GitHub 优秀 AI 项目全景总目录：学习 × 开发 × 长远市场应用价值

调研日期：2026-11-10 ｜ 数据来源：GitHub API 实时精确值（star/许可证/最后活跃）+ CPU 推理基准 + 招聘/外包市场报告交叉验证 本文是总目录，收录约 80 个项目。深入阅读： - 学习路线与技能价值分析 → 长远价值低配计算机.md - 可开发变现的项目方案（S/A/B 级）→ 长远价值项目低配计算机.md - 数据集与训练路线 → 训练数据集.md

你的机器：i7-8550U（4核8线程，AVX2）/ 16GB 内存 / 无独显。筛选铁律：在本机可学习、可开发（编排类零算力；推理类限 8GB 内量化模型；❌ 标注的项目仅供了解，别投入）。

图例：✅流畅 ／ ⚠️勉强（需管理资源）／ ❌不可行；🔴 已停维护或放缓（>6个月无push）；⚠️ 商用受限许可

一、本地 LLM 推理层（理解 AI 系统的底座）

推理层结论：本机学 llama.cpp（原理）+ Ollama（工具）+ ONNX Runtime/OpenVINO（CPU 加速） 四件套即可覆盖私有化部署技能栈。

二、Agent 与编排层（市场需求最高频词）

编排层结论：主线 LangGraph + mem0（记忆）+ MCP 协议；LlamaIndex 归 RAG 主线。

三、RAG 与知识库层（企业刚需，外包最大市场）

RAG 层结论：开发顺序 Chroma（入门）→ pgvector（交付最常用）→ Qdrant/Milvus（进阶）；产品形态参考 AnythingLLM/RAGFlow。

四、AI 编程助手（加速你学其他一切）

结论：日常用 Cline/continue（配 DeepSeek/Qwen API）；研究 prompt 设计读 aider 源码。

五、工作流 / 低代码 / 应用平台（产品化与交付层）

平台层结论：交付用 n8n（自动化）+ Dify（应用平台）；生图方向 ComfyUI 仅学思想，日常生图用云端 API。

六、计算机视觉 / OCR（本机可完整开发的多模态方向）

七、语音（中文场景本机可开发）

语音层结论：转写方向 FunASR/faster-whisper 全流程本机可开发（会议纪要项目底座）；TTS 方向本机只做编排层。

八、国产大模型仓库（中国市场 hiring keyword）

九、微调 / 训练框架（学习认知用，本机仅小规模实操）

十、数据采集层（AI 应用的原料管道）

十一、推理网关 / 模型路由（企业架构层）

十二、评估 / 安全 / 合规（新兴高溢价方向）

十三、Top 20 必学排名（综合学习价值 × 市场价值 × 本机适配）

十四、按目的索引

「我要学」（顺序执行，约 8-12 周）

Ollama + Qwen3-1.7B 打底 → llama.cpp 读原理（量化/GGUF）→ LlamaIndex + Chroma/pgvector 做 RAG → LangGraph + mem0 做 Agent → promptfoo 加 eval → n8n/Dify 产品化 → RapidOCR/FunASR 多模态 → crawl4ai 数据管道

「我要开发变现」（对应 长远价值项目低配计算机.md 的 S/A 级项目）

• 知识库 RAG：LangGraph + LlamaIndex + pgvector + Open WebUI + promptfoo
• 票据 OCR：RapidOCR + PaddleOCR + OpenCV
• 企微 Agent：n8n + LangGraph + MCP + LiteLLM
• 私有化部署：llama.cpp + Ollama + Open WebUI + ONNX Runtime/OpenVINO
• 会议纪要：FunASR/faster-whisper + LLM API
• 合规评估：garak + promptfoo + lm-evaluation-harness

「我要开源建声誉」（无 GPU 可贡献区）

llama.cpp（CPU 后端/量化工具/文档）→ vLLM（仅文档/测试）→ Qwen 生态工具 → crawl4ai/smolagents（Python 友好）

「别投入」黑名单

🔴 GPT4All、A1111 WebUI、Fooocus、Flowise（停维护/日落）；❌ vLLM 实操、Unsloth 实操、DeepSeek 权重本地部署（需 GPU/大内存）

十五、许可与避坑速查

十六、存储预算（本机全套部署）

养成习惯：模型/缓存/镜像一律重定向到 D/E 盘；练完即删可再生物。