我们探讨AI如何改变工作，学习以及生活方式，我们感叹未来已来，我们被GPT时刻震惊。但是要真正去思考AI擅长做什么，不擅长做什么，为什么有时会胡说八道，我们要回到大语言模型的底层逻辑，理解AI的工作原理。

如果我要在90天内找到一份20万美元的AI工程师工作，我不会去读学位。 我会精通这10个GitHub仓库。 1. awesome-llm-apps 生产级AI指南。RAG、智能体、多模态应用，附完整代码。10.6万+ stars。 仓库 → 2. LangChain 基础框架。被Klarna、Replit、Elastic及2026年大多数AI创业公司用于生产环境。 仓库 → 3. LangGraph 驱动生产智能体的编排层。资深AI工程师岗位描述中的必备技能。 仓库 → 4. CrewAI 多智能体协调。财富500强团队首选框架。 仓库 → 5. Ollama 在自己机器上运行任何开源LLM。学习模型工作原理的最快方式。 仓库 → 6. awesome-mcp-servers MCP是2026年所有主流AI实验室采用的标准。掌握它让你领先99%的工程师。 仓库 → 7. Qdrant 大规模生产RAG使用的向量数据库。嵌入和语义搜索是AI岗位的必需技能。 仓库 → 8. AI-Agents-for-Beginners 微软免费12课程，教建立智能体。真实代码、真实练习、真实面试准备。 仓库 → 9. system-design-primer 生产级AI就是系统设计。FAANG工程师用来面试准备的仓库。 仓库 → 10. awesome-claude-code 这个工具的使用指南，现被FAANG、OpenAI、Anthropic及大多数YC创业公司内部使用。 仓库 →

之前没放一页版出来，是有朋友反映字太多。 由于两个版本 ai 工作原理不同，默人版是先筛选话题再总结，一页版是 ai 读所有内容总结，2个放在一起信息和视角更全面。 群聊早报和热门代币雷达，已经满足我的信息需求了： 不追求实时性，只需要知道“大家在聊啥”“今天发生了啥”，形成交易背景。

聪明人的普遍特点就是逆向能力强，能从一些黑盒事物（或者只言片语中）显露出的表象中剖析出工作原理和行为路径，以至于能达到行为复刻与思维效仿，并在这个推理成立基础之上达到进一步创新。 ——如果身边不乏有这些人，少数情况你们是对手，但大多数时候你们是知己和朋友。