想系统学 AI？这 6 套开源教材，按学习目标选
想学 AI，打开 GitHub，教材、教程和项目一大堆。点开一本全是公式，换一本又直接开始配环境，自己的基础到底够不够，很难判断。
下面这 6 套教材各有侧重。有的适合建立基本概念，有的面向已经会写代码、准备做 Agent 的人，还有两套专门讲强化学习。先按目标选一本，不必同时开六个坑。
1.《神经网络与深度学习》，先把基础补清楚
邱锡鹏的“蒲公英书”，这个项目提供第二版和通识版的电子稿。
通识版用较少的公式解释机器怎样学习，适合非专业读者建立直觉。第二版更系统，覆盖神经网络、优化、Transformer，以及大语言模型等内容，需要一些线性代数、微积分和概率论基础。
如果你还分不清训练、推理和模型参数，建议先读通识版；准备认真学算法，再转到第二版，结合配套实践理解公式。
项目地址 https://github.com/nndl/nndl
2.《深入理解 AI Agent》，从调用模型走向设计应用
李博杰写的这本书，围绕 Agent = LLM + 上下文 + 工具展开，提供正文、PDF、EPUB 和配套实验。
内容包括上下文、记忆与知识库、工具使用，也讨论评估、模型后训练和多 Agent 协作。它适合已经调用过模型，却还不清楚怎样组织一个完整 Agent 系统的人。
读的时候，可以先选一个工具调用实验，弄清模型拿到了什么信息、何时调用工具、结果又怎样进入下一轮，再往后扩展。
项目地址 https://github.com/bojieli/ai-agent-book
3.《Agentic Design Patterns》中文版，遇到设计问题时翻一翻
这是一个社区中文翻译项目，整理了 21 个 Agent 设计模式和 7 个附录。
提示链、路由和并行化在前面，后面还有工具使用、规划、记忆、RAG、安全防护与评估监控等主题。
已经在做 Agent，可以带着问题读。任务该分几步、什么时候需要路由、多个 Agent 怎样协作，找到对应章节，再结合自己的项目判断是否适用。初学者也可以先从提示链和工具使用看起。
项目地址 https://github.com/xindoo/agentic-design-patterns
中文在线阅读 https://adp.xindoo.xyz/
4.《深入理解 AI Infra》，学会估算模型运行的资源和成本
模型能跑以后，还会遇到显存不够、响应太慢、并发一高就排队的问题。这本书从硬件约束和模型架构出发，讨论计算、存储、通信怎样影响系统设计。
内容涉及推理与训练负载、加速器、推理优化、分布式推理和资源调度，提供电子书及配套计算工具与实验。当前书稿仍是初稿，持续修订。
适合已经用过模型 API 或本地模型、想继续理解性能和部署的人。可以先看前几章，再根据实际问题进入推理优化或分布式部分。
项目地址 https://github.com/bojieli/ai-infra-book
5.《强化学习的数学原理》，弄懂算法为什么这样设计
赵世钰的这本教材从基本概念讲起，不要求已有强化学习背景，但需要概率论和线性代数基础。
适合看过算法介绍，却仍然想弄懂价值函数、策略和更新公式之间关系的人。项目也提供中英文课程视频入口，可以边读书边听讲解。
建议按章节推一遍关键公式，遇到数学缺口就回去补。只想先做一个 Agent 应用的话，这本可以留到需要理解训练算法时再读。
项目地址 https://github.com/MathFoundationRL/Book-Mathematical-Foundation-of-Reinforcement-Learning
6.《Hands-On Modern RL》，通过实验学习强化学习与大模型后训练
WalkingLab 的这套教程分为 7 个部分、26 章，从 CartPole 这样的经典控制任务，逐步讲到 DQN、PPO，以及 RLHF、DPO、GRPO 和 Agentic RL。
它适合希望结合代码学习的人。仓库提供按章节组织的实验，也有在线实验入口，可以先从 CartPole 开始，观察奖励和训练曲线，再改参数比较结果。
这里有个需要留意的说明。项目明确表示，内容由 AI 辅助整理，尚未全部审校，可能存在事实错误或代码运行问题。后续大模型训练也需要按章节准备环境和算力，不能把在线入口理解成所有实验都能免费在浏览器里完成。
项目地址 https://github.com/walkinglabs/hands-on-modern-rl
该从哪一套开始？
① 刚接触 AI，想建立基本概念 先读《神经网络与深度学习》通识版。
② 想系统学模型和算法 选择《神经网络与深度学习》第二版。
③ 会写代码，想做 Agent 应用 读《深入理解 AI Agent》，遇到具体设计问题，再查阅《Agentic Design Patterns》中文版。
④ 模型已经跑起来，想理解延迟和成本 读《深入理解 AI Infra》。
⑤ 想学强化学习和大模型后训练 将《强化学习的数学原理》与《Hands-On Modern RL》搭配阅读，结合实验学习。
只想读书，先从项目 README 进入在线阅读或下载电子版，不必先克隆仓库、安装全部依赖。读到需要动手的地方，再按对应实验准备环境；免费阅读与运行实验的费用是两回事。
以上核对了项目公开文档，未运行配套代码。选读顺序是建议，可以按自己的基础调整。
这周先选一章。读完后用自己的话解释它解决了什么问题；有配套实验，就跑一个最小例子，记下改动和结果。
