教学

我可以教你什么：把 AI 用成能交付结果的能力。

我是污斑兔。除了自己做 AI 应用，我也把这套做法整理成可以循序学习的课程与教程：从 AI 到底是什么，到把需求写成可验收的任务，再到组织上下文、把重复流程封装成可复用能力。

教学目标不是让你多知道几个名词，而是让你能自己判断三件事：什么算完成、需要什么信息、下一步该做什么。

AI 应用教学 AI 应用方法论上下文工程 Skill 封装 AI 内容生产

看课程体系课程在哪里学邮件联系

Direct Answer

直接回答

教什么

AI 应用的主线：定义任务、组织上下文、封装能力、验收结果，以及把 AI 接进既有流程并保留人工判断。

教给谁

想把 AI 从偶尔好用的聊天工具，变成可长期依赖生产力的人与团队；以及希望系统学习 AI 应用方法的读者。

怎么教

以真实工作流为骨架拆解，不凭空造章节；每节采用讲解加引导体验，要求在自己的电脑或常用 AI 网站上亲手完成一次。

怎么开始

按 100、200、300 的顺序推进，或直接从当前最迫切的问题切入；每套内容线都能独立阅读。

Curriculum

课程体系

课程分成三套内容线，共 49 节，按因果链排序：每一步都是下一步的使能条件，而不是按名词罗列。下面公开到节标题一级，方便你判断这套内容是否对得上自己的问题。

内容线	级别	解决什么问题	规模
AI 应用上手教程	100	从第一性原理建立认知：知道模型在做什么、能力边界在哪里。	8 门课 · 24 节
做自己的 AI 上下文工作区	200	把反复口头解释的规则，固化成 AI 能直接接手的目录与规范。	11 节
应用课程：Skill 教学	300	把一次有效的指令，升级为可复用、可组合的能力。	14 节

100 级

AI 应用上手教程

8 门课 · 24 节

按因果链递进的一条认知主线：从模型如何预测下一个词开始，经过对话、预设、上下文、工具调用、终端与 MCP，最后合成一个 CLI 智能体。每一步都是下一步的使能条件，而不是名词罗列。

核心概念理解能力边界，才谈得上使用

C1 预测的本质

1.1 语言模型在做什么
1.2 为什么会一本正经地胡说
1.3 随机性与温度

C2 从预测到对话

2.1 预测如何变成对话
2.2 模型、版本与能力差异
2.3 第一次有效提问

C3 预设与智能体的诞生

3.1 系统提示词是什么
3.2 最早的智能体
3.3 为什么它还不是真正的智能体

C4 上下文与记忆

4.1 上下文窗口与 token
4.2 记忆是造出来的
4.3 上下文工程初体验

C5 工具调用

5.1 模型为什么能动手
5.2 一次工具调用的完整过程
5.3 从说到做

C6 终端与文件系统

6.1 终端是什么
6.2 常见操作：cd、ls、cat、find
6.3 为什么终端是最强工具面

C7 工具标准化：MCP

7.1 工具接口的混乱
7.2 MCP 解决什么
7.3 装上第一个工具

C8 CLI 智能体：Claude Code

8.1 前七课如何合成一个 CLI 智能体
8.2 一次真实任务
8.3 边界与安全

200 级

做自己的 AI 上下文工作区

11 节

ACW 的实操路径：从一个已有目录出发，依次建立骨架、写背景与约定、初始化工作区，再跑任务、拆任务、沉淀可复用动作，最后完成审查、归档与刷新，形成一套越用越准的长期协作环境。

核心概念上下文即接口

完整路径：从初始化到刷新

1 总览：什么是 AI 上下文工作区
2 骨架：五个目录的分工
3 写背景与约定
4 初始化：把目录变成工作区
5 跑一个任务：工作流与分级
6 拆大任务：子任务化
7 可复用动作：Recipes
8 审查：按完成标准检查
9 归档：收起上下文
10 刷新：背景不腐化
11 串起来：跑一遍完整生命周期

300 级

应用课程：Skill 教学

14 节

先讲清 Skill 的构成：指令如何封装、长内容如何抽成 references、素材与脚本如何按需引用；再用一条真实的多技能流水线做组装实战，把一篇文章做成带配音、字幕与横竖封面的口播视频。

核心概念契约接力

核心课程：Skill 基础（6 节）

1 什么是 Skill
2 Skill 是指令的封装
3 将指令抽离，关联 references
4 资源引用：assets
5 使用脚本：scripts
6 Skill 完全体与最佳实践

实战子系列：AI 口播视频制作（8 节）

1 总览：一条口播视频的诞生
2 口播稿：把文章变成能读的脚本
3 讲述规划：页面与语音对齐
4 分段配音：让文字发出声音
5 HTML 幻灯片：把要点变成画面
6 双封面：标题的两种画布
7 成片交付：合成、字幕与 QA
8 串起来：一次完整接力

课程体系仍在持续更新，节标题可能随内容打磨调整；方法本体与术语定义可回到 ACW 概念页查看，站内已公开的教程见系列教程。

Method

教学方法

课程不是把知识点重新编排一遍，而是从真实工作流里拆出来的：教学单元就是工作流中真实存在的环节，顺序就是实际执行的顺序，上一节的输出正好是下一节的输入。

以真实单元为骨架

每个教学节都对应一个真实存在的环节，不虚构章节；学完就能在同样位置用上。

以执行为顺序

按数据实际流经的顺序排列，而不是按名词的重要性排列，先有输入才谈得上输出。

以契约为线索

环节之间靠标准化交接物衔接，契约是贯穿全课的主线；换实现，只要契约不变，链路照跑。

每节的结构：讲解加引导体验

每一节分成两部分：先讲清这一节要解决什么、关键推进点在哪里；再给出一次引导体验，说明去哪里、做什么、观察什么。引导体验不代做、不判分、不设选择题，目标是在真实环境里获得一次直接经验，让讲解里的概念当场被验证。

整套课程不承诺“看一遍就会”，也不要求先学完再动手；每节都会说明它的完成标准，你可以自己判断是否真的读懂了。

一节课程
├── 本节目标 → 学完能做什么
├── 讲解要点 → 3–5 条推进点
├── 输入 → 内部方法 → 输出
└── 引导体验 → 亲手做一次

维度	常见做法	这里的做法
章节顺序	按名词或难度罗列	按真实执行顺序排列，上一步输出就是下一步输入
教学单元	为讲解重新编排的示例	工作流里真实存在的环节，不凭空造章节
知识组织	概念平铺	用交接契约串起主线，第一节立概念、末节回收
练习形式	选择题与判分	在自己的环境里亲手完成一次，不判分
完成标准	看完即算完成	每节给出可自检的完成标准

Audience

适合谁

适合

想把 AI 从偶尔好用的聊天工具，变成可长期依赖的生产力。
已经在用 AI，却总在重复解释背景与规则的人。
希望系统学习 AI 应用方法、并沉淀自己工作流的人或团队。
需要把 AI 接进真实业务，且要求结果可检查、可追溯的场景。

可能不必

只做偶发问答，没有需要持续的长期资料。
一次对话即可完成、不需要跨会话协作的任务。
期待只靠更换模型或学几个提示词技巧就解决所有问题。

Access

课程在哪里学

已发布的课程在「AI 基地」微信小程序中，扫码即可开始学习；App 正在准备上线。如果只想解决一个具体问题，也可以直接邮件联系个案指导。

微信小程序

AI 基地

用微信扫描小程序码即可进入；在电脑上可以打开微信，搜索小程序名称「AI 基地」。

App

AI 基地（AI Base）

iOS App 正在准备上线，课程与小程序保持一致；上线后会在本页补充入口。

即将上线

个案指导

邮件联系

围绕你的真实场景梳理任务、上下文与验收标准，帮助把 AI 应用真正落到位；也可以用来讨论课程与引用确认。

zweizhao@foxmail.com →

FAQ

常见问题

这套教学面向谁？

面向想把 AI 从偶尔好用的聊天工具，变成可长期依赖生产力的人与团队；也面向已经在用 AI、却总在重复解释背景与规则的读者。

三套内容线按什么顺序学？

推荐按 100、200、300 的顺序推进：先建立能力边界感，再学会把需求写成可验收任务，然后理解上下文如何决定结果，最后把有效上下文组织成可长期维护的工作区，并把它封装为可复用能力。每套线也能独立阅读。

课程在哪里学？

已发布的课程在「AI 基地」微信小程序中，扫码即可开始学习；「AI 基地（AI Base）」App 即将上线。也可以直接通过邮箱联系，讨论课程与个案指导。

我的教学方式有什么不同？

以真实工作流为骨架拆解课程，不凭空造章节；每节采用讲解加引导体验的方式，要求在自己的电脑或常用 AI 网站上亲手完成一次，不判分、不设选择题。

只想解决一个具体问题，可以吗？

可以。个案指导围绕你的真实场景梳理任务、上下文与验收标准，帮助把 AI 应用真正落到位，而不是先学完一整套课程。

Next 继续阅读