V01｜导学：这套课怎么学、学习站怎么用
这是 34 课的第一课，但它不教任何 AI 知识。它只教你一件事：怎么把这 34 课真正学完、用出来。
看完你会拿到
- 这套课 34 课、六个模块的完整地图；
- 每课「八件套」分别怎么用、卡在哪一步找什么；
- Q List 学习法：问题 / 我的猜测 / 答案 / 待验证边界。
为什么第一课是「怎么学」
先说一个大概率发生过的场景：你收藏过不止一套 AI 课，每套都点开了前两节，然后就没有然后了。
这件事的锅不在你的意志力。大部分 AI 内容默认你「知道怎么学 AI」——知道该先建立什么直觉、该在哪一步动手、怎么判断自己学会了没有。但没人教过这个。所以我们把「怎么学」做成正式的第一课：先用 20 分钟装好学法，后面每一课都快一点、牢一点。
💡 一句话总结：先磨刀，第一课就是磨刀石。
这套课的地图：六个模块、34 课
整套课像一栋六层的楼，一层只解决一件事：
- 模块 0 · 开学（2 课）：你现在在的地方。怎么学这套课 + 和 AI 完成第一次真实协作。
- 模块 1 · 认知地基（9 课）：大模型到底是什么、它为什么胡说八道、为什么聊着聊着就忘、它怎么查资料。学完你能看懂 AI 新闻，不被标题党带节奏。
- 模块 2 · 工具与环境（6 课）：工具分哪四层、怎么选、Mac 和 Windows 怎么一次装好、什么能发给 AI 什么永远不能。
- 模块 3 · 提问与迭代（7 课）：把任务说明白、把反馈给到位、聊废了怎么止损重开，外加十二场景模板库。
- 模块 4 · 日常实战（7 课）：周报纪要、邮件 PPT、读表看图、桌面研究——全是真实任务两连做。
- 模块 5 · 毕业（4 课）：学会如何学习 AI，然后设计并交付你自己的岗位 AI 助手。
每个模块开头有一课导学（本模块学什么、和前后什么关系），结尾有一课复盘（阶段测，计入成绩）。头尾固定，中间交替排概念课和实操课，不会连续三课纯阅读。
💡 一句话总结：先认路，再上路。
每课八件套怎么用
每一课都是同样的八个环节，20–40 分钟走完一个小闭环。学前四件负责「对齐」：
- 导航条：第几课、在哪个模块、下一课是什么。迷路了看一眼就知道自己在哪。
- 课前摸底：2–3 道选择题。不计分、不门禁，答完立即给解析。它测的是「你现在以为的」——猜错不丢人，猜错正好看见差距。
- 你会拿到：本课 3–5 条收获清单。建议学完回来逐条对照打勾，打不上勾的就是没学会的地方。
- 精讲正文：类比驱动，每节末尾一句话总结。术语一律先讲人话，括号里给工程名。
学后四件负责「验收」：
- 动手环节：每课都有真实可验证的产出。可能是发一条提示词、填一张卡、过一遍模拟终端——但绝不是「看完就算」。
- 课后测：4–10 题，答对 80% 点亮本关。题目优先考「给你场景选做法」，不考死记硬背。
- 通关证据：用自己的话复述这节课（不少于 15 个字）。讲得出，才算学到；讲不出，回去再看对应小节。
- 一个小动作 + 下一课预告：30 秒能做完的零成本动作（比如存一条提示词），顺便告诉你下一课有什么。
💡 一句话总结：学前四件对齐方向，学后四件防止「看过」冒充「学会」。
Q List 学习法：四个格子
这套课陪你走完全程的只有一张表，叫 Q List。每课记一行，四个格子：
| 格子 | 记什么 |
|---|---|
| 问题 | 这节课我想搞懂什么？越具体越好 |
| 我的猜测 | 学之前，我以为答案是什么 |
| 答案 | 学完后，实际答案是什么 |
| 待验证边界 | 这个答案在哪些情况下可能不成立 |
前三个格子好理解，关键是第四格。AI 领域的答案几乎都有适用条件：「这个工具好用」可能只在你的场景成立，「AI 会胡说」也分什么样的胡说。把边界记下来，后面课程会逐个验证——这张表最后就是你的私人 AI 知识库。
另外留意「猜测」和「答案」的落差：落差最大的那几行，就是你真正学到东西的地方。
💡 一句话总结：Q List 记的不是知识，是你思考的轨迹。
本课边界
导学课不教：任何 AI 知识（原理从 v03 开始）、提示词写法（模块 3，v18 起）、工具安装（模块 2，v14/v15）。别指望看完导学就会用 AI——它只是地图，不是目的地。
零成本小动作
打开备忘录新建一页，标题写「Q List」，抄下四格标题：问题 / 我的猜测 / 答案 / 待验证边界。30 秒，今天就做。
你现在应该能
- 说出六个模块的名字和各自解决的问题；
- 说出八件套每一件的位置和用法；
- 默写 Q List 的四个格子。
下一课预告
v02 开学小动作：不装任何新工具，用三个模板之一，和 AI 完成你的第一次真实协作。你会分清「聊天框 AI」和「能动手的 Agent」，并记住这套课最重要的一句话：首轮即草稿。