coderonion/awesome-llm-and-aigc · 上手攻略

• 仓库：coderonion/awesome-llm-and-aigc
• 链接：https://github.com/coderonion/awesome-llm-and-aigc
• 分类：llm · awesome-list · learning-resources
• 作者：Jay
• 更新：2026-08-25

这是什么

coderonion/awesome-llm-and-aigc 是一个 LLM / VLM / VLA / AIGC 领域的精选资源列表（Awesome List），按 Framework（模型/训练/推理/量化/RAG）、Application（IDE/聊天机器人/具身智能/代码助手/知识库等）、Dataset、Learning Resources、Community 等维度组织，目标是成为 LLM&AIGC 领域的一站式导航仓库。

截至 2026 年 8 月，拥有约 814 Stars、77 Forks，属于中等规模 awesome-list。

解决什么问题

LLM&AIGC 领域项目极多（模型、框架、数据集、应用、工具），分散在 GitHub、HuggingFace、arXiv 等各处。这个列表做了人工筛选+分类归档，让研究者和开发者可以快速找到：

• 某个方向有哪些主流项目（如：有哪些 RAG 框架？有哪些 RL 训练框架？）
• 每个项目对应的论文、Stars 和链接
• 从模型架构到应用层的全栈路线图

内容结构

├── Frameworks
│   ├── Official Version
│   │   ├── Neural Network Architecture（Transformer/KAN/FlashAttention）
│   │   ├── Large Language Model（GPT系列/LLaMA/Qwen/DeepSeek/MiniMax…）
│   │   ├── Large Vision Language Model
│   │   ├── Vision Language Action（机器人/具身AI）
│   │   ├── AI Generated Content（视频/图像生成）
│   │   ├── Performance Analysis & Visualization
│   │   ├── Training & Fine-Tuning Framework
│   │   ├── Reinforcement Learning Framework
│   │   ├── LLM Inference Engine（TensorRT/FlashAttention/llama.cpp…）
│   │   ├── LLM Quantization Framework
│   │   ├── Application Development Platform
│   │   ├── RAG Framework
│   │   └── Vector Database
│   └── Awesome List（指向其他 awesome-list）
├── Applications
│   ├── IDE / Chatbot / Object Detection / Autonomous Driving
│   ├── Robotics & Embodied AI / Code Assistant / Translator
│   ├── Local Knowledge Base / Long-term Memory
│   ├── Academic / Medical / Mental Health / Legal / Financial
│   ├── Math / Music / Speech / Animation / Food / PPT
│   ├── Multi-Agent Collaboration / AI Avatar / GUI
│   └── Tool Learning / Adversarial Attack
├── Datasets
│   ├── Awesome Datasets List
│   ├── Open Datasets Platform
│   ├── Humanoid Robotics / Text / Multimodal / SFT Datasets
│   └── Data Annotation Tools
├── Prompts
├── Open API
│   ├── Python / Rust / C# / Node.js API
├── Learning Resources
├── Community
└── Interview（面试题）

快速上手

直接打开 GitHub 页面浏览：

https://github.com/coderonion/awesome-llm-and-aigc

按 Ctrl/Cmd + F 在页面内搜索关键词（如 "RAG"、"quantization"、"DeepSeek"），快速定位感兴趣的方向。

如需离线阅读：

git clone https://github.com/coderonion/awesome-llm-and-aigc.git
cd awesome-llm-and-aigc
# 用任意 Markdown 阅读器打开 README.md

亮点内容速览

模型家族收录（部分）

推理框架收录

• vLLM：PagedAttention，高效 LLM 推理
• SGLang：结构化生成语言
• TensorRT-LLM：NVIDIA 高性能推理
• llama.cpp：纯 CPU/GPU 量化推理
• FlashAttention：IO-aware 高效注意力

RAG 框架收录

• LangChain、LlamaIndex、Haystack、Dify 等主流框架均收录
• 配合 Vector Database 章节（Milvus/Pinecone/Chroma 等）

与同类对比

本列表的优势是覆盖面宽（从模型训练到应用层到数据集都有），劣势是作为一个"awesome-list"性质的项目，内容深度有限，每个条目仅有链接和简短描述，不含详细评测或对比。

坑与注意

⚠️ Awesome-list 本质：这是导航性质的资源合集，不是深度教程；每个条目只有链接+简介，需要跳转原始项目才能了解详情。

⚠️ 内容时效性：列表由作者手动维护，LLM 领域迭代极快（2025-2026 新模型/新框架密集），建议在 GitHub 上查看 commit 历史确认最近更新时间。

⚠️ 无评测内容：不包含 benchmark 数字、对比表格或实战评测，不适合作为选型依据（更适合作为发现工具的起点）。

⚠️ 条目质量依赖上游：列表质量取决于各上游项目的质量，未做筛选评级，同一方向可能收录多个项目，用户需自行判断优先级。

⚠️ Stars 数量中等（814）：相比动辄 50k+ 的老牌 awesome-list（如 awesome-python 50k+），影响力有限，可能遗漏主流项目。

一句话结论

coderonion/awesome-llm-and-aigc 是一个覆盖 LLM/VLM/VLA/AIGC 全栈的精选导航列表，适合作为发现新工具和跟踪领域地图的起点书签；但因是 awesome-list 性质，深度有限，不适合作为选型或技术对比的权威来源——用它找方向，再逐个跳转原项目深入了解。