AI 时代,进入一个新领域,90% 的人第一步就走错了-夜雨聆风

AI 时代,进入一个新领域,90% 的人第一步就走错了

现在你每天打开微信和微博，你会看到各种 AI 相关的新闻。

当你想读一篇相关文章时，发现里面有不少术语，有些你认识，有些你半生不熟，另一些完全陌生。

比如，你认识 Engineering，但对于以下与 Engineering 相关的术语可能有点晕：

• Prompt Engineering
• Context Engineering
• Harness Engineering

你或许会忽略，但也有点好奇：这些词到底是什么意思？什么时候出现的？

同时也有点担忧，害怕自己会落伍。

其实，你并不孤单，大多数人跟你一样。

与其担心、害怕、焦虑，不如花点时间去学习，把它们搞懂。

但现在的学习难题，不是没有资料，而是有太多资料可以选择。

AI 内容越多，学习越难

我第一次学 Claude Code 时，原本规划了一条学习路径：basic usage → prompts → tools → agents → systems → agentic workflows。

当我还在学基础时，新的技术就出现了，甚至比之前的更加先进。

每一次更新都让我更加焦虑，更加心慌。基础还没学完，我就匆忙跳去看新技术、新工具、新趋势。

这就是陷阱。

变化快的领域会持续蹦出新东西，也会持续丢出新的分心点。

你得判断哪份教程最重要、哪位创作者真的懂、哪个教学在讲基础、哪个内容只是在追热潮。

没有这些判断，就无法确定自己的目标，也很容易掉进陷阱。

错的学习决策，代价很高

确定学习目标之后，下一步是筛选学习资源。

现在每天新增的内容量大到惊人：YouTube 每分钟有 500 小时新影片上传，Udemy 上有超过 250,000 门课，B站每天新增 800,000 条视频，还不包含微信、微博等平台的图文内容。

你眼前永远有更多内容，也永远有更多产品。

一个弱的筛选器，会快速吃掉你的时间，上到不适合自己的课，使用糟糕的教程。

接着你会花上几天，甚至几周，用错误的顺序学习。内容不成体系，效率低下，方向被带偏。之后还要花更多时间，去忘记之前学到的东西和养成的习惯。

工作记忆有上限，一次塞进太多新东西会直接超载。更好的做法是主动建立连接、用自己的话解释概念，在之后重新提取——而不是反复重读。这样记忆会更稳固。

你要看见自己已经懂什么、还缺什么，然后替自己决定下一步。

所以我依靠一套流程来学习。

我该花钱买课，还是看免费资源？

到底什么东西适合自己摸，什么东西适合直接花钱买时间？

自学，通常适合初期还在搭建认知框架的阶段。你还在看这个领域的基本轮廓、主要术语、核心问题、重要人物，还没到挑课程的时候。这个阶段最重要的事情，是建立方向感。

付费买课，通常适合你已经知道自己要去哪里，也知道自己卡在哪里。这时候你买的是别人帮你整理好的顺序、路径、重点，还有少走弯路的机会。

要问自己的问题是：你现在缺的是一张地图，还是一条更短的路？

我把「自学」和「买课」看成两种不同阶段的工具。初期搭建认知，推荐自学；确定方向和卡点后，推荐买课。

先基础，后细节

在读书期间，我一直有个习惯，每逢新学期拿到新书后，第一件事是翻看目录。看看这本书都要讲些什么，哪些感兴趣，哪些有困难。

对于新东西、新技术，我会先探索——四处看、跟着好奇心走、记下反复遇到的问题，也留意那些一直重复出现的技能和术语。

接着，我把探索和投入分开。

先摊开整个领域的轮廓：找主要工具、重复出现的术语、一直被提到的人名，还有那些能用白话讲清楚整个领域的入门资源。然后再收窄，挑出那些能把基础讲清楚、说透彻的材料。

基本路径：

1. 先抓结构：逻辑、规则、底层原理。
2. 再抓主要概念和思考方向。
3. 最后才处理细节、变化和边界情况。

如同建房子——先盖框架，再筑墙，最后装修。

新术语、新技术、新方向会不断出现，但学习的逻辑始终一样。

过滤噪音，找到真正重要的东西

我把干扰学习的内容和资讯都简称为「噪音」。

过滤噪音的方法：先分类，再学习。

我的流程：

1. 先判断某件事是趋势，还是噪音。
2. 搜索关键字和初学者路线图。
3. 借助 AI 工具抓出主要创作者、术语和子主题。
4. 缩小到对初学者友善的材料，以及能清楚解释基础的长篇内容。
5. 确认：这个技能背后到底有真实需求，还是只是臆想。
6. 观看视频和阅读教程。

我会用 1.5x 或 2x 倍速看视频、跳着看时间轴，或者直接把视频当音频听。

借助 NotebookLM 这样的工具，可以更快扫描内容，把关键信息找出来，提高筛选速度。

网络几乎免费提供了一切。真正困难的地方，在于判断什么值得深学。

谁值得相信？

筛选学习资源的过程中，还有一点很重要：到底谁值得相信呢？

如果一个人已经走到我想去的地方，也带其他人走到那里，我就会更信任他。能多次带人走到结果的人，可信度通常更高。

课程平台也在持续降低发布门槛，教人怎么建立和贩售课程，却很少教人怎么证明自己真的有能力教。这让筛选变得更关键。

我的可信度筛选器：

1. 他们走到过我想去的地方。
2. 他们带其他人到过那里。
3. 他们做过够多次，有可重复性。
4. 他们能把这份工作讲清楚。
5. 他们能解释自己的思考方式，不只陈述做过什么。
6. 他们的作品在不同形式里都站得住：视频、教程、免费资源和付费产品。
7. 他们的教学能帮助我自己做出更好的判断。

理解很浅的人，常常会表现出很强的确定感，因为他们还看不见自己漏掉了多少。我不会把自信当成主要信号，更看重证据、清晰度和可重复的结果。

我也会观察其他学习者的评价，订阅这个创作者的免费资源和社群，潜水看看他们在说什么。

当一切一直在变时，什么依然有用

新术语、新技术、新工具会不断涌现，速度很快。

日新月异是当下唯一不变的东西。

但让人松一口气的是：你只需要建立一套分类方法、一套信任方法，还有一套判断什么值得投入时间的方法。

工具会变，你判断该学什么、该忽略什么、下一步该做什么的能力，可以不变。

学习新领域 101

第一步：这个领域在解决什么问题？找出底层逻辑和主要规则。

第二步：哪些术语、人名、工具反复出现？先认出它们，不急着精通。

第三步：挑一个子领域深入，看案例，动手做。

大部分人的错误是直接跳到第三步。

一句话：结构 → 概念 → 细节