分类导航
发现更多优质 AI 工具
DeepTutor
DeepTutor：Agent 原生个性化 AI 学习与家教平台📖 一、平台介绍核心架构： 与传统单轮对话的 AI 聊天框不同，DeepTutor 采用 双环多智能体（Dual-Loop Multi-Agent）架构与 多层记忆机制。它不仅能将用户上传的教材、论文和课件构建为专属知识库，还能通过多个协同 Agent 进行深度推理。主要能力：深度推理：分步解题、自动测验与研究报告生成。知识管理：基于个人文献或教材进行精准内容检索（RAG）。视觉化展示：数学公式动画推导与动态图表渲染，降低理解门槛。✨ 二、核心功能详解深度解题 (Deep Solve) 🔢 采用“分析环”（检索 + 笔记整理）与“解决环”（规划 + 执行 + 校验）的双重 Multi-Agent 机制。擅长复杂数学题、物理题及编程逻辑推理，给出带精确引用的步骤级解答，非简单直接回答。知识库与 RAG 问答 (Knowledge Base) 📂 支持批量上传多种格式的本地资料文件（如 PDF, DOCX, PPTX, Excel）。基于个人文献或教材进行精准内容匹配，确保答案来源可查，减少幻觉产生。自适应出题与测验 (Deep Question) 📝 根据上传的资料自动生成知识点测试题。AI 会根据答题情况实时调整题目难易度，智能避免重复出相同的题目，从而最大化学习效果。深度研究报告 (Deep Research) 🧪 输入课题后，系统自动拆解为多个子任务，跨网络、学术数据库及本地文档同时搜索信息，直接输出结构化的专业研究报告初稿。动态可视化 (Math Animator & Visuals) 🎬 集成 Manim 动画引擎及 Chart.js/SVG 渲染技术。将抽象的数学公式、物理概念与算法推导转化为流畅的动态视频或交互式图表。多端伴侣与技能扩展 (Partners & Skills) 🤖 支持创建具备独立人设（Persona）与长期记忆的 TutorBot，可无缝接入 Discord、Telegram、Slack 等外部平台；内置 Excel、Word、PPT 读写处理及 MCP 技能，实现文件直接编辑与管理。👥 三、适用人群与应用场景学生群体适用阶段：高中 / 大学 / 考研 / 竞赛。主要应用：上传教材和课件，进行知识点梳理、疑难题目深度拆解与自我测验；适合准备各类考试或学科竞赛的学习者。科研人员 & 学者核心需求：高效处理文献资源。主要应用：快速研读海量论文、自动整理复杂的文献笔记摘要、利用系统生成课题相关的深度研究报告以节省时间成本。开发者 & 终身学习者应用场景：自主构建私有技术知识库，避免知识断层。核心工具：利用 Agent 进行编程指导（Code Tutor）与长期的个人技能树管理；适合需要定制化学习路径的技术人员。💰 四、免费 / 付费情况说明软件授权模式 DeepTutor 本身遵循 Apache-2.0 / MIT 开源协议，属于完全免费的开源项目。用户可自由下载源码或镜像进行部署与二次开发。GitHub 源码仓库地址：https://github.com/HKUDS/DeepTutor运行成本构成 AI 对话、解题及报告生成需要调用大语言模型（LLM）能力，实际费用取决于您的部署模式：云端 API 消耗费（有门槛但便捷）：用户需填入自备的 OpenAI、Claude、DeepSeek 等 API Key。产生的费用由对应服务商收取。建议优先选择性价比高的模型 API 以控制成本。零成本本地部署方案：搭配本地大模型运行，例如通过 Ollama 启动 Qwen / Llama 版本。此方式可实现 100% 免费且完全离线/隐私安全。🛠️ 五、快速开始：部署与启动指南⚙️ 前置环境准备 请确保您的系统已安装 Python 3.11+ 及 Node.js 20+ (前端依赖)。若需本地运行，建议使用 Docker 或直接克隆源码。以下提供三种常用方式：🔹 方案 A：命令一行安装（最简体验）适合只想快速启动并测试基本功能的用户。执行完此流程后，直接访问浏览器即可使用服务界面。bash# 1. 从 PyPI 下载安装包 pip install -U deeptutor # 2. 初始化配置 (按提示设置端口、API Key/LLM 提供商) deeptutor init # 3. 启动服务 (会自动拉起前端与后端进程) deeptutor start # 1. 从 PyPI 下载安装包 pip install -U deeptutor # 2. 初始化配置 (按提示设置端口、API Key/LLM 提供商) deeptutor init # 3. 启动服务 (会自动拉起前端与后端进程) deeptutor start ✅ 访问地址：http://127.0.0.1:3782。(注意：首次启动需在设置中配置大模型，否则对话无法响应)🔹 方案 B：Docker 一键运行（适合容器化环境）无需在宿主机安装 Python 环境，直接拉取官方镜像即可无缝部署数据目录到本地硬盘。bashdocker run --rm --name deeptutor \ -p 127.0.0.1:3782:3782 \ -v ~/deeptutor-data:/app/data \ ghcr.io/hkuds/deeptutor:latest docker run --rm --name deeptutor \ -p 127.0.0.1:3782:3782 \ -v ~/deeptutor-data:/app/data \ ghcr.io/hkuds/deeptutor:latest ⚡ 操作提示：浏览器打开 http://127.0.0.1:3782，进入设置 -> Models (Settings → Models) 填入 API Key。💾 数据持久化：挂载的 -v ~/deeptutor-data:/app/data 确保您的本地教材、笔记在服务重启后不丢失。🔹 方案 C：源码克隆部署（适合开发者）需要深度定制模型、修改前端代码或进行二次开发时使用此方式，以便管理依赖库和环境变量。bashgit clone https://github.com/HKUDS/DeepTutor.git cd DeepTutor # 创建虚拟环境并激活 (建议) python3 -m venv .venv && source .venv/bin/activate pip install -e . # (可选) 前端依赖安装，需联网下载 npm packages (cd web && npm ci --legacy-peer-deps) deeptutor init deeptutor start git clone https://github.com/HKUDS/DeepTutor.git cd DeepTutor # 创建虚拟环境并激活 (建议) python3 -m venv .venv && source .venv/bin/activate pip install -e . # (可选) 前端依赖安装，需联网下载 npm packages (cd web && npm ci --legacy-peer-deps) deeptutor init deeptutor start ⚠️ 六、注意事项与最佳实践模型配置必填：首次启动后务必在 Web 端 Settings (设置 → Models) 中配置大模型（推荐 DeepSeek, OpenAI, Ollama）。若无连接，推理功能将无法正常工作。Token 消耗预期管理：Deep Solve 和 Deep Research 会触发多轮交互与并发检索，单次问答消耗的 Token 量远高于普通聊天。**建议优先配置高性价比的 API Key（如 DeepSeek）**以控制长期成本。动画依赖环境检查：如需使用 Manim 数学公式动态视频功能，本地环境必须安装 ffmpeg (Linux/Mac) 或相应系统组件 (Sudo apt-get install ffmpeg) 及 LaTeX 基础库；若仅需普通图表渲染则无需此配置。数据隐私与存储建议：若您选择云端 API 模式，请确保您了解相关服务商的数据策略；本地部署模式下，所有数据处理均在您的设备内完成，更适合处理敏感的学术资料或个人私有教材，同时利用 Docker 方案可更好地保护数据安全（挂载目录）。
OpenAI 学院
OpenAI 推出的免费全民 AI 学习平台，面向所有人，提供从入门到进阶的直播 / 录播课程、资源库与全球社区，目标是普及 AI 素养、推动 AI 落地应用。一、平台核心定位与目标使命：让 AI 知识普惠，确保 AI 造福全人类；助力不同背景的人在工作、学习中高效用上 AI。面向人群：完全开放、免费注册（部分专属社群需邀请 / 推荐），覆盖普通用户、教育者、开发者、企业与公益组织等。当前语言：以英文为主，计划扩展多语言。二、核心功能与内容1. 直播与线下活动（Events）类型：专家直播、工作坊、线下聚会（美国首发，即将全球化）。近期主题（示例）：5/20：AI 幕后分享（TBPN）5/22：财务团队如何用 Codex6/3：高校管理员智能体开发6/12：科研人员的 Codex 应用参与：可报名预约，支持自主申请举办本地活动（联系：academy@openai.com）。2. 资源库（Content）形式：免费点播视频、教程、讲义、案例，持续更新。热门资源（示例）：ChatGPT 入门（44 分钟，官方主讲）Excel 集成 ChatGPT 实操讲义高等教育教师 AI 应用案例。难度：从AI 基础、提示词工程到高级开发集成，全层级覆盖。3. 全球社区（Communities）分组：按行业 / 角色划分（如 Work Users、Admins、Champions、Builders），成员数万至数十万。功能：成员间直接私信交流、协作项目、分享经验。热门社区：印度区（5 万 + 成员）、Builders（2.2 万 + 成员）。三、认证与发展规划当前：无强制认证，所有内容永久免费。计划：2025 年底 —2026 年初推出官方认证，覆盖提示词工程、AI 办公、开发集成等不同等级。四、平台价值与优势官方权威：OpenAI 专家授课，内容贴合最新产品与技术趋势。零门槛：免费开放、无需技术背景，手把手教 AI 落地。强实用：课程聚焦真实场景（教育、财务、科研、办公），学完即用。全球化网络：连接全球同行与专家，获取一手信息与合作机会。
Coursera
Coursera 是 2012 年由斯坦福大学教授创立的全球在线学习平台，核心是提供名校 / 名企课程、证书与学位，助力职业提升与转型。一、核心定位与合作方使命：无限制学习，支持职业起步、转行或进阶。合作方：350 + 顶尖高校（斯坦福、密歇根大学等）与科技企业（Google、IBM、Microsoft、OpenAI 等）。学习模式：异步自主进度，适配碎片化学习Coursera。二、课程与项目体系单课（Courses）：覆盖 AI、数据科学、编程、商业、语言等，可免费旁听（无证书 / 作业），付费获完整权限与证书Coursera。专项课（Specializations）：系列课程，系统掌握细分领域（如 Python、机器学习）。专业证书（Professional Certificates）：Google/IBM 等原厂认证（数据分析、网络安全、项目管理等），雇主高认可，91% 学员获职业正向成果。学位项目（Degrees）：在线本科 / 硕士（如 iMBA、计算机硕士），正规学分，性价比高。MasterTrack 证书：硕士模块拆分，获证书且可抵后续学位学分Coursera。三、热门领域与标杆证书AI / 技术：Google AI、IBM 数据分析、Microsoft Power BI、Meta 前端开发。商业 / 软技能：Google 项目管理、HRCI 人力资源、沟通与领导力。数据 / 编程：Python、SQL、机器学习、数据工程。四、付费模式单课付费：按课购买，获证书与作业权限Coursera。Coursera Plus 订阅：年费制，无限访问数千门课 / 专项 / 证书，适合长期学习。免费试用 / 旁听：7 天免费试用；单课可免费旁听视频与阅读材料Coursera。助学金：符合条件者可申请费用减免Coursera。五、平台价值与数据职业赋能：证书与学位雇主广泛认可，助力求职 / 加薪 / 转型。学习成果：91% 学员报告新工作、知识增长或绩效提升。薪资参考：数据科学家中位数约 ¥126k，数据分析师约 ¥77k。六、适合人群零基础转行（如 AI、数据分析）在职提升技能 / 考证（项目管理、网络安全）高校学生补充名校课程职场人拓展跨领域能力
Elements of AI
Elements of AI是由赫尔辛基大学与MinnaLearn于 2018 年联合推出的免费、零基础 AI 通识 MOOC，核心目标是普及 AI 知识、消除技术神秘感，让大众理解 AI 的本质、能力边界与社会影响。一、核心课程（两大部分）Part 1：Introduction to AI（AI 导论）零基础友好，无需编程 / 高数，面向所有人。内容：AI 定义、能力与局限、现实应用、伦理与社会影响。Part 2：Building AI（构建 AI）进阶实操，建议掌握基础 Python。内容：AI 核心算法、机器学习、神经网络、模型构建实践。学习模式：自定进度，理论 + 互动练习，完成可获赫尔辛基大学免费证书。二、企业版服务AI Literacy for Organizations：60 分钟员工 AI 素养速成，聚焦安全、高效用 AI。LMS 适配课程：支持 SCORM/xAPI 格式，可嵌入企业学习平台。三、项目背景与影响力起源：芬兰国家 AI 教育计划，目标覆盖1% 国民（约 5.5 万人），后成为欧盟推广项目。规模：全球200 万 + 学员、覆盖170 + 国家、40% 女性参与（远超计算机课程平均水平）。认可：获 MIT “包容性创新挑战赛” 奖项，谷歌 CEO、诺基亚董事长等力荐。四、核心特点免费开放：全程无费用，多语言支持（含英语、中文等 26 种）。零基础入门：降低门槛，用通俗语言拆解复杂概念。重伦理与社会影响：专门模块讨论 AI 公平性、风险与治理。全球社区：学员可交流互助，形成学习网络。
动手学
《动手学深度学习》（Dive into Deep Learning, D2L）第二版中文版官网，由亚马逊科学家阿斯顿・张、李沐等打造，面向中文读者的免费交互式深度学习教材，全球 70 多国 500 + 高校用作教学资料。核心定位与特色✅ 免费开源：全文在线免费读，代码开源，支持 Jupyter Notebook 交互式运行。✅ 多框架支持：提供PyTorch、TensorFlow、PaddlePaddle、NumPy/MXNet四种实现。✅ 理论 + 实战：公式、图示、可运行代码三位一体，每节可直接修改实验。✅ 社区活跃：配套论坛答疑，持续迭代更新。作者与贡献者主作者：阿斯顿・张、扎卡里 C. 立顿、李沐、亚历山大 J. 斯莫拉（亚马逊）。章节作者：布伦特・沃尼斯、瑞潮儿・胡、张帅、郑毅等。框架改编：阿尼如・达格（PyTorch）、唐源（TensorFlow）、百度团队（飞桨）。社区贡献：200 + 开发者参与内容完善。内容结构（16 大章节）引言：深度学习背景、关键组件、发展与应用。预备知识：数据操作、线性代数、微积分、自动微分、概率基础。线性神经网络：线性回归、softmax 回归、从零实现与简洁实现。多层感知机：激活函数、过拟合与正则化、反向传播、数值稳定性。深度学习计算：层与块、参数管理、GPU、自定义层、模型保存加载。卷积神经网络（CNN）：卷积、填充 / 步幅、通道、汇聚、LeNet。现代 CNN：AlexNet、VGG、NiN、GoogLeNet、ResNet、DenseNet、批量归一化。循环神经网络（RNN）：序列模型、文本预处理、RNN 原理与实现、时间反向传播。现代 RNN：GRU、LSTM、深度 / 双向 RNN、机器翻译、seq2seq、束搜索。注意力机制：注意力提示、评分函数、Bahdanau 注意力、多头注意力、Transformer。优化算法：梯度下降、SGD、小批量、动量、AdaGrad、RMSProp、Adam、学习率调度。计算性能：编译器、异步计算、自动并行、多 GPU 训练、参数服务器。计算机视觉（CV）：图像增广、微调、目标检测（SSD/R-CNN）、语义分割、风格迁移、Kaggle 实战。NLP：预训练：word2vec、GloVe、子词嵌入、BERT、预训练数据集。NLP：应用：情感分析、自然语言推断、BERT 微调。附录：Jupyter 使用、AWS/Colab 运行、服务器 / GPU 选择、贡献指南、d2l API 文档。配套资源📘 纸质书：《动手学深度学习（PyTorch 版）》（黑白平装），京东 / 当当有售。🎥 视频：B 站配套教学视频（PyTorch 版、旧版）。📂 代码：GitHub 开源仓库（d2l-ai/d2l-zh）。🧩 工具：d2l 库（数据加载、训练、可视化等常用功能）。适用人群深度学习零基础入门（数学与 Python 基础即可）。高校 AI/ML/CV/NLP 课程教材或参考。工程师系统进阶深度学习核心模型与实战。学习路径建议先学第 2 章预备知识（张量、线性代数、自动微分）。再学3–5 章基础模型（线性回归、MLP、计算组件）。进阶6–10 章核心架构（CNN、RNN、Transformer）。实战11–15 章应用（优化、CV、NLP 项目）。
Machine Learning
Machine Learning Mastery是由 AI 博士Jason Brownlee创立的应用机器学习教育平台，面向开发者与数据从业者，主打实战导向、少废话多代码的学习路径，帮助学习者快速把算法落地到项目。核心定位与理念口号：Help developers skip years ahead（让开发者少走几年弯路）。教学风格：自上而下、结果优先—— 先跑通代码、拿到结果，再补理论与数学，避免 “只学不做”。适用人群：零基础入门者、想补实战的算法工程师、数据科学家、AI 应用开发者。核心内容板块快速入门指南（Quick Start Guides）最短路径出结果：环境安装、第一个项目、第一个神经网络、时间序列预测等。特点：步骤极简、代码可直接复制运行。最新教程（Latest Tutorials）覆盖Agentic AI、向量数据库（pgvector）、LLM 可观测性、提示词压缩、工具调用等前沿主题。形式：图文 + 代码 + 示意图，降低复杂概念理解门槛。电子书商店（eBook Catalog）热门书籍：《Machine Learning Mastery With Python》（Python 机器学习实战）。《Master Machine Learning Algorithms》（算法原理与实现）。《Deep Learning With Python》（深度学习实战）。《Maximizing Productivity with ChatGPT》（大模型效率工具）。特点：实战导向、配套完整代码、可直接用于项目。专家团队（Meet Our Experts）Jason Brownlee, PhD（创始人）：AI 博士，前国防与气象预测 ML 工程师，著书多本。Adrian Tam, PhD（主编）：数据科学家，专注时序、NLP、CV 商业模型开发。团队覆盖 CV、大模型、医疗 AI 等领域，保证内容专业度。学习资源与服务免费资源：免费电子书 + 邮件课程，覆盖入门核心主题。付费资源：单本电子书、专题套装（如 Python 机器学习 8 本合集）、29 本超级套装。技术覆盖：scikit-learn、TensorFlow、PyTorch、时序预测、LLM 应用、Agent 开发。网站数据与口碑流量：月访问超2000 万，电子书下载超100 万，评论90K+。用户评价：被称为 “机器学习实战天花板”，适合零基础到进阶的全阶段学习。
Kaggle
Kaggle 是 Google 旗下全球最大的数据科学与机器学习社区平台，2010 年成立，2017 年被 Google 收购，核心是竞赛、数据集、在线编程与学习资源，面向全球数据从业者与学习者。一、核心定位与背景全称：Kaggle（无官方中文译名）成立：2010 年 4 月，旧金山；创始人 Anthony Goldbloom归属：2017 年起为 Google（Alphabet）子公司使命：Making Data Science a Sport，用众包解决复杂数据问题用户：超 1000 万注册用户，覆盖 194 个国家二、四大核心功能数据科学竞赛（Competitions）企业 / 科研机构发布真实问题（如房价预测、图像分类），参赛者提交代码方案。类型：高额商业赛（Featured）、学术研究赛（Research）、入门练习赛（Playground）、趣味赛。奖励：奖金（几百到百万美元）、排名、行业认可。公开数据集（Datasets）5 万 + 脱敏数据集，覆盖医疗、金融、CV、NLP 等，支持 CSV/JSON/ 图像等格式免费下载。在线协作编程（Notebooks/Kernels）云端 Jupyter 环境，支持 Python/R，免费提供 GPU/TPU 算力，可编写、运行、分享代码。学习平台（Kaggle Learn）免费交互式课程：机器学习、深度学习、Python 数据分析等，配套练习与项目。
Trancy
Trancy 是一款AI 驱动的沉浸式语言学习工具（浏览器扩展 + 网页端），主打 “视频双语字幕 + 网页翻译 + AI 语法 / 单词解析 + 个性化学习库”，支持约 10 种语言，把看视频、读外文网页变成可理解、可积累、可练习的学习场景。一、核心功能（四大模块）1）视频双语字幕（YouTube/Netflix/HBO/TED/edX/Coursera 等）双语同显：精准 AI 翻译双语字幕，支持影院模式（正常观影）与阅读模式（视频缩小、字幕全屏，适合精读）。AI 辅助：智能分句、生词点击查释义、OpenAI 语法分析（拆解长难句）、字幕字体 / 大小自定义。听说练习：调速播放、跟读、语音识别，边看边练听说。2）网页 AI 翻译（划词 / 划句 / 全文）划词翻译：选中即译，自动高亮生词，可一键加入生词本。全文沉浸翻译：网页双语对照（保留原排版）、鼠标悬停译段落、支持Google/DeepL/Microsoft/OpenAI多引擎切换。语法拆解：AI 分析句子结构、标注词性、解析难句。3）个性化学习库（收藏 + 复习）内容收藏：保存视频、例句、生词，按主题分类，打造个人语料库。复习工具：生词本、例句回顾、艾宾浩斯式复习提醒。4）其他实用功能PDF 翻译：上传 PDF 生成双语对照，可导出。AI 口语练习：模拟对话、语音评测（付费版）。快捷键：翻译、收藏、调速等一键操作。二、适用场景看外剧 / 公开课：双语字幕 + 精读模式，边看边学。读外文文章：划词即译、全文双语，不打断阅读。积累词汇句型：一键收藏生词例句，定期复习。练习听说：跟读、语音识别、AI 对话（付费）。三、版本与价格（2026-05）免费版：YouTube/Netflix 双语字幕、无限划词 / 全文翻译、字幕导出、智能分句。付费版：$2.69/月 或 $25.99 / 年，含无限收藏、AI 口语练习、OpenAI 语法解析、PDF 翻译等。
Reading Coach
微软阅读教练是微软推出的免费 AI 驱动个性化阅读训练工具，面向学生、教师与家庭，支持网页与 Windows 客户端，助力提升阅读流畅度与语言能力。核心定位属于微软教育学习加速器，依托 AI 提供自主、自适应阅读练习。全免费开放，支持微软账户 / 学校 Microsoft 365 账户登录，适配多场景。支持80 + 语言，含中文，兼顾母语与二语学习者。核心功能AI 生成个性化故事：自选角色、场景与难度，AI 生成适龄安全故事，贴合兴趣。实时语音反馈：朗读时 AI 分析发音、流畅度、准确率，识别难词并针对性练习。自适应学习：自动将难词融入后续章节，强化记忆，渐进提升。沉浸式阅读：集成微软沉浸式阅读器，优化排版、朗读与辅助功能，适配阅读障碍者。进度追踪与激励：徽章、成就与阅读统计，激发持续练习动力。自定义文本：支持上传课文或段落，满足课堂与自学需求。平台特点零门槛上手：浏览器直接使用，无需安装，随时随地练习。安全合规：AI 内容严格审核，符合微软负责任 AI标准。家校协同：教师可布置任务、跟踪学情；家长可陪伴学习、查看进度。全年龄段适配：从启蒙阅读到进阶训练，覆盖 K12 与成人基础学习。
飞桨AI
百度飞桨 AI Studio 是基于百度飞桨（PaddlePaddle）深度学习框架的一站式 AI 学习与开发社区，面向学生、开发者与企业用户，提供从学习、训练到部署的全链路云端环境。核心定位全栈式 AI 平台：集成在线编程环境、免费 GPU 算力、海量课程、数据集、预训练模型与竞赛社区。零门槛上手：浏览器直接使用，无需本地配置，支持 Jupyter 交互式开发。全阶段覆盖：从Python 基础、机器学习、深度学习到大模型（文心 ERNIE）应用。核心能力免费算力支持：提供V100 等工业级 GPU，新用户赠算力，每日签到可领，支持单机 / 集群训练。丰富学习资源：400 + 免费课程、实战项目、经典数据集，覆盖 CV、NLP、推荐系统等。文心大模型集成：内置ERNIE 5.0/4.5，支持对话、内容创作、参数可调，网页端直接调用。一站式开发部署：在线 IDE、飞桨框架、模型训练 / 调优 / 部署，支持零代码到高代码开发。竞赛与社区：定期 AI 赛事、项目分享、技术交流，助力实战与成长。教育场景适配：提供教学管理、实训环境、教材教案，支持高校与机构开课。平台特点云端集成：环境开箱即用，免安装、免配置。普惠免费：核心课程、算力、数据集免费开放。技术领先：依托百度飞桨与文心大模型，国产化自主可控。全链路闭环：学习→实验→竞赛→就业 / 落地完整路径。
腾讯扣叮
腾讯扣叮是腾讯面向 6–18 岁青少年的免费编程教育平台，主打 “玩中学”，以图形化、Python、AI 等低门槛方式培养计算思维与创造力。核心定位面向6–18 岁青少年，零基础友好，兼顾启蒙与进阶。图形化编程为主，逐步过渡到Python、AI、3D 创作。主要实验室创意实验室（6+）：类 Scratch 积木式编程，零代码创作动画、小游戏。Python 实验室（7+）：在线环境学 Python，含海龟画图、数据处理等项目。快叮岛（AI 闯关）：3D 沉浸式场景，AI 趣味闯关，训练算法思维。AI 实验室（10+）：图像识别、语音交互等入门 AI 项目。游戏 / 艺术实验室：零基础做小游戏、用 p5.js 进行艺术编程。平台特点全免费：核心工具与课程免费，无需安装，浏览器直接用。游戏化学习：闯关、成就系统、3D 场景，提升兴趣与坚持度。创作与分享：作品一键发布，社区展示交流，支持赛事参与。家校支持：配套教学资源，方便家长辅导、教师授课。一句话总结腾讯扣叮是国内领先的青少年免费编程平台，用图形化 + 代码 + AI 的阶梯式路径，结合游戏化与沉浸式体验，帮孩子轻松入门编程、培养数字素养。
阿里云
阿里云 AI 学习路线是阿里云开发者社区推出的一站式系统学习方案，从基础理论到工业实战，帮助学习者循序渐进掌握 AI 核心能力。路线总览5 大阶段、30 门课程、22 个实战案例、424 课时，覆盖算法原理、框架应用与项目落地。适合有Python 与数学基础（线性代数、概率论）的学习者。阶段拆解机器学习入门（3 门 / 128 课时）掌握机器学习与深度学习概念、常用算法及神经网络基础。TensorFlow 框架及常用库（4 门 / 78 课时）学习 TensorFlow 使用，以及 NumPy、Pandas、Matplotlib 等科学计算与可视化库。机器学习实战（9 门 / 94 课时）基于阿里云PAI 平台，完成推荐系统、文本分类、流量预测等实战项目。自然语言处理实战（7 门 / 67 课时）掌握对话机器人、机器翻译、文本相似度分析等 NLP 应用开发。图像识别实战（7 门 / 57 课时）涵盖人脸检测、猫狗识别、图像修复、超分辨率重构等计算机视觉项目。核心特点理论 + 实战闭环：课程与阿里云生态深度结合，可直接在 PAI 平台部署模型。免费资源丰富：基础课程免费，降低 AI 学习门槛。能力递进明确：从算法理论→框架工具→行业实战，逐步具备独立开发 AI 项目的能力。