学习路径
不知道自己该从哪开始？按这三档路线走即可。每一档都串起了本站对应的教程与指南，完成一档再进入下一档。
入门
预计 1–2 周目标：第一次接触 Linux，能安装、能日常使用、遇到问题知道去哪问
适合：从未用过 Linux 的普通用户 / Windows 用户
- 了解 Linux 是什么
先建立基本认知，10 分钟
- 挑选第一个发行版
对比六大发行版，选适合你的
- 用选择器快速匹配
回答三个问题获得推荐
- 在虚拟机里先试水
零风险体验，不用动现有系统
- 正式安装（Live USB）
安装前务必备份数据
- 玩包管理器小游戏
边玩边记住 apt / pacman / dnf 常用命令
- 熟悉常见问题
装完系统后从这里开始排障
第一阶段只要求「能上手」。跟着步骤走，每完成一步，对 Linux 的信心就多一分。
进阶
预计 2–4 周目标：掌握命令行与开发环境，能在 Linux 上写代码、跑服务
适合：开发者 / 想系统学习命令行的人
- 从零上手 Ubuntu（教程）
覆盖安装后配置、包管理、常用命令
- 迁移你的开发工具
IDE、容器、命令行工具的 Linux 版对照
- 理解 Linux 的开发优势
为什么服务器和 AI 训练都在 Linux 上
- 挑战 Debian 系命令闯关
答对 10 题，常用命令形成肌肉记忆
- 了解硬件与驱动
GPU、网卡、外设兼容性检查
进阶阶段以「用命令行解决真实问题」为目标。本站的发行版详情页（Ubuntu、Arch、Debian、Fedora、Rocky）都带有该发行版的命令速查，遇到具体发行版问题可直接查阅。
AI 实践
预计 1–2 周（按教程）目标：在 Linux 上跑通本地大模型与 AI 工具链，走向「生产 AI 模型」
适合：AI 开发者 / 想私有化部署大模型的爱好者
- 评估你的硬件
GPU、内存、驱动的兼容性检查
- Ollama 本地部署教程
一行命令跑起大模型，最简单的一步
- 读《为什么 AI 生态默认跑在 Linux 上》
理解行业为什么选择 Linux，再动手不迟
- 跟进后续 AI 教程
llama.cpp、vLLM、Docker GPU、Stable Diffusion 已在规划中
- 加入社区提问
遇到问题，带着日志去社区问
AI 实践阶段的核心不是「跑通」，而是「跑稳」：学会看日志、查 GPU 占用、评估硬件瓶颈。Ollama 教程是第一步，后续推理引擎与容器化教程会逐步上线。
提示：学习路径会随教程库更新而调整。涉及安装与分区的步骤，请务必先备份重要数据。