no-magic-ai/no-magic

解决的问题

no-magic 填补了机器学习教育中，高阶库调用（如 model.fit()）与晦涩学术论文之间的鸿沟。它提供了一种通过实现来理解 AI 算法内部机制的方法，这些代码清晰透明，且不包含现代框架的抽象层。

运作方式

本项目包含一系列精选的单文件 Python 脚本。每个脚本都是一个完整、可运行的程序，仅使用 Python 标准库从零开始实现特定的 AI 算法。大多数脚本遵循从零开始训练模型并进行推理的生命周期，部分则专注于比较或非学习机制。这些实现旨在标准笔记本电脑 CPU 上快速运行，无需 GPU 或外部依赖。

目标受众

• ML 工程师：想要了解所使用框架内部运作原理的人。
• 学生：从理论转向实践，希望看到算法如何转化为可执行代码的人。
• 转职者：需要对 ML API 底层流程建立直觉的人。
• 研究人员：寻求最小化参考实现，以便在没有框架开销的情况下进行原型设计的人。

特色亮点

• 零依赖：仅使用 Python 标准库，无需 pip install。
• 一文件，一算法：每个实现皆包含在单个脚本中。
• CPU 优化：设计为可在笔记本电脑 CPU 上于几分钟内运行。
• 广泛涵盖：包含 GPT、BERT、Diffusion、LoRA、PPO、Flash Attention 和 ReAct agents 的实现。
• 教育导向：优先考虑可读性，而非代码行数的优化。