AI工程教程库登GitHub趋势榜 93个项目4万星

时间：2026 年 11 月 1 日晚，北京时间 19 时前后，GitHub 仓库 patchy631/ai-engineering-hub 出现在 GitHub 每日趋势榜上；11 月 2 日凌晨它仍列在 aihot.today 的 GitHub Trending 快照里，同批上榜的还有 kornia、FreeToken、AiSOC 等项目。 地点：线上，主角是 GitHub 上的 patchy631/ai-engineering-hub 仓库，配套的 AI Engineering Roadmap 学习路线仓库挂在同一个账号下；作者另在 Daily Dose of Data Science 上运营同名 newsletter。 人物：仓库作者 patchy631（Daily Dose of Data Science 作者），以及用 PR 往仓库里加教程的社区贡献者 sitammeur、nikhil-1e9、namanvirk18、ChawlaAvi。 事件详情：AI Engineering Hub 是一个 MIT 协议的 GitHub 教程仓库，README 自称收录 93 个以上可直接跑起来的 AI 工程项目，按难度分成初级 22 个、中级 48 个、高级 23 个三档。初级部分是 OCR 与本地对话界面：LaTeX OCR、Llama OCR、Gemma-3 OCR、Qwen 2.5 OCR，以及用本地 ChatGPT 跑 DeepSeek-R1、Llama 3.2、Gemma 3、Qwen3、GPT-OSS 的实现和带推理可视化的 Thinking UI；再加上基础 RAG，比如 LlamaIndex 加 Ollama 的简单 RAG、SambaNova 加 Qdrant 的检索栈、ModernBERT RAG、Llama 4 RAG。中级部分覆盖 CrewAI、AutoGen、Motia 的 Agent 工作流、语音与音频项目、高级 RAG 和一批 MCP 应用，含 Cursor Linkup MCP、LlamaIndex MCP 本地客户端、Firecrawl 智能 RAG、Ragas 视频 RAG、AssemblyAI 语音 Agent，还放了模型横评，例如 Llama 4 对 DeepSeek-R1、Qwen3-Coder 对比、GPT-OSS 对 Qwen3、o3 对 Claude Code。高级部分是微调与生产部署：用 Unsloth 和 Ollama 做 DeepSeek 微调、自己搭一个类 DeepSeek-R1 的推理模型、从零实现 Transformer、带引用和播客的 NotebookLM 克隆，以及多智能体深度研究系统、多平台深度研究系统和网页浏览智能体。 GitHub 仓库公开接口显示它累计 40,128 个星标、6,477 个复刻、133 个待处理 issue，主语言是 Jupyter Notebook，仓库建于 2024 年 10 月 21 日，提交数 553 次，标签是 agents、ai、llms、machine-learning、mcp、rag。aihot.today 当晚的 GitHub Trending 快照记的是 39,713 个星标、6,439 个复刻，AISignal 记录的增速是每周 1,029 个星标。仓库最近一次提交在 10 月 30 日，加入了一个多智能体 omnigraph 演示。 背景：仓库 2024 年 10 月建起来，靠作者和社区一年多的 PR 积累到现在的体量。它进入中文社区视野更早，AgentGuide 的优质 Agent 项目集合清单收录了它，那份清单记录的星标数是 21.2k 以上，中文自媒体也以 3.6 万星介绍过这套教程。这轮趋势榜上同批走红的 kornia、FreeToken、AiSOC 都是把一项工程能力打包成可直接跑的代码的路线。和 superpowers 那种把工程纪律写进技能文件、靠插件市场分发的项目不同，AI Engineering Hub 走的是代码与 notebook 路线，每个目录是一个可运行的小项目。 影响：对国内开发者，它省掉的是自己搭环境的时间，OCR、RAG、Agent、MCP、微调这五类都有现成工程样本，MIT 许可也能直接改。需要注意的是它本质是教程集合而不是框架，学习路径按初级到高级排列，某个项目对应的模型版本和依赖是否还跟得上要自己判断；星标一周涨 1,029 个说明关注度还在上升，榜单快照也会随时变。 总结：AI Engineering Hub 的路子是把每个 AI 工程话题都做成一个能跑起来的 demo，93 个项目分三档覆盖了从本地 OCR 到生产级 RAG 的完整链条，MIT 许可、4 万星、近期仍在补新 demo。相较主打框架抽象的项目，它的门槛更低，不用理解编排，照着 notebook 跑就能拿到一个可改的实现。想跟进的开发者可以先跑通初级项目的本地模型对话和基础 RAG，确认环境无误再进 MCP 与微调部分。 常见问题： 问：AI Engineering Hub 是什么？ 答：一个 MIT 许可的 GitHub 教程仓库，收了 93 个以上能独立运行的 AI 工程实战项目，分初级、中级、高级三档。 问：这些项目主要用什么框架？ 答：覆盖 LLM、RAG、Agent 和 MCP，代码里用到 LlamaIndex、CrewAI、AutoGen、Ollama、DeepSeek 等。 参考来源： aihot.today AI 资讯页（2026-11-01 晚 GitHub Trending 快照） https://aihottoday.vercel.app/ai-news GitHub 仓库主页 https://github.com/patchy631/ai-engineering-hub README 原文（93 个项目分类明细） https://raw.githubusercontent.com/patchy631/ai-engineering-hub/main/README.md 仓库提交记录（2026-10-30 最新提交） https://github.com/patchy631/ai-engineering-hub/commits/main.atom GitHub 仓库公开数据（星标、复刻、创建时间、标签） https://api.github.com/repos/patchy631/ai-engineering-hub AISignal 项目页（星标数与周增速） https://www.aisignal.dev/repo/patchy631/ai-engineering-hub AtomGit 中文项目页（提交数、协议与星标） https://atomgit.com/GitHub_Trending/ai/ai-engineering-hub AgentGuide 中文资源清单（项目构成与早期星标数） https://raw.githubusercontent.com/adongwanai/AgentGuide/refs/heads/main/resources/project-catalogs/agent-project-collections.md