Инструкция · обучение ИИ · обновлено 21 августа 2026

7 открытых репозиториев на GitHub, по которым учат ИИ бесплатно

Через 30 минут у тебя на компьютере будет открыт код настоящей нейросети вроде той, что стоит за ChatGPT, а рядом - помощник, который разберёт его для тебя по кусочкам, файл за файлом. Дальше - ещё 6 таких же открытых проектов на GitHub и точный порядок, с какого из 7 начинать, чтобы не утонуть

Все семь лежат на GitHub - это открытый склад чужого кода: зайти и скачать может кто угодно бесплатно. По ним разбираются с ИИ инженеры внутри топовых команд ещё до диплома и до платного курса - читают чужой открытый проект, просят нейросеть объяснить его по шагам и так добираются до рабочего понимания быстрее любого семестра. Я собрал эти семь, разложил по порядку и к каждому дал команду, которая скачивает его тебе на компьютер одной строкой

7 открытых проектов на GitHub дают бесплатный путь от «понять, как устроена нейросеть» до уровня, с которого берут на работу: nanoGPT, курс Hugging Face, гайд Microsoft, рецепты Anthropic, LangChain с LlamaIndex, DSPy и Llama Cookbook. Ниже - что внутри каждого, с чего начать и в каком порядке идти, чтобы не утонуть

Из практики

Открытый код - это фундамент, а не готовый результат

Прочитать чужой проект и собрать на его основе то, за что платят люди - два разных навыка. Как я довожу разбор кода до готового продукта, показываю у себя

Посмотреть, как это устроено

Шаг 0. Что нужно до старта

Нужна ровно одна вещь: то самое окно, где ты пишешь Claude Code задачи обычными словами, а не язык программирования. Если его ещё нет на компьютере, поставь по отдельному гайду установки - там разобран и вход из России, и оплата, весь процесс укладывается в один вечер. Дальше по этой статье любой из семи проектов проходишь не в одиночку, а с помощником, который читает код за тебя и рассказывает, что где лежит

Один приём открывает все семь

Под каждым из семи проектов ниже стоит своя команда, а действие с ней всегда одно и то же: она скачивает весь код целиком в новую папку у тебя на компьютере. Дальше открываешь эту папку и просишь помощника разжевать её по-человечески - он читает файлы сам и рассказывает, что где лежит, что делает каждый кусок и с чего начать. Разберём приём один раз, и дальше он работает на все семь без повторений

Один приём на все семь проектов

  1. Скопируй команду под нужным проектом целиком и вставь в то же окно, где пишешь Claude Code задачи у каждого из семи ниже она своя, а действие одно: нажми Enter и подожди, пока строки на экране остановятся
  2. Открой скачанную папку в Claude Code через верхнее меню File → Open Folder слева появится список файлов этого проекта, вверху окна - его название: значит помощник уже его видит
  3. Напиши помощнику одно и то же: Это учебный проект. Объясни мне простыми словами, что он делает, с какого файла начать и какие команды запустить первыми. Я полный новичок помощник сам прочитает файлы и ответит по-человечески, без единого незнакомого слова

Каждый такой проект внутри называется репозиторием - по-простому, это просто папка проекта, которая помнит все свои прошлые версии, как черновики письма, которые не стираются, а копятся один за другим. Дальше в статье слово почти не понадобится: удобнее называть каждый по имени, чем одним и тем же словом семь раз подряд

1. nanoGPT - самый простой код настоящей нейросети

nanoGPT - самый понятный способ увидеть, как устроена нейросеть вроде ChatGPT изнутри: весь костяк уложен примерно в 300 строк кода. Автор, Андрей Карпати, один из тех, кто строил ИИ в OpenAI и Tesla, и разбирает в видео на своём канале каждую строку. У проекта 62 236 звёзд на GitHub - так там отмечают проекты, которые оказались полезны, и чем их больше, тем больше людей до тебя нашли эту находку стоящей

Скачать и разобрать nanoGPT

  1. Скопируй git clone https://github.com/karpathy/nanoGPT и вставь в то же окно, где пишешь Claude Code задачи появятся строки загрузки, а через несколько секунд - новая папка nanoGPT рядом с остальными твоими файлами
  2. Открой эту папку в Claude Code и попроси разобрать файл model.py построчно помощник читает код сам и переводит его на человеческий язык, абзац за абзацем

Смотри видео автора «Let's build GPT» на его канале на YouTube параллельно с разбором: одно и то же объясняется дважды разными словами, и обычно на второй раз доходит то, что не дошло на первый

2. Курс Hugging Face - практика на готовых моделях

Курс Hugging Face учит не читать код с нуля, а брать уже готовую модель, подстраивать её под свою задачу и запускать. Hugging Face - площадка, где лежат тысячи открытых моделей, и тем же набором инструментов пользуются внутри ИИ-компаний. У курса 4 140 звёзд на GitHub, а сами уроки удобнее читать не в скачанной папке, а прямо на сайте

Пройти курс без единой установки

  1. Открой сайт huggingface.co/learn и выбери курс по нейросетям для текста откроется первая глава с разбором и примерами кода прямо в браузере
  2. Нажми на пример кода и запусти его кнопкой в самой главе результат появится тут же на странице, ничего на свой компьютер ставить не нужно

Главы есть и на русском - переключатель языка стоит в верхней части сайта. К концу курса ты умеешь взять чужую модель, подстроить её под себя и запустить: это уже прикладной навык, за который платят. Часть примеров курса просит собственный бесплатный ключ к нейросети - я подробно разбирал, как получить такой ключ у NVIDIA

3. Generative AI for Beginners (Microsoft) - 21 урок с кодом

Курс от Microsoft из 21 урока покрывает почти всё базовое: как писать запросы к моделям, как искать по своим документам, как дообучать модель под задачу. В каждом уроке есть код, который можно запустить сразу же. У проекта 118 210 звёзд на GitHub, и Microsoft регулярно его обновляет вслед за тем, что меняется в индустрии, хотя подаётся он как курс «для новичков»

Скачать курс и пройти по урокам

  1. Скопируй git clone https://github.com/microsoft/generative-ai-for-beginners и вставь в то же окно, где пишешь Claude Code задачи на экране пробегут строки загрузки, а рядом с твоими файлами появится новая папка с 21 уроком внутри
  2. Открой папку в Claude Code и попроси показать первый урок и объяснить, что в нём запустить помощник откроет нужный файл сам и разложит его по шагам

Если урок не поддался с первого раза - попроси помощника пересказать его проще и показать ровно ту строку, которую нужно запустить, не весь файл целиком

4. Claude Cookbook (Anthropic) - рецепты от создателей Claude

Claude Cookbook - официальный сборник готовых примеров по Claude от самой компании Anthropic, которая его и сделала. Внутри - поиск по документам, вызов внешних инструментов, оценка ответов, многошаговые диалоги, и каждый пример - кусок кода, который можно взять себе целиком. У проекта 51 914 звёзд на GitHub: учишься у тех же людей, что писали самого Claude

Скачать рецепты и разобрать первый

  1. Скопируй git clone https://github.com/anthropics/claude-cookbooks и вставь в то же окно, где пишешь Claude Code задачи появится новая папка с рецептами, разложенными по темам
  2. Открой папку про базовые запросы к Claude и попроси показать самый простой рецепт целиком, объяснив каждую строку помощник выберет файл сам и разберёт его от начала до конца

Это самый быстрый путь от «я просто пользуюсь Claude в чате» к «я собираю на Claude свои вещи»

5. LangChain и LlamaIndex - словарь всей индустрии

LangChain и LlamaIndex - два инструмента, на которых реально собирают приложения на ИИ: поиск по документам, помощники, которые сами решают, что делать дальше, вызов внешних сервисов. Любишь их или нет, эти два проекта задают то, как сегодня принято собирать продукты на ИИ. У LangChain 144 649 звёзд на GitHub, у LlamaIndex - 51 773 звезды на GitHub

Здесь не стоит качать весь код сразу: начни с документации на сайтах обоих проектов, раздел «Get started», и пройди первый пример руками

Поставить оба инструмента себе

  1. Скопируй pip install langchain и вставь в то же окно, где пишешь Claude Code задачи появится список из скачиваемых файлов, а через минуту - строка о готовой установке
  2. Второй строкой поставь второй инструмент: pip install llama-index то же самое: список файлов, а следом подтверждение, что всё стоит

Весь рабочий словарь ИИ-инженера живёт в этих двух проектах: даже если сам никогда не возьмёшь их в работу, чтение документации уже учит словам и приёмам, которыми говорит вся индустрия

6. DSPy (Стэнфорд) - на вырост

DSPy - проект из Стэнфорда с другим подходом к делу: ты не подбираешь формулировки запроса к модели руками, а описываешь задачу обычным кодом, а система сама собирает и подстраивает запросы за тебя. У проекта 37 456 звёзд на GitHub. Это про то, куда движется вся работа с ИИ - тех, кто освоит такой подход сейчас, через время будет заметно меньше, чем спроса на них

Поставить DSPy и пройти первый пример

  1. Скопируй pip install dspy и вставь в то же окно, где пишешь Claude Code задачи появится список файлов, а через полминуты - подтверждение установки
  2. Открой раздел с примерами на сайте проекта и попроси помощника пройти с тобой первый он объяснит, что делает каждая строка, прежде чем ты её запустишь

Берём этот проект после того, как зашли первые четыре, а не первым: подход тут непривычный, и на пустом месте он путает больше, чем помогает

7. Llama Cookbook (Meta) - свои модели у себя на компьютере

Llama Cookbook - официальный гайд от Meta по их открытым моделям Llama: как запускать модель прямо у себя на компьютере, дообучать её под задачу и собирать на ней готовые вещи. У проекта 18 556 звёзд на GitHub, и внутри есть примеры под самые свежие версии моделей

Скачать гайд и найти вход

  1. Скопируй git clone https://github.com/meta-llama/llama-cookbook и вставь в то же окно, где пишешь Claude Code задачи появится новая папка с гайдом внутри
  2. Открой раздел «Getting started» и попроси помощника объяснить, что нужно на компьютере для первого запуска он перечислит это простыми словами и подскажет, с чего начать именно тебе

Это самый продвинутый из семи - переход из «я пользуюсь ИИ» в «я умею ставить и запускать модели сам». Внутри компаний этот навык ценят отдельно, потому что не все умеют работать с моделями локально

Уже половина позади, если считать не по счёту проектов, а по уровням: первые два репозитория закладывают фундамент, следующие два учат применять готовое. Дальше - три проекта, которые дают тебе тот же словарь, что у инженеров вокруг

Семь проектов в одной таблице

Звёзды в таблице ниже - снимок со страниц самих проектов на GitHub на 20 августа 2026, счётчик у каждого растёт постоянно, так что точную цифру всегда видно прямо на странице проекта, число под звёздочкой в самом верху

ПроектЧто внутри вкратцеЗвёзд на GitHubКогда браться
nanoGPTоколо 300 строк, костяк GPT62 236уровень 1, первым
Курс Hugging Faceпрактика на готовых моделях4 140уровень 1, следом
Generative AI for Beginners21 урок с кодом от Microsoft118 210уровень 2
Claude Cookbookрецепты от Anthropic51 914уровень 2
LangChain и LlamaIndexинструменты-стандарты индустрии144 649 и 51 773уровень 3
DSPyкод вместо ручных формулировок37 456уровень 4
Llama Cookbookсвои модели у себя18 556уровень 4, последним

Таблица прокручивается вбок →

Способ установки у всех разный, и это тоже стоит знать заранее, чтобы не удивляться на середине

СпособЧто делаешьУ какого из семи
Одна команда git cloneкопируешь и вставляешь в то же окно, где пишешь ИИ задачиnanoGPT, Generative AI for Beginners, Claude Cookbook, Llama Cookbook
Одна команда pip installтем же способом, только ставится не весь проект, а готовый инструментLangChain, LlamaIndex, DSPy
Читать прямо на сайтеничего не скачиваешь, примеры кода запускаются в браузереКурс Hugging Face

Таблица прокручивается вбок →

В каком порядке проходить

Если открыть все семь разом, утонешь в них на первой же неделе. Порядок такой: сначала понять, как устроена нейросеть, потом научиться её применять, потом набрать рабочий словарь индустрии, и только в конце - продвинутое

УровеньЧто здесь получаешьКакие проекты
1. Понять, как это работаетфундамент: что вообще происходит внутри нейросетиnanoGPT, курс Hugging Face
2. Научиться применятьберёшь готовую модель и подстраиваешь её под свою задачуGenerative AI for Beginners, Claude Cookbook
3. Освоить рабочие инструментыязык, которым говорит вся индустрияLangChain, LlamaIndex
4. Зайти в продвинутоесвой подход к запросам и свои модели у себя на компьютереDSPy, Llama Cookbook

Таблица прокручивается вбок →

Прикинь на себя: хочется просто понять, как думает нейросеть - хватит уровня 1, дальше можно не идти. Метишь применять готовые модели в своих задачах - дойди до уровня 2. Целишься в позицию ИИ-инженера или хочешь говорить на одном языке с командой разработчиков - проходи всю лестницу до конца

Где чаще всего спотыкаются

Три места, на которых обычно застревают, и что с ними делать, если случилось именно это

Три частых затыка

  • Открыл файл сам и не понял ни строки - это нормально, самому читать код не нужно. Кидай файл в Claude Code и проси объяснить простыми словами, для того помощник и стоит первым. Если он тоже путается в одном файле - скопируй в чат сразу два-три соседних, обычно после этого проясняется
  • Попробовал открыть все семь разом за выходные - так и получается закладка на закладке. Бери по одному, строго по лестнице выше: прошёл первый уровень, переходи ко второму, не раньше
  • Команда для скачивания вернула ошибку - почти всегда на компьютере ещё не стоит программа git, которая и скачивает чужие проекты (называется системой контроля версий, но тебе хватит того, что она умеет копировать чужой проект к себе). Если вместо ошибки экран просто завис на пару минут - тоже нормально, крупные проекты вроде LangChain скачиваются не мгновенно; если прошло больше десяти минут и ничего не происходит - вставь текст ошибки в чат помощнику, он подскажет команду под твою систему

После сегодняшнего вечера у тебя на компьютере лежит один разобранный репозиторий и понятный порядок, куда идти дальше. Доступ к этим семи одинаковый у всех, кто умеет открыть GitHub. Разница между тем, кто знает про ИИ, и тем, кто на нём зарабатывает, не в дипломе. Она в том, что один из них открыл первый файл и не закрыл его на середине

Прочитать чужой код и собрать из него готовую вещь, за которую платят - разные навыки. Проект даёт фундамент, а путь от разобранного файла до продукта, который не стыдно показать, я разбираю на ИИ-Лагерь: ставим инструменты под задачу и собираем первую вещь вместе, шаг за шагом. Ещё открытые находки с GitHub, которые заменяют платный софт целиком, - в отдельной статье про бесплатные замены, а если Claude Code уже стоит и хочется гонять его без счётчика токенов - здесь разбор бесплатных моделей

Три статьи продолжают темы, которые встретились выше: установка самого Claude Code, ещё открытые находки с GitHub и бесплатные модели вместо платного счётчика токенов

14 мин чтения Иван Сергеев

Источники

Семь галочек перед тем, как открыть первый репозиторий

Отметь все семь, и можно начинать с nanoGPT прямо сейчас

Сохрани себе

  • То самое окно, где пишешь Claude Code задачи, уже стоит на компьютере
  • Программа git на месте: команда для скачивания хотя бы раз прошла без ошибки
  • Заведена отдельная папка на компьютере под новые находки
  • Известен порядок: сначала понять, потом применять, потом инструменты, и в конце - продвинутое
  • Прочитан универсальный приём: скачать, открыть в Claude Code, попросить объяснить простыми словами
  • Известно, что делать, если помощник путается в одном файле: скормить два-три соседних
  • Известно, что делать при ошибке скачивания: текст ошибки - в чат помощнику

Продолжение

Семь репозиториев открыты. Дальше вопрос, что на них собрать

Открыть любой из этих семи и попросить помощника разжевать его может кто угодно за вечер, ты только что увидел, как. Интереснее вопрос, что именно собрать из разобранного кода и как довести черновик до результата, который не стыдно показать. Разбираем по шагам на ИИ-Лагерь

Посмотреть, как это устроено

Частые вопросы

С какого репозитория лучше начать новичку без опыта в программировании?

С nanoGPT, а следом - курс Hugging Face. Первый показывает, как устроена нейросеть внутри, на коде примерно в 300 строк, второй сразу даёт попробовать готовую модель руками, без единой установки на свой компьютер

Нужно ли уметь программировать, чтобы разобраться в этих проектах?

Нет. Самому читать код не нужно: открываешь папку проекта в Claude Code и просишь помощника объяснить простыми словами, что где лежит и с чего начать. Программировать пригодится позже, когда решишь собирать что-то своё

Что делать, если Claude Code путается в чужом коде?

Скормить помощнику сразу два-три соседних файла вместо одного - обычно после этого он видит связь между ними и объясняет точнее. Если и это не помогло, спроси конкретно про одну строку или одну функцию, а не про файл целиком

Все семь проектов бесплатные?

Да, весь код открыт и не стоит ни рубля. Курс Hugging Face и Generative AI for Beginners к тому же не требуют скачивания: примеры кода можно запускать прямо в браузере со страницы урока

Сколько времени займёт пройти все семь?

По-разному и зависит от цели, а не от календаря. Понять первый уровень - nanoGPT и курс Hugging Face - реально за несколько вечеров. Дойти до продвинутого уровня, где DSPy и Llama Cookbook, занимает месяцы регулярной практики, а не одну неделю

Чем LangChain и LlamaIndex отличаются друг от друга?

LangChain собирает цепочки из шагов и внешних инструментов вокруг модели, LlamaIndex специализируется на поиске по собственным документам и данным. На практике их часто используют вместе, а не вместо друг друга