这套教程针对的是 AI 应用层面：怎么把 AI 用起来，而不是学 AI 底层。算法、大数据、数据采集这些都不在范围内。对绝大多数人来说，应用层面才是真正用得上的部分。
这套教程讲什么，不讲什么
| 内容 | 是否涉及 | 说明 |
|---|---|---|
| AI 应用怎么用 | 是 | 怎么把需求说清楚、怎么给材料、怎么检查结果 |
| AI 使用环境的搭建与维护 | 是 | 让 AI 长期理解你的背景与规则 |
| 做出自己能用的工具 | 是 | 从打开网页开始，最终做出并维护一个小工具 |
| 算法与模型训练 | 否 | 属于 AI 底层，与应用是两条路径 |
| 大数据与数据采集 | 否 | 与应用层面不直接相关 |
课程规划 20–30 集，从电脑操作都不太熟练的起点开始，最终目标是能自己做想做的工具软件，并维护自己的 AI 使用环境。
为什么绝大多数人不会用 AI？
一个不太好听但值得面对的判断：绝大部分人不会用 AI。原因不在工具，而在于把需求讲清楚本身就是一件难事。
这件事在日常工作里随处可见。一句“这个事你帮我办一下”，听起来像是指令，实际上关键信息全是空的：怎么弄、怎么落实、什么算好、什么算坏，说这句话的人自己往往也不清楚。等到结果出来，才觉得“这里好像不太对”“那里好像不太对”，但又说不清哪里不对、该怎么改。
把同样的场景放到自己使用 AI 的时候，会发现是同一回事。我们抱怨 AI 听不懂要求，但很多时候是自己没有把要求讲清楚。 每个人都是这样开始的，而这件事可以练。
「会用 AI」的四条标准
判断自己是否真的会用 AI，可以对照下面四条。它们都不是关于记忆提示词的。
- 能讲清楚
- 能把任务说清楚：要交付什么、需要哪些信息、由谁判断完成。这决定了 AI 是否有依据地开始工作。
- 能提供材料
- 会用上传文件与图片的能力，把 AI 需要的资料直接交给它，而不是靠它猜。
- 能检测结果
- 能对结果做出有效检测：说得出哪里不对、为什么不对、应该怎么改。只说“我觉得不好”不算检测。
- 能处理失败
- 失败与错误是正常现象，不是吓人的东西。能处理失败，才谈得上会用 AI。
其中第四条最容易被跳过，也最重要。多数人期待 AI 给出一次性正确的路径，于是每次出错就换工具、换提示词，却始终没有积累。真正的进步来自在不断的错误里归纳总结，最后养出属于你自己的用法。
沿着这个思路可以得到一个反直觉的结论：错的样例比对的样例更有价值。对的结果有模板都能做出来，而不同的人犯的不同错误，才能说明方法在哪里会失效。
一条完整的工作链路
这套教程的每一节，都落在这条链路的某一段上。走完整条链路，就完成了一次真实的 AI 协作。
- 说清目标：明确要交付什么、由谁验收
- 准备材料：把 AI 需要的资料整理好并交给它
- 生成产物：让 AI 产出第一版结果
- 引导修改：基于第一版结果提出具体修改要求
- 运行结果、找出错误：实际跑一遍，而不是只看描述
- 一步一步修正：把发现的问题逐项解决
- 测试交付：在交付前完成检查
- 做好备份和维护：让成果可以长期使用
这套链路适用于写代码、写论文、写申报材料等各种产出型任务，不限于软件。
难度分级：你适合从哪一级开始？
课程按难度分为若干级别。你不需要从第一级开始，可以按自己的现状选择起点。
| 级别 | 目标 | 适合谁 |
|---|---|---|
| 100–300 | 学会用 AI 完成日常任务 | 电脑新手、刚接触 AI 的使用者 |
| 400–500 | 让 AI 读写文件，产出程序与报表 | 用过办公软件、需要具体交付物的人 |
| 600 | 完成一个可以运行的小工具 | 想把流程固化成工具的人 |
| 700 | 处理边界条件与安全约束 | 面向长期使用与真实交付的场景 |
对很多人来说，100–300 这一档就已经够用了。后面的级别不是“更高级”的证明，而是针对不同产出目标的工具。
课程规划的最终成品是一个浏览器版待办工具，使用纯 HTML、CSS 与 JavaScript，数据保存在浏览器里，不需要安装客户端环境，也不需要特定的操作系统。
为什么你是 AI 产出的第一负责人？
把 AI 做出的东西交给对应的人——领导也好、客户也好——如果这个东西出了问题，对方会找谁？
不会找 AI，只会找你。 AI 只是一个工具，它不承担任何责任。所以你是第一负责人，不能把事情甩给 AI。这一点决定了使用 AI 时必须保留自己的判断，也决定了验收标准必须由你来定。
数据安全边界：哪些信息不能交给公共 AI
- 公共 AI
- 通过互联网服务提供的 AI（如各类网页版与 App 版助手）。密码、令牌、身份证号、手机号这类信息不应提供给公共 AI。
- 本地私有化
- 在自己电脑上运行、不联网的模型。这类环境的数据不外流，使用限制相对宽松，只要不把数据打包给别人即可。
这条边界在后面的课程里会专门展开。原则很简单：能避开就避开，因为你无法预知数据会在什么时候以什么方式被使用。
文字版与视频版是什么关系？
这套内容同时有视频版本，视频合集名为“AI应用教程”。两个版本的分工不同：
| 版本 | 适合场景 | 特点 |
|---|---|---|
| 视频版 | 建立手感、跟着做一遍 | 演示完整操作过程，目前合集已发布 2 集 |
| 文字版（本文） | 按自己的节奏查阅与对照 | 可检索、可跳读，便于反复回看要点 |
开篇视频约 9 分钟，讲的是整条路线怎么走、中间会经过哪些地方。视频适合先看一遍建立整体印象，文字版适合在做的时候对照查证。
小结
- 这套教程只讲 AI 应用层面怎么用，不涉及算法与模型训练。
- 会用 AI 的标准是能讲清需求、能提供材料、能检测结果、能处理失败。
- 完成一次真实协作要走完：说清目标、准备材料、生成产物、引导修改、找出错误、逐步修正、测试交付、备份维护。
- AI 不承担责任，你才是产出的第一负责人。
- 失败是正常现象，错误的样例比正确的样例更有价值。
下一篇进入实操：用三个实验测出 AI 的执行边界，并建立属于你自己的「能力边界表」。