AI工程师工作流程分析 | AI生成和翻译

Home 2026.06 
================================================================
                    仓库与使用审计
================================================================

状态：repos.json 中的全部 117 个仓库已在本地克隆。
你的 ~/projects/ 中共有 305 个仓库——117 个被跟踪，186 个为杂项/个人。

================================================================
                    你的常用工具（shell 历史）
================================================================

  546  ww           ← 你的日常驱动
   85  hermes
   46  git
   46  uv
   12  tmux
    6  zed
    6  ssh
    3  codex

  常用 ww 子命令：
  414  ww note       ← 记笔记是 #1 工作流
   45  ww git
   20  ww projects
   16  ww amd-dev-cloud
    9  ww hf
    9  ww github

================================================================
                    你的 Docker 应用
================================================================

  WeChat, Safari, Telegram, Discord, Microsoft To Do,
  Ghostty, Alacritty, Warp, Zed, GitHub Desktop,
  系统设置, 密码, 时钟

================================================================
                    观察
================================================================

1. 你深耕 AI 工程（智能体、训练、推理、模型）
2. 记笔记是你每日最主要的活动（414 次 ww note 调用）
3. 你使用 3 个终端：Ghostty、Alacritty、Warp
4. 你做 GPU 相关的工作（amd-dev-cloud、ROCm）
5. 你关注 AI 智能体（hermes、codex、claw-code、opencode）

基于你的使用模式，以下是你**缺失**但适合你工作流的仓库：

================================================================ 推荐克隆的新仓库 ================================================================

— AI 智能体与编码（你最大的兴趣）— anthropics/claude-code # Claude Code CLI——你已在用 codex anthropics/anthropic-cookbook # Anthropic 官方配方/笔记本 openai/openai-cookbook # OpenAI 配方——实用的 LLM 模式 langchain-ai/langgraph # 智能体图框架——行业标准 crewAIInc/crewAI # 多智能体编排 Significant-Gravitas/AutoGPT # 开创性的自主智能体 mem0ai/mem0 # AI 智能体的长期记忆

— LLM 训练与研究（你在 H200/RTX 4070 上训练）— huggingface/trl # SFT/DPO/GRPO——你具备微调技能 huggingface/peft # LoRA/QLoRA——已在 peft-fine-tuning 技能中 vllm-project/vllm # 已克隆，但对你是高优先级 NVIDIA/Megatron-LM # 已克隆 ✓ pytorch/torchtitan # PyTorch 原生分布式训练 pytorch/ao # PyTorch 架构优化（量化） state-spaces/mamba # 已克隆 ✓

— LLM 推理与服务 — ggml-org/llama.cpp # 已克隆 ✓ oobabooga/text-generation-webui # 流行的本地 LLM WebUI Mozilla-Ocho/llamafile # 单文件 LLM 二进制——非常便携 NexaAI/nexa-sdk # 本地模型服务

— 开发者工具与 CLI（你整天使用终端）— jesseduffield/lazygit # Git 的 TUI——你使用 git 46 次 sharkdp/bat # 更好的 cat，带语法高亮 sharkdp/fd # 更好的 find BurntSushi/ripgrep # 更好的 grep（你已通过 hermes 使用） ajeetdsouza/zoxide # 更智能的 cd（你 cd 了 107 次） astral-sh/ruff # Python 检查器（已在你的 pyproject.toml 中） sxyazi/yazi # 终端文件管理器 charmbracelet/glow # 终端 Markdown 渲染器 dandavison/delta # 更好的 git diff

— AI 研究论文与笔记本 — karpathy/minGPT # 最小 GPT 实现（Karpathy） karpathy/ng-video-lecture # Karpathy 讲座的配套代码 microsoft/autogen # 已克隆 ✓ deepseek-ai/DeepSeek-V3 # 已克隆 ✓

— 向量数据库与 RAG（你有 read/ RAG 模块）— chroma-core/chroma # 已克隆 ✓ qdrant/qdrant # 已克隆 ✓ weaviate/weaviate # 流行的向量数据库——缺失 run-llama/llama_index # RAG 框架——缺失 langchain-ai/langchain # LLM 框架——缺失（尽管有 langchain-test 目录）

— 监控与可观测性 — langfuse/langfuse # 已克隆 ✓ BerriAI/litellm # 已克隆 ✓


我会优先克隆的前 10 个（对你工作流信号最强）：
  1. langchain-ai/langgraph — 智能体图，行业标准
  2. jesseduffield/lazygit — 你频繁使用 git
  3. ajeetdsouza/zoxide — 更智能的 cd（你 cd 了 107 次）
  4. anthropics/claude-code — 你已在用 codex
  5. huggingface/trl — GRPO/DPO 微调
  6. run-llama/llama_index — RAG 框架
  7. pytorch/torchtitan — 分布式训练
  8. Mozilla-Ocho/llamafile — 便携 LLM 二进制
  9. karpathy/minGPT — Karpathy 风格的最小实现
  10. crewAIInc/crewAI — 多智能体框架

需要我克隆其中任何一个吗？请告知（或说“克隆全部前 10 个”）。

```

Back Donate