01选一条路线
每条路线挑出你需要的单元并排好顺序，标出总学时和每周节奏。
零基础使用者不写代码，2–3 周学会理解和用好 AI，识别幻觉与风险。 7 个单元~40h每周 3–4 小时应用开发者会 Python 即可，3 个月做出可上线的 RAG / Agent 应用并能评估、部署。 16 个单元~126h每周 8–10 小时算法研究者从数学到前沿论文，6–12 个月能读懂并复现大模型、对齐与推理模型论文。 24 个单元~257h每周 15 小时以上产品与管理者理解技术边界、成本结构与风险，能做选型、立项与治理决策。 12 个单元~84h每周 3–5 小时各学科研究者有本专业背景，学会用机器学习与大模型做科研，并对接“AI × 学科”板块。 15 个单元~143h每周 6–8 小时
0210 个阶段
从 AI 通识一路到研究前沿，后一阶以前一阶为基础。
03算法图谱
进入算法图谱 →20 个领域的 223 个算法，每条都有原始论文、前置知识和学习资料。
04AI 论文
进入论文雷达 →每天的新论文、可检索的归档，以及按阅读顺序排好的必读经典。
05动手：代码、练习与外部教程
每个单元都配了 2–3 个免费的动手入口：浏览器交互演示、练习题、可运行 Notebook 和参考代码。
06已经可以读的正文
已经写好的完整课程正文，课程单元里也会链接到它们。
- 01 大模型是什么？ 用大白话讲清大模型：预测下一个词、参数、训练过程和能力边界。 入门 15 分钟 ✓
- 02 机器是怎么“学习”的：损失函数与梯度下降 用一个小例子讲清所有现代 AI 训练的核心循环。 入门 18 分钟 ✓
- 03 神经网络与反向传播 神经元、层、激活函数，以及误差如何反向传播去更新海量权重。 进阶 20 分钟 ✓
- 04 Token 与 Embedding：文字如何变成数字 分词（BPE）、词表，以及承载语义的向量空间。 进阶 15 分钟 ✓
- 05 Transformer 与注意力机制详解 自注意力、Q/K/V、多头注意力，以及完整的解码器层。 进阶 25 分钟 ✓
- 06 大模型如何学习：预训练、微调与 RLHF ChatGPT 类助手背后的三段式训练，以及 DPO 等新方法。 进阶 25 分钟 ✓
- 07 大模型内部学到了什么？表征与可解释性 特征、叠加、电路与世界模型：我们知道什么、还不知道什么。 高级 25 分钟 ✓
- 08 大模型如何生成文本：解码、KV Cache 与量化 采样、温度、KV Cache、批处理与量化，一课讲清。 进阶 20 分钟 ✓
- 09 RAG 详解：检索增强生成 切分、向量化、向量检索、重排，以及带引用的回答。 进阶 25 分钟 ✓
- 10 AI Agent 工作原理：智能体循环 模型 + 工具 + 循环：观察、思考、行动，以及让 agent 靠谱的设计模式。 进阶 25 分钟 ✓
- 11 工具调用与 MCP（模型上下文协议） 函数调用如何工作，MCP 如何让工具在所有 AI 应用里通用。 进阶 25 分钟 ✓
- 12 怎样评测大模型：基准、竞技场与数据污染 MMLU、SWE-bench、Chatbot Arena 各自测什么，以及如何批判地看排行榜。 进阶 20 分钟 ✓
- 13 提示注入与工具投毒 读取不可信内容的 agent 为什么会被劫持，以及有效的防御办法。 进阶 20 分钟 ✓
给 AI 和开发者
- 完整课程体系提供 JSON 格式，包含每节课的地址、状态、适合人群、相关软件和出处。
- /api/learn.json · /api/learn/algorithms.json · /llms.txt
常见问题
零基础怎么开始学 AI？
从“初学者路线”开始：先读《大模型是什么？》，再学 Token 与 Embedding、Transformer 与注意力机制、大模型如何学习。不需要写代码，每节课 15 到 25 分钟。
学大模型需要数学和编程基础吗？
初学者路线不需要。开发者最好会一点 Python；研究者建议先在“数学与机器学习基础”模块里复习向量、概率和导数。
这套课程和其他 AI 课程有什么不同？
课程覆盖 AI 全产业链，从数学一直到 Agent、安全、算力和商业；每节课都链接到可以实际运行的软件和最新的 AI 新闻。已完成的课都引用了论文和官方文档。
AI Agent 能直接读取这套课程吗？
可以。/api/learn.json 列出全部模块和课程，包括地址、状态、适合人群、相关软件和出处；/api/learn/<课程id>.json 返回该课的 Markdown 正文。