怎样从头开始学习ai

提问

AI根据立正公开的文章和视频整理,不是他本人回复

立正的主张是:学AI不要先啃概念或跟教程,而是从一个今天就能交给AI的真实任务开始,在动手和出错中练“动作”。

先动手,别先找课本

材料里的观点

立正明确反对两种入门方式:用课堂式方法先学原理知识点,以及跟着教程抄一遍顺利的demo。他说前者“全都是没有用的东西”,后者在真实世界“第一步就崩了”⁠1,2。他给出的替代路径是“在使用中逐步升级”:先从可信信息源起步,学会几个关键判断,把一两个高频任务迁到AI上,沉淀第一次成功经验,再做更复杂的项目⁠3。他也直接说:不要等“准备好了”才开始,找一个今天就能交给AI的任务,边做边学⁠3。

练的是动作,不是名词

材料里的观点

立正把入门定义为看到并提高“动词”对应的那些动作,而不是追最新概念;理由是工具、模型、框架天天变,动作却相对稳定,课程12期里约70%的动作没变,还会随模型变强产生复利⁠4。他举的例子是管理好上下文:模型上下文窗口变大,不等于不需要管理,反而更重要⁠4。他还说绝大多数问题出在runtime这一层,所以“动词比名词重要”,因为跑起来才有问题可解⁠5。

给自己搭一条能出错的路

结合提问者的处境

按立正的判断,普通人学AI会卡在四个节点:脑子懂了手不懂;玩具项目到真实应用;被动接收后自己判断取舍;从本机跑起来到部署交付⁠5。他提到配置、部署这类琐事消耗热情却不贡献学习目标,并认为部署交付重要,因为要让别人用上、得到反馈⁠5。他还提醒一个反直觉的风险:AI做对了,你以为自己也会了,于是不再自己试、不再换题检验,真正的学习就被跳过了⁠6。结合这些,你可以选一个自己真实需要的小任务(比如整理一份资料、做一个静态页面),先自己描述清楚要什么,再让AI做,遇到报错自己处理,最后交给别人用一次看反馈——这是AI根据上述判断给出的应用建议,不是立正针对你的具体方案。

这些材料主要讲学习方法和路径,没有给出完整的入门课程清单或具体工具选择建议;《AI Learning Free Starter…》⁠7提到的三篇入门文章只有标题,正文未提供。

回到7份原文

6 超线性学院 2026-09-30

假学习的终结 ↗

说明AI做对时“以为自己会了”的风险,以及自己先想、自己犯错的重要性。