sw-yx AI Notes：软件工程师的 AI 速查知识库

作者 swyx（原 AWS 布道师），这个仓库最初叫 prompt-eng，后来因为写了那篇著名的「Prompt Engineering 被过度炒作了」推文，顺势改名为 ai-notes，开启了 AI Engineering 这个新方向。

故事：从个人笔记到行业基础设施

2019 年，swyx 开始系统性地整理自己学习 AI 的笔记。最开始只是个人用途，没想到这些笔记在网上疯传——无数工程师发现，这里比 Medium 上的碎片文章更系统，比官方文档更接地气。

后来 swyx 写了《The AI Engineer》文章，论证 AI 领域不仅需要研究员，还需要能把 AI 产品化的工程师（AI Engineer）。这一观点迅速成为行业共识。几乎每家科技公司都设立了 AI Engineer 岗位，而这个仓库的 star 数也从几百涨到了六千多。

他后来在 Latent Space 开设了 newsletter 和播客，采访过 Sam Altman、Yann LeCun、Jim Fan 等顶级 AI 研究者。ai-notes 就是他所有内容的数据源仓库。

类比：软件工程师的「AI 字典」

想象你是一个刚入职的医生，医院给你一本《内科速查手册》——不需要你从生理学开始重新学，只需要知道「看到这个症状去找哪一页」。

ai-notes 就是这样一本给软件工程师的 AI 速查手册：

• TEXT.md — GPT/LLM 文本生成的一切
• TEXT_CHAT.md — ChatGPT 及竞品内幕
• CODE.md — Copilot 等代码生成模型深度分析
• INFRA.md — AI 基础设施、算力、芯片现状
• IMAGE_GEN.md — Stable Diffusion/Midjourney 全景笔记
• AUDIO.md — 音频/音乐/语音 AI 生态

核心价值：不是教程，是「地图」

这个项目的价值不在于「教你用 GPT-4」，而在于让你建立对整个 AI 生态的认知框架。比如你想了解 LLM 的上下文窗口技术演进：查 TEXT_SEARCH.md 了解向量检索如何弥补上下文限制；查 INFRA.md 理解为什么长上下文对 GPU 显存要求极高；查 Resources 目录直接跳到 swyx 筛选过的优质外链。

这就是「知识图谱」式的阅读体验，比搜索引擎更有结构，比维基百科更有时效性。

上手门槛：零

不需要懂 Python，不需要装 Docker，只需要：

git clone https://github.com/swyxio/ai-notes.git

推荐用 Obsidian（支持双链笔记、图谱视图）或直接 GitHub 网页浏览。

争议与局限

这不是一个工具，是一个人的视角。swyx 的笔记天然带有他的个人偏见：更关注 LLM、Agent 和 AI Engineering，对传统 CV、强化学习着墨较少。更新节奏也完全取决于自己的时间投入。另外这些笔记本质上是「半成品」——他明确说 README 只是概览，真正的内容在各子目录里。

行业意义：见证了 AI Engineering 这个职业的诞生

swyx 的《The AI Engineer》文章被全行业传阅，提出了一个关键论点：AI 领域不仅需要研究员和科学家，还需要能「把 AI 产品化」的工程师。这个仓库就是他的证据仓库——告诉你一个 AI Engineer 需要掌握哪些知识、关注哪些方向。到 2024 年，几乎每家中型科技公司都设立了 AI Engineer 岗位。

一句话总结： 如果你想快速建立 AI 领域的认知框架，而不是从零开始读论文，swyxio/ai-notes 是最好的起点。零门槛，直接 clone 即可。