Path 0: AI 基础先行 | AI Foundations
推荐先修路径 无论你是运营人、技术人还是管理者，建议先完成本路径建立 AI 认知基础 最后更新: 2026-08-04 难度: 入门 预计时间: 每天 30 分钟，1 周完成全部模块 前提: 无，零基础可学
为什么需要 Path 0
Path A/B/C 假设你已经理解 AI 的基本概念。如果你对以下问题还不确定，建议先完成 Path 0：
- LLM 到底是怎么工作的？为什么它有时候会“胡说八道“？
- Prompt 写得好和写得差，效果差距有多大？有没有系统方法论？
- 什么是 RAG？为什么 AI 不知道我的产品信息？怎么让它知道？
- Agent 和普通的 ChatGPT 对话有什么区别？自动化能做到什么程度？
路径导航
flowchart LR
F1["F1 AI 的前世今生"]
F1 --> F2
F2["F2 Prompt 工程"]
F2 --> F3
F3["F3 知识库与 RAG"]
F3 --> F4
F4["F4 自动化与 Agent"]
F4 --> F5
F5["F5 RPA 与低代码"]
style F1 fill:#ff9900,stroke:#333,color:#fff,font-weight:bold
style F2 fill:#ff9900,stroke:#333,color:#fff,font-weight:bold
style F3 fill:#ff9900,stroke:#333,color:#fff,font-weight:bold
style F4 fill:#ff9900,stroke:#333,color:#fff,font-weight:bold
style F5 fill:#ff9900,stroke:#333,color:#fff,font-weight:bold
模块概览
| 模块 | 主题 | 你将理解 | 预计时间 |
|---|---|---|---|
| F1. AI 的前世今生 | 从机器学习到 Agent 的发展脉络 | LLM 的本质是什么，为什么它能做这些事 | 2 小时 |
| F2. Prompt 工程 | CRISP 框架 + 高级技巧 + 本库的六块写法与纪律块 | 如何系统性地写出高质量 Prompt，以及怎么拦住模型编数据 | 3 小时 |
| F3. 知识库与 RAG | Embedding、向量数据库、RAG 架构 | 如何让 AI 理解你的私有数据 | 2 小时 |
| F4. 自动化与 Agent | 从脚本到 Agent 的三层自动化 | AI Agent 能做什么，怎么用 | 2 小时 |
| F5. RPA 与低代码自动化 | n8n/Zapier/Make/Defy 实战 | 用具体工具搭建自动化工作流 | 2-3 小时 |
| F6. AI 工具对比 | ChatGPT/Claude/Gemini 等工具横评 | 手上这些工具各自强在哪、该用哪个 | 1 小时（随用随查） |
学习建议
- 运营人：重点学 F1（建立认知）+ F2（Prompt 是你的核心技能），F3/F4 了解概念即可
- 技术人：五个模块都要学，F3/F4 是你后续 Path B 的理论基础
- 管理者：重点学 F1（和团队沟通的基础）+ F4（理解自动化的边界），F2/F3 快速浏览
完成标志
- 能用自己的话解释 LLM 的工作原理（不需要技术细节，但要理解本质）
- 能用 CRISP 框架写出结构化的 Prompt，并知道常见错误怎么修
- 知道什么时候该往 Prompt 里加数据纪律块，以及它拦的是哪一类错
- 理解 RAG 的核心架构，知道什么时候该用 RAG 而不是直接问 AI
- 理解 Agent 和普通对话的区别，能判断哪些业务场景适合用 Agent
完成 Path 0 后，建议先看 AI 应用全景评估 建立全局视角，再根据你的角色选择下一步：
- 运营人 → Path A: AI 提效实战
- 技术人 → Path B: AI 系统构建
- 管理者 → Path C: AI 战略落地