源会过期吗？
A：会。README 中的链接指向第三方论文、工具和网站，可能失效或变更，访问前请自行确认其有效性。
Q：想持续跟进更新怎么做？
A：在 GitHub 页面点 Star 或 Watch，仓库更新时会收到通知，也可以随时 git pull 拉取最新内容。
Awesome-LLM、llm-course、LLM-Awesome-Resources
awesome-LLM-resources 是开源模型领域的开源项目，由 WangRongsheng 开发，2024 年首次发布。
在全站 13,090 个收录项目中，它的 GitHub 星标数（8,976）位列前 6%，在开源模型分类的 424 个项目里位列前 8%。
近 41 天，它的 GitHub 星标从 8,833 增加到 8,976，净增 143。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。开源资料汇总，完全免费，无付费版本。
它主要面向的使用场景是：快速查找特定LLM技术方向的权威资料。同类可对比的替代方案包括 Awesome-LLM、llm-course、LLM-Awesome-Resources。
上一篇：coedit
Machine-Learning
开源
跟着博客笔记，边看边跑机器学习代码
All content related to machine learning from my blog
awesome-claude-fable-5-prompt-va···
开源
一站式掌握 Claude Fable 5 玩法，快速选型不踩坑
Ultimate Claude Fable 5 Guide 2026: Use Cases, Integrations & Benchmarks
Diffusion-Models-Papers-Survey-T···
开源
学视频生成怕绕路？这份资料库帮你理清
Diffusion model papers, survey, and taxonomy
CoreML-Models
开源
下载即用的苹果端 AI 模型库，免去转换烦恼
Core ML model zoo for iOS/macOS — PyTorch models converted to ready-to-use .mlpacka···