我刷了20小时 YouTube，整理出这条 AI 速成路线：非程序员也能看懂

你是不是也有这种感觉：

AI 信息满天飞，今天有人讲大模型，明天有人讲 Agent，后天又冒出一个“普通人必须学会的神级工具”。

听着都很厉害，点开一看，半小时过去了，只记住一句：AI 很重要。

这不行。

我把 YouTube 上一堆 AI 入门视频筛了一遍，最后整理出一条适合普通人的学习路线。你不用是程序员，也不用有计算机背景。按这个顺序看 7 个视频，基本能搞懂 AI 到底在干嘛、怎么用、怎么判断别人是不是在吹牛。

下面这份路线图，建议收藏。真的能省你很多时间。🚀

这条路线适合谁？

如果你符合下面任意一种情况，就可以直接照着看：

• 你想学 AI，但一看到“神经网络”“Transformer”就头大
• 你每天都在用 ChatGPT，可只会问一句“帮我写个文案”
• 你想把 AI 用到工作里，比如写方案、做表格、整理资料、做 PPT
• 你不想被各种 AI 课程割韭菜
• 你想和懂技术的人聊天时，不再只能点头微笑

咱们目标很明确：

不追求变成 AI 科学家，先变成一个真正会用 AI 的人。

学习前准备：别一上来就收藏 100 个视频

很多人学 AI 最大的问题，不是资源少，是资源太多。

你今天收藏一个“10小时大模型课程”，明天收藏一个“Prompt 终极指南”，收藏夹越来越厚，脑子一点没变强。

这条路线只做一件事：

用最少的视频，搭出完整认知框架。

建议你准备三样东西：

• 一个笔记工具：Notion、飞书文档、Obsidian、备忘录都行
• 一个 AI 工具：ChatGPT、Claude、Gemini、豆包、Kimi 任选一个
• 一套固定笔记模板

笔记模板可以直接抄：

## 视频标题

### 我听懂了什么？
- 

### 这和我的工作有什么关系？
- 

### 我可以马上试的用法
- 

### 还没搞懂的问题
- 

每看完一个视频，只写这四块。别写长篇观后感，没必要。

第 1 课：先搞懂 AI 到底是什么

推荐搜索关键词

在 YouTube 搜：

AI Explained Artificial Intelligence in 10 Minutes

或者搜：

What is Artificial Intelligence explained simply

你要看懂什么？

这一课别纠结技术细节，只抓三个概念：

• AI：让机器完成原本需要人类判断的任务
• 机器学习：机器从数据里找规律
• 生成式 AI：根据你的输入，生成文字、图片、代码、音乐、视频

你可以把它想成这样：

以前的软件像自动售货机。你按 A1，它掉一瓶水。

现在的 AI 更像实习生。你给它一个任务，它会根据理解去完成。做得好不好，取决于你说得清不清楚、它手里有没有资料、它有没有执行工具。

看完立刻做一件事

打开你常用的 AI 工具，问它：

用一个高中生能听懂的方式，解释 AI、机器学习、深度学习和生成式 AI 的区别。请用表格展示，并给每个概念配一个生活例子。

如果它讲得你还是不懂，继续追问：

别用专业术语，用奶茶店打工的例子重新解释一遍。

这就是你和 AI 相处的第一条原则：

听不懂，就让它换一种说法。别硬扛。

第 2 课：用动画看懂神经网络

推荐搜索关键词

3Blue1Brown But what is a neural network

3Blue1Brown 的动画很适合入门。画面清楚，不会一上来甩一堆公式。

你要看懂什么？

这一课只抓一个核心：

神经网络不是“真的有大脑”，它是在不断调整参数，让输出更接近正确答案。

比如你教 AI 识别猫。

它一开始会乱猜。你给它看很多图片，告诉它“这是猫”“这不是猫”。它不断调整内部权重，慢慢学会判断：耳朵形状、眼睛位置、胡须、轮廓……这些特征组合起来，大概率是猫。

不用把每个数学细节都吃透。

你只要明白：AI 的“聪明”，很大一部分来自大量数据和反复训练。

看完立刻做一件事

让 AI 给你做一个类比：

请用“新员工学习审核报销单”的例子，解释神经网络是怎么通过训练变准的。要求通俗、带步骤、不要写公式。

如果它能解释到你点头，这节课就过关了。

第 3 课：搞懂大语言模型为什么会说话

推荐搜索关键词

Andrej Karpathy Intro to Large Language Models

这个视频稍微硬一点，但非常值得看。你不用每分钟都听懂，重点听大模型的基本工作方式。

你要看懂什么？

大语言模型的核心动作很朴素：

根据前面的内容，预测下一个最可能出现的词。

听起来是不是有点离谱？

可当模型读过海量文本，它就不只是会接词。它会学到语法、事实、风格、推理模式、代码结构，甚至学到不同职业的人怎么说话。

这也是为什么你问它：

帮我写一封给客户解释项目延期的邮件，语气真诚，不甩锅。

它能写得像那么回事。

它不是“理解人类情绪”到神乎其神。更准确地说，它从大量文本里学到了“这种场景下，人类通常会怎么表达”。

看完立刻做一件事

试试这个提示词：

你现在是一个资深项目经理。请帮我写一封邮件，告知客户项目需要延期 3 天。要求：
1. 不找借口
2. 说明当前进度
3. 给出新的交付时间
4. 提供补救方案
5. 语气专业但不生硬

然后再让它改：

把这封邮件改得更像真人写的，少一点客套话，多一点承担责任的感觉。

你会发现，同一个任务，说法不同，结果差很多。

这就进入下一课了。

第 4 课：学会写提示词，别再把 AI 当搜索框

推荐搜索关键词

Prompt Engineering Tutorial for Beginners

也可以搜：

ChatGPT Prompt Engineering full course

你要看懂什么？

提示词不是玄学。

好的提示词，本质是把任务讲清楚。

你至少要给 AI 四类信息：

• 角色：你希望它以什么身份回答
• 任务：你要它完成什么
• 背景：它需要知道哪些信息
• 标准：什么样的结果算合格

差提示词：

帮我写个销售文案。

好一点的提示词：

你是一个擅长小红书种草文案的内容策划。

产品：一款适合上班族的便携咖啡杯
目标用户：每天通勤 40 分钟以上、经常买咖啡的年轻人
卖点：不漏水、保温 6 小时、能放进包里、不占地方
要求：
- 写 3 个标题
- 每个标题不超过 20 字
- 正文 300 字左右
- 语气自然，像朋友推荐
- 不要夸张营销词

差距很明显吧？

直接套用的万能提示词框架

你是【角色】。

我要完成【任务】。

背景信息如下：
【补充背景】

请按以下要求输出：
1. 【格式要求】
2. 【风格要求】
3. 【长度要求】
4. 【不能做什么】

如果信息不够，请先问我问题，不要急着回答。

最后一句很关键。

很多 AI 结果烂，不是因为模型差，是因为它在信息不够的时候硬编。你要训练它先问问题。

第 5 课：理解 RAG，让 AI 用你的资料回答

推荐搜索关键词

What is RAG Retrieval Augmented Generation explained

RAG 这个词看着吓人，实际很好理解。

你要看懂什么？

普通 AI 回答问题，主要靠训练时学过的东西。

RAG 的思路是：

先从你的资料库里找相关内容，再让 AI 基于这些内容回答。

场景特别常见。

比如你有一堆公司制度、产品手册、客户聊天记录。你不想每次都翻文档，就可以让 AI 帮你查：

• “报销超过 5000 元需要谁审批？”
• “客户问 A 产品和 B 产品区别，怎么回答？”
• “这份合同里有没有付款风险？”

AI 不是凭空猜，它先看你的文件，再给答案。

普通人怎么用？

不用自己搭系统。直接用这些工具就能体验：

• Kimi：适合读长文档
• ChatGPT：适合上传文件后分析
• Claude：适合处理长文本和写作
• 飞书妙记/钉钉 AI：适合会议纪要和团队资料
• Notion AI：适合知识库问答

看完立刻做一件事

找一份你工作里真实用得上的 PDF，比如产品说明、合同、会议纪要。

上传给 AI，然后问：

请只基于我上传的文件回答，不要使用外部知识。

帮我提炼：
1. 这份文件最重要的 5 个结论
2. 可能存在的 3 个风险
3. 我下一步应该确认的 5 个问题
请用表格输出。

你会马上感受到：AI 不只是聊天工具，它可以变成你的资料助理。

第 6 课：认识 AI Agent，别被概念吓住

推荐搜索关键词

AI Agents explained simply

或者：

What are AI agents and how do they work

你要看懂什么？

Agent 可以理解成“会自己拆任务、调用工具、执行步骤的 AI”。

普通聊天机器人像顾问。你问一句，它答一句。

Agent 更像助理。你给它一个目标，它会自己规划：

• 要查什么资料
• 要用什么工具
• 要分几步做
• 做完后怎么检查

举个具体场景。

你说：

帮我调研 5 款竞品，整理价格、核心卖点、用户差评，并输出一份对比表。

普通 AI 可能直接给你一堆看似合理的内容。

Agent 会更接近这样：

1. 搜索竞品信息
2. 打开网页
3. 提取价格和功能
4. 汇总评论
5. 做成表格
6. 给出结论

当然，Agent 现在还没到“完全放心托管”的程度。它会犯错，会漏信息，也会一本正经地跑偏。

所以你要记住：

Agent 适合做流程型任务，不适合不检查就交付。

看完立刻做一件事

用支持联网的 AI 工具试这个任务：

请帮我调研 3 个同类产品。

要求：
- 给出官网链接
- 整理价格区间
- 提炼主要卖点
- 找出用户常见吐槽
- 用表格输出
- 每条关键信息都要标注来源

重点看一件事：它有没有给来源。

不给来源的调研，别直接信。再像真的，也要查。

第 7 课：把 AI 接进你的日常工作流

推荐搜索关键词

How to use AI in daily workflow

也可以搜：

ChatGPT productivity workflow

你要看懂什么？

学 AI 不是为了多懂几个术语。

真正有用的是：把它塞进你每天重复、耗脑、烦人的环节里。

下面这些场景，你可以直接抄。

场景 1：开会前，帮你准备问题

我下午要和客户开需求沟通会。客户是一家教育机构，想做一个线上课程小程序。

请帮我列出 20 个必须确认的问题，按以下分类：
- 业务目标
- 用户角色
- 课程内容
- 付费方式
- 数据统计
- 后台管理
- 风险点

开会时你就不会像临时抱佛脚。

场景 2：开会后，整理纪要和待办

下面是会议录音转写文本。请帮我整理成会议纪要：

要求：
- 按议题分类
- 标出已确认事项
- 标出待确认问题
- 提取每个人的待办
- 给出下一次会议建议议程

文本如下：
【粘贴内容】

这招对天天开会的人很救命。少写半小时纪要，晚上就能早点走。

场景 3：写方案，不再从空白页开始

你是一个有 8 年经验的咨询顾问。

请帮我生成一份方案大纲。

主题：用 AI 改造客服团队工作流
对象：一家 200 人规模的电商公司
目标：减少重复咨询，提高客服回复一致性

请输出：
1. 方案目录
2. 每一部分要写什么
3. 需要收集哪些数据
4. 可能遇到的阻力
5. 解决建议

AI 最适合帮你破空白页。你再改、再补、再加入判断。

场景 4：把复杂内容讲成人话

请把下面这段专业内容改写成普通老板能听懂的话。

要求：
- 不要术语堆砌
- 用业务结果解释
- 控制在 300 字以内
- 语气像汇报，不像科普文章

内容如下：
【粘贴内容】

这招适合写汇报、写周报、写项目说明。

7 个视频的观看顺序表

| 顺序 | 搜索关键词 | 主要目的 | 看完你应该能做到 | |---|---|---|---| | 1 | AI Explained Artificial Intelligence in 10 Minutes | 建立 AI 基础概念 | 分清 AI、机器学习、生成式 AI | | 2 | 3Blue1Brown But what is a neural network | 看懂神经网络直觉 | 明白 AI 为什么能通过训练变准 | | 3 | Andrej Karpathy Intro to Large Language Models | 理解大语言模型 | 知道 ChatGPT 为什么能生成回答 | | 4 | Prompt Engineering Tutorial for Beginners | 学会写提示词 | 能写出结构清楚的 Prompt | | 5 | What is RAG explained | 理解知识库问答 | 会让 AI 基于文件回答 | | 6 | AI Agents explained simply | 认识 Agent | 知道 AI 怎么拆任务、调用工具 | | 7 | ChatGPT productivity workflow | 接入工作流 | 能把 AI 用到会议、写作、调研里 |

建议别一天看完。

更舒服的节奏是 7 天看完。每天一个视频，看完马上做一个小练习。光看不练，过两天就忘。

最容易踩的坑

坑 1：一上来就追热点工具

今天学这个插件，明天换那个模型，后天又去研究某个新平台。

结果工具会了一堆，任务还是做不好。

先学底层逻辑：模型怎么回答、提示词怎么写、资料怎么喂、结果怎么检查。

工具会换，方法能一直用。

坑 2：把 AI 的回答当标准答案

AI 很会说，尤其会把错话说得很像真的。

遇到这些内容，一定要核查：

• 数据
• 法律条款
• 医疗建议
• 财务测算
• 学术引用
• 竞品价格
• 新闻事实

一个简单规则：

能影响决策的钱、合同、健康、声誉，都别只听 AI 的。

坑 3：提示词写得太短

你只说“帮我写方案”，它只能猜。

你给它背景、目标、对象、格式、限制，它才有机会写得像样。

别嫌麻烦。你多写 1 分钟，可能少改 30 分钟。

坑 4：只收藏，不动手

收藏 AI 教程会让人产生一种错觉：我好像已经学了。

没有。

真正的学习发生在你打开工具、输入任务、看到结果、继续追问、手动修改的过程中。

坑 5：期待一次生成完美结果

别把 AI 当神笔。

更合理的用法是把它当一个速度很快的初稿搭子：

• 第一次：让它出框架
• 第二次：让它补细节
• 第三次：让它改风格
• 第四次：你来判断和定稿

你负责方向，它负责加速。

你的 7 天学习计划

Day 1：搞懂 AI 基础概念

任务：让 AI 用 3 个生活例子解释 AI、机器学习、生成式 AI。

Day 2：看懂神经网络直觉

任务：让 AI 用你所在行业的例子解释“训练”和“参数调整”。

Day 3：理解大语言模型

任务：让 AI 写一封工作邮件，并连续改 3 版。

Day 4：练提示词

任务：用万能提示词框架，重写你工作中最常见的一个需求。

Day 5：上传文件做分析

任务：上传一份 PDF，让 AI 提炼结论、风险和下一步问题。

Day 6：尝试联网调研

任务：让 AI 调研 3 个竞品，要求给来源。

Day 7：搭一个自己的工作流

任务：选一个你每天都烦的任务，写成固定 Prompt 模板。

比如：

• 每周写周报
• 每天整理会议纪要
• 每次写销售话术
• 每次做客户需求分析
• 每次写短视频脚本

把模板存起来，下次直接复用。

一个判断标准：你是不是真的入门了？

看完这 7 个视频，不用急着炫耀自己懂 AI。

你只要能做到下面这些，就已经超过很多“张口闭口大模型”的人了：

• 能用人话解释大模型怎么生成回答
• 知道 AI 会编，重要内容要核查
• 会写结构化提示词
• 会让 AI 基于你的文件回答
• 知道 Agent 适合什么、不适合什么
• 能把 AI 接进一个真实工作流程

AI 入门，不是背术语。

是你明天上班时，真的能少熬一会儿。