最近在找中文圈的大模型教程翻到了 Datawhale 的《开源大模型食用指南》self-llmGitHub 上 3.2 万 Star截至撰稿时全中文而且是真的在教不是列个目录就完事。名字起得就好。“食用指南”——吃大模型的指南。这种接地气的命名背后是它跟那些翻译腔教程完全不同的定位为国内初学者量身定做。01中文大模型教程的两极分化说实话中文圈的大模型教程一直存在两个极端一个是调用 API 教程——教你申请个 Key、调几个接口半小时学会但学完只会调用别人的模型接口并不懂本地部署、微调的完整流程另一个是英文教程的中文翻译——内容是好但环境对不上人家用 A100 集群你用一张 4060人家踩的坑跟你在国内网络环境踩的坑根本不是一回事。《食用指南》恰恰填了中间那个空基于 Linux、针对国内环境、从零开始把本地部署和微调讲透。02它到底教什么项目的主要内容就四大块Linux 环境配置——针对不同模型要求给出详细的环境配置步骤主流开源 LLM 部署——LLaMA、ChatGLM、InternLM、Qwen、DeepSeek 等国内外模型逐个教部署应用——命令行调用、在线 Demo 部署、LangChain 框架集成模型微调——全量微调、LoRA、ptuning由浅入深注意这个顺序它就是官方建议的学习路径先环境配置再部署使用最后学微调。新手可以从 Qwen、InternLM、MiniCPM 这些模型先练手。GitHub 页面顶部仓库名 / star / README 简介与主要内容来源GitHub README03我最看重的50 模型每个都是真教程这个项目最硬核的地方在这仓库覆盖 50 主流大语言模型绝大多数模型都配有从环境配置到跑通 Demo 的分步部署、微调教程而不是只甩一个链接。Qwen3.5、MiniCPM5、Kimi-K2.5、DeepSeek-R1、GLM、Llama4、Gemma3、InternLM3、MiniMax、百川、Yi……国内外的都在里面。而且它连国产硬件都照顾到了AMD GPUROCm专区、昇腾 Ascend NPU 专区、Apple M 系列专区沐曦硬件适配教程尚在社区规划中。对国内用户来说这解决了最大的现实问题——不是人人都有 N 卡但人人都有台能跑模型的机器。README「已支持 50 主流大语言模型」表格AMD ROCm / 昇腾 NPU / Apple M 国产硬件专区04 玩着学Example 系列教程容易枯燥项目中也收录了不少社区热门实战案例的复现流程Chat-嬛嬛——用《甄嬛传》剧本里所有甄嬛的台词做 LoRA 微调得到一个说话阴阳怪气的嬛嬛聊天模型这个案例当年在圈子里传得特别广天机——人情世故社交场景的全流程应用提示词工程、智能体、数据微调、RAG 一条龙AMChat——基于 InternLM2-Math-7B 微调的高数解题模型数字生命——用作者本人的语料微调出一个数字人这些案例大多来自社区仓库给出了可以跟着跑通的复现步骤。这些案例最大的价值是让人看到微调不是实验室里的黑魔法是每个人都能上手的事。Example 系列案例截图Chat-嬛嬛 / 天机 / AMChat / 数字生命来源GitHub README05我喜欢的几个细节每个模型都是完整教程不是链接。很多项目号称支持 XX 模型点进去就一个 README 链接。它是一步一步写给你看的。学习路径清晰。环境 → 部署 → 微调官方直接告诉你顺序还告诉你新手该从哪个模型开始少走弯路。国产硬件覆盖。AMD、昇腾、Apple M 都有专区这是国内教程里极少见的。生态完整。学完它想深入原理有 Happy-LLM想手写 RAG/Agent 有 Tiny-Universe想学理论有 so-large-llm想搞应用开发有 llm-universe——一个 Datawhale 把学习链路全包了。06适合谁想本地跑开源大模型但被环境配置劝退过的人不想只会调 API、想真正部署和微调模型的人学生党没钱租 A100就用自己电脑学它连 AMD/Apple 芯片都教——不过部分大模型对显存依然有硬性门槛优先选小参数模型在个人设备练习想给公司搭私有化大模型的人——部署、微调、服务化一条龙都有深度思考与延伸写这篇的时候我一直在想一个问题为什么这种教程是中文社区长出来的而不是从英文翻译来的答案其实藏在细节里。翻译腔教程默认你有一个标准环境而《食用指南》默认你只有一台普通电脑。它专门写 AMD 怎么写、昇腾怎么写、国内网络怎么配、4060 怎么凑合——这些是英文社区永远不会替你考虑的问题。这给我的启发是好的产品不是功能最多而是把目标用户的环境摸得最透。做软件、做工具、做内容道理都一样——你不需要覆盖所有人你需要把一类人服务到极致。第二层想法关于食用指南这个名字。它把学习大模型这件事从研究降维成了吃饭——先吃饱把模型跑起来再吃好做微调最后研究菜谱底层原理。这种降低心理门槛的设计本身就是产品思维用户不是不想学是被部署大模型四个字吓住了。第三层也是老生常谈但我想再说一遍的免费的教程解决会用解决不了为什么。跟着教程把 Qwen 微调出嬛嬛味很爽但那是别人的菜谱。真正属于自己的东西是你从这些教程里提炼出方法后动手解决自己工作里那个具体问题——那一步教程帮不了你只有你自己能走。07结尾项目地址https://github.com/datawhalechina/self-llm复制链接在浏览器打开如果你一直在收藏大模型教程但没真正跑通过一个模型这篇就是给你的信号找台 Linux 机器或者虚拟机Windows 用户可使用 WSL2挑一个 Qwen 或 MiniCPM从环境配置开始跟着走一遍。跑通的那一瞬间你会觉得大模型没那么神秘。这里给大家精心整理了一份全面的AI大模型学习资源包括AI大模型全套学习路线图从入门到实战、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等资料免费分享扫码免费领取全部内容1. 成长路线图学习规划要学习一门新的技术作为新手一定要先学习成长路线图方向不对努力白费。这里我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。2. 大模型经典PDF书籍书籍和学习文档资料是学习大模型过程中必不可少的我们精选了一系列深入探讨大模型技术的书籍和学习文档它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。书籍含电子版PDF3. 大模型视频教程对于很多自学或者没有基础的同学来说书籍这些纯文字类的学习教材会觉得比较晦涩难以理解因此我们提供了丰富的大模型视频教程以动态、形象的方式展示技术概念帮助你更快、更轻松地掌握核心知识。4. 2026行业报告行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5. 大模型项目实战学以致用当你的理论知识积累到一定程度就需要通过项目实战在实际操作中检验和巩固你所学到的知识同时为你找工作和职业发展打下坚实的基础。6. 大模型面试题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我们将提供精心整理的大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。7. 资料领取全套内容免费抱走学 AI 不用再找第二份不管你是 0 基础想入门 AI 大模型还是有基础想冲刺大厂、了解行业趋势这份资料都能满足你现在只需按照提示操作就能免费领取扫码免费领取全部内容