关于本项目

PostHog 用户行为数据分析是用 PostHog 把「埋点 → 行为分析 → 用户画像 → 大模型」一次打通。34 节课程，5 个阶段，覆盖认知、基础、进阶、运营与智能五大主题。34 节课程 · 5 个阶段 · 一套完整的 PostHog 行为分析方法论，从PostHog 行为数据到自主智能体，覆盖 Python、TypeScript、Rust 和 Julia。

为什么存在

独立站想用数据说话，关键不在于工具多，而在于是否能把「用户行为」这条主线从头到尾打通。本课程以 PostHog 为主线，把「埋点 → 行为分析 → 用户画像 → 电商实战 → LLM / RAG 智能分析」五大主题串成一条主轴。

这门课程就是那根主轴。每个算法都先从原始数学推导，再用生产级框架跑一遍，让你看清框架到底在做什么。等 PyTorch 出现的时候，你早已知道它在底层计算什么。每节课程最后都会产出可复用的工件——一个 prompt、一个 skill、一个智能体，或一个 MCP 服务器——你可以保留下来。

如何制作的

课程内容借助 AI 辅助编写，再由人工对照一手资料进行审核。当课程陈述一个事实时，引用的都是原始来源：RFC、规范或研究论文，而非二手摘要。如有错误，欢迎在 GitHub 上公开提交更正。

这个网站本身也刻意保持简洁：手写的 HTML、CSS 和原生 JavaScript，不使用任何框架。一个构建脚本（site/build.js）会读取仓库中的课程 Markdown，并在每次部署时重新生成课程目录、搜索索引、站点地图和 llms.txt，保证对外展示的数字永远与源文件保持一致。网站托管在 Vercel 上。

谁在构建

由 PostHog 课程团队 和贡献者们共同维护。CC BY-NC 4.0 协议，永远免费。没有代币、没有课程推销，也没有任何付费内容。

参与进来

• 阅读源代码：github.com/yourname/posthog-course
• 发现错误或有课程建议？提交一个 issue。
• 开始学习：浏览课程目录 或 按学习路线前进。