首次Jev开课了！十月最丰富组队学习来了🥳（多达11个课程）
原创 一起学习的 2026-10-07 22:33 浙江
Datawhale学习
开源贡献：Datawhale团队
什么是组队学习
组队学习活动，于2018年8月2日由Datawhale发起，已经坚持组织了八年。
初衷很简单，就是一群志同道合的小伙伴，一起学习讨论，一起克服拖延，一起组队打Boss。没有老师，没有教学，有的是一群热爱学习、渴望改变的人，大家交流学习，互促共进。
往期：《李沐大神分享，全球733所高校，9027人共同学习》
本期学习内容
名额有限，先到先得！各学习时间重叠，每人限报 1 门。
报名成功后，会收到进群码，请务必本周内扫码加入学习小群，逾期无法进入。
一、LLM 专题 1. 开源教程：jev cookbook（从零入门 Jev） 课程简介 本次共学围绕 JEV Cookbook 展开，第一期以 JEV 基础认知、核心原语、Cookbook 实战与基础评测 为主。课程不追求一次性覆盖全部进阶内容，而是帮助大家先建立对 JEV 的基本理解，掌握 Choice / Score / Noul 三种核心问题原语，并通过真实案例理解 JEV 在分类、排序、路由、判断等任务中的使用方式。 学习形式以：教程阅读 + Notebook 实验 + 简单改造 + 学习总结 为主。第一期暂不重点展开 Agent 深度集成、Laya、本地模型、RLCD 微调等进阶内容，降低第一次学习门槛，优先保证大家能够跑通、理解并实际使用 JEV。 适合人群：适合有一定 Python 基础，对 JEV、System One Model 感兴趣，希望通过实战探索分类、路由、Tool Selection 等任务在 LLM / Agent / RAG 应用中如何实现的同学。 学习名额：360人 开源内容 https://github.com/datawhalechina/jev-cookbook 扫码报名学习 2. 开源教程：llm-algo-leetcode（大模型算法与系统教程-推理优化方向） 课程简介 这是一个面向大模型入门到进阶的Notebook-first 算法实战教程，以 LLM 为主线，帮助读者通过可运行、可验证、可回顾的 Notebook，从“会看”走到“会写、会调、会优化”。A practical tutorial with theory, walkthroughs, test cases, and solutions.（1）推荐学习方法：从Part02 PyTorch算法实战入手，可以结合Part01 数学硬件与系统一起学习，后面根据需求再去学习Part03 Part04 等。（2）其中，推理优化方向这条学习路包括请求、工作负载与指标，预填充与 Attention 计算路径，投机解码与解码加速， KV Cache 表示、管理与复用，服务迭代预算、调度与异构协同， 量化推理与单卡服务验证，分布式扩展与端到端决策等。（3）有打卡筛选制度 适合人群：对 LLM、MLSys 推理优化感兴趣的算法工程师、开发工程师和产品经理。 学习名额：360人
开源内容
https://github.com/datawhalechina/llm-algo-leetcode
扫码报名学习 3. 开源教程：llm-algo-leetcode（大模型算法与系统教程-性能优化方向） 课程简介 这是一个面向大模型入门到进阶的Notebook-first 算法实战教程，以 LLM 为主线，帮助读者通过可运行、可验证、可回顾的 Notebook，从“会看”走到“会写、会调、会优化”。A practical tutorial with theory, walkthroughs, test cases, and solutions. （1）推荐学习方法：从Part02 PyTorch算法实战入手，可以结合Part01 数学硬件与系统一起学习，后面根据需求再去学习Part03 Part04 等。（2）其中，性能优化方向这条学习路包括优化目标与证据入口，从归因到候选机制，训练性能与状态生命周期，推理性能与状态管理，计算、通信与 I/O 关键路径， 候选准入与成本， 组合复测与工程决策等。（3）有打卡筛选制度 适合人群：对 LLM、MLSys 性能优化感兴趣的算法工程师、开发工程师和产品经理。 学习名额：180人 开源内容
扫码报名学习
4. 开源教程：llm-algo-leetcode（大模型算法与系统教程-后训练优化方向） 课程简介 这是一个面向大模型入门到进阶的Notebook-first 算法实战教程，以 LLM 为主线，帮助读者通过可运行、可验证、可回顾的 Notebook，从“会看”走到“会写、会调、会优化”。A practical tutorial with theory, walkthroughs, test cases, and solutions. （1）推荐学习方法：从Part02 PyTorch算法实战入手，可以结合Part01 数学硬件与系统一起学习，后面根据需求再去学习Part03 Part04 等。（2）其中，后训练优化方向这条学习路包括后训练目标与阶段选择，监督数据与目标构造，参数更新与训练交付，偏好数据与直接优化，奖励信号与策略更新，轨迹生命周期与在线系统， 独立评测与采用决策等。（3）有打卡筛选制度 适合人群：对 LLM、MLSys 后训练优化感兴趣的算法工程师、开发工程师和产品经理。 学习名额：180人 开源内容
扫码报名学习
二、Agent 专题
5. 书籍：DeepSeek harness 技术入门
课程简介 基于DeepSeek Harness开源项目学习Agent（智能体）软件的系统化组织方式，参考书籍《Deepseek Harnesss技术入门与架构原理》。本次组队学习前三章内容，全书从“模型只会生成Token，Agent要完成任务”这一根本矛盾切入，根据“一切皆插件”（Everything Is a Plugin）原则，剖析DSH如何把模型适配、工具注册、会话记录、Agent循环等能力组织进统一的插件组合体系，并借助Cordis运行时实现插件的动态挂载、生命周期管理与依赖重新解析。 适合人群：适合有一定大模型应用经验的开发者、AI 应用工程师与架构师阅读，也适合所有想理解“Agent 软件应当如何组织”这一问题的技术读者参考。 学习名额：360人 开源内容
扫码报名学习
6. 开源教程：deepagents-in-action（从零构建生产级 Agent）
课程简介 本次共学以 Deep Agents 0.7 为基线，结合图文、Notebook 和 AgentSeek 应用模板，逐步构建一个可调试、可验证的 Agent 应用。学员将从运行现成应和真实工具调用开始，学习文件管理、任务规划、子 Agent、Skills、跨会话记忆和人工审批，持续改造同一个项目，并在结营时提交可复现的 Demo 与验收记录。 适合人群：具备 Python 基础、使用过大模型 API，想系统学习 Agent 工程的同学；也适合已经接触 LangChain 或 LangGraph，希望进一步解决复杂任务、上下文管理和工程可靠性问题的开发者。无需 Deep Agents 使用经验。 学习名额：360人 开源内容
扫码报名学习 7. 开源教程：ai-agent-book（从入门到 Agent 工程实践） 课程简介 这是一本面向 AI Agent 从入门到工程实践的开源教程，以“Agent = LLM＋Context＋Tools”为主线，通过理论讲解、工程案例和配套实验，帮助学习者系统理解并动手构建 AI Agent。 项目共包含 10 个章节，覆盖上下文工程、用户记忆与 RAG、MCP 与工具调用、Coding Agent、异步交互、语音、Computer Use、Agent 评估、模型后训练、Agent 持续进化和 Multi-Agent 协作。每个阶段都配有实验，可以边学边运行验证。 适合人群：对 LLM、AI Agent、MCP、RAG、Coding Agent、多 Agent 系统 感兴趣的开发者、算法工程师、AI 应用工程师、高校学生及希望系统学习 Agent 工程实践的产品/技术人员。掌握python、vibe coding能力即可参与，有 LLM API 使用经验更佳。 学习名额：360人 开源内容
扫码报名学习 三、具身智能专题 8. 开源教程：MicroDuck（动手学习 MicroDuck） 课程简介 围绕有趣的开源小鸭子 MicroDuck，通过 8 本可运行 Notebook 学习机器人模型、物理仿真、强化学习、运动控制和视觉语言导航。体验篮球平衡、高跷、摆动、球平衡与爬梯，完成 GPU 仿真实验，并了解地瓜 RDK X5 BPU 部署。每个 Task 安排 2–3 天，逐步完成原理学习、代码实践与结果交流。 适合人群：具备基础 Python 知识，希望入门具身智能、强化学习、机器人仿真或端侧部署的学习者；欢迎有机器学习、机器人或嵌入式经验的同学参与共创。没有机器人实物或开发板也可以参与代码与仿真学习。 学习名额：360人 开源内容
扫码报名学习
9. 开源教程：hello-robot（从零入门机器人开发与具身智能） 课程简介 Hello-Robot是一个面向机器人开发与具身智能的开源实践教程项目。项目以仿真为起点，围绕感知、建图、规划、控制与智能决策，逐步构建适用于不同机器人本体的系统化学习与开发体系。 课程通过 Isaac Sim、ROS2等工具，打通从传感器数据输入到机器人动作执行的完整链路，将视觉感知、点云处理、环境建图和大模型接入等通用能力沉淀为可复用的方法与模块，与 VLM、VLA、WM等具身智能前沿方法相结合，为教学实践、算法验证和系统开发提供统一基础。 适合人群：对具身智能感兴趣的开发者，高校学生，想要学习各个算法在机器人上的部署应用的工程师，以及想要系统的学习机器人感知建图决策规划控制完整链路的技术人员。掌握linux操作，python以及模型下载部署基础即可，有一定的ROS2和Isaacsim实操经验更佳。 学习名额：180人 开源内容
扫码报名学习
四、AI Infra 专题
10. 开源教程：hello-gpu（从 GPU 入门到 Agent 优化）
课程简介 “想入门 GPU 计算，却常被硬件架构、性能分析和 Kernel 开发劝退？本课程面向初学者，以 AMD GPU 与 ROCm 为技术环境，用一个连续、可验证的 Vector Add 案例，在 21 个学习日内完成“认识 GPU 并跑通程序—学会可信计时—解释性能瓶颈—亲手实现 Kernel—让 Agent 接手优化”的学习闭环。学习者将从 GPU 架构和并行计算基础出发，逐步掌握程序运行、性能测量、瓶颈分析、Kernel 实现和自动优化的基本方法。 适合人群：具备基本的 Python 或 C/C++ 编程能力和 Linux 命令行基础，对 GPU 架构、并行计算、算子开发或 AI 计算加速感兴趣的高校学生、工程师和技术爱好者。 学习名额：360人 开源内容
扫码报名学习
11. 开源教程：hello-rocm（零基础入门 AMD ROCm）
课程简介 想在 AMD GPU 上把大模型用起来，却常被环境配置、框架选型和分散的 ROCm 资料劝退？本项目面向希望真正上手 AMD 显卡的学习者，以 AMD GPU 与 ROCm 为技术环境，用一条连续、可复现的教程路径，完成“配好环境并跑通第一个模型—用多种框架完成部署—动手做微调训练—理解算子与 GPU 编程—把能力收成可运行的 AI 应用”的学习闭环。学习者将从 ROCm 环境与主流推理框架出发，逐步掌握本地部署、模型微调、算子实践，以及在 AMD 平台上构建真实应用的基本方法。 适合人群：建议具备基本的 Python 编程能力和命令行基础，对大模型本地部署、微调训练、ROCm 生态或 AMD GPU 编程感兴趣的高校学生、工程师和技术爱好者。 学习名额：180人 开源内容
扫码报名学习
一起“点赞”三连↓
本文转载自微信公众号「Datawhale」，查看原文。版权归原作者所有，如有侵权请联系删除。