ACW 系列教程适合谁？
面向从零开始的普通使用者到希望系统理解 AI 协作的读者：先认识 AI，再学会把 AI 用于可验收的任务，然后理解 AI 上下文，最后搭建自己的 AI Context Workspace。
从 AI 入门到 AI 应用与 ACW。
一套从零开始、按篇章递进的教程：认识 AI，学会 AI 应用，理解 AI 上下文，最终搭建自己的 AI Context Workspace。每篇先给答案，再讲原理。
这套教程是什么
ACW 系列教程是一条从零开始、按级别递进的阅读主线，覆盖 AI 基础、AI 应用、AI 上下文与 ACW 搭建迁移，四个篇章共十二篇，另含一篇支柱长文；另设「AI 效能」系列，收录把 ACW 落到软件研发自动化的工程实践；600 级「AI应用教程」是与视频合集同名的配套文字版，面向从零开始、想跟着动手把 AI 用进真实任务的读者。它不是零散文章的集合，而是一条有顺序、有完成标准的路径：每篇先给出答案，再解释原理；每篇导读都会说明同系列的阅读顺序、需要掌握的内容，以及判断自己是否读懂的完成标准。这样读者随时知道当前读到哪一步、下一步该去哪里，而不必在文章之间来回猜测。
教程从最基础的问题开始：AI 是什么，生成式 AI 处在什么位置，普通人需要学到多深，而不是从数学公式或模型训练讲起。接着进入实际使用：怎样把模糊的聊天需求，变成写清了输入、输出与验收标准的任务。然后解释上下文为什么决定结果：模型每次生成时实际接收到什么，哪些信息进入了本次上下文，哪些仍然停留在资料库里。最后把这些经验收敛为一套可长期维护的工作区方法，并以真实项目完成搭建与迁移。
它面向从零开始的普通使用者，也面向已经在用 AI、却总在重复解释背景与规则的读者。前者可以按级别顺序建立完整认知，把概念一步步补齐；后者可以跳过已经熟悉的部分，直接进入 AI 上下文与 ACW 篇章。无论从哪里开始，只要目标是把 AI 从一次性聊天变成可以持续推进的工作方式，这套教程都适用。
推荐按 100 到 400 级的顺序推进，因为后一级建立在前一级的概念之上：先有能力边界的判断，才谈得上把需求写成任务；先理解上下文的作用，才能理解工作区为什么需要稳定结构。如果时间有限，也可以按当前最迫切的问题从对应篇章切入。每篇都可以独立阅读，篇首导读会说明它和前后文章的衔接。
Pillar · 支柱文章
从 AI 入门到 AI Context Workspace
面向零基础读者的支柱长文。从为什么每次使用 AI 都要重新介绍自己出发，依次讲清 AI 是什么、普通人需要学到多深、如何从随意聊天走向完成可验收的任务、上下文为什么会影响结果，最后把有效上下文组织成 ACW，建立一套可迁移的个人 AI 工作方式，并给出从哪里开始的具体建议。
阅读全文 →如何选择起点
整套教程按级别递进，每一级解决一类问题。下面的路径说明每一级讲什么、适合什么状态下的读者；不确定从哪里开始时，先对照自己当前遇到的问题，再决定入口。
- 100 级 · AI 基础：先建立一张概念地图和能力边界感。认清 AI 是一个领域、生成式 AI 是其中一类技术，区分“理解并使用”与“研究底层原理”，知道普通使用者需要学到多深，并理解能力边界、资料管理和结果验证这三件与可靠使用直接相关的事。
- 200 级 · AI 应用：从“选工具”转向“定义任务”。练习把需求写成清晰的任务说明，准备最小输入，明确输出与验收标准，并完成第一个小到可以自己独立判断对错的可验收任务。
- 300 级 · AI 上下文：理解模型每次生成时实际接收到的信息。区分当前上下文、提示词、长期记忆与知识库，明白“上传过”不等于“这次一定读到”，并学会按任务相关性筛选、分层与更新有效上下文。
- 400 级 · ACW：把前面关于 AI、应用与上下文的内容，收敛为可长期维护的工作区方法。理解什么是 ACW、它与提示词和知识库的区别，并以一个会持续推进的真实项目完成搭建与迁移，用新会话检查交接效果。
- 500 级 · AI 效能：把上下文与工作区方法落到软件研发自动化场景。理解自动开发的可靠边界在哪里、任务如何分级、工作空间初始化如何加速，以及自动链与人工协同如何分工。
- 600 级 · AI应用教程：与视频合集同名的配套文字版。用三个实验测出 AI 的三条执行边界，建立属于自己的能力边界表，并说明一次完整协作要走完哪些环节——从说清目标到备份维护。
- 还没有系统接触 AI：从 100 级 AI 基础导读开始，按级别顺序读完四个篇章，建立完整主线。
- 已经在用 AI，却总在重复解释背景与规则：可以直接从 300 级 AI 上下文或 400 级 ACW 切入，再按需回补前面的概念。
- 只想先看整体脉络：先读支柱长文 从 AI 入门到 AI Context Workspace，把全套教程的主线串起来，再回到对应级别深入。
- 习惯看视频：从 AI应用教程视频合集开始，配套文字版在 600 级，可边看边对照。
- 每篇都先给答案，再讲原理：先拿到结论，再决定是否深入细节。
- 每篇导读给出同系列的阅读顺序与完成标准，可以作为读完的检查点。
- 系列按级别递进，但每篇都能独立阅读；不必为了看懂一篇而强行读完所有前置文章。
如果仍然拿不定主意，可以先读支柱长文 从 AI 入门到 AI Context Workspace：它按同一条主线，把四个篇章的核心结论先讲一遍，读完之后再回到感兴趣的级别深入。想直接看方法本体，可以进入 ACW 概念页；想先了解目录如何组织，可以查看 ACW 参考结构。
级别、主题与适合人群
| 级别 | 主题 | 适合人群 |
|---|---|---|
| 100 | AI 基础 | 刚开始接触 AI，需要先建立概念地图与能力边界感，弄清自己需要学到多深的普通使用者。 |
| 200 | AI 应用 | 已经会用 AI 聊天，但希望把需求变成可交付、可验收任务的读者。 |
| 300 | AI 上下文 | 觉得模型能做对却常常做不对，需要弄清它每次实际接收到什么信息的读者。 |
| 400 | ACW | 长期用 AI 推进项目，希望把长期背景与规则沉淀为可维护、可迁移工作区的读者。 |
| 500 | AI 效能 | 关注 AI 自动开发与工程效能，希望把上下文方法落到软件研发自动化流程的读者。 |
| 600 | AI应用教程 | 想跟着视频从零开始学、把 AI 用进真实任务的初学者；文字版与视频合集可对照使用。 |
级别只是阅读顺序的标记，不是难度门槛。按级别推进，是为了在进入下一层概念前先补齐必要的基础；如果你对某一层已经熟悉，也可以直接跳到对应的篇章。
AI 基础
3 篇AI 基础导读
AI 基础导读。认识 AI 不等于从数学公式开始，也不等于把它当成什么都懂的聊天对象。本篇为普通使用者划定入门知识范围：先建立一张概念地图和能力边界感，分清理解使用与研究原理的区别，说明各篇阅读顺序、用于自测理解的问题，以及本篇章的完成标准。
· 约 5 分钟
什么是 AI：从发展脉络认识生成式 AI
什么是 AI？本文用简明的发展脉络区分人工智能、机器学习、深度学习与生成式 AI：AI 是研究和构建能完成识别、推理、学习、生成等智能任务的系统的领域，生成式 AI 只是其中一类技术。同时说明几个容易混淆的概念，以及这些理解对日常使用 AI 有什么实际影响。
· 约 5 分钟
普通人需要学习 AI 底层知识吗
普通人需要学习 AI 底层知识吗？答案取决于目标：如果目标是用 AI 写作、整理资料或辅助办公，不需要先学会训练模型，但需要理解与可靠使用直接相关的基础。本文按目标划分学习深度，给出能力边界、资料管理、结果验证三件必须掌握的事，以及一条够用的学习路线和参考资料。
· 约 5 分钟
AI 应用
3 篇AI 应用导读
会聊天不等于会应用：聊天可以探索想法，但工作需要一个可交付的结果。本篇讲解如何从选择工具转向定义任务，用输入、输出和验收标准建立真正的 AI 应用能力，并给出本系列阅读顺序、第一个练习任务该如何选择，以及判断自己是否真正掌握应用能力的完成标准。
· 约 6 分钟
什么是 AI 应用：模型、工具与工作流
什么是 AI 应用？本文在同一个场景里区分模型、AI 应用、工具、工作流与智能体五个容易混用的概念：模型只提供部分能力，应用负责把资料、交互、工具和流程组织成可交付结果的系统。同时解释为什么同一个模型在不同应用里表现不同，以及什么情况下并不需要智能体。
· 约 5 分钟
如何完成第一个可验收的 AI 任务
第一个 AI 任务应该足够小，让你能独立判断结果是否正确。本文以把学习笔记整理成三个技术博客选题为练习，完整走一遍准备最小资料、把需求写成清晰任务说明、逐项验收生成结果、反馈具体错误让 AI 修正的过程，并说明这次任务应该为以后的协作留下什么。
· 约 6 分钟
AI 上下文
3 篇AI 上下文导读
AI 上下文导读。模型有能力却仍然做不对，往往不是写作能力问题，而是正确的读者定位、写作要求没有进入本次上下文，或与旧要求发生冲突。本篇解释 AI 实际能看到的信息，区分资料存储与上下文加载，给出阅读顺序、用一次真实交接理解上下文的方法，以及本篇章的完成标准。
· 约 6 分钟
什么是 AI 上下文：提示词、记忆与知识库
什么是 AI 上下文？对一次模型调用来说，上下文是模型在生成时实际接收到的信息。本文区分当前上下文、提示词、长期记忆与知识库四个容易混淆的概念，解释为什么聊过的内容还会忘、为什么上传了文件模型仍然答错，以及上下文与 ACW 之间是什么关系，附参考资料。
· 约 5 分钟
如何整理有效上下文：筛选、分层与更新
有效上下文不是把全部资料交给 AI，而是为当前任务提供足够、相关、可信且不冲突的信息。本文讲解如何按任务相关性先筛选再分层，把背景、规则、状态与证据分开维护，解释索引为什么不等于正文、冲突和过期信息应该怎么处理，以及任务结束后为什么只沉淀必要内容。
· 约 5 分钟
ACW
3 篇ACW 导读
ACW 系列导读。如果你长期用 AI 经营博客或推进项目，每次重复说明定位、规则和进度都会产生交接成本。本篇介绍 ACW 如何把长期背景、规则和任务记录组织为可维护、可迁移的 AI 工作上下文，给出全系列阅读顺序、适合开始的人群，以及判断自己是否搭建完成的验收标准。
· 约 5 分钟
什么是 ACW：作用、原理与适用边界
什么是 ACW（AI Context Workspace）？本文给出定义：一套面向 AI 协作、由使用者自己掌握的工作上下文环境，用来组织长期背景、规则与任务记录，解释它如何减少每次会话的重复交接、与提示词和知识库等已有方式有什么区别、去中心化意味着什么，以及它不能解决哪些问题。
· 约 6 分钟
如何搭建和迁移第一个 ACW
如何搭建和迁移第一个 ACW？以个人技术博客为例，不需要复杂平台：选一个会持续投入的项目，建立背景、规则、任务、产物分开的最小目录结构，再写一个简短入口说明各部分内容，然后用一次真实任务和新会话检查交接与迁移效果，并说明日常维护与安全注意事项。
· 约 5 分钟
AI 效能
3 篇AI 效能流程总设计：双角色、四阶段与状态推进
一套面向 AI 自动开发的流程总设计：为什么只用产品与交付两个抽象角色，如何用任务分级作为进入自动链的门槛，节点如何从 pending 推进到 completed，交接物与状态如何解耦，以及流程在阻断、异常和重启之后如何恢复。
· 约 5 分钟
all-repos 本地镜像：让任务初始化从网络克隆收敛为本地克隆
当每个任务都要初始化工作空间时，重复的网络克隆会成为 AI 自动链最大的启动延迟。本文讲清一套 all-repos 本地镜像方案：为什么要有唯一克隆来源、为什么坚持没有降级后门、本地克隆如何做到秒级，以及知识库为何要单独处理。
· 约 5 分钟
AI 自动开发的架构设计：能力边界与双工具分工
从 AI 当前能力与真实知识库现状出发，划定自动开发的可靠边界，并据此设计全自动开发工具与人工 AI 协同工具两套流水线：哪些任务该自动、哪些必须协同、人在链路里负责哪一道关口。
· 约 5 分钟
AI应用教程
2 篇从零到一学会使用 AI：这套教程讲什么
从零到一学会使用 AI 的开篇。这套教程只讲 AI 应用层面怎么用，不涉及算法与模型训练。本文说明课程范围与难度分级，给出会用 AI 的四条标准：能讲清需求、能提供材料、能有效检测结果，尤其是能处理失败，并说明为什么你才是 AI 产出的第一负责人。
· 约 5 分钟
AI 是什么，能做什么：用三个实验测出它的执行边界
AI 是什么，它能做什么？本文不讲原理，用三个可复现的实验测出 AI 的三条执行边界：擅长处理你给的材料、会一本正经地胡扯、不会替任何人负责。文中给出可以自行复用的能力边界表练习，三列分别是你让他干什么、结果是什么、结果可信吗，并说明为什么能力边界是任务相关而不是模型相关的。
· 约 5 分钟
常见问题
应该从哪里开始读？
如果还没系统接触 AI，从 AI 基础导读开始按 100 到 400 级顺序读；如果已经在用 AI、但总在重复解释背景与规则，可以从 AI 上下文或 ACW 篇章切入。
每篇文章必须按顺序读吗？
系列按级别递进，但每篇都可以独立阅读。每篇先给答案再讲原理，篇首的导读给出同系列的阅读顺序与完成标准。
ACW 篇章讲的是什么？
ACW 篇章把前面关于 AI、应用与上下文的内容收敛为可长期维护的工作区方法：什么是 ACW、如何整理有效上下文与搭建工作区，以及如何迁移到自己的项目。
「AI 效能」系列和 ACW 教程是什么关系？
ACW 教程讲通用的上下文方法，「AI 效能」系列讲这套方法在软件研发自动化场景中的工程实践，属于 Harness 方向的应用篇章，可按需单独阅读。
Next Chapters
继续阅读