夜雨聆风
凌晨四点多，一个朋友突然给我发来消息：
“你AI是自学的吗？”
我说：“嗯。”
他又问：
“学AI是不是得先会编程？”
我说：“不用，可以完全不会。”
紧接着，他说了一句可能比前面所有问题都重要的话：
“这破公司待不下去了，我也想学点别的。”
我看到这句话，突然觉得它很有代表性。
这大概是很多普通人想学AI时，最真实的起点。
不是因为想探索人类智能的边界，也不是因为对大模型技术充满热爱。
只是因为公司待得不开心，工作看不到希望，听说AI可能代表未来，于是想赶紧给自己找一条新的出路。
毕竟，周一又要上班了。
一、“我想学AI”，到底是在学什么？
过去，我们学习一样东西，目标通常比较明确。
学开车，是为了把车开走。
学摄影，是为了拍出好看的照片。
学Excel，是为了处理表格。
学编程，是为了让计算机按照规则执行任务。
可是，“学AI”是什么意思？
是学写提示词？
学使用ChatGPT？
学画图、写文章、做视频？
还是学工作流、智能体、知识库、大模型和编程？
一个刚想入门的人，打开互联网，很快就会看到一长串陌生名词：
Prompt、RAG、Agent、MCP、Workflow、Function Calling……
原本只是觉得工作没意思，想找条新路，结果新路还没找到，先怀疑起了自己的智商。
“我想学AI”，其实有点像二十年前说：
“我想学互联网。”
听起来方向非常正确，但你究竟想用互联网开店、聊天、找资料、做设计，还是开发一个网站？
并没有说清楚。
AI也不是一个单独的职业，更不是某一款软件。
它更像一种正在进入所有职业的通用能力。
所以，学AI之前最重要的问题，不是：
“我应该先学哪个工具？”
而是：
“我想让AI进入自己生活和工作的哪个位置？”
二、很多人不是缺课程，而是缺一个坐标
面对新技术，人很容易产生一种本能反应：
先收藏起来再说。
于是，我们开始收藏提示词，购买大模型课程，关注AI博主，注册十几个工具，保存各种“普通人必须掌握的100个AI神器”。
每天都在学习AI。
唯独没有真正使用AI。
知识收藏得越来越多，工作却没有因此少做一分钟。
AI还没成为助手，收藏夹先成为了数字仓库。
这并不是因为我们不够努力。
而是因为，如果没有一个真实的问题作为坐标，再完整的学习路线也可能让人迷路。
AI更新得太快了。
今天刚学会一个工具，明天它就改版了；今天刚背熟一套提示词，后天模型自己已经学会了。
真正不容易过时的，不是某个按钮在哪里，而是这些能力：
把一个模糊的问题说清楚；
给AI提供必要的背景和材料；
把一个复杂任务拆成几个步骤；
判断它给出的结果是否可靠；
发现问题以后，知道该怎样继续追问和修改。
所以，普通人学习AI，真正的第一课并不是记住多少术语。
而是学会看见自己的问题。
三、先别问学什么，先问这三个问题
1. 你想改善现在，还是离开现在？
这其实是两个完全不同的目标。
有的人学AI，是想把目前的工作做得更快、更轻松。
有的人学AI，是想换一个方向，甚至换一份工作。
如果你想改善现在，就应该从自己的工作流程里寻找机会：
哪些事情每天都在重复？
哪些内容需要不断整理？
哪些工作不难，却特别耗时间？
哪些材料总要从头再写一遍？
如果你想离开现在，就不能只盯着AI本身。
你还要看看自己过去积累了什么：
你懂哪个行业？
熟悉哪些业务？
做过什么工作？
擅长沟通、分析、设计、销售，还是运营？
AI不会自动把一个人变成另一个职业的人。
但它可以放大你原本就有的经验，也可以帮你更快地补齐一部分能力。
一个懂业务的人加上AI，和一个只懂AI名词的人，往往不是同一种竞争力。
AI可以帮你加速，但它不能替你决定要去哪里。
2. 你每天最烦的事情是什么？
我后来问朋友：
“你们现在做的事情里，有什么需要线上化的、重复的、麻烦的？”
因为这类事情，往往最适合作为学习AI的起点。
比如：
会议结束后，要整理一大堆记录；
每天都要写格式差不多的日报；
客户反馈很多，却不知道怎么分类；
做方案前，要花很久搜集资料；
同一种文案，需要反复改成不同版本；
表格里堆着大量数据，却看不出结论。
人类文明的许多进步，并不是因为人类突然变勤奋了。
而是因为人类终于受够了某件麻烦事。
AI项目也是一样。
最好的起点，未必是一个多么宏大的梦想。
它可能只是：
这件事情，我真的不想再手工做第101遍了。
3. 一周以后，你希望拿出什么？
“学会AI”不是一个容易实现的目标。
因为你永远不知道，学到什么程度才算学会。
但下面这些目标可以：
用AI把原本需要两小时的报告缩短到半小时；
做一个自动整理客户反馈的小助手；
生成一份可以用于求职展示的行业分析；
把自己的工作经验整理成一套可以重复使用的流程；
完成一个真正能帮自己解决问题的小作品。
学习AI最有效的单位，不是“学完一门课”。
而是：
完成一个真实的任务。
当你开始做一件具体的事情，就会知道自己缺什么。
结果不稳定，就去学习怎样提供规则和示例。
资料太多，就去了解知识库。
流程需要反复运行，就去学习工作流和自动化。
希望AI自己判断并调用不同工具，再去了解智能体。
需要更复杂、更稳定的系统，再考虑编程。
不是把所有知识学完以后再开始使用。
而是在使用的过程中，决定下一步应该学什么。
四、不会编程，可以学AI吗？
当然可以。
把“会编程”当作学习AI的前置条件，有点像要求一个人必须先学会修发动机，才允许他打车。
普通人完全可以从自然语言开始。
但“不需要先会编程”，不等于什么都不需要学。
你至少需要学会与AI协作：
告诉它你是谁、在做什么；
说清楚任务的目标；
提供相关背景和参考资料；
告诉它什么样的结果才算好；
检查它有没有理解错误；
通过不断追问，让结果逐渐接近你的需要。
提示词不是一句神秘咒语。
它更像是你给一位能力很强、但不了解你工作的新同事布置任务。
如果你只说一句“帮我做个方案”，然后期待它交出一份完美成果，那不是AI不够聪明。
很可能是这位新同事入职第一天，连公司是干什么的都不知道。
所以，所谓“学会和AI交流”，并不是背下几个万能公式。
而是训练一种能力：
把自己脑子里的想法，变成别人能够理解和执行的要求。
有趣的是，这不仅是一项AI能力，也是一项很重要的工作能力。
五、普通人学习AI，可以从这条路开始
如果你现在也想学AI，不妨先试试下面这条路径：
第一，找到一个真实而具体的问题。
第二，用自然语言让AI先做一次。
第三，观察它做对了什么，又做错了什么。
第四，补充背景、规则、材料和示例。
第五，把有效的交流过程保存下来，继续优化。
第六，当这件事需要反复执行时，再去学习工作流、智能体或者编程。
这条路径的重点不是“从简单学到复杂”。
而是：
始终围绕真实问题学习。
因为只有当AI真的帮你节省了时间、提高了质量，或者完成了一件过去做不到的事情，你才会真正理解它的价值。
否则，今天学提示词，明天学工作流，后天研究Agent，最后很可能还是会问：
“所以，我到底能拿它干什么？”
写在最后
那天，我没有给朋友发一份《AI零基础入门课程大全》。
我只是让他想一想：
在现在的工作里，有哪些重复的、麻烦的、需要整理的事情？
这个问题听起来不够宏大。
它甚至没有“AI将如何改变人类文明”那么激动人心。
但对于一个刚想开始学习AI的人来说，它可能更有用。
因为我们不需要先理解整个人工智能时代，才有资格使用AI。
就像人类使用电灯以前，也没有要求每个人先掌握电磁学。
你只需要找到生活里的一小片黑暗，然后打开第一盏灯。
所以，如果你也想学AI，今天先别急着下载更多软件。
看看你的工作台，看看那些让你重复、拖延、疲惫和烦躁的事情。
然后问自己一句：
我最想让AI帮我解决的第一件事，是什么？
这不是学习AI之前的准备。
这就是你学习AI的第一课。
这里是「晶晶讲AI」。
不追着名词跑，不把简单的问题讲复杂。
我们从普通人的真实工作和生活出发，一起聊明白：AI到底是什么，又到底能帮我们做什么。
下一期，你想听我讲什么？
也欢迎你在留言区告诉我：
你最想让AI替你解决的第一件事，是什么？
