
GitHub 收藏108.1K近 7 天 +401
代码最近更新2026 年 11 月 9 日
许可证许可证需自行查看
逐步带你手写大模型的数据准备、结构搭建、预训练与微调。适合想深入弄懂底层原理的学习者。需要将代码下载到本地电脑并编写代码运行。
用起来难吗要写代码在哪用命令行能用的模型说明里没点名
能做什么
- 从零手写注意力机制与模型架构
- 处理文本数据并搭建数据流程
- 执行无标注数据预训练流程
- 进行文本分类与指令微调
- 使用 LoRA 方式高效微调模型
怎么开始
- 需要会写代码,先在电脑上准备好 Python 环境
- 下载代码压缩包或克隆仓库到本地电脑
- 根据各章节代码文件逐步动手练习与运行
选它,如果你……
- 你有 Python 基础想搞懂大模型底层运转逻辑
- 你想在普通笔记本上亲手实现一个小语言模型
- 你想系统实践预训练、指令微调和 LoRA
别选,如果你……
- 你不会写代码只想找开箱即用的成品软件
- 你只想直接调用现成模型接口做外层业务
怎么用
需要在它自己的网站或应用里注册使用。
多少钱、在哪买
价格以官网为准。
综合评价
不错还在更新
- 更新活跃近 90 天改代码 29 次;没有正式发版记录
- 问题处理暂不评近 90 天只有 7 个新问题,太少不评
- 用的人很多GitHub 收藏 10.8 万,近 7 天新增 401;71 人参与开发
- 用户口碑暂不计用户评价满 5 条后才算进来
提醒许可证有附加条件或没写清,拿去商用前先看清楚
数字取自 GitHub 的公开记录(2026/11/10), 用户评价来自本页口碑。自己核对:项目主页、问题、外部提交的修改、发版记录。
怎么评的
只看公开、能核对的数据,不打分数,只给四档结论,每一项的依据都写在旁边。
- 更新:近 90 天改了多少次代码、最近一次发版是哪天。7 天内有改动并且改得多或常发版,算「很活跃」;30 天内有改动算「活跃」;半年内算「放缓」;半年以上没动或者已经归档,算「停更」。
- 问题处理:近 90 天新开的问题解决了几成、一般几天解决、外部提交的修改积压了多少。解决八成以上、一般一周内解决、积压不比合进去的多,算「好」;解决不到一半算「差」;其余算「一般」。新问题不到 10 个的不评。
- 用的人:GitHub 收藏 5 万以上算很多,1 万以上算多,1 千以上算一般。旁边写近 7 天新增多少、多少人参与开发。
- 用户口碑:用户评价满 5 条才算进来(注册不满 7 天的账号不算);平均分在 2.5 分及以下,总评降一档。
- 总评四档:还在更新、问题处理好、用的人多 → 推荐;还在更新 → 不错;更新放缓或问题处理差 → 一般;半年以上没更新 → 谨慎。许可证有附加条件、商用受限的,单独提醒,不影响总评。
- 收费软件(ChatGPT、Cursor 这类)没有公开的问题记录,就看 App Store:最近一次更新在 30 天内算「活跃」,半年内算「放缓」,半年以上算「停更」;打分人数 10 万以上算很多,1 万以上算多,1 千以上算一般;评分 4 分以上算好,2.5 分及以下算差,打分不到 100 人不评。再加上用户评价。
收藏数能刷,所以只占一项;更新和问题处理很难刷。数据每天更新,超过两周没更新的不评。
最近更新和热度
GitHub 收藏
108,124 次净增 +1,7302026/10/12—2026/11/102026/11/10 · 108,124 次
查看每日记录
| 日期 | GitHub 收藏(次) |
|---|---|
| 2026/10/12 | 106,394 |
| 2026/10/13 | 106,446 |
| 2026/10/14 | 106,475 |
| 2026/10/15 | 106,556 |
| 2026/10/16 | 106,631 |
| 2026/10/17 | 106,693 |
| 2026/10/18 | 106,756 |
| 2026/10/19 | 106,809 |
| 2026/10/20 | 106,905 |
| 2026/10/21 | 106,991 |
| 2026/10/22 | 107,071 |
| 2026/10/23 | 107,120 |
| 2026/10/24 | 107,173 |
| 2026/10/25 | 107,233 |
| 2026/10/26 | 107,288 |
| 2026/10/27 | 107,372 |
| 2026/10/28 | 107,417 |
| 2026/10/29 | 107,465 |
| 2026/10/30 | 107,530 |
| 2026/10/31 | 107,572 |
| 2026/11/01 | 107,615 |
| 2026/11/02 | 107,668 |
| 2026/11/03 | 107,723 |
| 2026/11/04 | 107,781 |
| 2026/11/05 | 107,836 |
| 2026/11/06 | 107,884 |
| 2026/11/07 | 107,939 |
| 2026/11/08 | 107,987 |
| 2026/11/09 | 108,048 |
| 2026/11/10 | 108,124 |
能替代它的
标出的是和 LLMS From Scratch 不一样的地方
Happy LLM综合评价:一般更侧重系统性原理讲解与完整的模型训练流程还没人评 · 285 天前更新
AI Engineering From Scratch综合评价:不错不仅手写模型底层,还涵盖智能体等工程系统还没人评 · 今天更新
LLM Course综合评价:谨慎提供完整学习路线与更广泛的大模型实操代码还没人评 · 278 天前更新
| 软件 | 起步价 | 难不难用 | 中文 | 开源 | 口碑 | 最近更新 |
|---|---|---|---|---|---|---|
| LLMS From Scratch | — | 要写代码 | 没写明 | 代码公开 | 还没人评 | 1 天前 |
| Happy LLM | — | 打开网页就能用 | 有中文界面 | 代码公开 | 还没人评 | 285 天前 |
| AI Engineering From Scratch | 免费 | 打开网页就能用 | 有中文界面 | 开源 | 还没人评 | 今天 |
| LLM Course | 免费 | 要写代码 | 没写明 | 开源 | 还没人评 | 278 天前 |
逐项对比LLMS From Scratch 对
| LLMS From Scratch | Happy LLM | |
|---|---|---|
| 起步价 | — | — |
| 难不难用 | 要写代码 | 打开网页就能用 |
| 中文 | 没写明 | 有中文界面 |
| 开源 | 代码公开 | 代码公开 |
| 口碑 | 还没人评 | 还没人评 |
| 最近更新 | 1 天前 | 285 天前 |
标黄的是两款不一样的地方
用户口碑
还没有人点评。用过的话,写下第一条真实体验,帮后来的人少踩坑。
数据来源:GitHub,每天更新,更新时间 2026 年 11 月 10 日。 信息有误?告诉我们。
发布软件评论