deep-learning-llm-agent-notes: 机器学习、深度学习的学习路径及知识总结

作者 loveunk · AI 工具 · ★ 2.9k

最后更新: · 由 Agent Skills Hub 收录 · 每 8 小时同步一次

安全审计结论:安全 · 质量分 47/100

44 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 44 条公开规则扫描,每 8 小时更新一次。 完整审计 →

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。

基本信息

Star 数2,854
Fork 数409
语言Jupyter Notebook
分类AI 工具
许可证MIT
质量分47/100
未关闭的 Issue144
最后更新2026-11-13
创建时间2019-01-31
估计 Token 数~17k

关于 deep-learning-llm-agent-notes

深度学习与大模型学习路径(2026) 面向中文学习者的 AI 学习路线图:从机器学习、深度学习基础,到大语言模型、RAG、Agent 和多模态工程实践。 本仓库的定位不是资料堆砌,而是帮你回答三个问题: 现在应该先学什么。 每个主题学到什么程度算够用。 如何从概念走到可运行的 AI 应用。 学习理念 AI 工具普及后,学习方式应该从“先补完所有理论”变成“先跑通最小闭环,再按问题补理论”。 本仓库采用四个原则: 先实践后理论:先让模型、数据和代码跑起来。 只深挖关键概念:向量化、梯度、过拟合、Transformer、检索、工具调用、评估。 按需回溯:遇到诊断、调优、评估问题时再回到数学和经典算法。 关注工程闭环:能部署、能评估、能定位错误,比只看懂概念更重要。 该从哪里开始 30 天新人路线 适合:从零开始,希望快速进入 AI/ML 领域。 建议顺序: Python 基础 NumPy...

兼容技能

和 deep-learning-llm-agent-notes 搭配使用的工具:

deep-learning-llm-agent-notes 的替代品:最接近的 6 个工具

想找 deep-learning-llm-agent-notes 的替代品?在 Agent Skills Hub 收录的 AI 工具里,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。

  • claude-code-infrastructure-showcase 作者 diet103 · ⭐ 10.1k

    Examples of my Claude Code infrastructure with skill auto-activation, hooks, and agents

  • vision-agent 作者 landing-ai · ⭐ 5.3k

    This tool has been deprecated. Use Agentic Document Extraction instead.

  • axton-obsidian-visual-skills 作者 axtonliu · ⭐ 3.7k

    Visual Skills Pack for Obsidian: generate Canvas, Excalidraw, and Mermaid diagrams from text with Claude Code

  • claudekit-skills 作者 mrgoonie · ⭐ 2.2k

    All powerful skills of ClaudeKit.cc!

  • EDRSilencer 作者 netero1010 · ⭐ 1.9k

    A tool uses Windows Filtering Platform (WFP) to block Endpoint Detection and Response (EDR) agents from report

  • perf-map-agent 作者 jvm-profiling-tools · ⭐ 1.7k

    A java agent to generate method mappings to use with the linux `perf` tool

更多 AI 工具

其他热门的 AI 工具:

查看全部 AI 工具 →

热门 Jupyter Notebook Agent 工具

这个安全评级是怎么来的

评级来自基于 SlowMist agent 安全分类法的规则扫描:44 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:

在 GitHub 上查看 → 浏览 AI 工具