值得收藏的 AI 学习资源网站大全
栏目：资源与模型 ｜ 更新：2026 年 3 月 ｜ 适合人群：AI 新手、内容从业者、产品经理、开发者
| 文章摘要 这篇文章把当前仍值得长期收藏的 AI 学习资源网站分成五类：官方通识入口、开发文档、系统课程、动手平台和研究追踪站。你不需要把所有站都看完，关键是按自己的阶段建立一条主线：先用官方入口建立概念，再用课程平台补体系，用实操网站做练习，最后用研究索引站追踪新方向。 |
AI 学习最怕的不是资源少，而是资源太多：课程囤了一堆，收藏夹塞满几十个链接，最后真正反复打开的却只有两三个。真正值得收藏的网站，通常满足四个条件：内容持续更新、入口清晰、能和真实任务连接、能在你不同阶段反复复用。
所以这篇不做“海量链接堆砌”，而是帮你把目前仍在持续更新、且更适合长期学习的 AI 资源网站筛成一张可执行的收藏清单。无论你是零基础入门、内容从业者、产品经理，还是已经开始写代码的开发者，都可以按自己的路径拿走一套更省时间的学习路线。
一、先看结论：真正值得优先收藏的是哪几类站
如果只给一个建议，那就是别再追求“收藏越多越好”，而是先把自己的学习收藏夹搭成四层结构：
• 第一层是官方入口，用来建立概念和判断方向对不对。
• 第二层是系统课程，用来补结构化知识，避免会一点又散掉。
• 第三层是动手平台，用来把“看懂”变成“做出来”。
• 第四层是研究追踪站，用来跟进新模型、新论文和新榜单。
这 12 个网站，按“收藏优先级 + 适用阶段”快速看，可以先记住下面这张表：
| 网站 | 定位 | 最适合谁 | 收藏建议 |
| OpenAI Academy | 官方通识与案例入口 | 通识入门 / 知识工作者 | 优先收藏 |
| OpenAI Cookbook | 官方实战示例库 | 开发者 / 工作流搭建 | 优先收藏 |
| Anthropic Academy | AI Fluency + Claude + MCP | 知识工作者 / 开发者 | 优先收藏 |
| Google AI Skills / AI Studio | 基础学习 + 开发实验 | 入门者 / 开发者 | 优先收藏 |
| Google ML Crash Course | 机器学习基础 | 转技术 / 打基础 | 推荐 |
| Microsoft Learn AI | 企业 AI 学习路径 | 职场 / Azure / Copilot | 推荐 |
| Hugging Face Learn | 开源课程与模型生态 | 开发者 / 开源爱好者 | 优先收藏 |
| DeepLearning.AI | 系统课程平台 | 长期系统学习 | 优先收藏 |
| fast.ai | 深度学习实战路线 | 会代码的进阶学习者 | 推荐 |
| Kaggle Learn | 短课 + 动手练习 | 碎片时间学习 | 推荐 |
| Full Stack Deep Learning | AI 产品全流程 | 进阶开发 / 产品 | 推荐 |
| Papers with Code | 论文、代码、榜单 | 研究追踪 / 模型选型 | 优先收藏 |
图 1 不同学习网站在“通识、开发、实战、研究”四类需求里的位置示意
二、12 个值得长期收藏的 AI 学习网站
官方通识入口
OpenAI Academy ｜ 想系统理解 AI 应用、提示词和工具使用的人
OpenAI Academy 更像一个“从会用到用好”的公共学习入口，适合先建立对生成式 AI 的整体认识，再进入更细的产品和开发文档。
• 怎么用：把它当成通识起点，先补齐概念、案例和工作流，再转到 Cookbook 或其他开发文档做实操。
• 提醒：适合先学思路与方法，不等同于完整工程训练营。
官方开发示例
OpenAI Cookbook ｜ 已经开始写代码、接 API、做工作流的人
Cookbook 的价值不在于讲概念，而在于它把 Agents、Multimodal、Guardrails、评测和提示词等话题做成可参考的实战示例。
• 怎么用：遇到“我要怎么做一个功能”时先来这里找范式，再回到正式 API 文档补细节。
• 提醒：更适合作为“工程参考库”，不是最友好的零基础入口。
官方课程入口
Anthropic Academy ｜ 想提升 AI fluency、Claude 实战和 MCP 理解的人
Anthropic Academy 把 AI Fluency、API development、Model Context Protocol 和 Claude Code 等主题做成了结构化课程，学习路径清晰。
• 怎么用：如果你重视“人与 AI 协作方式”与“长文本/代理式工作流”，它很值得长期追更。
• 提醒：内容很适合知识工作者和开发者，但最好结合自己的真实任务来练。
大众 + 开发双入口
Google AI Skills / Google AI Studio ｜ 既想学基础概念，也想快速摸到 Gemini 开发体验的人
Google 这条线兼顾了通识学习和开发试验：前者适合职场入门，后者适合快速上手多模态模型与 API。
• 怎么用：把 AI Skills 当“通识导航”，把 AI Studio 当“原型实验场”，双线配合效率很高。
• 提醒：概念入口和开发入口是两套体验，收藏时最好分别保存。
机器学习基础
Google Machine Learning Crash Course ｜ 想补机器学习、神经网络、LLM 基础的人
这是少数仍然保持“概念清晰 + 练习友好 + 官方更新”的基础课程型网站，适合补足数学直觉和模型常识。
• 怎么用：如果你总觉得只会用 AI、不懂原理，就从这里回补基础，尤其适合转技术、转产品的人。
• 提醒：它是基础打底站，不是面向所有 AI 应用场景的大全。
企业学习平台
Microsoft Learn AI ｜ 想把 AI 放进 Office、Azure、Copilot、企业流程里的人
Microsoft Learn 的优势在于体系化模块、学习路径和认证路线，尤其适合偏企业协作、云上 AI、Copilot 的用户。
• 怎么用：如果你的工作场景本来就在微软生态，这个站的复用价值会特别高。
• 提醒：偏企业与云服务上下文，和纯研究站点的风格不同。
开源学习与模型社区
Hugging Face Learn ｜ 想学习 LLM、Agents、Diffusion、Audio、CV 与开源生态的人
Hugging Face Learn 的内容横跨课程、示例、模型、数据集和社区，是开源 AI 学习最值得长期追踪的站之一。
• 怎么用：入门后尽快熟悉这个站，因为很多开源项目、课程和模型卡都会在这里汇集。
• 提醒：信息量大，新手容易迷路，建议按课程线而不是按首页浏览。
系统课程平台
DeepLearning.AI ｜ 想用更体系化的课程建立知识框架的人
DeepLearning.AI 在“系统性”和“跟进新主题”之间平衡得很好，既有打基础的课程，也有围绕提示词、RAG、Agent 等主题的短课。
• 怎么用：适合做“主课程平台”，再搭配官方文档和实操站点一起学。
• 提醒：适合长期学习规划，不适合只靠囤课。
实战深度学习课程
fast.ai ｜ 会一点代码、想尽快进入模型训练与应用的人
fast.ai 一直强调实用主义路线，课程和书都非常适合“边做边学”的人，尤其对想真正理解训练流程的人很有帮助。
• 怎么用：把它当成“深度学习硬核入门”会更合适，最好边看边跑 notebook。
• 提醒：不太适合完全零代码基础的读者直接上手。
微课程 + 动手练习
Kaggle Learn ｜ 想用很短时间补 Python、数据分析、ML、DL 基础的人
Kaggle Learn 的课程短、上手快、任务明确，非常适合填补知识空档和建立实践手感。
• 怎么用：当你不想报大课、只想用 2 到 6 小时补一个点，它几乎总是高效选择。
• 提醒：适合补模块，不太适合作为唯一主线课程。
从模型到产品
Full Stack Deep Learning ｜ 想真正做 AI 产品、不是只会跑 demo 的人
FSDL 的独特价值在于它关注的是 AI 产品全流程：问题定义、数据、评估、部署、用户体验和系统化落地。
• 怎么用：当你已经会用模型，下一步想把系统搭完整时，再来这里收获会最大。
• 提醒：更适合有一定背景后学习，收获会比早期更大。
论文、代码与榜单
Papers with Code ｜ 要追研究、找复现、看 benchmark 的人
它把论文、代码仓库、任务榜单和数据集连接起来，能显著降低“看懂论文之后不知道去哪做”的时间成本。
• 怎么用：研究导向或模型选型时非常好用，尤其适合查最新方向与开源实现。
• 提醒：它更像导航站和研究索引，不是教程型课程平台。
三、别再乱学：三条最省时间的学习路线
同样是学习 AI，不同角色要学的东西完全不一样。下面这三条路线，基本能覆盖大多数人的起步阶段。你不需要每条都学，只要选一条做主线，再用另外一条做补充即可。
图 2 按角色选择学习路线，比同时囤很多站点更有效
零基础通识线：这条线的目标不是马上做产品，而是先弄清楚什么是生成式 AI、怎么提问、哪些能力适合工作流提效。先用 Google、OpenAI 和 Microsoft 的官方入口建立基础，再用 DeepLearning.AI 找一门系统课程补框架，通常就能跨过“只会听热词”的阶段。
内容 / 产品线：这条线更适合内容从业者、运营、市场、产品经理。重点不是训练模型，而是学会调研、写作、整理资料、搭知识库和优化协作方式。OpenAI Academy 和 Anthropic Academy 很适合打底，再用 DeepLearning.AI 补行业化方法，用 Cookbook 补一些更贴近应用设计的范式。
开发者实战线：这条线适合已经准备动手写代码的人。顺序通常是：先补机器学习和模型常识，再接触开源课程与数据集，随后进入系统设计、评估和部署。Google ML Crash Course、Hugging Face、Kaggle 和 Full Stack Deep Learning 串起来以后，学习会更扎实。
四、怎么把这些网站真正变成你的长期资产
很多人收藏了一堆网站，却没有建立自己的回访机制。更有效的做法，是给这些网站分角色，再把学习结果沉淀到同一个地方。
图 3 收藏之后更关键的是建立“回访—笔记—复用”机制
1. 把“首页收藏”改成“入口收藏”。例如同一网站分别收藏课程页、文档页、示例页，回访时会快很多。
2. 建立一个自己的 AI 学习知识库。每次学完只记录三件事：学到什么、做成什么、下次怎么复用。
3. 坚持小项目驱动。看一节课不如做一个小 Demo、一个 Prompt 模板、一个自动化脚本来得有效。
4. 不要只追新。很多网站的核心价值不在于每天更新，而在于能在你遇到真实问题时提供稳定入口。
五、最后的建议：先搭一条主线，再慢慢扩站
如果你今天只能开始一件事，那就先把自己的收藏夹从“杂乱链接堆”变成“有角色分工的学习系统”：官方入口负责校准方向，课程平台负责搭框架，动手平台负责形成手感，研究站负责追踪前沿。
真正高效的学习，不是知道更多网站，而是知道自己现在该打开哪一个。把这篇里的 12 个站点按角色分好，你的 AI 学习效率通常会立刻提升一个层级。
资料整理说明
本文按各平台官网截至 2026 年 3 月公开可访问内容整理，重点参考以下站点的课程页、学习页或官方文档页：
• OpenAI Academy：academy.openai.com
• OpenAI Cookbook：cookbook.openai.com
• Anthropic Academy：anthropic.com/learn
• Google AI Skills：ai.google/learn-ai-skills
• Google AI Studio：ai.google.dev/aistudio
• Google Machine Learning Crash Course：developers.google.com/machine-learning/crash-course
• Microsoft Learn AI：learn.microsoft.com/ai
• Hugging Face Learn：huggingface.co/learn
• DeepLearning.AI：deeplearning.ai/courses
• fast.ai：course.fast.ai
• Kaggle Learn：kaggle.com/learn
• Full Stack Deep Learning：fullstackdeeplearning.com/course
• Papers with Code：paperswithcode.com
