01
明确目标
用一句话写下「学完能做什么」。把模糊兴趣变成可验证结果，例如「能独立写一个 RAG 小 demo」。
AI 学习方法论五步
不要把 AI 当成搜索引擎的升级版。把它当成可对话的导师、陪练与审稿人。
02
拆解路径
让 AI 帮你画学习地图：前置知识、里程碑、练习题与时间盒。再自己删减到可执行的一周计划。
03
主动对话
先自己尝试，再带着困惑提问。要求 AI 用类比、反例、测验题解释，而不是直接给完整答案。
04
刻意练习
每天做一个「稍难一点」的小任务。用 AI 生成练习 → 你独立完成 → AI 批改 → 记录错因。
05
项目落地
用一个真实小项目收束知识。文档、代码、演示三位一体，才算真正学会。
练习闭环
高效学习者用「短反馈环」代替长时间被动阅读。
- 尝试先写、先想、先试，哪怕很粗糙。
- 提问把卡点讲清楚：我试了什么、期望什么、实际怎样。
- 校对请 AI 指出错误、给改进建议，不要照抄答案。
- 复盘用三句话总结：新知识、易错点、下次怎么练。
提示词工程要点
好的提示词 = 角色 + 目标 + 约束 + 输出格式 + 例子。
弱提示
教我机器学习
强提示
你是耐心的 ML 导师。我有 Python 基础，想在 2 周内理解监督学习并完成一个分类小项目。请：1) 给出学习地图；2) 每天 1 个练习；3) 用类比解释概念；4) 每节课末出 3 道测验题。
指定角色与水平
限制答案长度
要求逐步推理
先给框架再细化
要求反例与测验
常见陷阱
只问不练
对话很爽，但技能不涨。至少 50% 时间应独立产出。
盲目信任输出
AI 会自信地犯错。关键事实要交叉验证，代码要跑通。
没有可交付物
学完若没有项目、笔记或演示，知识很快蒸发。
目标过大
「成为 AI 专家」无法执行。改成两周可验证的小目标。
学习资源方向
方法比资源清单更重要。下面是建议的投入顺序。
基础素养数学直觉、编程与数据思维，能把问题说清楚。
模型使用对话、提示词、工具调用、RAG 与 Agent 基础。
项目作品集文档问答、自动化脚本、学习助手——做出来比看完课程更有价值。
从今天开始一个两周小目标
写下目标 → 请 AI 设计练习闭环 → 每天交付一点 → 周末复盘。