找到下一节真正值得学的课

四节开篇小课：先按目标挑一条学习路线，再用达克曲线找到自己现在的位置，讲清怎么学才能真的过脑子，以及为什么值得先花时间弄懂原理。原理通了，后面所有方案你都能自己看懂。

知识随手就能问出来之后，学得好不好取决于三件事：问得准、验得住、留得下。三十五节课，一节只讲一个动作，四百字左右加一个能上手的演示：提问该带哪四个部件、它最容易在哪五处编、读不下去的条款怎么分四步拆开、带 AI 精读几十万行源码时怎么让每个论断都回到具体行、怎么让它出新题而不是出名词解释、外部记忆该分哪三层写、怎么确认自己真会了而不是读得顺、怎么把这些动作排进自己的周历，以及把站内侧边栏的 Alice 用成随时在场的助教。最后三节收尾：三十二个动作的汇总表、今天十分钟能填完的三行、用 30 道题找出我没学会的地方。

不讲术语、不讲数学，用八节交互小课建立对 AI 的正确直觉：它能干哪些神奇的活、为什么会一本正经地胡说、怎么和它说话、什么能放心交给它。另附「小白三千问」：一页一问，把新手最常见的疑惑一次说清。零基础的家人朋友也能看懂，全章免登录开放。

从训练数据、Token 到 GPT 跃进，再到大模型幻觉的成因与四种应对方案，建立对大模型底层原理的完整认知。

上下文工程、Prompt 进阶与安全、Agent 设计与工具调用、五层成本优化体系，把大模型真正落地为可用产品。

以真实 AI Agent 桌面应用为例，拆解生图产品化、Agent 循环控制、上下文压缩、长期记忆、Prompt Harness、多 Agent 协作、权限安全与 MCP 生态，走完从「调通 API」到「用户能用」的完整实战路径。

基于 Anthropic 公开的 Claude Code 源码与工程博客，深入拆解生产级 Agent 的设计模式：上下文工程、工具设计、评测方法论、长运行 Agent、脑手分离架构与安全容器化。

从 Harness 设计模式到递归自我改进：当 Agent 开始优化自己的脚手架，AI 工程进入新阶段。基于 Lilian Weng 2026 年前沿综述。

产品五连的第一章，也是后面四章的地基：手上没有一套稳定的协作流程，谈好看、好用、用户觉得好用都是空的。基于作者开源的 xs_vibe_rules 仓库，把多个真实项目沉淀出的 AI 协作规范拆成课程：流程控制、质量底线、文档沉淀、安全闸门与写作风格，让 AI 写得快也写得稳。

协作流程立住之后，第一个卡住你的是审美。AI 把执行门槛打掉之后，人人都能十分钟做出能用的东西，「能用」本身开始贬值，品味成了新的分水岭。这一章教两项可训练的技能：识别美，四个抓手（层级、留白、克制、一致性）每个配 A/B 找茬交互；把审美翻译给 AI 听，审美词汇表、生 UI 与生图的提示词写法、垫图与参考库。天赋型的「创造美」教不了，但「看出哪里不对」和「说清要什么」，练了就会。

好不好看一眼能看出来，好不好用要用起来才知道，所以交互的病比审美的病更隐蔽。AI 默认交付的交互是「能跑通」级别：空态一片空白、报错弹 alert、删除不带确认、五步向导一步不少。这一章接着审美工程往下走：先学识别（状态三件套、防错与可逆、流程克制、习惯用法），再抠界面细节（控件怎么选、文案怎么说），最后把交互要求翻译给 AI 听（目标导向描述需求、状态机与边界写进提示词）。素材整理自交互设计的经典教材《About Face 4》。

审美和交互解决了做得好看、做得好用，还剩第三件事：让用户觉得好用。AI 产品天生慢、会错、不透明，这三个毛病工程上短期都只能缓解，但用户的评价由感知决定，感知可以设计。这一章沿用户旅程铺十六个心理效应：等待焦虑、劳动错觉、峰终定律、信任校准、算法厌恶、防御心理、蜜月悬崖、AI 标签折扣、认知卸载、情感依恋，一路讲到付费疼痛、定价锚点和沉默偏差。每一课都是一个心理效应加一组当场能拨的工程开关。

前面三章都在让用户满意，这一章问另一个问题：这笔账划不划算。产品用得越好，用户用得越多，利润反而越薄——AI 商业化是一场和用户的对赌。这一章基于作者的团队内部分享整理：先看懂 Token 怎么数、报价表里的梯队与跳档陷阱（输出 200 断崖、输入 32k 红线、图片像素税、Agent 的输入主导），再沿语法、语义、架构、输出四层把成本一层层抠下来。省 Token 的本质是提高信息密度：高信噪比 = 高智能。

不背定义、不手写链表。用你已经学过的 AI 概念当例子——message list 是数组、KV Cache 是缓存、RAG 检索是近邻搜索——把八种核心数据结构一次看懂。学完你能看懂 AI 生成的代码在用什么结构，也能看懂大模型肚子里装的是什么。

从「这段代码要跑多久」的直觉开始，把复杂度、查找排序、递归分治、图搜索、贪心采样五类经典思想讲透——每一类都对应大模型里的一个真实机制：注意力是 O(n²)、Rerank 是排序、Compaction 是分治、解码是贪心与采样。最后回答那个终极问题：AI 都会做题了，还要不要刷 LeetCode。

这一章要读 Rust 源码，不看不影响任何后续内容。适合想自己动手写一个 Coding Agent 的人：基于 xAI 公开的 Grok Build 源码，沿着 79 个 Workspace 成员拆解运行时、工具、记忆、安全与扩展设计。其中八个不依赖源码也成立的结论，已经提炼进工程进阶篇，那边看不过瘾再回来这里深潜。

这一章要读 TypeScript 源码，不看不影响任何后续内容。DeepSeek 在 2026 年开源的 Agent Harness 把模型、工具、会话、沙箱、UI 全部做成可替换的 Cordis 插件，还立了一条运行时不变量：模型看到的一切必须能从会话日志逐字重建。本章沿源码拆解它的插件内核、Turn/Step 循环、双队列 Inbox、Compaction 双路径与 Code Mode 沙箱，并逐课与 Claude Code、Grok Build 做证据化对照。

这一章要读 Rust 源码，不看不影响任何后续内容。Codex 面对的问题和别家一样：模型要读文件、跑命令、改代码，而这些动作没有人逐条审过。它的答案是把约束尽量往前推，能让编译器管的交给类型，类型管不了的写进 code review，运行时管不了的交给沙箱和审批。本章沿源码拆解上下文注入的类型系统、Windows 上的三道关卡、自带测试用例的命令策略、用模型审批模型的 Guardian，以及给模型专门设计的 diff 与代码模式，逐课与 DeepSeek Harness、Claude Code 做证据化对照。

新闻里天天说某某模型开源了，开源的到底是什么？这一章从权重讲起，教你自己看懂一张许可证，搞清楚各家开源背后的商业算盘。再往下是模型如何从大变小：涌现、蒸馏，以及蒸馏带来的同质化代价。最后动手，算清楚自己的电脑能跑多大的模型，用 Ollama 或 LM Studio 真正跑起来。

六个正课篇章各配一套 50 道题的卷子，Grok Build 专题另有一套，全部依据对应内容编写。模拟考试从题库随机抽 25 题、选项打乱，刷两遍也不重样；顺序刷题则逐题即时判定并展开解析。全部学完还有一份全站综合考，从 350 题里按卷均摊抽 35 题，专治跨章节的概念混淆。答错的考点会记进个人中心的薄弱点，直接给出补课链接。

AI 让一个人就能做出产品，也让能被抢走的东西变多了。这一章讲确权与合规：商标、软著、专利、域名、备案、注册资本、股权。每一节都有法条出处和真实案例，做早了是投入，做晚了是损失。前两节免登录，其余登录后学习。

产品做出来了、确权了，接下来的问题是有没有人找得到。这一章讲两件事：SEO 的最低可行清单（能被抓、能被读懂、能被收录），以及 GEO 这个新战场（让 ChatGPT、Perplexity、Kimi、豆包在回答问题时愿意引用你）。全章用小山学堂自己的一次真实改造当案例，不教黑帽，不承诺排名，只给能自己动手核对的清单。前两节免登录，其余登录后学习。

这不是 AI 课，是正课学完后的一道甜点：整理自雷军的创业公开课口述，涵盖产品、口碑、找钱、估值、股权与现金流。给想靠 AI 做一人公司（OPC）的你，补上「做生意」的方法论。全章免登录开放。