谈谈AI时代的学习法则，兼C哥国庆杭州线下训练营

一、看教程学不会：得在真实任务里干中学

学 AI 属于强实操的技能型训练，类似学游泳，必须亲自下水。

网上的视频和图文教程，往往是作者反复试错多次后的最终成果，或者默认跳过了繁琐的环境配置与前置条件。在屏幕前看别人操作得丝滑流畅，容易产生「我已经掌握」的错觉；一旦离开教程进入实际操作，立刻会在报错和各种问题前停滞。

因为看教程不等于学会用 AI。打破这种认知错觉的唯一途径，是把新工具或技巧直接扔进自己的真实任务里跑一遍，跑通了才算真正沉淀下来。

进一步的深化是公开化实践，也就是在实战中输出。写一篇复盘记录、封装一个自用的 Skill，把成果暴露给真实场景和他人。报错和真实的外部反馈，会倒逼自己把底层机制吃透。

我们知识星球的日课其实就提供了一个很好的环境。大家可以结合自己的业务去实操一遍自己的流程，然后写作打卡分享出来，获得大家的反馈。同时，也能看到别人的复盘记录，去优化自己的实践。

二、结合具体业务学习、掌握基础知识

面对新技术，最常见的误区是试图先花几个月啃完底层理论再动手。

脱离具体业务场景的基础知识，会难以形成稳固记忆，在实际开展工作时也很少用到。正确的节奏是以终为始，根据自己的实际需求和痛点，逆向梳理必备知识，需要学什么就学什么。

此外，必须强调，随着 AI 使用深度的增加，基础知识的价值不仅没有缩水，反而变得前所未有的关键：

• 在编程中，模型默认倾向于给出能跑就行的简易方案。懂编程基础的人在验收时会本能排查安全边界，例如防止前端代码硬编码api-key，防止盗刷。

• 在设计中，面对模型快速生成的几个版本，缺乏审美基础的人只会提出模糊的「改高级一点」，而懂排版、对比与视觉层级的人，则能精准给出明确指令。

• 在视频创作中，外行面对别扭的肢体运动往往只能感叹「看起来很怪」，懂动画物理规律的人则能一针见血指出关键帧缺少预备动作与缓冲减速，从而针对性调整提示词或裁切素材。

模型承担了繁琐的执行，人则负责定义问题、判断、明确约束条件、把握标准和目标。

三、掌握能力范式，而非FOMO（害怕跟不上最新的东西）

面对每周层出不穷的新模型和新软件，逐一跟进只会陷入持续的精神内耗。解决焦虑的核心抓手，是把注意力从外在工具转向底层范式。