Learning Path
AI101 学习路径：从时代判断到企业工作流
先看清 AI 时代的变化，再建立概念、工具、Prompt、Agent 和企业落地之间的衔接关系。
Module 01
现在 AI 已经发展到什么程度了
最直观的变化，是 AI 已经能在多个创作领域生成可用初稿：代码、文章、音乐和视频。它把“想法到第一版作品”的距离大幅缩短，后续再由人修改、判断和发布。
返回目录
Capability Cases
四类最容易感知的 AI 创作能力
从办公文本到软件代码，从音乐小样到视频镜头，AI 已经可以把模糊需求转成可以继续编辑的作品。下面每个方向都对应真实工作里的常见用法。
开发生产
写代码
AI 可以根据自然语言需求生成代码、解释旧项目、修复报错，并把重复操作写成脚本。它已经从“给建议”推进到“交付可运行初稿”。
这些能力的共同点：AI 已经能快速生成第一版作品，但质量、事实、版权、品牌调性和最终发布仍需要人来确认。
Module 02
AI 时代对每个人意味着什么
AI 不是一次普通工具升级，而是一轮全球岗位再分配。它会在全球大致消灭 4-5 亿个传统工作岗位；任何不跟 AI 相关的岗位都有可能会被替换掉。
返回目录
Personal Shift
岗位会重组，人的价值会重新定价
接受阻力
最不接受 AI 的两类人
不接受 AI 往往来自两种极端心态：一种是技术自信带来的轻视，一种是技术恐惧带来的逃避。
AI 时代不是只拼工具清单，而是拼“专业能力 × AI 协作”的复合能力。工具负责加速，人负责方向、判断和结果。
人工智能 AI
识别、预测、生成、规划、辅助决策
机器学习
AI 的一类方法：从数据中学习规律
大语言模型 LLM
机器学习里处理语言的一类模型
GPT / ChatGPT
LLM 的代表模型与产品入口
包含关系
AI ⊃ 机器学习 ⊃ LLM ⊃ GPT / ChatGPT
人工智能 AI
AI 是让计算机完成通常需要人类智能才能完成的任务的一类技术，比如识别、预测、生成、规划和辅助决策。
计算机视觉识别图片、视频和视觉缺陷
语音识别把语音转成文字，支持会议记录和实时对话
自然语言处理处理和生成人类语言，LLM 就在这个方向里
推荐与预测预测到达时间、推荐商品、发现业务风险
2018 GPT
模型开始展示“读大量文本后续写”的能力，但普通人还很难直接感受到产品价值。
Module 04
大语言模型怎么工作：Token 与上下文窗口
LLM 不是逐字理解，而是把文字切成 token，再在上下文窗口里预测下一段内容。输入一段文本后，右侧会显示 token 数量和上下文窗口占用比例，帮助理解文本长度、多轮上下文和调用次数如何影响模型处理任务与成本。
返回目录
Demo Task
把客户会议纪要整理成销售跟进计划
客户是一家制造企业，正在评估 AI 在销售和客服流程中的应用。我们希望让销售团队快速知道客户目标、当前痛点、预算线索和下一步行动。
随便问
“帮我整理一下会议纪要。”
明确问
“请基于会议纪要输出销售跟进表，区分已知事实、合理推断和待确认问题，并列出负责人和下一步。”
点一次，看两种输出差异
左边通常泛泛整理，右边更容易得到可执行结果。
正确使用 AI
把 AI 当成可训练的工作系统
知道输入要包含目标、背景、材料、限制和验收标准；输出要有格式、边界和可检查结果。
指出哪里错、为什么错、希望改成什么样，而不是只说“再好一点”。
让 AI 解释概念、举例、出练习、追问薄弱点，把学习变成连续对话。
把会议纪要、资料整理、表格解释、邮件初稿、周报复盘等重复工作逐步交给 AI 辅助。
错误使用 AI
把 AI 当成新名词和玩具
只会说 Agent、MCP、Workflow、Skill，但讲不清输入、输出、工具调用和结果检查。
随便安装和使用自己不懂原理的 AI 工具，例如小龙虾、Skill 等，最后不知道它在读什么、改什么、传什么。
没有目标、没有材料、没有约束，一路发散聊天，最后没有可交付结果。
模型说什么就信什么，不核验事实、数据、引用、代码和对外承诺。
Module 09
企业如何落地 AI：从一个小自动化开始
AI 落地不要一开始就做大系统。先自动化最简单的一个工作，把入口做成自己愿意用的方式，坚持使用度过怀疑期，最后跟同事用 AI 交流。
返回目录是否真的省事这个小工作有没有减少重复劳动
是否愿意打开网页、App 或按钮入口是否顺手
是否持续使用有没有撑过最初觉得麻烦的阶段
是否能跟同事用 AI 交流能不能用 AI 对齐问题、事项和下一步行动
Next Step
开始你的企业 AI 转型路径
先用 AI101 建立团队共同语言，再选择一个高频、边界清楚、可评测的流程进入试点。
