逛 开源社区 太花时间？这份开源清单把主流赛道一次看全。

过去两年，AI 开源项目井喷：本地推理、RAG、Agent、多模态、微调、评测、向量数据库、推理引擎……信息密度极高、更新极快。结果是：
• 想入门/选型，要在几十个仓库间跳来跳去；
• Demo 跑通≠可落地，踩坑成本高；
• 新手不知道从哪条赛道开始，老手缺一个体系化的入口。

aicode 诞生的目的很简单：做一个面向工程落地的开源导航与速查入口，把「现在值得关注与实践」的仓库按赛道沉淀出来，少走弯路、快速试错。

🔗 传送门：gitcode.com/AIResource/aicode

你能在 aicode 收获什么？

• 赛道化索引：从 LLM 推理 / RAG / Agent / 多模态 / 训练微调 / 评测 / 向量库 / UI &工具链等角度组织入口，便于“先选方向，再挑项目”。
• 工程视角的“首选列表”：优先关注活跃度高、社区成熟、落地案例多的仓库；新手能快速起步，团队能直接用于 PoC。
• 学习→落地的路径：为每个赛道给到典型组合与快速上手建议（例如：vLLM + TEI + Milvus 的高吞吐 RAG组合，或Ollama + Open WebUI 的本地轻量组合）。
• 持续更新 & 共建：欢迎在Issues留下你的场景、补充你常用的项目，大家一起把清单打磨成工程师可信的目录。

例：当你在做 RAG 选型，aicode 会引导你先认知「嵌入模型/向量库/检索策略/服务端推理」的关键组件，再分别给到代表性仓库让你快速对齐实践路线。

适用人群

• 初学者：想快速认识“这几年都在搞什么”，需要一个可信的地图。
• 技术负责人：需要做选型/搭 PoC，并给团队一条“能复用的标准路径”。
• 高校/培训：设计课程/作业/Workshop 时的参考书目与实验基座。