这个站点不是新闻列表，是按主题组织的知识库。内容分三条线，难度和受众不同。先选对路线，再开始读。

三条内容线

分区是什么适合谁
基础系列AI 核心概念，8 篇由浅入深所有人，建议先读
前沿技术MCP、Skill、Harness 等行业标准有基础后读；部分篇目偏工程
实战案例拆解 Cursor、Claude Code 等真实产品想理解「别人怎么做的」

新手路线（零基础 / 非技术背景）

1. 本文（你正在读）
2. AI 是什么？三个比喻讲清楚
3. 大语言模型怎么「说话」？
4. Prompt 入门
5. MCP 入门（前沿区，但写得够浅）

读完后你会：

  • 知道 AI 能做什么、不能做什么
  • 会用 Prompt 得到更好的回答
  • 理解 MCP 为什么突然 everywhere

暂时跳过：微调 vs RAG 对比、Harness 深入、Eval 体系——等有了实践需求再回来。

工程师路线（有编程经验，想落地 AI）

基础系列 01-08 快速过（重点 04 RAG、05 Agent、08 落地 Checklist）
    ↓
前沿技术全套：MCP 深入 → Skill → Harness → 上下文工程 → Eval
    ↓
实战案例：Cursor 全栈 → Claude Code → OpenAI Responses API

架构师 / Tech Lead 路线

基础系列只读 06（架构选型）、08（落地 Checklist）
    ↓
前沿：Harness + 上下文工程 + Eval（这三篇决定团队工程上限）
    ↓
案例全读，对照自家产品找 gap

关于「Lv.1-5」难度标

  • Lv.1-2：不需要编程，不需要数学
  • Lv.3：需要理解基本工程概念（API、数据库）
  • Lv.4-5：面向正在做 AI 产品的工程师

关于「新手向 / 专业向」标签

  • 新手向：刻意避开了公式和代码，用比喻和流程图
  • 专业向：假设你已经跑通过 RAG 或 Agent demo，直接讲设计和坑
  • 通用：两边都能读，但专业读者可能觉得偏浅

怎么读最高效

  1. 不要从头翻到尾——按路线跳读
  2. 看案例时对照官方文档——文章里会给出处链接
  3. 每篇末尾有「下一篇」——同系列内建议顺序阅读
  4. 有问题发邮件——[email protected]

好，选一条路线，开始吧。