学 AI 两年，我整理了一份不焦虑的学习路径

两年前的某个深夜，我刷手机刷到凌晨两点。那天干的事特别典型，看到一篇「零基础入门大模型」点收藏，看到一个「必看AI工具合集」点收藏，刷到一条「再不学AI你就被淘汰了」的短视频，心跳快了一下，又点了个收藏。

关掉手机的时候，收藏夹里多了十几个链接，脑子里却什么都没留下。

那种感觉很怪。明明囤了一晚上「干货」，却觉得自己比开始刷之前更空虚，更慌。后来我琢磨了很久才想明白，收藏不是学习，收藏是焦虑的安慰剂。你点下去那个瞬间，大脑给你一种「我正在进步」的错觉，其实你只是把信息从一个列表搬到了另一个列表。

这件事我干了大半年。

焦虑不是你的错，是信息在过载

坦率的讲，这两年我见过太多人被「学AI」这件事压得喘不过气。不是他们不够努力，是这件事本身就被设计成了一台焦虑制造机。

你想想看，每天都有新模型发布，每周都有人晒出新玩法，朋友圈隔三差五就有人转「AI取代XX职业」的文章。你刚觉得搞懂了一个概念，第二天它就过时了。这种感觉就像你在跑步机上跑，速度一直在被调快，你拼命跑还是停在原地。

我自己有段时间也这样，订阅了十几个公众号，加了七八个学习群，买了一堆课。信息像潮水涌过来，越想追上越觉得自己落后。

后来我想通了一件事。焦虑的真正来源，不是知识太多学不完，而是你没有一条自己的路径。当你不知道该学什么、不该学什么的时候，所有信息看起来都重要，所有信息又都不重要，你就只能全收着，全焦虑着。

害怕落后是人之常情，我不觉得这是弱点。但盲目害怕只会让你不停地囤，囤到最后你收藏夹里的东西比你学过的多十倍，那个落差反而更让人崩溃。

所以我想先把最重要的一件事说清楚，学AI这件事，得先分清你是走哪条路。

先分清两条路，你是哪一种

我见过太多人焦虑，焦虑的根源其实是把两条完全不同的路混在了一起，然后两边的任务全往自己身上堆。

第一条路，用AI的人。

你不是要进OpenAI，不是要自己训模型，你只是想把AI用起来，让它帮你干活，帮你省时间，帮你多赚点钱。程序员用它写代码，做运营的用它写文案，做设计的用它出图，做老师的用它备课。你是把AI当工具的人。

第二条路，做AI的人。

你是要往模型本身使劲的。想搞懂transformer是怎么回事，想自己微调一个模型，想进AI公司做算法或者工程，甚至想创业做AI产品。你关心的不是「怎么用」，而是「怎么造」。

这两条路的目标完全不同，路径也完全不同。但我发现一个特别普遍的现象，很多人明明走的是第一条路，却逼自己去啃论文、学数学、看源码，觉得自己不把这些搞懂就不配说自己在学AI。也有人明明该深挖技术底层，却天天在那调提示词，觉得自己已经在「做AI」了。

方向搞错了，越努力越焦虑。

我自己踩过这个坑。一开始我啥都想学，数学也想补，工程也想搞，提示词也天天练，结果哪样都半吊子。后来我才认清自己其实就是个用AI的人，目标是用它把事情做出来，不是成为研究员。认清这件事的那一刻，焦虑少了一大半。

所以先问自己一句，你是要用AI，还是要做AI。这个问题想清楚了，后面的路才好走。

用AI的人，这三层一层一层来

如果你是走「用AI」这条路，我自己的经验是分三层，一层一层递进，别跳着来。

第一层，提示词。

就是把话说清楚。听起来简单，其实很多人卡在这一层。你给AI的指令越具体、越有上下文，它给你的东西就越靠谱。这一层不需要学什么高深技巧，就是练，反复练。你给它一个模糊的需求，看它给你一团废话，你再把需求细化，看它变好一点，这么来回几次，你就知道怎么跟它说话了。

这一层的学习成本很低，就是多用，多试。我自己前几个月天天跟Claude和ChatGPT聊天，啥正事都没干，就是聊，把它当个话唠朋友，看它怎么回应。聊多了你自然就知道边界在哪。

第二层，工作流。

单次对话能解决的事很有限。当你开始把好几步串起来，让AI帮你完成一个完整的任务，你就进入工作流了。比如你想写一篇文章，先让它帮你列大纲，再根据大纲分块写初稿，最后让它帮你改语气和错别字，这就是一个最简单的工作流。

这一层的关键不是工具多花哨，是你得想清楚一件事的流程本来是什么样的，哪些环节AI能接，哪些得你自己来。我见过太多人一上来就想搞自动化，结果搞出来的东西比手动还费劲。工作流的设计感比技术重要。

这一层会有点笨拙期，一开始你搭一个流程花的时间可能比手动做还长，这很正常。扛过去就好了。

第三层，Agent编排。

到这一层，AI不再只是你一步步指挥的工具，它开始能自己跑一段了。你给它一个目标，它自己拆任务、调工具、做判断、来回试错。这就是Agent。

说真的，这一层现在还在快速变化，工具和框架隔几个月就换一轮，我的建议是别急着All in某个框架。先理解Agent是怎么思考的，它怎么拆任务，为什么会跑偏，怎么给它加护栏。这些底层的东西比具体某个框架耐用得多。

这三层是递进的，不是并列的。没把提示词练熟就跳去做Agent，你连它为什么出错都看不懂。一层一层来，别急。

做AI的人，得换一种学法

如果你要走「做AI」这条路，那就是另一套打法了。我也只能讲讲我观察到的，不敢说有多权威，毕竟我自己主攻的是用而不是造。

这条路的底子是数学。线性代数、概率论、微积分，这三样是绕不开的。你不用学到能拿满分，但矩阵运算、梯度下降这些概念你得能看懂，不然论文里每一行都在劝退你。

然后是工程能力。做AI不是只会调模型就行的，你得会写代码，会处理数据，会部署，会调性能。很多时候真正卡住你的不是算法本身，是你的工程基本功不够，数据pipeline跑不通，模型上线一秒挂掉。

最后是找一个垂直领域深扎。通用大模型现在是巨头的游戏，普通人想在这里出头太难了。但垂直领域还有大量机会，医疗、法律、教育、金融，每一个领域都需要既懂AI又懂行业的人。你不需要什么都懂，你需要在某个领域比别人深。

我得坦诚说，这条路的学习曲线是真的陡，时间成本也高。不是几个月能见效的事，得做好打持久战的准备。如果你只是焦虑想追个风口，这条路不适合你，它只适合那些真的对技术本身有热情的人。

最重要的一步，做个自己的东西

聊了这么多路径和分层，我想说一件我觉得比所有路径都重要的事。

动手做一个自己的东西。哪怕很小，哪怕很烂。

这是我两年里最深的体会。你看再多教程，刷再多视频，都不如自己从零做一个东西出来。哪怕只是一个用提示词拼起来的小工具，哪怕只有你自己用，哪怕界面丑得没法看。

因为做东西的过程会逼着你把所有零散的知识串起来。你会发现自己以为懂了的东西其实没懂，会发现一些教程里没提的坑，会真正建立起对AI的体感。这种体感是看再多文章都换不来的。

我自己的转折点就是做了第一个真正给自己用的小工具。在那之前我学了大半年，感觉什么都会一点又什么都不会。做完那个东西之后，我突然踏实了。不是因为那个东西做得多好，是因为我终于知道自己处在什么水平，下一步该补什么。

焦虑这东西，最怕的就是「悬空感」，你觉得全世界都在进步只有自己原地踏步。但当你手里有一个实实在在的东西，哪怕很粗糙，那种悬空感就没了。你知道自己在哪里了。

所以如果你现在还在收藏夹阶段，我的建议就一个，别收藏了，去做个东西。随便什么都行，只要是你自己从零做出来的。

这些，其实不用学

最后给焦虑做点减法。聊聊哪些东西，我觉得普通人其实不用学。

不用去啃论文。除非你要做研究，否则你不需要读原始论文。那些概念早就有人用大白话讲清楚了，去找那些讲人话的解读就行。

不用追每一个新模型。今天出了个新模型你就去试，明天又出一个你又去试，试到最后你连自己到底在比较什么都忘了。挑一两个顺手的，用熟了再说。模型迭代太快了，追是追不完的。

不用学一堆框架。框架是用来解决问题的，不是用来凑技能树的。等你真正遇到问题了再去找对应工具，比先学一堆用不上的框架强一百倍。

不用逼自己什么都懂。AI这个领域太大了，没人能全懂。承认自己有不懂的地方，不丢人。你只需要懂够你做手上这件事的部分就够了。

说真的，我觉得学AI最大的误区，就是把它当成一个「完整知识体系」去征服。它不是一个考纲，你不用把每一章都学完才允许自己上场。它更像是一个工具箱，你需要哪件就拿哪件，用着用着就熟了。

---

写到这里差不多该收尾了。说真的，我也不知道这份路径对大家有没有用，毕竟每个人的情况不一样，我自己也还在摸索。但有两件事我是确定的。

第一，焦虑不产生进步，动手才产生进步。第二，路径不需要完美，需要的是开始走。

你不用等到把所有东西都学明白才开始。你现在会的那些，够你做个小东西了。先做，做着做着你就知道该补什么了。

这大概就是我两年学下来，最想跟你说的一句话。

磨平一些信息差，然后动手吧。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～
谢谢你看我的文章，我们，下次再见。

/ 作者，词元Max