LearnPrompt
LearnPrompt/LearnPrompt加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象一个场景：你想用 AI 辅助编程，ChatGPT、Claude、Copilot 全都注册了，提示语也看了不少，结果每次真正写代码的时候，AI 输出的东西要么跑不通，要么根本不是你想要的。你开始怀疑：是不是我还不够聪明？
不是的。大多数人卡住的根本原因，不是不会用 AI，而是没人教过他怎么让 AI 真正参与工作流——不是问答，而是协作。
LearnPrompt 就是来解决这个问题的。
图1：LearnPrompt 创始人卡尔（@carl）的 GitHub 头像
永久免费开源的中文 AIGC 课程，GitHub 2500+ Stars
LearnPrompt 的作者是卡尔（@carl），一个自称「兴趣使然的古法 AI 码农」。他没有大厂背书，也不是某个 AI 独角兽的联创，只是一个长期做 AI 工具实测、内容创作和 Agent 工作流的独立创作者。
他创办 LearnPrompt 的出发点很朴素：AI 工具的更新速度远超普通用户的学习节奏。市面上的教程要么是发布会摘要，告诉你「这个功能很厉害」；要么是功能说明书，告诉你「点这个按钮会怎样」。但没有人告诉你：拿到这些工具之后，怎么真正用起来做成一件事。
LearnPrompt 最早只是一份 GitHub 仓库里的 Markdown 文档，现在已经演变成一个完整的教育平台 learnprompt.pro，托管在 GitHub Pages 上，代码全部开源，靠社区参与持续迭代。
图2：learnprompt.pro 官网首页，展示8条学习路径
如果说传统的 AI 课程是「给你一把锤子，然后告诉你锤子的材质和力学原理」，那么 LearnPrompt 更像是「直接带你把钉子敲进去」。
它不追求覆盖所有 AI 工具的功能清单，而是围绕真实的工作场景（写代码、做 PPT、整理知识库、搭自动化流程）组织内容。每个教程都有来源、有教学图、有实际可跑通的 Showcase，也有独立审稿机制来保证质量。
作者在官网首页写的那句话，或许最能概括 LearnPrompt 的定位：
想法还很模糊时，先写成任务卡。Agent 交回代码后，看 diff、跑测试。做完别急着关窗口，把踩过的坑记到项目规则或 Skill 里。
这就是 LearnPrompt 真正在教的东西：怎么把 AI 变成工作流的一部分，而不是聊天窗口里的玩具。
LearnPrompt 的内容体系按路径（Track）组织，每条路径针对一个明确的用户场景，共8条：
| 路径编号 | 路径名称 | 核心内容 | 文章数 |
|---|---|---|---|
| 01 | AI 编程入门 | 自然语言需求 到 可运行 MVP 的全流程 | 5篇 |
| 02 | Claude Code | 本地项目练手、规则配置、长会话管理 | 8篇 |
| 03 | Codex | CLI / IDE / 桌面 / Cloud 四个执行面的选择 | 6篇 |
| 04 | Agent 工程 | Harness 架构：指令-约束-记忆-反馈-编排 | 6篇 |
| 05 | Agent Skills | 从重复流程到可复用 SKILL.md 的方法论 | 7篇 |
| 06 | Loop Engineering | 任务循环中的状态保持与结果沉淀 | 1篇 |
| 07 | Obsidian AI | Markdown 作为 Agent 记忆与知识工作台 | 5篇 |
| 08 | Hermes / OpenClaw | Agent 框架的 Gateway、Node、Channel 架构 | 3篇 |
除了这8条主体路径，LearnPrompt 的技能工坊（Skill Workshop）还孵化了一系列可安装的 AI Agent Skills：
这些 Skill 都通过 npx skills add 命令安装，可以直接在 Claude Code 或其他 Agent 环境中使用。
图3：LearnPrompt 覆盖的主流 AI 工具矩阵（Claude/Codex/Hermes/Midjourney/Runway 等）
LearnPrompt 的技术选型非常务实：基于 Docusaurus 2 构建，这是一个由 Meta（Facebook）开源的文档站点框架，用 React 17 + MDX 驱动，天然支持国际化（i18n）、代码高亮、插件扩展和静态导出。
核心依赖一览：
@docusaurus/theme-mermaid 支持流程图渲染站点部署采用 GitHub Pages 模式：master 分支推送后触发 GitHub Actions，编译结果部署到 gh-pages 分支，域名绑定在 learnprompt.pro。零服务器成本，零运维负担。
从代码组织来看，项目的 src/ 目录结构清晰：
src/pages/ — 落地页、团队、关于页面src/theme/ — Docusaurus 主题覆盖组件（Navbar、Footer、Layout）src/components/ — 可复用 UI 组件（按钮、图片、页脚等）src/subsections/landingpage/ — 首页各区块（Hero/Banner/FAQ/CTA 等）src/css/ — 自定义样式与资源文件这套结构的优势在于：非技术人员只需要在 docs/ 目录下写 MDX 文件即可更新内容，不需要碰 React 代码。内容写作与技术实现完全解耦。
适合你，如果你：
可能不适合你，如果你：
值得注意的是，LearnPrompt 的大部分内容面向中文用户，但英文版 README 和部分文档也有维护，面向国际社区。此外，内容迭代速度很快（最后提交于2026年7月14日），基本跟上了主流 AI 工具的更新节奏。
没有任何课程是完美的，LearnPrompt 也不例外。
内容更新压力：AI 工具的迭代速度极快，Claude Code、Codex 等工具几乎每月都有重大更新。LearnPrompt 的教程存在一定的「滞后窗口」，某些新功能可能需要等待一段时间才能在教程中反映。这是所有依赖人工维护的开源教程共同面临的问题。
中文内容国际化：LearnPrompt 以中文为主，但部分工具本身是英文生态（Claude Code 的 Skill 文档、Prompt 模板等），在翻译和适配过程中可能存在语义损失。建议有条件的读者对照英文原版文档交叉验证。
知识广度 vs 深度：8条路径覆盖面广，但部分路径内容较薄（如 Loop Engineering 仅1篇），不够深入。如果你想深耕某个细分领域，LearnPrompt 更多是起点而非终点。
LearnPrompt 的增长曲线值得关注：从最初的个人博客项目到 2500+ Stars 的社区项目，它验证了一个假设——中文 AI 教育市场存在大量未被满足的需求，而开源协作模式可以有效填补这个空白。
作者卡尔在项目 README 中提到，LearnPrompt 是他「来时路」的记录，也是他做 AI沃茨（账号）和 Carl Skills（技能包）三个并行项目的底层支撑。这种「一人多项目」的独立创作者模式，在 GitHub 上越来越常见，代表了一种新型的技术内容生产方式：不再依赖平台流量，而是通过高质量内容建立垂直社区。
如果你是 AI 爱好者，LearnPrompt 是一个起点。如果你是 AI 开发者，它的 Skill 工坊和 Agent 工程路径值得深入研究。你甚至可以参与贡献——在 GitHub 上提 Issue 或 PR，把你用 AI 工具踩过的坑写进教程，让后来者少走弯路。
这就是开源知识产品最迷人的地方：每一个人都是受益者，也都是贡献者。