01推荐顺序
AI 应用与大模型
理解 AI、机器学习、大模型、RAG、Agent 和上线治理各自解决什么问题。
KNOWLEDGE ATLAS · 2026
先找到起点，再一层层走到能做出来。
每条路线按前置知识排好顺序。新手先建立概念和环境，随后进入方法、机制与真实项目；每个节点都对应一篇完整文章和一个可验证产物。
01 基础02 进阶03 深入04 实战
CATEGORY FIRST · 2026
查看分类边界先选你要学的领域，再进入路线
每个领域先从概念入口开始。点“懂了”才进入下一篇；点“还是不懂”会回到本篇的具体解释。顺序完整的学科可以直接按路线学习，其他内容先从入口逐篇理解。
02推荐顺序
编程开发
从变量、控制流、函数和对象建立写程序的共同语言，再进入具体语言和工程。
03推荐顺序
Agent 工程
从 Agent 的目标—决定—动作循环开始，逐步建立上下文、工具、状态、评测、安全和项目交付能力。
04推荐顺序
求职与面试
把岗位要求、知识理解、项目证据、表达和选择机会串成一条闭环。
05推荐顺序
算法与数据结构
先理解数据如何组织、问题如何缩小，再学习题型、证明、实现和复盘。
06推荐顺序
Agent Skills 与自动化
理解 Skill、工具、MCP、Agent 和测试之间的职责，再封装可复用工作流。
07推荐顺序
数据分析
从业务问题、数据、指标和不确定性出发，形成可复核的结论。
08推荐顺序
办公效率
建立文件、版本、表格、会议和知识管理的可找回工作流。
09推荐顺序
自媒体运营
从受众和问题出发建立选题、内容系列、数据复盘和持续发布能力。
10推荐顺序
AI 视觉与内容创作
先看懂画面、镜头、风格和一致性，再进入生成、剪辑和权利记录。
11推荐顺序
产品与运营
把用户抱怨还原成问题、需求、流程、指标和实验。
12推荐顺序
副业与知识变现
把公开资料加工成可信、可完成、可交付和可持续更新的知识产品。
13推荐顺序
职场与商业能力
把目标、沟通、风险、协作和成果证据变成可推动行动的工作方式。
14推荐顺序
模板与工具资源
学习如何评估来源、工具、模板和开源项目，并记录版本、许可和退出条件。
AI 基础与应用 · 学科路线
AI 基础与应用
先区分任务、模型、训练、推理和生成，再进入提示、工具和小应用。
路线完成度0%0/14 个知识节点
从这里开始AI、机器学习与大模型到底是什么：小白的第一张概念地图基础 · 52 分钟适合谁
刚接触 AI、容易被模型名词和 API 淹没的读者
走完会得到什么
能把一个需求翻译成任务、输入、输出、验收和风险边界。
STAGE 1
0/6基础
先讲 AI、机器学习、模型、训练、推理和一次最小调用分别是什么。
STAGE 2
0/3进阶
把应用分层、提示、上下文和模型选型放进同一个任务契约。
STAGE 3
0/4深入
把评测、结构化输出、工具调用和风险控制变成可检查的工程门槛。
STAGE 4
0/1实战
把前面的概念收束到一个可运行、可检查的 AI 全栈小应用。