AI学习资源精选(2025)
作者：微信文章大家好，我是冷逸，沃垠AI的“首席搬砖人”。
今天，给大家带来《AI学习资源精选》的全新版本——2025升级Plus版。
为什么要更新？因为已经2025年了，依旧有不少新朋友在问我：该怎么入门AI？从哪里开始？有没有一份系统的学习指引？
去年的文章虽然合适，但部分内容已经过时。所以，这次我重新整理了一版，保证在2025全年都能用得上。
本文收录的学习资源list，大多来自我日常自己在用、在看的信源。原则很简单：精选高质量信息，过滤劣质信息；直击源头，动手学习。
学习思路
在正式进入AI学习资源之前，先跟大家聊聊几种关键的学习方法论，以帮助我们搭建清晰的学习框架。
1）源头学习
知识源头，就像江河支源，是知识发源的地方，是知识刚刚被创造出来的地方。源头知识的浓度和质量极高，有着最纯粹的底层逻辑和最完整的基础概念。
我们要站在知识的源头，萃取、消化第一手知识，重视第二手知识，轻视甚至无视第三、第四手知识。
AI领域，源头知识尤为重要。
因为当前的AI仍是一个快速演化的新兴领域，不够成熟，噪音很多。只有去到源头，才能了解底层逻辑、判断信息价值。比如遇到一个新产品，最靠谱的方式不是刷自媒体，而是直接看论文、技术博客。
现在，也有不少工具降低了“读源头”的门槛：
论文翻译：沉浸式翻译的BabeIDOC，PDF翻译贼好使；
总结工具：豆包、Kimi、元宝、夸克等，可以快速提炼论文和网页的关键信息。
2）功利学习
认知心理学认为：成人学习有三个前提要求的时候效率最高，即有目标导向、有即时反馈、最近发展区。简单说就是，能解决当下问题的、学了有地方用的、难度适中的知识，学起来最有效。
所以，我们学习AI要有极强的目的性，也就是功利学习。要么它能够帮你变现（赚钱），要么它能够帮你涨工资（提效），要么它能够让你成功创业。
基于功利学习目的，我们给自己制定学习计划，从自己的需求和实际出发，设计学习清单，给自己分配学习资源（可从下文中配置资源）。
这方面最好的案例是吕雪梅，详见我这另一篇文章的介绍。
3）动手学习
光学不练 = 白学。
AI最大的特点是：门槛极低，实践极快。只需自然语言就能与AI互动，任何人都能上手。
建议大家先做一名“AI发烧友”，保持强烈的好奇心，勇于折腾。因为只有通过动手，才能真正理解。
动手学习，可以帮助我们建立“输入问题（Input question）-解决问题（Problem solving）-输出产品（Ouput product）”的IPO学习闭环。最终，产出属于自己的 MVP（Minimum Viable Product，最小可交付产品）。
学习资源
下面，我将从5个方面来汇总AI学习资源，以帮助大家精选信息，源头学习，动手学习。
1.了解底层逻辑
·Transformer
·Diffusion
·Agent
·提示词
·Vibe coding
2.源头学习
·AI领军人物
·官方指南
·最新论文
·专业书籍
3.联机学习
1）理论
·关注1-2个专业公众号
·看外媒、听播客
·精读一些论文
2）技能
·一些公众号
·沃垠AI
3）交流
·加一些AI社区
·参加一些线下
·认识一些大佬
4）商业
5）平台
4.学以致用
·先选一些工具
·从prompt入门
·搭一些workflow
·DIY专属应用
5.职业选择
·学习公开课
·考证
·学业深造
·搞应用
这份list，主要来自我自己关注的渠道或资源，比较主观，可能会有所遗漏，欢迎大家在留言区补充。
1.了解底层逻辑
了解AI，首先需要了解它的底层逻辑，也就是知道AI从哪里来，以及要到哪里去。
人工智能，大概经历了3个阶段。
最早是一些理论，出现了各种“逻辑推理”与“规则主义”；后来有了深度学习，期间出现了一些弱人工智能（ANI），但极为依赖手动输入knowledge；现在这一波，主要是指生成式人工智能（GenAI），由Transformer架构演变而来。
1）2017年，谷歌八子发表了一篇论文《Attention is all you need》，提出了著名的Transformer架构，奠定了大语言模型（LLM）的基础。
原论文地址
https://arxiv.org/pdf/1706.03762.pdf
B站up主@跟李沐学AI 也做了视频讲解，全程中文，科普到位。
https://www.bilibili.com/video/BV1pu411o7BE
2）Diffusion扩散模型，是文生图、图生视频的最底层技术。
知乎有用户做了科普，十分钟快速读懂Diffusion扩散模型。
https://zhuanlan.zhihu.com/p/599887666
最新的技术是自回归，ChatGPT、Qwen和Gemini都在他们的生图模型里加入了自回归模型。
推荐看这篇最新的论文《Autoregressive Models in Vision: A Survey》。
https://arxiv.org/pdf/2411.05902
3）Agent，无论是智能实体还是代理人，基本都在朝着吴恩达提出的4个方向进化。了解智能体，必读这几篇文章。
Agent原理、主流框架、设计模式及应用案例
https://mp.weixin.qq.com/s/Ax6fBh8tS-ysHHuYA-doXA
知名的斯坦福小镇Agent实验
https://arxiv.org/pdf/2304.03442.pdf
庄明浩播客《没人知道到底什么TM是Agent》
https://mp.weixin.qq.com/s/y25UAZoxa7-fhpYHgWb71g
4）今年最火的AI应用场景，属于Vibe coding。Claude靠着优秀的编程能力，开发者用户反超了ChatGPT。
关于Vibe coding的使用心得，推荐大家读读朋友@袋鼠帝 的文章。
https://mp.weixin.qq.com/s/EujgUb7EL0Hp5BMG333v8w
5）提示词是我们使用AI的魔术棒。用得好，能够化腐朽为神奇；用得不好，觉得AI不过不过如此。推荐3个渠道系统学习提示词。
提示词工程指南
https://www.promptingguide.ai/zh
向阳乔木的prompt合集
https://xiangyangqiaomu.feishu.cn/wiki/UWHzw21zZirBYXkok46cTXMpnuc
LangGPT的prompt合集
https://github.com/langgptai/LangGPT
6）如果你想更系统的了解底层技术，这有一些公开课和推荐书单，值得一看。
Deeplearning.ai课程，涵盖了从入门到进阶。入门，只用学习“introductory”部分。
https://www.deeplearning.ai/courses
llya推荐的30个阅读清单
https://arc.net/folder/D0472A20-9C20-4D3F-B145-D2865C0A9FEE
2.源头学习
源头知识的浓度和质量极高，有着最纯粹的底层逻辑和最完整的基础概念，推荐从这4个渠道获取。
1）AI领军人物
这里的领军人物，主要指技术大佬和对人工智能有过重要贡献的人物，如图灵三巨头（Yoshua Bengio、Geoffrey Hinton、Yann LeCun）、李飞飞（Fei-Fei Li）、吴恩达（Andrew Ng）、Ilya Sutskever、Jan Leike、Shane Legg、Max Tegmark、Jakub Pachocki、梁文锋、赵晟佳等。
而非商业领袖，比如Sam Altman、马斯克、黄仁勋、扎克伯格、Demis Hassabis、李彦宏等，他们的采访或访谈，都是有商业目的性的，要么是提高公司估值，要么是寻找投资人，以及迷惑竞争对手。比如Sam Altman，就经常放卫星。
获取渠道：
Lex Fridman的播客
https://www.youtube.com/@lexfridman
20VC的播客
https://www.youtube.com/@20VC
web3天空之城（搬运外网采访，一般外网发布1-2天后B站就有了，配有中文精校字幕）
https://space.bilibili.com/351754674
各位大佬的X账户
2）官方指南
基本上，每家AI公司都会有一个专门的板块，用来放技术文档和最新研究。比如Anthropic，就被誉为是prompt使用指南写得最好的AI公司。
Anthropic的Research和Learn
https://www.anthropic.com/research
https://www.anthropic.com/learn
OpenAI的News
https://openai.com/news
谷歌deepmind的最新研究
https://deepmind.google/research/publications
Meta AI的博客
https://ai.meta.com/blog
Qwen技术博客（极少提供中文版的技术博客）
https://qwenlm.github.io/blog/
Seed的最新研究
https://seed.bytedance.com
腾讯混元的最新研究
https://hunyuan.tencent.com/news/home
Kimi、智谱、DeepSeek的技术&产品动态，主要通过公众号发布。
既有一定的技术科普，又照顾了普通用户的阅读门槛。不过，各家的“宣发”词，需要自行判别。
3）最新论文
AI最新研究，一般会首选在Arxiv上发布预印本论文，是我们研究第一手论文的主要来源。
Arxiv最新论文检索主页
https://arxiv.org/list/stat.ML/recent?ref=bestofml.com
如果需要学术检索和总结，Kimi和问小白均提供了「学术搜索」模式，可以快速读懂学术论文。
Arxiv Sanity Preserver，帮助分类、搜索和过滤特征主页
http://www.arxiv-sanity.com/?ref=bestofml.com
4）专业书籍
虽然带着“人工智能”四个字的书有很多，但是能看的真的很少，重点推荐这几本。
《深度学习》，由全球知名专家IanGoodfellow、YoshuaBengio和AaronCourville撰写，深度学习奠基性教材，被称为“AI圣经”。
电子版（已翻译）：
https://github.com/exacity/deeplearningbook-chinese
《生命3.0》，未来生命研究所创始人Max Tegmark著。
刘慈欣全部小说，不解释。
《智能体设计指南》，朋友云中江树、甲木、小七姐、李继刚等人合著。
《Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition》，目前地球上最好的机器学习书籍，不仅有实例而且还讲明了原理。
有一些电子书，也还不错，而且全部免费。
黄叔出品，已更新至2.0，《AI编程蓝皮书》
https://superhuang.feishu.cn/wiki/CBBPwvgEuicVhFkx0s7cPmhpn4e
姚金刚&向阳乔木出品，新鲜的，21万字《GEO白皮书》
https://yaojingang.feishu.cn/docx/Jv85dXAeZoKJ7exJi4Yc4Edrnhf
3.联机学习
联机学习，主要是做信息同步，让自己跟上AI节奏，推荐5个渠道。
1）理论
➊关注1-2个专业公众号
关于AI的前沿动态和技术解读，一般关注1-2个AI公众号就够了。优势是及时、能够搬运外网信息，不足是比较碎片化，缺乏系统理解和深度思考。
推荐关注量子位和机器之心。
对于一些AI新兴应用的挖掘，推荐关注特工宇宙和他们的观猹平台。
科普领域，推荐关注朋友@赛博禅心，优势是会整活、科普到位，但博主最近在忙AGI Bar的事情，公众号的更新就没那么频繁了。
➋看外媒、听播客
如果你想更深度跟踪海外动态，推荐阅读外媒的一手报道。
媒体：TheInformation、Techcrunch、Github、Reddit。
或者，看一些对技术大佬的深度访谈，比如Lex Fridman的播客，采访了很多大佬，每期播客动辄2-3个小时。
Lex Fridman的播客
https://www.youtube.com/@lexfridman
国内访谈，推荐关注Founder Park、十字路口Crossing。小宇宙APP上，也有一些高质量访谈。
➌精读一些论文
如果你想更输入理解技术原理，推荐阅读一些技术论文。普通人读论文，会比较困难，建议先读几篇精品论文。然后，再按需增加阅读量。
详细论文链接，已经在前面发过了。
2）技能
介绍资讯、理论的媒体有很多，但介绍干货、技能的很少，这部分内容主要来自KOL，以公众号文章为主。
推荐大家关注这几个公众号。
归藏，经常鼓捣各种新产品、新工具的宝藏博主，攻略贴量大管饱。
袋鼠帝、苍何，AI编程领域优秀博主，很多人学n8n可能都是看的他们教程。
阿真，AI设计领域宝藏博主。
云中江树、甲木、一泽，AI提示词宝藏博主。
当然，还有我们自己沃垠AI，帮大家第一时间体验各种新AI，了解各种新技术，给到一手测评和使用攻略，All blog for you.
3）交流
a.加一些AI社区
必推社区：Waytoagi，非常全面且体系，由多位AI爱好者共建共享，所有知识全部免费。
https://waytoagi.com
AI产品榜：每月定期更新AI产品榜单（含全球和国内），已成为行业引用的权威榜单。
aicpb.com
这2个社区，主要在飞书使用。除了飞书外，你也可以加一些质量高的微信社群，比如一支烟花、Waytoagi，当然也包括我们沃垠AI的社群。
b.参加一些线下活动
参加线下活动，可以让我们近距离观察行业的最新情况。如果不能参加线下活动，也可以报名线上直播（几乎都是免费的）。
4）商业
国内券商的研报基本不用看，懂的都懂。这里，推荐一些专注AI赛道的VC。
红杉资本（注意，不是红杉中国）
https://www.sequoiacap.com
a16z，一家主要投AI的VC
https://a16z.com
YC投资，初创公司团队的“孵化器”
https://www.ycombinator.com
奇绩创坛，前身为YC中国，创投+训练营做得很不错
https://www.miracleplus.com
5）平台
学习AI，少不了相应平台、工具的支持。首推这几个，也是AI圈用得最多的平台。
X，毋庸置疑，X是我们了解一手信源和干货的最有价值地。大厂、大佬和大V，都在这里
https://x.com
Reddit，国外版小红书。很多越狱提示词、时髦玩法都来自这里
https://www.reddit.com/
飞书。AI圈，几乎没有不用飞书的公司（除了自家有云文档平台除外）。先进团队，先用飞书
https://www.feishu.cn
GitHub，全球最大的开源代码社区，开发者过亿
https://github.com
HuggingFace，因为大模型，huggingface开源社区得以迅速崛起。huggingface趋势榜，成了各家AI公司的实力风向标
https://huggingface.co/
ProductHunt，一个发现AI好产品的平台
https://www.producthunt.com
YouTube/Bilibili，不解释
MuleRun，AI Agent的marketplace
https://mulerun.com/
4.学以致用
任何学习，都不能脱离实际，要从自己的实际出发，从自己的需求和目标出发，有针对性地进行学习。“学习-实践-总结/输出”，这样形成自己的经验闭环。
如何学以致用，建议参考这4个路径。
1）先选择合适的工具
沃垠AI会定期更新AI产品榜单，你可以从这里，选择最适合自己场景、领域的AI，先进行体验。
AI产品推荐榜（7月）
https://mp.weixin.qq.com/s/30IP_bnCRZebe4yFwAbT0w
2）从提示词入门
提示词，是我们与AI对话最基础的语言，也是最基础的技能。你可以先自行尝试不同提示词的生成效果，体验大模型“语言解压”之美。然后模仿他人的提示词进行使用，也可以到我们公众号搜「提示词」，获取最新的提示词攻略。
也可以让GPT-5，给你生成专业的提示词（详见攻略贴）。
3）去搭一些workflow
学会了提示词，接下来我们再进一步，将LLM+prompt进行结合，通过coze或n8n搭一些workflow出来，解决自己生活或工作中的一些重复性工作，让AI开始替你干活。
比如自动写邮件、新闻定时推送、热点监控、知识整理等。
coze
www.coze.cn
n8n
https://n8n.io
4）开始DIY一些应用
再进一步，就可以通过Vibe codin自己DIY一些专属应用了。这类应用可以是智能实体，也可以是软件程序。让AI帮你解决更多的个性化问题。
在真正的通用Agent还没做出来之前，diy一些专属应用，不失为一种捷径。
Vibe coding工具推荐：Claude code、Qoder、Trae、CodeBuddy。
5.职业选择
如果是职业计划进入人工智能行业，推荐4种渠道。
1）系统学习公开课
Deeplearning.ai课程，从入门到进阶
https://www.deeplearning.ai/courses
吴恩达《Machine Learning》
https://www.coursera.org/learn/machine-learning
吴恩达《Deep Learning》
https://mooc.study.163.com/university/deeplearning_ai#/c
强化学习 | Reinforcement Learning-David Silver
https://www.bilibili.com/video/av45357759
林轩田《机器学习基石》
https://www.bilibili.com/video/av36731342
微软AI公开课，了解AI核心原理
https://microsoft.github.io/AI-For-Beginners
英伟达在线自主培训课程，免费、付费皆有
https://www.nvidia.cn/training/online
斯坦福大学，CS230 Deep Learning
https://www.bilibili.com/video/av47055599
斯坦福大学，计算机视觉“神课”CS231n
https://cs231n.stanford.edu
2）考证
AI领域人才，除了自读在线学位或全职攻读学位以外，目前没有任何被行业认可的证书。市面上所谓的考证提升AI能力，99%都是割韭菜。
3）学业深造
学业深造分为两种。
第一种是自读相关的在线学位，费用不菲。目前，国内大概有70来所高校开设了人工智能研究生专业，这些高校录取门槛较高，而且几乎只收计算机本科生。
另一种就是全职攻读相关学位，通过读研或读博，来完成学历升级。
学校选择，可参考https://csrankings.org排名。
4）搞应用
最后，还有一种路径就是，让大厂认可你的动手能力。
比如你是应聘提示词工程师，那你通过扣子打造了一款爆款智能体比什么都有用。同样，你如果应聘AI工程师，那就拿出你在Github或ProductHunt上项目的标星数。
一切，用实力说话。
写在最后
写到这里，不知不觉已逾万字。
去年那篇文章，大部分内容都已被我删去，又重新码了八千字，才有了今天这篇《AI学习资源精选（2025）》。
希望它能对2025年才开始接触AI的你有所帮助；即便是老朋友，我也相信，你能从中发现一些新的东西。
知易行难，万事从0到1最难。但我相信，只要开始了，前路就会越来越清晰，也一定会遇见那个更好的自己。
AI很有趣，欢迎来玩、来造。
我们一起折腾，一起出发，说不定下一个惊艳世界的点子，就来自你此时此刻的好奇心。
页:
[1]