RepoDaily独立的开源软件评估与选型支持
English

学习路径排序指南 · 更新 2026-06-27

AI Curriculum Sequencing Guide：freeCodeCamp、The Odin Project、Full Stack Open、Microsoft AI for Beginners、nn-zero-to-hero、AI Engineering From Scratch 怎么排顺序

面向学习者和团队的实用排序指南：什么时候学 Web 基础、广义 AI literacy、from-scratch neural networks、现代 full-stack apps 和 build-first AI systems。

最难的学习路径问题通常不是“哪个课程最好”，而是“什么时候用哪个课程”。初学者太早进入神经网络推导会卡住；开发者长期停留在 AI 概览会迟迟不构建；团队一次性布置所有路径会变成教程囤积，而不是能力增长。

这篇指南把 RepoDaily Learning Radar 变成一条顺序：先判断学习者起点，选择一个主要 artifact，然后只有在前一阶段产出可 review 的项目、notebook 或解释之后，才进入下一条路径。

RepoDaily 判断

Web 基础先用 freeCodeCamp 或 The Odin Project；准备好现代 full-stack app 后用 Full Stack Open；需要广义 AI literacy 时用 Microsoft AI for Beginners；需要神经网络机制时用 nn-zero-to-hero；能构建和评估 AI systems 后再用 AI Engineering From Scratch。

快速矩阵

阶段优先路径主要产物什么时候进入下一步
0. 编程与 Web 基础freeCodeCamp完成模块 + 一个小型部署页面或 app能解释 HTML/CSS/JS 基础并独立 debug
1. Project-first Web 习惯The Odin Project带 Git history、README 和部署的 portfolio project能查文档、用 Git，并在无逐步提示下完成项目
2. 现代 Full-stack 深度Full Stack OpenReact + backend app，含 tests 与 API/data notes能串联 frontend、backend、tests 和接近部署的约束
3. 广义 AI literacyMicrosoft AI for Beginners概念地图 + quiz/assignment evidence能解释 AI/ML/NLP/vision/responsible-AI 词汇并选择深挖路径
4. 神经网络机制nn-zero-to-hero修改过的 micrograd/makemore notebook + debugging note能用自己的话解释 gradients、loss curves 和 model behavior
5. Build-first AI systemsAI Engineering From Scratch小型 AI system 或 evaluation capstone能说明 data、evaluation、inference 和 maintenance tradeoffs

学习排序评分卡

用这张表选择下一条路径，不要把它当成通用排行榜。

路径最佳学习者状态构建产物是否需要导师 reviewAI 深度Web 深度主要风险
freeCodeCamp需要结构化的新手练习、认证、小项目中低中太广容易游荡
The Odin Project自驱 beginner-to-builder带 Git history 的 portfolio projects高低高没有反馈时容易卡住
Full Stack OpenPost-beginner Web developer带 tests 的现代 full-stack app高低高节奏可能较强
Microsoft AI for Beginners需要 AI 地图的新手概念地图、quizzes、assignments中中低只概览不实现
nn-zero-to-hero准备理解机制的开发者修改 notebooks 和推导解释高高低数学/debugging 弱时太难
AI Engineering From Scratch准备构建 AI systems 的开发者AI system capstone 和 evaluation notes高高低不是通用新手路径

30 分钟排序测试计划

在给学习者或团队布置课程前使用。

0–5 分钟：学习者快照

写下当前编码水平、数学舒适度、每周时间和目标角色。

成功标准路径对应真实学习者，而不是抽象 persona。

5–10 分钟：选择 artifact

选择第一个产物：部署页面、portfolio app、full-stack app、concept map、modified notebook 或 AI system capstone。

成功标准有一个能证明进步的 artifact。

10–20 分钟：路径适配检查

打开候选课程，检查第一个 milestone 和一个中期 assignment。

成功标准难度有挑战但不阻断。

20–25 分钟：review loop

指定谁 review artifact，以及用什么 rubric。

成功标准反馈在开始前已经排好。

25–30 分钟：下一路径规则

定义什么条件解锁下一条课程。

成功标准学习者知道什么时候继续、切换或暂停。

选择流程

  1. 如果学习者还不能构建和部署小型 Web 项目，先用 freeCodeCamp 或 The Odin Project，而不是进入 AI specialization。
  2. 如果能做小型 Web 项目但缺现代 full-stack 信心，先选 Full Stack Open。
  3. 如果对 AI 感兴趣但缺 vocabulary，先选 Microsoft AI for Beginners。
  4. 如果已经会编码，并想理解 gradients、backprop 和 small language models，选 nn-zero-to-hero。
  5. 如果已经能理解模型并希望构建实际 AI systems，选 AI Engineering From Scratch。
  6. 团队场景下，一次只安排一条主路径。只有出现可 review artifact 后，再加入补充路径。

场景表

场景推荐顺序原因
完全新手想成为 Web developerfreeCodeCamp → The Odin Project → Full Stack Open先结构化入门，再培养项目习惯，最后进入现代 full-stack 深度。
Junior developer 想转 AI engineeringMicrosoft AI for Beginners → nn-zero-to-hero → AI Engineering From Scratch先建立 AI 地图，再理解机制，最后做系统实现。
Frontend developer 想补 backend/full-stack 信心Full Stack Open → 一个内部 capstone缺口是 app integration、tests、APIs 和生产式约束，不是另一个新手路径。
Product engineer 需要 AI literacy 来参与 reviewMicrosoft AI for Beginners → selected AI Engineering From Scratch labs先有广义词汇，再承担实现 review。
想摆脱黑盒模型理解的开发者nn-zero-to-hero → AI Engineering From Scratch机制 notebook 能为 AI 系统 tradeoffs 打基础。
团队 onboarding junior engineers一条 Web 主路径 + internal capstone + review rubric必须以团队 review 的项目结束，而不是链接合集。
AI-assisted 组织想建立内部学习标准主课程 + AI-use contract + review checklistAI 工具应加速学习，但不能隐藏学习者是否真的理解。

排序风险清单

教程囤积

收集课程看起来像进步，但会拖延第一个 reviewed artifact。前四周锁定一条主路径。

准备度错配

nn-zero-to-hero 和 AI Engineering From Scratch 很强，但在编码和 debugging 习惯之前布置会很痛苦。

概览陷阱

广义 AI literacy 必须导向项目、notebook 或 review task，否则只是词汇。

没有 review loop

学习者需要代码、notebook、解释和决策反馈。只看完成状态信号太弱。

AI 掩盖理解

AI coding tools 生成代码速度可能超过学习者解释代码的能力。提交必须要求手动解释。

团队 stack 错配

Full Stack Open 或 The Odin Project 只有在目标明确后，才应被改造成团队栈训练。

排序模式

一条主路径，一个补充

一个课程做 spine，一个补充做 context。超过这个数量通常会制造切换成本。

Artifact gate

没有产出项目、notebook 修改、概念地图或 reviewed PR，就不进入下一条路径。

四周 sprint

每个阶段按四周 sprint 运行，每周一个 milestone 和一次 review。

Capstone routing

按需要的 capstone 分流：portfolio app、full-stack app、AI concept map、neural-network notebook 或 AI system。

AI-use contract

要求学习者记录 AI 帮了什么、自己验证了什么，以及哪些内容能无辅助解释。

Internal wrapper

团队应把外部课程包装成安装步骤、code review rubrics、expected artifacts 和真实工作示例。

常见问题

给正在排序 AI 与 Web 学习路径的团队提供简短答案。

新手应该先学 AI 课程还是 Web/编程基础？

如果还不能构建、debug 和解释小程序，先学编程/Web 基础。具备基本编码信心后，AI 课程更有效。

nn-zero-to-hero 放在什么位置？

放在学习者已经会编码，并想理解 neural-network mechanics 之后。它是机制路径，不是广义 AI 入门。

团队什么时候选 AI Engineering From Scratch？

当学习者已经会编码，目标是构建、评估和理解 AI systems，而不是只理解概念词汇时。

学习者能不能同时学多条路径？

建议一条主路径加一个小补充。超过这个数量通常会增加切换成本，降低完成率。

相关雷达

Learning, Curriculum & Public Knowledge 雷达

相关 RepoDaily 解读

Microsoft AI for Beginners 解读：深入 From-Scratch 实现前的广覆盖 AI 入门课程microsoft/AI-For-Beginners · Learning / CurriculumNeural Networks: Zero to Hero 解读：面向想理解机制的 Builder 的 From-Scratch 深度学习 Labskarpathy/nn-zero-to-hero · Learning / CurriculumAI Engineering from Scratch 解读：从零构建的 AI 工程课程rohitg00/ai-engineering-from-scratch · Learning / CurriculumfreeCodeCamp 解读：开源课程也是开发者基础设施freeCodeCamp/freeCodeCamp · Learning / CurriculumThe Odin Project 解读：面向全栈 Web 开发者的 Project-First 开源课程TheOdinProject/curriculum · Learning / CurriculumFull Stack Open 解读：覆盖 React、Node、GraphQL、TypeScript 的大学支持现代 Web 开发课程fullstack-hy2020/fullstack-hy2020.github.io · Learning / Curriculum

来源

  1. freeCodeCamp official site
  2. The Odin Project official site
  3. Full Stack Open official site
  4. Microsoft AI for Beginners
  5. karpathy/nn-zero-to-hero
  6. AI Engineering From Scratch
  7. Microsoft Generative AI for Beginners
  8. karpathy/nanoGPT

Feedback

这页是否帮助你做出决定？

匿名反馈只用于判断内容是否真正有用。

报告过期或缺失的证据