Datawhale 开源 AI 学习教程（南瓜书 / llm-universe / self-llm / happy-llm）: 点评

先说我是谁、为什么聊这个

我是林舟，全栈出身转 AI 应用，现在团队里带新人。新人问我”零成本学大模型从哪开始”，我的标准答案里永远有 Datawhale。不是客气——我自己转行那段时间，GitHub 上 star 过的中文教程里，真正陪我走完的就是他们家这几个仓库。这篇把它当一门课来评，四个项目分开说。

这个教程矩阵是什么

Datawhale 是国内最活跃的 AI 开源学习社区之一，四个主力仓库分工明确：南瓜书逐条推导周志华《机器学习》（西瓜书）约 250 个重难点公式，附勘误；llm-universe 教 LLM 应用开发（统一封装调用 GPT/文心/星火/智谱 GLM、Prompt 工程、Embedding 与向量数据库、基于 LangChain 的 RAG、Streamlit 部署）；self-llm 教 Qwen、GLM、InternLM、LLaMA 这些开源模型的本地部署与 LoRA/全参微调；happy-llm 从 NLP 基础一路走到动手实现 LLaMA2、预训练/SFT/LoRA 全流程和 Agentic-RL。全部免费开源。维护状态我查过（2026 年 8 月）：self-llm 约 31.8k star、happy-llm 约 33.1k、南瓜书约 26.0k、llm-universe 约 13.8k，llm-universe 2026 年 7 月、happy-llm 2026 年 8 月还有提交。

按需求对号入座

南瓜书是西瓜书的公式伴侣，要本科数学基础，且必须以西瓜书为前置读物——不能独立用。llm-universe 只要基础 Python、无需 GPU，第一部分已完稿，官方口径数小时可入门。self-llm 要会基本 Linux 操作，还要有可租用的 GPU 算力（比如 AutoDL，费用自理）。happy-llm 建议有 Python 加深度学习基础，共 8 章（理论 4 章 + 实战 4 章），复现代码得自己投入数十小时。教程之外，社区还办免费的”组队学习”打卡活动，2026 年 8 月仍在办 AI 夏令营类活动。

短板我一条条摆

llm-universe 第二、三部分（进阶 RAG 技巧、开源应用解读）从 2023 年起就挂着”正在创作中”，实质烂尾；第一部分虽在更新，但 LangChain 和各厂 API 生态变化快，部分内容时效性存疑，仓库 open issues 里能看到相关反馈。self-llm 的 open issues 到了 164 个（2026 年 8 月），环境和版本踩坑类居多——开源教程没有专人答疑，坑要自己爬出来。组队学习的报名入口依赖微信公众号和微信群，没有公开课表，GitHub 上的 team-learning 仓库 2023 年 1 月后停止更新，新用户连门都不好找。另外，全部项目没有任何证书。

跟谁搭着用

• 李宏毅公开课：先听他讲懂原理，再来 Datawhale 动手写代码，两者天然互补。
• Hugging Face 课程：同样免费开源、生态更国际化，但英文；中文学习体验 Datawhale 更好。
• 飞桨 AI Studio：要免费算力和官方实训环境选飞桨；要 PyTorch/开源模型生态选 Datawhale。

底线结论

中文世界最成体系、真正免费且仍在维护的 AI 开源教程矩阵，没有之一。扣分点也明确：llm-universe 烂尾章节和活动入口不透明。自学能力够的话，这就是性价比的极限——毕竟价格是零。