夜雨聆风十周内部的测试，90 位学员在这套系统上：
与 Agent 完成了 106,959 次交互，消耗 37 亿个 token 跑了 1,004 场在线实验，用掉 293 个云端沙箱环境 其中 Agent Mentor 的一对一指导就有 38,475 次
我们在内部测试一个问题：人，能不能通过 AI，真正学会那些必须动手实操的复杂知识？
注意，不是"能不能问 AI 几个问题"。是系统地学。是像上一门真正的系统级课程那样，从不懂，到懂，到做出来。
有人会说：这还用测吗？直接用 Codex、用 Claude 不就行了？
我们一开始也是这么想的。真用起来，你会撞上三堵墙。
第一堵墙：你怎么知道它说的是真的？
大模型给你的内容，全部是生成式的。它会出错，会幻觉，会一本正经地讲一个不存在的函数。
这本来不算致命——如果你懂行，一眼就能看出来。
但学习有一个残酷的悖论：你恰恰是因为不懂，才去学的。也就是说，在你最需要分辨真假的时刻，你恰恰没有分辨真假的能力。
它说什么，你只能信什么。这是拿聊天机器人自学最危险的地方。
第二堵墙：光看，不算学
想想我们是怎么学化学的。看书是一半，进实验室是另一半——而且往往实验那一半更重要。
计算机和 AI 完全一样。分词、梯度、注意力，这些概念你不亲手跑一遍，它就永远只是几个名词。
而 GPT 和 Claude 能给你什么？文字。就算它给你代码，你还得自己装环境、配依赖、找数据——而且它给的那些示例代码，能不能跑通、跟你手头的问题对不对得上，都要打个问号。
它是一个很好的"讲述者"。但学习需要的是一个"带练者"。
第三堵墙：做完了，谁告诉你对不对？
这是最容易被忽略、也最关键的一堵墙。
你跟着做完了一个东西，程序跑起来了，没报错。然后呢？
它做对了吗？效果到底怎么样？和别人比处在什么水平？哪里还差一口气？
自学没有判卷人。没有验证的学习，只是给自己制造"我学会了"的幻觉。
· · ·
这三堵墙，就是"拿着 ChatGPT 自学"和"有效学习"之间的全部距离。
所以我们花了十周，造了一个系统，然后拿它做了一场内部测试。
这个系统叫 Agentist。它就是冲着这三堵墙去的。
第一件事：让信息源变得可信
我们给 Agent 定了一条规则：每天，先读完全世界 1,000 到 1,500 条前沿信息——arXiv 新论文、GitHub 上的新项目、各大实验室的官方博客、Hacker News 上的技术讨论——然后从里面总结出最重要的 10 到 20 条，列给你看。
不是转发，是读完、比对、去重之后的判断。
▲ Agentist 首页：左侧是每天从全网压出来的头条，右侧「智能体指数」每天扫描超过 1 万条信息源，量化 AI 领域的热点走向
▲ 智能体指数：今天整个领域什么最热、和 30 天前比怎么变了，一眼看完
教学内容也是同一个逻辑。Agent 带你学的每一门课，源头都不是"网上随便搜来的资料"，而是它自己去啃的一手材料：斯坦福、MIT、伯克利这些全世界最好的大学和实验室的原始课程——原版 YouTube 讲课视频、原版讲义、课程项目的源代码，一份一份学过来，再重新组织成 Agent 能教的形式。
在这之外，我们还给了它超过 2,800 本参考书——计算机领域最重要的那些经典教材和数学基础，都在里面。
一句话：它不从"大模型的记忆"里给你掏答案，它从全世界最可信的地方现取。这就是我们对第一堵墙的回答。
▲ 学术版块：每篇论文不止有精炼解读，还带「一键复现」——点一下，论文在沙箱里直接跑起来
▲ 工具更新：每一个新技能、新 MCP、新模型，一登上前沿就能在线上 IDE 里一键运行
第二件事：带着你动手，而不是讲给你听
首先，在教学能力上，我们把全世界科学与技术教育最有名的几位大师，按照他们的风格构建成了 skills，全程指导你的学习。他们是：费曼（Richard Feynman）、Karpathy、Walter Lewin。用这套系统，等于把这三位大师请进了你的电脑，7×24 小时帮助你学习。
关于实验环境，我们自建了一套远程云端沙箱系统，能运行任意复杂的代码。环境是 Agent 提前给你设置好的——你打开浏览器，一切就绪，不用装任何东西。
真正好玩的是学习过程中的体验：你学到哪里、卡在哪里，一个对应的在线实验就会自动弹出来。
它可以是代码实验，也可以是互动实验。比如学大模型，"分词规则"这个概念，讲十遍不如让你亲手换几种分词规则、看同一句话被切成什么样；学机器人，运动学光看书就是不行，你得拖动关节、看它怎么动。
为了把课教好，我们还给 Agent 装上了一整套"教具"：它能在线给你生成 PPT、生成互动式教学材料、搭网页实验、跑代码实验，还能一步一步给你推公式。
▲ 真实上课画面：左边是课程大纲和进度，中间 Mentor 带着学员逐行写 BPE 分词器——代码可以当场「运行」，写完点「完成实验并提交代码」
▲ 讲不清的概念，Mentor 当场画图：一次合并怎么把 l、o 两个字符变成新 token「lo」
▲ 每一步都是互动：你可以选「我去跑 merge-pair」「直接进完整循环」，或者要一个 hint——不是你听它讲，是它陪你做
一个只会输出文字的 AI，和一个会开实验课的 AI，是两种东西。
第三件事：做完的东西，机器来验收
我们构建了 Agent Runtime System——Agent 运行时系统。
你做完一个东西，它可以直接在线跑自动化测试，当场给你结果：过没过、效果多少、和排行榜上其他人比在什么位置。
判分在服务端，测试集的答案你拿不到——所以这个成绩是真的。
上图: 由Agent Runtime 跑出来大家的实验定量分析结果
从信息的来源，到教学的过程，再到结果的验证——这一整条链，现在全部由 Agent 系统完成。
· · ·
十周下来，上面跑了什么？
▲ Agentist Academy：不是看课，而是动手造。学习热力图记录你每一天的动手轨迹
先看课。目前系统里，Agent 能带着你学的课程已经有 46 门、527 节、约 208 小时。其中旗舰系列直接对标顶校课表：
从零构建大语言模型（对标 Stanford CS336） 深度强化学习（对标 Stanford CS234） 自我改进的 AI 智能体（对标 Stanford CS329A） LLM Agents：从推理到智能体系统（对标 UC Berkeley） 多模态 AI（对标 MIT） 机器学习工程化（对标 CMU） 机器学习理论（对标 Princeton） …… 等更多 39 门全球精品课程
▲ 旗舰课程卡：每一门都标明了沿哪所学校哪门课的框架——斯坦福 CS336、Berkeley LLM Agents、CS329A……
往下还有二十几门：手写自动微分引擎、从零造搜索引擎、从零实现 Raft、用 numpy 造量子模拟器、扩散与流匹配……以及专门给非科班准备的两门快车道课。
再看使用情况。十周内部测试，90 位学员在这套系统上：
与 Agent 完成了 106,959 次交互，消耗 37 亿个 token 跑了 1,004 场在线实验，用掉 293 个云端沙箱环境 其中 Agent Mentor 的一对一指导就有 38,475 次 在 GPU 排行榜上提交了 88 次成绩——在真显卡上微调视觉模型，服务端判分
那么关键问题来了：学完一门课，到底花多少钱？
一门完整课程约消耗 35 万 token，折合 7 美元左右。而看真实账单：这 90 位学员十周的全部模型花费，中位数是 13 美元——约 93 元人民币。
我们来算笔账。市面上一个线下 AI 训练营，学费 15,000 到 30,000 元。93 元对 15,000 元——
学习到的内容质量更好, 但花费却节省超过 99%。
而且这不是"便宜但缩水"的 99%。内容是从顶校一手材料学来的，实验是真跑的，成绩是机器判的——质量更高，定制化更强。
· · ·
每个人的路径都不一样，所以还有最后一块
不同的人背景完全不同：有人科班出身想补 agent，有人会写业务代码但没碰过机器学习，有人纯粹从零开始。同一张课表喂所有人，本身就是浪费。
所以我们做了智能学习路径规划：你只需要回答几个问题，或者直接告诉 AI 你的背景和目标，它就会从这 46 门课、527 节内容的知识库里，为你单独组装一条学习路径。
真正的个性化，真正的私人定制。
这件事在互联网时代是做不成的——互联网能连接信息，但它不能自动产出优质内容。AI 时代，能。
· · ·
现在，邀请你来用
▲ 扫码登录 Agentist，或浏览器打开 agentist.org · 推荐使用 PC 端
今天正式对外开放 · 注册免费
注册免费。每日的前沿信息总结、论文精选，全部免费。
如果你想完整学课程：用你自己的 token 即可——DeepSeek、通义千问、Kimi 这些主流模型的 key 都接。绑上自己的 key，你在我们平台上不需要支付任何费用，模型的钱直接付给厂商，中间没有我们这一道。
▲ 定价页写得明明白白：资讯永远免费；自带 API key 全程免费，不消耗平台 token；学完一门课约 35 万 token
我们也建了交流群。有问题、有建议，进群直接说——这个东西，我们想和大家一起把它越做越好。
进群方式：后台回复「Agentist」，然后扫描微信群二维码即可～
· · ·
最后，用一句话说清楚这到底是个什么东西。
相当于全世界帮你请了一位 AI 导师——一位融合了全球最强内容、最强教学方法的导师。
这位导师，每天替你看完上千份全球前沿信息，告诉你最值得关注的那十几条；全世界最好的大学、最好的实验室的课程，他全都学过；然后他一对一讲给你听，带着你亲手做，做完还给你判卷。
以前，这样的导师不存在。现在，他 24 小时在线，而且几乎免费。
欢迎来用。
登录方式：扫码登录，或浏览器打开 https://agentist.org（推荐使用 PC 端）。
▲ 扫码直达 agentist.org · 推荐 PC 端
与更多学习者一起见证 Agentist 的进化：后台回复「Agentist」，扫描微信群二维码即可～
本文数据来自 Parallight 生产系统，统计区间 2026-05-21 至 2026-07-31。
