用 30 小时入门 AI 应用开发：一条不贪多的学习路径

30 小时不可能覆盖 AI 应用开发全栈，但足够完成一个有评估、有引用、能说明失败边界的小项目。这里把时间严格拆成 4+6+6+6+5+3 小时，每一段都交付一个东西。

第 1 段：4 小时建立调用契约

阅读 OpenAI API 文档中与当前接口、结构化输出和错误处理直接相关的部分。做一个固定 schema 的信息提取接口，覆盖超时、空字段和格式错误。产物是请求/响应样例与失败表。

第 2 段：6 小时完成可取消交互

TypeScript 项目可参考 Vercel AI SDK；其他技术栈只借鉴状态设计。实现提交、处理中、部分结果、完成、取消、失败六种状态。不要把时间花在页面装饰上。

一句话解读：流式界面的验收点是用户能知道系统在做什么并及时停止，不是字符逐个出现。

一句话解读：30 小时路线的价值不是压缩所有知识，而是强迫每一段阅读都换来一个可以复跑的产物。

第 3 段：6 小时加入小型检索

用 LangChain Retrieval 文档理解 loader、splitter、embedding、store、retriever 的职责。只放入少量已确认版本的文档，并让回答带出处。产物是一张文档清单和三个检索失败例。

第 4 段：6 小时建立评估集

整理 20 个问题，包含直接命中、跨段落、无答案和应拒答四类；再参考 Ragas组织数据和指标。自动分数只用于比较版本，最终仍保留人工判断与依据。

第 5 段：5 小时处理上线前问题

记录模型版本、延迟、token/成本字段、异常类型和人工接管。加入一次文档更新，确认旧索引如何失效。这个阶段不要求搭建完整监控平台，要求把责任写清楚。

第 6 段：3 小时复现与复盘

清理环境后按记录重建，重跑评估集，写出“通过、失败、尚未验证”三栏。最后得到代码、评估集、运行说明和边界说明，而不是一篇学习心得。

30 小时里故意不学什么

不训练模型，不比较所有向量数据库，不部署多模型网关，也不做复杂 Agent。它们都可能有价值，但会破坏这条路线的单一目标：完成第一个可评估的应用闭环。

时间最容易失控的地方

前置知识是 Web 开发、HTTP、JSON 和基本测试；不满足时应延长预算而不是删除验收。

环境报错可设置 90 分钟止损；文档解析遇到复杂扫描件时先换成干净样本并记录欠账；评估标准写不出来时，不要用更多指标掩盖问题。30 小时是范围约束，不是速成承诺。

常见失败发生在第十小时：学习者为了让页面“像产品”，先做登录、主题和动画，结构化输出与失败状态却仍未固定。另一个失败是在二十二小时后临时更换向量库，导致问题集无法比较。出现这两种情况，应删除装饰性任务或回到原方案，不挤占最后三小时复现。

完成判断

最小可行学习路径由四个检查点组成：调用契约、交互状态、评估集和空环境重建。

别人能按说明重建项目；20 个问题能重复运行；回答能指向依据；无答案问题不会强行生成；失败和成本有记录。满足这些条件，路线就完成。功能更多但无法复现，不算超额完成。

每天结束时的检查清单

每天只检查四件事：今天新增了哪个可运行产物；出现了哪个此前未知的失败；哪项资料帮助解释了失败；明天是否需要缩小范围。若连续两次学习只增加笔记，没有改变代码、样本或验收表，就暂停阅读，回到上一阶段补交付物。

第十小时应已经有结构化接口和完整 UI 状态；第二十二小时应有可追溯回答与问题集；第三十小时必须能重建。任何节点明显落后，都从装饰、框架迁移和额外数据源中删时间，不能挤掉最后三小时复盘。

学习曲线分三段：前十小时反馈快，需要 Web 开发、HTTP 与 JSON 基础，产物是可校验接口和完整交互状态；中间十二小时开始变陡，需要文件处理与测试思维，产物是带依据回答和 20 条问题集；最后八小时难点转向运行责任，需要基本日志和部署能力，产物是成本字段、失败记录与重建说明。前置不足时可以延长总时长，不能删掉验收。

一句话解读：这条曲线最难的不是写出答案，而是在时间用尽前证明错误可以被发现并复现。

这条路线的适用边界

它适合有编程基础、能独立运行 Web 项目的读者，不适合零基础学习或生产系统迁移。示例资料会随版本变化，三十小时也不包含云账号审批、企业数据清洗和安全评审；遇到这些任务应另开计划，而不是假装仍能塞进原预算。

最低可行执行只记四个检查点：第 4 小时交付 schema 与失败表；第 10 小时交付可取消交互；第 22 小时交付引用和问题集；第 30 小时从空环境重建并复跑。下一步先在日历锁定最后三小时，再开始第一段；若无法预留复盘时间，这次学习应缩小数据范围而不是照常开工。