想自學大型語言模型（LLM）同 Retrieval-Augmented Generation（RAG），但總係搵唔到由淺入深嘅實戰教程？尤其係想將 AI agent 應用落真實項目，又擔心入門門檻太高。patchy631 嘅 AI Engineering Hub 就係專為 AI 工程師同自學者設計嘅 GitHub 資源庫，提供分級項目教程，由 beginner 開始，一步步帶你掌握核心技術同實務應用。無論你係初學者定有經驗開發者，都可以喺呢度搵到合適嘅學習路徑，避免盲目跟風學理論。
Beginner Projects 帶你快速上手基礎 AI 項目
對於剛接觸 AI engineering 嘅用家，呢個 repository 嘅 Beginner Projects 部分特別貼心。呢啲綠色標記嘅項目專注基礎概念實作，例如 LLM 基本調用同簡單 RAG 流程，讓你唔使從零寫 code 就上手。打開 repository 之後，你會見到清晰嘅文件結構，每個項目都有步驟式指南同 code snippet，直接 copy paste 就跑得起。呢種設計特別適合學生或轉行 developer，避免咗傳統教程只講理論唔講 code 嘅痛點。
相比其他散亂嘅 GitHub repo，AI Engineering Hub 嘅 beginner 內容強調可重現性，每個項目都附帶環境設定指示同常見 debug tips。學完之後，你已經可以自己 build 簡單嘅 LLM 聊天 bot 或基本 RAG 查詢系統，為之後進階打好基礎。
Intermediate Projects 深化 RAG 與 LLM 整合技巧
跨過入門階段，黃色標記嘅 Intermediate Projects 就開始探討更複雜嘅整合應用，例如如何將 RAG 嵌入 LLM workflow，提升回應準確度。呢部分教程唔止停留喺 code 層面，仲會解釋背後嘅工程考量，比如 vector database 選擇同 embedding 優化。對於有基本 Python 同 ML 知識嘅 developer，呢度嘅內容可以幫你將零散知識串連成完整 pipeline。
repository 嘅獨特之處在於，每個 intermediate 項目都模擬真實場景，例如文件檢索或知識庫問答，讓你練習 production-level code。學緊嘅過程仲可以透過 Git history 追蹤更新，確保跟住最新 best practices。
Advanced Projects 實戰 AI agent 完整應用開發
紅色標記嘅 Advanced Projects 係 repository 嘅重頭戲，專注真實世界 AI agent 應用，例如多 agent 協作或複雜 RAG chain。呢啲教程假設你已有中級基礎，直接跳入高階主題如 agentic workflow 設計同 error handling。打開文件，你會發現詳細嘅 architecture diagram 同 scalability 討論，幫你理解點樣將 prototype 轉化落企業級部署。
同類資源入面比較少見嘅一點係，advanced 部分強調 real-world edge cases，例如 latency 優化同 cost control，配以 runnable Jupyter notebooks。呢種深度讓有經驗嘅 AI engineer 可以直接借鑒，提升自己嘅項目品質。
Resources 與 Topics 提供全面學習支援
除咗分級項目，repository 仲設有 Resources 同 Topics 區，彙整相關工具清單、論文連結同進階閱讀材料。無論你想深入 LLM fine-tuning 定 RAG 變種，都可以喺呢度搵到 curated list，節省搜尋時間。License 部分亦明確標記，方便商業或開源項目借用。
整體嚟講，AI Engineering Hub 透過 Navigation Menu 同 Folders 結構，讓你輕鬆瀏覽最新 commit 同歷史版本。對於香港 AI 社群嚟講，呢個免費資源庫係自學或團隊 training 嘅理想起點，幫你由 beginner 進化到能獨立 build AI agent。
產品名稱：AI Engineering Hub
官方網站：https://github.com/patchy631/ai-engineering-hub
