DoYouEvenLearn
DoYouEvenLearn 是一份专为人工智能领域从业者打造的“持续学习指南”，旨在帮助大家在 AI、机器学习、深度学习及计算机视觉这些飞速发展的赛道中保持敏锐。面对日新月异的技术更新、海量论文和复杂讨论，许多学习者容易感到迷茫或知识滞后，而 DoYouEvenLearn 正是为了解决这一痛点而生。它系统性地整理了获取重要新闻、前沿论文、技术教程及行业讨论的高效渠道，让用户不再错过关键信息。
这份指南特别适合 AI 开发者、科研人员、数据科学家以及渴望深入该领域的学生使用。无论是希望跟进最新算法的研究者，还是寻求实战资源的工程师，都能从中找到适合自己的学习路径。其独特的亮点在于不仅提供了通用的资源索引，更强调了“本地化社区”的价值。DoYouEvenLearn 详细列举了全球多个国家的本土 AI 社群链接，鼓励用户连接身边的同行，参与线下聚会与 constructive 的技术交流。这种将全球视野与本地互动相结合的模式，让学习过程不再孤单，能有效促进知识内化与职业网络的构建。作为一个开源项目，它也欢迎社区共同贡献，确保持续焕发活力。
使用场景
一位刚转行进入计算机视觉领域的算法工程师，正试图在海量且快速迭代的 AI 论文与资讯中建立自己的知识体系，却因信息过载而陷入焦虑。
没有 DoYouEvenLearn 时
- 信息获取盲目低效：每天花费数小时在 arXiv、Twitter 和各类论坛间盲目切换，难以筛选出真正具有行业影响力的核心论文或教程。
- 缺乏本地化交流渠道：身处非英语母语环境，苦于找不到本国的 AI 技术社群，遇到具体工程落地问题时只能独自摸索，无法参与高质量的本地讨论。
- 知识更新滞后脱节：由于缺乏系统的跟进指南，对 Transformer 变体、扩散模型等新技术的理解往往比社区主流慢半拍，导致技术方案选型过时。
- 学习路径碎片化：零散收藏了大量链接却未成体系，难以形成从基础理论到前沿应用的完整认知地图，学习效率极低。
使用 DoYouEvenLearn 后
- 精准锁定核心资源：依据指南推荐的权威渠道，每日仅需少量时间即可获取经过筛选的关键新闻、顶会论文和实战教程，大幅降低信息噪音。
- 快速融入本土圈子：通过列表中提供的各国社群链接（如印度的 IDLI 或德国的 ML-KA），迅速加入本地 Meetup 和讨论组，获得针对性的技术答疑与合作机会。
- 同步前沿技术脉搏：遵循其整理的更新机制，能够及时追踪 CV 和 DL 领域的最新突破，确保技术栈始终与行业发展保持同步。
- 构建系统化学习流：利用指南作为导航图，将碎片化信息串联成有序的学习路径，从入门到精通有了清晰的执行步骤。
DoYouEvenLearn 不仅是一份资源清单，更是连接全球前沿技术与本地实践社群的高效桥梁，帮助开发者在爆炸式增长的 AI 浪潮中拒绝掉队。
运行环境要求
未说明
未说明
快速开始
跟上 AI/ML/DL/CV 的必备指南
如今，这些领域正蓬勃发展。要想不落伍，就必须持续关注最新动态。以下是一份关于如何及时了解重要新闻、论文、讨论和教程的必备指南。本指南绝非面面俱到，因此我们非常欢迎各位的贡献。
加入本地社区
由于多种原因，各地都存在着不同的区域性社区。请加入你所在的本地社区，参与建设性的讨论、提出问题，并参加线下聚会。
| 国家 | 链接 |
|---|---|
 阿根廷 |
阿根廷人工智能 |
 阿塞拜疆 |
阿塞拜疆数据科学协会 |
 巴西 |
ML, DL, BD - 巴西 和 IA & DL 巴西 |
 加拿大 |
Montreal.AI 和 QuebecAI |
 捷克共和国 |
MLMU-布拉格 和 MLMU-布尔诺 |
 埃及 |
埃及机器学习极客 |
 德国 |
ML-KA (卡尔斯鲁厄) 和 慕尼黑机器学习 |
 英国 |
London.AI、AI,ML,和DL、北爱尔兰人工智能 |
 法国 |
Paris.AI |
 印度 |
IDLI: 印度深度学习倡议 |
 印尼 |
印尼机器学习、印尼大数据 和 印尼数据科学 |
 以色列 |
ML&DL 和 问答子群 |
 意大利 |
aixia 和 IA-Gov |
 拉脱维亚 |
里加DS俱乐部 和 里加人工智能、机器学习和机器人 |
 马来西亚 |
TensorFlow & 深度学习马来西亚 和 马来西亚机器学习 |
 美国 |
墨西哥数据科学与机器学习 |
 荷兰 |
MLNL、DLAI、阿姆斯特丹AIDL、PyData阿姆斯特丹 和 阿姆斯特丹数据科学 |
 巴基斯坦 |
Pakistan.ai页面、Pakistan.ai小组、MLPK页面、MLPK小组 和 Karachi.ai |
 秘鲁 |
秘鲁机器学习 |
 波兰 |
Warsaw.AI、波兰语数据科学 |
 葡萄牙 |
DL Sessions |
 俄罗斯 |
开放数据科学 |
 斯洛伐克 |
MLMU-布拉迪斯拉发 和 MLMU-科希策 |
 西班牙 |
马德里ML聚会 |
 韩国 |
AI Korea (深度学习)、TensorFlow KR 和 PyTorch KR |
 瑞典 |
斯德哥尔摩AI |
 瑞士 |
苏黎世ML 和 SwissAI |
 土耳其 |
Yapay Zekâ |
 乌克兰 |
人工智能、计算机视觉 和 敖德萨DS |
 越南 |
基础机器学习 和 FB页面 |
上表列出了由其成员承诺或推荐的成熟社区。此外，请务必访问 CITY.AI，该平台组织线下聚会，帮助你与当地的 AI 社区建立联系（覆盖 40 多个城市）。
启动时运行的书签
| machine_learning | MachineLearning | computervision | learnmachinelearning |
|---|
arXiv：开放获取的电子预印本。别忘了安装 Fermat’s Library
| 计算机视觉与模式识别 | 人工智能 | 机器学习 | 神经与进化计算 | 计算与语言 | 机器学习 |
|---|
Arxiv Sanity：美观的界面及更多与 arXiv 交互的功能
CatalyzeX：轻松查找论文的开源代码实现（也有 chrome 扩展 和 firefox 扩展 可用，可自动在线查找并显示论文的代码）
ShortScience：发表后的讨论
PapersWithCode：分享带有开源实现的论文的空间
TaggerNews（带有兴趣标签筛选器的 HackerNews）
DataTau：数据科学家的 HackerNews
AITopics：关于 AI 研究、人物和应用的信息集合
Made With ML：按主题整理的热门项目，助你随时掌握最新动态
Deep Learning Monitor：监控你关注的研究领域
42Papers：跟踪热门论文
ML Treats：监测热门博客、论文和新闻
YouTube 频道
别忘了安装 播放速度控制，以优化你的时间。
公司研究博客
| Nvidia | Apple | OpenAI | DeepMind |
|---|
Quora
| 机器学习 | 计算机视觉 | 深度学习 | 强化学习 |
|---|
更新频率较低的资源
| Google 学术搜索 | ResearchGate | Distill |
|---|
通常，重要新闻会在 Twitter 上迅速传播，并经常被大量转发。找到你感兴趣的人并关注他们。
博客/通讯
| Inside AI（新闻） | The Morning Paper（论文摘要） | inFERENCe（观点文章） | PyImageSearch（教程） | O'Reilly 人工智能通讯 | Import AI（新闻） | arg min blog | Off the Convex Path（博客） | The Spectator（博客） | NLP News | The Batch | The Gradient | LyrnAI | Floydhub | AI Weekly Digest |
|---|
播客
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备