2026 最全 AI 应用学习路线图：工具、心法、资源、趋势、博主推荐一文打包，这一篇够了（万字长文，建议收藏！）

大 V 的深度解析是二次加工，质量取决于作者水平，好的大 V 能帮你消化复杂信息，差的可能带偏你。有意思的是，Hinton 现在是「AI 末日派」，LeCun 是坚定的「AI 乐观派」，Bengio 在中间偏谨慎。如果你在这些行业里，AI 能力已经不是加分项了，它是基本功。最通俗的理解：普通 AI 对话是「你说一句它做一步」，智能体是「你交代一个任务，它自己规划步骤，帮你跑完全程」。也就是说，它会

醉隐Zuiyn

1035人浏览 · 2026-02-24 08:34:48

醉隐Zuiyn · 2026-02-24 08:34:48 发布

大家好啊，我是甲木。

今天是 2026 年，年后复工第一天，先祝大家复工愉快（bushi

春节期间，好几个朋友问我同一个问题：「你不是搞 AI 的吗，我也想学学，从哪开始啊？」做老师的、做销售的、刚毕业的学生、创业十几年的老板，当然也包括后台经常私信我的粉丝朋友们。

背景完全不同，困惑高度一致，想用 AI 却不知从何入手。

一搜「AI 学习路线」，弹出来的东西直接劝退：线性代数、概率论与数理统计、机器学习、深度学习balabla一堆…直接从入门到放弃..

所以趁着复工第一天，我把这两年自己摸索的、观察到的、跟各路高手聊出来的经验，做一次彻底的梳理。给大家一份AI学习路线图。

先说清楚：这篇文章不是写给 AI 工程师的。 如果你是计算机科班出身，想去大厂做算法岗，传统路线图对你有用，按部就班学就好。但如果你是运营、老师、创业者、学生、自由职业者，不打算靠「造 AI」吃饭，但想把 AI「用好」，那这篇写给你。

简单说说这篇文章的构成：

全文分四个模块，按需跳读：

Part1：方法论 摆正心态，掌握五个不会过时的学习心法
Part2：入门篇 选工具、找场景、学会跟 AI 交互，从零上手
Part3：进阶篇 底层逻辑、提示词进阶、Agent、Workflow、VibeCoding、信息源推荐
Part4：洞察篇 一手信息源、资本风向、行业趋势、职业发展

“
公众号回复“学习清单”，获取AI学习资源包~

如果你已经在用 AI，日常有了自己的工具和习惯，可以直接跳到第三章「进阶篇」和第四章「洞察篇」，那里有更系统的方法和前沿资源信息。

如果你还没开始用 AI，或者只是偶尔试试，建议从头读起。第一章帮你建立正确心态，第二章手把手带你上手。

好，我们开始。

Part1：摆正心态、掌握心法

你不会被 AI 抛下

我知道很多小伙伴内心有一种隐隐的焦虑，FOMO心态。

朋友圈天天刷到「AI 取代 XX 职业」的标题，公司同事已经在用各种 AI 工具提效了，自己还停留在跟春晚用豆包、千问、元宝帮忙抢几个红包..这种感觉就像一列火车正在加速驶离站台，而你还在找站台入口。

但我想说，这种焦虑大可不必。

一项真正具有革命意义的技术，它的特点恰恰是，不会轻易甩下任何人。你想想电的普及。19 世纪末电灯泡刚发明的时候，普通人也不懂交流电直流电的区别，也不知道发电机的工作原理。但这妨碍你现在用电吗？你每天开灯、充手机、用电脑，从来不会停下来想「我得先搞懂电磁感应定律」。

AI 也一样。它正在变成像水和电一样的基础设施。未来你打开的每一个 App、用的每一个软件，底层都有 AI 在运转。你一直在用，但不会有明显的感知，就像你用电的时候不会去想电流是怎么从发电厂到你家插座的。

所以，随时上车都不晚。今天是 2026 年 2 月，现在开始完全来得及。说真的，AI 应用这件事一直在路上。

那问题来了：既然不需要焦虑，我应该把自己摆在什么位置？

我觉得有一个简单的三层模型可以参考：

底层——研发者：训练大模型的人，研究 Transformer 架构的人，OpenAI、DeepSeek 这些公司的核心算法团队。全球也就那么几万号人。
中间层——开发者：用大模型的 API 去搭建应用、做 Agent、写 Workflow 的人。程序员、产品经理、技术创业者居多。
应用层——使用者：用 AI 产品来解决自己工作和生活问题的人。绝大多数人在这一层。

绝大多数人的定位就是「应用者」，这就够了。

你不需要会训练模型，不需要会写代码，你只需要学会「跟 AI 协作」「让 AI 帮你做事」。就像你不需要会修车才能开车，不需要会做菜才能点外卖。

万维钢老师说过一句话，我印象特别深：

“
「我们永远不会在 AI 面前失去自我，我们不但应该，而且必须，而且可以，以'我'为主，人要比 AI 凶。」

什么意思呢？就是你别怕它、别仰视它。AI 很强，但做决策的永远是我们，是人。你得主动去驾驭它，而不是被它牵着走。

把心态摆正了，接下来聊方法。

五个学习心法：比任何工具教程都重要

工具会变，产品会迭代，今天的热门 App 明天可能就凉了，在 AI 时代尤其为甚。但方法论不会过时。这五个心法是我之前就在不同场合跟大家反复去讲，验证过的，你可以带着它们去学任何 AI 相关的东西。

心法一：动手为先

这条是我放在第一位的，因为它最重要，也最容易被忽略。

太多人的学习路径是这样的：先买本书→再报个课→看了三天视频→觉得「差不多了解了」→然后就没有然后了。

别这样。

你今天就可以打开 ChatGPT、豆包、Kimi、Claude，随便哪个都行，开始跟它聊。问它一个你工作中真实遇到的问题。让它帮你写一封邮件。让它帮你整理一份会议纪要。让它帮你翻译一篇英文报告。

就这么简单。别把它神秘化。

站在岸边永远学不会游泳。你得先跳下水，呛两口水，才知道手脚该怎么划。

刀哥之前给过一个特别实在的建议：他们公司实习生/应届生进来之后，拉一个群，推荐一款AI产品，用上一个月，之后再换其它，慢慢形成习惯。

ps. 其实你用着用着，很多原理性的东西反而自然就懂了。比「先学原理再动手」高效十倍。

心法二：场景驱动

动手是第一步，但别漫无目的地用。你得从自己的「真实需求」出发。

我见过太多人学 AI 的方式是：今天看到别人说 Midjourney 好，就去画两张图；明天看到 Suno 火了，就去生成一首歌；后天又跑去试 AI 编程。每样都浅尝辄止，最后什么都没留下。

正确的打开方式：想想你日常工作或生活中，有哪些事情是重复的、耗时的、让你头疼的。那就是你的切入场景。

你是学生？那你的场景可能是：论文文献整理、PPT 制作、学习笔记总结、英语写作润色。
你是职场人？那你的场景可能是：会议纪要、周报月报、数据分析报告、客户邮件。
你是内容创作者？那你的场景可能是：选题策划、文章大纲、配图生成、短视频脚本。

找到你的场景，然后针对性地去研究「AI 在这个场景下能怎么帮我」。这比泛泛地「学 AI」有效太多了。

心法三：溯源学习

这条是关于信息获取的。

现在讲 AI 的内容铺天盖地。公众号、小红书、抖音、B 站，到处都是「AI XX 教程」「十分钟学会 XX」。信息不是太少，是太多了。多到你根本分不清哪些靠谱、哪些是营销号在蹭流量。

我的原则是：尽量往信息的源头去找。

信息有一条明确的「食物链」：

官方文档 > 权威科技媒体的一手报道 > 大 V 的深度解析 > 营销号的转述

各大 AI 实验室的官方文档是源头，最准确、最全面，但不一定好读。权威科技媒体（国内的话机器之心、量子位等等，国外的话MIT Technology Review、The Verge、The Batch的原创报道等）基于一手素材做分析，会加入行业判断，信息失真很小。大 V 的深度解析是二次加工，质量取决于作者水平，好的大 V 能帮你消化复杂信息，差的可能带偏你。营销号的转述就不用说了，基本是三四手信息，能避则避。

举个例子。你想学豆包怎么用，最好的方式不是去小红书搜「豆包使用技巧」，而是先看豆包官方的使用指南和帮助文档更为系统化。

好友冷逸说过一段话，讲得特别到位：

“
「萃取、消化第一手知识，重视第二手知识，轻视甚至无视第三、第四手知识。」

信息经过每一次转手，都会失真一点。到了三手、四手，可能已经面目全非。养成溯源的习惯，你获取信息的质量会比大多数人高一个档次。

心法四：功利学习

这条可能听起来不那么「正确」，但我觉得特别实用。

学东西要功利一点。诺贝尔奖得主赫伯特·西蒙说过：「信息的丰富导致注意力的贫乏。」他本人就是 AI 领域的奠基人之一，同时也研究人类认知的局限性。他的结论是：人的认知资源是有限的，必须做取舍。

别因为焦虑就什么都想学。你的时间和精力是有限的，每学一样新东西都有成本。所以在决定「要不要学这个」之前，先问自己三个问题：

它能帮我省时间吗？
它能帮我赚钱（或者省钱）吗？
它能帮我做到之前做不到的事吗？

三个问题里如果至少有一个答案是「能」，那就值得投入精力去学。如果三个答案都是「好像不太能」或者「不确定」，那先放一放也没关系。

功利一点，学你现在用得上的。用不上的，知道有这么个东西就行了，等需要的时候再深入不迟。

心法五：输出与沉淀

前面四条都在讲「输入」。怎么开始、往哪用、去哪学、学什么。但光输入不输出，你的学习就像往一个没有底的杯子里倒水。

费曼说过一句话，大意是：如果你不能用简单的语言把一件事讲清楚，说明你还没真正理解它。

这条在 AI 学习上特别适用。你可能刷了几十篇教程、试了七八个工具、收藏了一堆「AI 神器」合集。但如果有人问你「AI 到底怎么帮到你了？」，你说不出个一二三来。

怎么破？两个字：输出。

试着把你学到的东西讲给别人听。跟同事分享一个你用 AI 提效的小技巧。在朋友圈发一条你用 AI 画的图。甚至只是在微信群里说一句「我今天发现 XX 这么用特别好」。

不用多正式。但说出来的那一刻，你会被迫把模糊的感觉整理成清晰的表达。哪里其实没想通，一讲就露馅了。这个过程本身就是最高效的学习，费曼学习法值得拥有。

而且它有一个额外的好处：你帮别人入了门，在朋友眼里你就成了「懂 AI 的那个人」。这种社交资产，是刷再多教程也换不来的。

输出之外，还有一件事同样重要：沉淀。

用到一个好的提示词？存下来。摸索出一个高效的工作流？记录下来。发现某个工具在某个场景下特别好用？标注一下。（或者前两者都可以直接沉淀为Skills方便下次复用..

这些东西单独看很小。但三个月后你打开自己的「AI 工具箱」，里面有二三十条经过验证的提示词、五六个跑通的工作流、十几个场景下的最佳实践。这时候你和那些每次都从零开始的人，差距就出来了。

AI 领域变化快，工具可能一两个月就换一茬。但你积累下来的「怎么跟 AI 协作」的经验不会作废。提示词会变，但你对「怎么把需求说清楚」的理解只会越来越深。工具会换，但你搭过的工作流逻辑可以直接迁移到新工具上。

这就是沉淀的复利效应。今天存下来的每一条经验，都在为未来的你省时间。

五个心法说完了：动手为先，场景驱动，溯源学习，功利学习，输出与沉淀。

当然还有一个就是：持续学习，这点不必多说了..

你可能注意到了，我一个具体的 AI 工具都还没教你用。别急，方法论是地基，地基不稳，上面盖什么都白搭。

地基打好了，接下来就该真正上手了。

第二章：上手就用（入门篇）

道理聊完了，该动手了。

很多人学 AI 的第一步就卡在「选哪个工具」上，打开手机应用商店一搜，几十个 AI 应用齐刷刷排在那儿，每个都说自己最强。然后就开始纠结，纠结着纠结着，一周过去了，啥也没用上。

没必要。

我的建议特别简单：随便选一个，先用起来。 用错了也没关系，又不要你签三年合同。AI 工具之间切换的成本几乎为零，你在这个上面打的字，换一个照样能打。但是你纠结的那一周，是真的浪费了。

好，那我还是帮你捋一捋，省得你连「随便选」都不知道从哪选。

2.1 先挑一个趁手的

这部分内容大家可以参考我之前写过的【2026年开年推荐的AI工具】，里面有详细的说明，

在这里简单说说，现在市面上的 AI 工具，大致可以分成这么几类：

对话类：你的日常首选

这类工具就是你跟 AI 聊天的入口。问问题、写东西、翻译、分析、头脑风暴……基本上你能想到的文字类需求，它们都能接住。

豆包、千问、Kimi、DeepSeek、ChatGPT、Claude、Gemini都可以考虑，各有各的特点。

创作类：按需选，按兴趣选

如果你对视觉创作感兴趣，AI 绘画AI视频都可以玩玩。即梦 AI 和可灵 AI 都是国内的，用着方便，效果也不错。即梦的Seedance2.0已经火爆国内外了。

AI 音乐呢，Suno 是目前最火的，你哼个旋律、写几句歌词，它就能给你生成一首完整的歌，第一次用的时候真的会有点上头。

搜索类：用过就回不去了

秘塔 AI 搜索，Kimi 的搜索模式都很好用，会帮你多轮检索、交叉验证，搜出来的内容很扎实。

用过 AI 搜索之后你会发现，传统搜索引擎那种「输入关键词 → 翻十页链接 → 自己拼凑答案」的模式，属实有点原始了。

海外工具：有条件的话值得体验

ChatGPT、Claude、Gemini，御三家，目前全球范围内综合能力最强的。

所以到底选哪个？

我的建议：先选 1 个对话类 + 1 个你感兴趣的创作类。就两个，够了。

对话类里面，豆包或者通义千问，二选一，装上就行。如果你经常需要处理长文档或者做深度搜索，再加一个 Kimi。创作类的，看你兴趣。喜欢画画就下个即梦，喜欢音乐就试试 Suno。

用上一个月，用熟了，你自然就知道自己还需要什么了。

2.2 从你自己的场景切入

工具选好了，下一个问题来了：用它干嘛？

「用它干嘛」这个问题，答案其实不在 AI 那边，在你这边。你是谁？你每天在干嘛？你有什么事情觉得烦、觉得重复、觉得耗时间？

从那里开始就对了。

如果你是学生

你可以让 AI 当你的「私人 AI 导师」。不是夸张，你想想，一个 24 小时在线、不会不耐烦、你问多少遍都不嫌烦的老师，以前得花多少钱请家教才能有这待遇？

看论文、读文献觉得头大？把 PDF 丢给 Kimi，让它帮你总结核心论点、梳理论文结构、提取关键数据。Kimi 的长文处理能力在这个场景下特别好用，几十页的论文它能一口气吃进去。

期末要做 PPT 和报告？用 AIPPT、Gamma、Dokie，给它一个主题，它能直接帮你生成一份带设计感的 PPT。当然你得自己改改内容、调调逻辑，但至少不用从一张白页开始了。

在大学这个最美好的时期，最纯真的爱情当然不能缺席。你可以让 AI 帮你写三行情诗、分析聊天记录里对方的态度（别笑，真的有用）、甚至帮你策划一个有创意的表白方案。AI 不能替你谈恋爱，但可以帮你成为一个更有趣的人。

如果你是职场人

开完会写纪要是不是很烦？千问、听悟，你开会的时候打开录音，它会自动帮你转文字、提取要点、生成会议纪要。我身边好多朋友用上之后都说回不去了。

周报月报这种东西，真的不值得你花一个小时去憋。把这周做了什么要点告诉 AI，让它帮你润色成一篇结构清晰、措辞得体的周报，五分钟搞定。你省下来的五十五分钟，用来干点真正有价值的事情不好吗？

数据分析也是。你把 Excel 表格丢给 AI，让它帮你找规律、做可视化、写分析报告，这在以前可能得专门找个数据分析师干的活儿。

如果你是创作者或自媒体人

AI 辅助写作是基本操作了。注意我说的是「辅助」，不是「替代」。让 AI 帮你列提纲、扩写段落、换个说法、找案例素材，这些都是很好的用法。但核心观点和个人风格得是你自己的，不然读者为什么要关注你而不是直接去问 AI 呢？

文章配图是个刚需。以前写公众号，找配图要么用免费图库（千篇一律），要么冒着版权风险从网上扒（别这么干），现在用 AI 画一张独一无二的配图，又好看又没版权问题。

日常生活

辅导孩子作业，你未必记得住初中数学公式，但 AI 记得。让它一步一步讲解解题思路，比你吼孩子有效多了。关键是它不会生气。

旅行规划，把你的时间、预算、偏好告诉 AI，让它帮你做攻略。比你在小红书上刷几十篇游记再自己拼凑行程效率高太多了。

说了这么多场景，我知道你可能看完有点懵。没关系，一张速查表帮你对号入座：

这个表不是标准答案，是起跑线。用着用着就会自然迭代出属于自己的工具组合。

2.3 学会跟 AI 沟通

工具有了，场景也有了，但你可能很快会遇到一个问题：怎么 AI 给我的回答这么「平庸」？

大概率不是 AI 的问题，是你「问的方式」的问题。

你跟 AI 说话的那段文字，有个专门的名字，叫「提示词」（Prompt）。说白了就是你输入给 AI 的指令。你给的指令越清晰、越具体，AI 回你的内容就越靠谱。

这跟你跟人沟通是一样的道理。你跟同事说「帮我整理一下那个东西」，对方大概率一脸问号。但你说「帮我把上周五会议的三个待办项整理成表格，列出负责人和截止日期」，对方立刻就能动手了。

AI 也是一样。就这么简单。

几个主要元素：背景、目标、要求、示例，归根结底就是要把上下文说清楚！

当然，关于 Prompt 是一门大的学问，大家可以关注下述内容再学习，这里就不展开了。

想更系统地学提示词？推荐几个资源：

LangGPT 结构化提示词( https://langgpt.ai/）：很实用的提示词写作框架
提示词工程指南（ https://www.promptingguide.ai/zh）：中文提示词教程

多跟 AI 对话，用得多了，你自然就知道怎么「说话」它才听得懂。

当然这里需要注意，不要指望一次就得到完美答案，多追问，迭代几轮，效果会更好。

2.4 试试让 AI 帮你跑完全程

到这里，你已经会跟 AI 聊天了。提个需求，它给你回复，一问一答，很好。

但 AI 能做的不只是「你问我答」。

有些任务不是一个问题就能解决的？比如「帮我调研一下竞品，整理一份分析报告」。这个任务里包含搜索、筛选、对比、整理、排版好几个步骤。如果你一步步跟 AI 聊，也能做，但得来来回回好多轮。

有没有可能，你只说一句「帮我做竞品分析」，它就自己去搜、去查、去比较、去整理，最后给你一份完整的报告？

可以的，智能体（Agent）

最通俗的理解：普通 AI 对话是「你说一句它做一步」，智能体是「你交代一个任务，它自己规划步骤，帮你跑完全程」。就像你交代一个靠谱的助理「帮我订周五从北京到上海的差旅」，你不需要告诉他先查航班、再比价格、再订酒店、再填报销单，他自己就把这些全办了。

去哪儿能体验到？

最简单的方式：去逛逛智能体商店。扣子（Coze，字节做的 coze.cn）上面有大量别人做好的智能体，技能商店，各种功能都有。豆包 App 里也内置了不少智能体，打开就能聊。智谱的 GLMs 商店也类似。

一些很有意思的 AI Agent 产品也值得关注：

Manus Agent（ manus.im）：全球首款通用型 AI Agent，你给它一个复杂任务，它会自己拆解成多个步骤去执行
Lovart（ https://www.lovart.ai/）：AI 设计平台，自动完成从概念到成品的设计流程
OpenAI Operator（ operator.chatgpt.com）：ChatGPT 内置的 Agent 模式，能帮你在网页上完成操作
OpenClaw ：开源 AI Agent，运行在你自己的设备上，通过 WhatsApp、Telegram、Slack、Signal 等聊天工具进行交互，能执行 shell 命令、浏览器自动化、邮件、日历和文件操作。
Zapier Agents：支持用自然语言描述来创建 Agent，并可连接 8000+ 应用，非常适合跨工具自动化。
Quizlet（ quizlet.com）：AI 融入学习过程，根据你的掌握程度自动调整复习策略

代码领域的 Agent 已经相当成熟了。Claude Code、Cursor、Trae 这些工具，让你用自然语言就能写代码。这个话题展开比较深，放到后面进阶篇再聊。

你现在不需要每个都去试。知道有这么个东西就行，等你用熟了基础的 AI 对话之后，再慢慢探索 Agent 的世界。

2.5 给自己找个学习大本营

AI 这个领域变化太快了。真的是今天的新闻明天就过期的那种快。你需要一个「根据地」，能持续获取新信息、跟上节奏。

第一个要收藏的：通往AGI之路 - 飞书云文档(https://waytoagi.feishu.cn/)

WaytoAGI 知识库是目前互联网上我见过的最全面的 AI 开源知识库。从基础概念到进阶教程，从工具推荐到行业动态，分类清晰，持续更新。你如果只收藏一个网站，就收藏这个。

上面有各路 AI 英雄豪杰的最新的洞察，以及各种实操教程。

大家需要善于使用飞书的搜索功能，在上面搜索自己想要关注的内容，从而找到相关的文章。同时WaytoAGI还有免费的学习社群和免费的线下活动，非常推荐大家参与！

值得关注的博主和公众号

入门阶段，信息源不用多，但要靠谱。推荐几个我觉得质量一直在线的：量子位、机器之心、赛博禅心、歸藏的AI工具箱、数字生命卡兹克、Agent橘。这几个先关注上，日常刷刷就能保持基本的信息敏感度。更完整的推荐列表，我放在后面了。

LangGPT 知识库：feishu.langgpt.ai

里面有大量提示词模板和案例。当你想把提示词技巧再往前推一步的时候，去那里逛逛会很有收获。

好了，到这里「入门篇」差不多了。你现在已经有了工具、有了场景、有了基础的提示词技巧、知道了智能体是什么、还有了持续学习的信息源。

说实话，如果你只是想让 AI 在日常生活和工作中帮上忙，大部分人把这些用熟，效率提升就已经很明显了。

但我猜，你用了一段时间之后，一定会开始好奇更多的东西。为什么有时候 AI 说得特别好，有时候又会一本正经地胡说八道？我能不能自己搭一个智能体？能不能用 AI 写代码、做产品？

这些好奇心特别好。带着它们，我们接着往下聊。

第三章：从「会用」到「用得好」（进阶篇）

会用 AI 和用好 AI，中间隔着什么？

我觉得隔着一层「理解」。你不需要成为 AI 专家，但当你大概知道它怎么工作的、知道怎么更好地跟它协作、知道怎么把零散的用法串成体系，你会发现，同样一个工具，到了你手里，就是比别人顺。

这一章，我想和你聊五件事：AI 的底层逻辑、提示词的进阶玩法、工作流搭建、Vibe Coding，以及怎么建立你自己的 AI 信息网络。

不用怕。都是大白话。

3.1 搞懂 AI 的底层概念

很多人对 AI 有一种隐隐的不安：我天天在用它，但我完全不知道它是怎么运作的。

这种感觉很正常。你不需要去读论文、学数学，但花十分钟了解三个核心概念，会让你对 AI 的能力边界有一个更清晰的判断。知其所以然，你才知道什么时候该信它，什么时候该怀疑它。

Transformer：大语言模型的「发动机」

所有你用过的 ChatGPT、Claude、Kimi、豆包，底层都跑在同一个架构上，叫 Transformer。

一句话解释：它让 AI 学会了「注意力」——在一大段文字里，自动判断哪些词和哪些词之间关系更紧密。就像你读一篇长文章时，大脑会自动在关键信息之间建立连接，Transformer 做的事差不多，只不过它用的是数学。

想深入了解：李沐在 B 站讲的《Attention Is All You Need》论文精读https://www.bilibili.com/video/BV1pu411o7BE。原论文在这里https://arxiv.org/pdf/1706.03762.pdf。

Context Engineering：大模型时代的编程
AI 系统效果，很大程度取决于上下文设计。角色、任务规则、示例、知识与工具说明共同构成模型的工作环境。Agent、RAG、本地知识库，本质都是上下文工程。

生成模型三路线：自回归、扩散、潜空间
自回归：逐步预测下一个元素，语言模型与部分生图模型采用，结构稳定、可控性强。扩散：从噪声逐步去噪生成图像，擅长写实与细节，Stable Diffusion、Midjourney 属此类。
潜空间（VAE/GAN）：在低维表示中采样生成，是早期图像与语音生成基础。

Agent：从回答到执行
Agent 让 AI 能拆解目标、调用工具并完成任务。它依赖大模型推理与上下文工程，是系统形态升级。

理解这些，你就知道 AI 在做什么，也知道它何时可靠。

想系统学？这几门公开课够了

中文方面，李宏毅老师的课是我最推荐的，https://speech.ee.ntu.edu.tw/~hylee/GenAI-ML/2025-fall.php，当然他在 B 站有一些搬运的视频，讲底层原理讲得最透彻，而且幽默。李沐的「跟李沐学 AI」系列也非常好，他还有一套 D2L 动手学深度学习https://zh.d2l.ai，2025 版有 171 集。

英文方面，吴恩达的 [Deeplearning.ai] https://www.deeplearning.ai/courses 是经典中的经典。

但我要强调一点：这些不是必修课。你不学这些，照样能把 AI 用得很好。它们的定位是「知其所以然」，感兴趣就深入，不感兴趣，跳过这一节完全没问题。

3.2 从提示词到 Skills：让 AI 越用越顺手

入门篇里讲了提示词的基础用法：说清楚你要什么，给点背景信息，指定输出格式。

但用久了你会发现，光靠「说清楚」还不够。你开始想：有没有更系统的方法？有没有办法让我的提示词变成一种可以反复使用的东西？

有的。

提示词进阶：从「随手写」到「有结构」

如果你只学一个进阶技巧，我推荐「结构化提示词」。最典型的是 LangGPT 方法，它把一条提示词拆成几个模块：角色、背景、任务、要求、输出格式。

再往上走，有几个高级技巧值得了解：

多轮迭代优化：不要指望一次就得到完美答案。很多高手的秘诀不是提示词写得多精妙，而是他们特别会追问。

Meta-Prompting：让 AI 帮你写提示词。套娃，但有效。

一条进化线索：Prompt → Context → Skills

大家其实会明显感觉到，圈子里的关键词换得越来越快。前几年大家讲 Prompt。后来大家讲 Context Engineering。再后来，Skills 变成了高频词。

这不是换个名字炒概念。背后有一条清晰的进化线索：

Prompt 时代，你给 AI 的是一次性的显式指令。每次对话都从零开始。

Context 时代，你开始「经营」一个信息场。不只是告诉 AI「做什么」，还把相关的背景、约束、知识一起喂给它。

Skills 时代，你把自己的经验和流程封装成一个「能力包」，让 AI 在需要的时候自动调用，稳定复用。

私以为不管是 Context 或是 Skills，都是 Prompt 的一部分，对于模型来说都是 Token。但从用户的角度看，这三者的区别在于：你和 AI 协作的颗粒度变了。从一句话，到一个场景，到一个可复用的能力单元。

Skills 到底是什么？

说得通俗一点：Skills 就是你把自己做某件事的经验和步骤，用自然语言写成一个「扩展包」，AI 在处理任务时会按需加载它。

门槛低，会写 Prompt 就会写 Skills。它比单条 Prompt 强在哪里？可复用、可分享、可迭代。

这个概念已经在国内落地了。字节的 Trae 有「技能」模块，扣子 2.0 也在往这个方向走。而且它是纯自然语言形式的，比搭积木式的 Workflow 更符合大多数人的习惯。

就这么简单。别把它神秘化。可以看之前发过的一篇文章【插入Skills文章链接】

推荐资源：

[LangGPT 开源项目] https://github.com/langgptai/LangGPT：结构化提示词框架
[Prompt Engineering Guide] https://www.promptingguide.ai/zh：最全的提示词工程中文指南
[Anthropic 官方提示词指南] https://www.anthropic.com/learn：写得很实在
[GitHub - Awesome-claude-skills] https://github.com/travisvn/awesome-claude-skills：一些很不错的ClaudeSkills

3.3 Agent & Workflow

提示词和 Skills 解决的是「单次对话怎么更好」的问题。但很快你会遇到另一个需求：我能不能把好几个步骤串起来，让 AI 自动跑完？

能。这就是 Workflow。

想象一条工厂流水线：原材料进去，经过切割、打磨、组装、质检，成品出来。Workflow 就是你给 AI 搭的一条流水线。你设定好每一步该做什么、数据怎么流转，触发之后它自动从头跑到尾。

比如：每天早上自动抓取行业新闻 → AI 总结成摘要 → 推送到你的飞书。整个过程不需要你动手，每天起床就能看到。

从哪里开始？

[扣子（Coze）] https://www.coze.cn是国内首选，拖拖拽拽就能搭。[n8n] https://n8n.io 是开源的，灵活度非常高，免费这一点也很香。Dify 更适合想做 AI 应用的人。

我的建议是：先从一个简单的场景入手。先做一个「每天自动给我推送行业新闻摘要」的小 Workflow，跑通了，你就有感觉了。

在企业的 AI 应用场景中，我们最看重的是其稳定性和确定性。

通过 Workflow 的形式，能够更好地确保 AI 运行的每个节点都不超出预期，让它完全按照我们的想法执行。

3.4 Vibe Coding：每个人都可以是创造者

接下来要聊的这个话题，我个人非常兴奋。

Collins 英语词典把「Vibe Coding」评为了 2025 年度词汇。不是什么 AI 术语、不是什么技术名词。一个关于写代码的概念，成了年度词汇。这本身就说明了一些事情。

什么是 Vibe Coding？

你不写代码。你用中文告诉 AI：「我想做一个番茄钟应用，要能设定工作时长和休息时长，界面简洁，用暖色调。」然后 AI 帮你把整个应用写出来。

就这样。你描述需求，它生成代码，你看效果，给反馈，它修改。来回几轮，一个能用的产品就出来了。

这件事最颠覆的地方在于：它模糊了「用户」和「开发者」的边界。

以前你想做一个小工具，你得学编程。学变量、学循环、学函数，怎么也得几周到几个月。现在呢？用自然语言描述你想要什么，几小时甚至几分钟，一个能跑的应用就出来了。

聊聊 Claude Code

在 Vibe Coding 工具里，我想重点聊聊 Claude Code。

Claude Code 是 Anthropic 推出的命令行 AI 编程工具。它不是一个编辑器插件，本质上是一个 Agent。你把它放到项目里，它能理解整个代码库的结构，自主规划该怎么做，然后一步步执行。

有一点技术门槛，你得会打开终端、敲命令行。如果你连终端是什么都不知道，可以先从 Cursor 或 Trae 这种有图形界面的工具开始。

但如果你有一点点基础，Claude Code 的体验是非常惊艳的。你可以跟它说「帮我把这个项目的登录功能改成支持手机号登录」，它会自己去读代码、理解架构、做修改、跑测试。

想入门的话：

[官方中文文档] https://code.claude.com/docs/zh-CN/overview
[awesome-claude-code] https://github.com/hesreallyhim/awesome-claude-code（21.6k Stars）
B 站 [30 个进阶技巧] https://www.bilibili.com/video/BV1XGbazvEuh/（12 万播放）
[刘小排 Claude Code 实战分享] https://mp.weixin.qq.com/s/sOPO_MWq9xsiHzYapszK5Q：全球 Claude Code Token 消耗量「榜一大哥」的实操经验

Vibe Coding 工具全景

工具	公司	特点	费用
Cursor	Anysphere	最流行的 AI 编程编辑器	$20/月
Trae	字节跳动	部分免费，全中文，600 万+用户	免费 & 收费
CodeBuddy	腾讯	完全免费，插件+IDE+CLI	免费 & 收费
Windsurf	Cognition	自有模型速度是 Sonnet 的 13 倍	有免费额度
GPT Codex	OpenAI	可独立工作超 7 小时	$20/月起

如果你在国内，入门推荐 Trae 和 CodeBuddy，免费额度、中文好、不用折腾网络。

普通人用 Vibe Coding 做了什么？

这部分是我最想写的，因为每一个案例都在打破「编程是程序员的事」这个旧观念。

CNBC 有个记者，完全没有技术背景，参加了一个 2 天的 Vibe Coding 训练营，出来的时候手里拿着一个完整的 App。两天。一个记者。

菲律宾有个叫 Pablo 的白领，直到成年才开始用电脑。他花了 2 小时，做出了一个费用管理 App。

一个做营销的女生 Maddy Osman，只有最基础的编码知识，用 Vibe Coding 独立做出了好几个产品。

创造的门槛正在被拉平。你脑子里那些「要是有这么一个工具就好了」的念头，现在真的有可能自己动手实现。

目前全球约 41% 的代码由 AI 生成。Lovable（一个 Vibe Coding 平台）上线 8 个月就达到了 1 亿美元的年化收入。

这，是一场正在发生的变革。

3.5 你的第一个「数字员工」：OpenClaw

前面聊了 Vibe Coding，你可以用自然语言造产品。接下来说说：用自然语言雇一个 24 小时在线的数字员工。

2026 年初，AI 圈有一个项目彻底出圈了，叫 OpenClaw（openclaw.bot）。GitHub Stars 飙到了 22 万+，各家云厂商争相接入，可以说是今年 Agent 领域最值得关注的现象级项目。

OpenClaw 是什么？

一句话说：它是一个开源的 AI Agent，运行在你自己的电脑或云服务器上，能通过 Discord、Telegram、飞书、WhatsApp 等聊天工具跟你交互。你在手机上发一条消息，它就在服务器上帮你干活。

跟前面 2.4 提到的那些 Agent 产品不同，OpenClaw 更像是一个你「自己养」的 AI 助手。它跑在你自己的环境里，能读文件、执行命令、浏览网页、操作各种工具，而且 7×24 小时在线。

如果说前面聊的那些 Agent 产品是"别人家的员工帮你跑腿"，OpenClaw 更像是"你自己雇了一个实习生，住在你办公室里，随叫随到"。

它的灵魂在于 Skills

OpenClaw 最核心的设计是 Skills 生态。你给它装什么技能，它就能干什么活。这跟我们前面 3.2 聊的 Skills 概念一脉相承，只不过在 OpenClaw 里，Skills 变成了 Agent 的「能力包」，装上就能用。

比如你给它装上搜索 Skill，它就能帮你每天定时抓取行业新闻，整理成摘要推送给你。装上代码执行 Skill，它就能帮你写网页、跑脚本。装上金融数据 Skill，它甚至能帮你监控行情，有重大波动立刻通知你。

而且 Skills 是纯自然语言写的，会写提示词就会写 Skills。社区里已经有大量现成的 Skill 库可以直接用：

[ClawHub Skills] https://www.clawhub.ai/skills：官方精选 Skill 市场
[awesome-openclaw-skills] https://github.com/VoltAgent/awesome-openclaw-skills：社区整理的精选合集

能用它做什么？

举几个我自己跑通的场景：

自动新闻监控：设好关键词和信息源，它每隔一段时间自动帮你抓取、筛选、总结，推送到你的聊天工具里。起床就能看到。
自然语言建站：手机上发一句「帮我做个番茄闹钟的网页，要有不错的交互」，它直接在服务器上写代码、部署上线，几分钟后甩给你一个链接。
文件处理助手：丢给它一个 PDF 或表格，让它分析、提取、转换格式，全程不用开电脑。
定时任务执行：每天早上八点自动执行某个流程，周报自动生成，数据自动备份……设一次，跑很久。

为什么说它代表了一个重要趋势？

OpenClaw 最有意思的一个设计叫 Gateway——它在 Agent 和各种通讯工具之间搭了一座桥。这意味着你不需要打开电脑、不需要登录某个网站，直接在微信、飞书、Discord 这些你每天都在用的工具里，就能跟 Agent 对话，让它帮你干活。

这件事的意义在于：Agent 第一次真正融入了你的日常通讯流。它不再是一个你需要专门去访问的工具，而是像一个同事一样，住在你的群聊里，随时待命。

更深一层，OpenClaw 的 Skills 还能自举——Agent 可以在执行任务的过程中，自己发现可复用的经验，自己封装成新的 Skill，自己装上。也就是说，它会越用越好用，这跟我们前面心法五讲的「沉淀复利」是同一个道理，只不过这次沉淀经验的不是你，是 Agent 自己。

怎么开始？

【插入之前OpenClaw Kimi的文章】

[OpenClaw 官网] https://openclaw.ai/
[GitHub 仓库] https://github.com/openclaw/openclaw

一句话总结：OpenClaw 把"AI 会聊天"这件事，推进到了"AI 能干活"。 如果说 2025 年的关键词是 Vibe Coding，那 2026 年你一定会反复听到的词，就是 Agent。而 OpenClaw，是目前这个方向上最值得体验的项目之一。

3.6 建好你的「雷达系统」：AI 信息网络

AI 领域变化太快了。你不可能靠一次性学习就一劳永逸。

你需要的不是「学完」，而是建立一个持续获取信息的网络。

下面这些是我个人关注多年、反复筛选后留下来的信源，很多都是线下的好朋友。

“
因为我看公众号比较多，所以大多数都是以微信生态为主的..小红书、B站了解的朋友可以评论区见！

中文博主推荐（几大分类）

① AI General

量子位、机器之心、数字生命卡兹克、赛博禅心、Agent 橘子、特工宇宙、卡尔的AI沃茨、沃垠 AI、夕小瑶科技说、张咋啦。这几个覆盖了 AI 领域大部分重要动态，选 1-2 个固定关注就够了。

② AI Prompt & Agent

宝玉AI、李继刚、云中江树、向阳乔木、一泽、云舒的AI实践日记、甲木等。还有一个必须提的是「归藏的 AI 工具箱」，信息密度极高。

③ AI Design

汗青、海辛和阿文、阿真Irene、TATALAB等，对非设计师也很有启发。

④ AI Tech

苍何、袋鼠帝、刘聪 NLP、花叔、饼干哥哥。技术含量高，但不至于看不懂。

⑤ AI Product

AI 产品阿颖、洛小山、AI 产品银海、AI产品黄叔等。

⑥ AI Tutorial

Rico 有三猫、栗噔噔、摸鱼小李、AIGC新知等，风格轻松，跟着做就能出活。

“
💡 关于 Claude Code 和 Vibe Coding，特别推荐看刘小排的分享

海外信息源

X（Twitter）是最快的，OpenAI、Anthropic 的重要发布基本都先在 X 上出来。YouTube 上 Lex Fridman 的深度访谈质量很高https://www.youtube.com/@lexfridman。The Information 和 TechCrunch 是产业分析的标配。

X的推荐博主，在第四章给大家列出来

「可是我英文不好怎么办？」装一个「沉浸式翻译」浏览器插件，英文网页秒变双语对照，语言不再是信息壁垒。

播客推荐

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

最后一点：不要试图关注所有信源。

信息过载和信息匮乏一样有害。固定 1-2 个每天看的，1-2 个每周看的，其余放收藏夹，有需要的时候再翻。用 AI 帮你做信息筛选和摘要，不要跟信息流拼体力。

到这里，你已经有了一张比较完整的能力地图。但你可能已经开始想一个更深的问题了：AI 这么猛，它到底会走向哪里？钱在往哪流？我该怎么提前站位？

这些问题，我们下一章聊。

第四章：看得远——源头信息与前沿洞察（洞察篇）

前面三章，我们聊的是怎么把 AI 用起来、用好、用出花来。

但你有没有想过一个问题：你用的这些工具，半年后还在不在？你学的这些技巧，一年后还管不管用？

AI 这个领域变化太快了。你今天觉得很厉害的功能，三个月后可能变成免费标配。你今天花大力气学的某个平台，半年后可能已经被收购或者关停了。

所以光会「用」还不够。你得学会「看」。

看懂 AI 正在往哪走，你才能提前站到对的位置上。

4.1 别喝二手水：去源头获取一手信息

我有一个习惯，看到任何 AI 相关的新闻，我都会去找原始出处。

不是因为我不信媒体，而是这个领域的信息衰减太严重了。一篇论文发出来，经过英文科技媒体报道、国内媒体翻译、自媒体二次加工、短视频三次加工……到你手里的时候，可能已经面目全非。

跟对人：AI 领域值得关注的头脑

第一类是技术大佬，他们的观点值得深度消化。

图灵奖三巨头：Yoshua Bengio、Geoffrey Hinton、Yann LeCun。有意思的是，Hinton 现在是「AI 末日派」，LeCun 是坚定的「AI 乐观派」，Bengio 在中间偏谨慎。三个人经常互相怼。看他们争论，比看任何分析文章都有营养。

李飞飞和吴恩达。李飞飞对 AI 与人文的交叉思考非常有深度。吴恩达是 AI 教育界的传奇，而且他一直在一线做项目，不是那种脱离实践的学者。

Ilya Sutskever，OpenAI 的联合创始人。这个人很少公开发言，但每次说话都值得反复品味。

国内这边，梁文锋，DeepSeek 背后的人。他很少接受采访，但 DeepSeek 的技术路线本身就是他最好的表达。

第二类是商业领袖，他们的观点要带「滤镜」看。

Sam Altman、马斯克、黄仁勋、扎克伯格、李彦宏……这些名字你肯定不陌生。

但冷逸有个观点我很认同：「他们的采访都是有商业目的的，要么提高公司估值，要么寻找投资人，以及迷惑竞争对手。」

所以听他们说什么，更要看他们做什么。把钱投到哪里，比嘴上说什么诚实得多。

获取渠道推荐：

X（原 Twitter）：AI 领域最重要的信息广场，没有之一
Lex Fridman 播客：长对话，动不动三四个小时，但深度是真的深度
20VC：偏投资和商业视角

官方科研博客

海外：Anthropic Research（写得最好https://www.anthropic.com/research）、OpenAI Newshttps://openai.com/news、Google DeepMindhttps://deepmind.google/research/publications、Meta AI Bloghttps://ai.meta.com/blog。

国内：Qwen 博客（通义千问团队https://qwenlm.github.io/blog/）、Seed（字节跳动https://seed.bytedance.com）、腾讯混元、Kimi/智谱/DeepSeek 的公众号。

养成习惯，每周花 20 分钟扫一遍这些源。不需要每篇都精读，扫标题就行。

“
还有 Reddit，国外版小红书。很多越狱提示词、时髦玩法都来自这里 https://www.reddit.com/

论文没你想的那么可怕

你不需要看懂每一个公式。你只需要知道：这篇论文在解决什么问题？效果怎么样？对我有什么影响？

而且现在有 AI 帮你。Kimi 学术搜索可以帮你快速理解一篇论文的核心内容。BabelDOC 可以把整篇论文翻译成排版精美的中文版。

如果你只读三篇论文：

《Attention Is All You Need》：Transformer 的开山之作，改变了整个 AI 的发展轨迹
斯坦福小镇（Generative Agents）：让 25 个 AI 角色在虚拟小镇里自主生活
ReAct：推理和行动结合，当前 AI Agent 框架的理论基础

4.2 想深入？这些课和书值得花时间

好消息是，全世界最顶级的 AI 课程，绝大多数都是免费的。不是打折，是真的免费。

课程	来自	一句话描述	费用
Stanford CS336	斯坦福	带你从零构建一个语言模型	免费材料
Berkeley CS294	UC Berkeley	高阶 LLM Agent 课程	免费材料
DeepLearning.AI 短课	DeepLearning.AI	每门 1-2 小时的主题短课	免费
Hugging Face 全家桶	Hugging Face	6 门课覆盖 NLP 到多模态	免费
LangChain Academy	LangChain	专注 Agent 开发	基础免费
fast.ai	fast.ai	代码优先的实践派	免费

如果你完全没有编程基础，从 DeepLearning.AI 的短课开始。如果你有一点编程基础，fast.ai 非常适合。如果你是在校学生想往 AI 方向走，Stanford CS336 和 Berkeley CS294 是天花板级别。

书单：这几本值得放在手边

《深度学习》 Ian Goodfellow 著。圈内人叫它「AI 圣经」。不需要从头读到尾，当工具书翻就行。
科普类：《这就是ChatGPT》《深度学习革命》《AI未来进行式》都挺不错
哲思应用类：《拐点》《人比AI凶》——万维钢《关于说话的一切》——写Prompt有帮助
轻度技术类：《GPT图解》《智能体设计指南》《动手做AI Agent》
技术进阶类：《RAG实战课》《这就是MCP》等
llya推荐的30个阅读清单 https://arc.net/folder/D0472A20-9C20-4D3F-B145-D2865C0A9FEE

还有两本免费电子书特别推荐：黄叔的《AI 编程蓝皮书》2.0，以及姚金刚和向阳乔木的《GEO 白皮书》（21 万字）。

4.3 钱往哪里流，行业就往哪里走

这个小节，我想跟你聊点不一样的。不聊技术，聊钱。

因为资本的流向，是预判未来最诚实的信号。投资人可以在采访里说漂亮话，但他们不会拿真金白银开玩笑。

值得追踪的 AI 投资风向标

红杉资本（美国红杉 Sequoia Capital）： sequoiacap.com
a16z：a16z.com，每年发布的《State of AI》报告是行业必读
Y Combinator： ycombinator.com，每期批次里 AI 项目的比例就是行业温度计
奇绩创坛： miracleplus.com，陆奇创办的，可以理解为「中国版 YC」

2026 年初，我们站在哪里？

先看钱的规模。2025 年，全球 AI 领域的私人融资总额达到了 2258 亿美元。科技四巨头 2026 年计划的资本支出合计达到 6350 到 6650 亿美元，其中大部分用于 AI 基础设施建设。六千多亿美元砸下去建数据中心和买 GPU，这种级别的投入，在人类商业史上也是罕见的。

再看企业采用。McKinsey 2025 年的报告显示，88% 的组织已经在使用 AI。但其中只有 6% 真正从 AI 中获得了显著商业价值。大多数公司还处于「用了，但没用好」的阶段。这恰恰是巨大的机会。谁能帮企业把 AI 从「用了」变成「用好」，谁就能吃到最大的红利。

Agent 方向全面爆发。2025 年 AI Agent 市场规模 78.4 亿美元，预计 2030 年达到 526 亿美元。YC 最近几期的批次里超过 80% 的项目跟 AI 相关，Agent 是最热的方向。Gartner 预测 2026 年 40% 的企业应用会嵌入 Agent。

垂直行业的渗透速度也让我很惊讶。医疗领域，医生使用 AI 的比例从 38% 飙升到 66%。法律行业，律所 AI 采用率从 19% 涨到 79%。金融领域，银行的生成式 AI 采用率从 8% 蹿到 78%。如果你在这些行业里，AI 能力已经不是加分项了，它是基本功。

国内外的差异也值得关注。目前美国占全球 AI 投资的 79%。海外侧重基础模型研发和开发者生态，国内侧重应用落地和场景创新。简单说：海外在造「发动机」，国内在造「车」。

几份报告值得收藏

红杉资本 《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》( https://hai.stanford.edu/assets/files/hai_ai_index_report_2025.pdf)（400+页）
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)