全网 AI 学习资源完整指南：精选 600+ 实测可访问资源（2026）

这是一份按 12 大维度组织、精选 600+ 实测可访问资源的 AI 学习资源完整指南。覆盖中文知识库（WaytoAGI / Datawhale）、国产大模型官方文档（DeepSeek / 通义 / Kimi / 智谱 / 豆包）、国际大厂学习平台（Anthropic Academy / OpenAI / Hugging Face Learn / Microsoft）、大学公开课（MIT / 斯坦福 / 伯克利 / Andrej Karpathy）、提示词工程、AI 编程工具（Claude Code / Cursor / Codex）、AI Agent 框架、RAG 与微调、多模态生成、工具导航、论文评测十二大维度。每一类都标注「适合谁 + 学习时间 + 价值定位」，配翔宇 2 年踩坑总结的三阶段学习路径。读完这一篇，你不再需要再翻 10 个收藏夹。

翔宇 2025 年初做这份资源清单时，把当时收藏的几十个飞书 AI 知识库一股脑列了进来。结果 2024 年下半年飞书改了 wiki 的链接结构，2026 年回头检查时发现里面 16 个飞书 wiki 全部 404 失效——通往 AGI 之路、AGI 掘金、AI 研习社、艾文 AIGC、奔赴 AGI、Datawhale 学习指南……一个都打不开。这件事给翔宇上了一课：把别人 SaaS 平台上的链接当成"长期资源"是最大的错觉。

这次彻底重写，翔宇做了三件事：把每一条原飞书外链替换成它们当前真正存活的独立站新地址（比如通往 AGI 之路迁到了 waytoagi.com、Datawhale 迁到了 datawhale.cn）；引入 2026 年新出现的官方学习平台，特别是 Anthropic Academy（2026-03 上线）、Hugging Face Learn 全套和微软 Generative AI for Beginners；按学习路径重新组织成 12 大维度，逐一确认链接当前都能正常打开。

这篇文章篇幅不短，但你不用从头读到尾。下面的目录速览告诉你每一节是什么、适合什么阶段的人。挑你需要的章节看就行。

要点速览

• 12 大维度合计 600+ 条实测可访问的 AI 学习资源
• 中文社区首选 WaytoAGI（waytoagi.com）+ Datawhale（datawhale.cn）+ 量子位 / 机器之心
• 国际官方首选 Anthropic Academy + Hugging Face Learn + Microsoft Generative AI for Beginners
• 大学公开课首选斯坦福 CS336（从零搭 LLM）+ MIT 6.S191 + 李宏毅 GenAI 2024
• AI 编程工具首选 Claude Code / Cursor / Codex 三家官方文档
• 选定一个知识库 1-2 周吃透，远胜收藏一百个但一个都没看

AI 学习资源 12 大维度速查

翔宇的建议：如果你时间有限，按这个优先级——先选一个中文知识库通读建立全局认知，再学一遍提示词工程掌握核心技能，然后选一个具体方向（AI 编程 / Agent / RAG / 多模态）深入。学一个用一个比收藏一百个但一个都没看强。

翔宇要先讲一个很多人踩的坑：收藏焦虑。把几十个知识库全部收藏然后一个都没认真看完，本质是用收藏代替学习，给自己一种已经在进步的错觉。真正有效的路径是：选定一个，用一到两周时间通读，边读边在自己工作中尝试应用。这一个知识库给你带来的实际能力提升，远大于收藏十个。

2026 年 AI 学习领域有一个明显趋势：权威机构官方课程越来越多。Anthropic、OpenAI、Google、Meta、Microsoft、Hugging Face、阿里、字节、智谱、Moonshot 几乎都推出了免费的官方学习入口。这些课程由技术的创造者直接编写，准确性和时效性远超第三方汇总。翔宇的策略是把官方课程作为技术学习首选，把社区知识库作为商业应用思路的补充。

另一个趋势是实操化转型。早期 AI 教育侧重概念讲解，2026 年的主流课程越来越强调动手——MIT 6.S191、Google ML Crash Course、Hugging Face Agents Course 每个模块都包含可运行 Notebook。你不需要花几个月学完所有理论再开始动手，边学边用才是 2026 年最有效的学习方式。

一、中文 AI 知识库与社区

这一节是 2025 版的重灾区——原飞书 wiki 16 条全部失效。下面是它们的真正存活的迁移地址，加上其他高质量中文 AI 资源。

1.1 通往 AGI 之路（WaytoAGI）三件套——必收

WaytoAGI 是中文 AI 圈影响力最大的开源知识库，由 AJ 团队维护，已从飞书 wiki 完全迁出，现在有三个独立域名分工明确：

• 主站 https://www.waytoagi.com——一站式入口，工具、智能体、资讯、课程聚合
• Wiki 知识空间 https://wiki.waytoagi.com——系统化 AI 学习路径文档版（原飞书 wiki 的独立站迁移）
• 文章精选 https://articles.waytoagi.com——主理人团队精选长文集

适合你如果：你是 AI 零基础想从头建立系统认知。翔宇第一次读 WaytoAGI 时花了大约一周通读，结束后对 AI 全貌有了清晰的框架性认识。它的最大优势是结构化——按从基础到应用的逻辑路径组织内容，让你读完之后脑子里有一张完整的知识地图。

1.2 Datawhale 开源学习社区——国内最大 AI 学习组织

Datawhale 是国内最大的 AI 开源学习社区，原飞书 wiki（datawhaler.feishu.cn）已死，但社区主体迁到独立站 + GitHub：

• 官网：https://www.datawhale.cn
• GitHub 组织：https://github.com/datawhalechina（50+ 开源教程仓库总入口）

Datawhale 的核心价值是组队学习——每月开 5-10 个学习营，由志愿者带队，免费但有作业打卡。下面是几个 Star 数过万的代表作：

适合你如果：你有一定编程基础想系统转 AI，或者你需要一个外部约束（组队学习）来逼自己学完。

1.3 LangGPT 结构化提示词社区

LangGPT 的飞书（langgptai.feishu.cn）也失效了，当前唯一权威源是 GitHub：github.com/langgptai/LangGPT（12k Star）。它提出了"像写代码一样写提示词"的结构化方法论，是中文提示词工程的扛旗者。

1.4 主流中文 AI 信息站

翔宇 AI 知识库的常见误区三条：(1) 追求全面而忽略深度——选定一个吃透好过浅尝十个；(2) 只看不做——AI 领域动手比看书学得快十倍；(3) 忽略更新时间——超过六个月没更新的内容可能已过时，看任何文章前先确认日期。

二、中国大模型官方学习入口

每家国产大模型厂商都有官方文档、Cookbook 或开放平台。官方文档比第三方汇总更新更快、信息更准——这是翔宇 2026 年最重要的学习习惯调整。

2.1 一线大模型厂商

2.2 二线与开源大模型

翔宇推荐策略：选两家国产模型作为主力（一家国内 API、一家海外或开源备份），把官方文档加入 RSS 跟进。当前翔宇主用 DeepSeek + Qwen + Claude（海外）的三角组合。

三、国际大厂官方学习平台

2026 年是大厂官方课程井喷的一年。优先选官方课程，再选第三方汇总——这是性价比最高的学习路径。

3.1 ⭐ Anthropic Academy（2026-03 上线，强烈推荐）

Anthropic Academy 是 Claude 团队的官方学习平台，13+ 门免费课程，颁发完成证书。Anthropic 自己写课，深度和准确性远超第三方。翔宇推荐先学这五门：

配套资源：

• Anthropic Learn 主页——所有学习资源入口
• Anthropic Cookbook——官方代码示例（21k Star）
• Anthropic Courses GitHub——课程源码（21k Star）
• Anthropic Quickstarts——客服 Agent / 计算机使用 / 金融助手等可运行 demo
• Anthropic 提示词官方指南
• Anthropic Research——一手论文（安全对齐 / 可解释性）
• Anthropic Economic Index——Claude 在真实经济中的使用分布报告

3.2 OpenAI

3.3 Google / DeepMind

3.4 Microsoft

微软的 AI for Beginners 系列是 GitHub 上最受欢迎的免费 AI 课程，全是中英双语：

3.5 Hugging Face Learn——开源工程师必修

huggingface.co/learn 是开源 AI 圈最完整的免费课程合集：

3.6 Meta / AWS / NVIDIA / IBM / Cohere

四、大学公开课与名师课程

如果你想啃原理，没有什么比顶级大学的公开课更值得投入时间。下面按学校分组，全部是 2026 年仍在更新或仍可访问的课程。

4.1 MIT

4.2 斯坦福

4.3 伯克利 / CMU / 哈佛

4.4 中文 / 入门级

4.5 Andrej Karpathy 系列——LLM 学习者必看

4.6 其他高质量课程

五、主流在线学习平台

六、提示词工程教程与工具

提示词（Prompt）是你和 AI 之间的"沟通语言"。写得好不好直接决定 AI 给你的回答质量。如果你想系统掌握提示词方法论，可以参考翔宇的提示词框架完全指南。

6.1 核心教程（按学习顺序）

6.2 GitHub 高 Star 提示词仓库

6.3 提示词工具与社区

翔宇的实操经验：最有效的提示词优化方法其实很简单——在你的提示词后面加一句"请先分析这个提示词可能存在的问题，然后给出优化版本"。让 AI 自我审视的效果往往比专门工具更好。这是 2026 年 Claude Sonnet 4.5 / Opus 4.7 这种推理强模型的副产品。

七、AI 编程工具官方学习入口

AI 编程指用 AI 工具帮你写代码的工作方式，2024 年开始爆发，2026 年已成为开发者的主流工作流。先看官方再看二手教程是省时间的最优解。

7.1 国际主流（按推荐度排序）

7.2 国产工具

7.3 系统提示词反向工程必看

翔宇的 AI 编程实操课就是基于 Claude Code + Cursor + Codex 三家官方文档的中文沉浸式实战版，从零做到部署全流程跑一遍。

八、AI Agent 框架与平台

Agent 是 2025-2026 年最热的 AI 范式，从单纯对话升级到自主决策+工具调用+多步任务。下面的资源覆盖框架（开发者用）、平台（无代码/低代码用）和 MCP 协议生态。

8.1 开发者框架（GitHub 高 Star）

8.2 无代码 / 低代码 Agent 平台

8.3 MCP 协议（Anthropic 2024 推出，2026 年大爆发）

8.4 Chat 前端 / 自托管

九、RAG / 向量库 / 微调 / 推理

十、多模态生成（图像 / 视频 / 音频 / 数字人）

10.1 图像生成

10.2 视频生成

10.3 音频生成

10.4 数字人 / 视频换脸

十一、工具导航 + Awesome 索引

11.1 中文 AI 工具导航

11.2 国际 AI 工具导航

11.3 Awesome / GitHub 索引

十二、论文 / 评测 / Newsletter / 行业报告

12.1 论文检索

12.2 顶会主页

12.3 评测榜单

12.4 数据科学竞赛

12.5 顶级博客与视频博主

12.6 AI Newsletter（英文）

12.7 行业报告

12.8 大厂研究主页

中文 AI 学习仓库（GitHub 高 Star 补充）

下面这些中文仓库是中国开发者学习 AI 的核心资源，多数有完整中文教程：

学习路径建议：按阶段规划

不同阶段的人需要不同的策略。翔宇给你三条路径：

路径一：完全新手（0-1 个月）

路径二：有基础想进阶（1-3 个月）

路径三：技术背景想转 AI（3-6 个月）

翔宇的学习资源使用心得

翔宇从零开始学 AI 到现在两年多，踩过不少坑也总结出了方法。分享几条核心经验：

知识库不要通读，要带着问题读。 翔宇最初读飞书知识库时犯过错——从第一篇读到最后一篇，结果两天信息过载脑子一团乱。后来翔宇改为带着具体问题去查。比如"怎么用 Claude Code 自动写测试用例"，带着这个问题去搜索，读完立刻动手实践，效果好十倍。

官方文档是被低估的学习起点。 2026 年大厂官方课程的质量已经远超第三方汇总。翔宇的判断标准：通用知识（基础概念、API 使用、工具入门），优先官方；特定场景的深度应用，付费课程的体系化和实操性通常优于免费资源。

GitHub 项目是最被低估的学习资源。 一个高 Star 项目的 README 往往比一篇博客讲得更清楚——它由实际开发者写的。翔宇的方式是先读 README 搞懂这个工具能做什么，然后看 Issues 和 Discussions 了解真实问题。这种从实践中学的方式比纯理论高效得多。

建立自己的知识管理系统。 学到的东西不记录就会忘。翔宇用 Notion + 飞书文档（自己建的，不依赖别人 wiki）做 AI 学习笔记库，每学一个新概念就写一条笔记包括定义、应用场景和自己的理解。两年下来已有几百条记录，成了私人 AI 百科全书。

信息流三层结构。 论文层每天 30 分钟看 arXiv cs.CL 和 Hugging Face Daily Papers，工程层订阅 5 份英文 Newsletter（The Batch / Latent Space / TLDR AI / AlphaSignal / Import AI），中文资讯关注量子位、机器之心和翔宇工作流公众号。这个节奏既不会让你落后太多也不会信息过载。

到这里，你已经有了一份完整的 2026 版 AI 学习资源清单

12 大维度 600+ 实测可访问资源，覆盖中文社区、国际官方、大学公开课、提示词工程、AI 编程工具、Agent 开发、RAG 工程化、多模态生成、工具导航、论文与评测——该从哪学、用什么工具、去哪找资源，都有答案。

翔宇走过这条路最深的感触：AI 学习资源永远不会"够用"，因为这个领域的发展速度超过任何一个个体的学习速度。与其焦虑自己是否错过了什么，不如接受这个现实然后用最高效的方式学你现在最需要的东西。

翔宇的使用建议：

1. 先选一个中文知识库通读——首选 WaytoAGI 或 Datawhale llm-universe，建立 AI 整体认知
2. 学一遍提示词工程——首选 Anthropic Prompt Engineering Tutorial 或 Prompting Guide 中文版
3. 选一个深入方向——AI 编程 / Agent / RAG / 多模态，按职业方向选一个
4. 每周深读一份 Newsletter——首选 The Batch，吴恩达的视野最稳
5. 每月做一次盘点——回顾本月学到了什么，下月需要补什么

AI 领域变化很快，但学习的方法论不变：按需学习、学用结合、持续迭代。不要试图一次学完所有东西——选一个方向，学透一个工具，做出一个成果，再扩展下一个。

翔宇最后分享一个心得：在 AI 领域，保持学习节奏比追求学习深度更重要。每天 30 分钟看一篇高质量文章或完成一个课程模块，坚持三个月后你对整个 AI 生态会有相当深入的理解。这份清单只是起点，真正的学习发生在你动手实践的每一个时刻。

延伸阅读

• 提示词框架完全指南：18 个实用框架提升 AI 对话效率
• DeepSeek 五大核心技巧：提示词优化与使用指南
• DeepSeek V4 与 Claude Code 联动：本地工程师省 90% 调用费的工作流
• Make 1. 从 RSS 到 Notion：如何利用 Make 实现自动更新知识库

常见问题

AI 入门应该先学什么？

先学会用好一个大模型（推荐 DeepSeek 或 Claude），掌握基本的提示词技巧。然后根据你的应用场景选择深入方向：内容创作学 AI 写作，效率提升学自动化工作流，技术开发学 AI 编程。Anthropic Academy 的 AI Fluency 课程是 2026 年最佳的零基础起点。

免费和付费的 AI 教程资源差别大吗？

2026 年免费资源（特别是大厂官方课程）质量已经非常高，足以覆盖入门到中级。付费课程的核心价值在于体系化的学习路径和实战项目带练——比如翔宇的 AI 编程实操课带你从零做出完整 Web 应用。建议先用免费资源建立基础认知，明确方向后再选择付费课程深入。

如何跟上 AI 技术的快速更新？

订阅核心信息源（RSS 或 Newsletter）、关注行业关键人物、加入优质社群。具体操作：每天 30 分钟看 arXiv cs.CL 和 Hugging Face Daily Papers，每周深读 The Batch / Latent Space / TLDR AI 三份 Newsletter，每月看 LMSYS Arena 和 Open LLM Leaderboard 的排名变化。不要试图跟进所有更新，聚焦与你应用场景相关的技术变化即可。

飞书 wiki 知识库为什么大量失效？还有哪些活的？

2024 年飞书改了 wiki 的链接结构，2025 年初的飞书 wiki URL 大量返回 404。原因有两个：(1) 飞书 wiki API 路径变更；(2) 部分知识库主理人转向独立站或停止维护。当前真正存活的中文 AI 知识库是 WaytoAGI（waytoagi.com，三件套独立域名）+ Datawhale（datawhale.cn + GitHub 组织）+ ModelScope 魔搭 + 智源 BAAI Hub + 量子位 + 机器之心，飞书系作为信息源已不再可靠。

怎么验证一个 AI 资源是否还活着？

用 curl -sI <URL> 或者 curl -sI -L <URL> 看 HTTP 状态码：200 表示可访问，301/302 表示重定向（跟着去看新地址），404 表示死链，403 表示反爬（用浏览器二次确认）。这篇文章里所有链接都是 2026-05-07 用这个方法实测过的。建议你自己收藏的资源每季度也跑一次批量校验，避免出现翔宇 2025 版那样的"飞书翻车"。

下一步

• AI 编程实操课：国内版 - FlowUS | 国际版 - BMC
• YouTube 频道：翔宇工作流
• 公众号：搜索"翔宇工作流"，第一时间获取新文章和实操工作流分享