重建AI认知第0篇：两年AI实践后，我的知识复盘与重构

我是谁一个在传统行业做了多年PM的人。过去两年使用了很多 AI 工具也落地过一些 AI 项目。调 prompt 会搭 RAG 也能搞但你让我讲解 LLM 底层原理到底是什么东西我说不清楚。面试被问到技术问题就露怯跟算法开会心里没底。看到新工具出来无法有自我间接的评判也自然不确定是否是营销号在吹。后来我发现不是我学得不够多是我脑子里没有一张地图。天天追热词就像手里攥着一把拼图块每块都知道一点但看不出来它们在整个图里的位置。为什么要做这个系列市面上 AI 的资讯很多、课程也很多。但对于一个已经有两年实战经验、现在想回头系统梳理的人来说大多数内容要么太浅只讲概念不讲底层要么太深直接扔论文和技术细节不系统、不落地。我需要一套从一个真正有底层方法论同时具备实践经验的视角出发的知识框架——不追求成为算法专家而是建立一个能用、能讲、能作为判断依据的认知体系。这个系列就是我做这件事的过程记录。学习框架五层递进每一层是下一层的前提L1 基础认知 → 画一张 AI 生态地图 L2 核心原理 → 理解 LLM 是怎么工作的 L3 关键范式 → 掌握 Prompt / RAG / Agent / 微调 L4 系统架构 → 评估、成本、安全、数据 L5 产品策略 → PMF、竞品、趋势判断 L6 项目实践 → AI 垂直应用从 0 到 1 的案例拆解每层对应1到几篇文章。不赶时间站稳一层再走下一层。给谁看如果你也是传统行业出身正在或准备转型 AI接触过一些 AI 工具和概念但说不透每天被新模型、新工具刷屏有点焦虑想系统性地把 AI 的知识框架搭起来而不是继续追碎片那这个系列就是为你准备的。我不打算讲给技术专家听是讲给和我们一样、有行业背景但需要系统补 AI 认知的人。怎么用每篇文章独立可读。但如果按顺序读效果会更好——因为每一层都会引用上一层建立的概念。下一篇就是这张地图的第一笔尽请期待重建 AI 认知第 1 篇基础认知——一张地图看懂 AI Landscape