已经2026年了，要如何学习和实践AI？议和

这个问题很大。根据我以往学习AI的套路经验，我尝试把它拆解成6个在学习AI的久总结建过程中，大概率会遇到的议和问题来解答：

AI变化太快学不动，很焦虑？套路应该从哪里开始学AI？怎么快速上手？问题规模太大了怎么办？进入无人区了怎么办？独孤求败，无题可解了怎么办？久总结建

1. AI变化太快学不动，很焦虑？议和

“Sora 2要颠覆视频创作了，我得学啊！套路”

“Claude Code颠覆了AI编程，久总结建Vibe Coding必学Claude Code啊！议和”

“CodeX可以稳定编程十几个小时不间断，套路学起来啊！久总结建”

“企业agent开发，议和dify是套路神器啊！”

“都在说n8n，我也要学起来！”

……

在学AI的路上，我相信每个人都会有这种“xxx要颠覆xxx行业了，我得赶紧学”的想法。

我以前在这种想法的驱动下，每天疯狂学习各类AI工具。每当有一个不得了的AI工具出现，我就一定得挤出时间学一学。一年下来，怎么也得学上十几个AI产品。可是学到最后呢，我发现怎么都学不完。一个工具还没学完，又有新的出来，很多AI工具学了后也不知道有什么用。

越学越多，反而越来越焦虑，是不是很熟悉？

很长一段时间后，我才缓过来。开始去正视这个问题，认真思考这个问题的根本矛盾。

这个问题的根本矛盾是： AI只是一种技术，它的应用场景是无限的，但人的时间精力却是极度稀缺的！

我们必须得承认，一个人是不可能掌握所有AI工具的，而且也没有必要学会所有的AI工具。你应该把你宝贵的精力，放在你真正需要关注的地方。

面对一个新的AI工具，你应该努力分清楚，自己到底需不需要这个工具，它对你的价值有多高，值不值得花精力投入。对自己没有价值的AI工具，你应该果断舍弃。

Sora 2刚出来的时候，全网都在发Sora 2的视频，好像不学就会落后一样。如果在以前，我肯定要想办法试一试。但我仔细想了想，我至少在未来一年内都没有做AI视频的计划，很显然这不是我急需掌握的能力。我当下更急需的能力是用Vibe Coding做产品，即使Sora 2再强大，跟我也没关系！于是，我果断放弃，没有任何心理负担。

策略：学AI之前要摆正心态，抛弃“全都要”幻想，只关注自己真正需要的能力。

2. 应该从哪里开始学AI？

如果要用一个词来形容AI对我们生活的影响，我会用一个词： 渗透！

从2022年底ChatGPT 3.5的爆火，到现在也不过三年多的时间，这三年里AI的发展特别快，时不时就有什么AI产品要颠覆行业的说法出现。可是呢，到现在也没多少行业被彻底颠覆。与其说行业被颠覆，我倒是认为行业渗透更普遍一点。

你可以观察一下，自己的身边有哪些工作或者习惯被AI渗透了。

我身边有这样一些事实：

习惯用豆包提问，而非搜索引擎搜索资料。习惯直接AI画图，而非找图找素材。大多数人工客服不见了，变成了AI客服。哈基米AI音乐居然还不错。

……

另外还有两个事实：

全球AI的Token价格，在以类似于摩尔定律的趋势下降。全球AI的Token消耗量，正在翻倍式暴涨。

AI正在以惊人的速度被广泛使用，但没有多少行业被彻底颠覆，反而是一点点地渗透到你生活工作中的某个环节，某个场景。这个过程，就好像十几年前的移动互联网，逐步渗透，到最后人人智能手机，人人离不开移动互联网。

了解了这个规律，我们就可以用“渗透”的视角，在身边找出学习和实践AI的场景。

请努力思考：如果AI要进一步渗透到我的生活和工作中，它一定会优先从哪里渗透进来？

把这些场景找出来，这些场景都是你机会最大的、绝佳的AI实践场景，你要主动用AI去渗透它。

这里借用一堂的AI场景识别START矩阵。如果你还是一团乱麻，不知道从哪里去找可以渗透的AI场景，你可以按这个矩阵的四象限思路来找。

这个矩阵的横轴是场景对象维度，纵轴是能力维度：

横轴对象：个人和组织，前者是对自己负责，后者是对团队和公司负责。纵轴能力：下限和上限，前者是对已有能力提效，后者是探索新机会，大幅扩充能力边界。

比如，在左下限是“个人”和“下限”维度，你要努力找出你个人有哪些一有能力可以用AI来提效。顺着这个矩阵，用渗透视角，很容易找出大量场景。

那找出场景后就可以直接开干了吗？

不，还需要增加一点美好想象。

你在找出来的AI场景中，想象出运用AI后的美好状态。这个想象和期待，会成为你最开始，也是最具动力的目标。

你可以不考虑技术实现，可以天马行空，总之你要能想象出“AI+”后的那个美好状态。AI最大的魅力之处，就是哪怕这个目标不切实际，它也有可能帮你构建出那个路径，实现这个美好想象。

举个例子，我想用AI辅助我写公众号。我能想象到用AI的美好状态，就是只要我动动嘴巴，用语音交流。AI就理解我的想法，学习我的习惯，帮我收集资料，然后写文章，按我的风格生成配图，自动排版发布。光想一下很开心，毕竟我现在写一篇文章平均要十几个小时（真心累……）。但要实现的话，难度不小，但也不是完全不可能。

策略：用渗透视角找出身边的AI实践场景，给每个场景设计一个美好想象。

3. 怎么快速上手？

识别出场景后，就要想办法把想象化为现实，用最快的方式上手AI。而快速上手，最好的方式，无疑是抄作业，学习最佳实践！

策略：抄最佳实践！

今天，应该是学习AI最好的一天。经过两三年AI爆炸式地应用，你所能遇到的大部分问题，基本上都已经有人遇到。在他们手里有解决这个问题的最佳实践，只要抄他们的作业，你很快就能做到七八十分。

但问题是，最佳实践哪里找？

你需要在 平时注意累积一些可靠又高质量的信息源，在需要的时候能够快速找到案例。比如WayToAGI社区、一堂AI实验室等。你需要 对常见的AI产品有个大概的了解（切记不要深入学习），你要知道每个产品的典型应用场景。一般在产品的官方文档上，都会有大量的最佳实践。你还可以借助搜索引擎，甚至借助AI，基本上也能找到质量不错的最佳实践。

4. 问题规模太大了怎么办？

当你学会用AI来解决一些小问题和小场景后，你面对的问题势必会越来越复杂，规模越来越大！这个时候怎么办？

策略：分治法（把大问题拆解成小问题，逐个解决）

分治法是一个被我用烂的的方法，其核心就一个字：拆！

无论是传统工程项目，还是AI实践，一旦问题规模大到我不知该从哪里下手的时候，我就会考虑使用分治法。如果你细心的话，你会发现这篇文章我也用了分治法。我把如何学习和实践AI的问题，拆成了6个关联的小问题分别解答，最后6个小问题的答案串成大问题的解法。

如果你在AI实践的过程中，遇到的问题规模太大，我强烈建议你把问题拆一拆。你可以按照时间顺序、层级顺序、依赖关系等等，用一两条线索去拆问题，然后逐个解决。

5. 进入无人区了怎么办？

当你学习最佳实践一段时间之后，你有很大概率会遇到别人都没有遇到的问题。这个时候你就进入无人区啦！毕竟现实很复杂，完全一样的场景是很少的。

这个时候怎么办呢？只能自己探索了。

对未知的探索，我的习惯是反复循环“ 提假设 - 验证 - 复盘 - 修正”的过程。例如，我用不稳定AI音乐模型写歌的案例中，我就反复用了这个循环一百多次，最终迭代出了一个相对稳定的歌词模型。

这个探索的套路百试不爽，非常实用！于是，我就在想这么通用的套路，是不是能提取出一个更通用的模型呢？

策略：探索未知问题，使用“一堂Y模型”。

对于未知的事实，你要大胆提出假设，用假设驱动去验证。得到定性定量的结果后，再从中复盘，提炼建模，不断更新已有的理论。一轮又一轮，反复尝试，直到最后能用新的理论去解决真正的问题。

另外，在这个过程中，一定要做好每一轮的假设-验证-复盘管理。我的建议是至少用个表格来记录，做到每一轮探索都有迹可循。它可以在很大程度上，避免中途迷失方向，不知道如何继续下去的问题。

6. 独孤求败，无题可解了怎么办？

经历千辛万苦之后，你终于成功把AI落地，效果也达到了预期。这个时候，你可能反而会感觉到迷茫：各方面我都已经做到了最好，我自己成了最佳实践，还有什么能做的？

前段时间，我咬咬牙，啃下了Claude Code的skill和subagent功能，用这两个功能成功解决了用AI解决复杂问题的稳定执行。

使用skill+subagent让Claude Code稳定解决复杂大问题

然而，做完这个实践之后，我几乎没有再优化过这套方案，我不知道还能干什么。按照预期，skill和subagent我都学会了，复杂大问题也稳定解决了。工作又开始陷入日复一日的重复劳动。

直到两个星期后，我才发现这个状态不对！根本上，是因为目标实现后，没有新的目标！解决的办法也很简单，挑战更高的目标！

策略：无限进步，挑战更高的目标。

还记得前面识别场景后，还要再做一点美好想象吗？嘿嘿，闭环了吧！

当你完成AI实践之后，就要想想一开始的美好想象，当前的状态跟美好想象之间是否有差距，能否进一步修正？美好想象之上，是否还有更美好的美好想象？仔细想想，肯定是有的。如果没有，大可以切换下一个感兴趣的领域，换一个美好想象，重新开始，又是一个循环！

追求无限进步，永远不怕无题可解。

最后再总结一下

如何学习和实践AI？

我按照学习AI的过程中，可能会遇到的典型问题，提出一些策略，你可以按阶段进行参考：

优先摆正心态：首先破除“全都要”的不切实际幻想，只关注自己需要的能力。始于身边场景：从AI渗透的视角去看，结合一堂AI场景探索矩阵，找出机会最大的场景；并基于场景设计一个美好想象，也就是一个理想的目标。最快速度上手：找最佳实践，抄最佳实践。平时要注意累积自己的可靠信息源，注意AI产品的官方文档，学会使用搜索和AI工具找最佳实践。解决规模问题：用分治法，化大为小，逐个突破。解决未知问题：用一堂Y模型，并做好探索过程中的项目管理，避免中途迷失方向。追求无限进步：不断挑战更高的目标，有目标就不会迷失。

本文地址：https://www.45854.cn/news/31c199967.html