立正介绍这门课时，把目标受众说成有 Python 基础、想用 AI 解决自己真实问题并成为 builder 的人，课程主体是十个项目和反复挑战既有做法的训练⁠1。2026 年的更新里，改动最大的是 AI Coding，主课仍以 Cursor 为教学工具，虽然也补了非技术背景怎么把 AI 放进工作流的案例⁠2。所以它并不是“零代码也能学会用 AI 开会审资料”的课；如果你期待的是后者，投入和收获可能对不上。

立正认为 AI 是手艺而不是知识学科，看教程、懂概念会制造“我懂了”的错觉，真正长能力的是把模糊需求拆成任务、定义什么叫可用、定位失败原因⁠3。他还提醒，做出来只说明当下做得好，撤掉帮助、隔一段时间、换一道题还会，才算学会⁠4。你现在的感受是 Codex 和网页版能解决所有问题，这可能是真的，也可能是因为还没碰到需要自己拆解和验收的任务。一个可以试的做法：挑一件你工作里反复出现的事，比如把一份审查资料按固定标准过一遍，先写下你预判 AI 会错在哪，再让它做，对照结果。如果它每次都一次做对、你也说不出它哪里可能错，那说明当前确实没有需要课程补的缺口；如果它经常在判断标准上跑偏而你说不清怎么改，那才是课程可能帮到你的地方⁠5。

立正说技术选型最难的一层是知道该拿什么跟什么比、什么指标真正重要，这非常吃“吃过见过”的功底⁠6。电气工程师在测试、开会、审资料里积累的正是这类判断：什么算合格、哪里容易出问题、哪个约束不能动。课程教的是把这套判断搬到 AI 项目上，而不是替你产生判断。所以问题不是“我没代码能不能学”，而是你愿不愿意花时间把工作里的一个真实流程改造成 AI 能参与的形式。如果只是想省点查资料的时间，网页版已经够；如果想练的是“让 AI 稳定完成一整类原来做不好的事”，那才接近课程想教的东西⁠2。