最后更新： · 由 Agent Skills Hub 收录 · 每 8 小时同步一次
42 条规则都没有命中：没有凭证窃取，没有数据外泄，没有 curl | sh 式安装。按慢雾（SlowMist）agent 安全分类法建立的 42 条公开规则扫描，每 8 小时更新一次。
质量分综合九项启发式检查：完整度、清晰度、具体程度、示例、结构、对 agent 的友好度、分步内容、指令质量和安全提示。它衡量的是项目把自己讲清楚的程度，不是代码质量。
| Star 数 | 79 |
| Fork 数 | 10 |
| 语言 | Python |
| 分类 | LLM 插件 |
| 许可证 | MIT |
| 质量分 | 54/100 |
| 最后更新 | 2026-09-16 |
| 创建时间 | 2026-06-25 |
| 支持平台 | python |
| 估计 Token 数 | ~13k |
Hands-on LLM · 动手学大模型：从手搓原理到落地应用 一条由理论到落地的大模型自学与实战路径：先读透原理，再用原生 PyTorch 手搓并完整跑通 预训练 → SFT → LoRA → DPO → GRPO → 可验证奖励 RLVR，然后读懂工业级微调框架、动手做 Agent，最后用 RAG 把模型落到真实场景。 所有训练实验都在单张消费级显卡（RTX 3080 Ti 12GB）上真实跑过，数字、曲线、生成样例与踩坑全部留档，不做"截图式学习"。 🧭 学习路线（建议按编号顺序） [](
想找 hands-on-llm 的替代品？在 Agent Skills Hub 收录的 LLM 插件里，下面 6 个项目和它最接近，按话题重合度、星数和社区热度排序。
Zero-friction LLM fine-tuning skill for Claude Code, Gemini CLI & any ACP agent. Unsloth on NVIDIA · TRL+MPS/M
🦀 Decoder-only LLM built from scratch in pure Rust using Candle — no Python, no PyTorch. Gated DeltaNet + spa
A travel agent based on Qwen2.5, fine-tuned by SFT + DPO/PPO/GRPO using traveling question-answer dataset, a m
The fastest way to build and start training your own LLM. CLI tool that scaffolds production-ready PyTorch tra
🌱 A little course on Reinforcement Learning Environments for evaluating and training Language Models
Awesome LLM Papers and repos on very comprehensive topics.
其他热门的 LLM 插件：
评级来自基于 SlowMist agent 安全分类法的规则扫描：42 条公开规则，覆盖凭证窃取、数据外泄、curl | sh 安装等。它是第一层扫描，不是人工审计 — 我们如实说明，不夸大。
问题规模有独立研究佐证：Liu et al. (2026) 对 31,132 个 agent skill 的研究发现，26.1% 含有安全漏洞。我们自己的全目录普查已作为可引用的开放数据集发布。
信源与负责人：