一个人AI自学的四层框架5分钟打开AI全局视野

新闻

作者：微信文章
从今年开始，几乎每周AI的消息都特别多，有点让人眼花缭乱。



比如今天哪家又发了个新模型，明天谁家又出了个新功能，后天谁谁又出了篇论文震感业界。这种东西，其实你了解太多没什么用处。甚至看多了反而焦虑和迷茫，你也不知道那个模型、工具是不是真的像营销号说的那样好用。

我周末在家，看了两本书，一本是图解大模型生成式AI原理与实在，一本是从零构建大模型。其实是先看的前一本，不过图解还是不太过瘾，不够透彻，又切换到了后面一本。看这个模型层面的书，主要还是复习一下底层的概念，地基越稳固，对做工作流和提示词等上层应用都会有大有帮助。

不过对于新手来说，确实没有必要去手动搭建神经网络或者大模型。新手感到比较迷茫的原因，其实是因为你没有AI学习的框架，你大脑当中对大模型、对 AI 所有的这些知识的没有一个统摄全局的框架。

今天我花3分钟的时间，给你讲明白整个 AI 领域的学习路线图。在当今 AI 时代，我们应该建立什么样的 AI 学习的框架，以便能够比较从容地应对这个快速进化的 AI 时代的各种消息。

其实每天你看到的各种信息、各种消息，不管是国外、国内的，我们都可以被分为这四个层面。
第一个层面

也就是最基础的层面，它就是工具层，各种各样 AI 的工具，比如说字节下面的即梦，腾讯的元宝，腾讯的 ima知识库。以及像其他比如文生图的可灵、AI画布产品flowith、甚至agent产品minimax。这些统统它都属于工具层面。

这个层面的特点就是产品开箱即用，比较傻瓜式，你不需要了解太多背后的原理就可以上手用起来，但是缺点就是灵活性比较差，他的很多参数都是调好的，给你的空间有限。

掌握工具层能让我们快速体会到AI的威力，比如一句话你就生成一个网页、一个视频，对于没接触过的人来说，还是蛮震感的。

但工具层会有一个比较大的问题，就是更新换代非常快。前几年文生图最火的是 midjourney，但是现在还有几个人在用 midjourney吗？他家的用户大都转向了像极梦，像可灵这样更新的产品。
第二个层面

叫做工作流以及智能体的层面，这个层面。相对来说你的灵活性就更高，比如说工作流，你可以根据你的具体的工作场景、工作环节，来设计 AI 工作流，这个是你需要自主编排整个流程。所以它灵活性相对较高。

但与此同时，它需它上手是有一定难度的，比如说扣子智能体，你搭建一个简单的扣子智能体很容易，但是搭建一个真正在工作当中能解决实际问题的，其实还是是要费不少的时间，你需要去学习扣子里面的插件怎么来应用，是用第三方现成的，还是自己去开发；

去学习扣子里面怎么写提示词，去学习在 coze里面怎么设计工作流、不同的节点之间怎么来进行数据流转、以及非常关键的AI知识库如何搭建等等这样的知识。

因为这种门槛的存在，不同的人，他搭建的扣子工作流、智能体，他的效果，他能处理问题的复杂度，都是不一样的。高手和低手就会被明显区分开了。

但这一层，学习的回答回比第一层大。因为这一层开始真正能够解决工作中、场景更加具体的实际问题。
再往上就是第三个层面

这个层面叫做 AI 编程的层面。实际上这个层面是第二个层面的一种升级。

它比使用工作流使用 AI 智能体更加的灵活，相当于整个节点以及节点之间怎么连接你都要靠编程来实现。 但是现在有了 AI 辅助、AI CODING，比如说cursor这样的工具，能够极大地帮助普通人来编写程序。

这个层面就完全解决了，比如说你用现成的工作流平台 coze 或者 dify 的一些限制，因为你本地编程的话是没有任何限制的，所以他把灵活度拉到了最高。

现成的工作流平台比如coze、dify，他们常见的一个限制就是不能直接和本地的文件进行读写处理，那么你用 AI 编程的话，其实就完全不存在这个问题。

当然，这第三个层面，虽然有了AI之后，普通人也能编程了，但是依然有比较陡峭的学习曲线。尤其是您想做真正能够部署上线的，甚至能够赚钱的这样的编程项目，比如说带有前端后端的工具类产品，甚至电商交易平台，那么你会付出明显比较多的时间和精力。

但这个一定是值得的。这一层像学的话，cursor要掌握，claudecode也要掌握，就够了。这一层其实变化没那么快。

这个层面也是目前为止AI商业化做得最好的一层，AI编程工具cursor营收已经破了5亿，估值目前在100亿美金以上了，要知道这公司仅仅才成立3年。
再往上就是第四类

它就是跟模型本身直接相关的。比如说你去搭建简单的神经网络，去研究什么是有监督学习，什么是无监督学习；什么是预训练、什么是后训练，后训练有哪些方法？等等。

甚至自己去微调一个特定领域和场景的模型，这一层，属于离模型底层原理最近，同时普通人学起来最难的一层。但是大部分企业会在几年内都会去做这一层，比如微调一个自己内部数据和行业知识的专有模型。
那么以上这4个层面，工具层变化最快，模型层变化最慢。

其实它们都有不同的应用场景和适用的人群，那么应该怎么来判断应该学哪一个层面，或者学哪一个层面呢？ 我给大家分享我的观点：
第一个

不管你是文科生还是理科生的背景，你都应该把那些典型的、最具代表性的工具掌握好，比如说国内的就是deepseek 、即梦、豆包这样的产品。他们是大厂出品的，在性能上和产品的易用性上都做到兼顾。而且像豆包这样的产品，它有非常多小的功能，我觉得值得大家去体验和探索用法。
第二个

就是如果你想更进一步的、更贴合你自己的特殊场景，来使用 AI，那么你一定要去研究和学习工作流和智能体的搭建，因为他们比通用工具更加灵活，那就涉及到像扣子工作流、dify工作流，以及n8n等工作流平台的学习。

还有，不要去纠结这个叫做工作流还是智能体，咱们不要去纠结这些概念准不准，搭建起来你好用就行。
第三个

如果你是理工科的背景出身，那么你大学应该一定是学过编程有关的课程的，不管是你学的 c 语言，C++还是汇编，还是数据结构、组合数学，即便只学了其中一两门，你多少是有编程基本概念的，知道编程的核心就是数据和结构，数据就是数组、对象、字符串、数字、布尔值等待、结构有包括循环、条件、函数化、变量等，这些不管什么语言，都是大差不差的。

我近两年使用 AI 编程的一个经验就是你只要有基本的刚才我说的编程的这些知识，数据的知识以及结构的知识，你就能很好的使用 AI 编程的工具来帮助你写程序、写项目。

总结一下这个框架就包括这四个层面

有了这样一个框架以后，你再遇到新的模型、新的工具、新的工作流平台出现的新闻的时候，你能很快在你大脑中定位出这处于哪个位置。学习的规律是，只有清晰地分类，你才能更好的记忆和分析，你吸收信息的效率也才能有一个质的提升。