Top AI Repos — open-source AI, indexed and scored
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
AI 应用开发、AI 编程实战与面试指南，涵盖 LLM、Agent、RAG、MCP、Claude Code、Codex 等核心技术与工程实践。
| Date | Stars |
|---|---|
| 2026-07-31 | 474 |
| 2026-08-06 | 502 |
Today
+28 stars today
This week
— stars this week
This month
— stars this month
Momentum
97.0
growth rate 0.00%/day
# AI 应用开发 你好，我是 [JavaGuide](https://javaguide.cn/) 的作者。最近这段时间，我一直在补 AI 应用开发、AI 编程实战和 AI 面试这几块内容。 这份开源指南写给所有想系统学习 **AI 应用开发与 AI 工程化落地** 的同学：后端、前端、测试、架构师、技术管理者、产品技术同学都可以看。你不需要先转算法岗，也不需要一上来就啃训练框架和论文公式；这里重点放在 LLM、Agent、RAG、MCP、Prompt、评测、系统设计、Claude Code、Codex 这些做应用时会真正用到的东西。 如果你本来是 Java / Go 后端，会更容易把高并发、缓存、数据库、消息队列、可观测性这些经验迁移过来；如果你是前端、测试或产品技术方向，也可以从 Prompt、RAG、Agent、AI Coding、评测和系统设计切入，理解一个 AI 功能从 Demo 到上线到底要补哪些环节。 - **项目地址**：<https://github.com/Snailclimb/AIGuide> - **在线阅读**：<https://javaguide.cn/ai/> - **AI 编程专题**：<https://javaguide.cn/ai-coding/> 目前每篇文章都会尽量配上真实工程场景、关键参数、踩坑点和图解。内容还在持续更新，有帮助的话欢迎 Star，也欢迎提 Issue 一起补充。  发布之后，收到了不少读者朋友的反馈和推荐。感谢大家，我会继续维护。  ## Agent Skills AIGuide 仓库里也会同步维护一部分可直接安装的 Agent Skill，目前已提供： - `drawio-chart`：根据需求生成专业的 draw.io 图表，支持流程图、架构图、时序图、ER 图等，并可导出为 PNG/SVG/PDF。 - `java-coding-standards`：为 Java / Spring Boot 项目提供分层架构、编码风格、事务、异常、日志、性能与测试方面的工程规范。 安装方式： ```bash npx skills add Snailclimb/AIGuide --path skills/drawio-chart ``` 如果你主要在 Codex 里使用，也可以直接从 GitHub 安装： ```bash python3 ~/.codex/skills/.system/skill-installer/scripts/install-skill-from-github.py \ --repo Snailclimb/AIGuide \ --path skills/drawio-chart ``` ## 怎么读 如果你是第一次系统学 AI 应用开发，建议按这个顺序走： 1. 先看 **大模型基础**：把 Token、上下文窗口、采样参数、API 调用、结构化输出和评测搞清楚。 2. 再看 **RAG**：企业知识库问答最常见，坑也最多，文档处理、向量检索、更新链路和评测都得补。 3. 接着看 **AI Agent**：重点理解 Tool Calling、Memory、MCP、Skills、Workflow / Graph / Loop。 4. 最后看 **AI 系统设计**：把 Demo 放进生产环境，处理网关、限流、fallback、成本、观测、安全和灰度。 AI Coding 不是另一条完全独立的线。它更像是日常研发方式的升级，写业务代码、改前端页面、补测试、做重构、查线上问题都能用。建议一边学 AI 应用开发，一边用 Claude Code、Codex、Cursor、Trae 这类工具练起来。 ## 学习路线与建议 - [学习路线合集（2026 最新版）](https://javaguide.cn/roadmap/)：统一整理 Java 后端、AI 应用开发、AI Agent 和全栈方向的系统学习建议。 - [Java/Go 开发者 AI 应用开发与 Agent 学习路线（2026 最新版）](https://javaguide.cn/roadmap/java-to-ai-roadmap.html)：面向后端开发者，按大模型基础、LLM API、Prompt、RAG、Agent、工程化和项目实战拆解学习路径。 - [后端开发者转型 AI Agent 学习建议（2026 最新版）](https://javaguide.cn/roadmap/backend-to-ai-agent-roadmap.html)：先判断是否适合转型，再看 Java AI 与 Python AI 怎么选、能投什么岗位、应该如何学习。 - [后端开发者全栈学习路线（2026 最新版）：AI 时代如何补齐前端和交付能力](https://javaguide.cn/roadmap/full-stack-roadmap.html)：结合 AI 编程工具，补齐前端、接口联调、权限、部署和独立交付能力。 ## 面试题 - [AI 应用开发面试题专题](https://javaguide.cn/ai/interview-questions/)：按大模型基础、AI Agent、RAG 和 AI 系统设计组织复习路线。 - [AI 应用开发面试指南](https://javaguide.cn/ai/interview-questions/ai-interview-guide.html)：把 LLM、RAG、Agent、系统设计这几条线串起来，适合系统复盘。 - [大模型基础面试题总结](https://javaguide.cn/ai/interview-questions/llm-interview-questions.html)：Token、上下文窗口、结构化输出、模型调用等高频问题。 - [AI Agent 面试题总结](https://javaguide.cn/ai/interview-questions/agent-interview-questions.html)：Agent Loop、Tool Calling、Memory、MCP、工作流编排等问题。 - [RAG 面试题总结](https://javaguide.cn/ai/interview-questions/rag-interview-questions.html)：Embedding、向量数据库、混合检索、Rerank、GraphRAG、RAG 评测。 - [AI 系统设计面试题总结](https://javaguide.cn/ai/interview-questions/ai-system-design-interview-questions.html)：AI 应用架构、模型网关、成本控制、可观测、安全合规。 ## 大模型基础 - [大模型基础专题](https://javaguide.cn/ai/llm-basis/)：从模型运行机制、API 调用、结构化输出到 AI 应用评测，先把调用链路看明白。 - [LLM 运行机制：Token、上下文窗口与采样参数怎么影响输出](https://javaguide.cn/ai/llm-basis/llm-operation-mechanism.html)：把 Token、上下文窗口、Temperature、Top-p、Max Tokens 这些基础概念讲透。 - [大模型 API 调用工程实践：流式输出、重试、限流与结构化返回](https://javaguide.cn/ai/llm-basis/llm-api-engineering.html)：从 Hello World 走到生产可用，重点看 SSE、超时、重试、取消、幂等和异常处理。 - [大模型结构化输出：从 JSON 契约到 Function Calling 落地](https://javaguide.cn/ai/llm-basis/structured-output-function-calling.html)：JSON Schema、Structured Outputs、Function Calling、MCP Tool 和服务端校验怎么配合。 - [AI 应用评测体系：从 Golden Set 构建到线上灰度闭环](https://javaguide.cn/ai/llm-basis/llm-evaluation.html)：不要靠体感上线，学会用 Golden Set、LLM-as-Judge、Trace 回放和 CI 回归评估 AI 功能。 ## AI Agent - [AI Agent 专题](https://javaguide.cn/ai/agent/)：从 Agent 基础概念、Memory、Prompt、Context 到 MCP、Skills 和 Harness Engineering。 - [AI Agent 核心概念：Agent
Excerpt of 9,047 characters
Read on GitHub
6
Would you bet a product on this? Bounded 0–100 and slow moving.
matched fp:d0569957283ed772, topic:rag, topic:graphrag, topic:context-engineering