在 AI 时代学习 AI 不应该这么难。
告诉我你的水平和目标，我帮你从 104 条精选资源 · 24 位 AI 大牛 · 15 个持续信息源中规划最短最有效的学习路径。
AI 正在重塑每一个行业。无数人想学习 AI——软件工程师想转型、传统算法工程师想升级、AI 从业者想跟上前沿——但他们面对的第一个障碍不是技术本身，而是不知道从哪里开始。
Coursera 上有 2000+ 门 AI 课程，YouTube 上有无穷无尽的教程，GitHub 上每天涌现新项目。资源不是太少，而是太多。真正稀缺的不是内容，而是一条刚好适合你的路径。
AI Pathfinder 做的事情很简单：
- 了解你是谁（水平、目标、时间、方向、偏好）
- 从人类策展的精选资源库中，用 AI 编排一条刚好适合你的路径
- 帮你持续跟踪 AI 前沿，不在学完课程后迷失
📖 完整的产品愿景、设计原则和成功定义见 VISION.md
| 用户类型 | 典型场景 |
|---|---|
| 软件工程师转 AI | 有 Python 基础，想学 LLM 应用 / Agent 开发 / AI 辅助测试 |
| 传统算法转 LLM | 有 ML 基础，想跟上 LLM 时代的架构和工具链 |
| AI 从业者追前沿 | 已在 AI 领域，想系统跟踪论文、工具、行业动态 |
| 零基础入门 | 想从 Python 开始，逐步建立 AI 知识框架 |
填写学习画像（水平、目标、时间、方向、侧重），LLM 从 104 条精选资源中编排专属周计划，支持进度追踪。
不知道填什么？点击一个最接近你的方向，自动填入全部表单字段：
- 💻 软测 → AI 转型：AI 辅助测试效率提升
- 🤖 AI Agent 开发：LangChain/LangGraph 多工具 Agent
- 💬 LLM 应用入门：RAG 问答系统从零到部署
- 📊 ML / 数据科学：端到端机器学习项目
- 🎨 AIGC / 多模态创作：Stable Diffusion + ComfyUI 全流程
- 🔧 MLOps / AI 工程化：模型部署/实验管理/生产化
- 🔬 AI 研究 / 论文方向：论文阅读 + 复现，读研准备
- 🌱 零基础入门 AI：从 Python 开始，半年建立 AI 框架
新增 focus 维度（打基础 / 重实战 / 理论+实战），LLM 会据此优先推荐匹配的资源。想直接做项目？选「重实战」；想夯实理论？选「打基础」。
15 个精选持续学习渠道：博客、Newsletter、播客、公众号、B站频道 — 学完课程后持续跟踪 AI 前沿。
独立页面汇聚中英文 AI 信息源推荐、新手快速入门指南、一键直达 GitHub Trending / Hacker News / Product Hunt / Papers With Code 等前沿阵地。
24 位国内外 AI 核心建设者（研究员/工程师/创始人/教育者），每人附带 X/GitHub/B站/知乎等社交链接。趋势雷达根据你的学习方向智能推荐相关大牛，学习路径也会在每周推荐值得关注的人。
- 导出：将生成的学习路径导出为 Markdown（可读）或 JSON（可还原）
- 导入：上传之前导出的 JSON 文件，恢复完整学习计划继续跟踪
生成学习路径后，地址栏自动更新为携带参数的 URL（如 ?p=eyJ...），直接复制分享给朋友或保存为书签，下次打开即可恢复画像重新生成。
独立页面浏览全部资源，支持 5 维筛选（话题/类型/难度/方向/侧重）+ 关键词搜索 + 统计概览。
在侧边栏直接切换（均兼容 OpenAI SDK）：
- DashScope（阿里云百炼）：qwen3.5-plus
- OpenAI：gpt-4o-mini / gpt-4o / gpt-4-turbo
- DeepSeek：deepseek-chat / deepseek-reasoner
- Google Gemini：gemini-2.0-flash / gemini-1.5-pro
- SiliconFlow（硅基流动）：Qwen2.5-72B / DeepSeek-V3
- Moonshot（月之暗面）：moonshot-v1-8k/32k/128k
- ZhipuAI（智谱）：glm-4-flash / glm-4-plus
- Ollama（本地模型）：qwen2.5 / llama3.1 / deepseek-r1
- 自定义：任意兼容 OpenAI 格式的 API
用户提交反馈时：本地开发直接写入 JSON 文件；Streamlit Cloud 部署时若配置了 GITHUB_TOKEN，自动创建 GitHub Issues 记录（避免无状态环境数据丢失）。
学习过程中遇到问题？随时在「AI Chat」页面提问。聊天助手自动感知你的学习画像和当前路径，提供有针对性的解答，保持最近 20 轮对话上下文。首次打开时自动展示 4 个个性化推荐问题，一键开始对话。问“有哪些大牛值得关注”，助手会从 24 位 builder 中推荐。
生成路径后自动展示三维度分析图表：
- 资源分布：类型构成 + 学习侧重分布（渐变条形图）
- 每周节奏：每周学时、资源数、平均难度
- 话题覆盖：路径中 Top 15 话题标签可视化
侧边栏 🌐 按钮一键切换中文 / English，全部 5 个页面 + 设置面板 + 反馈表单完整翻译，170+ 条翻译条目。
渐变色标题、卡片阴影、信息源卡片、统计面板配色、聊天气泡圆角 — 全部通过 CSS 实现，零额外依赖。
用户填写画像（水平/目标/时间/偏好/方向/侧重）
↓
按方向 + 侧重预筛选资源（≤50 条，语言偏好排序）
↓
LLM 从精选资源中编排个性化周计划（信息源安排在后半段）
↓
输出带进度追踪的学习路径 + URL 分享码 + 导出按钮 + 可视化分析
↓
学习过程中随时通过 AI Chat 提问
↓
用户反馈 → GitHub Issues 持久化记录
git clone https://github.com/moshierming/ai-pathfinder.git
cd ai-pathfinder
pip install -r requirements.txt
# 配置 API Key
cp .streamlit/secrets.toml.example .streamlit/secrets.toml
# 编辑 secrets.toml，填入 DASHSCOPE_API_KEY
streamlit run app.py在 .streamlit/secrets.toml 中：
| 变量 | 说明 | 默认值 |
|---|---|---|
DASHSCOPE_API_KEY |
阿里云 DashScope Key（默认供应商） | — |
API_BASE_URL |
自定义 API 地址 | DashScope |
MODEL |
模型名称 | qwen-plus |
GITHUB_TOKEN |
反馈写入 GitHub Issues | 可选 |
# 方式一：docker-compose（推荐）
export DASHSCOPE_API_KEY="sk-..."
docker compose up -d
# 方式二：直接 docker run
docker build -t ai-pathfinder .
docker run -d -p 8501:8501 -e DASHSCOPE_API_KEY="sk-..." ai-pathfinder访问 http://localhost:8501 即可使用。
- Fork 本仓库
- 访问 share.streamlit.io
- 新建 App → 选择本仓库 → 主文件
app.py - Advanced Settings → Secrets → 填入：
DASHSCOPE_API_KEY = "sk-..."
GITHUB_TOKEN = "ghp_..." # 可选，用于反馈收集当前收录 128 条活跃资源（89 条学习资源 + 15 个持续信息源 + 24 位行业大牛），覆盖 8 个方向，中英文兼顾：
📊 内容质量由自动化审计脚本持续监控，详见 CONTENT_QUALITY.md
| 类型 | 数量 | 说明 |
|---|---|---|
| 📖 课程 (course) | 26 | 系统化教程和实战营 |
| 📝 文章 (article) | 33 | 技术博客、教程、指南 |
| 🎬 视频 (video) | 10 | YouTube / B站视频系列 |
| 📚 书籍 (book) | 7 | 经典教材 |
| 💻 仓库 (repo) | 14 | GitHub 开源项目和工具 |
| 📡 信息源 (channel) | 15 | 博客/公众号/Newsletter/播客 |
| 侧重 | 数量 | 说明 |
|---|---|---|
| 🧱 打基础 (foundational) | 27 | 理论、数学、基础概念 |
| ⚖️ 理论+实战 (both) | 34 | 兼顾原理与实践 |
| 🔧 重实战 (applied) | 44 | 项目驱动、动手为主 |
| 方向 | 代表资源 |
|---|---|
| 🤖 AI Agent / 多智能体 | LangGraph, AutoGen, Qwen-Agent |
| 💬 LLM 应用 / RAG | LangChain, LlamaIndex, InternLM实战营 |
| 🧪 AI 辅助软件测试 | AI测试实战、智能测试框架 |
| 📊 机器学习 / 数据科学 | 吴恩达ML、d2l.ai、南瓜书 |
| 🔬 AI 研究 / 论文方向 | CS224n、李沐精读论文、MiniMind |
| 🔧 MLOps / AI 系统工程 | W&B、Self-LLM、Docker部署 |
| 🎨 AIGC / 多模态 | Stable Diffusion, ComfyUI, Diffusers, DALL·E |
| 🌐 通用基础 | Python、数学基础 |
中文资源 37 条（含中文信息源和 Builders），优先中文语言偏好时自动排前。
本项目由 AI Agent 持续维护，遵循以下治理体系：
| 文档 | 说明 |
|---|---|
| VISION.md | 产品愿景 — 信念、用户画像、设计原则、成功定义 |
| EVOLUTION.md | 进化宪法 — 不可变原则、变更安全分级、质量红线 |
| CONTENT_QUALITY.md | 内容质量策略 — 六维度管理 + 自动化审计 |
| AGENTS.md | AI Agent 操作手册 — 自进化协议 + 约束清单 |
| SECURITY.md | 安全政策 — XSS 防护、输入校验、密钥管理 |
欢迎在 resources.yaml 中添加高质量免费学习资源。详细贡献指南见 CONTRIBUTING.md，内容质量标准见 CONTENT_QUALITY.md。
新增资源须通过审计验证：python scripts/audit_content.py
ai-pathfinder/
├── app.py # 入口：CSS + 侧边栏 + 页面路由（196行）
├── config.py # 常量/预设：Provider、Emoji、方向、模板
├── llm.py # LLM 客户端：配置获取 + 路径生成
├── utils.py # 工具函数：资源加载/编码/筛选/导出
├── i18n.py # 国际化：中英文 170+ 翻译条目
├── logging_config.py # 日志配置：RotatingFileHandler
├── resources.yaml # 资源库：128 条资源（学习+信息源+大牛）
├── views/ # 视图模块（9 个独立文件）
│ ├── __init__.py # 共享工具函数 (_lang)
│ ├── path.py # 路径展示 + 可视化分析
│ ├── form.py # 学习画像表单
│ ├── browser.py # 资源浏览器
│ ├── radar.py # 趋势雷达
│ ├── chat.py # AI 对话
│ ├── feedback.py # 反馈收集
│ ├── import_plan.py # 导入学习计划
│ ├── progress.py # 进度持久化
│ └── settings.py # API 供应商设置
├── EVOLUTION.md # 进化宪法：不可变原则 + 安全分级
├── CONTENT_QUALITY.md # 内容质量：六维度管理策略
├── scripts/ # 工具脚本
│ └── audit_content.py # 内容质量审计
└── tests/ # 测试套件（244 单元 + 10 E2E）
├── test_app.py # 核心功能：编码/筛选/导出/常量
├── test_config.py # 配置完整性：Presets/Emoji/方向映射
├── test_i18n.py # 国际化：翻译覆盖/格式化/回退
├── test_llm.py # LLM 客户端：API Key/Provider/Mock调用
├── test_progress.py # 进度持久化：保存/恢复/本地文件/JSON
├── test_utils_extended.py # 工具边界：编码/筛选/导出边界用例
├── test_views.py # 视图逻辑：Chat上下文/反馈/模块导入
└── e2e/ # E2E 测试 (Playwright)
├── conftest.py # Streamlit 服务器 fixture
└── test_core_flows.py # 导航/资源/语言/预设 核心流程
# 安装依赖
pip install -r requirements.txt
# 运行全部单元测试
python -m pytest tests/ --ignore=tests/e2e -v
# 运行 E2E 测试（需要 Python 3.8+ 和 Playwright）
pip install pytest-playwright && playwright install chromium
python -m pytest tests/e2e/ -v
# 运行单个测试文件
python -m pytest tests/test_config.py -vMIT