展开步骤
具体怎么做- 找一篇 800 到 2000 字的文章，可以是公众号、博客、课程笔记或新闻。
- 复制文章正文到 ChatGPT，要求它输出：100 字摘要、3 个要点、1 个你应该继续追问的问题。
- 对照原文检查 AI 有没有编造，没有依据的内容直接删掉或要求重写。
快速定位
选择我的起点
不同基础不要从同一页慢慢翻。回答 3 个问题，页面会告诉你现在该从哪里开始，并直接推荐今天该做哪几项。
AI 学习助手
输入基础和时间，生成今天计划
通过同源 /api/chat 调用服务端代理，自动生成今天计划、提示词模板、项目验收清单，避免 API Key 暴露在前端。
马上开始
今天先做这 5 件事
资料很多，但第一步必须短、清楚、能完成。今天只做下面 5 项，做完就算开局成功。
展开步骤
具体怎么做- 把普通提示词升级成专业模板：角色、任务、背景、约束、输出格式都写进去。
- 加入“不确定请标注，不要编造事实”的限制。
- 让 AI 自检一次：是否遗漏重点、是否有未经证实的事实、是否符合格式。
展开步骤
具体怎么做- 打开终端，运行 python3 --version，确认能看到版本号。
- 创建一个学习文件夹，例如
ai-practice，之后所有小脚本都放这里。 - 运行
python3 -m venv .venv，先知道虚拟环境是项目专用工具箱。
展开步骤
具体怎么做- 创建 input.txt，粘贴一段中文文章或会议记录。
- 创建
read_text.py，读取文件内容，打印总字数和前 500 字。 - 故意把文件名写错一次，观察报错，记下错误原因。
展开步骤
具体怎么做- 写出输入、输出、用户、限制、验收标准这 5 项，不要先写代码。
- 输入先只支持 txt，输出先只做摘要、关键词、行动项。
- 列出 3 个失败场景：空文件、超长文件、AI 没按 JSON 输出。
明天推荐
完成 3 项后，明天开始 API 调用和 JSON 输出。
如果今天只完成 1-2 项，明天先补齐提示词模板和 Python 文件读取，不急着接 API。
今日进度
0 / 5
能力地图
你真正要掌握的 8 项能力
先别去啃大模型算法。做应用的主线是把模型接进软件和业务流程，并且能稳定评估效果。
提示词
角色、任务、背景、约束、示例和输出格式。
API 调用
Python/JavaScript、HTTP、JSON、流式输出和错误处理。
结构化输出
让模型稳定输出 JSON，方便程序读取和校验。
RAG 知识库
文档切分、Embedding、检索、引用和资料不足时拒答。
Agent 和工具调用
让模型调用函数、查询系统、生成草稿，并对高风险动作加确认。
评测
用测试集看准确率、幻觉率、拒答正确率、成本和延迟。
部署
环境变量、日志、限流、HTTPS、数据库和 API Key 安全。
运营迭代
记录用户问题、分析失败案例，持续优化提示词和知识库。
主路线
6 个月路线
如果每周学 8 到 12 小时，按这个节奏走。每天 3 到 5 小时可以压缩到 3 个月。
第 1 个月：提示词 + Python + API
做提示词库、文本批处理脚本、第一次模型 API 调用。
Web 小应用
用 Streamlit 或简单前端做 AI 文档总结器。
RAG 知识库
做个人知识库问答，支持引用来源和资料不足拒答。
Agent 和工具调用
让模型调用 3 个工具，记录每一步执行日志。
评测、监控、成本优化
准备 100 条测试集，统计正确率、成本和耗时。
部署上线和作品集
把一个应用部署到公网，整理 README、截图和演示。
阶段卡片
每个阶段，你应该做哪些东西
每一阶段都必须有产出。没有产出，就只是看过资料，不算真正学会。
认知入门
理解大模型能做什么、不能做什么。
产出：《AI 能力边界笔记》提示词工程
写 30 条提示词，把 10 个普通提示词改成专业模板。
产出：个人提示词库 v1Python 和 API
读取文件、解析 JSON、调用模型 API、处理失败重试。
产出：AI 文本处理命令行工具第一个 Web 应用
上传文档、总结、提取观点、生成行动项并下载结果。
产出：AI 文档总结器RAG 知识库
切分文档、建立向量索引、检索片段、回答并显示引用。
产出：个人知识库问答机器人工具调用 Agent
从单工具调用开始，逐步做到多工具选择和人工确认。
产出：能调用 3 个工具的 Agent评测和监控
建立测试集，记录回答、检索内容、成本、耗时和错误类型。
产出：项目评测报告部署上线
学习环境变量、日志、限流、文件大小限制和 API Key 安全。
产出：公网可访问应用学习节奏
本周行动表
选择你每天能投入的时间，页面会给出最适合的学习节奏。先稳定，再加速。
20 分钟学概念，30 分钟动手，10 分钟复盘
适合下班后保持连续性。每天必须留下一个可见产出：一条提示词、一个脚本、一页笔记或一个测试问题。
- 周一理解 Prompt、Token、上下文、幻觉。
- 周二写 5 条专业提示词，并做一次自检。
- 周三安装 Python，完成 txt 读取脚本。
- 周四学习 JSON，让 AI 按固定字段输出。
- 周五调用一次模型 API，保存结果到本地。
- 周末写 200 字复盘，规划 AI 文档总结器。
作品集
最值得做的 3 个代表作品
不要收藏十几个教程。把这 3 个作品做出来，已经足够证明你从入门走到中级。
证明你会提示词、API、文件处理和基础界面
- 上传文档，生成摘要、关键词、待办事项。
- 输出 Markdown，支持复制和下载。
- 长文档要分块总结，不能一股脑塞进模型。
证明你会 Embedding、向量数据库、引用和拒答
- 上传 PDF 或 Markdown，自动切分并建立索引。
- 回答时显示引用来源。
- 资料不足时明确拒答，不编造。
证明你会函数调用、参数提取、多步骤执行和人工确认
- 能调用 3 个工具，例如查询、写表格、生成邮件草稿。
- 高风险动作先生成草稿，再人工确认。
- 记录每一步工具调用日志。
上线实战
这不是静态笔记，已经是一个在线产品
本站已经完成域名、HTTPS、VPS 和 Nginx 静态托管。下一步会把 OpenAI API 反代接进来，变成可交互的 AI 学习助手。
正式域名
已部署 HTTPS
使用 Let’s Encrypt 证书，HTTP 会自动跳转到 HTTPS。
Nginx 静态托管
站点部署在 VPS 上，由 Nginx 提供静态文件服务和缓存头。
下一步：OpenAI API 反代
把 API Key 放在服务端，通过 `/api/chat` 给前端调用，避免密钥暴露。
验收标准
做到这些，才算真正学会
大模型应用不是“能聊两句”就结束。你要能解释、能实现、能测试、能上线。
避坑
不要只看视频，要用项目逼自己前进
小白最容易卡住的地方不是智商，而是路线太散。固定主线，少换工具，多做产出。
不要只看视频
每学一个知识点，必须做一个小功能。
不要疯狂收藏工具
先固定一个主模型、一个开发语言、一个框架。
不要一上来微调
先学 RAG，多数知识库问答场景更适合它。
不要迷信复杂 Agent
能用规则解决的不用 Agent，能单工具解决的不用多 Agent。
不要忽视评测
从第一个项目开始，就保留测试问题和错误案例。
不要脱离业务
AI 应用不是炫技，必须解决真实问题。
下一步
今天完成 5 个动作，明天开始 API。
你的正确路径是：先会用，再会调，再会接 API，再会做知识库，再会做 Agent，再会评测，再会上线。
回到今日任务