从 NLP 到 LLM 的算法全栈教程，在线阅读地址：https://datawhalechina.github.io/base-llm/
See the code
Base LLM is all you need
注意：
- 关于 Pull Request：本项目目前主要接受
Extra-chapter的共建，提交 PR 前请参阅 Extra-chapter/README.md。- 问题反馈：如果您对主教程有任何建议或发现任何问题，欢迎通过 Issue 进行反馈。
本项目是一个从传统自然语言处理（NLP）到大语言模型（LLM）的全栈式学习教程，旨在为开发者提供一条从理论入门到工程实战的清晰路径。
在 LLM 爆发的今天，许多开发者直接上手调用 API 或微调大模型，却往往忽视了底层的自然语言处理（NLP）基础。本项目主张 “Base LLM is all you need”，通过系统性地回顾 NLP 发展历程中的核心技术——从早期的词向量、循环神经网络（RNN），到变革性的 Transformer 架构，再到如今的 BERT、GPT 及 Llama 系列大模型——帮助读者构建坚实的技术护城河。
核心内容覆盖：
随着人工智能技术的飞速发展，掌握大语言模型已成为 AI 工程师的必备技能。然而，市面上的教程往往存在断层。要么过于偏重学术理论，晦涩难懂；要么仅停留在 API 调用的应用层，缺乏底层原理的支撑。
本项目致力于填补这一空白，通过理论与代码并重的方式，帮助开发者：
本项目适合以下人群学习：
前置要求：
- [x] [入门大模型 API 调用](https://github.com/datawhalechina/base-llm/blob/main/Extra-chapter/minimax-api-tutorial/readme.md)
核心贡献者
Made with contrib.rocks.
如果这个项目对你有帮助，请给我们一个 ⭐️
让更多人发现这个项目（护食？发来！）
扫描下方二维码关注公众号：Datawhale
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。
327 followers · starred Mar 2026
222 followers · starred Aug 2026
57 followers · starred Feb 2026
从 NLP 到 LLM 的算法全栈教程，在线阅读地址：https://datawhalechina.github.io/base-llm/
See the code
Base LLM is all you need
注意：
- 关于 Pull Request：本项目目前主要接受
Extra-chapter的共建，提交 PR 前请参阅 Extra-chapter/README.md。- 问题反馈：如果您对主教程有任何建议或发现任何问题，欢迎通过 Issue 进行反馈。
本项目是一个从传统自然语言处理（NLP）到大语言模型（LLM）的全栈式学习教程，旨在为开发者提供一条从理论入门到工程实战的清晰路径。
在 LLM 爆发的今天，许多开发者直接上手调用 API 或微调大模型，却往往忽视了底层的自然语言处理（NLP）基础。本项目主张 “Base LLM is all you need”，通过系统性地回顾 NLP 发展历程中的核心技术——从早期的词向量、循环神经网络（RNN），到变革性的 Transformer 架构，再到如今的 BERT、GPT 及 Llama 系列大模型——帮助读者构建坚实的技术护城河。
核心内容覆盖：
随着人工智能技术的飞速发展，掌握大语言模型已成为 AI 工程师的必备技能。然而，市面上的教程往往存在断层。要么过于偏重学术理论，晦涩难懂；要么仅停留在 API 调用的应用层，缺乏底层原理的支撑。
本项目致力于填补这一空白，通过理论与代码并重的方式，帮助开发者：
本项目适合以下人群学习：
前置要求：
- [x] [入门大模型 API 调用](https://github.com/datawhalechina/base-llm/blob/main/Extra-chapter/minimax-api-tutorial/readme.md)
核心贡献者
Made with contrib.rocks.
如果这个项目对你有帮助，请给我们一个 ⭐️
让更多人发现这个项目（护食？发来！）
扫描下方二维码关注公众号：Datawhale
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。
327 followers · starred Mar 2026
222 followers · starred Aug 2026
57 followers · starred Feb 2026