按兴趣浏览，循来源深入。
xbsheng 在 GitHub 发布 learn-pi-agent 教程，参照 learn-claude-code 的课程结构讲解 pi 智能体框架，核心理念是 Agent 等于模型加 Harness，循环由 pi 实现，学习者负责搭建工具、权限、技能等扩展机制。教程含 12 章，覆盖自定义工具、tool_call 闸门、事件钩子、按需加载 Skill、会话分支、子 Agent、RPC 集成、自定义 Provider 和 Pi Package，每章提供可运行 TypeScript 示例，要求 Node.js 24+，文本采用 CC BY 4.0、代码采用 MIT 许可，并配套中英双语教程站。
推荐理由：作者参照 learn-claude-code 的结构讲解 pi 的 harness 扩展机制，从自定义工具到 Pi Package 共 12 章都有可运行代码。
krishankant 在 GitHub 发布 harnessy，一个分 8 周（外加 MCP 加餐周）逐步动手搭建的 Agent harness 学习项目，支持 Anthropic、OpenAI 和 Ollama 本地模型。每周一个课程加填空练习，覆盖模型接口、Agent 循环、工具、上下文与记忆、traces 与 evals、hooks 与子智能体、生产化（重试、流式、成本限制、沙箱、致命三重奏检查），最终在同一 harness 上构建三个智能体，并提供完整参考实现与离线测试。
推荐理由：这个仓库把 Agent harness 拆成 8 周的动手课程，每部分都有失败对照和参考实现，适合想搞懂 Agent 循环、工具、上下文与评测全貌的读者。
panxunying 在 GitHub 维护 ai-coding-welfare 仓库，收录 ArtBloom、AgentRouter、DoCode、FlushAPI、KKtoken、AnyRouter、CheapCodex、NOFX 等 13 个中转与公益站的注册额度、邀请码与接入配置。仓库提供一键脚本配置 Claude Code 环境变量，CI 每 6 小时抓取各站公开接口生成额度快照、变动日志与可用性历史，8 个有明确美元额度的站全注册首日合计约 $1199.5；文中明确提示 DoCode 的站内刀不是美元、部分站点额度数字未经公开接口核对，并建议不要把生产密钥或企业代码发给来源不明的中转服务。
推荐理由：仓库用脚本自动抓取各站公开接口并记录可用性历史，读者可以据此核对这些免费额度口径是否还靠谱。
AnranS 在 GitHub 发布 ai-infra-handbooks，一套 11 本、281 章、283 道练习的中文大模型推理学习手册，从 Python、C++、CUDA 学到从零实现推理引擎并导读 vLLM 与 SGLang 源码。全部示例代码经实际运行验证，含 17 周学习路线、浏览器判题、1979 张可导出 Anki 的学习卡与 mini-sglang 完整实现，文档采用 CC BY-NC-SA 4.0、代码采用 MIT 许可。
推荐理由：作者完整给出了代码验证方式、章节结构和17周路线，读者可以直接判断这套推理学习手册是否适合自己。
friteuseb 在 GitHub 发布 reponse_opti 仓库，提供 12 行规则让 Claude、ChatGPT、Codex、Cursor 等助手以受控法语写作，灵感来自 Andrej Karpathy 建议让 LLM 按 80% ASD-STE100 航空维护标准解释。作者用 Claude Sonnet 5.5 在 10 个技术问题上做四条件盲测，由 Claude Opus 5.5 评判，v3 版分场景处理，行动类回答 7/10 更清晰且 8/10 更有用，解释类 10/10 更清晰但丢失 49% 信息，Kandel-Moles 可读性分从 78.5 升至约 84。规则可复制进 CLAUDE.md 等规则文件，或作为 Claude Code skill 按需启用，MIT 许可。
推荐理由：作者把 Karpathy 提到的 ASD-STE100 受控写作移植到法语，并附上四条件对比实测数据，方法可直接复用到 Claude Code 等工具。
readytensor 在 GitHub 开源 Building AI Agents 视频系列的配套代码仓库，用纯 Python 和模型 API 从单个 bash 工具的 while 循环逐步构建编码 Agent，逐集加入 tools、skills、subagents 和完成验证门。实战项目为 md2html，最终在同一 Agent 上跑 SWE-bench Verified 评测，兼容 OpenAI、Groq、DeepSeek、Ollama 等 OpenAI 兼容端点；仓库提示 bash 不受沙箱限制，建议在 Docker 或虚拟机中运行自定任务。
推荐理由：逐集用代码 diff 讲清从 while 循环到 skills、subagents、验证门的 Agent 构建路径，方法可直接迁移到自己的项目。