Concept Lab
AI 概念实验室：点击概念，右侧切换例子
AI 概念不要只看一行定义。你可以点击概念、切换例子，再把它放回自己的工作场景里理解。
Active Concept
模型
模型负责理解和生成内容，但它不是搜索引擎，也不是自动正确的员工。
例子：让 AI 根据会议记录整理客户需求，它能帮你组织语言，但不能替你确认客户没说过的事实。
Must Know
企业员工必须先掌握的 8 个核心判断
后面所有行业页和公司页都建立在这 8 个判断上。你不是记工具名，而是学会判断任务该怎么交给 AI。
概念
一句话
你要会做什么
典型例子
ChatGPT vs Codex
先选工作台，再写任务。
判断是表达整理、工具调用，还是项目开发。
写会议纪要用 ChatGPT；改网页和跑验证用 Codex。
本地工具 vs MCP
本地工具处理已有材料，MCP 连接真实系统。
判断资料在本机、网页、云盘、邮箱还是数据库。
PDF 转 Markdown 是本地工具；读 Drive 项目文件夹是 MCP。
前后端数据库
软件不是一个文件，而是多层协作。
知道页面、接口、数据分别在哪里。
按钮显示错误可能是前端，也可能是接口或数据问题。
规划和执行
复杂任务先只读规划，再动手修改。
要求 Codex 先列影响范围和验证方式。
“先不要改代码，先读项目并给计划。”
AGENTS.md
给 Codex 的项目操作手册。
写清目录、运行、禁区、验收标准。
不要改生产配置；改完必须跑测试。
Agent
让 AI 持续推进多步骤任务。
把目标、边界、验收和复核点说清。
持续排查一个客户现场问题。
Skill
把常用方法固化成可复用流程。
安装、调用、改写适合公司场景的 Skill。
PPT Skill、复盘 Skill、设计 Skill。
MCP
AI 连接外部系统的标准接口。
登录前判断权限、范围、是否可写。
GitHub、Gmail、Drive、数据库、浏览器。
Learning Pathway
学习线路图：一页一页推进
不要把它当目录看。每个色块就是一个学习步骤，完成一个再进入下一个。