三步,从 AI 小白到入门
不需要数学基础,不需要编程经验,跟着这个节奏走就行。
读手册,建框架
先读两本精编手册,搞懂 AI / 机器学习 / 深度学习 / 大模型到底是什么关系。
按路线,系统学
跟随三阶段学习路线,配合吴恩达、李宏毅等公开课精讲卡片,逐步深入原理。
随手查,用到学
遇到不懂的概念,在知识库里搜索即得,边用边学,越学越懂。
三条路线图,从入门到动手
基于真实学习路径整理,每个阶段都有清晰的产出目标。
建立认知框架
- 看完 3B1B 神经网络系列(约 2h)
- 学完 吴恩达 AI for Everyone(约 4h)
- 理清 AI / ML / DL / GenAI 四个概念
系统学原理
- 机器学习基础 + 神经网络原理
- Transformer 与注意力机制
- 大语言模型:Token、RLHF、涌现
- AI Agent 框架、记忆与工具调用
动手实操
- 学 Python → 调 API → 搭 RAG → 用 LangChain
- PyTorch 跑模型 → LoRA 微调开源模型
- 结合实战项目,做出自己的 AI 工具
一个 AI Agent,由这五层构成
拖动旋转、点击任意一层,看它负责什么,以及对应的知识笔记
五层架构
从听懂你的话,到动手做事,再到记住与守规——每一层都对应知识库里的成体系内容。
一句话,怎么在五层里走一圈
以「帮我把上个月的销售数据整理成图表」为例,看每个环节各自做了什么。
覆盖 AI 全知识图谱
194 篇核心笔记拆成 13 个主题,从 AI 基础到 Agent 生产化落地,按学习顺序排好。
AI 基础
19 篇AI 的三个层次、机器学习三大学习方式、监督/无监督/强化学习、AI 项目选型。
LLM 原理与基础
19 篇什么是 LLM、Tokenization、Transformer 架构、涌现现象、常见模型系列与选型。
训练与对齐
18 篇微调、SFT、RLHF、GRPO、知识蒸馏、灾难性遗忘、奖励模型与过程监督。
推理与加速
19 篇KV Cache、FlashAttention、量化、vLLM 部署、MoE、并行策略与长上下文扩展。
提示与推理技巧
6 篇Prompt Engineering、思维链 CoT、思维树 ToT、自我一致性、采样参数调优。
RAG 检索增强
16 篇Embedding 与向量库、文档切块、查询改写、重排序、检索质量评估、GraphRAG。
Agent 架构与框架
52 篇ReAct 循环、上下文工程、记忆分层、MCP 协议、多 Agent 编排、Harness 架构。
Agent 生产化与落地
10 篇企业落地顺序、组织卡点、Agent 评测、成本模型与预算控制、可观测性 Tracing。
深度学习
8 篇神经网络原理、前向/反向传播、CNN、注意力机制、Transformer、计算机视觉。
生成式 AI
4 篇生成式 AI 原理、扩散模型、GAN、AI 工具清单。
多模态
4 篇视觉语言模型 VLM、扩散模型、文生图与文生视频、语音 TTS 与 ASR。
语音语言模型
4 篇语音 Token 化、离散 Token 生成、Hybrid Decoding、语言模型如何学会说话。
AI 伦理与风险
13 篇AI 幻觉与偏见、提示注入、后门攻击、隐私计算、AI 治理与数据合规。
从这两本课本开始
系统化、通俗易懂,覆盖从基础概念到 Agent 工业级实现的完整知识体系。
今天就开始,学会 AI 没有你想的那么难
从一页手册开始,或直接去知识库搜一个你好奇的概念。
进入知识库 → 全部内容免费开放 · 无需注册 · 持续更新