AI for Chinese Learners · 零基础友好

为中文学习者设计的
AI 入门课

用可视化和交互演示，把 AI 的核心原理装进你的直觉 —— 从“神经网络是什么”到亲手搭出 AI 应用，每课约 10–30 分钟。

查看学习路线从第 1 课开始学 →
↑ 一个正在“思考”的大模型 —— 它每次只做一件事：猜下一个字。亮起的前文是它正在“注意”的字；右侧是它脑中的候选和概率。拧动 temperature 试试：琥珀色的字是它没选最高概率时的发挥，红色的字就是彻底放飞了。
6
学习阶段
30
核心课程
10–30min
单课时长
0
基础要求
Why This Course

这套课为什么不一样

市面上的 AI 课要么是数学推导，要么是新闻名词轰炸。这套课只做一件事：让你真正“看见”AI 是怎么运转的。

🧠

直觉优先

不从公式出发，从画面出发。每个概念都先给你一个心智图像 —— 训练是“摸索下山”，注意力是“划重点”，扩散模型是“从噪点里擦出一幅画”。先有直觉，术语和数学才有地方安放。

🎛️

可视可玩

关键概念配 2D / 3D 交互演示：拖动神经元的权重、拧动 temperature 旋钮、在三维星空里漫游词向量。标注「交互演示」的课程都能亲手操作 —— 玩过的，才真正属于你。

🛠️

学完能上手

最后一个阶段写真代码：调用 LLM API、在自己电脑上跑开源模型、搭一个 RAG 知识库。从“看懂 AI 新闻”到“做出 AI 应用”，这门课负责送你走完全程。

Learning Path

学习路线 · 6 阶段 30 课

自下而上搭建：先建直觉，再懂原理，看清大模型全貌，最后亲手构建。建议按顺序学习。

第一阶段

直觉篇 · AI 到底是什么

5 课目标：不写一行代码、不碰一个公式，建立对 AI 的正确直觉 —— 知道它是什么、不是什么、靠什么变聪明。
01AI、机器学习、深度学习：三个圈的关系交互演示入门人工智能 ⊃ 机器学习 ⊃ 深度学习。分清这三个套娃般的圈，是看懂一切 AI 新闻的第一步。02机器是怎么“学习”的：从写规则到喂数据入门传统编程是“人写规则”，机器学习是“机器从数据里自己找规则”—— 这一个转变，造就了整个 AI 时代。03一个神经元的诞生：权重、偏置与激活交互演示入门神经网络的最小零件，其实只是一道“加权打分题”。亲手拖动权重滑块，看一个神经元如何做判断。04训练就是下山：损失函数与梯度下降核心难点交互演示基础把“猜错的程度”变成一座山，训练就是闭着眼摸索下山。在 3D 地形图上看懂 AI 如何一步步变聪明。05数据为王：训练集、测试集与过拟合易混淆基础为什么 AI 会“背答案”而不是“真学会”？过拟合是所有炼丹师的噩梦，也是理解 AI 局限的钥匙。
第二阶段

原理篇 · 深度学习四大基石

5 课目标：看懂支撑现代 AI 的几个关键机制 —— 多层网络、卷积、向量、注意力，为理解大模型打好地基。
06层层抽象：多层网络与反向传播基础一层神经元只会画直线，层数叠多了就能认出一只猫。反向传播：把错误一层层“追责”回去的艺术。07计算机如何“看”：卷积神经网络 CNN交互演示基础一个 3×3 的小窗口在图片上滑动，就能找出边缘、纹理直至人脸。亲眼看卷积核扫描一张图。08词变成数字：Embedding 与向量空间核心难点交互演示进阶国王 − 男人 + 女人 ≈ 女王。在 3D 星空里漫游词向量空间，理解 AI 眼中的“语义”长什么样。09注意力机制：AI 学会“划重点”核心难点进阶理解 “bank” 时该看 “river” 还是 “money”？Attention 让每个词学会环顾四周 —— 大模型的心脏。10Transformer：改变一切的架构交互演示进阶2017 年一篇论文《Attention Is All You Need》改写了 AI 史。逐层拆解这条“词语加工流水线”。
第三阶段

大模型篇 · LLM 是怎么炼成的

5 课目标：完整看懂一个大语言模型的诞生全程 —— 从生数据到预训练，再到被调教成你熟悉的 ChatGPT。
11Token：大模型眼中的世界交互演示基础大模型不认识“字”，只认识 token。输入一句话，看它被切成什么样 —— 顺便搞懂为什么按 token 计费。12预训练：用整个互联网玩文字接龙基础“预测下一个词”这个朴素游戏，重复上万亿次后发生了什么？大模型九成的能力来自这一步。13从 GPT 到 ChatGPT：SFT 与 RLHF进阶预训练给了它知识，对齐给了它“人样”。监督微调 + 人类反馈强化学习，把接龙机器调教成助手。14温度与采样：AI 为什么每次回答不一样易混淆交互演示基础temperature 调到 0 和调到 2，分别会发生什么？亲手拧动旋钮，理解“严谨”与“创造”之间的权衡。15Scaling Laws 与涌现：大力出奇迹交互演示进阶参数 ×10、数据 ×10、算力 ×10，能力曲线如何变化？以及那些模型“突然学会”新本领的神秘瞬间。
第四阶段

应用篇 · 把大模型用起来

5 课目标：掌握 LLM 应用层的完整技术栈 —— 从写好提示词，到给 AI 外挂知识库和工具，再到搭出智能体。
16提示工程：和 AI 对话的艺术基础角色设定、少样本示例、思维链……提示工程不是玄学话术，而是一套有原理可循的工程方法。17上下文窗口：AI 的工作记忆易混淆基础为什么聊久了 AI 会“失忆”？上下文是大模型唯一的记忆，理解它的边界是用好 AI 的前提。18RAG：给 AI 外挂知识库核心难点交互演示进阶大模型不知道你公司的文档怎么办？切块 → 向量化 → 检索 → 注入上下文，动画演示完整流程。RAG 1RAG 进阶① · 为什么查不准，怎么查准核心难点交互演示进阶RAG 的上限是检索的上限。了解混合检索、重排序和查询改写（HyDE），解决“找不到对的资料”。RAG 2RAG 进阶② · 切得好，量得出核心难点进阶切分是检索的硬上限，而评估定优化的方向。掌握父文档检索、上下文化检索以及 RAGAS 评估指标。RAG 3RAG 进阶③ · 单次检索不够时（进阶架构）核心难点交互演示进阶复杂问题查一次不够。了解 Agentic RAG、多跳检索、微软 GraphRAG 以及长上下文与 RAG 的互补分工。19Function Calling：AI 长出双手进阶让大模型学会查天气、订机票、跑代码 —— 工具调用是 AI 从“会说”到“会做”的关键跨越。20Agent 智能体：会自己干活的 AI进阶感知 → 规划 → 行动 → 反思。当大模型装上循环和工具，它开始自主完成多步任务。
第五阶段

前沿篇 · 多模态与推理

5 课目标：跟上 AI 的最前沿 —— 图像生成、多模态、推理模型与工程生态，看懂今天新闻里的每一个热词。
21文生图：扩散模型的去噪魔法交互演示进阶从一张纯噪点开始，一步步“擦”出一幅画。Stable Diffusion 与 Midjourney 背后的反直觉原理。22多模态：AI 同时看懂图文音进阶图片也能变成 token？看视觉编码器如何与语言模型“接驳”，让 AI 看图说话、听声辨意。23推理模型：思维链与慢思考进阶从 o1 到 DeepSeek-R1：让模型先“打草稿”再回答 —— 用测试时算力换智力的新范式。24MCP 与 AI 工程生态进阶Model Context Protocol：AI 应用的“USB 接口”。一张图看懂大模型周边的工程生态全景。25开源与闭源：大模型版图入门GPT、Claude、Gemini、Llama、Qwen、DeepSeek……一张地图认清各家路线，学会按需选型。
第六阶段

实战篇 · 亲手构建 AI 应用

5 课目标：写真正的代码，把前 25 课的概念变成能跑起来的应用 —— 这是从学习者到构建者的最后一跃。
26第一次调用 API：30 行代码的聊天机器人基础申请 key、发出第一个请求、读懂流式输出 —— 你和“AI 应用开发者”之间，只隔着 30 行代码。27本地跑大模型：Ollama 与量化基础不联网、不花钱，在自己电脑上跑开源大模型。顺便弄懂 7B、Q4 这些参数“黑话”是什么意思。28实战 RAG：搭建你的私人知识库进阶把第 18 课的流程图变成真代码：读文档、建索引、做问答 —— 一个完整能用的 RAG 应用。29评估与安全：AI 的体检与红线进阶怎么知道模型变好了？幻觉、提示注入、越狱 —— 上线之前必须懂的评估方法与安全常识。30终点亦起点：AI 进阶学习地图入门论文怎么读、社区在哪里、方向怎么选 —— 把这门课变成你 AI 之旅的第一级台阶，而非终点。
第七阶段

番外篇 · 前沿技术拆解

4 课目标：紧跟最新大厂与独角兽的技术动向，拆解一流产品背后的工程设计与底层逻辑。
31Manus 拆解：顶尖 Agent 的上下文工程核心难点进阶解密首个通用 Agent 爆火背后的设计哲学：少结构、多智能。拆解围绕 KV-Cache 稳前缀等六条上下文实战经验。32Cursor 拆解：AI 怎么读懂你的整个代码库核心难点进阶爆火编辑器强在模型之外：深入其库级检索（Ctags+Merkle 树）、高速应用层以及 Tab 代码补全机制。33DeepSeek 拆解：用几分之一的钱训出顶尖模型核心难点进阶详解 DeepSeek 击穿行业成本的秘诀：混合专家（MoE）、多头潜在注意力（MLA）以及多 Token 预测（MTP）架构。34Character.AI 拆解：海量陪聊的成本怎么压下来核心难点进阶探究高频对话场景的推理黑科技：多查询注意力（MQA）、混合注意力窗口、跨层共享以及原生 Int8 训练优化。
How To Learn

每一课怎么学

所有课程共用同一结构，一节课就是一个完整的学习闭环（约 10–30 分钟，随内容深浅而定）：

💡 核心概念 直觉化讲透→🎛️ 交互演示 亲手调参数→⚠️ 常见误区 概念纠偏→✍️ 小练习 即学即测

建议节奏：每天 1 课，6 周完成；或每天 2 课，3 周速通。第 4、8、9、18 课是公认难关，多留一天。