AI领域的信息太多了，博客、文档、教程铺天盖地。这份指南帮你快速定位适合自己的资源，不走弯路。
先说清楚一件事
不是所有博客都要看。每个人的背景不同，需求不同，该看的东西也不一样。
这份指南的目的，就是帮你对号入座，找到最该看的几个。
🧐你属于哪种情况？
一、做AI产品的（搞RAG、Agent、落地部署）
核心需求：解决实际问题，做能用的系统。
必看的：
- Lilian Weng - AI Agent、RLHF、幻觉问题，综述写得系统全面
- Sophia Yang - Mistral AI开发者关系，RAG构建、函数调用等实战内容
实用的：
- Eugene Yan - 亚马逊推荐系统，LLM应用设计模式讲得清晰
- Chip Huyen - MLOps实践，生产环境遇到的问题她都写过
想省资源的：
- Tim Dettmers - QLoRA量化，消费级硬件跑大模型的方法
中文资源：
- Qwen团队 - 通义千问技术博客
- Ravi Theja - 企业级RAG，GraphRAG实践
二、研究模型本身的（算法研究员）
核心需求：理解模型架构、Scaling Laws、训练方法。
必看的：
想了解微调的：
- Hyung Won Chung - 指令微调，激励vs教导讲得透彻
想搞高效模型的：
- Guillaume Lample - Mistral AI，Llama训练、RAG调参的经验分享
三、研究AI安全/对齐的
核心需求：可解释性、对齐理论、安全问题。
打基础的：
- Chris Olah - Anthropic，神经网络可视化，可解释性研究的经典
- Neel Nanda - DeepMind，TransformerLens作者，机制解释方向
进阶的：
- Jan Leike - 前OpenAI对齐团队，观点直接
- Evan Hubinger - Anthropic，对齐理论研究
四、入门选手
核心需求：建立直观理解，不要一上来就被公式吓退。
先看这个：
- Jay Alammar - 图解Transformer、GPT、BERT，适合完全零基础
再看这个：
- Andrej Karpathy - 用代码和类比讲概念，直觉好懂
中文资源：
五、技术负责人/CTO
核心需求：把握技术方向、团队建设、行业趋势。
视野类的：
- Greg Brockman - OpenAI联合创始人，技术领导力、团队建设经验
- Sebastian Ruder - NLP简报是行业常用的信息源
思考类的：
- Yann LeCun - 对Scaling Laws的警惕，非主流AGI路径
- François Chollet - 深度学习的局限性
六、关注国内进展的
大厂团队：
- 通义千问 - 阿里云开源大模型
- 美团技术团队 - 配送、NLP、知识图谱等实践
- 智谱AI - ChatGLM系列
- 字节跳动AI Lab - 推荐系统、视频理解
创业公司：
七、学术圈/理论研究
先驱的：
- Geoffrey Hinton - 反向传播、Dropout、胶囊网络
- Yoshua Bengio - 注意力机制、因果AI
- Yann LeCun - 世界模型、JEPA
学术机构：
- UC Berkeley BAIR - 机器人、RL、NLP
- Stanford HAI - 人本AI、AI伦理
- Mila - 深度学习理论、因果推理
建议
找到自己的定位，从合适的开始读起。质量比数量重要，理解比收藏有用。
← Previous post项目 Node 版本自动切换方案