普通人学 AI 的路径：四个阶段，每阶段具体干什么
经常有人问"我想学 AI，从哪开始"。我的答案一直没变：先找一个你手上真实、重复、烦人的任务，用 AI 把它做了。能跑通一件，比看完十节课有用。
下面是分四个阶段的路径，每阶段两三个月，每周 3 到 5 小时就够。
一、第一个月：用起来，别学原理
这个月唯一的目标是把 AI 变成顺手的工具，而不是研究对象。
具体做三件事：
- 找出一件你每周都要做的重复劳动。周报、会议纪要、客户回复、表格整理、朋友圈文案，什么都行。用它做一次，做完对比一下自己做的版本，看差在哪。
- 学会给上下文。同样是"帮我写个回复"，给不给背景资料，结果天差地别。这是第一个要练的基本功。
- 每天至少用一次，连续三十天。不是学知识，是养习惯。
这个阶段不要做的事：不要看原理文章、不要碰模型训练、不要研究 prompt 工程的各种流派。先攒够"它哪儿灵、哪儿不灵"的直觉，后面学什么都快。
判断过关的标准：你能说出至少三件"这个交给 AI 我省了多少时间"的具体事情。
二、第二到三个月：把 AI 嵌进工作流
从"偶尔用一下"变成"流程里有它"。
具体做：
- 给每个重复任务建一条固定提示词。存成模板，下次直接套。比如"周报模板"就是：本周做了什么 + 遇到什么问题 + 下周计划 + 语气要求。
- 学会分步骤给任务。一次让它写完整报告，不如先让它列提纲、你改提纲、再让它按提纲写。质量差别很大。
- 开始用它处理你自己的材料。把你的文档、数据、笔记喂进去，而不是让它凭空生成。这一步是从"玩具"到"工具"的分界线。
- 试一次批量处理。比如二十封同类邮件、一百条数据清洗，体会一下规模化是什么感觉。
判断过关的标准：你有自己的提示词库，有五条以上能直接复用的模板。
三、第四到六个月：做完一个完整项目
这是变化最大的阶段。选一个你想做但一直没做的事，用 AI 做完它。
几个门槛合适、做完有成就感的方向：
- 用本地 TTS 给一批绘本或文章配音，做成成品
- 做一个解决自己需求的小工具，哪怕只是个脚本
- 批量处理一批数据，产出一份报告
- 用 AI 音乐做一首歌，从写词到发行跑一遍
- 搭一个自己的小站或者知识库
这个阶段真正要练的是三件事：
- 拆任务：把一个大目标拆成 AI 能接住的小块
- 验收：判断它的产出对不对、够不够好
- 迭代：第一版不行，你能说出哪里不行，让它改哪儿
这时候再回头补原理（什么是 token、上下文窗口是怎么回事、为什么会幻觉），带着问题学，两三天就能看进去。
四、长期：选一个方向扎下去
半年之后，横向的"会用 AI"已经不稀缺了，值钱的是"某个领域 + AI"。
三条建议：
- 选一个你本来就熟的领域。做财务的就研究 AI 加财务，做音乐的就研究 AI 加音乐。跨界优势在"你懂业务"，不在"你会用工具"。
- 开始关注成本和边界。什么任务用大模型、什么用小模型、什么根本不该用 AI。能算清这笔账的人不多。
- 建自己的知识库和提示词库。踩过的坑写下来，好用的提示词存起来。这是你真正的资产，换工具也带得走。
五、几个提醒
- 别追新。工具一个月换一波，追不动也没必要。手上这个能用，就先用熟。
- 别只看不练。看教程看十小时，不如自己动手一小时。这是最多人卡住的地方。
- 别怕问蠢问题。AI 不会笑你，这是它当老师最大的优势。
- 保持怀疑。它说错的次数比你想象的多。凡是重要的结论，自己验证一遍。
六、怎么判断自己有没有进步
一个很简单的标准：你能不能说清楚 AI 在哪一步具体帮到了你，省了多少时间。
说得出来，就是在往前走；说不出来，只是在消费内容。每周 3 到 5 小时，认真走三个月，你会超过绝大多数只看不练的人。