AI 时代滚滚而来且日新月异，要么适应这个潮流，要么彻底被淹没。作为一个“中登”，离躺平还有很大的距离，那就只能投身其中。Navi2AI 今天正式和大家见面。它不是一个“把AI工具名字堆成目录”的普通导航，而是我用费曼学习法一点点学、一点点写、一点点填出来的“边学边站”。
其实学习对我来说是一件很痛苦的事，而为了让这个学习的过程不那么痛苦——费曼学习法就是我更倾向的工具。我认为费曼学习法的“以教促学”不仅是一种高效的学习方法，也是一种“成就”导向的激励方式。
费曼学习法告诉我们：如果你没法用大白话把一件事讲给一个外行听明白，那就是你没真懂。卡住的地方不怪对方，是你自己脑子里有个洞。
这办法听着温和，做起来很折磨人。它逼你不能含糊。什么叫上下文窗口？什么叫量化？微调和预训练到底差在哪？这些东西看别人的文章时，我常常以为自己懂了，等到要写一句话把它解释清楚，才发现脑子里全是糊的。
这个站就是这么开始的。每收一个工具，我都得给它写一句话：它是谁，擅长什么，国内能不能直接打开。写不出来，或者写得含糊，我就知道该回去补课了。
边学边填，填成了今天这样
站内现在有十个一级分类，四十九个二级分类，两千多个条目。
分类不是照抄谁的目录。我从「大模型基建」开始，是因为我一开始最搞不懂的就是这一层：模型服务、开源权重、微调、推理部署、API 网关、RAG、向量数据库。这七个词我挨个啃过，啃的过程比结果重要。
再往里是「通用智能体」「代码与开发」「文案与写作」「效率与办公」「图像与设计」「视频与创作」「音频与制作」。后面两类是「社区与资讯」和「细分化赛道」。前者解决我怎么跟上行业，后者是我发现 AI 已经钻进很具体的生活场景了：心理陪伴、教育、理财、玄学、营养健康。
说这个站对研究 AI 原理、搞懂技术名词、摸清行业生态很有用，倒不是因为我做得多好，而是「要写定义」这件事本身会逼着你去弄明白。我甚至怀疑它对我的价值，比对你更大。
关于未来，我的几个判断
我对 AI 的未来没那么乐观，也没那么悲观。说几条自己的想法。
一是术语通胀会越来越厉害。每隔几个月就冒出一批新词，有真东西，也有旧概念换包装。分辨力会变成稀缺资源。我写这个站，一半为了别人，一半是给自己留个校准的锚。
二是模型之间的能力差距在缩小。同一个任务，几家旗舰给出的结果越来越接近。拉开距离的地方，正在从「模型有多强」转到「你有没有数据、懂不懂场景、能不能把东西交付出去」。
三是智能体从「能聊」到「能干活」，卡点不在聪明，在可靠性和权限。我到现在也不敢让一个 Agent 半夜自己去改我的东西。我很想，但我不敢。
四是会提问、会判断结果好坏，这件事越来越值钱。生成变得廉价之后，分辨力就贵了。
五是别信「马上要变天」的叙事。这一年多的变化确实快，但我见过太多人追热点把正经事耽误了。工具更新的速度远快于人的学习速度，与其全都追，不如挑几个真正用起来。
最后
这个站会一直填下去，因为学这件事不会停。分类会调整，条目会删也会加。有些我今天写下的判断，可能明年自己就想推翻，到时候我会改。
你在里面找到有用的东西，那挺好。要是发现哪里分类错了、定义写歪了，欢迎直接来告诉我，这类反馈比夸奖有用得多。
一看就懂，一用就对。文尾附上我的微信二维码，有任何问题欢迎与我联系。
—— 熊猫老爹 2026 年 9 月
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
