先想清楚：你学AI到底为了什么？
这是最被跳过、也最重要的一步。不同目的对应完全不同学习路径：
- "我想用AI提效" → 你不需要学原理，只需要学会用工具。路线是：Prompt技巧 → 主流AI工具实操 → 自动化工作流。
- "我想转行做AI产品/运营" → 你需要理解AI能做到什么、不能做到什么，不需要会写代码，但需要能和工程师对话。路线是：AI能力边界认知 → 典型应用场景拆解 → 数据思维和评估方法。
- "我想做AI开发/算法" → 这是最硬核的路线，需要扎实的数学和编程基础。路线会在第四阶段展开。
下面给出的路线以第一种（提效型学习者）为主，兼顾第二类。如果你志在做算法工程师，这条路线只是热身。
第一阶段：上手——别学理论，先动手（第1周）
大部分AI教程一上来就讲"Transformer架构"、"注意力机制"、"梯度下降"——这是零基础学习者最大的劝退点。正确的启动方式正好相反：先用起来，感觉"这东西有用"，再回头补原理。
第1天：注册并完成第一次有效对话
- 注册ChatGPT（chat.openai.com）或Claude（claude.ai）。两个都用更好。
- 第一次对话不要问"你好，你是谁"——直接问一个你真实需要解决的问题。比如："我有一封英文邮件需要回复，对方说报价太高，要求降价15%。帮我起草一个回复：承认价格偏高但强调质量差异，给出一个折中方案（降价8%），保持专业礼貌。"
- 核心体验：把AI当一个随时可用的聪明同事，而不是一个搜索引擎。
第2-3天：掌握Prompt基本功
- 学会三个核心框架：角色设定（"你是一个XXX"）、约束前置（字数/格式/必须包含/禁止）、输出模板（给格式不要描述格式）
- 刻意练习：同一个任务，用不同Prompt写三遍，对比效果。这是最快的进步方式。
第4-7天：横向体验多款工具
- 除了ChatGPT/Claude，至少再体验：DeepSeek（中文能力强）、Kimi（长文档处理）、Perplexity（AI搜索）、即梦/Midjourney（AI绘画）
- 目标是形成工具选型直觉：什么类型的任务，丢给哪个工具最合适。
第二阶段：整合——把AI嵌进日常（第2-4周）
第一阶段的标志是"我知道这东西有用"。第二阶段的标志是"这东西已经成了我工作流的一部分"。如果一周不用AI，你会明显感到效率下降——那就说明第二阶段成功了。
强制嵌入场景：
- 写作：所有需要写的文字（邮件、周报、方案、文案），先让AI出第一稿，你再改。不要追求"AI写得比我好"，追求"AI节约我组织语言的时间"。
- 阅读：遇到长文章、英文论文、合同文档，丢给AI让它先出摘要，确认值得精读之后再自己看。
- 数据处理：需要做简单的统计和图表，让AI写Python代码处理。不需要你会Python——你只需要能把需求描述清楚。
- 学习：看教程看不懂的地方，问AI"用更简单的方式解释这段内容"。把一个复杂概念让AI用3个不同的比喻解释给你听。
进阶动作：开始搭建你的Prompt库。把效果好的Prompt存下来，分类整理。两周后你会有一个30-50条的个人Prompt集，后续效率会成倍提升。
第三阶段：深入——从使用者变成构建者（第2-3个月）
方向A：如果你选了AI产品/运营路线
- 学习AI的能力边界：什么事AI已经做得很好了，什么事目前还不行。这个判断力比你会写Prompt更重要。
- 研究和拆解10个AI产品的设计逻辑：Notion AI、Cursor、Perplexity、Gamma、Copy.ai——它们各自解决了什么场景、为什么这么设计、哪里做得好哪里不好。
- 学习基本的评估方法：你怎么判断一个AI功能是"真的好用"还是"demo炫但实际没法用"？建立一个自己的评估框架（准确性、一致性、效率提升量化、边界场景覆盖率）。
方向B：如果你选了AI开发路线
- Python基础（不需要精通，需要能读代码+调用API）
- 学会调用至少一个主流API（推荐从OpenAI API开始，因为文档最好）
- 搭建一个端到端的小项目：比如一个能读PDF并回答问题的聊天机器人
- 学习RAG（检索增强生成）的基本原理和实现
第四阶段：构建自己的系统（持续）
到这个阶段，你已经不是一个AI工具的"使用者"了——你是在用AI的能力构建属于你自己的效率系统。
关键动作：
- 搭建自动化工作流：用n8n、Make或Zapier把AI接入你的日常工具链。比如：收到邮件→AI自动分类并起草回复→你审核后发送。
- 创建定制AI助手：在ChatGPT里创建GPTs，或者在Coze/Dify里搭建AI Agent。设计一个只服务于你自己的AI助手——知道你的偏好、了解你的工作背景、能处理你的高频任务。
- 关注行业动态但不焦虑：市场每周都有新模型发布、新融资、新突破。你需要建立信息过滤器——关注3-5个高质量的信息源（如The Rundown、Simon Willison的博客、机器之心），而不是被自媒体标题牵着走。
贯穿始终的学习原则
1. 项目驱动，不要教程驱动：找一个你真心想解决的问题（不是"把教程跑通"），用AI把它解决掉。做项目的过程中学到的东西是看完教程的10倍。
2. 20%学习+80%使用：不要把AI当"一门要学的课"，当"一个每天都在用的工具"。花20%时间学新功能，80%时间在日常工作中用它。
3. 每周复盘：每周回顾一次"这周AI帮我省了多少时间、做了什么之前做不到的事"。写下来。坚持3个月之后看这个记录，你会对自己的进步有一个非常具体的感知。
最糟糕的学习方式是：用学习来替代行动——看了一堆教程，收藏了一堆资源，但一次都没有真正用过。最好的学习方式是：先不管三七二十一直接开始用，用的时候发现问题，再针对性地找答案。AI学习的门槛已经低到不需要"准备好"才开始——现在就可以。