AI入门需要学哪些基础知识

入门与上手

给零基础转行者一份 AI 入门知识清单与学习顺序:先分清哪些必须学、哪些可以晚点碰,再按周安排验证方式。

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

  1. 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
  2. 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
  3. 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。

本文依据各平台公开文档与官方公告整理,只做中文归纳;具体做法、参数与限制以官方文档为准。