先选你想让 AI 帮忙完成的事
把一整套内容折叠成更小的下一步：日常使用、专业提效、产品决策、亲手构建，或完整通读。先选任务，再让路线帮你筛理论。
本页解决的问题
先给结论「先选你想让 AI 帮忙完成的事」要解决的关键问题是什么？
把一整套内容折叠成更小的下一步：日常使用、专业提效、产品决策、亲手构建，或完整通读。先选任务，再让路线帮你筛理论。
路线是约束，不是承诺。 这一页的作用是减少选择压力。先写下本周想完成的一件事，再只读解释相关决策的文章。
在选路线之前，用一句话写下你要完成的任务。
路线听起来很厉害，却没有对应的真实任务。
把 AI 用到专业
不做产品也不写代码，但想把 AI 用成真正的生产力。在会用的基础上补上大模型原理和完整的 Vibe Coding 方法论——知道它为什么会编、怎么立规矩，让它替你干活时稳得住。
从这里开始全都要
不做取舍，连三个硬核专题一起吃下：Grok Build 的 Rust 源码、DeepSeek Harness 的 TypeScript 插件内核，以及开源模型的蒸馏与本地部署。看完这三块，市面上的 Coding Agent 你都能拆开看。
从这里开始数字只表示这条建议路线推荐了该章多少篇文章，不代表访问权限。所有章节和文章都可以直接打开阅读。
为什么这么划
「只想会用」跳过全部原理和工程内容，只学怎么把 AI 用对：它在干什么、为什么会编、怎么问才问得出东西、什么能放心交给它。除了零基础入门篇，Harness 核心篇的上下文工程、Prompt 工程、实用技巧这三个主题也在里面；协作方法论篇挑了三节讲怎么跟 AI 立规矩、长对话怎么不跑偏，不写代码也天天用得上。
「把 AI 用到专业」在会用的基础上补两块：大模型原理整篇——知道它为什么会编、边界在哪，用起来才有判断力；协作方法论整篇——四步流程、验收标准、环境安全这套规矩，是让 AI 稳定替你干活的关键。再带上编程基础篇讲词表与向量的两节，知识库检索为什么会漏，你会有直觉。仍然跳过全部工程实现和产品设计的内容。
「做 AI 产品」在「用到专业」的基础上补齐 Harness 全套、设计模式与评测，加上成本工程和自测中心。跟工程师对齐方案、判断可行性、算成本，靠的就是这几块。跳过代码走查、长运行 Agent、安全容器化和三个硬核专题：动手实战篇只保留产品视角的那部分（生图的产品化清单、角色一致性、模型挂了怎么办），Agent Loop 和 MCP 的实现留给动手路线。
「自己动手搭」把全部正课吃下，包括动手实战篇的完整代码走查和自我改进篇。建议全程跟着实战主线走：每章末尾的「你现在能做什么」按三档任务做完，六个里程碑填满，学完你手上就有一个真能干活的 Agent 和一份自己的协作规范。三个源码专题不在这条路上，它们是读别人的实现，不影响你自己搭。
「全都要」在动手路线之外多三个专题共 63 节。Grok Build 解剖带你把一个生产级 Coding Agent 的 Rust 源码从入口读到工具调用；DeepSeek Harness拆的是一切皆插件的 TypeScript 底座；开源、蒸馏与本地部署讲开源模型到底开了什么、大模型怎么变小、怎么在自己机器上跑起来。这三块难度最高，也最能拉开差距。
把「只想会用 AI」变成能复用的学习动作
「不写代码，也不做 AI 产品，就想让它真的替你省时间。学完你会知道它什么时候靠谱、什么时候在编，以及怎么问才问得出东西」把学习从“看过一遍”推进到“能在新情境里做出来”。真正留下来的不是一段漂亮总结，而是你能用来观察、预测和行动的判断。
用结果检查自己是否真的理解
从「不做产品也不写代码，但想把 AI 用成真正的生产力。在会用的基础上补上大模型原理和完整的 Vibe Coding 方法论——知道它为什么会编、怎么立规矩，让它替你干活时稳得住」开始，可以先不用看答案，尝试解释概念、完成一个小任务，再对照哪里是自己的推断、哪里依赖了工具、哪里仍需要核验。
记住步骤不等于掌握方法
把「不确定选哪档也没关系，五档都从同一节起步，往下学两节自然就知道自己想走多深。换道零成本，进度不会丢，目录顶部随时能切」写成一条自己的规则，并在不同的例子上试一次；如果换了情境仍能说清为什么这样做，知识才开始具备迁移性。
从「只想会用 AI」走到「把 AI 用到专业」
「只想会用 AI」先把问题落在「不写代码，也不做 AI 产品，就想让它真的替你省时间。学完你会知道它什么时候靠谱、什么时候在编，以及怎么问才问得出东西」上；到了「把 AI 用到专业」，讨论继续推进到「不做产品也不写代码，但想把 AI 用成真正的生产力。在会用的基础上补上大模型原理和完整的 Vibe Coding 方法论——知道它为什么会编、怎么立规矩，让它替你干活时稳得住」。两段连起来，重点就不只是记住一个结论，而是看清它成立所依赖的条件。
把这条判断带到下一个场景
学习一个概念时，先不看答案完成一次小任务，再解释自己的判断依据，最后换一个情境重做；迁移比复述更能说明真的学会。
- 「只想会用 AI」：不写代码，也不做 AI 产品，就想让它真的替你省时间。学完你会知道它什么时候靠谱、什么时候在编，以及怎么问才问得出东西
- 「把 AI 用到专业」：不做产品也不写代码，但想把 AI 用成真正的生产力。在会用的基础上补上大模型原理和完整的 Vibe Coding 方法论——知道它为什么会编、怎么立规矩，让它替你干活时稳得住
- 「最后的要点」：「把 AI 用到专业」在会用的基础上补两块： 大模型原理整篇 ——知道它为什么会编、边界在哪，用起来才有判断力； 协作方法论整篇 ——四步流程、验收标准、环境安全这套规矩，是让 AI 稳定替你干活的关键。再带上编程基础篇讲词表与向量的两节，知识库检索为什么会漏，你会有直觉。仍然跳过全部工程实现和产品设计的内容
最后的「最后的要点」把讨论落到「「把 AI 用到专业」在会用的基础上补两块： 大模型原理整篇 ——知道它为什么会编、边界在哪，用起来才有判断力； 协作方法论整篇 ——四步流程、验收标准、环境安全这套规矩，是让 AI 稳定替你干活的关键。再带上编程基础篇讲词表与向量的两节，知识库检索为什么会漏，你会有直觉。仍然跳过全部工程实现和产品设计的内容」。回看这条线索时，最值得保留的是：当输入、规模或风险改变，哪些判断需要重新做一遍。
最有用的不是路线数量，而是可以从不同目标出发。我先选了应用路线，也不再焦虑那些暂时还用不到的内容。
我把第一周压缩成四篇文章，每篇后面做一个小实验。以前总觉得要先学完理论，现在已经有一个能工作的模型小 demo 了。
如果我的目标主要是办公和研究，应该完整走基础路线，还是直接进入工作流章节？我每周只有几个小时，但还是希望保留结构。
如果每条路线都补一个“做到什么算完成”的小清单，就更容易判断自己是真的会了，而不只是读过。
还没有这篇文章的讨论。