2026 最全 AI 應用學習路線圖：工具、心法、資源、趨勢一篇就夠

大家好啊，我是甲木。

今天是 2026 年，年后復工一周了，先祝大家復工愉快（bushi

春節期間，好幾個朋友問我同一個問題：“你不是搞 AI 的嗎，我也想學學，從哪開始??？”做老師的、做銷售的、剛畢業的學生、創業十幾年的老板，當然也包括后臺經常私信我的粉絲朋友們。

背景完全不同，困惑高度一致，想用 AI 卻不知從何入手。

一搜「AI 學習路線」，彈出來的東西直接勸退：線性代數、概率論與數理統計、機器學習、深度學習balabla一堆…直接從入門到放棄..

所以趁著復工第一天，我把這兩年自己摸索的、觀察到的、跟各路高手聊出來的經驗，做一次徹底的梳理。給大家一份AI學習路線圖

先說清楚：這篇文章不是寫給 AI 工程師的。如果你是計算機科班出身，想去大廠做算法崗，傳統路線圖對你有用，按部就班學就好。但如果你是運營、老師、創業者、學生、自由職業者，不打算靠「造 AI」吃飯，但想把 AI「用好」，那這篇寫給你。

簡單說說這篇文章的構成：

全文分四個模塊，按需跳讀：

• Part1：方法論擺正心態，掌握五個不會過時的學習心法
• Part2：入門篇選工具、找場景、學會跟 AI 交互，從零上手
• Part3：進階篇底層邏輯、提示詞進階、Agent、Workflow、VibeCoding、信息源推薦
• Part4：洞察篇一手信息源、資本風向、行業趨勢、職業發展

如果你已經在用 AI，日常有了自己的工具和習慣，可以直接跳到第三章「進階篇」和第四章「洞察篇」，那里有更系統的方法和前沿資源信息。

如果你還沒開始用 AI，或者只是偶爾試試，建議從頭讀起。第一章幫你建立正確心態，第二章手把手帶你入門。

建議先收藏，分幾次讀完！

好，我們開始。

Part1：擺正心態、掌握心法

你不會被 AI 拋下

我知道很多小伙伴內心有一種隱隱的焦慮，FOMO心態。

朋友圈天天刷到「AI 取代 XX 職業」的標題，公司同事已經在用各種 AI 工具提效了，自己還停留在跟春晚用豆包、千問、元寶幫忙搶幾個紅包..這種感覺就像一列火車正在加速駛離站臺，而你還在找站臺入口。

但我想說，這種焦慮大可不必。

一項真正具有革命意義的技術，它的特點恰恰是，不會輕易甩下任何人。你想想電的普及。19 世紀末電燈泡剛發明的時候，普通人也不懂交流電直流電的區別，也不知道發電機的工作原理。但這妨礙你現在用電嗎？你每天開燈、充手機、用電腦，從來不會停下來想「我得先搞懂電磁感應定律」。

AI 也一樣。它正在變成像水和電一樣的基礎設施。未來你打開的每一個 App、用的每一個軟件，底層都有 AI 在運轉。你一直在用，但不會有明顯的感知，就像你用電的時候不會去想電流是怎么從發電廠到你家插座的。

所以，隨時上車都不晚。今天是 2026 年 2 月，現在開始完全來得及。說真的，AI 應用這件事一直在路上。

那問題來了：既然不需要焦慮，我應該把自己擺在什么位置？

我覺得有一個簡單的三層模型可以參考：

• 底層——研發者：訓練大模型的人，研究 Transformer 架構的人，OpenAI、DeepSeek 這些公司的核心算法團隊。全球也就那么幾萬號人。
• 中間層——開發者：用大模型的 API 去搭建應用、做 Agent、寫 Workflow 的人。程序員、產品經理、技術創業者居多。
• 應用層——使用者：用 AI 產品來解決自己工作和生活問題的人。絕大多數人在這一層。

絕大多數人的定位就是「應用者」，這就夠了。

你不需要會訓練模型，不需要會寫代碼，你只需要學會「跟 AI 協作」「讓 AI 幫你做事」。就像你不需要會修車才能開車，不需要會做菜才能點外賣。

萬維鋼老師說過一句話，我印象特別深：

“「我們永遠不會在 AI 面前失去自我，我們不但應該，而且必須，而且可以，以'我'為主，人要比 AI 兇。」

什么意思呢？就是你別怕它、別仰視它。AI 很強，但做決策的永遠是我們，是人。你得主動去駕馭它，而不是被它牽著走。

把心態擺正了，接下來聊方法。

五個學習心法：比任何工具教程都重要

工具會變，產品會迭代，今天的熱門 App 明天可能就涼了，在 AI 時代尤其為甚。但方法論不會過時。這五個心法是我之前就在不同場合跟大家反復去講，驗證過的，你可以帶著它們去學任何 AI 相關的東西。

心法一：動手為先

這條是我放在第一位的，因為它最重要，也最容易被忽略。

太多人的學習路徑是這樣的：先買本書→再報個課→看了三天視頻→覺得「差不多了解了」→然后就沒有然后了。

別這樣。

你今天就可以打開 ChatGPT、豆包、Kimi、Claude，隨便哪個都行，開始跟它聊。問它一個你工作中真實遇到的問題。讓它幫你寫一封郵件。讓它幫你整理一份會議紀要。讓它幫你翻譯一篇英文報告。

就這么簡單。別把它神秘化。

站在岸邊永遠學不會游泳。你得先跳下水，嗆兩口水，才知道手腳該怎么劃。

刀哥之前給過一個特別實在的建議：他們公司實習生/應屆生進來之后，拉一個群，推薦一款AI產品，用上一個月，之后再換其它，慢慢形成習慣。

ps. 其實你用著用著，很多原理性的東西反而自然就懂了。比「先學原理再動手」高效十倍。

心法二：場景驅動

動手是第一步，但別漫無目的地用。你得從自己的「真實需求」出發。

我見過太多人學 AI 的方式是：今天看到別人說 Midjourney 好，就去畫兩張圖；明天看到 Suno 火了，就去生成一首歌；后天又跑去試 AI 編程。每樣都淺嘗輒止，最后什么都沒留下。

正確的打開方式：想想你日常工作或生活中，有哪些事情是重復的、耗時的、讓你頭疼的。那就是你的切入場景。

• 你是學生？那你的場景可能是：論文文獻整理、PPT 制作、學習筆記總結、英語寫作潤色。
• 你是職場人？那你的場景可能是：會議紀要、周報月報、數據分析報告、客戶郵件。
• 你是內容創作者？那你的場景可能是：選題策劃、文章大綱、配圖生成、短視頻腳本。

找到你的場景，然后針對性地去研究「AI 在這個場景下能怎么幫我」。這比泛泛地「學 AI」有效太多了。

心法三：溯源學習

這條是關于信息獲取的。

現在講 AI 的內容鋪天蓋地。公眾號、小紅書、抖音、B 站，到處都是「AI XX 教程」「十分鐘學會 XX」。信息不是太少，是太多了。多到你根本分不清哪些靠譜、哪些是營銷號在蹭流量。

我的原則是：盡量往信息的源頭去找。

信息有一條明確的「食物鏈」：

官方文檔 > 權威科技媒體的一手報道 > 大 V 的深度解析 > 營銷號的轉述

各大 AI 實驗室的官方文檔是源頭，最準確、最全面，但不一定好讀。權威科技媒體（國內的話機器之心、量子位等等，國外的話MIT Technology Review、The Verge、The Batch的原創報道等）基于一手素材做分析，會加入行業判斷，信息失真很小。大 V 的深度解析是二次加工，質量取決于作者水平，好的大 V 能幫你消化復雜信息，差的可能帶偏你。營銷號的轉述就不用說了，基本是三四手信息，能避則避。

舉個例子。你想學豆包怎么用，最好的方式不是去小紅書搜「豆包使用技巧」，而是先看豆包官方的使用指南和幫助文檔更為系統化。

好友冷逸說過一段話，講得特別到位：

• 「萃取、消化第一手知識，重視第二手知識，輕視甚至無視第三、第四手知識?！?/li>

信息經過每一次轉手，都會失真一點。到了三手、四手，可能已經面目全非。養成溯源的習慣，你獲取信息的質量會比大多數人高一個檔次。

心法四：功利學習

這條可能聽起來不那么「正確」，但我覺得特別實用。

學東西要功利一點。諾貝爾獎得主赫伯特·西蒙說過：「信息的豐富導致注意力的貧乏?！顾救司褪?AI 領域的奠基人之一，同時也研究人類認知的局限性。他的結論是：人的認知資源是有限的，必須做取舍。

別因為焦慮就什么都想學。你的時間和精力是有限的，每學一樣新東西都有成本。所以在決定「要不要學這個」之前，先問自己三個問題：

• 它能幫我省時間嗎？
• 它能幫我賺錢（或者省錢）嗎？
• 它能幫我做到之前做不到的事嗎？

三個問題里如果至少有一個答案是「能」，那就值得投入精力去學。如果三個答案都是「好像不太能」或者「不確定」，那先放一放也沒關系。

功利一點，學你現在用得上的。用不上的，知道有這么個東西就行了，等需要的時候再深入不遲。

心法五：輸出與沉淀

前面四條都在講「輸入」。怎么開始、往哪用、去哪學、學什么。但光輸入不輸出，你的學習就像往一個沒有底的杯子里倒水。

費曼說過一句話，大意是：如果你不能用簡單的語言把一件事講清楚，說明你還沒真正理解它。

這條在 AI 學習上特別適用。你可能刷了幾十篇教程、試了七八個工具、收藏了一堆「AI 神器」合集。但如果有人問你「AI 到底怎么幫到你了？」，你說不出個一二三來。

怎么破？兩個字：輸出

試著把你學到的東西講給別人聽。跟同事分享一個你用 AI 提效的小技巧。在朋友圈發一條你用 AI 畫的圖。甚至只是在微信群里說一句「我今天發現 XX 這么用特別好」。

不用多正式。但說出來的那一刻，你會被迫把模糊的感覺整理成清晰的表達。哪里其實沒想通，一講就露餡了。這個過程本身就是最高效的學習，費曼學習法值得擁有。

而且它有一個額外的好處：你幫別人入了門，在朋友眼里你就成了「懂 AI 的那個人」。這種社交資產，是刷再多教程也換不來的。

輸出之外，還有一件事同樣重要：沉淀

用到一個好的提示詞？存下來。摸索出一個高效的工作流？記錄下來。發現某個工具在某個場景下特別好用？標注一下。（或者前兩者都可以直接沉淀為Skills方便下次復用..

這些東西單獨看很小。但三個月后你打開自己的「AI 工具箱」，里面有二三十條經過驗證的提示詞、五六個跑通的工作流、十幾個場景下的最佳實踐。這時候你和那些每次都從零開始的人，差距就出來了。

AI 領域變化快，工具可能一兩個月就換一茬。但你積累下來的「怎么跟 AI 協作」的經驗不會作廢。提示詞會變，但你對「怎么把需求說清楚」的理解只會越來越深。工具會換，但你搭過的工作流邏輯可以直接遷移到新工具上。

這就是沉淀的復利效應。今天存下來的每一條經驗，都在為未來的你省時間。

五個心法說完了：動手為先，場景驅動，溯源學習，功利學習，輸出與沉淀。

當然還有一個就是：持續學習，這點不必多說了..

你可能注意到了，我一個具體的 AI 工具都還沒教你用。別急，方法論是地基，地基不穩，上面蓋什么都白搭。

地基打好了，接下來就該真正上手了（建議先收藏，分幾次讀完！）。

第二章：上手就用（入門篇）

道理聊完了，該動手了。

很多人學 AI 的第一步就卡在「選哪個工具」上，打開手機應用商店一搜，幾十個 AI 應用齊刷刷排在那兒，每個都說自己最強。然后就開始糾結，糾結著糾結著，一周過去了，啥也沒用上。

沒必要。

我的建議特別簡單：隨便選一個，先用起來。用錯了也沒關系，又不要你簽三年合同。AI 工具之間切換的成本幾乎為零，你在這個上面打的字，換一個照樣能打。但是你糾結的那一周，是真的浪費了。

好，那我還是幫你捋一捋，省得你連「隨便選」都不知道從哪選。

2.1 先挑一個趁手的

這部分內容大家可以參考我之前寫過的2026 開年 AI 工具推薦，讓你新的一年效率起飛！（建議收藏），里面有詳細的說明，

在這里簡單說說，現在市面上的 AI 工具，大致可以分成這么幾類：

對話類：你的日常首選

這類工具就是你跟 AI 聊天的入口。問問題、寫東西、翻譯、分析、頭腦風暴……基本上你能想到的文字類需求，它們都能接住。

豆包、千問、Kimi、DeepSeek、ChatGPT、Claude、Gemini都可以考慮，各有各的特點。

創作類：按需選，按興趣選

如果你對視覺創作感興趣，AI 繪畫AI視頻都可以玩玩。即夢 AI 和可靈 AI 都是國內的，用著方便，效果也不錯。即夢的Seedance2.0已經火爆國內外了。

AI 音樂呢，Suno 是目前最火的，你哼個旋律、寫幾句歌詞，它就能給你生成一首完整的歌，第一次用的時候真的會有點上頭。

搜索類：用過就回不去了

秘塔 AI 搜索，Kimi 的搜索模式都很好用，會幫你多輪檢索、交叉驗證，搜出來的內容很扎實。

用過 AI 搜索之后你會發現，傳統搜索引擎那種「輸入關鍵詞 → 翻十頁鏈接 → 自己拼湊答案」的模式，屬實有點原始了。

海外工具：有條件的話值得體驗

ChatGPT、Claude、Gemini，御三家，目前全球范圍內綜合能力最強的。

所以到底選哪個？

我的建議：先選 1 個對話類 + 1 個你感興趣的創作類。就兩個，夠了。

對話類里面，豆包或者通義千問，二選一，裝上就行。如果你經常需要處理長文檔或者做深度搜索，再加一個 Kimi。創作類的，看你興趣。喜歡畫畫就下個即夢，喜歡音樂就試試 Suno。

用上一個月，用熟了，你自然就知道自己還需要什么了。

2.2 從你自己的場景切入

工具選好了，下一個問題來了：用它干嘛？

「用它干嘛」這個問題，答案其實不在 AI 那邊，在你這邊。你是誰？你每天在干嘛？你有什么事情覺得煩、覺得重復、覺得耗時間？

從那里開始就對了。

如果你是學生

你可以讓 AI 當你的「私人 AI 導師」。不是夸張，你想想，一個 24 小時在線、不會不耐煩、你問多少遍都不嫌煩的老師，以前得花多少錢請家教才能有這待遇？

看論文、讀文獻覺得頭大？把 PDF 丟給 Kimi，讓它幫你總結核心論點、梳理論文結構、提取關鍵數據。Kimi 的長文處理能力在這個場景下特別好用，幾十頁的論文它能一口氣吃進去。

期末要做 PPT 和報告？用 AIPPT、Gamma、Dokie，給它一個主題，它能直接幫你生成一份帶設計感的 PPT。當然你得自己改改內容、調調邏輯，但至少不用從一張白頁開始了。

在大學這個最美好的時期，最純真的愛情當然不能缺席。你可以讓 AI 幫你寫三行情詩、分析聊天記錄里對方的態度（別笑，真的有用）、甚至幫你策劃一個有創意的表白方案。AI 不能替你談戀愛，但可以幫你成為一個更有趣的人。

如果你是職場人

開完會寫紀要是不是很煩？千問、聽悟，你開會的時候打開錄音，它會自動幫你轉文字、提取要點、生成會議紀要。我身邊好多朋友用上之后都說回不去了。

周報月報這種東西，真的不值得你花一個小時去憋。把這周做了什么要點告訴 AI，讓它幫你潤色成一篇結構清晰、措辭得體的周報，五分鐘搞定。你省下來的五十五分鐘，用來干點真正有價值的事情不好嗎？

數據分析也是。你把 Excel 表格丟給 AI，讓它幫你找規律、做可視化、寫分析報告，這在以前可能得專門找個數據分析師干的活兒。

如果你是創作者或自媒體人

AI 輔助寫作是基本操作了。注意我說的是「輔助」，不是「替代」。讓 AI 幫你列提綱、擴寫段落、換個說法、找案例素材，這些都是很好的用法。但核心觀點和個人風格得是你自己的，不然讀者為什么要關注你而不是直接去問 AI 呢？

文章配圖是個剛需。以前寫公眾號，找配圖要么用免費圖庫（千篇一律），要么冒著版權風險從網上扒（別這么干），現在用 AI 畫一張獨一無二的配圖，又好看又沒版權問題。

日常生活

輔導孩子作業，你未必記得住初中數學公式，但 AI 記得。讓它一步一步講解解題思路，比你吼孩子有效多了。關鍵是它不會生氣。

旅行規劃，把你的時間、預算、偏好告訴 AI，讓它幫你做攻略。比你在小紅書上刷幾十篇游記再自己拼湊行程效率高太多了。

說了這么多場景，我知道你可能看完有點懵。沒關系，一張速查表幫你對號入座：

這個表不是標準答案，是起跑線。用著用著就會自然迭代出屬于自己的工具組合。

2.3 學會跟 AI 溝通

工具有了，場景也有了，但你可能很快會遇到一個問題：怎么 AI 給我的回答這么「平庸」？

大概率不是 AI 的問題，是你「問的方式」的問題。

你跟 AI 說話的那段文字，有個專門的名字，叫「提示詞」（Prompt）。說白了就是你輸入給 AI 的指令。你給的指令越清晰、越具體，AI 回你的內容就越靠譜。

這跟你跟人溝通是一樣的道理。你跟同事說「幫我整理一下那個東西」，對方大概率一臉問號。但你說「幫我把上周五會議的三個待辦項整理成表格，列出負責人和截止日期」，對方立刻就能動手了。

AI 也是一樣。就這么簡單。

幾個主要元素：背景、目標、要求、示例，歸根結底就是要把上下文說清楚！

當然，關于 Prompt 是一門大的學問，大家可以關注下述內容再學習，這里就不展開了。

想更系統地學提示詞？推薦幾個資源：

• LangGPT 結構化提示詞(）： 很實用的提示詞寫作框架
• https://langgpt.ai/
• 提示詞工程指南（）：中文提示詞教程
• https://www.promptingguide.ai/zh

多跟 AI 對話，用得多了，你自然就知道怎么「說話」它才聽得懂。

當然這里需要注意，不要指望一次就得到完美答案，多追問，迭代幾輪，效果會更好。

2.4 試試讓 AI 幫你跑完全程

到這里，你已經會跟 AI 聊天了。提個需求，它給你回復，一問一答，很好。

但 AI 能做的不只是「你問我答」。

有些任務不是一個問題就能解決的？比如「幫我調研一下競品，整理一份分析報告」。這個任務里包含搜索、篩選、對比、整理、排版好幾個步驟。如果你一步步跟 AI 聊，也能做，但得來來回回好多輪。

有沒有可能，你只說一句「幫我做競品分析」，它就自己去搜、去查、去比較、去整理，最后給你一份完整的報告？

可以的，智能體（Agent）

最通俗的理解：普通 AI 對話是「你說一句它做一步」，智能體是「你交代一個任務，它自己規劃步驟，幫你跑完全程」。就像你交代一個靠譜的助理「幫我訂周五從北京到上海的差旅」，你不需要告訴他先查航班、再比價格、再訂酒店、再填報銷單，他自己就把這些全辦了。

去哪兒能體驗到？

最簡單的方式：去逛逛智能體商店。扣子（Coze，字節做的 coze.cn）上面有大量別人做好的智能體，技能商店，各種功能都有。豆包 App 里也內置了不少智能體，打開就能聊。智譜的 GLMs 商店也類似。

一些很有意思的 AI Agent 產品也值得關注：

• Manus Agent（manus.im）： 全球首款通用型 AI Agent，你給它一個復雜任務，它會自己拆解成多個步驟去執行
• Lovart（https://www.lovart.ai/）：AI 設計平臺，自動完成從概念到成品的設計流程
• OpenAIOperator（operator.chatgpt.com）：ChatGPT 內置的 Agent 模式，能幫你在網頁上完成操作
• OpenClaw：開源 AI Agent，運行在你自己的設備上，通過 WhatsApp、Telegram、Slack、Signal 等聊天工具進行交互，能執行 shell 命令、瀏覽器自動化、郵件、日歷和文件操作。
• Zapier Agents：支持用自然語言描述來創建 Agent，并可連接 8000+ 應用，非常適合跨工具自動化。
• Quizlet（quizlet.com）：AI 融入學習過程，根據你的掌握程度自動調整復習策略

代碼領域的 Agent 已經相當成熟了。Claude Code、Cursor、Trae 這些工具，讓你用自然語言就能寫代碼。這個話題展開比較深，放到后面進階篇再聊。

你現在不需要每個都去試。知道有這么個東西就行，等你用熟了基礎的 AI 對話之后，再慢慢探索 Agent 的世界。

2.5 給自己找個學習大本營

AI 這個領域變化太快了。真的是今天的新聞明天就過期的那種快。你需要一個「根據地」，能持續獲取新信息、跟上節奏。

第一個要收藏的：通往AGI之路 - 飛書云文檔()

https://waytoagi.feishu.cn/

WaytoAGI 知識庫是目前互聯網上我見過的最全面的 AI 開源知識庫。從基礎概念到進階教程，從工具推薦到行業動態，分類清晰，持續更新。你如果只收藏一個網站，就收藏這個。

上面有各路 AI 英雄豪杰的最新的洞察，以及各種實操教程。

大家需要善于使用飛書的搜索功能，在上面搜索自己想要關注的內容，從而找到相關的文章。同時WaytoAGI還有免費的學習社群和免費的線下活動，非常推薦大家參與！

入門階段，信息源不用多，但要靠譜。推薦幾個我覺得質量一直在線的：量子位、機器之心、賽博禪心、歸藏的AI工具箱、數字生命卡茲克、Agent橘。這幾個先關注上，日常刷刷就能保持基本的信息敏感度。更完整的推薦列表，我放在后面了。

LangGPT 知識庫：

feishu.langgpt.ai

里面有大量提示詞模板和案例。當你想把提示詞技巧再往前推一步的時候，去那里逛逛會很有收獲。

好了，到這里「入門篇」差不多了。你現在已經有了工具、有了場景、有了基礎的提示詞技巧、知道了智能體是什么、還有了持續學習的信息源。

建議先收藏，分幾次讀完！

說實話，如果你只是想讓 AI 在日常生活和工作中幫上忙，大部分人把這些用熟，效率提升就已經很明顯了。

但我猜，你用了一段時間之后，一定會開始好奇更多的東西。為什么有時候 AI 說得特別好，有時候又會一本正經地胡說八道？我能不能自己搭一個智能體？能不能用 AI 寫代碼、做產品？

這些好奇心特別好。帶著它們，我們接著往下聊。

第三章：從「會用」到「用得好」（進階篇）

會用 AI 和用好 AI，中間隔著什么？

我覺得隔著一層「理解」。你不需要成為 AI 專家，但當你大概知道它怎么工作的、知道怎么更好地跟它協作、知道怎么把零散的用法串成體系，你會發現，同樣一個工具，到了你手里，就是比別人順。

這一章，我想和你聊五件事：AI 的底層邏輯、提示詞的進階玩法、工作流搭建、Vibe Coding，以及怎么建立你自己的 AI 信息網絡。

不用怕。都是大白話。

3.1 搞懂 AI 的底層概念

很多人對 AI 有一種隱隱的不安：我天天在用它，但我完全不知道它是怎么運作的。

這種感覺很正常。你不需要去讀論文、學數學，但花十分鐘了解三個核心概念，會讓你對 AI 的能力邊界有一個更清晰的判斷。知其所以然，你才知道什么時候該信它，什么時候該懷疑它。

Transformer：大語言模型的「發動機」

所有你用過的 ChatGPT、Claude、Kimi、豆包，底層都跑在同一個架構上，叫 Transformer。

一句話解釋：它讓 AI 學會了「注意力」——在一大段文字里，自動判斷哪些詞和哪些詞之間關系更緊密。就像你讀一篇長文章時，大腦會自動在關鍵信息之間建立連接，Transformer 做的事差不多，只不過它用的是數學。

想深入了解：李沐在 B 站講的《Attention Is All You Need》論文精讀。原論文在這里。

https://www.bilibili.com/video/BV1pu411o7BE

https://arxiv.org/pdf/1706.03762.pdf

Context Engineering：大模型時代的編程
AI 系統效果，很大程度取決于上下文設計。角色、任務規則、示例、知識與工具說明共同構成模型的工作環境。Agent、RAG、本地知識庫，本質都是上下文工程。

生成模型三路線：自回歸、擴散、潛空間
自回歸：逐步預測下一個元素，語言模型與部分生圖模型采用，結構穩定、可控性強。 擴散：從噪聲逐步去噪生成圖像，擅長寫實與細節，Stable Diffusion、Midjourney 屬此類。
潛空間（VAE/GAN）：在低維表示中采樣生成，是早期圖像與語音生成基礎。

Agent：從回答到執行
Agent 讓 AI 能拆解目標、調用工具并完成任務。它依賴大模型推理與上下文工程，是系統形態升級。

理解這些，你就知道 AI 在做什么，也知道它何時可靠。

想系統學？這幾門公開課夠了

中文方面，李宏毅老師的課是我最推薦的，，當然他在 B 站有一些搬運的視頻，講底層原理講得最透徹，而且幽默。李沐的「跟李沐學 AI」系列也非常好，他還有一套 D2L 動手學深度學習，2025 版有 171 集。

https://speech.ee.ntu.edu.tw/~hylee/GenAI-ML/2025-fall.php

https://zh.d2l.ai

英文方面，吳恩達的 [Deeplearning.ai]是經典中的經典。

https://www.deeplearning.ai/courses

但我要強調一點：這些不是必修課。你不學這些，照樣能把 AI 用得很好。它們的定位是「知其所以然」，感興趣就深入，不感興趣，跳過這一節完全沒問題。

3.2 從提示詞到 Skills：讓 AI 越用越順手

入門篇里講了提示詞的基礎用法：說清楚你要什么，給點背景信息，指定輸出格式。

但用久了你會發現，光靠「說清楚」還不夠。你開始想：有沒有更系統的方法？有沒有辦法讓我的提示詞變成一種可以反復使用的東西？

有的。

提示詞進階：從「隨手寫」到「有結構」

如果你只學一個進階技巧，我推薦「結構化提示詞」。最典型的是 LangGPT 方法，它把一條提示詞拆成幾個模塊：角色、背景、任務、要求、輸出格式。

再往上走，有幾個高級技巧值得了解：

多輪迭代優化：不要指望一次就得到完美答案。很多高手的秘訣不是提示詞寫得多精妙，而是他們特別會追問。

Meta-Prompting：讓 AI 幫你寫提示詞。套娃，但有效。

一條進化線索：Prompt → Context → Skills

大家其實會明顯感覺到，圈子里的關鍵詞換得越來越快。前幾年大家講 Prompt。后來大家講 Context Engineering。再后來，Skills 變成了高頻詞。

這不是換個名字炒概念。背后有一條清晰的進化線索：

Prompt 時代，你給 AI 的是一次性的顯式指令。每次對話都從零開始。

Context 時代，你開始「經營」一個信息場。不只是告訴 AI「做什么」，還把相關的背景、約束、知識一起喂給它。

Skills 時代，你把自己的經驗和流程封裝成一個「能力包」，讓 AI 在需要的時候自動調用，穩定復用。

私以為不管是 Context 或是 Skills，都是 Prompt 的一部分，對于模型來說都是 Token。但從用戶的角度看，這三者的區別在于：你和 AI 協作的顆粒度變了。從一句話，到一個場景，到一個可復用的能力單元。

Skills 到底是什么？

說得通俗一點：Skills 就是你把自己做某件事的經驗和步驟，用自然語言寫成一個「擴展包」，AI 在處理任務時會按需加載它。

門檻低，會寫 Prompt 就會寫 Skills。它比單條 Prompt 強在哪里？可復用、可分享、可迭代。

這個概念已經在國內落地了。字節的 Trae 有「技能」模塊，扣子 2.0 也在往這個方向走。而且它是純自然語言形式的，比搭積木式的 Workflow 更符合大多數人的習慣。

就這么簡單。別把它神秘化?？梢钥粗鞍l過的一篇文章從 Prompt 到 Agent Skills：AI 在業務場景應用有了新玩法！（附私董會Case）

推薦資源：

• [LangGPT 開源項目]：結構化提示詞框架
• https://github.com/langgptai/LangGPT
• [Prompt Engineering Guide]：最全的提示詞工程中文指南
• https://www.promptingguide.ai/zh
• [Anthropic 官方提示詞指南]：寫得很實在
• https://www.anthropic.com/learn
• [GitHub - Awesome-claude-skills]：一些很不錯的ClaudeSkills
• https://github.com/travisvn/awesome-claude-skills

3.3 Agent & Workflow

提示詞和 Skills 解決的是「單次對話怎么更好」的問題。但很快你會遇到另一個需求：我能不能把好幾個步驟串起來，讓 AI 自動跑完？

能。這就是 Workflow。

想象一條工廠流水線：原材料進去，經過切割、打磨、組裝、質檢，成品出來。Workflow 就是你給 AI 搭的一條流水線。你設定好每一步該做什么、數據怎么流轉，觸發之后它自動從頭跑到尾。

比如：每天早上自動抓取行業新聞 → AI 總結成摘要 → 推送到你的飛書。整個過程不需要你動手，每天起床就能看到。

從哪里開始？

[扣子（Coze）]是國內首選，拖拖拽拽就能搭。[n8n]是開源的，靈活度非常高，免費這一點也很香。Dify 更適合想做 AI 應用的人。

https://www.coze.cn

https://n8n.io

我的建議是：先從一個簡單的場景入手。先做一個「每天自動給我推送行業新聞摘要」的小 Workflow，跑通了，你就有感覺了。

在企業的 AI 應用場景中，我們最看重的是其穩定性和確定性。

通過 Workflow 的形式，能夠更好地確保 AI 運行的每個節點都不超出預期，讓它完全按照我們的想法執行。

3.4 Vibe Coding：每個人都可以是創造者

接下來要聊的這個話題，我個人非常興奮。

Collins 英語詞典把「Vibe Coding」評為了 2025 年度詞匯。不是什么 AI 術語、不是什么技術名詞。一個關于寫代碼的概念，成了年度詞匯。這本身就說明了一些事情。

什么是 Vibe Coding？

你不寫代碼。你用中文告訴 AI：「我想做一個番茄鐘應用，要能設定工作時長和休息時長，界面簡潔，用暖色調。」然后 AI 幫你把整個應用寫出來。

就這樣。你描述需求，它生成代碼，你看效果，給反饋，它修改。來回幾輪，一個能用的產品就出來了。

這件事最顛覆的地方在于：它模糊了「用戶」和「開發者」的邊界。

以前你想做一個小工具，你得學編程。學變量、學循環、學函數，怎么也得幾周到幾個月。現在呢？用自然語言描述你想要什么，幾小時甚至幾分鐘，一個能跑的應用就出來了。

聊聊 Claude Code

在 Vibe Coding 工具里，我想重點聊聊 Claude Code。

Claude Code 是 Anthropic 推出的命令行 AI 編程工具。它不是一個編輯器插件，本質上是一個 Agent。你把它放到項目里，它能理解整個代碼庫的結構，自主規劃該怎么做，然后一步步執行。

有一點技術門檻，你得會打開終端、敲命令行。如果你連終端是什么都不知道，可以先從 Cursor 或 Trae 這種有圖形界面的工具開始。

但如果你有一點點基礎，Claude Code 的體驗是非常驚艷的。你可以跟它說「幫我把這個項目的登錄功能改成支持手機號登錄」，它會自己去讀代碼、理解架構、做修改、跑測試。

想入門的話：

• [官方中文文檔]
• https://code.claude.com/docs/zh-CN/overview
• [awesome-claude-code]（21.6k Stars）
• https://github.com/hesreallyhim/awesome-claude-code
• B 站 [30 個進階技巧]（12 萬播放）
• https://www.bilibili.com/video/BV1XGbazvEuh/
• [劉小排 Claude Code 實戰分享]：全球 Claude Code Token 消耗量「榜一大哥」的實操經驗
• https://mp.weixin.qq.com/s/sOPO_MWq9xsiHzYapszK5Q

普通人用 Vibe Coding 做了什么？

這部分是我最想寫的，因為每一個案例都在打破「編程是程序員的事」這個舊觀念。

CNBC 有個記者，完全沒有技術背景，參加了一個 2 天的 Vibe Coding 訓練營，出來的時候手里拿著一個完整的 App。兩天。一個記者。

菲律賓有個叫 Pablo 的白領，直到成年才開始用電腦。他花了 2 小時，做出了一個費用管理 App。

一個做營銷的女生 Maddy Osman，只有最基礎的編碼知識，用 Vibe Coding 獨立做出了好幾個產品。

創造的門檻正在被拉平。你腦子里那些「要是有這么一個工具就好了」的念頭，現在真的有可能自己動手實現。

目前全球約 41% 的代碼由 AI 生成。Lovable（一個 Vibe Coding 平臺）上線 8 個月就達到了 1 億美元的年化收入。

這，是一場正在發生的變革。

3.5 你的第一個「數字員工」：OpenClaw

前面聊了 Vibe Coding，你可以用自然語言造產品。接下來說說：用自然語言雇一個 24 小時在線的數字員工。

2026 年初，AI 圈有一個項目徹底出圈了，叫OpenClaw（openclaw.ai）。GitHub Stars 飆到了 22 萬+，各家云廠商爭相接入，可以說是今年 Agent 領域最值得關注的現象級項目。

OpenClaw 是什么？

一句話說：它是一個開源的 AI Agent，運行在你自己的電腦或云服務器上，能通過 Discord、Telegram、飛書、WhatsApp 等聊天工具跟你交互。你在手機上發一條消息，它就在服務器上幫你干活。

跟前面 2.4 提到的那些 Agent 產品不同，OpenClaw 更像是一個你「自己養」的 AI 助手。它跑在你自己的環境里，能讀文件、執行命令、瀏覽網頁、操作各種工具，而且 7×24 小時在線。

如果說前面聊的那些 Agent 產品是"別人家的員工幫你跑腿"，OpenClaw 更像是"你自己雇了一個實習生，住在你辦公室里，隨叫隨到"。

它的靈魂在于 Skills

OpenClaw 最核心的設計是Skills 生態。你給它裝什么技能，它就能干什么活。這跟我們前面 3.2 聊的 Skills 概念一脈相承，只不過在 OpenClaw 里，Skills 變成了 Agent 的「能力包」，裝上就能用。

比如你給它裝上搜索 Skill，它就能幫你每天定時抓取行業新聞，整理成摘要推送給你。裝上代碼執行 Skill，它就能幫你寫網頁、跑腳本。裝上金融數據 Skill，它甚至能幫你監控行情，有重大波動立刻通知你。

而且 Skills 是純自然語言寫的，會寫提示詞就會寫 Skills。社區里已經有大量現成的 Skill 庫可以直接用：

• [ClawHub Skills]：官方精選 Skill 市場
• https://www.clawhub.ai/skills
• [awesome-openclaw-skills]：社區整理的精選合集
• https://github.com/VoltAgent/awesome-openclaw-skills

能用它做什么？

舉幾個我自己跑通的場景：

• 自動新聞監控：設好關鍵詞和信息源，它每隔一段時間自動幫你抓取、篩選、總結，推送到你的聊天工具里。起床就能看到。
• 自然語言建站：手機上發一句「幫我做個番茄鬧鐘的網頁，要有不錯的交互」，它直接在服務器上寫代碼、部署上線，幾分鐘后甩給你一個鏈接。
• 文件處理助手：丟給它一個 PDF 或表格，讓它分析、提取、轉換格式，全程不用開電腦。
• 定時任務執行：每天早上八點自動執行某個流程，周報自動生成，數據自動備份……設一次，跑很久。

為什么說它代表了一個重要趨勢？

OpenClaw 最有意思的一個設計叫Gateway：它在 Agent 和各種通訊工具之間搭了一座橋。這意味著你不需要打開電腦、不需要登錄某個網站，直接在微信、飛書、Discord 這些你每天都在用的工具里，就能跟 Agent 對話，讓它幫你干活。

這件事的意義在于：Agent 第一次真正融入了你的日常通訊流。它不再是一個你需要專門去訪問的工具，而是像一個同事一樣，住在你的群聊里，隨時待命。

更深一層，OpenClaw 的 Skills 還能自舉：Agent 可以在執行任務的過程中，自己發現可復用的經驗，自己封裝成新的 Skill，自己裝上。也就是說，它會越用越好用，這跟我們前面心法五講的「沉淀復利」是同一個道理，只不過這次沉淀經驗的不是你，是 Agent 自己。

怎么開始？

OpenClaw官方推薦！手把手教你用 Kimi K2.5 打造24小時 AI 助手（超詳細，附700+ Skills資源）

• [OpenClaw 官網]
• https://openclaw.ai/
• [GitHub 倉庫]
• https://github.com/openclaw/openclaw

一句話總結：OpenClaw 把"AI 會聊天"這件事，推進到了"AI 能干活"。如果說 2025 年的關鍵詞是 Vibe Coding，那 2026 年你一定會反復聽到的詞，就是 Agent。 而 OpenClaw，是目前這個方向上最值得體驗的項目之一。

3.6 建好你的「雷達系統」：AI 信息網絡

AI 領域變化太快了。你不可能靠一次性學習就一勞永逸。

你需要的不是「學完」，而是建立一個持續獲取信息的網絡。

下面這些是我個人關注多年、篩選后留下來的信源，很多都是線下的好朋友。

“因為我看公眾號比較多，所以大多數都是以微信生態為主的..小紅書、B站了解的朋友可以評論區見！其實還有很多沒有列在這里，只是一部分.

中文博主推薦（幾大分類）

首推的肯定是各大AI模型廠商官方公眾號，這里不細述了.

① AI General

量子位、機器之心、數字生命卡茲克、賽博禪心、Agent 橘子、特工宇宙、卡爾的AI沃茨、沃垠 AI、夕小瑤科技說、小互AI、張咋啦。這幾個覆蓋了 AI 領域大部分重要動態，選 1-2 個固定關注就夠了。

② AI Prompt & Agent

寶玉AI、李繼剛、云中江樹、向陽喬木、一澤、財貓、云舒、甲木等。還有一個必須提的是「歸藏的 AI 工具箱」，信息密度極高。

③ AI Design

汗青、海辛和阿文、閑人一坤、阿真Irene、TATALAB、老秦等，對非設計師也很有啟發。

④ AI Tech

艾逗筆、蒼何、袋鼠帝、劉聰 NLP、花叔、夢飛、劉小排、餅干哥哥、浮之靜、孔某人。技術含量高，但不至于看不懂。

⑤ AI Product

AI 產品阿穎、洛小山、AI 產品銀海、AI產品黃叔、hanniman、南瓜博士、少卿、小水、王樹義老師、快刀青衣、Max等。

⑥ AI Tutorial

摸魚小李、Rico 有三貓、栗噔噔、瓦叔、AIGC新知、Loki等，風格輕松，跟著做就能出活。

“ 關于 Claude Code 和 Vibe Coding，特別推薦看劉小排的分享

海外信息源

X（Twitter）是最快的，OpenAI、Anthropic 的重要發布基本都先在 X 上出來。YouTube 上 Lex Fridman 的深度訪談質量很高。The Information 和 TechCrunch 是產業分析的標配。

https://www.youtube.com/@lexfridman

X的推薦博主，在第四章給大家列出來

「可是我英文不好怎么辦？」裝一個「沉浸式翻譯」瀏覽器插件，英文網頁秒變雙語對照，語言不再是信息壁壘。

播客推薦

英文：Lex Fridman、20VC。中文：Founder Park、十字路口 Crossing。

最后一點：不要試圖關注所有信源。

信息過載和信息匱乏一樣有害。固定 1-2 個每天看的，1-2 個每周看的，其余放收藏夾，有需要的時候再翻。用 AI 幫你做信息篩選和摘要，不要跟信息流拼體力。

到這里，你已經有了一張比較完整的能力地圖。但你可能已經開始想一個更深的問題了：AI 這么猛，它到底會走向哪里？錢在往哪流？我該怎么提前站位？

這些問題，我們下一章聊。

第四章：看得遠——源頭信息與前沿洞察（洞察篇）

前面三章，我們聊的是怎么把 AI 用起來、用好、用出花來。

但你有沒有想過一個問題：你用的這些工具，半年后還在不在？你學的這些技巧，一年后還管不管用？

AI 這個領域變化太快了。你今天覺得很厲害的功能，三個月后可能變成免費標配。你今天花大力氣學的某個平臺，半年后可能已經被收購或者關停了。

所以光會「用」還不夠。你得學會「看」。

看懂 AI 正在往哪走，你才能提前站到對的位置上。

4.1 別喝二手水：去源頭獲取一手信息

我有一個習慣，看到任何 AI 相關的新聞，我都會去找原始出處。

不是因為我不信媒體，而是這個領域的信息衰減太嚴重了。一篇論文發出來，經過英文科技媒體報道、國內媒體翻譯、自媒體二次加工、短視頻三次加工……到你手里的時候，可能已經面目全非。

跟對人：AI 領域值得關注的頭腦

第一類是技術大佬，他們的觀點值得深度消化。

圖靈獎三巨頭：Yoshua Bengio、Geoffrey Hinton、Yann LeCun。有意思的是，Hinton 現在是「AI 末日派」，LeCun 是堅定的「AI 樂觀派」，Bengio 在中間偏謹慎。三個人經?；ハ鄳弧？此麄儬幷?，比看任何分析文章都有營養。

李飛飛和吳恩達。李飛飛對 AI 與人文的交叉思考非常有深度。吳恩達是 AI 教育界的傳奇，而且他一直在一線做項目，不是那種脫離實踐的學者。

Ilya Sutskever，OpenAI 的聯合創始人。這個人很少公開發言，但每次說話都值得反復品味。

國內這邊，梁文鋒，DeepSeek 背后的人。他很少接受采訪，但 DeepSeek 的技術路線本身就是他最好的表達。

第二類是商業領袖，他們的觀點要帶「濾鏡」看。

Sam Altman、馬斯克、黃仁勛、扎克伯格、李彥宏……這些名字你肯定不陌生。

但冷逸有個觀點我很認同：「他們的采訪都是有商業目的的，要么提高公司估值，要么尋找投資人，以及迷惑競爭對手?！?/p>

所以聽他們說什么，更要看他們做什么。把錢投到哪里，比嘴上說什么誠實得多。

獲取渠道推薦：

• X（原 Twitter）：AI 領域最重要的信息廣場，沒有之一
• Lex Fridman 播客：長對話，動不動三四個小時，但深度是真的深度
• 20VC：偏投資和商業視角

官方科研博客

海外：Anthropic Research（寫得最好）、OpenAI News、Google DeepMind、Meta AI Blog。

https://www.anthropic.com/research

https://openai.com/news

https://deepmind.google/research/publications

https://ai.meta.com/blog

國內：Qwen 博客（通義千問團隊）、Seed（字節跳動）、騰訊混元、Kimi/智譜/DeepSeek 的公眾號。

https://qwenlm.github.io/blog/

https://seed.bytedance.com

養成習慣，每周花 20 分鐘掃一遍這些源。不需要每篇都精讀，掃標題就行。

“還有 Reddit，國外版小紅書。很多越獄提示詞、時髦玩法都來自這里
https://www.reddit.com/

論文沒你想的那么可怕

你不需要看懂每一個公式。你只需要知道：這篇論文在解決什么問題？效果怎么樣？對我有什么影響？

而且現在有 AI 幫你。Kimi 學術搜索可以幫你快速理解一篇論文的核心內容。BabelDOC 可以把整篇論文翻譯成排版精美的中文版。

如果你只讀三篇論文：

• 《Attention Is All You Need》：Transformer 的開山之作，改變了整個 AI 的發展軌跡
• 斯坦福小鎮（Generative Agents）：讓 25 個 AI 角色在虛擬小鎮里自主生活
• ReAct：推理和行動結合，當前 AI Agent 框架的理論基礎

4.2 想深入？這些課和書值得花時間

好消息是，全世界最頂級的 AI 課程，絕大多數都是免費的。不是打折，是真的免費。

如果你完全沒有編程基礎，從 DeepLearning.AI 的短課開始。如果你有一點編程基礎，fast.ai 非常適合。如果你是在校學生想往 AI 方向走，Stanford CS336 和 Berkeley CS294 是天花板級別。

書單：這幾本值得放在手邊

• 《深度學習》Ian Goodfellow 著。圈內人叫它「AI 圣經」。不需要從頭讀到尾，當工具書翻就行。
• 科普類：《這就是ChatGPT》《深度學習革命》《AI未來進行式》都挺不錯
• 哲思應用類：《拐點》《人比AI兇》——萬維鋼《關于說話的一切》——寫Prompt有幫助
• 輕度技術類：《GPT圖解》《智能體設計指南》《動手做AI Agent》
• 技術進階類：《RAG實戰課》《這就是MCP》等
• llya推薦的30個閱讀清單
• https://arc.net/folder/D0472A20-9C20-4D3F-B145-D2865C0A9FEE

還有兩本免費電子書特別推薦：黃叔的《AI 編程藍皮書》2.0，以及姚金剛和向陽喬木的《GEO 白皮書》（21 萬字）。

4.3 錢往哪里流，行業就往哪里走

這個小節，我想跟你聊點不一樣的。不聊技術，聊錢。

因為資本的流向，是預判未來最誠實的信號。投資人可以在采訪里說漂亮話，但他們不會拿真金白銀開玩笑。

值得追蹤的 AI 投資風向標

• 紅杉資本（美國紅杉 Sequoia Capital）：
• sequoiacap.com
• a16z：a16z.com，每年發布的《State of AI》報告是行業必讀
• Y Combinator：，每期批次里 AI 項目的比例就是行業溫度計
• ycombinator.com
• 奇績創壇：，陸奇創辦的，可以理解為「中國版 YC」
• miracleplus.com

2026 年初，我們站在哪里？

先看錢的規模。2025 年，全球 AI 領域的私人融資總額達到了 2258 億美元?？萍妓木揞^ 2026 年計劃的資本支出合計達到 6350 到 6650 億美元，其中大部分用于 AI 基礎設施建設。六千多億美元砸下去建數據中心和買 GPU，這種級別的投入，在人類商業史上也是罕見的。

再看企業采用。McKinsey 2025 年的報告顯示，88% 的組織已經在使用 AI。但其中只有 6% 真正從 AI 中獲得了顯著商業價值。大多數公司還處于「用了，但沒用好」的階段。這恰恰是巨大的機會。誰能幫企業把 AI 從「用了」變成「用好」，誰就能吃到最大的紅利。

Agent 方向全面爆發。2025 年 AI Agent 市場規模 78.4 億美元，預計 2030 年達到 526 億美元。YC 最近幾期的批次里超過 80% 的項目跟 AI 相關，Agent 是最熱的方向。Gartner 預測 2026 年 40% 的企業應用會嵌入 Agent。

垂直行業的滲透速度也讓我很驚訝。醫療領域，醫生使用 AI 的比例從 38% 飆升到 66%。法律行業，律所 AI 采用率從 19% 漲到 79%。金融領域，銀行的生成式 AI 采用率從 8% 躥到 78%。如果你在這些行業里，AI 能力已經不是加分項了，它是基本功。

國內外的差異也值得關注。目前美國占全球 AI 投資的 79%。海外側重基礎模型研發和開發者生態，國內側重應用落地和場景創新。簡單說：海外在造「發動機」，國內在造「車」。

幾份報告值得收藏

• 紅杉資本《AI in 2026》
• https://sequoiacap.com/article/ai-in-2026-the-tale-of-two-ais/
• a16z《State of AI》
• https://a16z.com/state-of-ai/
• Stanford HAI《AI Index 2025》()（400+頁）
• https://hai.stanford.edu/assets/files/hai_ai_index_report_2025.pdf
• McKinsey《The State of AI》
• https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
• Anthropic《2026 Agentic Coding Trends Report》
• https://resources.anthropic.com/2026-agentic-coding-trends-report

對普通人意味著什么？

選什么技能？看資本在追什么。Agent 開發、AI 應用集成、提示工程，這些方向在未來兩三年確定性很高。

進什么行業？看 AI 在哪些垂直領域滲透最快。醫療、法律、金融、教育，這些行業的 AI 改造才剛剛開始。

做什么產品？看 YC 和奇績創壇每期在孵化什么。它們的項目列表就是一份「未來熱門方向預告片」。

4.4 職業發展：用作品說話

聊完了大趨勢，回到一個很現實的問題：這些東西怎么變成我的職業競爭力？

我的建議只有四個字：用作品說話。

在 AI 領域，沒人在乎你的簡歷上寫了什么。他們在乎的是：你做了什么？

在 Coze 上打造一個爆款智能體，用戶量破萬。在 GitHub 上開源一個 AI 項目，拿到幾百個 Star。在 ProductHunt 上發布一個 AI 小工具，被社區推薦到首頁。這些事情，每一件都比任何證書有說服力。

說到證書，說句實話：目前市面上還沒有一張 AI 證書是被行業真正認可的。了解一下可以，但不要把主要精力放在考證上。

與其花時間考證，不如花時間在這幾個平臺上建立存在感：

• X：關注行業動態，參與討論，分享你的思考
• GitHub：你的代碼作品集
• HuggingFace：AI 領域的「GitHub」，分享模型和數據集
• ProductHunt：發布你的 AI 產品，獲取真實用戶反饋
• 飛書：國內很多 AI 社群在飛書上，信息密度高

在一個快速變化的領域里，你的學習能力和實際產出，永遠比一紙證書更有價值。

結語

寫到這里，一萬多字了。

如果你從頭讀到這兒，辛苦了。如果你是跳著讀的，也完全沒問題，這本來就是給不同階段的人準備的。

你不需要從線性代數開始。你不需要學會寫代碼。你不需要讀完所有論文。你只需要打開一個 AI 工具，開始跟它對話。

我一直覺得四個階段：了解 AI，走進 AI，駕馭 AI，「超越 AI」。

超越不是說你比 AI 厲害。而是你知道怎么跟它協作，讓 1+1 大于 2。你知道什么時候該依賴它，什么時候該相信自己。你能用它放大你的優勢，而不是被它取代。

萬維鋼說過：「我們永遠不會在 AI 面前失去自我，我們不但應該，而且必須，而且可以，以'我'為主?！?/p>

是的，以「我」為主。

AI 是工具，是伙伴，是放大器。但掌舵的那個人，始終是你自己。

人要比 AI 兇。

知易行難，從 0 到 1 最難。但開始了，路就清晰了。

如果你今天只做一件事，我的建議是：打開一個 AI 工具，跟它聊 10 分鐘。隨便聊什么都行。

不要等到「準備好了」再開始。沒有人準備好了才開始的。都是開始了，才慢慢準備好的。

說不定下一個驚艷世界的點子，就來自你此時此刻的好奇心。

以上。