OPEN BOOKS · 精选 6 本开源 AI 书
免费又靠谱的开源 AI 书
作者公开在 GitHub 上的 AI 好书，都能免费在线读或下载。按从入门到硬核排好了顺序：先建立直觉，再学做 Agent，最后啃强化学习和算力。
提供在线阅读PDFEPUB配套代码
书单
共 6 本
-
神经网络与深度学习（蒲公英书）
nndl/nndl中文圈很多人入门深度学习的第一本教材，现在有第二版和通识版两个版本，电子版都能免费下载。通识版公式少、例子多，适合先建立直觉；第二版更系统，适合想把理论学扎实的人。
书里讲什么
- 通识版：先看懂用故事、案例和生活类比讲神经网络，几乎不用公式。
- 第二版：学系统从机器学习基础讲到卷积、循环网络、注意力和生成模型。
- 配套 PyTorch 练习第二版有单独的动手实践仓库，可以边学边跑代码。
读前须知
建议先读通识版，再读第二版；第二版需要一点线性代数、微积分和概率基础，书末附有数学附录。
使用和转载前请先看仓库里的版权说明。
-
Agentic Design Patterns 中文版
xindoo/agentic-design-patterns一位谷歌工程师把搭建 AI Agent 的常见套路整理成 21 个设计模式，社区把全书译成了中文。每章讲一个模式：什么时候用、怎么搭、有什么坑，很适合拿来对照自己的 Agent 设计。
书里讲什么
- 基础模式提示链、路由、并行、反思、工具使用、规划。
- 进阶协作多智能体协作、记忆、RAG、MCP、Agent 之间通信。
- 工程落地异常恢复、人工介入、安全防护、评估监控、资源优化。
读前须知
这是社区翻译版，遵循原书的许可条款，仅供学习交流。
不想下载可以直接在线读，章节之间相对独立，挑感兴趣的看就行。
-
深入理解 AI Agent：设计原理与工程实践
bojieli/ai-agent-book全书围绕一个公式展开：Agent = 大模型 + 上下文 + 工具。核心观点是：模型之外的工程能力，才是 Agent 好不好用的关键。从上下文工程、记忆、工具讲到评估、后训练和多 Agent 协作，还配了上百个可以动手跑的实验。
书里讲什么
- 上下文与记忆怎么给 Agent 准备合适的信息，怎么让它记住用户和知识。
- 工具与编程 Agent工具设计、编程 Agent、通用 Agent 是怎么做出来的。
- 评估、训练与进化怎么评估 Agent，模型后训练，以及多 Agent 协作。
读前须知
共 10 章，每章都有配套实验代码；只想理解思路的话，跳过代码也能读。
原文是中文，仓库里还有多种语言的社区译本；作者仍在持续更新。
-
Hands-On Modern RL：动手学现代强化学习
walkinglabs/hands-on-modern-rl先动手、再讲公式的强化学习实战教程。从 CartPole 倒立摆这样的小游戏讲起，带你理解状态、动作和奖励，再一路讲到 PPO、RLHF、DPO、GRPO 这些大模型后训练里常见的算法。每章都配可以运行的 Python 代码。
书里讲什么
- 从小游戏开始用 CartPole 等小实验，先建立对强化学习的直觉。
- 讲到大模型对齐RLHF、DPO、GRPO、推理模型等大模型后训练方法。
- Agent 与多模态工具调用 Agent、浏览器 Agent、视觉语言模型的强化学习。
读前须知
需要会一点 Python 和 PyTorch；大模型相关的章节可能要用到显卡，建议从第 1 章开始。
作者说明教程借助 AI 编写、尚未完全审校，个别内容或代码可能有错，遇到问题可以对照官方文档。
采用 CC BY-NC-SA 4.0 协议，不能用于商业用途。
-
强化学习的数学原理
MathFoundationRL/Book-Mathematical-Foundation-of-Reinforcement-Learning从数学角度讲强化学习：不只告诉你算法怎么跑，还讲清它为什么这样设计、为什么有效。不需要强化学习背景，适合想把原理真正弄懂的人。配有中英文视频课程，可以边看课边读书。
书里讲什么
- 从基本概念讲起状态价值、贝尔曼方程、最优策略，一步步推导。
- 经典算法值迭代、策略迭代、蒙特卡洛、时序差分方法。
- 走向深度强化学习值函数近似、策略梯度、Actor-Critic。
读前须知
需要概率论和线性代数基础，书里附录有简要回顾。
中文视频课程在 B 站作者主页，英文课程在 YouTube；纸质版已正式出版。
-
深入理解 AI Infra：量化分析与系统设计
bojieli/ai-infra-book《深入理解 AI Agent》的姊妹篇，讲怎么把大模型“跑起来”的资源账算明白：从显卡能力和模型结构出发，估算计算量、显存、带宽和功耗，再推导推理和训练系统该怎么设计。延迟和成本差几倍，产品体验和商业模式可能都不一样。
书里讲什么
- 从硬件算起模型架构、加速器、算子与运行时，先算清每一步要多少资源。
- 推理与训练推理优化、分布式推理、训练系统怎么设计。
- 集群与调度超节点、数据中心网络、资源调度和端云协同。
读前须知
这是仍在更新的书稿，内容会继续调整。
偏工程和系统设计，适合已经了解大模型基本原理、想深入了解算力和部署的人。
没有找到匹配的书
换一个关键词试试，比如“Agent”或“入门”。