很多人转行学 AI,第一周就卡在两件事上:网上清单太长,从数学到论文全堆在一起,不知道先学哪个;另一头是照着教程跑通了,却说不清自己到底掌握了什么。这篇不列书单也不排课表,只给一份能自查的知识地图:哪些是绕不开的地基,哪些属于用到再补,每一块用什么动作算过关。
很多人转行学 AI,第一周就卡在两件事上:网上的清单太长,从数学一路排到读论文,堆在一起不知道先动哪个;另一头是跟着教程跑通了,却说不清自己到底掌握了什么,换个小问题又不会了。这篇不列书单、不排课表,只给一份能自查的知识地图:哪些是绕不开的地基,哪些属于用到再补,每一块用什么动作算过关。
贯穿全文的判断逻辑只有一条:把「学过」换成「能拿它做成一件事」。学完一节不如留下一个记录——这周做了什么、卡在哪、怎么绕过去的。下面按四个角度拆:先分清层次,再看数学和编程的边界,然后定上手顺序,最后给自己一条入门线。
先把知识分成三层,别一锅端
零基础最容易犯的错是把所有东西当成同一优先级,结果每天在数学公式和提示词之间来回跳。建议先把要学的东西分成三层,每层的用途和验收方式都不一样,混着学只会两头空。
| 层 | 用途 | 过关动作 | 学到什么程度算够 |
|---|---|---|---|
| 工具层 | 建立体感,知道模型能干什么不能干什么 | 用现成对话产品做完一件你自己真的要用的小事 | 一两天上手,能正常提问、看懂报错提示 |
| 概念层 | 看懂后面的文档和别人的讨论 | 随机抽几个术语,用自己的话讲给外行听 | 不要求背定义,能举例说明即可 |
| 工程层 | 转行找活的实际门槛 | 写个小脚本调一次接口,把结果存成本地文件 | 能读能改别人的示例代码,不要求从零架构 |
- 工具层:会用对话助手、会写基本提示、能读懂报错大意,这层是给你建立体感用的,别恋战;
- 概念层:token、上下文、模型参数、幻觉这些词先弄明白指的是什么,决定你能不能看懂后面的文档;
- 工程层:会写一点脚本、会调接口、知道数据怎么进去怎么出来,这层才是转行求职时被真正问到的部分;
- 自查方式:随机抽五个站内术语,你能用自己的话讲给外行听,讲不出来的那层就是缺口,去 /ai-dict 对照一遍;
- 注意:三层不是严格的先后顺序,工具层和概念层可以并行,工程层建议放在有点体感之后再碰。
数学和编程要学到什么程度
这是转行者最容易被劝退的一段。结论先给:入门阶段数学不是前置条件,编程也不要求你写复杂程序。数学的作用是让你看懂「向量表示」「相似度」这类说法在讲什么,不是让你手推公式;概率和线性代数在这个阶段够用就行。
编程要求更低一些:能读写循环、函数、字典和文件,能照着示例调一个 HTTP 请求,就够起步了。具体到哪一步算够用,可以参考本分区 Python 相关入门路径篇,那里把每阶段该会的东西拆得更细。
- 数学的适用边界
- 看懂术语和文档里的表述即可;要做模型训练或算法岗,这条宽松标准不成立,那要求的是另一套底子
- 编程的适用边界
- 循环、函数、字典、文件读写、调接口;要做部署或性能优化,需要补的另一半在工程侧
- 不适用的情况
- 目标是算法研究员或训练侧岗位,数学和编程都得按科班强度补,本文的标准帮不了你
一个可执行的补课顺序
- 先带问题学上手用工具时遇到不懂的词再回头查,比如碰到 token 就去 /ai-dict/category/basics,带着真实问题记比空读教程牢
- 数学只补到能读看到文档里的向量、相似度、概率表述不发怵即可,不要为了完整学一遍线代停下来
- 编程从改代码开始找一段能跑通的短示例,改动其中一两行看输出怎么变,先建立输入输出的直觉,再考虑自己从零写
上手顺序:先摸工具,再补概念,最后接接口
顺序错了会很痛苦:一上来配环境、装依赖、对着报错查半天,人还没见到模型长什么样就先放弃了。建议倒过来,先用现成产品做一件真实的小事,产生自己的问题,再顺着问题补概念,最后才走接口这条路。
- 第一步:用现成产品做一件你自己的事,比如整理一份资料、写段小脚本、翻译一批文本,目的是产生真实提问;
- 第二步:带着问题去查概念,遇到不懂的词就去站内术语库,按分类顺着看,比从头读教程记得住;
- 第三步:走上接口这条路前,先看 /guides/llm-api-prep-checklist 把要备的东西对齐,别一上来就折腾环境;
- 第四步:每步留个记录,这周做了什么、卡在哪、怎么解决的,三周后回看比任何课程证书都管用。
记录这件事容易被跳过,但它是唯一能让你回头看时知道自己走到哪的东西。不带记录的学习,过一个月你会觉得什么都没学到,其实只是没留下证据。
怎么判断自己过了入门线
入门线不是学完某个课,而是几个动作能自己做出来。下面这几条能对上,说明地基差不多了;对不上也不用急,缺哪条补哪条就行。
| 能做的事 | 说明你已经掌握了什么 |
|---|---|
| 把模糊需求拆成一段可执行提示 | 表达和拆解能力,知道输出不合格时该改哪句 |
| 看一份模型或接口介绍页,能说它适合什么活 | 判断力,贵不贵、数字去对应官方价格页现查,去 /price-watch 核对当时的数字 |
| 遇到报错先看错误文本再搜 | 排查习惯,不会一有事就换工具重来 |
- 正面信号:能说清一个需求的边界,知道什么它做不了;
- 正面信号:看介绍页先找限制条件,而不是先看参数多漂亮;
- 负面清单:只收藏教程不动手、只背术语不写东西、一上来就纠结选哪个模型,这三件事最容易拖住进度。
入门不是把知识看完,是能拿最小的一块做出东西。下一步把上面的自查清单对着走一遍,缺口在哪一层就先去补哪一层;顺手到站内术语库和接口准备清单核对一下,比继续刷教程更快见效。→
常见问题
完全没基础,先学数学还是先学工具?
先学工具。用现成产品做几件小事,你会自然冒出「它为什么记不住上文」「这段为什么算我钱」这类问题,带着问题再去补概念和数学,吸收快得多。反过来先啃数学,多数人三周内就停更了。除非你的目标是算法研究岗,那才需要把顺序倒过来。
要学的东西太多,有没有可以暂时跳过的?
可以跳的有三类:模型训练与微调细节、底层架构推导、各家模型参数横评。这些属于用到再补,前期知道它们存在就行。不能跳的是概念词和基本操作,因为后面所有文档都建立在这上面。判断一个知识点该不该现在学,问自己一句:这周的工作里用得上吗。
自学多久能算入门,怎么验收?
别用时间验收,用产出验收。给自己定三个可交付物:一份能复用的提示模板、一个跑通的小脚本或小流程、一篇讲清某个概念的笔记。三样都能拿出手,就算过了入门线。具体进度因人而异,价格和课程类信息去 /plans 与编程套餐目录看当时的口径,别拿别人的时间表压自己。