ai-ml-development
这是一个面向 AI 与机器学习开发的技能指南，覆盖从原型到生产环境的完整流程。内容围绕四大框架展开：PyTorch 偏研究与灵活性，TensorFlow 偏生产与移动端，JAX 面向高性能与 TPU，scikit-learn 用于经典机器学习。资料提供了 PyTorch 的模型定义与训练循环代码、PyTorch Lightning 封装写法，以及 Hugging Face Transformers 的文本分类与基于 LoRA 的 LLM 微调示例。在 LLM 集成方面，涵盖了 OpenAI API（含函数调用）、Anthropic Claude API、LangChain 的基本用法。向量数据库部分给出 Pinecone 与本地 ChromaDB 的代码，并对比了 pgvector、Pinecone、Chroma、Weaviate、Qdrant 的适用场景。MLOps 部分介绍用 MLflow 做模型注册、用 FastAPI 做模型服务。此外还系统整理了 RAG 架构、提示工程模式、结构化输出、工具调用（智能体循环）、Claude API 的流式与视觉输入、LangChain LCEL 与 LlamaIndex 文档问答，以及训练和部署的最佳实践清单。