2024年初我还在做一个和AI八竿子打不着的工作打开电脑就是写合同、填表格、回邮件。说实话当时连API是什么都不太清楚唯一对AI的印象是觉得“大模型很厉害会写诗、会聊天”但也仅此而已。后来因为一个活实在干不完我被迫开始认真对待这个叫ChatGPT的东西顺带着学了一点点工具和编程思路。四个月后我不仅把手里的重复工作减掉了一大半还做出了一整套大模型辅助处理文档的流程甚至能看懂别人写的Python代码了。这不是什么天赋故事就是一个普通人在完全零基础的前提下用四个月、八个阶段一点一点把自己从“AI用户”变成“会用AI解决问题的人”的经历。今天把整个路线完整写出来。没有基础的人可以照着走一遍有基础的人也可以看看我在哪些地方少走了弯路——很多时候认知调整比学习方法本身更值钱。1. 我为什么不信“从Python开始”这条路而把四个月拆成八个小阶段网上搜“怎么学习AI”几乎全是同一个答案先学Python、再补数学、再做机器学习项目。这套路线对在校学生可能行得通但对我这种白天要上班、晚上只有两三个小时的人来说三个月后大概率还停留在“第二周”的状态。所以我给自己定的学习原则就一句话不按知识点学按任务学。也就是说我要做的每件事都必须以“解决一个具体问题”为终点学的知识只是路上顺手拿到的装备。1.1 从“我要学AI”到“我要用AI做哪件事”一开始我问自己的不是“AI怎么学”而是“我每天都在干什么”。然后把所有重复、耗时、有固定套路的事情列了出来写周报、整理会议纪要、把客户发的资料提取成结构化表格、做合同初稿审阅这四大类。列完那一刻我意识到我需要学的不是AI本身是“怎么让AI帮我干活”。学习目标一旦从“搞懂机器学习原理”换成“搞定这四件事”路径就完全不一样了。我不需要先学模型训练不需要会写复杂的神经网络我要学的是怎么和模型说清楚需求怎么把它的产出整合进自己已有的工作流出了问题怎么排查。等这套能力建立起来之后如果还需要深入再按主业延伸。这也是我最终能把学习坚持下来的核心原因四个月里几乎每个星期都有看得见的产出而不是“我学会了XXX”这种虚无的感觉。1.2 八个阶段的总览每条路径都指向一个交付物阶段时间核心动作阶段交付物阶段一建立体感第1-2周在日常生活和工作中大量使用AI只求“用过”不求“用对”记录至少10个“AI能做”和5个“AI做不好”的场景阶段二学会提问第3-4周刻意练习结构化表达把模糊需求说清楚一套属于自己的提问模板阶段三工作流自动化第5-6周选一个高频重复任务反复打磨成可复用流程一个能给同事直接用的自动化工具阶段四接受反向输出第7-8周让AI掌握你所在领域的背景知识再由你复盘把关一个完整、经过校验的专业交付物阶段五独立搭建小产品第9-10周不套模板独立设计一个端到端的小应用一个别人能直接访问使用的AI小产品阶段六看懂并修改代码第11-12周让AI当陪练学习基础编程思维能独立修改简单脚本阶段七接入更底层的模型能力第13-14周通过API方式调用大模型并接入自己的应用一个调用大模型接口的私有小工具阶段八公开输出并换取反馈第15-16周写作或开源让专业的人挑战你一篇高质量复盘文章或一个开源项目看到这张表你可能已经发现我没有安排“深度学习原理”也没有“啃线性代数”。因为对零基础的人来说那些内容在起步阶段是噪声。真正该先建立的是对AI边界的感知、对表达的掌控、对任务的拆解能力。等这些都上手了如果后续要深入工程领域再回头补基础效率会高得多。2. 前两周的决定性任务先“无痛使用”再系统学习提问我见过太多人的学习路径正好反了一开始就买课程、背概念结果连大模型能干什么都还没体验明白就被信息量淹没了。所以我的第一阶段极其朴素——像一个普通网友一样去用AI而且是随时随地用。上班写邮件让AI先起一版看英文资料让AI翻一段周末想菜谱也让AI给建议。不加任何技巧不写复杂提示词就是看它真实水平到底在哪。2.1 阶段一收获AI的错误恰恰是理解它最好的入口两周里我记录了一件事哪些任务AI一次就懂哪些任务反复打好几次草稿还是让我想摔键盘。有个特别典型的例子我让它把一段客户要求整理成工单它把客套话全部删掉、给了一条特别干净的需求描述我很惊喜。但紧接着我让它统计一份PDF里的合同到期日它居然一本正经地给我编了三个不存在的日期。这个经历给我上了一课AI的语言处理能力很强但事实核查能力不可靠。用过之后你才会明白它不是一个什么都知道的权威专家更像一个知识面广但偶尔瞎说的年轻助理。这种体感判断在你之后搭建工作流的时候非常重要。什么时候该让AI做主力什么时候必须留人工核验环节依赖于你对模型能力的真实感知而不是道听途说。2.2 阶段二一套可复用的正确问法有了足够的使用体验之后第二阶段要解决的就是“为什么我说不明白”。说实话2024年很多人还在抱怨“AI不好用”问怎么让AI写方案问法通常是“帮我写个方案”然后就没了。模型确实给了个方案但非常泛泛、完全没有可用性。后来我意识到不是AI不行是我给的信息太少了。我总结出一套适合小白的提问五件套之后所有场景都用它角色你希望AI扮演什么身份任务具体要它做什么动词开头别用模糊词背景和任务相关的信息越多越细分越好要求格式、字数、语气、禁止事项输入给它处理的原材料或数据举个例子我第一次用这套方法重构了“写周报”这个场景。之前的问法“帮我写个周报。”AI输出一篇正确的废话。用五件套之后就变成了“你是我的助理角色请把下面我做的三件事改写成周报格式任务。我这周主要完成了客户拜访和方案修改领导比较关注项目进度背景。请按‘本周重点-进展-风险’三个板块输出语气要简洁不要夸夸其谈总字数控制在300字以内要求。以下是原始笔记……输入。”效果差距是断崖式的。这阶段还有一个关键心得你的提问能力会快速提升因为每天碰到的真实任务逼着你不断改措辞。别怕问得啰嗦AI不嫌弃你反而是你越具体它能屁颠屁颠给的东西就越准。2.3 最容易踩的坑把AI当成搜索引擎或全知全能的神前两周大部分人都会经历一个心理波动期。先是惊叹觉得它什么都会下一秒又被它的低级错误气到觉得它就是个玩具。这两种极端都不对正确心态是把AI当成一个“被蒙着眼睛的资深实习生”它脑子里装了很多知识但看不见你的电脑、不知道你的上下文、不清楚你的偏好。你得像带新人一样给它适应环境的材料它才可能发挥出实力。我自己的学习打卡表里有一条固定问题“这次模型答不好是模型能力的问题还是我没说清”绝大多数时候答案是后者。只要把这一条想明白你的提问能力就已经超过一半的人了。3. 第三到第五阶段围绕一个真实场景把AI用成生产工具如果说前两个阶段是在训练“单兵作战能力”那第三到第五阶段就是开始“排兵布阵”。第二阶段到第三阶段的跳跃很多人以为只是把提示词写得更好其实真正的分水岭在于你有没有开始为一个高频任务设计一套完整的执行流程而不只是一次次临时提问。3.1 工作流自动化把个人能力沉淀成可复用模板我第一个认真做的工作流是“会议纪要与待办提取”。当时每周至少五个会每个会40分钟到一小时会后的纪要约花半小时。我先用AI转写工具拿到全文然后用设计好的提示词让模型做四件事删除口语废话、按议题分类、标出讨论结论、提取负责人和截止日期。一开始输出基本能用但偶尔会弄错谁来负责哪项任务我得逐字核查。后来我在提示词里补充了一句“所有待办必须以会议原话为依据如果原话没提到负责人就标‘待确认’不许猜”一下就准确多了。这个阶段最大的收获不是省了多少时间而是我开始建立“人机分工”的概念。AI适合做摘要归纳、润色改写、格式转换人负责标准的制定、质量的抽查、风险判断。每个任务在接入AI之前都应该先想清楚这个问题。3.2 让AI学习“你的领域”而不是全知全能地回答到第四阶段我处理的不再是泛泛的办公问题而是一个专业场景合同审阅。我的做法是先不让AI直接审合同而是做“投喂”。我把过去一年里典型的历史合同条款、客户常提的修改意见、我们公司法务的批注习惯全部分主题整理成文档。每一份都让AI学习并总结出规则比如哪些表述是高风险、哪些坑经常会踩、出口合规条款通常应该怎么写。经过几十轮对话我建立了一套“合同审查规则库”。到真正审合同的时候我让AI先根据这套规则库对目标文件做初筛它能把疑似有问题的条款逐条列出来并说清是哪条规则触发的。我再把它的判断发给法务同事做二次确认。这里必须强调AI给出的判断只是提示最终责任仍在自己。我见过有些人做到这一步就撒手让AI直接出法律意见那是给自己埋雷千万别这么干。3.3 独立搭建小应用把第三阶段经验升维成别人能用的产品第五阶段要求不依赖我的模板独立做一个端到端的小应用给全公司用。我选择的题目是“合同风险预审机器人”。形式上没有自己写代码用的是国内成熟的智能体搭建平台。我把前面整理的规则库作为知识库上传再用平台的可视化工作流搭了一个界面同事只需上传合同它能自动抽取关键条款对照我沉淀的规则出风险评估报告。做这个“小产品”的过程让我第一次体验到什么叫“需求定义”和“边界管理”。同事想要的是“AI帮我把合同看完告诉我能不能签”但技术上不可能承诺到这个程度。于是我把它定位成“风险提示助手”明确在页面上写着“初审仅供参考正式意见请联系法务”。很多AI项目最后失败不是技术不行是期望值没管理好这个教训从零基础阶段就开始学我觉得特别值。4. 从“会用工具”到“能改工具”用AI把AI的能力私有化前五个月的学习让我能够处理很多常规任务但很快遇到了一个坎平台类工具处理公开信息可以一旦涉及公司内部的数据就会面临上传安全、隐私和功能边界等问题。零基础的人学AI到一定阶段会发现工具是你的天花板。如果不学会更底层的能力你所能做的一切都受限于别人设计好的界面和规则。4.1 阶段六让Python变成“可执行的外语”第六阶段是最劝退零基础的分水岭因为要碰代码了。我没有去买动辄几十小时的编程课而是先说出自己的诉求“我不打算做专业开发我只想能看懂AI生成的脚本、能改动参数、能把报错信息反馈给AI让它自己改。”基于这个目的我让AI做了一个为期两周的入门日程要求是用Excel办公做类比解释变量、循环、函数每天只做一个实际的小练习比如批量重命名文件、自动整理文件夹学完之后能读懂一个简单的Python脚本。这两周每天下班后我花一个半小时不讲原理只实操。我遇到最多的状况是运行时报错报错信息一排红色英文一开始人都是蒙的。后来我学会了直接复制报错贴回给AI说“这是我刚按你教的写的脚本现在报了这个错请解释原因并给出修改”它就能一步步把问题拆穿。几次下来我发现不懂编程的人不是学不会编程而是被“我应该在背代码之前先学计算机基础”这种想法给吓住了。4.2 阶段七接入大模型API做一个本地私有助手搞定基本读写代码的能力之后我立刻冲向下一个山头通过API调用大模型搭建一个完全私有化的助手。做这件事的初衷很简单公司文档不能传第三方平台但我依然想在大模型帮助下做内部纪要的摘要、文件问答和检索。最简单的方案是用一个本地文档问答框架把公司资料切成片段存进本地向量库再由大模型的API接管问答。这次动手让我看清楚了一个普通用户到开发者之间真正缺的是什么不是写代码有多难而是环境配置、依赖管理、报错排查这些“看不见的工程复杂度”。我前后折腾了好几个晚上光是让程序能读取PDF并正确切分文字就反复装了好几个依赖库。期间断断续续想放弃但每当AI帮我把错误解释清楚我又能往前推一点。最后做成的本地助手交互方式是网页对话框。它能把公司内部资料作为依据回答我提问并标明内容来自哪份文档的哪个章节。虽然界面丑了点但那一刻的成就感实在很强。更重要的是我已经不只能用别人做好的AI工具还能按自己需要去构造工具了。这种感觉就像从开别人的车变成了能自己改装车自由度完全不是一个级别。4.3 给零基础者的心理建设代码只是手段让AI教你就好第七阶段结束我复盘时发现Python语法其实我只懂了一点点看得懂的也就二三十个关键词但这些完全不妨碍我做出本地助手。因为我不需要做一个程序员我只需要当一个能准确描述需求、能看懂AI在干什么、能在报错时和AI对话debug的“产品经理型主人”。所以如果你也是零基础千万别抱着“把编程学好了再开始”的心态。正确的顺序是先用自然语言把需求提出来让AI生成代码再让AI逐行解释最后遇到报错也没关系报错是最快的学习路径。你只要坚持“不被错误吓跑而是把错误描述给AI听”这一条规则编程的门槛就被大幅拉低了。5. 最后一个阶段比想象中更关键把过程分享出去让反馈帮你闭环学到第七阶段的时候我已经能独立完成一些AI应用但我发现一个问题自己的水平是“能做出来”但不知道做得好不好。因为没有同行给我反馈没有标准告诉我哪些设计是合理、哪些是野路子。所以第八阶段的主题只有一个公开展示。5.1 从写复盘文章到参与开源项目我先把自己做“合同风险预审机器人”的完整过程写成了一篇复盘发在行业社区里。评论区出现了很多做法律科技的人有人指出我规则库沉淀方式虽然适合小团队但不利于跨项目复用建议我用另一种更数据驱动的方式重新组织也有人提出我的提示词应该给规则按风险等级加权而不是平均看待。这些反馈是我一个人闷头学半年也换不来的。后来我更进一步参与了一个开源AI工具项目。我的贡献极其微小只是修bug、完善文档。但在PR的来回交流中我看到了正规软件工程的做事标准代码要怎么写、命名怎么起、文档需要解释什么。这些东西你看教程学不会只有在真实的反馈循环里才能内化。5.2 复盘比学习更重要输出是最高效的输入学到最后如果非要只说一句心得我会说“别把AI当学习对象要把它当同事。你要学习的是如何和它共事以及如何验证它做出来的东西。”而验证的最好方式就是公开输出你的方法让更专业的人来挑毛病。被我拉进AI世界的那几个朋友也在用类似的方法效果都不差。最后再分享这四个月对我最大的改变我不是成了一个程序员也不会写多么复杂的神经网络。我只是学会了一种工作方式——把任务拆碎、把需求说清、让AI干粗活、自己守质量关。这套方法现在还在每天用而且越用越顺手。如果你也想走这条路别急着收藏一堆资料先打开一个对话框用你自己的手头任务前两个阶段走起。