给学生的 AI 学习地图

📍 你的最短路径

HelloAI 的学习路径分 8 个等级（L0-L7），但学生不必都学。

如果你完全 0 基础

1. L0-01：AI / ML / DL / LLM 到底什么关系
2. L0-05：Prompt 入门 10 招
3. L0-07：5 分钟跑通你的第一个 AI 对话
4. L0-11：词汇表
5. 选 L0-12 之后的方向（看你的专业兴趣）

计算机 / 数学相关专业

1. L1 全部（数学 + Python） → 跳过你已经会的
2. L2-01 到 L2-09（经典 ML）→ 1-2 个月
3. L3 全部（深度学习）→ Attention / Transformer 是核心
4. L4 全部（LLM 工程） → 这是 2026 年的"基本功"

想做 AI 科研 / 申请研究生

1. 系统读完 L1-L4
2. 选 1-2 个方向深入 L5 / L6 / L7
3. 从 论文精读 开始读 5-10 篇必读经典
4. 跟踪 最新 AI 资讯 找研究热点

🛠 学生常用 AI 工具

💡 关键提醒：很多服务有**学生免费计划**—— GitHub Copilot、Notion AI、Cursor、Perplexity Pro 都给学生白嫖（用 .edu 邮箱注册）。

❓ 常见问题

用 AI 写作业算作弊吗？

取决于学校政策——很多学校允许"AI 辅助"但不允许"AI 代写"。建议：

• 用 AI 做头脑风暴 / 大纲 / 找资料——基本都 OK
• 用 AI 润色 / 改语法——一般 OK
• 让 AI 直接写整段交上去——一般不 OK
• 查老师 / 学校的 AI 政策文档

我数学不好，能学 AI 吗？

能。但你的天花板会和数学基础相关：

• 只用 AI（不写代码）：完全不需要数学
• 做 LLM 应用开发：会编程就行，数学基本不用
• 调 / 微调模型：高中数学 + L1 复习够
• 做研究：需要扎实的线性代数 + 概率 + 微积分

建议先从 L1-01：数学不发愁宣言 开始。

本科该不该选 AI 专业？

HelloAI 不提供具体专业建议。但参考：

• "AI 专业"在不同学校差别极大——查清课程设置再决定
• 计算机 / 数学 / 统计 / 物理 都能转 AI——不一定要"AI 专业"
• 关键能力：编程 + 数学 + 英语阅读论文 + 持续学习
• AI 是个**快速变化**的领域，本科学到的具体技术 4 年后可能淘汰

研究生想做 AI 方向，从哪开始？

1. 读完 L1-L4 体系（如果还没）
2. 从 论文精读 中读 10 篇经典：Attention / ResNet / BERT / GPT-3 / Diffusion / RLHF / Mamba 等
3. 选一个细分方向（NLP / CV / RL / 多模态 / 对齐 ...）
4. 读那个方向最近一年的顶会论文（NeurIPS / ICML / ICLR / ACL / CVPR）
5. 复现一篇经典 → 写 mini project → 申请暑期实习

免费的 GPU 在哪找？

• Google Colab Free（T4 GPU，断断续续）
• Kaggle Notebooks（30h / 周 GPU）
• 学校 HPC 集群（找导师 / 系里要）
• 租 GPU 试玩：Lambda Labs / Vast.ai / Runpod，$0.5-2/小时

AI 学到什么程度能找工作？

• AI 应用开发岗：会用 OpenAI / Claude API + 写 RAG / Agent 就有竞争力
• ML 工程师：L1-L4 + 至少 1 个完整 project
• AI 研究员：硕士 / 博士 + 顶会论文

哪些 AI 资源最值得长期跟？

• HelloAI 资讯（中文）+ 论文精读
• X 上跟 Karpathy / Sam Altman / Yann LeCun / Demis Hassabis
• YouTube：3Blue1Brown（数学）、Andrej Karpathy（LLM 课程）
• 课程：fast.ai 实战派、CS229 经典派、CS25 Transformer 专题

🚀 下一步

• 从 学习路径 开始系统学
• 用 选 LLM 决策树 挑你的主力工具
• 看 可视化画廊 直观理解概念