AI 发展很快，学习可以一步一步来。
从基础概念到实际应用，找到适合你的学习顺序。
刚开始学 AI，常常不知道先读什么。有些教程跳过基础，直接介绍复杂技术。这张地图会告诉你：从哪里开始、先补哪些知识、接下来学什么。
这里有 150 篇教程，按知识关系分成 17 个层级，并配有 16 个互动演示。你可以先选一条学习路线，也可以从一节短课开始。
让学习有顺序
零散地学
- 还没理解基础，就遇到复杂术语
- 只知道工具怎么用，不清楚它解决什么问题
- 每篇文章都写得像你已经读完了其余所有文章
- 没有任何信号告诉你背景知识是否够用
- 你不知道下一篇该读什么，于是放弃
沿着路线学
- 按真实的依赖关系排序
- 每页都标明它的层、前置知识和下一步
- 三条路线：用好它们、用它们构建、搞懂它们如何运作
- 地图检查每个先备知识链接是否存在
- 你永远清楚自己在哪里
三条路线，一张地图
按当前水平选择路线，再根据你的目标调整方向。页面上的时间是参考估算，不是完成期限。
17 层
从基础概念到进阶技术。你不必按层全部学完，可以跟随推荐路线选择相关内容。
- 1 · 入门4
AI 术语速查表 · 学 AI 该按什么顺序？ · AI 能做什么、不能做什么（目前） · +1 更多
- 2 · 机器学习基础12
- 3 · 经典 NLP8
循环神经网络 · LSTM 与 GRU：留得住的记忆 · 序列到序列与编码器-解码器 · +5 更多
- 4 · 基础概念13
logit 与 softmax · 什么是 AI 中的 token？ · 什么是 embedding？ · +10 更多
- 5 · 模型内部13
解码策略：贪心搜索与束搜索 · 语义的几何结构 · transformer 是怎么工作的？ · +10 更多
- 6 · 提示工程10
什么是上下文窗口？ · AI 模型为什么会产生幻觉？ · Prompt 基础 · +7 更多
- 7 · RAG7
为什么需要 RAG · RAG 是怎么一步步工作的 · 如何为 RAG 做文档分块 · +4 更多
- 8 · Agent9
什么是 AI agent？ · Agent 架构：从固定规则到自主决策 · 工具调用是怎么运作的？ · +6 更多
- 9 · 应用落地6
你的第一次 LLM API 调用 · 你怎么知道它管用？ · 从 Demo 到生产环境 · +3 更多
- 10 · 评测11
偏差-方差权衡 · 评测为什么比训练更难 · 基准测试污染与古德哈特定律 · +8 更多
- 11 · 多模态8
模型是怎么看图像的？ · 图像生成是怎么工作的 · 多模态 embedding · +5 更多
- 12 · 训练与适配12
微调到底是怎么工作的 · 模型蒸馏 · 超参数调优 · +9 更多
- 13 · 进阶架构8
注意力变体：稀疏、线性与滑动窗口 · embedding 模型如何训练 · 推理服务是怎么运作的 · +5 更多
- 14 · 进阶 RAG7
Agentic RAG · 上下文检索 · GraphRAG · +4 更多
- 15 · 进阶 Agent7
- 16 · 安全防护7
模型供应链风险 · 处理 PII 与敏感数据 · AI 治理与合规 · +4 更多
- 17 · 生产实践8
延迟优化 · LLM 系统的可观测性 · 成本监控与归因 · +5 更多
从一个小问题开始
AI 怎样把文字变成可以处理的单位？先认识 token，再逐步理解语言模型。