GitHub 上这 6 本开源 AI 书，内容扎实、持续更新，从 AI Agent 设计到强化学习实战，覆盖全面，值得收藏。
1. 《深入理解 AI Agent》
《深入理解 AI Agent：设计原理与工程实践》提供 PDF、配图、EPUB 和配套实验代码，4.9 万 Star，持续更新。
全书围绕核心公式展开：Agent = LLM + 上下文 + 工具。模型之外的工程能力 Harness 才是竞争力所在。
除了基础的上下文工程、记忆、Tool 之外，还涉及模型后训练、Agent 进化、多 Agent 协作。
Github：github.com/bojieli/ai-agent-book
姊妹篇：《深入理解 AI Infra》
同一开发者博杰又开源了《深入理解 AI Infra：量化分析与系统设计》，4600+ Star。
讲的是怎么把大模型跑起来的"资源账"算明白——调用一次大模型背后是显卡的调度、计算量、显存、带宽和功耗。再对照硬件真实能力去推导系统该怎么设计。
涉及架构、推理与训练负载、分布式推理、推理优化等内容。
Github：github.com/bojieli/ai-infra-book
2. 蒲公英书：《神经网络与深度学习》
邱锡鹏的《神经网络与深度学习》在中文圈被称为"蒲公英书"，一直是不少人入门深度学习的第一本中文教材。开源项目包含第二版和通识版的电子稿，1.9 万 Star。
通识版：少一些公式，用故事、案例和生活里的类比来解释神经网络和深度学习。适合先用通识版建立直觉，再看第二版啃理论。
Github：github.com/nndl/nndl
3. 《强化学习的数学原理》
从数学角度讲强化学习，让读者不只知道算法怎么跑，还能明白它当初为什么被设计成这样。1.8 万 Star。
不需要任何强化学习背景，但需要有概率论和线性代数基础。伦敦政治经济学院经济学讲席教授评价此书"把强化学习讲得极为清晰，堪称一件艺术品"。
中英文两套课程分别放在 B 站和 YouTube 上，全网播放量已经突破 270 万次。
Github：github.com/MathFoundationRL/Book-Mathematical-Foundation-of-Reinforcement-Learning
4. 谷歌《Agentic Design Patterns》中文版
谷歌开发者写的一本《Agentic Design Patterns》，把构建 AI Agent 的套路整理成 21 个设计模式。开发者 xindoo 牵头翻译成中文，正文 21 章加 7 个附录全部译完，8K+ Star。
目录包括提示链、路由、并行化、工具使用、规划、多智能体协作等。由浅入深，后几章涉及多 Agent 分工协作、记忆、RAG、安全防护、评估监控、资源感知优化等工程落地内容。
中文版在线阅读：adp.xindoo.xyz
Github：github.com/xindoo/agentic-design-patterns
5. Hands-On Modern RL：从 CartPole 到大模型对齐
WalkingLab 开源的强化学习实战教程，4400+ Star。主要讲基础强化学习和大模型对齐、Agentic 系统。
每章围绕一个具体的实验展开：先用 CartPole 倒立摆这样的小游戏直观理解强化学习的状态、动作、奖励，再逐步深入到 DQN、PPO、RLHF、DPO、GRPO 等现代算法。
内容覆盖：马尔可夫决策过程、价值函数、策略梯度、LLM 后训练、工具调用 Agent、浏览器 Agent、视觉语言模型 RL、具身智能和音频 RL。每章配有可运行的 Python 代码和真实训练曲线，可以亲自跑实验、改参数、观察结果。
Github：github.com/walkinglabs/hands-on-modern-rl
