ai-guide
程序员鱼皮的免费 AI 百科全书，涵盖 Vibe Coding、Prompt 工程、RAG、Lang
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
程序员鱼皮的免费 AI 百科全书，涵盖 Vibe Coding、Prompt 工程、RAG、Lang
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象这样一个场景：你在 B 站刷到一个讲 DeepSeek 的视频，点进主页发现这位 up 主叫「程序员鱼皮」，顺便丢出了一个 GitHub 链接——里面不只有视频讲的内容，还把 AI 领域从 Prompt 优化到 RAG 检索、从 LangChain 到 Spring AI 全都串了起来，还配了保姆级教程、配套资源、甚至还有变现思路。这听起来像是一个付费课程的产品介绍页，但实际上它完全免费、开源、人人可看。
这个项目就是 程序员鱼皮的 AI 知识库（liyupi/ai-guide），GitHub 星标数超过 1.4 万，涵盖了 AI 工具使用指南、大模型玩法、Vibe Coding 教程、AI 编程技巧、AI 开发框架等多个维度的内容，定位是成为中文互联网最全的 AI 百科型知识导航站。项目同步托管于独立网站 ai.codefather.cn，支持在线阅读，同时在 GitHub 保持开源。
图1：鱼皮的 AI 知识库教程大纲，覆盖从入门到变现全链路
项目作者「程序员鱼皮」真名陈浩，是一位 98 年出生的前腾讯全栈工程师，曾获腾讯内部应用开发竞赛冠军、5 星优秀员工，担任过腾讯云开发高级布道师和新人导师。目前是鱼鸢网络 CEO，全网积累粉丝超过 200 万。
他在腾讯工作期间发现，身边很多同事甚至同行开发者，对 AI 工具的认知还停留在「ChatGPT 能聊天」的层面，对 Agent、MCP、RAG、A2A 等概念几乎没有系统了解。而当时中文互联网上缺乏一个真正面向程序员的、系统性的 AI 知识导航站。于是他决定把自己多年积累的 AI 编程经验整理成一套免费开源的知识库，「让大家减少信息差，平等地获取 AI 时代的工具与认知」。
图2：鱼皮的学习社群，扫码即可加入
Vibe Coding（氛围编程）是近年来随着大模型能力爆发而兴起的一种新型编程范式。它的核心思想是：用户不需要手写代码，只需通过自然语言描述需求，AI 就能自主完成从设计到实现的全流程。换句话说，编程的门槛从「会写代码」降低到了「会说话」。
鱼皮的这套 Vibe Coding 零基础教程包含上千张配图和几十万字内容，结合了他两年半的 AI 编程经验、项目实战经验和产品变现经验。教程覆盖了以下七大模块：
这套教程的特点在于，它不只是一份技术文档，更是一套从「学会用」到「做出东西」再到「赚到钱」的完整路径图。鱼皮自己在教程中坦言：这套免费内容「吊打 90% 的付费 Vibe Coding 内容」。
知识库的第一个核心板块是「AI 核心概念」。这一部分通过实操主流 AI 应用开发平台 Dify，把大模型（LLM）、Token 计费、温度参数、Prompt（系统提示词 vs 用户提示词）、多模态、模型蒸馏、文档解析、RAG 检索增强生成、Embedding 向量嵌入等核心概念用图文并茂的方式串讲了一遍。
图3：在 Dify 平台选择大模型，图中展示了不同模型的参数规模和能力差异
这里特别值得注意的一个细节是，项目用了一个非常巧妙的教学策略：不是先讲概念再演示，而是先打开平台操作界面，在操作过程中自然引入概念——用户看到的是真实的 UI 和数据，学到的是真实的概念。
另一个关键概念是 RAG（检索增强生成）。鱼皮在教程中解释道：有些问题大模型回答不准确，是因为模型本身缺少相关信息，这时可以将外部知识文档上传到知识库，利用 Embedding 技术将文本转换为向量存储在向量数据库中，用户提问时先检索相关片段，再将检索结果和问题一起输入大模型，从而生成更准确的回答。这个过程在教程中配了完整的截图，从创建知识库、上传文档、设置分块规则到最终生成的每一步都有展示。
如果说核心概念是内功心法，那实用工具板块就是外功兵器库。这一部分系统梳理了程序员日常工作中最实用的 AI 工具链：
图4：鱼皮整理的主流 AI 工具分类，覆盖对话、写作、图像、视频、编程等场景
对于 Cursor 的 Agent 模式，鱼皮给出了非常高的评价：「新建一个文件夹，打开 AI 对话框，选择 Agent 智能体模式和大模型，然后输入一段提示词，接下来只需默默等待，AI 就会自主帮你生成一个完整的网站，真的一行代码都不用写。」他用 Cursor 纯 AI 开发了一个包含几万行代码的大项目，完全不手写代码，发现「AI 的进化远比想象更可怕」。
图5：Cursor Agent 模式下，仅凭提示词即可自动生成完整网站界面
这一板块解答了一个核心问题：为什么同样的 AI 工具，有同学能做出网站，有同学只能做出一堆 Bug？答案是 Prompt 优化和项目拆分策略。
在 Prompt 优化上，鱼皮建议先把自己的手写 Prompt 扔给另一个 AI（如 Claude 或 GPT），让它生成一段结构化的需求文档，再把这个需求文档喂给 Cursor 去生成网站。完整的需求文档通常包括：项目背景和目标、功能要求和技术栈、代码风格和架构模式、示例和参考资料、限制条件和边界场景。
在项目拆分策略上，对于复杂项目，推荐分步迭代：
这套方法论的核心思想是：不要让 AI 一次做太多事，而是把大任务拆成小任务，每一步都验证后再继续。
如果说前面三个板块是「用 AI 工具」，那这一板块就是「开发 AI 项目」——帮助程序员从「工具使用者」转型为「AI 能力建设者」。
这一部分介绍了当前最主流的三大 AI 开发框架：
图6：Spring AI 与 LangChain 框架的典型应用场景对比
鱼皮的建议是：Spring AI 和 LangChain4j 都要学，先学 Spring AI 入门，再学 LangChain4j 会更顺畅。LangGraph 则适合有一定基础后挑战更复杂的工作流场景。
此外，教程还涵盖了 MCP（Model Context Protocol，模型上下文协议）和 A2A（Agent to Agent，智能体间通信协议）等新兴标准，以及 Dify、Coze 等主流 AI 应用开发平台的实操内容。
从技术实现角度看，这是一个标准的 VuePress 1.x 静态文档站点。核心依赖包括：
项目通过 .vuepress/scripts/ 目录下的自定义脚本自动生成侧边栏和 README 文件，其中 generateSidebar.js 用于遍历 AI 目录结构生成导航，genReadme.js 用于汇总生成 README 目录树。
项目语言标注为 JavaScript，但实际主体是 Markdown 文档，JavaScript 仅用于构建脚本和站点配置。这种「文档即代码」的架构让任何人都可以通过 GitHub 直接参与贡献——只需要修改 Markdown 文件，Push 后 GitHub Pages 自动更新。
作为一个主打「完全免费开放」的 AI 知识库，这个项目也面临一些质疑。
第一，更新频率依赖作者个人投入。 项目最近更新（pushed_at）为 2026-05-25，但项目的运营（视频、B站、付费社群）与 GitHub 仓库之间存在商业关联。部分用户担心：如果作者商业化重心转移，公开知识库可能更新放缓。
第二，内容深度有上限。 作为导航型知识库，它的核心价值是「广度」而非「深度」。对于已经熟悉 LangChain、AutoGen 等框架的资深开发者，教程的参考价值有限，更适合 AI 初学者和中级开发者。
第三，部分内容指向付费产品。 虽然 GitHub 仓库本身免费，但作者同时运营编程学习社群「编程导航」和多个付费课程项目，教程中不可避免地会引导用户关注这些付费服务。对于纯粹的开源贡献者来说，这一点需要注意。
程序员鱼皮的 AI 知识库代表了中文技术内容创作的一种新模式：以 GitHub 为基础设施，以 B 站视频为流量入口，以免费内容建立信任，以社群和课程实现商业变现。这条路已经被「编程导航」等成功案例验证过。
从开源社区的角度看，这个项目的价值不仅在于内容本身，更在于它示范了一种「知识众包」的可能性——任何人都可以 Pull Request 参与补充和修正文档，GitHub 的 Fork 机制让知识库的扩展成本几乎为零。
截至目前，该项目已有超过 200 万字的内容积累、1.4 万 GitHub 星标和 1656 个 Fork。在 AI 知识导航类项目中，这个数据表现相当突出，也说明了市场对系统化 AI 学习资源的需求是真实存在的。
综合评分： ⭐⭐⭐⭐（4/5）