Datawhale 是国内非常活跃且高质量的 AI 开源学习社区，自 2018 年以来持续输出系统化、实战导向、中文友好的 AI 教程。截至 2026 年初，其在大模型（LLM）、智能体（Agent）、AI 工程化、Prompt 工程等方向已形成完整的学习生态。
以下是 Datawhale 主要的 AI 相关开源教程与学习项目（按难度和方向分类）：
🟢 一、零基础入门 & 通识类
适合完全新手、非技术背景或中小学生
| 教程名称 | 特点 | 链接 |
|---|
| 《中小学 AI 通识课》 |
面向青少年的 AI 启蒙课程，无代码，重思维 |
[GitHub 搜索 "datawhale ai-for-k12"] |
| 《AI通识课：AI+游戏》 |
通过游戏理解 AI 决策、强化学习等概念 |
官网/公众号可查（2025年上线） |
| 《AI通识课：AI答疑Agent》 |
构建一个能回答问题的简单 Agent |
初级学习营内容 |
🟡 二、大模型应用开发（推荐大多数开发者从这里开始）
| 教程名称 | 星标 | 特点 | 链接 |
|---|
| LLM-Universe |
⭐8.8k |
零基础构建个人知识库助手，覆盖 RAG + API + 部署 |
https://github.com/datawhalechina/llm-universe |
| LLM-Cookbook |
⭐20.1k |
基于吴恩达课程的中文实践版，含 Prompt、RAG、微调 |
https://github.com/datawhalechina/llm-cookbook |
| Hello-Agents |
新 |
系统性学习 AI Agent，包含 ReAct、工具调用、多步推理 |
2025年12月组队学习项目（GitHub 可搜） |
🔵 三、大模型原理与训练（进阶）
| 教程名称 | 星标 | 特点 | 链接 |
|---|
| Happy-LLM |
⭐4.8k |
“快乐学大模型”：从 NLP 基础到手写 LLaMA2，含 Tokenizer、训练流程 |
https://github.com/datawhalechina/happy-llm |
| Self-LLM（开源大模型食用指南） |
⭐19.8k |
专为中国开发者设计，涵盖本地部署、LoRA 微调、多模态、Hunyuan 模型实战 |
https://github.com/datawhalechina/self-llm |
| 动手学大模型应用开发 |
- |
面向开发者的 LLM 入门课，强调工程落地 |
Datawhale 官网课程页 |
🔴 四、竞赛 & 实战项目
| 项目 | 内容 |
|---|
| 电信客户流失预测挑战赛 |
经典机器学习实战（适合 ML 入门） |
| 天池 AI 攻防生成赛（图片全要素交互认证） |
2025 全球 AI 攻防挑战赛，DW 提供 baseline 教程 |
| 科大讯飞合作竞赛 |
涉及语音、NLP 等真实场景任务 |
🧩 五、工具与工程化
| 教程/项目 | 说明 |
|---|
| n8n 自动化教程 |
用 n8n + AI 实现 GitHub Trending 自动追踪与总结（低代码自动化） |
| Joyful-Pandas / fantastic-matplotlib |
数据处理与可视化的经典 Python 教程（虽非 AI 核心，但为必备前置技能） |
🌐 学习方式建议
- 官网入口：https://www.datawhale.cc
- GitHub 组织页：https://github.com/datawhalechina
- 微信公众号：搜索 “Datawhale”，获取最新组队学习通知（通常每月一期