AI 学习的核心变化：从学概念变成做项目

我不把“RAG、Agent、评估和向量数据库都读过”当作学习完成。一个更常见也更可检验的困境是：真正打开空项目时，不知道第一份文档放哪里、错误怎样记录。概念在脑中并排，任务却要求它们按顺序工作。

我的判断是：AI 学习的核心变化，不是少学理论，而是让项目决定理论出现的顺序。项目会把“我看懂了”变成一组可以检查的证据。

摘要接口暴露的是输入边界

第一个小项目可以是文档摘要接口。它很快会遇到5类边界：文件过长、格式异常、空内容、语言混合和输出不可解析。

学习者因此需要理解分段、结构化输出、重试和日志，而不是继续收藏更多提示词。一个接口至少应保留原始输入、处理状态和失败原因。

这个项目说明，基础应用学习从数据边界开始。

小型 RAG 暴露的是知识责任

第二个项目可以限定在一组公开且稳定的资料。除了切分和检索，还要处理4类责任：文档版本、引用、无答案和评估问题。

只展示一次正确回答不能证明项目完成。需要一组真实问题，区分检索失败、资料缺失和生成越界。

这个项目说明，RAG 学习不是换一个数据库，而是建立可追溯的回答链。

自动化工作流暴露的是执行风险

第三个项目可以把会议记录整理为待办，并在人工确认后写入任务系统。这里会出现身份、权限、字段映射、重复写入和外部服务失败。

模型只负责提取和草稿，执行动作必须有幂等、确认与恢复。学习者会被迫理解为什么“能调用工具”不等于“能安全完成任务”。

这个项目说明，Agent 学习最终会落到状态和责任。

我把这套学习法叫作“项目证据环”

项目证据环从一个有限任务开始。学习者先写清输入、输出、用户和不做什么，再只学习当前阻塞所需知识。项目运行后，成功、失败和人工修改都被保留下来，最后由复盘决定下一项知识。五个动作首尾相接，学习路线因此由证据推动，而不是由收藏数量推动。

一句话概括：不是用课程填满路线图，而是用项目证据暴露能力缺口。

项目应该有递进，不应该只是换主题

摘要接口训练输入与输出；RAG 增加资料、检索和评估；自动化再增加权限、写回和恢复。三个项目共用前一阶段能力，同时只新增一组主要约束。

如果每次都换框架、换语言、换业务，失败来源会混在一起。递进项目的价值，是让学习曲线可解释。

一条可执行的四周学习曲线

第一周只做摘要接口，目标不是功能多，而是让 5 类输入边界都留下状态和日志。建议投入 6 至 8 小时：先用本地文本跑通，再增加超长、空内容和格式错误样本。卡点若发生在结构化输出，就只补 schema、解析与重试，不急着引入 Agent。

第二周把同一套日志能力带进小型 RAG，投入 8 至 10 小时。资料只选一个公开集合，先手工写 15 至 20 个问题，逐条标记目标证据。学习重点从“怎样切片”转到“怎样区分资料缺失、召回失败和生成越界”。如果连引用都打不开，本周不进入界面美化。

第三周加入人工确认后的写回，投入 8 至 10 小时。选择一个可逆目标，例如测试项目里的待办列表；先验证重复执行不会写两次，再模拟超时和字段缺失。这里真正要补的是状态机、幂等和权限，而不是更多规划提示词。

第四周不增加功能，用 6 至 8 小时重建环境、回放失败样本并写复盘。把项目交给一名没有看过代码的人，检查他能否按 README 启动、找到日志、触发失败并恢复。四周总投入约 28 至 36 小时，得到的不是三个截图，而是一条逐步增加约束的能力链。

这条曲线不是通用课时承诺。已有后端经验的人可能更快，第一次接触 API、数据库和部署的人则应增加基础练习。关键是每周只新增一组主要约束，让失败能指向下一段学习。

完成标准要包含失败状态

一个学习项目至少应可运行、可重现、能展示失败、使用合理样本、有简单评估，并能解释边界。只有漂亮页面和成功截图，不足以证明工程能力。

复盘不必写成宏大心得。记录哪个假设错了、哪类样本没覆盖、哪个模块需要继续学，就已经足够。

每个项目都要留下可展示的证据

摘要接口至少留下输入契约、失败样本和请求日志；RAG 至少留下资料清单、问题集、引用结果和错误分类；自动化至少留下审批状态、写回记录、重复执行测试和人工接管说明。代码仓库只是容器，这些材料才解释学习者作过什么判断。

作品集展示也应写清限制。例如问题集是学习者自建而非生产日志，写回只发生在测试环境，成本数据只覆盖一次短期运行。边界写得清楚，不会削弱项目，反而让读者知道哪些结论能够复用。

常见误区是把项目做成教程复刻

逐行复制教程只能证明环境相似，不能证明会做取舍。另一个误区是一开始选择“全功能智能助手”，导致数据、前端、Agent、部署同时成为阻塞。

项目过大时，学习者很难知道自己究竟缺哪项能力，也很容易把更换框架当作进展。

边界：研究路线仍需要系统理论

如果目标是模型研究、算法岗位或底层优化，数学、统计、训练与论文阅读仍要形成独立体系。项目不能替代基础训练。

即使如此，实验复现、消融记录和结果解释也属于项目证据。区别只是项目类型不同。

回到那个空项目

下一次面对空目录，我会先写任务边界和 5 个测试样本，再决定读哪一章资料。完成后保留日志、评估和复盘，让下一步学习由失败证据触发。

我现在不再用“认识多少概念”衡量 AI 学习，而看自己能否把一个小任务交付到可解释、可失败、可继续。概念没有消失，它们终于有了出现顺序。