常见问题
学习路线、工具选择、知识库、Agent 等常见疑问的简明解答，整理自教程的常见问题章节。
我应该先学某个具体模型（ChatGPT、Claude、Gemini、豆包），还是先学 Prompt？
先学任务定义。模型各有优势，但对新手来说，最大差距往往不在模型，而在输入质量和验收标准。先选一个当前可用、成本可接受的模型作为主工具，同时用另一个模型做对比；等任务定义稳定后，再根据长文、代码、多模态、联网、成本等需求选择工具。
Prompt 工程会不会过时？
低级模板会过时，但任务定义不会。模型越强越能理解自然语言，但它仍然需要知道目标、上下文、约束和成功标准。不要把学习重点放在神秘话术上，要放在问题定义和反馈闭环上。
我不会编程，还要学 AI 编程吗？
如果目标只是办公提效，不必深入编程，但建议至少学会写 Spec——它能帮你和开发者、AI 编程工具、外包团队沟通。AI 编程门槛已经降低，非技术学习者也能做简单页面和工具，但仍要懂安全、验收和范围控制。不会代码不是问题，不会定义需求才是问题。
知识库是不是一定要用向量数据库？
不是。个人入门可以从 Markdown、Notion、飞书、Obsidian、NotebookLM 开始。真正重要的是资料结构、来源、标签和使用场景；等资料和任务稳定后，再考虑向量数据库或自建 RAG。过早追技术栈，容易忽略资料质量。
AI 会不会让我变懒？
如果你只让 AI 直接给答案，确实可能削弱思考；但如果让 AI 追问你、挑战你、要求你补充证据、帮你复盘，它会放大思考。关键在使用方式：把低价值整理交给 AI，把高价值判断留给人。
怎样判断一个 AI 课程是不是靠谱？
看它是否有真实任务、是否要求提交、是否有反馈和复训、是否讲风险、是否能导出成果、是否避免夸大收益。如果课程主要卖“万能模板”“躺赚副业”“一天精通所有工具”，要谨慎。靠谱的课程通常强调边界、练习、反馈和长期复用。
学习 AI 需要每天多久？
入门每天一小时足够，但要保证有输出：十分钟读概念、二十分钟做任务、二十分钟改写、十分钟保存和复盘。每天刷三小时视频却没有交付物，不如每天认真完成一个小任务。
我应该把哪些成果保存下来？
保存经过验证的 Prompt、优秀输出、修改前后对比、知识条目、工作流模板、Rubric、Agent 设计、失败案例和复盘。尤其要保存失败案例，它们能提醒你下次如何避免同类问题，不要只保存漂亮结果。
Agent 是不是一定要会调用很多工具？
不是。新手 Agent 可以没有复杂工具，只要它能稳定处理输入、输出固定结果，并在合适位置保存。工具越多失败点越多，先把单步能力做稳，再接工具。
如何避免 AI 生成内容越来越同质化？
加入个人经验、真实案例、独特判断、具体读者和明确取舍。AI 擅长平均化表达，差异化要靠人。每次生成前先写三条只有你知道的材料，再让 AI 帮你组织，内容会明显更像你的作品。