想系统学 AI，又不知道从哪下手，Karpathy 的 7 个仓库串成了一条现成的学习链路。层层递进，从神经网络一路学到智能体开发，7 个仓库累计超 30 万 Star，照着这个顺序啃就行。
1. micrograd：神经网络到底是怎么学习的，先把反向传播这层窗户纸捅破。
2. makemore：从零搭一个字符级语言模型，理解语言模型是怎么“学会说话”的。
3. nanoGPT：亲手训一个 GPT，从数据到训练全流程走一遍。
4. minbpe：搞懂 tokenizer 是怎么切词的，模型眼里的文字长什么样。
5. llm.c：不靠框架，用 C 直接训练大模型，把训练过程拆到最底层。
6. nanochat：从训练到聊天界面，一个完整的 ChatGPT 小样，端到端跑通。
7. autoresearch：能自己通宵跑实验的研究智能体，学到最后直接上智能体开发。
这条线的好处是每一步都有明确的产出：先懂原理，再动手训模型，最后做出能干活的智能体。有兴趣深度钻研 AI 的，先把这条学习链路收藏起来，按顺序一个一个过。
正文完