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！）

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！） 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！） Modified February 24 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 建议关注的X账号列表 官方科研博客 海外：Anthropic Research（写得最好 https://www.anthropic.com/research ）、OpenAI News https://openai.com/news 、Google DeepMind https://deepmind.google/research/publications 、Meta AI Blog https://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。 课程列表 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 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 建议关注的X账号列表 官方科研博客 海外：Anthropic Research（写得最好 https://www.anthropic.com/research ）、OpenAI News https://openai.com/news 、Google DeepMind https://deepmind.google/research/publications 、Meta AI Blog https://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。 课程列表 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 课程 课程 来自 来自 一句话描述 一句话描述 费用 费用 Stanford CS336 Stanford CS336 斯坦福 斯坦福 带你从零构建一个语言模型 带你从零构建一个语言模型 免费材料 免费材料 Berkeley CS294 Berkeley CS294 UC Berkeley UC Berkeley 高阶 LLM Agent 课程 高阶 LLM Agent 课程 免费材料 免费材料 DeepLearning.AI 短课 DeepLearning.AI 短课 DeepLearning.AI DeepLearning.AI 每门 1 2 小时的主题短课 每门 1 2 小时的主题短课 免费 免费 Hugging Face 全家桶 Hugging Face 全家桶 Hugging Face Hugging Face 6 门课覆盖 NLP 到多模态 6 门课覆盖 NLP 到多模态 免费 免费 LangChain Academy LangChain Academy LangChain LangChain 专注 Agent 开发 专注 Agent 开发 基础免费 基础免费 fast.ai fast.ai fast.ai fast.ai 代码优先的实践派 代码优先的实践派 免费 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 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 ) 对普通人意味着什么？ 选什么技能？看资本在追什么。Agent 开发、AI 应用集成、提示工程，这些方向在未来两三年确定性很高。 进什么行业？看 AI 在哪些垂直领域渗透最快。医疗、法律、金融、教育，这些行业的 AI 改造才刚刚开始。 做什么产品？看 YC 和奇绩创坛每期在孵化什么。它们的项目列表就是一份「未来热门方向预告片」。 4.4 职业发展：用作品说话 聊完了大趋势，回到一个很现实的问题：这些东西怎么变成我的职业竞争力？ 我的建议只有四个字： 用作品说话。 在 AI 领域，没人在乎你的简历上写了什么。他们在乎的是：你做了什么？ 在 Coze 上打造一个爆款智能体，用户量破万。在 GitHub 上开源一个 AI 项目，拿到几百个 Star。在 ProductHunt 上发布一个 AI 小工具，被社区推荐到首页。这些事情，每一件都比任何证书有说服力。 说到证书，说句实话：目前市面上还没有一张 AI 证书是被行业真正认可的。了解一下可以，但不要把主要精力放在考证上。 与其花时间考证，不如花时间在这几个平台上建立存在感： • X ：关注行业动态，参与讨论，分享你的思考 • GitHub ：你的代码作品集 • HuggingFace ：AI 领域的「GitHub」，分享模型和数据集 • ProductHunt ：发布你的 AI 产品，获取真实用户反馈 • 飞书 ：国内很多 AI 社群在飞书上，信息密度高 在一个快速变化的领域里，你的学习能力和实际产出，永远比一纸证书更有价值。 结语 写到这里，一万多字了。 如果你从头读到这儿，辛苦了。如果你是跳着读的，也完全没问题，这本来就是给不同阶段的人准备的。 你不需要从线性代数开始。你不需要学会写代码。你不需要读完所有论文。你只需要打开一个 AI 工具，开始跟它对话。 我一直觉得四个阶段：了解 AI，走进 AI，驾驭 AI，「超越 AI」。 超越不是说你比 AI 厉害。而是你知道怎么跟它协作，让 1+1 大于 2。你知道什么时候该依赖它，什么时候该相信自己。你能用它放大你的优势，而不是被它取代。 万维钢说过：「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。」 是的，以「我」为主。 AI 是工具，是伙伴，是放大器。但掌舵的那个人，始终是你自己。 人要比 AI 凶。 知易行难，从 0 到 1 最难。但开始了，路就清晰了。 如果你今天只做一件事，我的建议是：打开一个 AI 工具，跟它聊 10 分钟。随便聊什么都行。 不要等到「准备好了」再开始。没有人准备好了才开始的。都是开始了，才慢慢准备好的。 说不定下一个惊艳世界的点子，就来自你此时此刻的好奇心。 以上。 我是甲木，热衷于分享一些AI干货内容，同时也会分享AI在各行业的落地应用，我们下期再见👋🏻 行业报告 • 红杉资本《AI in 2026: The Tale of Two AIs》 • a16z《State of AI》 • Stanford HAI《AI Index Report 2025》 • McKinsey《The State of AI》 • Anthropic《2026 Agentic Coding Trends Report》 参考文章 • 沃垠AI 《AI学习资源精选（2025升级Plus版）》 《AI学习资源精选（2025升级Plus版）》 • CNBC《I took a 2 day vibe coding class and successfully built a product》 • Microsoft《Vibe Coding and Other Ways AI Is Changing Who Can Build Apps》 • Zapier《Vibe Coding Examples》 🔗 原文链接： https://mp.weixin.qq.com/s/ sTnbgoW... https://mp.weixin.qq.com/s/ sTnbgoW... 原创 甲木Zuiyn 甲木Zuiyn 甲木未来派2026年2月24日 08:18 北京 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 “AI学习清单” ，获取AI学习资源包 欢迎点赞、收藏、转发 🌹 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，第二章手把手带你入门。 建议先收藏，分几次读完！ 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