tingaicompass/AI-Compass

解决的问题

AI-Compass 提供了一个结构化、全面的 AI 技术学习生态系统。它解决了 AI 领域信息碎片化的问题，将从基础理论到前沿应用的各类资源，组织成一条系统化的学习路径，适用于初学者、开发者、产品经理和研究人员。

如何工作

该项目将 AI 知识划分为九个核心模块：

• Blog：关于 Python、算法和 LLM 指南的系统性技术文章。
• Code：可执行的 AI 工程示例（例如使用 Milvus 构建的 RAG 系统）。
• Basic Knowledge：工具发现、提示工程、模型基准测试、LLM/多模态模型集合的入门点。
• Technical Frameworks：嵌入模型、训练框架、推理部署和 RLHF 相关资源。
• Application Practice：聚焦于 RAG+工作流、Agent 和 GraphRAG 等高级架构。
• Products & Tools：AI 应用、产品和竞赛资源。
• Learning Resources：学术工具、面试准备和学习平台。
• Enterprise Open Source：来自华为、腾讯、阿里巴巴等大型企业的资源。
• Community & Platforms：生态系统资源和技术论坛。

此外，它还提供每周亮点，追踪最新的 AI 趋势，并可作为本地知识库集成到 Claude Code 或 Cursor 等 AI 编码代理中。

适用人群

• AI 初学者：需要系统路径来构建基础认知框架的人。
• 技术开发者：希望获得工程指南以提升 AI 项目部署与开发效率的人。
• 产品经理：希望了解 AI 设计方法论和市场案例研究的人。
• 研究人员：关注前沿趋势和学术资源的人。
• 企业团队：需要技术选型与实施计划以推动 AI 转型的人。
• 求职者：希望凭借实际项目经验准备 AI 面试的人。

亮点

• 全面的栈：涵盖从基础 ML/DL 到高级 RAG 和 Agent 架构的全部内容。
• 代理就绪：专为克隆并用作 AI 编码代理的本地知识库而设计。
• 精选周度更新：定期追踪并分析新模型发布和 AI 工具。
• 实践性工程：包含可运行的代码示例，支持真实世界实现。