打开招聘软件看到一半岗位写着「会用 AI 优先」,刷到的课程从提示词到微调全在喊必学,反而不知道从哪下手。这篇不给你一份万能课表,而是给一套判断顺序:先分清哪些能力是长期底子、哪些只是当下工具,再按自己的岗位和时间预算挑学习方式,并说清什么情况下这套判断不成立。
打开招聘软件,一半岗位写着「会用 AI 优先」;刷到的课程从提示词一路讲到微调,全都喊着必学。结果是手里收藏了一堆链接,却不知道从哪下手。这篇不给万能课表,只给一套判断顺序:先分清哪些能力是长期底子、哪些只是当下工具,再按自己的岗位和时间预算挑学习方式。读完你至少能列出属于自己的学习清单,而不是跟着别人的进度条走。
核心思路一句话:先想清楚「这件事出错谁负责」,再决定学什么、怎么学、花多少时间。下面按四个角度展开,每个角度都配了能立刻动手的自查动作,最后再说说什么情况下这套判断不成立。
先分清三类能力,别把工具当本事
AI 时代要学的东西,其实可以粗暴地分三类。第一类是可迁移底子:把事情说清楚、把大问题拆成小问题、拿到结果会核对,这些换任何工具都用得上。第二类是工具操作:某个对话助手怎么调、某个编辑器插件怎么装,这类东西半年就可能换一茬。第三类是领域知识:你所在行业的流程、术语、判断标准,AI 既替代不了,也不会主动帮你补上。
| 能力类型 | 典型表现 | 该投入多少 | 什么时候优先 |
|---|---|---|---|
| 可迁移底子 | 拆问题、写清楚需求、核对结果 | 长期持续投入 | 任何时候都排第一 |
| 工具操作 | 某个助手、某个插件的具体用法 | 够用即可,随用随学 | 岗位本身就是工具型岗位时 |
| 领域知识 | 行业流程、术语、验收标准 | 越深越值钱 | 工作出错责任越重越要补 |
- 判断顺序:先看这项工作做砸了谁承担责任,责任越重,越要把领域知识补足,工具只用来提效
- 自查动作:把一周的任务逐条列出来,标注「AI 能不能做掉七成」,能做的先学怎么指挥它,不能做的才是深挖方向
- 反常识一点:越是新手,越容易高估工具操作的价值,因为底子和领域知识看不到即时反馈
学习方式按「有没有反馈」排序
同样一个知识点,用不同方式学的留存率差得很远。判断标准只有一个:这件事有没有真实的任务和验收标准。有真实交付物的学习方式永远排前面,纯输入型的排后面。别小看这个排序,它决定了你三个月后还能记得多少。
- 第一步:找真实任务拿手上正在做的一份报告、一段脚本、一张表格当练手对象,不要另找一个玩具项目。做完记录两个数:原来花多久,现在花多久。
- 第二步:对比返工次数同一件事,用工具做一遍和自己做一遍,比较需要回头改几次。返工少说明流程跑通了,返工多说明你还没摸到工具的边界。
- 第三步:换工具再跑一遍同一个问题换两个模型或两个工具跑,感受差异在哪。这比读十篇评测更能建立手感,具体选哪个可以到 /tools/speed-test 看当时的测试口径。
- 第四步:定期回看每周固定一段不被打断的时间集中练,比每天零碎刷十分钟有效,时长按自己节奏定,关键是别断。
- 纯看视频和读教程排最后,只适合建立名词概念,看完当天必须用一次,否则一周内基本忘光
- 找一个能问的人,或者找一个能对比的入口,比收藏一百篇攻略有用
- 学完立刻给别人讲一遍,讲不顺的地方就是没懂的地方
按身份挑起点:学生、职场人、转行者
不同身份的人,时间预算和容错空间完全不同,学习起点也应该不一样。下面这张对照表按身份给了起点建议,重点是先做减法,再谈学新东西。
| 身份 | 先做什么 | 别急着做什么 | 验收方式 |
|---|---|---|---|
| 学生 | 补基础概念,做有明确产出物的小项目 | 别把 AI 当作业代写工具,跳过思考环节 | 能做出一个能跑起来的小东西 |
| 职场人 | 从本岗位最耗时的三个环节入手 | 别一上来就报系统性长课 | 耗时下降或返工次数减少 |
| 转行者 | 先确认目标岗位真实要求,再定学哪一层 | 别只学工具,忽略行业流程和术语 | 能说清目标岗位一天在干什么 |
转行的人尤其容易踩坑:看到一个方向火热就冲进去学工具,结果面试时被问到行业里的实际问题答不上来。稳妥的做法是先去招聘信息里扒目标岗位的真实要求,再到站内 /ai-rankings 和 /models 看看这个方向的主流工具都是什么,再决定先补哪一层。
几个常见的白费力气
有些坑看起来在努力,实际上是原地打转。下面几条是最常见的,对照着检查一下自己中了几条。
- 追着版本号学:每出一个新版本就重新学一遍操作,成本高收益低,底层操作逻辑基本相通
- 把提示词技巧当终点:写清楚需求是通用能力,套模板解决不了需求本身模糊的问题
- 只收藏不产出:收藏夹里的教程数量和学习效果没关系,判断标准是有没有做出过能给别人看的东西
- 盲目升级付费档:先用免费额度或低档方案跑通流程,确认自己天天在用再考虑升级,价格口径可以到 /plans 和 /coding-plans 核对当时的数字
- 把 AI 当搜索引擎用:问一句抄一句,不校验不追问,长期下来判断力反而退化
一个简单的自检问题
学一个东西之前先问:如果我下个月换个工具,这个技能还在不在?答案是否定的,就别投入太多时间。下一步带着上面的自查清单,先花十分钟列出你一周的任务并标注 AI 能做到几成,然后到 /rankings 和 /price-watch 对照当时的工具与价格口径,再决定学什么、用什么。→
常见问题
不懂编程,AI 时代还需要学什么?
先把「把需求讲清楚」和「判断结果对不对」这两件事练好,这两个能力不依赖编程。工具层面挑一个对话助手和一个你行业里常用的垂直工具用熟即可。要不要学代码,取决于你的目标岗位是否要求交付可运行的东西,不要求就不必从语言入手。
工作太忙,每天只有半小时,怎么安排?
半小时只够做一件事,建议固定成「用 AI 完成一个真实小任务」而不是看教程。比如把当天的一份邮件、一段周报交给它起草再自己改,连续做两三周就能形成自己的用法。系统性课程留到有整块时间再补,临时刷两节效率很低。
报班和自学怎么选?
看你要的是概念体系还是动手能力。概念体系可以先到站内 /ai-dict 和 /stacks/atlas 把名词过一遍,成本低;动手能力靠班也靠不住,关键是有没有真实项目。如果你自律差、需要外部节奏,报班有用,但报之前先确认课程有产出物要求,而不是只有视频。