立正明确说，名词（RAG、agent、fine-tune）都重要、都该学，但名词有边界：学了 RAG 就以为能解决那类问题，学了 agent 就以为模型会自己解决问题⁠1。他把市面多数教程归为“工具 tutorial”，只教怎么玩产品，属于第二层的 tinker 能力；要在工作里用好 AI，需要 Builder 和 Architect 的心态⁠2。另一篇知识库文章说得更直接：AI 不是知识学科，而是一门手艺，懂概念、会解释不等于能稳定交付结果⁠3。所以按这批材料，meta 层面的重点不是十个名词，而是少数几个反复出现的动作。

可以归纳出几条：一是把模糊需求拆成清晰的任务，立正给的模板是 Context、Component、Criteria，三者给不清，结果就会跑偏⁠4。二是损失函数思维，不只说好或不好，而要讲清什么是好、什么是不好，这是 evaluation 的核心⁠4。三是用管线而非单点解决问题，先想第一步输出什么中间件，再一步步往下推，并让人参与制定 evaluation 和终点线⁠2。四是把“点”连成“线”和“面”，从单次 prompt 走向可复用、可迭代的系统⁠5。五是用可迁移性检验自己：换任务、换工具、换领域还能交付，才算真学会⁠3。这是 AI 对上述片段的归纳，不是原文列出的十项清单。

如果你现在正打算列一张概念清单，可以换个练法：挑一个你手上真实的小任务，先用 Context、Component、Criteria 写清需求，再写下你判断“做好了”的标准，然后跑一遍、看结果偏在哪、回去改哪一项⁠4。这样练的是拆解和验收，而不是记住名词。判断有没有进步，看换个任务后这套动作还能不能用，而不是看能不能解释某个术语⁠3。