# 附录 C：推荐阅读与学习资源

> 保持学习，跟上时代。

***

## 官方文档

这通常是第一手、相对最准确的资料。

* [**OpenAI Prompt Engineering Guide**](https://platform.openai.com/docs/guides/prompt-engineering)：官方的提示词教程，含金量极高。
* [**Anthropic Library**](https://github.com/anthropics/anthropic-cookbook)：Claude 官方的提示词库，有很多精彩案例。
* [**Hugging Face LLM Course**](https://huggingface.co/learn/llm-course)：开源界的 AI 圣经，免费的 LLM 课程（原 NLP Course，已扩展更名为 LLM Course）。

## 经典必读论文

如果你想深入技术原理，这几篇是绕不过去的经典：

1. **Attention Is All You Need (2017)**
   * [Transformer](/ai_beginner_guide/di-er-bu-fen-he-xin-ji-shu-jie-xi/05_deep_learning/5.3_architectures.md) 架构的诞生，大模型时代的开端。
2. **GPT-3: Language Models are Few-Shot Learners (2020)**
   * 证明了大力出奇迹，模型大了就能涌现能力。
3. **Chain-of-Thought Prompting Elicits Reasoning in Large Language Models (2022)**
   * 发现了[思维链](/ai_beginner_guide/di-san-bu-fen-shi-zhan-ying-yong-ji-qiao/12_prompt_advanced/12.1_chain_of_thought.md)的神奇作用。
4. **Shaping AI's Impact on Billions of Lives (2024)**
   * 由 Mariano-Florentino Cuéllar、Jeff Dean、David Patterson 等作者撰写，提出了把 AI 研究引向公共利益的一组原则和 18 个具体里程碑。[arXiv:2412.02730](https://arxiv.org/abs/2412.02730)

## 优质课程与教程

* [**DeepLearning.AI**](https://www.deeplearning.ai/)（吴恩达）：
  * 《[ChatGPT Prompt Engineering for Developers](https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/)》（免费短课，经典中的经典）。
  * 《[AI for Everyone](https://www.coursera.org/learn/ai-for-everyone)》（通俗易懂的 AI 原理课）。
  * **Coursera: Deep Learning Specialization**：系统性强的深度学习专项课程。
* [**李宏毅（台大）**](https://www.youtube.com/@HungyiLeeNTU)：
  * 他的机器学习课程风趣幽默，用宝可梦讲 AI，非常适合华语初学者。[YouTube 频道](https://www.youtube.com/@HungyiLeeNTU)。
* [**Andrej Karpathy**](https://karpathy.ai/)：
  * 前 OpenAI 研究负责人（后回归个人研究/教育方向），他的 “[Let's build GPT](https://www.youtube.com/watch?v=kCc8FmEb1nY)” 视频是硬核党的必修课。
* [**Fast.ai**](https://www.fast.ai/)：
  * 杰瑞米·霍华德（Jeremy Howard）主讲，主打“自顶向下”的实战派教学。
* **《动手学深度学习》（李沐）**：
  * 偏向代码实战，适合想亲手敲代码复现经典模型的学习者。

## 优质博客与专栏

1. [**OpenAI Research**](https://openai.com/research)
   * 了解 GPT 系列、Sora 等模型与研究进展的第一手发布地。
2. [**Anthropic Research**](https://www.anthropic.com/research)
   * 关注 AI 安全、可解释性（Mechanistic Interpretability）和 Claude 的最新进展。
3. [**Google DeepMind**](https://deepmind.google/discover/blog/)
   * 这里的文章偏学术和硬核，涵盖强化学习、AlphaFold 等基础科学突破。
4. [**Meta AI**](https://ai.meta.com/blog/)
   * 开源界的灯塔。关注 LLaMA 系列、PyTorch 框架的最新动态。
5. [**Microsoft Research**](https://www.microsoft.com/en-us/research/blog/)
   * 巨头的底蕴，涵盖从基础理论到应用落地的全方位研究。

## 工具箱

* [**Papers with Code**](https://paperswithcode.com/)：查看最新论文和对应的代码实现。
* [**Product Hunt**](https://www.producthunt.com/topics/artificial-intelligence)：看看每天冒出来的 AI 新产品，寻找灵感。

**避坑提醒**：

不要购买那些“三天速成 AI 大师”的付费课，尤其是那些贩卖焦虑的。真正好的资源大多是免费的（比如官方文档）。


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://yeasy.gitbook.io/ai_beginner_guide/fu-lu/appendix_c_resources.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.