免费、系统的 AI 学习网站
系统学习 AI，
从做对判断开始
从零基础开始，沿着 19 条学习路径、398 篇免费文章和互动练习，逐步学会模型、Prompt、Agent、RAG 与 AI 工程。
从眼前的工作开始，右侧会带你走上合适的学习路径。
推荐学习路线
按你的节奏开始
本页解决的问题
先给结论零基础应该怎样系统学习 AI？
先理解模型能做什么、为什么会出错，再练习写清 Prompt 和验收标准；之后根据目标进入 Agent、RAG、评测、成本或工程路线。每一步都用一个小实验验证，而不是只记术语。
如果还没有具体目标，先走基础路线；如果已经有任务，直接从能改变这项任务的主题进入。
先读「先选你想让 AI 帮忙完成的事」，然后选择一条最短可用路线。
不要把追新模型当成学习进度；能解释一次失败并改进结果，才算真正掌握。
学习路径
先选你要完成的工作，再走最短的路。
不用按目录从头读到尾。先写下眼前的任务，再沿着能解释相关取舍的路径深入。
动手之前，先把方向看清
用几篇短课确定自己的入口、建立有效的学习节奏，并理解为什么模型基础会在后面替你省时间。适合在 AI 工具太多、每个都像必须马上学时先读。
有意识地和 AI 一起学习
把 AI 当老师，但不把判断外包给它：问得更准、识别薄弱论据、拆开难材料，再用输出证明自己真的理解了。
先把 AI 的雾气拨开
用白话认识 AI 能做什么、答案如何生成、为什么会一本正经地出错，以及哪些事情可以放心交给它。不需要数学，先建立可靠的第一反应。
产品下面的模型
从训练数据和 Token 预测，走到聊天界面、幻觉和缓解方案。把产品决策放回技术原因里，而不是跟着热点猜。
模型周围的 Harness
理解上下文、Prompt、工具、检索、输出格式和安全检查如何把模型变成一个能工作的系统。把 Harness 当成产品架构，而不是 Prompt 技巧的集合。
从能跑的 Demo 到能用的产品
沿着真实产品决策看清 Demo 和产品之间的距离：交互循环、上下文预算、记忆、权限、多 Agent 协作，以及模型跑偏后的恢复。
问题地图
让一个问题连接到它周围的选择。
把一整套内容折叠成更小的下一步：日常使用、专业提效、产品决策、亲手构建，或完整通读。先选任务，再让路线帮你筛理论。
任何知识都能随时问出来。决定学得好不好的，是提问、验证，以及把东西留下来的能力。
一篇看三行就想放弃的论文或长文档，怎么让它变得读得下去？
读十遍，加固的是见过这件事。自测一遍，加固的是还能想起来。
看懂了和学会了差在哪。三道递进判据：讲得清、改得动、预测得准。
用六个日常场景看 AI 如何改变工作形状：整理散乱笔记、解释专业材料、排练决策、做出第一版。先从你想推动的结果出发。
三档提问对比 + 提示词积木组装器：背景、要求、限制——信息给一分，它答一分
把背景、任务、约束和输出格式组装成一份可以检查的简报。真正重要的不是找到神秘句式，而是让结果更容易被判断。
精选文章
给复杂决定一篇短而有用的札记。
先看结果，不要先收集 AI 功能
用六个日常场景看 AI 如何改变工作形状：整理散乱笔记、解释专业材料、排练决策、做出第一版。先从你想推动的结果出发。
互动练习
把模糊要求改成可以验收的简报。
把目标、背景、格式和验收线拆开，AI 的回答就不再只是“听起来不错”，而是能被比较、复盘和迭代。
互动练习
把模糊需求拼成一条可执行的提示词
把目标、背景和限制说清楚，再把整理好的提示词带到你正在使用的 AI 工具里。
热度排行
哪些 AI 文章值得优先阅读？
把一整套内容折叠成更小的下一步：日常使用、专业提效、产品决策、亲手构建，或完整通读。先选任务，再让路线帮你筛理论。
91阅读信号↗02把 AI 变成老师 · 验证它会一本正经骗你，三道防线AI 说错话的时候语气和说对话完全一样。学习场景里，错的会被你当成知识存进脑子。这一页给你三道能当场用的防线。
91阅读信号↗03啃硬材料 · 源码带 AI 精读一个大型开源仓库几十万行的陌生代码，带着 AI 读出设计决策。约束只有一条：每一个技术论断都能回到源码的具体行。
91阅读信号↗04AI 是个什么东西 · 交互先看结果，不要先收集 AI 功能用六个日常场景看 AI 如何改变工作形状：整理散乱笔记、解释专业材料、排练决策、做出第一版。先从你想推动的结果出发。
91阅读信号↗05AI 是个什么东西 · 交互最小但有用的心智模型：下一个 Token用句子补全实验建立一个耐用的 LLM 基础模型。它不是全部真相，却能解释上下文、措辞、概率和流畅错误为什么重要。
91阅读信号↗下一步 / 开放学习
带着下一步离开。
下次遇到复杂的 AI 问题，先从一条能落到工作的路径开始。