入门 适合照做后调整 7 天
从零开始，用 AI 完成一个真实任务
先不要系统学完所有概念，先用 AI 做出一个具体东西。
作者与边界
Open Learning Founder
作者不是 AI 领域专家，而是一个持续使用 AI 工具学习和实践的自学者。此路径的价值不在于权威结论，而在于记录一个非专家如何从真实任务出发逐步建立 AI 使用能力。
目标用户
完全不知道如何开始学习 AI，或只零散用过 AI 工具、但还没有形成稳定实践方法的人。
起点
会使用电脑和浏览器，不需要编程基础。
Goal
用 AI 完成一个真实的小项目，并理解如何向 AI 提问、验证和迭代。
- • 一个完成度可展示的小项目
- • 一套自己的 prompt 记录
- • 一份复盘笔记
Steps
照着做的步骤
Step 1
选一个足够小的真实任务
避免先陷入课程和概念，用一个真实目标建立学习动机。
具体怎么做
- • 写下一个 7 天内能完成的小任务，例如整理一份学习清单、做一个简单页面、写一篇研究笔记。
- • 用一句话说明完成后要给谁看，以及什么算完成。
任务与产出
任务：让 AI 帮你把任务拆成 5-7 个步骤。
产出：一份包含目标、步骤和完成标准的任务说明。
预计：30-60 分钟
检查标准
- • 任务能在 7 天内完成。
- • 完成结果可以被别人看见或使用。
- • 每一步都能用一句话解释。
Step 2
建立第一套 prompt 记录
让学习过程可复盘，而不是只得到一次性答案。
具体怎么做
- • 每次向 AI 提问时记录原始 prompt。
- • 记录 AI 的回答哪里有用、哪里不准、你如何追问。
任务与产出
任务：完成至少 10 轮围绕同一任务的 prompt 迭代。
产出：一份 prompt 记录表。
预计：2-3 小时
检查标准
- • 每条 prompt 都能看出你的意图。
- • 至少有 3 次基于 AI 回答继续追问。
- • 记录了至少 2 个回答不可靠或需要验证的地方。
Step 3
用外部来源验证关键内容
训练不要把 AI 输出直接当事实。
具体怎么做
- • 找出 AI 回答中 3 个关键事实或建议。
- • 用搜索工具或原始来源验证它们。
任务与产出
任务：为你的项目补充一段“我如何验证”的说明。
产出：一份带来源链接的验证笔记。
预计：1-2 小时
检查标准
- • 每个关键判断至少有一个外部来源。
- • 你能说清楚哪些地方仍然不确定。
Step 4
交付一个可展示的小成果
把学习从“理解”推进到“产出”。
具体怎么做
- • 根据前面步骤完成一个小成果。
- • 让 AI 帮你做最后检查，但由你决定最终版本。
任务与产出
任务：发布或保存你的成果，并写 200 字复盘。
产出：一个小成果和一份复盘笔记。
预计：2-4 小时
检查标准
- • 成果可以被另一个人打开或阅读。
- • 复盘里写清楚 AI 帮了什么、没帮上什么。
Adaptation
如何改造成自己的路径
可以替换任务主题，但不要跳过“记录 prompt”和“验证来源”两步。它们是从工具使用走向稳定学习方法的关键。
Resource nodes