Low Level Programming University – 底层编程学习路线图

NautilusTrader 是一个开源的 Python 算法交易平台，专为回测和部署交易策略而设计。它提供了一个 Python 原生环境，具有高性能和与多种资产类别集成的能力。平台的核心是用 Rust 编写的，利用 Tokio 提供异步网络支持，确保速度和可靠性。NautilusTrader 支持事件驱动的回测器、高级订单类型和条件触发器，并支持交易代理的 AI 培训。

Rio是一个设计成可以在任何地方运行的终端，无论是作为由Rust/WebGPU驱动的本地桌面应用程序，还是在浏览器中由WebAssembly/WebGPU提供支持都可以运行。它利用硬件加速提供更好的性能，旨在为用户提供高效的终端体验。

用Rust和Ratatui库构建的神经网络学习玩贪吃蛇游戏，支持自定义训练和可视化展示。该项目利用神经网络技术，让AI通过不断训练来优化贪吃蛇的游戏策略，同时提供可视化界面以便于用户观察训练过程和游戏状态。

分享一份整理了颇多关于 DevOps 的学习资源列表，涵盖了 DevOps 的各个方面，如 CI/CD、数据库、开发运维实践、面试准备、操作系统、网络、终端命令等。

matmul.c是一个针对现代x86处理器优化的高性能矩阵乘法C语言实现库。它支持AVX和FMA指令集，并通过OpenMP实现高效并行化，提供简洁、可移植、可扩展的C代码。在特定配置下，其性能甚至超越NumPy，适用于科学计算、工程应用及矩阵乘法基准测试等场景。

Qdrant是一个用Rust编写的开源向量数据库和向量搜索引擎，提供快速、可扩展的向量相似性搜索服务，并拥有便捷的API。

利用 Rust 轻松构建轻量级多端桌面应用的项目，理论上大部分的网页端都可以构建成桌面应用。

rspc是一个专为Rust设计的高性能、易用的TRPC类服务器，旨在提供极速的响应和简化的集成体验。

krep 是一个用 C 语言编写的高性能字符串搜索工具，专为快速搜索大文件中的字符串而设计。它通过内存映射 I/O 避免昂贵的 read() 系统调用，并默认使用 Boyer-Moore-Horspool 算法进行优化。此外，krep 在可用时利用 SSE4.2 或 AVX2 指令集进行 SIMD 加速，并通过多线程并行处理大文件的块，以最大化搜索效率。它还最小化内存分配，减少内存开销和碎片化，从而优化系统资源使用。

Build Your Own X 是一个开源技术学习平台，旨在帮助用户从零开始构建各种技术项目，涵盖编程语言解释器、数据库、操作系统、网络协议、机器学习框架、游戏引擎等多个领域。项目提供丰富的学习资源和实践教程，适合初学者和有经验的开发者，旨在通过动手实践提升技术理解和应用能力。

EUNet是一种先进的技术，通过分析一块布的运动轨迹，能够生成逼真的3D服装动画，具有高效性和易用性。

这个项目把开源的中国法律法规数据（github.com/LawRefBook/Laws）向量化，然后接入ChatGPT，这样你就可以用自然语言对法律法规进行问答。

garr是一个集合，包含多种高性能、线程安全且无锁的Go语言数据结构。这些数据结构专为并发数据处理和构建高效、可扩展的Go应用程序而设计，能够帮助开发者在多线程环境下安全地操作数据，避免传统锁机制带来的性能瓶颈。

GitHub Actions 是一个 CI/CD 工具，可以帮助用户自动化软件的构建、测试和部署，节省了使用 Jenkins 系统的时间和精力。

L1: Tensor Studio 是一个基于 TensorFlow.js 的张量计算实验平台，提供了一个交互式的环境，用户可以在网页浏览器中进行张量操作和实验。该平台支持可微分的线性代数运算，并利用 TensorFlow.js 进行高效的张量操作。L1: Tensor Studio 旨在帮助用户学习、实践和可视化张量计算及其结果，同时也可用于开发和测试基于张量的机器学习算法。