不要只收藏工具
工具会不断变化。只收藏工具名，很容易今天试一个、明天换一个，最后没有一个任务真正跑通。
03 第零篇章 · 第一次系统认识 AI
你的下一步学习路线
学完第零篇章，你已经知道 AI 能做什么、不能全信什么，也知道免费、会员、API、开源、隐私和成本这些基础问题。下一步要把零散认知，变成能落地的学习路线。
一句话回答
下一步不要学散，而要带着一个真实任务继续学。先看懂大模型怎么工作，再练会把需求说清楚，最后把 AI 用进写作、办公、产品、客服、增长或企业流程里。
01 你已经完成了什么
checkpoint
第零篇章不是终点，而是起跑线
你已经从“听过 AI”，走到“知道该怎么判断 AI”
前面这些课帮你补齐了基础认知：AI 能做什么、为什么会错、怎么提需求、免费和付费怎么选、API 和会员差在哪、开源为什么不是零成本、哪些任务能放心交给 AI。现在你不再只是看热闹，而是可以开始带着真实问题往下走。
能力边界知道 AI 适合做什么，也知道哪些事不能全信。
沟通方式知道提示词不是口诀，而是把需求说清楚。
成本安全知道会员、API、开源、隐私和共享号的基础风险。
任务分工知道重复工作交给 AI，关键判断留给人。
02 下一步不要继续学什么
avoid detours
不要迷信万能提示词
提示词有用，但真正重要的是背景、目标、限制、样例和评价标准，而不是复制一长串模板。
不要被排行榜牵着走
跑分第一不一定适合你的任务。写作、代码、客服、分析、企业知识库，对模型的要求并不一样。
不要一上来训练大模型
多数普通人和企业，先用基础模型、知识库和工作流就够了。训练大模型通常不是第一步。
03 下一步真正要学的 3 个能力
learning map
01看懂底层理解数据、参数、训练、推理、上下文和幻觉。你不需要变成算法工程师，但要知道 AI 为什么能回答，也为什么会答错。
02会提需求把“帮我做个方案”升级成：背景、目标、用户、限制、输出格式和判断标准。需求越清楚，AI 越稳定。
03能落地任务把 AI 用进真实流程：写作、办公、客服、知识库、自动化、产品原型和业务复盘，而不是停在聊天窗口。
04 不同人，下一步学习重点不同
choose your path
先把 AI 用成每天的效率助手
不用急着研究复杂系统。先从学习、总结、翻译、写邮件、整理资料开始，让 AI 帮你减少重复劳动。
先学什么提问结构、上下文、文件总结、隐私边界。
马上练什么每天选一个真实小任务，让 AI 先做初稿，你负责检查。
先避开什么不要同时买太多会员，也不要把敏感资料随便输入。
05 下一章会进入哪里
next chapter
第一篇章 · 大模型从哪来
从“会用 AI”，进入“看懂 AI 为什么这样工作”
接下来会把大模型拆成更容易理解的几个部分：数据是学习材料，参数是内部能力，训练是调整参数，推理是生成答案，幻觉是错误生成，知识库是外部资料。理解这些，你后面做提示词、Agent、知识库和 AI 产品会稳很多。
数据AI 学习的材料。
参数模型内部的能力连接。
训练调整参数的过程。
推理根据输入生成答案。
幻觉看似合理但可能错误。
知识库给 AI 提供外部资料。
06 今天就能做的 3 件事
action list
1选一个真实任务比如写一篇文章、整理一份会议纪要、分析一次客户反馈，任务越具体越好。
2让 AI 做第一版把背景、目标、限制说清楚，让 AI 先给草稿、清单、方案或结构。
3记录哪里必须人工判断把 AI 做得好的部分、出错的部分、需要你补充经验的部分记下来。
07 一个简单学习公式
simple formula
真实任务不要空学概念。
+
底层理解知道能力从哪里来。
+
反复实践把经验沉淀成流程。
=
稳定能力能持续解决问题。
本节小结
- 学完第零篇章，你已经完成了 AI 基础认知。
- 下一步不要学散，不要只追工具、提示词和排行榜。
- 真正的学习路线是：看懂底层、说清需求、落地任务。
- 带着一个真实问题继续学，AI 才会变成你的生产力。