夜雨聆风
哈喽，大家好，我是纯白
自从 ChatGPT 推出以来，我几乎学完了所有能找到的 AI 课程。
Udemy、Coursera、Google、YouTube 教程、付费训练营……我都尝试过。
但问题是，大多数课程要么太慢，要么太理论化，要么还没学完就已经过时了。
所以，我重新整理了一份更实用的 AI 学习路线图。
15 周。免费资源为主。每周一个主题。
这是一份你可以反复回来看的学习清单。
路线图总览
这份计划分为两个部分：
第 1 部分：掌握 ChatGPT第 1–6 周，重点学习 ChatGPT 的基础、提示词、功能和高级用法。
第 2 部分：建立完整 AI 素养第 7–15 周，扩展到 Claude、Gemini、AI 工具生态、AI 原理、编程、数据分析和专业方向应用。
第一部分：掌握 ChatGPT
第 1 周：ChatGPT 基础入门
如果你是完全零基础，建议从 OpenAI 官方免费课程开始。
这些内容适合快速建立基础认知：ChatGPT 是什么、如何对话、能做什么、如何让它更符合你的工作习惯。
推荐资源
ChatGPT 入门：开始你的第一次对话地址：academy.openai.com/public/clubs/work-users-ynjqu/resources/chatgpt-basics
ChatGPT for Any Role：适用于任何岗位的提示词地址：academy.openai.com/public/clubs/work-users-ynjqu/resources/chatgpt-for-any-role
如何编写提示词地址：academy.openai.com/public/clubs/work-users-ynjqu/resources/prompting
配置 ChatGPT：自定义指令地址：help.openai.com/en/articles/8096356-chatgpt-custom-instructions
第 2–3 周：学会写出高质量提示词
AI 到底好不好用，很多时候差别不在模型，而在提示词。
同样一个问题，随便问和结构化提问，结果可能完全不同。
这两周重点学习：
如何清晰表达任务
如何提供上下文
如何指定角色、目标和输出格式
如何通过迭代优化结果
如何让 AI 给出更稳定、更专业的回答
推荐资源
OpenAI 提示词工程最佳实践地址：help.openai.com/en/articles/6654000-best-practices-for-prompt-engineering-with-the-openai-api
Prompting Guide：提示词基础地址：www.promptingguide.ai/introduction/basics
Prompting Guide：提示词工程技巧地址：www.promptingguide.ai/techniques
第 4–5 周：掌握 ChatGPT 的核心功能
大多数人只使用了 ChatGPT 很小一部分功能。
如果你只把它当成聊天工具，那你可能只用了 10%。
这两周建议系统了解 ChatGPT 的基础功能和高级功能，把它真正变成你的工作助手、学习助手和创作助手。
基础功能
语音模式地址：help.openai.com/en/articles/8400625-voice-mode-faq
联网搜索地址：openai.com/index/introducing-chatgpt-search
图像生成与项目管理地址：help.openai.com/en/articles/9260256-chatgpt-capabilities-overview
学习模式：把 AI 变成私人导师地址：wondertools.substack.com/p/turn-ai-into-your-personal-tutor
高级功能
Deep Research：深度研究地址：openai.com/index/introducing-deep-research
ChatGPT Agent地址：help.openai.com/en/articles/11752874-chatgpt-agent
ChatGPT Atlas地址：openai.com/index/introducing-chatgpt-atlas
Codex地址：openai.com/codex
第 6 周：理解 GPT-5.5 与新一代模型使用方式
GPT-5.5 改变了很多 AI 使用方式。
这一周的重点不是单纯了解模型有多强，而是学会：
什么时候用快速模式
什么时候用思考模式
什么时候适合让模型深度推理
如何针对新模型重新设计提示词
如何让模型反过来帮你优化提示词
推荐资源
GPT-5.5 模式说明地址：openai.com/index/introducing-gpt-5
GPT-5.5 提示词指南地址：developers.openai.com/cookbook/examples/gpt-5/gpt-5_prompting_guide
用 GPT-5.5 优化你的提示词地址：help.openai.com/en/articles/6654000-best-practices-for-prompt-engineering-with-the-openai-api
第二部分：建立完整 AI 素养
掌握 ChatGPT 之后，下一步不是盲目追新工具，而是建立 AI 素养。
你不需要成为 AI 科学家，但需要理解：
不同 AI 工具适合什么任务
哪些结果可以信任，哪些需要验证
AI 的局限和风险在哪里
数据隐私与安全边界是什么
什么时候应该使用 AI
什么时候不该依赖 AI
第 7–10 周：AI 素养基础
这 4 周的目标，是建立你对 AI 的整体理解。
不需要把下面所有课程都学完。你只需要根据自己的背景，从每个类别中选择一两个高质量资源即可。
面向职场人士：非技术背景
如果你不是程序员，也不想深入算法，可以从这些课程开始。
IBM AI for Everyone: Master the Basics地址：edx.org/learn/artificial-intelligence/ibm-ai-for-everyone-master-the-basics
Google Generative AI Course地址：skills.google/course_templates/536
AI & Career Empowerment地址：rhsmith.umd.edu/programs/executive-education/learning-opportunities-individuals/free-online-certificate-artificial-intelligence-and-career-empowerment
HP AI for Business Professionals地址：life-global.org/course/423-ai-for-business-professionals
Google Generative AI Leader地址：cloud.google.com/learn/certification/generative-ai-leader
Google Prompting Essentials Specialization地址：coursera.org/specializations/prompting-essentials-google
面向职场人士：指南与阅读材料
如果你不想上完整课程，可以先读这些指南。
Best AI Books地址：www.deeplearning.ai/resources/
AI as a Thinking Partner地址：www.anthropic.com/learn/build-with-claude/prompt-engineering/overview
LLM Data Privacy Ranking地址：blog.incogni.com/ai-llm-privacy-ranking-2025
AI Fluency地址：anthropic.skilljar.com/ai-fluency-framework-foundations
Perplexity at Work地址：r2cdn.perplexity.ai/pdf/pplx-at-work.pdf
面向技术人员
如果你有技术背景，或者想进一步理解 AI 背后的机制，可以从这些资源入手。
IBM AI Fundamentals地址：skillsbuild.org/adult-learners/explore-learning/artificial-intelligence
How AI Works地址：transformer-circuits.pub/2025/attribution-graphs/biology.html
How ChatGPT Works地址：writings.stephenwolfram.com/2023/02/what-is-chatgpt-doing-and-why-does-it-work/
第 11–12 周：学习 Claude
在我的工作流里，只有一个工具可以和 ChatGPT 并列：Claude。
它不是 ChatGPT 的替代品，而是非常好的互补工具。
Claude 的特点是：
更适合处理长上下文
更擅长复杂文档理解
在编程、Agent 和工作流方面表现突出
适合严肃写作、分析、代码协作和知识整理
这两周可以从 Claude 基础开始，再逐步进入 Claude Code、记忆、Agent、自动化和真实项目工作流。
Claude 基础
Claude for Work地址：anthropic.com/learn/claude-for-work
Anthropic 官方提示词工程指南地址：docs.claude.com/en/docs/build-with-claude/prompt-engineering/overview
Interactive Prompt Tutorial地址：github.com/anthropics/prompt-eng-interactive-tutorial
Claude Code
如果你写代码，Claude Code 是真正值得花时间学习的部分。
Claude Code 101地址：anthropic.skilljar.com/claude-code-101
Claude Code in Action地址：anthropic.skilljar.com/claude-code-in-action
Claude Code 官方文档地址：code.claude.com/docs/en/overview
CLAUDE.md：如何给 Claude 提供项目记忆和上下文地址：code.claude.com/docs/en/claude-md
Skills：教 Claude 可复用的工作流地址：code.claude.com/docs/en/skills
MCP：连接 Slack、GitHub、Drive 和外部工具地址：code.claude.com/docs/en/mcp
Routines：自动化重复性工作流地址：code.claude.com/docs/en/routines
Claude 高级与构建者资源
Agent Architecture地址：langchain.com/blog?category_equal=%5B%22Agent+Architecture%22%5D
Claude Code Ultimate Guide地址：github.com/FlorianBruniaux/claude-code-ultimate-guide
Awesome Claude Code地址：github.com/hesreallyhim/awesome-claude-code
Anthropic Academy地址：anthropic.skilljar.com
第 13–14 周：学习 Gemini
Gemini 的优势不只是模型本身，而是它背后的 Google 生态。
如果你经常使用 Gmail、Docs、Sheets、Drive、NotebookLM 或 Google Cloud，Gemini 非常值得学习。
它适合：
文档研究
多模态任务
Google Workspace 工作流
长文档整理
资料型学习
企业协作场景
推荐资源
Gemini 3地址：blog.google/products-and-platforms/products/gemini/gemini-3/
Gemini Prompting Guide地址：services.google.com/fh/files/misc/gemini-for-google-workspace-prompting-guide-101.pdf
NotebookLM Guide地址：support.google.com/notebooklm/?hl=en
第 15 周及以后：进入你的专业领域
完成前 14 周后，你已经具备了基本 AI 素养。
接下来，不要继续泛泛地学 AI。你应该根据自己的工作方向，进入专业分支。
专业方向一：AI 图像、视频与视觉内容
适合设计师、内容创作者、品牌运营、短视频创作者和新媒体从业者。
Nano Banana Pro Guide地址：ai.google.dev/gemini-api/docs/image-generation
Sora 2 Prompting Guide地址：developers.openai.com/cookbook/examples/sora/sora2_prompting_guide
Veo 3 Prompt Guide地址：docs.cloud.google.com/vertex-ai/generative-ai/docs/video/video-gen-prompt-guide
How to Create Professional Visuals With AI地址：cloud.google.com/blog/products/ai-machine-learning/ultimate-prompting-guide-for-nano-banana
专业方向二：理解 AI 背后的技术
适合对 AI 原理感兴趣，但不一定想成为算法工程师的人。
Machine Learning Algorithms — Part 1地址：www.ibm.com/think/topics/machine-learning-algorithms
Machine Learning Algorithms — Part 2地址：www.geeksforgeeks.org/machine-learning/machine-learning-algorithms/
What Is a Database地址：www.cloudflare.com/learning/serverless/glossary/what-is-a-database/
Vector Databases地址：www.pinecone.io/learn/vector-database/
What Is NLP地址：www.ibm.com/think/topics/natural-language-processing
Linear Regression in Python地址：www.geeksforgeeks.org/machine-learning/ml-linear-regression/
Build Your First ML Model地址：developers.google.com/machine-learning/crash-course
专业方向三：编程与数据分析
适合开发者、产品经理、运营、数据分析师，以及想借助 AI 提升效率的人。
How to Learn Python With AI地址：www.coursera.org/articles/python-ai
Vibe Coding for Beginners地址：www.ibm.com/think/topics/vibe-coding
How to Use AI With Excel地址：support.microsoft.com/en-us/office/copilot-in-excel-help-learn-more-about-your-data-with-copilot-in-excel-7fc88a2d-3d24-4d68-8f4a-85f753af8db3
什么时候该为 AI 教育付费？
这是我学了很多 AI 课程之后的真实感受：
你想学的 95% 内容，其实都可以免费获得。
真正的问题不是没有资源，而是：
信息太分散
好资源不好找
内容更新太快
很难判断哪些值得学
很容易收藏很多，却真正学完很少
剩下的 5%，通常属于这几类：
太新，还没有免费系统教程
太专业，需要导师或社区支持
需要真实项目练习
需要证书证明
需要有人帮你节省筛选时间
所以，是否付费可以这样判断。
如果你没有预算
直接使用上面这些免费资源。
缺点是你需要自己筛选、整理和规划节奏。优点是成本最低，而且足够覆盖绝大多数基础需求。
如果你需要证明学习成果
可以考虑 Google、IBM、Coursera、edX 等平台的证书课程。
适合需要写进简历、作品集、绩效材料或职业转型材料的人。
如果你想更快进步
可以加入有结构课程、真实案例和答疑社区的学习项目。
一个好的社区能帮你节省大量时间，因为它不仅提供内容，还提供：
学习路径
项目练习
提示词模板
工具案例
同伴反馈
最新工具更新
可复制的工作流
DeepLearning.AICourses地址：www.deeplearning.ai/courses/
最重要的一件事
你可以读完这份清单里的每一个资源，但仍然不擅长 AI。
因为真正让你变强的，不是收藏资源，而是持续使用。
最有效的方法是：
每周选择一个资源。学会它教的工具。立刻把它应用到真实工作或生活场景中。
15 周持续练习，远比 15 周被动阅读有效。
建议你的学习方式
每周只做三件事：
学习一个主题不要同时学太多工具。
完成一个真实任务比如写一篇文章、分析一个表格、生成一张图、优化一个工作流。
沉淀一个模板把有效的提示词、流程和经验保存下来，形成自己的 AI 工作系统。
最后
收藏这份路线图。每周回来复盘一次。
不要急着学完所有资源。
真正重要的是：
让 AI 进入你的真实工作流，并持续为你创造结果。
如果这篇内容对你有帮助：
转发给需要系统学习 AI 的朋友
收藏起来，每周回来更新进度
从今天开始，选一个资源，立刻实践