怎么学
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。
01
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。
→
02
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。
→
03
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。
学习路线
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。
阶段一
约 1 周
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
🎯 产出：能看懂 AI 新闻，不再被术语吓到
阶段二
2-4 周
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
🎯 产出：能聊懂 Transformer 和 LLM，看得懂技术文章
阶段三
1-3 个月
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
🎯 产出：亲手做出一个能用的 AI 应用
知识体系
覆盖 AI 全知识图谱
354 篇笔记按知识体系归类，从概念到原理再到前沿架构，一网打尽。
大语言模型
53 篇什么是 LLM、Tokenization、SFT 指令微调、RLHF、RAG、模型量化、Prompt 工程。
AI Agent
32 篇ReAct 循环、Agent 架构、记忆与上下文管理、MCP 协议、权限与安全设计。
AI 基础
11 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、过拟合。
深度学习
7 篇神经网络原理、前向/反向传播、CNN、注意力机制、Transformer 架构。
生成式 AI
4 篇生成式 AI 原理、扩散模型、LLM 修炼史、AI 工具清单。
多模态
4 篇多模态模型原理、图文理解与生成、跨模态对齐。
语音语言模型
4 篇语音 Token 化、语音生成、Hybrid Decoding、语言模型如何学会说话。
AI 伦理与风险
6 篇AI 幻觉与偏见、歧视机制、AI 安全事件、负责任地使用 AI。
精选手册
从这两本手册开始
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。