零基础学 AI，先学这 3 件事

过去一年，我接触过几百个"想学 AI"的人。发现一个有意思的现象：他们手里从来不缺资料——B 站收藏夹几百条、网盘里几十 G、买过的课程两位数——但 真正坚持过 30 天的，不到两成。

问题出在哪？不是不努力，是路径不对。本文给你 3 件真正该先做的事，并附一份 30 天可执行计划。

先认清 3 个常见误区

在讲该做什么之前，先看大多数人是怎么走岔的：

• 误区 1：一上来就啃原理。"Transformer 是什么、注意力机制怎么算"——听起来很硬核，但你连 AI 能干什么都还没概念时，硬啃原理只是把放弃的时间从第 7 天提前到第 3 天。
• 误区 2：把"会用 ChatGPT"当成"学了 AI"。聊天和把 AI 用进工作，完全是两件事。前者 10 分钟就能上手，后者需要持续刻意练习。
• 误区 3：什么都想学，结果什么都学不完。课程囤了 10 门，最后没一门看完。因为你没有一个明确的目标在前方牵引。

第 1 件事：建立 AI 通识（1 周）

通识不是技术细节，而是回答三个问题：

1. 大模型擅长什么——写作、总结、推理、改写、生成代码片段；
2. 大模型不擅长什么——精确数值计算、长时间记忆、私域知识、最新事实；

知道"它能干什么、不能干什么"，比你记住任何一组 prompt 都重要。

具体怎么做：花一周，每天 30 分钟，用同一个模型做同一类任务（比如"帮我写一封周报"），观察它在哪些 prompt 下效果好、哪些条件下会一本正经地胡说。这种"手感"比任何文章都管用。

第 2 件事：选 1 个真实场景把它用起来（第 2-3 周）

通识只是知道"它能做什么"。真正的能力建立在你把 AI 嵌进自己的某个真实工作里。建议选一个高频、低风险的任务：

• 职场人：周报、邮件、纪要整理；
• 开发者：写单元测试、写注释、把英文 issue 翻成中文；
• 学生：整理文献、写读书笔记、准备面试问答；
• 决策者：让 AI 总结竞品报告、列访谈提纲。

重点是"反复用"。同样一个任务做 5 次以上，你才会开始形成自己的提示词套路，而不是每次都从零开始。

第 3 件事：按目标选路径（第 4 周）

有了通识 + 一个跑通的场景，你对"接下来该学什么"会有直觉。这时候再去看完整路径，效率最高。比如：

• 想把 AI 用进本职 → 选应用方向的体系化路径，深度学 Prompt 和工作流；
• 想做副业或转岗 → 选实战项目方向，边做边沉淀作品集；
• 想搞懂原理或做开发 → 选进阶方向，补编程、API、Agent；
• 想推动团队用 → 选企业方向，从战略简报和试点场景开始。

路径不是固定的，但有路径和没路径，半年后差别巨大。

30 天起步计划

把上面 3 件事压成 30 天，每天不超过 30 分钟：

1. 第 1 周 · 通识：每天用同一类任务做 3 次对比（不同 prompt），记下 3 条"AI 不擅长什么"。
2. 第 2 周 · 嵌入：挑一个真实任务，做满 5 次，建立自己的"模板"。
3. 第 3 周 · 沉淀：把模板整理成清单，给同事/朋友用一次，根据反馈改 2 版。
4. 第 4 周 · 定路径：根据这一个月的心得，选一个方向，跟一份体系化路径走。

一个不成熟的小建议

如果你只学一件事，请学"把它用到真实场景"。

AI 不是知识，是工具。工具的价值在于使用，不在于掌握的资料数量。收藏夹吃灰的根因，是没有用起来的反馈环。