学习路线图
// 5 阶段 · 30 周 · 从入门到构建者 · 每周具体任务 · 视频优先 · 实践驱动
▸ 核心学习原则（全程适用）
- 媒介优先级：短视频 > 在线课程 > 官方文档 > 书籍。遇到概念先找视频解释，再用文档确认细节。
- 当天验证原则：每学一个新概念，当天用 Claude 或 ChatGPT 实际操作验证，10 分钟的实验胜过 1 小时阅读。
- 积累术语词典：用 Notion 或备忘录维护，每词包含"定义 + 生活类比 + 我的理解"，这是最有效的记忆方式。
- 不追求完全理解数学：建立直觉理解即可，知道"为什么重要"和"如何使用"比知道"公式推导"更有价值。
- 每阶段一个输出项目：能向他人讲清楚才算真正掌握，输出是最好的检验。
Phase 01
认知 & 原理
第 1-4 周 · ~40 小时
建立 AI 世界观，理解 LLM 工作原理，掌握核心术语，开始熟练使用 Claude / ChatGPT。
Phase 02
深化 & 工具
第 5-8 周 · ~50 小时
深入 Agent / RAG / 多模态，系统掌握 AI 工具矩阵，Prompt 工程精通，搭建第一个无代码 AI 应用。
Phase 03
整合 & 落地
第 9-12 周 · ~40 小时
专业场景落地（Marketing / 医疗 / 日常），构建个人 AI 工作流，建立持续学习机制。
Phase 04
构建者 & 创造者
第 13-20 周 · ~80 小时
从"使用 AI"到"构建 AI 产品"。无代码搭建完整应用，掌握 API 集成，理解 Prompt 系统设计，打造个人 AI 作品集。
Phase 05
前沿 & 影响者
第 21-30 周 · 持续进行
追踪 AI 前沿（Agent / 多模态 / 推理模型），建立可持续的知识输出体系，形成有来源、有边界的领域洞察。
Phase 1 · 认知与原理
第 1-4 周
W1
AI 世界观建立 · LLM 全景认知
核心任务：建立对 AI / ML / DL / GenAI 四层结构的直觉理解，理解 LLM 是什么，消除陌生感。
3Blue1Brown 神经网络系列吴恩达 AI for EveryoneKarpathy LLM 概览开始术语词典
3Blue1Brown 神经网络系列吴恩达 AI for EveryoneKarpathy LLM 概览开始术语词典
📌 每日实践：用 Claude 和 ChatGPT 各完成 1 个真实任务，观察输出差异
W2
Transformer & Token · LLM 工作机制
核心任务：理解 Token 是什么、Context Window 如何影响输出、Transformer 注意力机制直觉理解。
3B1B Transformer 可视化Temperature 参数实验Context Window 边界测试
3B1B Transformer 可视化Temperature 参数实验Context Window 边界测试
📌 实验：给 Claude 同一问题，分别设 Temperature 低/高，观察输出差异
W3
训练机制 · Prompt 工程入门
核心任务：理解预训练 / Fine-tuning / RLHF 的逻辑，掌握 Prompt 工程基础技巧（角色设定、CoT、Few-shot）。
李宏毅 ML 前 6 讲DeepLearning.AI Prompt 课建立个人 Prompt 模板库
李宏毅 ML 前 6 讲DeepLearning.AI Prompt 课建立个人 Prompt 模板库
📌 实践：用 Prompt 工程重做本周 3 个实际工作任务，对比不同写法的输出质量
W4
图像生成原理 · Phase 1 综合输出
核心任务：理解扩散模型（Diffusion Model）如何生成图像，掌握 Midjourney 基础参数，完成 Phase 1 输出。
Diffusion Model 直觉理解Midjourney 50 张挑战术语词典 ≥ 25 词
Diffusion Model 直觉理解Midjourney 50 张挑战术语词典 ≥ 25 词
📌 输出项目：写一篇 500 字《AI 是什么》· 能向完全不懂的人解释清楚
Phase 2 · 深化与工具精通
第 5-8 周
W5
Agent 范式 · 工具调用
核心任务：理解 Agent 与普通 LLM 的本质区别，掌握 ReAct 框架，理解 Function Calling 是什么。
DeepLearning.AI Agent 课Function Calling 概念Claude Agentic 模式实验
DeepLearning.AI Agent 课Function Calling 概念Claude Agentic 模式实验
📌 实践：让 Claude 使用工具完成一个多步骤任务，记录它的决策链过程
W6
RAG & 向量数据库 · 搭建知识库
核心任务：理解 RAG 如何用可靠检索和引用补充模型知识、降低部分幻觉风险，动手搭建第一个无代码 RAG Bot。
RAG 架构深度理解Embedding 概念Coze / Dify 实操
RAG 架构深度理解Embedding 概念Coze / Dify 实操
📌 实践：使用一份公开、脱敏且获授权的 PDF → 搭建问答 Bot → 测试 10 个问题并逐条核验引用
W7
Prompt 工程进阶 · 系统化模板库
核心任务：深入 Prompt 工程高级技巧（XML 结构化输入、输出格式控制、多角色对话），建立可复用模板体系。
Anthropic Prompt GuideXML 结构化 Prompt模板库 ≥ 15 个
Anthropic Prompt GuideXML 结构化 Prompt模板库 ≥ 15 个
📌 实践：为 Marketing / 医疗 / 日常三个场景各建立 5 个核心 Prompt 模板
W8
多模态 & 工具矩阵整合 · Phase 2 输出
核心任务：系统体验视频/音频/搜索/自动化等 AI 工具，形成个人工具选用判断力。
Runway / PixVerse 视频生成ElevenLabs 音频Perplexity 搜索Make.com 自动化
Runway / PixVerse 视频生成ElevenLabs 音频Perplexity 搜索Make.com 自动化
📌 输出项目：制作《AI 工具矩阵》手册 · 覆盖 15+ 工具 · 每个注明适用场景、限制和验证方法
Phase 3 · 整合与专业场景落地
第 9-12 周
W9
Marketing AI 全面落地
核心任务：将 AI 工具整合进营销内容生产、受众分析、广告文案、竞品研究的完整工作流。
内容生产批量化工作流广告文案 A/B 生成市场调研 AI 辅助
内容生产批量化工作流广告文案 A/B 生成市场调研 AI 辅助
📌 实践：用 AI 完整策划一次营销活动（从 brief → 内容日历 → 文案 → 视觉描述）
W10
医疗行业 AI 深度应用
核心任务：将 AI 工具应用于患教内容、医生培训、产品知识库、区域报告等真实业务场景。
患教多版本内容生成屈光产品 RAG Bot 搭建医生培训 Q&A 题库
患教多版本内容生成屈光产品 RAG Bot 搭建医生培训 Q&A 题库
📌 实践：使用已获授权且完成脱敏的专业资料搭建知识库 → 测试常见问题 → 记录引用与错误案例
W11
日常工作生活 AI 全面渗透
核心任务：建立个人 AI 工作流 SOP，让 AI 成为日常工作的标配工具而非偶尔使用的工具。
邮件/汇报自动化会议纪要系统个人知识管理健康/投资/生活助手
邮件/汇报自动化会议纪要系统个人知识管理健康/投资/生活助手
📌 实践：列出日常使用 AI 的 15 个固定场景，建立对应 Prompt 模板
W12
终极输出 & 持续学习体系建立
核心任务：完成一个综合输出项目，建立持续跟踪 AI 前沿的信息流系统。
The Rundown AI 订阅Lex Fridman Podcast最终项目完成
The Rundown AI 订阅Lex Fridman Podcast最终项目完成
📌 输出项目（三选一）：① 面向同事的《AI 全景图》演讲 ② 个人 AI 工作流 SOP 文档 ③ 行业分析文章
Phase 4 · 构建者与创造者
第 13-20 周 · ~80 小时
W13
API 入门 & 无代码应用搭建
核心任务：理解 API 调用的基本概念，掌握 Dify / Coze 的高级功能，搭建第一个有完整用户交互界面的 AI 应用。
Anthropic API DocsDify 工作流高级配置Coze 多Agent流Bolt.new 快速原型
Anthropic API DocsDify 工作流高级配置Coze 多Agent流Bolt.new 快速原型
📌 实践：用无代码平台搭建一个可分享的完整 AI 应用，并加入来源说明、错误状态与人工复核入口
W14
Prompt 系统设计 & AI 产品思维
核心任务：从"写 Prompt"升级到"设计 Prompt 系统"--理解 System Prompt 架构设计、对话流程设计、边界条件处理和质量评估方法。
Anthropic Prompt LibrarySystem Prompt 架构设计AI 产品用户体验设计
Anthropic Prompt LibrarySystem Prompt 架构设计AI 产品用户体验设计
📌 实践：为自己的一个应用写完整的 System Prompt（角色+规则+边界+输出格式+示例），并测试 20 个边缘用例
W15
多步骤 Agent 工作流构建
核心任务：用 n8n 或 Make.com 构建多步骤 AI 自动化工作流，为异常、敏感数据和高影响动作保留监控与人工确认。
n8n AI 节点实操LangChain 基础概念自动化信息处理流水线错误处理与监控
n8n AI 节点实操LangChain 基础概念自动化信息处理流水线错误处理与监控
📌 实践：构建自动化工作流（公开行业信息 → AI 摘要 → 人工复核 → 发送到已授权渠道）
W16
Vibe Coding 实战 · 用 AI 写代码
核心任务：用 Cursor / v0 / Lovable 完成一个小型编程项目，体验从需求描述到可运行原型的完整"Vibe Coding"流程；同时学习最基本的代码审查、测试和安全边界。
Cursor 从零入门v0 界面生成Lovable.dev 全栈应用GitHub 基础
Cursor 从零入门v0 界面生成Lovable.dev 全栈应用GitHub 基础
📌 实践：从需求描述开始完成一个可本地验证的 Web 原型（如公开资料问答库 / 示例数据看板），补齐错误状态、隐私检查与发布门禁
W17
AI 图像与视频创作系统化
核心任务：系统化掌握 AI 视觉内容创作工作流，建立从概念到成品的完整管道，覆盖静态图像、短视频、数字人内容。
图像模型 + ControlNet 精控主流图像平台进阶技巧视频生成工作流数字人内容制作
图像模型 + ControlNet 精控主流图像平台进阶技巧视频生成工作流数字人内容制作
📌 实践：完整制作一套营销物料（封面图 × 6 + 30 秒产品视频 × 1 + 数字人版本 × 1），建立可复用的品牌视觉 Prompt 库
W18
AI 评估 & 质量控制体系
核心任务：学会评估 AI 输出质量，建立系统化的评测方法，理解不同模型在不同任务上的优劣，构建有效的人机协作检验流程。
Evals 框架理解LMSYS Arena 理解A/B 测试 Prompt事实核查流程设计
Evals 框架理解LMSYS Arena 理解A/B 测试 Prompt事实核查流程设计
📌 实践：为你最常用的 3 个 AI 任务建立质量评估标准（评估维度 + 示例 + 评分方法）
W19
企业 AI 部署 & 安全合规
核心任务：理解企业 AI 部署的关键考虑（数据安全/模型选择/成本控制/员工培训），掌握受监管行业的 AI 合规边界。
企业 AI 部署框架受监管行业边界数据隐私与 GDPRAI 使用政策起草
企业 AI 部署框架受监管行业边界数据隐私与 GDPRAI 使用政策起草
📌 实践：为团队起草一份《AI 工具使用规范》（适合内部分享的版本）
W20
Phase 4 综合输出 · 个人 AI 作品集
核心任务：整合 Phase 4 所有学习成果，完成个人 AI 作品集--至少 3 个可演示的 AI 应用或自动化工作流，形成有影响力的展示。
作品集整理GitHub / Notion 展示案例故事撰写
作品集整理GitHub / Notion 展示案例故事撰写
📌 输出：个人 AI 作品集（含 3 个项目 · 每个附演示视频 + 技术说明 + 业务价值描述）
Phase 5 · 前沿追踪与影响者
第 21-30 周 · 持续进行
W21
推理模型深度理解 · 质量、延迟与成本
核心任务：系统理解推理模型（Reasoning Model）与普通 LLM 的本质区别，掌握 Test-Time Compute 范式，学会为复杂任务选择最优模型。
主流推理模型实测开源模型对比分析推理任务设计成本与质量权衡
主流推理模型实测开源模型对比分析推理任务设计成本与质量权衡
📌 实践：设计 10 个真实业务场景，对比推理模型 vs 普通 LLM 的输出质量差异，建立自己的模型选择决策树
W22
多模态 AI 前沿 · 视频理解 & 实时交互
核心任务：按官方文档核验并体验当前多模态能力（视频理解、实时语音、图像分析），探索专业场景的适用边界。
视频理解与引用核验实时语音交互NotebookLM Audio Overview多模态 RAG
视频理解与引用核验实时语音交互NotebookLM Audio Overview多模态 RAG
📌 实践：用多模态模型分析一段公开或获授权的视频，提取关键时间点并人工核验
W23
AI Agent 前沿 · Computer Use & 自主任务
核心任务：体验当前 Computer Use 与 ChatGPT agent 能力，理解 Agentic Workflow 的设计原则和人工监督边界。
Claude Computer Use 实操ChatGPT agent 体验多 Agent 系统设计MCP 协议接入
Claude Computer Use 实操ChatGPT agent 体验多 Agent 系统设计MCP 协议接入
📌 实践：设计一个完整的 Agentic 任务，仅采集允许访问的公开网页，并加入频率限制、来源记录和人工确认
W24
AI × 专业领域深度研究
核心任务：系统研究 AI 在目标行业的已验证进展，建立应用地图并明确证据等级、监管边界和信息时效。
行业报告精读真实案例核验应用价值评估监管与合规动态
行业报告精读真实案例核验应用价值评估监管与合规动态
📌 实践：撰写一份《AI 在目标行业的应用全景报告》（2000 字，仅使用可追溯案例和数据）
W25
开源模型 & 本地部署入门
核心任务：理解开源 LLM 生态（Llama 3 / Mistral / Qwen / DeepSeek），掌握 Ollama 本地运行方法，理解量化技术，探索私有化部署的实际可行性。
Ollama 本地运行 LLM开源模型对比量化与 GGUF 格式Open WebUI 界面
Ollama 本地运行 LLM开源模型对比量化与 GGUF 格式Open WebUI 界面
📌 实践：按本机能力选择一个开源模型，用公开评测集测试引用、拒答与事实性；记录模型版本、硬件、参数和局限，不将结果用于诊断或治疗
W26
知识输出体系 · 专业沟通
核心任务：将 AI 学习积累转化为可分享的知识内容，通过写作、同行反馈和来源复核反向加深理解。
主题定位公开渠道内容行业洞察系列文章内容日历规划
主题定位公开渠道内容行业洞察系列文章内容日历规划
📌 实践：发布 3 篇有深度的行业 AI 洞察文章（知乎 / LinkedIn / 公众号），记录阅读量和互动反馈
W27
AI 决策分析辅助系统
核心任务：将 AI 引入研究工作流，构建基于多来源证据、情景分析和风险记录的决策辅助系统；AI 不替代专业判断。
证据分析框架公开信息监控自动化研究日报决策日志与复盘
证据分析框架公开信息监控自动化研究日报决策日志与复盘
📌 实践：用自动化工具构建"来源 + 证据 + 风险"研究报告，先人工复核再发送到已授权渠道
W28
AI 安全 & 对齐前沿理解
核心任务：建立对 AI 安全、对齐（Alignment）、AI 治理的系统性理解，读懂 Anthropic / OpenAI 安全报告，形成独立的 AI 风险评估框架。
Anthropic 安全报告精读Constitutional AI 深度AI 治理政策动态Alignment Forum 选读
Anthropic 安全报告精读Constitutional AI 深度AI 治理政策动态Alignment Forum 选读
📌 实践：写一篇《AI 安全与对齐：非技术人员的理解框架》（面向行业同事的科普文章）
W29-30
终极项目 & 影响力输出
核心任务：完成一个能体现完整 AI 能力的旗舰项目，在行业内产生真实影响力。从"AI 学习者"正式转变为"AI 创造者和影响者"。
旗舰项目开发演讲 / 课程 / 报告持续学习飞轮建立
旗舰项目开发演讲 / 课程 / 报告持续学习飞轮建立
🎯 旗舰项目（三选一）：① 面向目标行业的《AI 应用指南》公开课 ② 构建一个可演示的 SaaS 工具 ③ 输出有来源、有边界说明的行业研究白皮书
基础理论
// 直觉优先 · 类比理解 · 8 大核心原理 + Prompt 工程技巧
🗺 AI 技术层级全景
人工智能 AI
最大的概念容器。让机器表现出"智能"行为的所有技术总称，包含规则系统、搜索算法、机器学习等分支。
机器学习 ML
AI 的子集。机器通过数据自动"学习"规律，而不是人工编写规则。分为监督学习、无监督学习、强化学习三类。
深度学习 DL
ML 的子集。用多层神经网络（"深度"= 多层）处理复杂的图像、语音、文字数据。是当前 AI 进步的核心引擎。
大语言模型 LLM
DL 的应用方向。用大规模数据训练的神经网络，主要理解和生成语言，也可扩展到代码与多模态任务。具体能力以模型官方文档为准。
生成式 AI GenAI
能"生成"全新内容（文字/图像/视频/代码）的 AI 总称。LLM 是 GenAI 的一种，扩散模型（Midjourney 背后）也是。
8 大核心原理详解
01 · 神经网络 Neural Network
AI 的基础计算结构
类比：一个极其精密的决策工厂。每个"神经元"是一个简单决策节点（输入×权重+偏置→激活），数亿个节点串联后，整体能处理极复杂任务。
神经网络由"输入层 → 多个隐藏层 → 输出层"组成。每个神经元接收上层信号，通过激活函数决定是否"激活"，再传给下层。"训练"就是用反向传播（Backpropagation）算法，根据预测误差逆向调整所有权重，直到输出准确。层数越多 = "深度"越深 = 深度学习。
关键词： 权重 Weight · 激活函数 · 隐藏层 Hidden Layer · 反向传播 · 损失函数 Loss Function
02 · Transformer 架构
现代 LLM 的通用骨架
类比：开会时的高效注意力分配。理解"我昨天买了苹果，它很甜"需要知道"它"指"苹果"--Transformer 的注意力机制就是自动建立这种跨位置语义联系。
2017 年 Google 论文《Attention Is All You Need》提出。核心创新：自注意力机制（Self-Attention）让每个词处理时同时"看到"整个句子所有词的关系，无需逐词顺序处理（不像旧的 RNN）。这使模型可以并行计算、处理更长上下文，训练效率大幅提升。GPT、BERT、Claude、Gemini 全部基于 Transformer。
关键词： Self-Attention · Multi-head Attention · Q/K/V · 位置编码 · Encoder · Decoder
03 · Token & Context Window
LLM 如何"读"和"记"
类比：Token = 乐高积木（文字的最小处理单元）；Context Window = 工作台大小（能同时"看到"的信息量）。台面越大，能参考的资料越多。
Token 是 LLM 处理文本的基本单位；不同语言、文本和分词器的换算差异很大。"Tokenization"= 把文本拆成 Token 的过程。Context Window 是单次请求可处理的上下文上限，模型、版本和产品配置不同；超出部分可能被截断或不可见。使用前应查看官方限制与计费说明。
关键词： Tokenization · BPE 分词 · Context Window · Token Limit · 长上下文
04 · 训练三阶段
模型如何从"胡乱预测"变成"有用助手"
类比：① 预训练 = 读遍所有教材（建立语言基础）② SFT = 针对性做示范题（学会好好答题）③ RLHF = 老师批卷给分（学会人类偏好）
① 预训练（Pre-training）：用大规模数据和训练目标学习通用表征，数据、目标与成本因项目而异。
② 监督微调（SFT）：用经过筛选的输入与示例输出继续训练，使模型更好地遵循任务。
③ 偏好优化：可通过 RLHF、DPO、RLAIF 等方法利用人类或 AI 反馈调整行为；具体组合以模型方披露为准。
② 监督微调（SFT）：用经过筛选的输入与示例输出继续训练，使模型更好地遵循任务。
③ 偏好优化：可通过 RLHF、DPO、RLAIF 等方法利用人类或 AI 反馈调整行为；具体组合以模型方披露为准。
关键词： Pre-training · SFT · RLHF · DPO · 奖励模型 Reward Model · 对齐 Alignment
05 · 扩散模型 Diffusion Model
图像 AI 如何"从噪声雕刻出图像"
类比：照片冲洗逆过程。先学会"把清晰照片加噪变成雪花"（正向），再学会"把雪花去噪还原成图"（反向）。生成时从纯噪声开始，逐步"雕刻"出目标图像。
扩散模型通常从噪声出发并逐步去噪，文本编码用于引导生成方向。常见控制项包括 CFG Scale、Steps 和 Seed；相同 Seed 并不保证跨模型、版本、采样器或硬件完全复现。LoRA 是常见的参数高效适配方式，具体实现因工具而异。
关键词： 去噪 Denoising · CFG Scale · Steps · Seed · LoRA · ControlNet · Noise Schedule
06 · RAG 检索增强生成
给 AI "开卷考试"的能力
类比：开卷考试。RAG 让模型先查资料再回答；只有检索内容可靠、相关且被正确引用时，才可能降低知识缺口和部分幻觉风险。
RAG 工作流：① 将文档切片（Chunking）并向量化（Embedding）存入向量数据库；② 用户提问时也向量化；③ 找出相关文档片段；④ 将检索原文与问题一起发给模型生成回答。RAG 仍可能检索错误、遗漏证据或错误归纳，因此需要来源展示、失败状态与质量评估。
关键词： Embedding · Chunking · 向量数据库 · 余弦相似度 · Retrieval · Grounding
07 · AI Agent
从"问一答一"到"自主完成复杂任务"
类比：普通 LLM 是"接单员"（接收问题→输出答案）；Agent 是"项目经理"（能制定计划→调用工具→根据结果调整→持续推进直到完成）。
Agent 核心能力：感知（接收输入）→ 规划（分解任务）→ 行动（调用工具：搜索/代码/API/数据库）→ 观察（看结果）→ 再规划（迭代）。ReAct 框架让 Agent 交替"推理"和"行动"。Function Calling / Tool Use 是关键技术能力。多 Agent 系统中，不同 Agent 分工协作，类似一个 AI 团队。Claude 的 Agentic 模式已支持调用外部工具。
关键词： ReAct · Function Calling · Tool Use · Orchestrator · 多 Agent · MCP 协议
08 · Hallucination 幻觉
为什么 AI 会"一本正经地胡说"
类比：过于自信的实习生。不知道答案时不说"不知道"，而是生成一个"听起来合理"的答案--因为训练目标是"预测合理的下一个词"，不是"验证事实真伪"。
Hallucination 是生成模型的重要风险。模型可能输出虚构引用、错误数据或错误日期。应对策略：① 使用可靠知识源；② 要求可追溯引用并逐条核实；③ 用工具获取实时数据；④ 对重要信息独立验证。推理时间更长并不等于事实一定正确。
关键词： 事实性 Factuality · Grounding · 引用 Citation · 验证 Verification · 推理模型
Prompt 工程核心技巧
技巧 01 · Role Prompting
角色设定：给 AI 穿"专业制服"
同一个问题，问"路人"和问"眼科主任"，答案质量天差地别。给 AI 一个具体角色，它会调用与该角色关联的知识模式。
在 System Prompt 中明确指定：职业角色 + 经验年限 + 受众背景 + 语气风格 + 约束条件。角色越具体，输出越精准。关键：不要只说职业，要说"你有 X 年经验，你的受众是 Y，你的目标是 Z"。
模板： 你是一位有[N年]经验的[职业]，专注于[专业领域]，你的受众是[目标人群]，请用[风格]语气回答。
技巧 02 · Chain of Thought
思维链：让 AI "先想再说"
要求显式推理，就像让学生"写出解题过程"--跳步的错误会被自己发现和修正。加一句"请先分析再给结论"，复杂任务准确率显著提升。
CoT 通过引导模型在回答前显式列出推理步骤来减少跳步错误。适合：多步骤逻辑分析、方案制定、数据解读。o1/o3 模型内置"扩展推理"，自动进行 CoT 而无需在 Prompt 中声明。
触发词： 请逐步分析 · 先列出你的推理过程再给出结论 · Think step by step · 请先分解问题
技巧 03 · Few-shot 少样本
给例题：比描述需求更有效
与其用 3 段话描述你想要的格式，不如直接给 2 个"输入→输出"的范例。AI 会从例子中"领悟"你的格式和风格要求。
提供 2-5 个示例（输入→期望输出），AI 会模仿格式、风格、长度。特别适合：格式一致性要求高的任务（营销文案、报告段落、培训材料）。Zero-shot = 不给例子；One-shot = 给 1 个；Few-shot = 给几个。
格式： 示例 1：输入：[X] → 输出：[Y]。示例 2：输入：[A] → 输出：[B]。现在处理：[新输入]
技巧 04 · XML 结构化输入
贴标签：清晰分离 Prompt 各部分
长 Prompt 像一大段没有标题的文章--Claude 不容易判断哪部分是背景、哪部分是指令。用 XML 标签把不同组成部分贴上标签，Claude 能更精确执行。
Claude 特别擅长处理 XML 标签结构的 Prompt。用 <context>、<task>、<constraints>、<format>、<examples> 等标签将 Prompt 结构化。在复杂任务（需要背景信息+具体指令+格式要求+约束条件）时效果最显著。
结构： <role>角色</role> <context>背景</context> <task>任务</task> <format>格式</format>
AI 名词词典
// 63 个术语 · 定义 + 生活类比 · 难点含图解 · 按类别筛选
人工智能 AI 基础
让计算机表现出类似人类智能行为的技术总称。包含感知、推理、学习、决策等能力范畴，是 ML/DL/LLM 等子领域的总容器。不是单一技术，是一个大类目。
就像"交通工具"包含汽车/飞机/船，AI 包含了机器学习、规则系统、搜索算法等众多子领域。
机器学习 ML 基础
AI 的子领域。系统通过数据自动发现规律并提升性能，无需人工编写规则。分为监督学习、无监督学习、强化学习三类。
给孩子看 1000 张猫狗图片，他自己归纳出猫的特征--这就是机器学习的核心思路。
深度学习 DL 基础
ML 的子领域。使用多层神经网络（"深度"= 多层），自动从数据中提取分层特征，擅长处理图像、语音、文字。当前 AI 进步的核心引擎。
识别人脸：第一层学边缘 → 第二层学五官 → 第三层学面部结构，层层递进抽象。
大语言模型 LLM 基础
用大规模数据训练的神经网络，能理解和生成自然语言，也可扩展到代码和多模态任务。训练数据、参数规模和能力边界因模型而异，部分信息并未公开。
读过大量资料的"语言助手"，擅长归纳和生成，但输出不等于事实，需要核验。
参数 Parameter 基础
神经网络中通过训练学习的数值。参数会影响模型如何处理输入和生成输出，但不能简单等同于可检索的"知识条目"；很多闭源模型也未公开参数规模。
一组经过训练调校的旋钮。数量只是模型设计的一部分，不能单独代表质量。
Token 基础
LLM 处理文本的基本单位，可能是字符、字词片段、标点或其他符号组合。具体切分与换算取决于模型使用的分词器；API 计费和 Context Window 通常都以 Token 计量，应使用官方计数工具核对。
文字版乐高积木--模型把文字拆成小块（Token）处理，输出时再重新组合成文字。
Context Window 上下文窗口 基础
模型单次请求可处理的上下文上限，通常以 Token 计。上限会随模型、版本、产品配置与输入类型变化；超出部分可能被截断或不可见，使用前应查看官方文档。
工作台大小。台面大能同时摆开更多资料，但并不保证模型会同等准确地使用每一页。
Hallucination 幻觉 基础
LLM 生成看起来合理但实际上错误或虚构的内容（捏造引用/错误数据/虚假事件）。是概率生成机制的固有特性，不是 Bug，需要 RAG / 工具调用 / 独立核实来应对。
过于自信的实习生：不知道时不说"我不知道"，而是自信地编造一个听起来合理的答案。
Temperature 温度 基础
影响输出采样分布的参数；可用范围和含义会随模型或 API 变化。较低值通常更稳定，较高值通常更发散，但低温不保证完全确定或事实正确。应结合任务、模型文档和实测调节。
创意旋钮。低温常适合格式稳定的任务，高温可增加多样性；两者都需要验证结果。
Prompt 提示词 基础
发给 AI 的输入，包括指令、背景、示例、约束和输出格式。清晰的 Prompt 往往能改善结果，但模型、资料、工具和验证流程同样重要。
对 AI 发出的工作说明。目标、输入、边界和验收标准越清楚，结果通常越容易评估。
System Prompt 系统提示 基础
由应用或调用方在对话层级中提供的高优先级指令，用于设定角色、规则、背景和行为边界。它是否向最终用户展示取决于产品设计；不能仅依赖保密来保护规则或敏感信息。
员工入职培训手册--在接待任何客户之前，先说明职责、规则和服务边界。
Inference 推理 基础
训练完成后，将输入数据通过模型生成输出的过程。与"训练"相对--训练是调整参数学习；推理是用固定参数生成结果。日常使用 ChatGPT 就是在做推理。推理速度影响用户体验。
厨师备课（训练）vs 厨师做菜（推理）。备课改变技能，做菜使用已有技能。
Benchmark 基准测试 基础
用于评估和比较 AI 模型性能的标准化测试集。常见：MMLU（知识）、HumanEval（代码）、GSM8K（数学）、LMSYS Arena（人类偏好）。注意：Benchmark 高分不等于实际能力强。
高考分数--是能力的参考指标，但高分学生未必是最好的工程师，需结合实际能力判断。
Foundation Model 基础模型 基础
在大规模数据上训练、可适配多种下游任务的模型。可通过提示工程、检索增强、工具调用或微调适应特定场景。
通用底座：先具备广泛能力，再根据具体任务接入资料、工具和规则。
Multimodal 多模态 基础
可处理两种或更多数据类型（文字、图像、音频、视频或代码）的模型或系统。支持哪些输入和输出、限制如何，需按具体模型和产品核验。
能接收多种媒介的助手，而不只是纯文字聊天机器人。
Transformer 架构
2017 年论文《Attention Is All You Need》提出的神经网络架构，已成为许多现代语言模型的重要基础。核心组件包括自注意力、前馈网络、残差连接和归一化；具体层数与实现因模型而异，闭源模型细节应以官方披露为准。
阅读整段话时计算不同位置之间的关系，从而形成上下文表示。
Attention Mechanism 注意力机制 架构
让模型处理每个词时自动计算它与序列中其他词的"关联程度"（注意力权重），聚焦最相关的部分。Multi-head Attention = 并行多组注意力，捕获不同维度的语义关系。
"苹果很甜，它……"--注意力机制让模型知道"它"应该重点关注"苹果"而非其他词。
Embedding 嵌入向量 架构
把文字（或图像）转换为高维数值向量的技术。语义相似的内容在向量空间中距离近。是 RAG 语义检索、相似度计算的基础技术，维度通常在 768 到 4096 之间。
"猫"和"狗"的向量比"猫"和"汽车"距离近--数字空间忠实反映了语义关系的远近。
Diffusion Model 扩散模型 架构
图像/视频生成的主流架构。训练时学会"逐步去噪"（从噪声图还原清晰图）。生成时从纯随机噪声出发，在文字 Prompt 引导下逐步"雕刻"出目标图像。Midjourney/DALL-E 3/Flux.1 均基于此。
从一团模糊的棉花逐渐雕刻出精确雕塑--每一步去除"不对"的细节，直到符合描述。
MoE 混合专家模型 架构
Mixture of Experts。模型包含多个子网络，由路由机制为不同输入选择部分子网络参与计算。具体专家数量、激活方式和模型架构只有在官方公开时才能确认。
多学科会诊：不是所有科室都参与每个病例，路由机制选择适合的专家。
CNN 卷积神经网络 架构
专为图像处理设计的神经网络，通过卷积核滑动扫描图像，逐层提取特征（边缘→纹理→形状→语义）。计算机视觉的传统架构，现已部分被 Vision Transformer（ViT）取代。
用多个不同的放大镜从不同角度看图片，每个镜头关注不同特征（边缘/纹理/形状）。
Autoregressive 自回归生成 架构
LLM 生成文本的方式：每次只生成一个 Token，把已生成的 Token 作为输入再生成下一个，循环直到结束标记。这就是 AI 回答"一个字一个字出来"的原因。影响推理速度。
像手写文章--必须先写完"昨"字，才能写"天"字，按顺序不能跳过。
Vision Transformer ViT 架构
将 Transformer 应用于图像处理的一类架构。典型做法是把图像切成小块（Patch），再用注意力机制处理图像块；不同多模态模型可能使用 ViT、卷积网络或其他视觉编码器，具体结构以公开资料为准。
把一幅画切成许多方块，再分析每个方块及其相互关系。
预训练 Pre-training 训练
在大规模数据上训练模型，使其学习统计模式和通用表征。语言模型常使用预测后续 Token 等目标；数据规模、训练目标、算力成本和是否产出独立基础模型都因项目而异。
先进行广泛基础训练，再通过后续训练、提示、检索和工具适配具体任务。
微调 Fine-tuning 训练
在预训练基础上，用小规模特定领域数据继续训练，让模型适应特定任务/风格/领域。成本比预训练低几个数量级，是企业 AI 定制的主流手段。全参数微调 vs 参数高效微调（LoRA）。
通才大学生读研攻专业--不从头学起，在已有基础上针对特定领域深化专业能力。
RLHF 训练
Reinforcement Learning from Human Feedback。典型流程会收集人类偏好、训练奖励模型，再用强化学习优化模型行为；具体产品可能采用 RLHF、DPO、RLAIF 或其他组合，实施细节以官方披露为准。
根据成组反馈调整答题策略；反馈质量、目标函数和评估方式都会影响结果。
DPO 直接偏好优化 训练
Direct Preference Optimization。一种使用偏好数据优化模型的方法，通常不需要单独训练奖励模型。它与 RLHF 的工程路径不同，具体采用情况应以论文或模型官方披露为准。
直接从成对的"更好 / 较差"示例学习偏好，而不是先训练一位单独的评分老师。
梯度下降 Gradient Descent 训练
训练神经网络的核心优化算法。计算预测误差（损失），沿损失函数"最陡下坡"方向调整所有参数，逐步最小化误差。AdamW 是当前最常用的优化器，自适应调整各参数学习率。
蒙眼下山：每次用脚感受当前坡度方向，向最陡处走一小步，最终到达山谷（最小误差点）。
反向传播 Backpropagation 训练
计算神经网络中每个参数对最终误差贡献的算法。从输出层开始逆向计算每层的梯度，再用梯度下降更新参数。是深度学习训练的数学核心，由 Hinton 等人在 1986 年提出。
追责链：最终结果出错，从最后一个决策者开始逆向追究每个环节的责任比例，再逐一改进。
LoRA 训练
Low-Rank Adaptation。参数高效微调方法：不修改原模型权重，而是在旁边附加小型可训练"适配器矩阵"。大幅降低微调成本和显存需求，是开源社区自定义风格/能力的主流方案。
不改造原车发动机，而是加装外观改装套件--保留原性能，叠加个性化风格特征。
过拟合 Overfitting 训练
模型在训练数据上表现完美，但在新数据（测试集）上表现差。模型"死记硬背"了训练集的噪声，而未学到可泛化规律。应对：正则化/Dropout/数据增强/更多训练数据。
只刷真题不理解原理的学生--原题满分，稍作变形就不会。
损失函数 Loss Function 训练
衡量模型预测值与真实值之间差距的函数。训练目标就是最小化损失。常见：交叉熵（分类/语言模型）、MSE（回归）。损失值越低，模型预测越准确。
考卷的扣分标准--每道题错多少分，总分越低越好（训练目标是最小化总扣分）。
知识蒸馏 Distillation 训练
用大型"教师模型"的输出来训练小型"学生模型"，让小模型学会大模型的能力，但参数量和运行成本大幅降低。DeepSeek-R1、Phi 系列、Qwen 系列均大量使用此技术取得突破。
名师带徒：大师（大模型）把经验总结教给徒弟（小模型），徒弟掌握大部分技能但消耗资源更少。
Quantization 量化 训练
用更低位宽表示模型权重或激活（如 INT8 / INT4），以减少内存和计算需求。GGUF 是常见模型文件格式，不是精度级别；量化对质量和速度的影响取决于具体方法与硬件。
用更紧凑的数值表示保存模型，节省空间和算力，但需要评估精度损失与硬件兼容性。
Synthetic Data 合成数据 训练
由模型、模拟器或规则生成、用于训练或评估的数据。它可补充稀缺样本，但会继承生成方法的偏差与错误，必须进行质量控制、去重、污染检查和真实数据验证。
用模拟题补充练习；题目覆盖和答案质量仍决定训练效果。
Prompt Engineering 生成
围绕目标、输入、示例、约束、输出格式和评测，系统设计与迭代提示的方法。它能改善结果的可用性和一致性，但不能替代可靠数据、合适模型、工具权限或独立验证。
把任务写成可执行、可验收的工作说明，并用测试样例持续改进。
Zero/Few-shot Learning 生成
Zero-shot = 不提供示例直接描述任务；One-shot = 1 个示例；Few-shot = 少量"输入→输出"示例让模型模仿。Few-shot 通常显著提升格式一致性和风格准确度，是最实用的 Prompt 技巧之一。
Zero-shot = 只看菜名点菜；Few-shot = 先看 2 道例菜实物再点--后者期望更准确。
Chain of Thought CoT 生成
把复杂问题拆成中间步骤的推理方法。它在部分任务上有帮助，但冗长过程不保证正确；实际应用更适合要求简洁结论、关键依据和可验证的检查步骤。
要求展示关键解题步骤并检查中间结果，而不是只给最终答案。
CFG Scale 生成
Classifier-Free Guidance Scale。部分扩散模型用它控制生成结果受 Prompt 引导的强度；合适范围取决于模型、采样器和任务，不存在通用最佳值。
给画家的"指令服从度"旋钮。过高或过低都可能影响自然度与一致性。
Seed 随机种子 生成
生成过程的随机初始值。在模型、版本、采样器、参数和运行环境一致时，固定 Seed 常用于提高可复现性，但跨平台或实现仍可能产生差异。
记录起始条件，便于做可控迭代；它不是跨工具完全复现的保证。
Negative Prompt 负向提示 生成
告诉图像生成模型"不要生成什么"的提示词。如"ugly, blurry, distorted"。通过避开不想要的特征来提升图像质量，是 Stable Diffusion / Flux 的重要控制手段。
点菜时说"不要辣/不要香菜"--告诉厨师的禁忌，而非只告诉他想要什么。
ControlNet 生成
为图像生成添加额外控制条件（姿势/线稿/深度图/边缘检测），让生成图像在保持 Prompt 风格的同时符合指定的结构或构图。是精确控制图像生成的重要工具。
给绘画 AI 提供骨架或草图--在这个框架内自由创作风格，但不偏离结构。
FLUX.1 生成
Black Forest Labs 发布的图像生成模型系列，包含不同授权与部署方式。Prompt 遵循、文字表现和细节质量应按具体版本、基准与实际任务比较。
一组可按质量、速度、成本和授权条件选择的图像生成工具。
Structured Output 结构化输出 生成
强制 LLM 以特定格式（JSON/XML/表格）输出的技术。OpenAI 和 Anthropic 均已支持原生 Structured Output，让 AI 输出可直接被程序解析，是构建可靠 AI 应用的基础能力。
要求厨师按营养标签格式描述食物成分，而非随意描述--方便机器直接读取使用。
AI Agent Agent
能自主规划任务、调用外部工具、执行多步骤动作、根据观察迭代调整的 AI 系统。与普通对话不同，Agent 需要权限控制、过程监控和重要动作确认；自主程度应与任务风险匹配。
普通 LLM = 接单员；Agent = 项目经理（能自主推进、遇到问题调整策略直到完成目标）。
RAG 检索增强生成 Agent
Retrieval-Augmented Generation。先从外部知识库检索相关文档，再结合检索内容生成回答。可补充模型外部知识并提供引用，但不能保证消除幻觉；检索质量和来源核验决定效果。
开卷考试：先查资料再回答；仍需检查资料是否相关、完整和最新。
向量数据库 Vector DB Agent
专门存储和检索向量（Embedding）的数据库，能快速找出语义相似的文档片段。常见：Pinecone、Chroma、Weaviate、Qdrant、pgvector（PostgreSQL 扩展）。是 RAG 系统的存储核心。
按"意思相近"而非"关键词匹配"组织的图书馆--搜"痛苦"能找到关于"悲伤"的书。
Function Calling / Tool Use Agent
LLM 识别何时需要调用外部函数（搜索/计算/API/数据库）并格式化输出调用参数的能力。是构建 AI Agent 和工作流自动化的核心技术。Claude、GPT-4 均支持原生 Tool Use。
助理知道自己不擅长查实时股价，主动说"我去查一下系统再告诉你"--而不是瞎猜。
MCP 模型上下文协议 Agent
Model Context Protocol。一个用于连接 AI 应用、数据源和工具的开放协议，采用客户端-服务器结构。实际可用能力仍取决于实现、权限与安全策略。
一种通用连接规范，减少每个 AI 应用为每个工具重复开发适配器的成本。
Chunking 文档切块 Agent
将长文档切割成适合 Embedding 的小片段的过程。Chunk 太长：细节丢失；太短：上下文不足。策略有固定大小/句子/段落/语义分块。Chunk 质量直接影响 RAG 系统的回答准确性。
把一本书按章节切成独立卡片，每张卡片足够聚焦一个主题，方便快速检索相关内容。
Reranking 重排序 Agent
RAG 检索优化步骤：初次向量检索后，用更精确的模型对候选结果重新排序，过滤不相关内容。显著改善最终输入 LLM 的文档质量，进而提升回答准确性和相关性。
初赛（向量检索）筛出 20 名候选，再请专家评审（Reranker）精选最终 3 名进决赛。
Reasoning Model 推理模型 Agent
为复杂任务分配更多推理时间或计算预算的模型。它们在部分数学、代码和规划任务上可能更强，但响应更慢、成本更高，事实性仍需独立核验。
先在草稿纸上推演再作答；多写草稿可能改善过程，但不能保证答案一定正确。
API Agent
Application Programming Interface。让不同软件系统互相通信的接口。通过 OpenAI API 或 Anthropic API 可以把 GPT/Claude 的能力集成到任何应用中。是构建 AI 产品的基础通道，按 Token 计费。
餐厅点菜窗口：你按格式下单（请求），厨房按格式出餐（响应），双方不需了解对方内部实现。
多 Agent 系统 Multi-Agent Agent
多个 Agent 分工协作的系统架构，常由编排器分解任务、分配执行并整合结果。它会增加协调、成本和错误传播风险，并非所有任务都优于单 Agent 工作流。
专业团队分工：成员增多可能提升覆盖面，也需要更清晰的职责、验收和冲突处理。
Computer Use 计算机使用 前沿
AI 通过截图或结构化界面信息操作鼠标、键盘、浏览器或应用来完成任务。该能力仍可能误操作，对登录、支付、发布和删除等重要动作必须保留人工确认。
远程操作助理：能动手执行，但关键步骤仍需要监督、最小权限与可回滚设计。
Vibe Coding 前沿
以自然语言描述意图并让 AI 辅助生成、解释和修改代码的开发方式。它降低了原型门槛，但开发者仍需审查安全、依赖、数据处理、测试与部署结果。
从逐行编写扩展为"描述意图 + 审查实现 + 验证结果"，不是跳过工程责任。
Long Context 超长上下文 前沿
支持较长输入的模型能力。上下文上限与有效检索能力不是一回事；长输入仍可能出现遗漏、位置偏差、成本上升和延迟增加，具体上限以官方文档为准。
工作台变大了，但资料越多，越需要目录、检索和核验来找到真正重要的内容。
Test-Time Compute 推理时算力 前沿
在推理阶段投入更多计算，例如增加搜索、采样或验证步骤，以尝试改善复杂任务表现。收益取决于任务和实现，也会增加延迟与成本。
允许多写草稿并复查；多花时间可能有帮助，但仍需独立验证最终答案。
Constitutional AI 宪法 AI 前沿
Anthropic 提出的 AI 安全训练方法。用一套明确的"宪法"原则指导模型自我批评和修正，减少有害输出。Claude 系列的核心训练方法，使 AI 更安全可靠，减少对人类标注的依赖。
给 AI 一套"行为准则"让它自我约束，而非只靠外部评分--类似法律体系而非只靠警察监督。
Agentic RAG 前沿
将 Agent 能力与 RAG 结合：Agent 自主决定何时检索/检索什么/如何使用检索结果，支持多轮迭代检索和跨文档推理。比静态 RAG 更灵活，适合复杂多步骤查询任务。
从"一次性查图书馆"升级到"AI 助理反复跑图书馆查不同资料，综合多方来源给出结论"。
Speculative Decoding 投机解码 前沿
一种推理加速技术：用草稿模型提出若干 Token，再由目标模型验证。实际加速比取决于模型组合、硬件、批量和接受率，不能用固定倍数概括。
先快速起草，再由主模型校验；是否更快取决于草稿有多少能被直接接受。
Multimodal Embedding 前沿
能将文字、图像、音频映射到同一向量空间的技术，使跨模态语义检索成为可能。如搜索"猫的照片"能找到相关文字描述和实际猫的图片。是多模态 RAG 的基础技术。
把中文/英文/图片都翻译成同一种"数学语言"，使得跨语言/跨媒体的语义搜索成为可能。
KV Cache 前沿
推理优化技术。将之前处理过的 Key 和 Value 向量缓存起来，避免每次生成新 Token 时重新计算，显著加速长上下文推理。是提升 AI 响应速度的关键工程技术，直接影响 API 成本。
考试草稿纸：已经计算过的中间步骤不需要重算，直接从草稿纸上读取。
学习资源库
// 61 个资源 · 点击直达 · 按学习阶段分组 · 可展开查看详情
视频
精选 ~12h
视频
~10 小时
李宏毅《生成式 AI》专题课（2024）- Bilibili
专门讲 ChatGPT / Stable Diffusion / Agent 等当下热点 · 中文 · 强烈推荐与基础课配合学习
▶ Bilibili
课程
~2 小时
DeepLearning.AI - "How Diffusion Models Work"（Short Course）
约 2 小时 · 理解扩散模型的数学直觉 · 无需编程基础 · 访问条件以平台为准
▶ DeepLearning.AI
实践
3-5 小时
Midjourney 官方平台 - 从零上手图像生成
在 Discord 或新版 Web 界面操作 · 系统测试 --style --ar --chaos --seed --stylize 等参数 · 结合摄影审美做实验
▶ Midjourney
课程
1.5 小时
DeepLearning.AI - "ChatGPT Prompt Engineering for Developers"
DeepLearning.AI 与 OpenAI 联合课程 · 约 1.5 小时 · 访问条件以课程页为准
▶ DeepLearning.AI
文档
~1 小时阅读
Anthropic - Prompt Engineering 官方指南
Claude 官方 Prompt 技巧文档 · 结构清晰 · 含 XML 结构化、CoT、少样本等高级技巧 · 做为参考手册使用
▶ Anthropic Docs
文档
~45 分钟
OpenAI - Prompt Engineering Guide
OpenAI 官方 Prompt 指南 · 含策略和示例 · 与 Anthropic 指南配合阅读更全面
▶ OpenAI Docs
课程
~3 小时
课程
~2 小时
DeepLearning.AI - "Building and Evaluating Advanced RAG"
RAG 架构 · Chunking 策略 · 向量数据库 · 评估方法 · 访问条件以官网为准
▶ 立即学习
课程
~2 小时
课程
~2 小时
DeepLearning.AI - "Building Agentic RAG with LlamaIndex"
Agent + RAG 结合 · 更高级的检索策略 · 适合 P2 后期深化
▶ 立即学习
课程
按需
DeepLearning.AI - Short Courses 完整目录（50+ 门）
按需选择 · 覆盖 LLM / RAG / Agent / 多模态 / 微调 / 评估 / 安全等主题 · 访问条件以官网为准
▶ 全部课程目录
课程
自定节奏
Fast.ai - "Practical Deep Learning for Coders"（2024）
从应用倒推原理 · 不需要较深数学基础 · Jeremy Howard 主讲 · 访问与价格以官网为准
▶ Fast.ai 课程主页
视频
自定节奏
视频
2 小时
Karpathy - "Let's build GPT: from scratch, in code, spelled out"
2 小时 · 从零实现 Transformer + GPT · 看完后对 GPT 有完整深度直觉 · 可选看不实操代码部分
▶ YouTube
视频
自定节奏
Karpathy - "Neural Networks: Zero to Hero" 完整系列
从反向传播到构建 GPT 的完整系列 · 最深度的技术理解路径 · P2 后期或 P3 进阶使用
▶ YouTube 系列
平台
实操
Dify.ai - 开源 AI 应用开发平台（RAG 知识库首选）
无代码搭建 RAG Bot · 上传文档自动向量化 · 可视化工作流 · 支持接入多种 LLM · 有国内云服务
▶ Dify.ai
平台
实操
订阅
每日 5min
播客
每周 1 集
Lex Fridman Podcast - AI 专题长访谈
Sam Altman / Ilya Sutskever / Yann LeCun / Andrej Karpathy 等顶级人物 · 通勤运动时听 · 建立行业视角
▶ YouTube 频道
视频
每周 15min
AI Explained - 每周 AI 进展快讯（英文，YouTube）
短篇行业动态 · 更新频率与内容以发布页为准 · 适合碎片时间建立信息线索，重要结论需回到一手来源
▶ YouTube 频道
社交
日常
X / Twitter - 必须关注的 AI 一手信息源
关注：@karpathy（Andrej Karpathy）· @sama（Sam Altman）· @ylecun（Yann LeCun）· @AnthropicAI · @OpenAI
▶ @karpathy
视频
3.5 小时
Karpathy - "Deep Dive into LLMs like ChatGPT"（2025）
长篇 LLM 原理讲解 · 覆盖 Tokenization、训练和 Agent · 适合作为阶段性概览，版本信息以发布页为准
▶ YouTube
视频
~1.5 小时
视频
~45 分钟
Karpathy - "Software is Changing（Again）" · Vibe Coding 时代
Karpathy 关于 Vibe Coding 和 AI 编程范式转变的演讲 · 理解为什么"所有人都能写代码"时代已经到来
▶ Karpathy YouTube 频道
课程
~2 小时
DeepLearning.AI - "Prompt Engineering with Llama 2&3"
Meta 官方 × DeepLearning.AI · 免费 · 理解开源模型的 Prompt 工程 · 与 Claude/GPT 的对比
▶ 立即学习
课程
~2 小时
DeepLearning.AI - "Getting Started with Mistral"
开源模型实战 · Function Calling · JSON 结构化输出 · 欧洲数据合规模型
▶ 立即学习
课程
~4 小时
DeepLearning.AI - "AI Python for Beginners"（2025）
吴恩达最新出品 · 专门为 AI 时代的非程序员设计 · 用 Claude AI 辅助学习 Python 基础 · 适合 Phase 4
▶ 立即学习
课程
~10 小时
Google - "AI Essentials" 证书课程（2025）
Google 官方 AI 技能认证 · 实操导向 · 含 Gemini 实战 · 完成后可获 Google 证书 · 适合结业展示
▶ Google AI Essentials
文档
~2 小时
Anthropic - "Claude's Character" & Model Card（2025）
了解 Claude 的设计理念 · 宪法 AI 方法论 · 对齐策略 · 读完后对 Claude 使用有质的飞跃
▶ Anthropic Research
文档
~1.5 小时
文档
~1 小时（选读）
DeepSeek-R1 论文 - "Incentivizing Reasoning Capability in LLMs"
理解推理模型如何通过强化学习涌现出推理能力 · 读摘要+结论即可 · 中国团队的重要突破
▶ arXiv 论文
文档
读摘要即可
《Attention Is All You Need》- Transformer 原始论文
2017 年改变一切的论文 · 建议读简化解读版而非原文 · 理解为什么这篇论文如此重要
▶ arXiv 原文
课程
~2.5 小时
DeepLearning.AI - "Building Systems with ChatGPT API"
如何用 API 构建完整 AI 系统 · 链式调用 · 多步骤处理 · 输出评估 · Phase 4 核心课程
▶ 立即学习
课程
~4 小时
Cursor / Windsurf 官方教程 - Vibe Coding 入门
Cursor 官方文档 + YouTube 教程合集 · 从零开始用 AI 写代码 · 不需要编程基础
▶ Cursor 官网
平台
实操
Ollama - 本地运行开源 LLM（Phase 5）
一行命令在本地运行 Llama 3 / Qwen / Mistral · 完全私有 · 无 API 费用 · macOS/Windows 均支持
▶ ollama.com
文档
概念阅读 ~2h
LangChain / LlamaIndex 官方文档 - AI 应用框架
构建 RAG 和 Agent 应用的主流框架 · 读概念文档（不需要跟着写代码）· 理解 AI 应用架构的标准模式
▶ LangChain Docs
视频
日常
宝玉 xp（@dotey）- 中文最佳 AI 翻译 & 解读
专业翻译 Karpathy/OpenAI/Anthropic 的最新内容 · Twitter/X 活跃 · 中文圈质量最高的 AI 信息源之一
▶ @dotey on X
播客
每周
Hard Fork - NYT 科技播客（英文）
Kevin Roose + Casey Newton 主持 · 每周深度探讨 AI 行业最新动态 · 偏商业和社会影响 · 通勤必听
▶ NYT Hard Fork
播客
每日
The AI Daily Brief - Nathan Lands（英文）
每日 10-15 分钟 AI 行业速览 · 专注商业和产品层面 · 适合碎片时间 · 比 Lex Fridman 更高频
▶ YouTube
社区
周更
Alignment Forum - AI 安全前沿研究（英文）
顶尖 AI 安全研究者的讨论社区 · Phase 5 选读 · 理解 AI 对齐研究前沿 · 读帖子摘要即可入门
▶ alignmentforum.org
视频
~3 小时
Cursor 官方入门教程合集 - YouTube
Cursor 官方频道 · 涵盖基础操作到 Agent 模式 · 不需要编程基础 · 每集 10-20 分钟
▶ YouTube @cursor_ai
视频
每集 5-10min
Fireship.io - "Vibe Coding" 实战系列
全球最高效的编程教学频道 · 每集 5-10 分钟 · Bolt / Cursor / v0 实战演示 · 娱乐性强
▶ YouTube @Fireship
课程
按需
freeCodeCamp - "Build with AI" 免费课程合集
免费 · 覆盖 LangChain / RAG / Agent 构建 · YouTube 完整视频 · 适合 Phase 4 系统学习
▶ YouTube @freecodecamp
平台
按需
AI 工具地图
// 40 个工具 · 含直达链接 · 按类别筛选 · 产品与价格以官网为准
工具名称、功能、套餐和可用地区会持续变化。本页仅提供选择线索，不构成采购建议；使用前请在对应官网核对当前能力、价格、数据处理方式与服务条款。
Claude
LLMAnthropic 出品。提供长上下文、推理、写作与工具连接能力；上下文上限、可用功能和价格因模型与套餐变化，以官方文档为准。
最适合： 长文档分析 · 结构化写作 · 复杂 Prompt 执行 · 代码理解 · 医疗行业专业内容
▶ claude.ai
ChatGPT
LLMOpenAI 的通用 AI 产品，提供对话、文件、图像、语音、搜索和 Agent 等能力；具体模型、限制和可用地区以官方产品说明为准。
最适合： 通用任务 · 代码生成 · 图像理解 · 多模态交互 · 与各类工具集成
▶ chatgpt.com
Gemini
LLMGoogle 的 AI 产品系列，覆盖对话、多模态、长上下文与 Workspace 集成；具体模型、上下文上限和权限以官方文档为准。
最适合： 超长文档处理 · Google 生态集成 · 多语言任务 · 实时信息获取
▶ gemini.google.com
豆包
LLM字节跳动的中文 AI 产品，提供对话、多模态和搜索等功能；价格、联网范围与数据政策以官网为准。
最适合： 国内日常使用 · 中文内容创作 · 低成本场景 · 需要联网搜索的任务
▶ doubao.com
Grok
LLMxAI 的通用 AI 产品，并与 X 平台结合。实时信息的覆盖范围和来源质量会变化，重要结论需回到原始来源核验。
最适合： 实时舆情分析 · 社交媒体内容策略 · 联网信息获取 · 市场热点追踪
▶ x.ai
Midjourney
图像常用图像生成平台，提供多种风格与参数控制。功能、版本、隐私模式和商业使用条款需在官网核对。
最适合： 营销视觉素材 · 概念设计方向稿 · 风格探索 · 摄影风格参考图
▶ midjourney.com
OpenAI 图像生成
图像OpenAI 的图像生成能力，可在 ChatGPT 等产品中按描述生成和迭代图像；可用模型、限制和授权条件以官方说明为准。
最适合： 精确描述生成 · 快速概念验证 · 与 ChatGPT 联合使用 · 文字信息图像化
▶ 通过 ChatGPT 使用
即梦 AI
图像字节跳动的图像与视频生成平台，提供中文界面。功能、可用地区、素材权利和商业条款以官网为准。
适用场景： 中文 Prompt · 概念图 · 图文内容草稿 · 快速视觉探索
▶ jimeng.jianying.com
Runway
视频视频生成与编辑平台，支持文字或图片驱动的视频工作流。模型版本、时长、分辨率和价格以官网为准。
最适合： 营销宣传视频 · 概念演示视频 · 高质量短视频内容 · 创意视觉表达
▶ runway.com
HeyGen
视频数字人和多语言视频平台。克隆真实人物形象或声音前必须取得明确授权，并清晰披露合成内容。
最适合： 患者教育视频 · 医生培训内容 · 多语言产品介绍 · 不需要真人出镜的视频
▶ heygen.com
Perplexity
AI 搜索带引用的 AI 搜索与研究工具。引用存在不等于结论正确，应打开原文检查发布日期、上下文和证据质量。
最适合： 市场调研 · 竞品分析 · 实时信息获取 · 任何需要最新数据的查询
▶ perplexity.ai
Claude Deep Research
AI 搜索Claude 提供的研究型工作流，可进行多轮检索并整理来源。功能和套餐会变化，输出仍需人工检查原始证据。
最适合： 行业深度分析 · 竞争格局报告 · 医疗市场研究 · 需要综合多源信息的研究
▶ claude.ai（Pro 功能）
Dify.ai
RAGAI 应用开发平台，可搭建 RAG 与 Agent 工作流并接入多种模型。上传资料前需确认部署方式、数据留存、权限和日志设置。
最适合： 搭建产品知识库 · 内部文档问答 Bot · RAG 系统原型验证
▶ dify.ai
扣子 Coze（国内）
RAG字节跳动 AI Bot 平台，国内访问流畅，无代码搭建 Bot + 知识库，可接入豆包大模型，支持工作流和插件生态。
最适合： 国内 RAG Bot 首选 · 微信/飞书集成 · 销售/患教知识库
▶ coze.cn
Notion AI
RAGNotion 内置 AI，能对整个工作区的笔记和文档进行问答检索，相当于个人知识库的 RAG 系统，无需额外配置。
最适合： 个人知识管理 · 笔记整理和检索 · 跨文档信息汇总 · 会议记录分析
▶ notion.so/ai
Make.com
自动化可视化工作流自动化平台，可连接多种应用和 AI 服务。涉及发送、发布、付款或删除的步骤必须加入人工确认和失败告警。
最适合： AI 工作流自动化 · 跨应用数据流动 · 定时任务 · 报告自动生成和发送
▶ make.com
Gamma.app
自动化AI 驱动的 PPT / 网页 / 文档生成工具，输入主题或大纲即可生成精美演示文稿，支持中文，大幅缩短 PPT 制作时间。
最适合： 快速出方案和提案 · 培训材料制作 · 会议演示 · 概念可视化
▶ gamma.app
ElevenLabs
音频语音合成与声音克隆平台，支持多语言工作流。克隆声音前必须获得明确授权，并遵守平台披露和使用政策。
最适合： 培训视频配音 · 患教内容语音版 · 多语言内容制作 · 声音克隆
▶ elevenlabs.io
通义听悟
音频阿里云出品，会议/录音自动转录 + 摘要，支持中文，能识别多人发言，自动生成要点和行动项，国内可直接使用。
最适合： 会议录音转文字 · 医生访谈记录 · 培训内容整理 · 国内场景
▶ tingwu.aliyun.com
GitHub Copilot
代码微软 / GitHub 出品的 AI 编程助手，在 VS Code 等 IDE 中实时补全代码，理解上下文，适合有一定编程基础后提升效率。
最适合： 代码补全 · 函数生成 · 代码解释 · 调试辅助
▶ github.com/copilot
Claude Code
代码Anthropic 出品的命令行 AI 编程工具，能理解整个代码库，执行多步骤编程任务，适合需要深度代码理解的场景。
最适合： 复杂代码任务 · 代码库分析 · 自动化脚本 · Agentic 编程工作流
▶ Claude Code
DeepSeek-R1
LLM深度求索发布的推理模型系列，包含不同部署与授权方式。能力、成本、许可证和数据处理方式应按具体版本与服务核验。
最适合： 复杂推理任务 · 需要私有化部署 · 成本敏感场景 · 中文推理
▶ deepseek.com
Google AI Studio
LLMGoogle 的浏览器端模型试验环境，可测试提示词、多模态输入和 API 原型。使用前核对当前模型、配额与数据使用政策。
适用场景： Prompt 实验 · 多模态原型 · API 试用 · 模型参数比较
▶ aistudio.google.com
Mistral Le Chat
LLMMistral AI 的对话产品。是否满足特定地区的数据主权和合规要求取决于套餐、部署、合同与配置，不能仅凭厂商所在地判断。
最适合： 欧洲市场合规 · 数据隐私要求 · 开源部署 · 多语言任务
▶ chat.mistral.ai
FLUX
图像Black Forest Labs 的图像生成模型系列，可通过不同平台与授权方式使用；实际质量、价格和商业许可需按具体版本比较。
最适合： 精确 Prompt 控制 · 含文字图像 · 高质量人物图 · 开源部署
▶ fal.ai/flux-pro
Ideogram
图像图像生成平台，常用于含文字的营销图片、海报和信息图草稿。文字、商标和事实数据都需要人工校对。
最适合： 含文字的营销海报 · 信息图 · 品牌视觉 · 图文结合内容
▶ ideogram.ai
Adobe Firefly
图像Adobe 的生成式创作工具，集成 Photoshop/Illustrator 并提供局部编辑。商业使用仍需核对当前条款、素材权利和输出内容，不存在自动的零风险保证。
适用场景： Photoshop 工作流 · 局部编辑 · 品牌内容草稿
▶ firefly.adobe.com
Sora (OpenAI)
视频OpenAI 的视频生成产品。可用模型、时长、分辨率、安全限制和地区范围会变化，以官方产品说明为准。
最适合： 高质量概念视频 · 品牌宣传片 · 创意视觉表达
▶ sora.com
Veo / Flow (Google)
视频Google 的视频生成与创作工具。当前模型、摄像机控制、时长和访问条件以 Flow 与 Gemini 官方说明为准。
最适合： 专业视频制作 · 摄像机运动控制 · 电影质感内容
▶ Google Flow
Descript
视频面向音频与视频的文本化编辑工具，可用于转录、剪辑和字幕工作流。录音、克隆声音或处理他人素材前必须获得授权。
适用场景： 访谈剪辑 · 字幕整理 · 播客编辑 · 教学视频
▶ descript.com
NotebookLM
AI 搜索Google 的来源驱动研究工具，可基于支持的文档或链接生成摘要、问答、笔记和音频概览。支持范围、隐私设置和价格以官网为准。
最适合： 消化长文档 · AI 论文学习 · 把报告变成播客 · 知识提炼
▶ notebooklm.google.com
Mem.ai
RAGAI 原生个人知识管理工具，自动关联笔记，根据上下文主动提供相关信息，相当于"会记忆的智能笔记本"，适合积累个人长期知识体系。
最适合： 个人知识管理 · AI 辅助笔记 · 跨时间知识关联
▶ mem.ai
n8n
自动化可自部署的工作流自动化平台，提供多种集成和 AI 节点。部署方式、凭据管理、社区节点风险和维护成本需单独评估。
最适合： AI 工作流自动化 · 数据处理管道 · 需要自部署的场景
▶ n8n.io
Suno
音频AI 音乐生成平台，可基于文字描述生成包含人声或乐器的音频。商业使用、训练数据与版权条件以当前条款为准。
最适合： 营销视频背景音乐 · 活动主题曲 · 创意音频内容
▶ suno.com
Cursor
代码基于 VS Code 的 AI 代码编辑器，提供代码库上下文、补全和对话式修改。生成代码仍需审查依赖、安全、测试和许可证。
最适合： 有编程基础的用户 · Vibe Coding 工作流 · 代码库理解和重构
▶ cursor.com
v0 (Vercel)
代码Vercel 的 AI 应用与界面生成工具，可用于快速原型。生成结果仍需检查可访问性、安全、数据处理、依赖和部署配置。
最适合： 快速原型验证 · 非技术人员搭建 Web 应用 · UI 设计转代码
▶ v0.app
Bolt.new
代码StackBlitz 的浏览器端应用生成与运行工具，适合快速原型。上线前仍需完成代码审查、测试、安全和部署门禁。
最适合： 零编程基础的应用搭建 · 快速验证想法 · 在线演示
▶ bolt.new
Lovable
代码自然语言驱动的全栈应用生成工具，可连接数据库和部署服务。生产使用前需审查认证、权限、数据库规则、密钥和账单风险。
最适合： 非技术人员构建产品 · 快速 MVP 验证 · SaaS 原型开发
▶ lovable.dev
Microsoft 365 Copilot
效率与 Word、Excel、PowerPoint、Teams 和 Outlook 等产品结合的 AI 助手。实际能力、数据边界和许可取决于组织配置与套餐。
最适合： Office 重度用户 · 企业场景 · Word/Excel/PPT 自动化
▶ copilot.microsoft.com
应用实践场景库
// 100 个场景 · 含可一键复制 Prompt 模板 · 按场景类别筛选
方括号内容是待填写变量，示例数字只用于说明格式。仅使用公开、脱敏且获授权的数据；不要上传患者可识别信息、内部合同、未公开商业资料、账号凭据或其他受保密义务约束的内容。医疗内容必须由具备资质的专业人员复核，金融内容不构成投资建议。
内容策略
品牌内容策略 & 季度内容日历
生成全年内容主题框架，按季度/月度规划节奏，覆盖不同渠道、受众层级和传播目标。
ClaudeChatGPTNotion AI
Prompt 模板
你是医疗器械行业品牌内容策略专家，有10年眼科市场营销经验。
目标受众：[眼科医生/患者/医院管理层]
产品或服务：[通用名称]
季度：Q[X] [年份]
请制定季度内容策略框架：
1. 5个内容支柱（主题+传播目标）
2. 每月2个核心内容主题（标题方向+核心信息）
3. 各内容适合的发布渠道和内容形式
4. 关键传播时间节点（学术会议/行业事件）
内容策略
AI 驱动内容生产 SOP 建立
建立从选题→创作→审核→发布的完整 AI 辅助内容生产标准流程，提升团队内容产出效率 3-5 倍。
ClaudeNotion AIMake.com
Prompt 模板
请帮我设计AI辅助内容生产SOP。
团队规模：[X人]，月均内容目标：[X篇]
主要渠道：[微信公众号/微博/领英]
请输出：
① 选题阶段：用AI生成和筛选选题的流程
② 创作阶段：AI辅助写作的分工（哪些AI做，哪些人做）
③ 审核阶段：事实核查和品质把控清单
④ 发布阶段：多渠道适配的自动化流程
⑤ 效果追踪：哪些指标用AI分析
要求：可落地执行，配合具体工具推荐
文案创作
广告文案多角度 A/B 变体生成
针对同一产品，快速生成 8 个不同诉求角度的文案变体，用于 A/B 测试或选择最优方向。
ClaudeChatGPT
Prompt 模板
为[产品名]生成8个广告标语变体，面向[目标受众]：
1. 技术优越性（精准/创新）
2. 安全性（数据和权威背书）
3. 恢复速度（时间价值）
4. 情感共鸣（改变生活）
5. 医生推荐（权威背书）
6. 患者口碑（真实体验）
7. 价格价值（投资回报）
8. 品牌传承（历史信任）
每个变体：标语（20字内）+ 核心卖点（1句）+ 适合投放渠道
文案创作
社交媒体内容一键多格式拆解
输入一个核心内容，AI 自动拆解为公众号文章、朋友圈、微博、短视频脚本、LinkedIn 等多格式版本。
ClaudeNotion AI
Prompt 模板
基于以下核心内容生成多平台版本：
【原始素材】[粘贴内容]
请生成：
① 微信公众号摘要（300字，标题吸引人）
② 朋友圈文案（100字以内+3个话题标签）
③ 微博文案（140字，有话题感）
④ 短视频口播脚本（60秒，口语化，含开头钩子）
⑤ LinkedIn英文摘要（200字，专业语气）
保持核心信息一致，根据各平台受众调整语气。
文案创作
营销邮件跟进序列（Email Drip）
为潜在客户（医院/医生）设计多封邮件的自动跟进序列，从初次接触到促成合作，每封有清晰目的。
Claude
Prompt 模板
请为[产品]的医院销售设计5封邮件跟进序列：
目标：从初次接触到促成产品演示预约
受众：眼科主任/设备采购负责人
邮件1（首次接触）：建立联系+价值引入
邮件2（+3天）：分享行业数据/案例
邮件3（+7天）：解决常见顾虑/提供资源
邮件4（+14天）：同行成功案例分享
邮件5（+21天）：发出明确邀请+限时价值
每封邮件：主题行（A/B两个版本）+ 正文（200字内）+ CTA
文案创作
产品发布会/研讨会邀请函
快速生成面向眼科医生/医院管理层的活动邀请函，专业有温度，突出活动价值，提升出席率。
Claude
Prompt 模板
请起草一封活动邀请函：
活动：[活动名称和类型]
时间/地点：[具体信息]
受邀对象：[眼科主任/医疗设备采购]
核心亮点：[演讲嘉宾/新品发布/CE学分]
要求：
① 开头有个性化元素（基于受邀者专业方向）
② 清晰说明出席的3个核心价值
③ 包含出席确认方式和截止日期
④ 语气：专业尊重，非推销感
⑤ 控制在300字以内
文案创作
品牌故事 / 公司介绍文案
生成具有情感共鸣的品牌故事文案，适配官网 About 页面、招商手册、媒体采访等不同场景和长度。
Claude
Prompt 模板
请为[品牌/公司]创作品牌故事文案：
品牌背景：[成立时间/核心业务/发展历程]
核心价值观：[列出2-3个]
目标受众：[眼科医生/患者/合作伙伴]
使用场景：[官网/招商手册/媒体稿]
请生成3个版本：
① 极简版（50字以内，社交媒体Bio）
② 标准版（200字，官网About）
③ 完整版（500字，含创始初心/发展历程/愿景）
语气：真实有温度，避免企业套话
研究分析
竞品分析 & 差异化定位报告
生成结构化竞品对比报告，识别差异化优势，制定针对性定位声明和销售话术框架。
PerplexityClaude
Prompt 模板
以专业市场分析师角色进行竞品分析：
我方产品：[产品名] 核心数据：[粘贴参数]
竞品：[竞品名] 已知信息：[粘贴]
分析维度（表格形式）：
- 技术原理差异、适应症范围对比
- 安全性和临床数据、手术时间和恢复期
- 医生学习曲线、价格区间
输出：
① 对比表格
② 我方3个核心差异化优势
③ 针对"客户提竞品"的3套标准回应话术
研究分析
市场调研快速报告生成
结合 Perplexity 实时搜索和 Claude 分析能力，快速生成包含市场规模、趋势、竞争格局的结构化调研报告。
PerplexityClaude
Prompt 模板
请生成[中国屈光手术市场]简版调研报告：
报告框架：
① 市场规模与近3年增速（数据来源注明）
② 细分市场结构（LASIK/SMILE/ICL等占比）
③ 主要竞争者和市场份额估算
④ 消费者需求趋势变化
⑤ 政策环境（医保/监管/准入）
⑥ 未来2-3年增长预测和驱动因素
格式：适合向管理层汇报的1-2页简报，
数据来源标注，不确定内容注明"估算"
研究分析
受众画像 & 用户洞察分析
基于已有数据或假设条件，AI 生成详细的目标受众画像（医生/患者），包括决策心理和内容偏好，指导营销策略。
ClaudeChatGPT
Prompt 模板
请为[产品]创建详细的目标受众画像：
受众类型：[眼科医生/屈光患者/医院管理者]
已知信息：[粘贴你掌握的数据/观察]
请输出完整画像，包含：
① 基本人口特征（年龄/职业/收入/地域）
② 专业/生活特征（职业发展阶段/生活方式）
③ 决策心理（核心顾虑/动机/信任来源）
④ 信息获取渠道（去哪里找信息）
⑤ 对我们产品的态度（认知现状/典型异议）
⑥ 最有效的内容类型和沟通语气
格式：人格化叙述+结构化要点
研究分析
AI 驱动客户访谈问题设计
为与医生/患者的深度访谈生成结构化问题框架，挖掘真实痛点和决策逻辑，避免引导性问题。
Claude
Prompt 模板
请为[眼科医生]深度访谈设计问题框架：
访谈目的：[了解屈光设备采购决策流程]
访谈时长：[30-45分钟]
请设计：
① 开场暖场（2个，建立信任）
② 现状探索（4个，了解当前工作场景）
③ 痛点深挖（4个，发现真实问题）
④ 决策流程（3个，理解购买逻辑）
⑤ 理想状态（2个，了解期望）
⑥ 收尾确认（2个，验证关键假设）
要求：避免引导性语言，开放式提问为主
活动策划
营销活动完整策划方案
输入活动背景和目标，AI 生成从主题到执行的完整活动策划，包括时间线、渠道组合、预算框架和 KPI。
Claude
Prompt 模板
请生成完整营销活动策划方案：
活动背景：[新品上市/年度峰会/品牌推广]
目标受众：[眼科医生/医院采购/终端患者]
核心目标：[品牌认知/线索获取/医生教育]
预算规模：[大/中/小型]
时间范围：[X个月]
请输出：
① 活动主题和核心创意方向
② 3个月执行时间线（预热/爆发/延续）
③ 线上+线下渠道组合及各渠道角色
④ 核心内容节点（10个）
⑤ KPI框架（曝光/互动/转化）
⑥ 风险预案（2-3个）
活动策划
KOL / 学术合作提案起草
快速生成面向眼科 KOL 或学术机构的合作提案框架，专业且体现尊重，覆盖合作形式、传播价值和条款。
Claude
Prompt 模板
请起草一份KOL学术合作提案：
专家背景：[姓名/职位/研究方向]
合作背景：[为何选择此专家]
合作形式：[演讲/病例分享/学术访谈]
场合：[学术年会/线上直播/白皮书]
要求：
- 语气：专业尊重，体现对等合作
- 突出：双方共同的学术价值和患者获益
- 包含：合作背景/具体内容/预期影响/时间安排
- 格式：正式邮件格式，可直接发送
活动策划
学术研讨会会议流程设计
生成眼科学术研讨会的完整日程安排、议程框架、主持词开场和互动环节设计，大幅节省筹备时间。
Claude
Prompt 模板
请设计眼科学术研讨会议程：
会议主题：[主题]，时长：[X小时]
参与嘉宾：[列出发言专家]
主要受众：[眼科医生，约X人]
核心目标：[学术交流/产品教育/网络建立]
请输出：
① 完整议程（精确到每个环节时间分配）
② 主持词开场（3-5分钟，专业有温度）
③ 每个环节的主持人引导词
④ 互动环节设计（问答/圆桌/投票）
⑤ 会议前准备清单（物料/技术/人员）
视觉创意
Midjourney 营销视觉 Prompt 优化
用 Claude 帮助优化和生成 Midjourney Prompt，快速制作符合品牌调性的营销视觉素材方向稿，缩短创意周期。
ClaudeMidjourneyFlux.1
Prompt 模板（Claude→Midjourney）
请基于以下需求，生成3个Midjourney Prompt变体：
场景：[医疗诊室/患者咨询/术后喜悦/医生操作]
风格：[专业写实/温暖纪实/高端品牌感]
用途：[官网Banner/社交媒体/印刷物料]
品牌调性：[专业/温暖/创新/值得信赖]
每个Prompt包含：
- 主体描述（场景/人物/动作）
- 风格关键词（摄影风格/光线/色调）
- 技术参数（--ar比例 --style --stylize值）
- 适合的变体修改方向
视觉创意
AI 视频脚本 & 分镜描述
快速生成产品宣传视频脚本，包含画面分镜描述、配音文字和 Sora/Kling 等 AI 视频生成所需的详细提示词。
ClaudeSora可灵 Kling
Prompt 模板
请为[产品名]创作60秒宣传视频脚本：
目标受众：[患者/医生]
核心信息：[3个要传达的核心点]
风格：[科技感/温情/专业]
每个分镜（共6-8个）输出：
时间段：[00:00-00:08]
画面描述：[AI视频生成可用的详细英文描述]
配音文字：[中文旁白/人物对话]
音乐情绪：[背景音乐氛围]
转场方式：[如何过渡到下一镜头]
另：生成2个版本标题供A/B测试
视觉创意
信息图 / 数据可视化文案规划
将复杂的临床数据或市场数据转化为信息图的内容规划，确定标题、关键数据、视觉层次和阅读流程。
ClaudeIdeogram
Prompt 模板
请为以下数据设计信息图内容规划：
数据来源：[粘贴原始数据]
信息图用途：[社交媒体/会议展示/患教材料]
目标受众：[眼科医生/患者]
请规划：
① 主标题（吸引注意力，10字内）
② 副标题（解释主标题，20字内）
③ 核心数据要点（5-7个，按视觉层次排列）
④ 视觉结构建议（流程图/对比图/数字卡片）
⑤ 每个数据点的呈现方式（图标/数字/图表类型）
⑥ 来源标注文字
⑦ 行动号召（CTA）文字
客户关系
获授权案例故事撰写
只基于已有书面授权且完成去识别化的案例资料生成草稿；发布前需复核授权范围、事实和医疗宣传要求。
Claude
Prompt 模板
基于以下已获书面授权且完成去识别化的案例摘要，生成两个版本故事：
案例背景：[使用宽泛年龄段和通用职业类别]
过程摘要：[不含日期、机构、医生或其他可重识别细节]
结果摘要：[仅引用经核验且获准公开的数据]
版本A（社交媒体版）：
- 第一人称视角，300字
- 重点：术前顾虑→转折点→手术体验→生活改变
- 语气：真实温暖，有细节，不过度营销
版本B（白皮书/官网版）：
- 第三方叙事视角，500字
- 重点：问题→解决方案→临床结果→生活影响
- 语气：专业客观，有数据支撑
客户关系
客户满意度调查问卷设计
为术后患者满意度调查、医生使用体验调查设计科学的问卷框架，包含 NPS 指标和定性反馈问题。
Claude
Prompt 模板
请设计[术后患者]满意度调查问卷：
调查目的：[了解患者满意度/收集口碑素材/发现改进点]
调查时机：[术后1周/1个月/3个月]
问卷长度：[控制在5分钟内完成]
请设计：
① NPS题目（0-10推荐分+原因）
② 核心满意度题目（5个维度评分）
③ 开放式问题（3个，挖掘真实体验）
④ 口碑授权题目（是否愿意分享案例）
⑤ 推荐意愿题目
格式：可直接导入问卷工具的结构化格式
客户关系
年度客户回顾报告生成
将医院客户全年合作数据整理后，AI 生成专业的年度回顾报告，体现合作价值，强化长期关系。
Claude
Prompt 模板
请为[机构代号]生成内部年度合作回顾草稿：
合作时间：[X年X月至今]
合作数据：[手术量/设备使用/培训次数等]
重要里程碑：[列出关键事件]
结果数据：[仅使用合规汇总数据，不含个体记录]
请生成报告，包含：
① 合作年度概述（亮点数据汇总）
② 手术量/业绩增长可视化数据
③ 培训和学术活动支持盘点
④ 患者成果亮点
⑤ 明年合作展望和计划
⑥ 致谢语（面向科主任）
格式：专业报告，可直接制作成PPT或PDF
数字营销
SEO 关键词策略 & 内容优化
分析目标受众的搜索行为，生成针对眼科/屈光手术相关内容的 SEO 关键词策略和内容优化建议。
PerplexityClaude
Prompt 模板
请为[屈光手术品牌]制定SEO内容策略：
目标网站：[官网/公众号/知乎]
目标受众：[有近视矫正意向的25-40岁患者]
竞争对手：[列出主要竞品]
请输出：
① 核心关键词列表（按搜索意图分类：
信息型/比较型/交易型，各5-8个）
② 长尾关键词机会（10个，竞争度低）
③ 内容主题建议（基于关键词，10篇文章）
④ 每篇文章的标题/副标题/关键词密度建议
⑤ 内容内链策略建议
数字营销
小红书 / 抖音内容策略
专门针对小红书和抖音平台特性，生成适合这两个平台的屈光手术科普/品牌内容策略和具体选题。
Claude
Prompt 模板
请为[屈光手术品牌]制定小红书内容策略：
品牌定位：[专业/温暖/可信赖]
目标群体：[18-35岁近视人群]
月均发布目标：[X篇]
小红书策略：
① 10个爆款选题方向（结合平台趋势）
② 内容形式建议（图文/视频/合集）
③ 账号人设设计（医生/患者/品牌官方）
④ 评论互动策略
⑤ 3个完整内容示例（含标题+正文+话题标签）
另：同样输出抖音版本的策略差异点
数字营销
付费广告文案 & 投放策略
生成适合微信朋友圈广告、百度 SEM、信息流广告的文案版本，并给出针对不同平台的投放策略建议。
Claude
Prompt 模板
请为[产品]生成付费广告素材：
目标受众：[近视患者，25-40岁，一线城市]
转化目标：[点击预约咨询/表单填写]
预算级别：[中等，月均X万元]
请生成：
① 微信朋友圈广告（3套，主图文案+行动按钮）
② 百度搜索广告标题（5个，含核心关键词）
③ 抖音信息流广告脚本（15秒，前3秒钩子关键）
④ 落地页核心文案框架（价值主张/信任背书/CTA）
⑤ 各平台投放受众定向建议
汇报分析
营销活动效果复盘报告
将活动数据整理后，AI 快速生成结构化复盘报告，涵盖执行回顾、数据分析、成功经验和改进建议。
Claude
Prompt 模板
请基于以下数据生成活动复盘报告：
活动名称：[活动名]，时间：[日期]
核心数据：[曝光量/参与人数/转化数/费用]
目标完成情况：[对比原定KPI]
定性反馈：[参与者/团队反馈]
报告框架：
① 执行摘要（1段，核心结论）
② 核心指标完成情况（数据可视化描述）
③ 亮点分析（做得好的3-5点，含原因）
④ 问题分析（不足的3-5点，含根本原因）
⑤ 经验沉淀（可复制的方法论）
⑥ 下次改进建议（具体可执行）
汇报分析
营销 ROI 分析 & 预算建议
将各渠道营销投入和产出数据输入 AI，获得清晰的 ROI 分析和下期预算优化建议。
ClaudeChatGPT
Prompt 模板
请分析以下营销渠道ROI数据：
[渠道1]：投入[X]，产出线索[X]，转化[X]，收入贡献[X]
[渠道2]：投入[X]，产出线索[X]，转化[X]，收入贡献[X]
[渠道3]：同上格式
请输出：
① 各渠道ROI对比表格（含CPC/CPL/CPA等指标）
② 渠道效率排名和效率分析
③ 找出表现最佳渠道的成功因素
④ 找出表现最差渠道的问题原因
⑤ 下期预算分配建议（总预算不变情况下）
⑥ 1个可立即执行的优化动作
汇报分析
月度/季度营销汇报自动生成
整理当期营销数据和工作内容后，AI 快速生成结构完整、重点突出的营销汇报，直接可向管理层使用。
Claude
Prompt 模板
请生成本月营销汇报：
核心数据：[粘贴关键指标]
主要工作：[分点列出完成的营销动作]
重要进展：[列出亮点]
遇到的挑战：[列出]
下月计划：[列出重点]
请生成汇报，格式：
① 数据摘要（核心指标对比环比/同比）
② 本月重点工作回顾（配数据说明效果）
③ 市场动态洞察（竞品/行业变化）
④ 下月重点计划（3-5条，SMART格式）
⑤ 资源需求（如有）
控制在500字以内，数据驱动
策略规划
新产品上市策略框架（GTM）
为新款屈光设备或新术式的上市制定完整的 Go-To-Market 策略，从定位到渠道到推广节奏全面覆盖。
Claude
Prompt 模板
请制定[新产品]的GTM上市策略：
产品信息：[核心特点/适应症/差异化优势]
目标市场：[区域/医院级别/患者类型]
上市时间：[计划上市时间]
预算框架：[概述]
GTM策略框架：
① 市场定位（目标客户/差异化主张/价格策略）
② 渠道策略（直销/经销/KA医院优先级）
③ 上市前准备（培训/物料/样机/认证）
④ 上市节奏（软上市/正式上市/扩张期）
⑤ 12个月里程碑计划
⑥ 成功衡量指标（KPI体系）
策略规划
区域市场进入策略
为拓展到新省份/新城市制定区域市场进入策略，包括市场评估、优先级排序和资源配置建议。
PerplexityClaude
Prompt 模板
请制定[新区域]市场进入策略：
目标区域：[省份/城市名称]
现有产品：[产品线]
资源约束：[人员/预算/时间]
竞争现状：[已知的竞品情况]
请输出：
① 区域市场评估（规模/增速/竞争强度/进入门槛）
② 目标医院优先级矩阵（按综合评分排序）
③ 前3个月快速立足计划（聚焦2-3家KA医院）
④ 本土合作伙伴/KOL识别策略
⑤ 资源分配建议
⑥ 12个月销售目标拆解
策略规划
危机公关响应方案
当出现负面舆情、产品投诉或竞争攻击时，AI 快速生成危机公关响应框架和标准声明，减少损失。
Claude
Prompt 模板
请帮我制定危机公关响应方案：
危机类型：[产品质量质疑/负面新闻/竞品攻击/患者投诉]
事件描述：[简述具体情况]
当前舆情状态：[传播范围和程度]
利益相关方：[患者/医生/媒体/监管部门]
请输出：
① 危机评估（严重程度/影响范围/发展预判）
② 24小时内立即行动（具体步骤）
③ 官方声明草稿（外部版/内部版）
④ 各渠道沟通策略（媒体/社交/客户）
⑤ 后续跟进计划
⑥ 可能的误区和需要避免的操作
策略规划
合作伙伴沟通 & 谈判准备
为与经销商、合作医院或战略伙伴的谈判做准备，AI 生成谈判策略框架、底线设定和让步路径建议。
Claude
Prompt 模板
请帮我准备以下谈判策略：
谈判对象：[经销商/医院/合作伙伴]
谈判主题：[价格/合同条款/合作模式]
我方目标：[理想结果]
对方已知诉求：[对方想要什么]
我方筹码：[我们的优势/可以给的价值]
请输出：
① 谈判目标设定（理想/可接受/底线）
② 对方决策心理分析
③ 开场策略（如何设置谈判基调）
④ 关键议题的让步路径（先让什么/后让什么）
⑤ 可能遭遇的困难点和应对话术
⑥ 谈判结束后的跟进动作
患者教育
患者教育内容多层次版本生成
将复杂医疗产品信息转化为不同知识层次患者能理解的内容，同时生成深度版、标准版和极简版三个版本。
ClaudeChatGPT
Prompt 模板
以下是[术式]的已审核技术说明：
[粘贴已获授权且完成脱敏的必要段落]
请生成3个面向不同患者群体的版本：
版本A（高知患者）：800字，可含术语+括号解释，强调数据和机制
版本B（普通患者）：400字，用日常类比解释原理，重点是"安全吗""效果怎样""恢复多久"
版本C（老年患者/家属）：200字，极简语言，避免术语，只说最关键的3件事
所有版本均需：准确说明证据来源、获批适应症、风险、禁忌、不确定性和就医边界；不得承诺效果
患者教育
术前咨询常见问题标准回复库
整理患者最常见的术前顾虑，AI 生成标准化但不失温度的回复模板，覆盖 10 大核心问题，直接用于培训咨询团队。
ClaudeCoze
Prompt 模板
请基于已审核资料为[术式]生成患者咨询标准回复，覆盖：
1. 手术会疼吗？ 2. 恢复需要多久？
3. 手术安全吗，有风险吗？ 4. 近视会反弹吗？
5. 费用是多少，值得吗？ 6. 我适合手术吗？
7. 会有干眼症吗？ 8. 晚上会看到光晕吗？
9. 手术后能运动吗？ 10. 未来还能做其他眼科手术吗？
每个问题的回复结构：
- 直接回答（1句话，不作诊断或保证）
- 详细解释（2-3句，仅引用输入材料并逐条标注来源）
- 下一步（说明何时需要专业检查）
语气：专业、易懂且不过度承诺；先列风险、禁忌和不确定性
患者教育
术后注意事项宣教材料
生成术后护理注意事项的多种格式版本，包括出院须知、微信推文、随访提醒短信，确保患者依从性。
Claude
Prompt 模板
请基于机构已审核内容为[术式]术后生成多格式宣教材料：
手术类型：[具体手术]
关键注意事项：[粘贴核心医嘱]
请生成：
① 出院须知（A4纸格式，图文结构，分时间段：
术后当天/第1天/第1周/第1月）
② 微信推文正文（500字，温暖语气，
附上随访提醒时间节点）
③ 随访提醒短信模板（3条，分别在
术后3天/1周/1个月发送，100字内）
④ 患者须知中常见误区（5条，红字提示）
患者教育
患者就诊讨论材料生成
生成用于与眼科专业人员沟通的客观问题清单；不诊断、不推荐术式，也不替代完整检查。
Claude
Prompt 模板
请基于机构已审核资料创建就诊讨论材料：
待讨论方案：[方案 A / 方案 B / 方案 C]
讨论背景：[希望了解的差异与问题；不要输入可识别健康信息]
请生成：
① 不同方案的客观对比表格（原理/证据/风险/恢复/费用/适应症，以输入资料为限）
② 需要向专业人员说明的生活方式与个人目标
③ 就诊时应询问的 10 个问题
④ 需要通过专业检查才能回答的项目
⑤ 常见误区纠正（3个，患者经常混淆的地方）
语气：客观中立；不输出匹配等级、诊断或治疗建议，所有选择由专业人员评估后共同决策
患者教育
儿童近视防控患教内容
生成面向家长的儿童近视防控科普内容，覆盖近视成因、防控方法、矫正时机，适合多种渠道传播。
Claude
Prompt 模板
请创作儿童近视防控科普内容，面向家长：
核心信息：[近视防控的关键知识点]
渠道：[微信公众号/家长群短文/视频脚本]
请生成：
① 标题（5个备选，适合家长点击）
② 正文（800字，含：近视成因/危害/防控方法/就医时机）
③ 关键数字清单（家长最关心的10个数据）
④ "什么情况必须就医"速查表
⑤ 家长常见误区（5个，有正确答案）
⑥ 配图描述建议（4张图的内容方向）
医生培训
医生培训 Q&A 题库自动生成
基于产品手册，自动生成分层考核题目（判断题/多选题/案例分析题），大幅降低培训内容制作成本。
Claude
Prompt 模板
基于以下产品技术资料：
[粘贴操作手册/临床数据/培训文档]
请生成20道医生培训考核题：
① 10道判断题（含答案+1句解析）
- 5道基础知识（参数/规格/适应症）
- 5道临床应用（操作要点/注意事项）
② 5道多选题（含答案+错误选项的"为什么错"分析）
聚焦：并发症预防/患者选择/手术流程
③ 5道案例分析题（含参考答案）
场景：真实临床决策情境
难度递进：基础→进阶→临床应用
医生培训
培训视频脚本快速生成
基于操作手册，AI 生成结构化的培训视频脚本，包含分镜描述、讲解词、注意事项强调点，快速推进视频制作。
ClaudeElevenLabs
Prompt 模板
基于以下操作步骤：[粘贴手术操作要点]
请生成10分钟培训视频完整脚本：
格式（逐段输出）：
[时间戳 00:00-00:30]
画面：[描述应拍摄/展示的内容]
讲解词：[完整口播文字，口语化]
注意事项：[如有，重点标注]
转场：[如何过渡到下一段]
脚本规范：
- 开篇30秒：建立背景和学习目标
- 核心内容：按逻辑递进，每个知识点不超过90秒
- 关键步骤：加"重点"标注，建议重复强调
- 结尾2分钟：总结要点+测试题预告
医生培训
新员工产品知识培训方案
为新入职的销售/临床应用专员生成完整的产品知识学习路径和培训材料框架，缩短上岗时间。
Claude
Prompt 模板
请为新入职医疗器械销售设计产品培训方案：
产品：[产品系列]
新员工背景：[有/无医疗背景，销售经验X年]
上岗时间要求：[入职后X周必须独立拜访]
请输出：
① 30天学习路径（按周分阶段）
② 必掌握的核心知识点清单（分优先级）
③ 每周学习材料推荐（资料/视频/实操）
④ 知识掌握度自测方法
⑤ 随岗跟学检查点（第1/2/4周的考核标准）
⑥ 常见新人错误和预防建议
医生培训
模拟角色扮演对话训练
让 AI 扮演不同类型的眼科医生，模拟真实拜访场景，帮助销售团队练习应对各类情况的话术和策略。
ClaudeChatGPT
Prompt 模板
请扮演以下类型的眼科科主任，与我进行销售拜访模拟：
角色设定：
- 类型：[保守型/价格敏感型/技术控型/竞品用户型]
- 态度：[冷淡/质疑/开放/忙碌]
- 核心顾虑：[具体列出2-3个]
- 医院背景：[三甲医院/年屈光量约X台]
流程：
1. 我先做开场介绍
2. 你扮演医生提出质疑/问题（每轮1个）
3. 我回应后，你继续追问或转换话题
4. 进行5-8轮对话
5. 对话结束后，你给出：① 我的表现评分（1-10）② 最好的3个时刻 ③ 最需要改进的2个地方
知识库 RAG
产品 RAG 知识库搭建指南
使用最小范围、已获授权且完成脱敏的资料搭建内部知识库；先确认平台的数据处理、留存和权限设置。
DifyCoze
System Prompt 模板
【Dify/Coze System Prompt 配置】
你是[行业]产品知识辅助工具，回答范围仅限以下已授权资料。
核心规则：
1. 只基于提供的知识库内容回答，不猜测
2. 回答引用具体章节或数据来源
3. 不确定的内容明确说"知识库中暂无此信息，建议咨询产品经理"
4. 涉及临床决策的问题，建议咨询医生
5. 回答结构：直接答案→详细说明→相关注意事项
受众：[专业人员/已授权团队/机构管理人员]
【搭建步骤】
① 创建受限知识库 → 仅上传经信息负责人批准的必要资料
② 创建Bot → 连接知识库 → 配置上述System Prompt
③ 测试：用 10 个不含真实身份或业务秘密的问题验证引用、拒答和错误状态
知识库 RAG
临床数据解读双版本报告
将临床研究数据输入 AI，生成面向医生的专业摘要和面向患者的通俗解读两个版本，各有清晰侧重。
Claude
Prompt 模板
以下是[手术方式]的临床研究数据：
[粘贴数据/摘要]
请生成两个解读版本：
版本A（面向眼科医生）：
- 500字专业摘要
- 包含：研究设计/主要终点和P值解读/
临床意义分析/与现有标准的对比
- 语气：同行交流，假设读者有眼科背景
版本B（面向患者/家属）：
- 200字通俗解读
- 完全避免统计术语
- 用比例和日常类比（"100个患者中有XX个达到了..."）
- 重点：结果好不好？对我意味着什么？
销售支持
医院拜访前情报收集 & 话题准备
拜访医院前，用 AI 快速收集该医院/科室的背景信息、医生学术方向，制定个性化拜访策略和话题准备清单。
PerplexityClaude
Prompt 模板
请帮我准备拜访[医院名]眼科的情报：
目标医生：[姓名/职位]（如有）
拜访目的：[初次拜访/跟进/活动邀请]
情报收集（Perplexity搜索）：
① 该眼科科室规模和特色
② 目标医生的学术背景和研究方向
③ 该院现有屈光设备情况（如有公开信息）
④ 近期学术成果或合作
拜访策略（Claude整合）：
① 3个适合切入的话题
② 1个个性化开场方式（区别于标准销售拜访）
③ 预判对方可能的顾虑和应对答案
④ 本次拜访的核心目标和次要目标
销售支持
竞品话术反制脚本
当医生或患者提到竞品时，AI 生成专业、有据可查的回应话术，聚焦差异化优势，以患者利益为出发点。
Claude
Prompt 模板
我方产品：[产品名] 核心优势数据：[粘贴]
竞品：[竞品名] 竞品常见卖点：[列出]
请生成5套专业回应话术，对应场景：
场景1：医生说"竞品价格更低"
场景2：医生说"竞品在业内口碑更好"
场景3：患者问"哪个更安全"
场景4：医生说"竞品临床数据更多"
场景5：医院管理层说"其他医院都用竞品"
每套话术要求：
① 不贬低竞品（保持专业品格）
② 以患者利益为出发点
③ 基于事实数据（不夸大）
④ 引导对方关注对他们最重要的维度
⑤ 结尾推进下一步行动
销售支持
设备采购提案 / 配置建议书
为医院设备采购决策生成专业的配置建议书，包含技术方案、投资回报分析、运营支持体系，提升采购成功率。
Claude
Prompt 模板
请为[医院名]生成设备配置建议书：
医院基本情况：[规模/现有设备/年手术量]
建议配置：[设备型号和数量]
医院核心诉求：[扩大服务量/提升技术水平/降低成本]
提案内容：
① 执行摘要（1页，核心价值主张）
② 医院现状分析和机遇
③ 推荐配置方案及技术优势
④ 投资回报测算（ROI分析，3年期）
⑤ 运营支持体系（培训/维护/售后）
⑥ 实施时间线
⑦ 案例：同类医院的合作成果
格式：可直接转化为PPT的结构化内容
销售支持
医生异议处理手册
整理医生在产品推荐过程中最常见的异议，AI 生成标准化的异议处理流程和话术，供销售团队统一参考使用。
Claude
Prompt 模板
请为[产品]销售创建异议处理手册：
已知医生常见异议：
① "学习曲线太长，现在太忙"
② "价格比竞品贵太多"
③ "现有设备用得很好，没必要换"
④ "患者适应症太窄"
⑤ "厂家支持不够及时"
每个异议的处理框架：
- 同理心回应（先认可感受，不急于反驳）
- 澄清问题（是这个异议的根本原因吗？）
- 事实/数据回应（有根据的反驳）
- 转换框架（换一个角度看这个问题）
- 推进行动（下一步是什么）
内容创作
学术论文摘要 & 解读辅助
将英文临床论文输入 AI，快速生成中文摘要、关键数据提取和临床应用建议，提升文献阅读效率。
ClaudeNotebookLM
Prompt 模板
请解读以下临床论文（可粘贴全文或摘要）：
[粘贴论文内容]
请输出：
① 论文概述（研究目的/设计/规模/时间，200字）
② 核心结论（最重要的3-5个发现，数据精确）
③ 统计显著性解读（p值/置信区间的临床意义）
④ 研究局限性（论文中提到的或你注意到的）
⑤ 对临床实践的影响（对眼科医生意味着什么）
⑥ 与现有研究的比较（如有相关知识）
⑦ 可用于患者沟通的1-2个关键数据点
语言：中文，专业但清晰
内容创作
医学会议演讲 PPT 大纲
为眼科医生在学术会议上的演讲快速生成结构化 PPT 大纲，覆盖临床案例分享、数据报告或技术讲解等不同主题。
ClaudeGamma
Prompt 模板
请为以下演讲生成PPT大纲：
演讲主题：[临床案例分享/数据报告/新技术介绍]
演讲时长：[10/15/20分钟]
受众：[眼科医生同行/会议级别]
核心信息：[你想让听众记住的1-2件事]
可用数据/案例：[简述]
每页输出格式：
第X页｜[页面标题]
核心内容：[3个要点，每点1句话]
数据/图表建议：[建议配什么]
演讲提示：[这页重点说什么，不说什么]
另：开场钩子（前30秒如何抓住注意力）
内容创作
科普文章批量生产（SEO 优化）
为医院官网或公众号批量生产针对不同近视矫正关键词的 SEO 优化科普文章，提升自然搜索流量。
ClaudePerplexity
Prompt 模板
请生成[目标关键词]的SEO优化科普文章：
目标关键词：[近视手术/SMILE手术/激光近视矫正等]
目标受众：[正在考虑手术的近视患者]
文章长度：[1500-2000字]
发布平台：[官网/公众号/知乎]
文章结构：
① 钩子开头（解决读者最关心的痛点，100字）
② 什么是[主题]（基础科普，400字）
③ [主题]的优缺点/适应症（400字）
④ 常见问题解答（Q&A格式，400字）
⑤ 如何选择医院和医生（300字）
⑥ 行动号召（预约/咨询）
SEO要求：标题含核心关键词，自然分布关键词，含内链机会
运营管理
区域市场月度分析报告
使用脱敏、聚合且获授权的业务数据生成区域市场分析草稿，输出前由数据责任人复核。
Claude
Prompt 模板
以下是已脱敏的[区域]本月业务汇总数据：
销售数据：[台数/金额/环比/同比]
重点机构进展：[使用内部代号说明]
竞品动态：[已知信息]
拜访记录摘要：[仅保留不含个人信息的关键成果]
请生成月度市场分析报告：
① 本月数据亮点（3条，有数据支撑）
② 重点机构进展（按内部代号分条目）
③ 问题与挑战分析（原因分析，不只描述现象）
④ 竞品动态和应对建议
⑤ 下月重点行动计划（5条，SMART格式）
格式：适合向总部汇报，1页内，简洁有力
运营管理
医院合作 KPI 追踪与预警系统设计
设计针对重点合作医院的 KPI 追踪体系，包括指标定义、数据收集方式和预警触发机制，实现主动管理。
Claude
Prompt 模板
请为医疗器械销售设计医院合作KPI追踪体系：
负责医院数量：[约X家]
重点KA医院：[X家]
当前管理痛点：[列出]
请输出：
① 医院分级标准（A/B/C级，评分维度和权重）
② 每个级别医院的月度追踪KPI（3-5个）
③ 预警触发机制（哪些指标下降需要立即介入）
④ 数据收集工具推荐（可用Excel/飞书/CRM）
⑤ 月度复盘模板（逐院评估）
⑥ 资源投入与医院级别的对应原则
运营管理
手术量增长策略制定
基于医院现状数据，AI 分析手术量增长的瓶颈，生成针对性的增长策略和具体行动计划。
Claude
Prompt 模板
请为以下医院制定手术量增长策略：
医院情况：[科室规模/设备/医生数量/当前月手术量]
增长目标：[从X台/月增长到Y台/月，时间X个月]
已知瓶颈：[排班/患者来源/咨询转化/医生技术等]
请分析：
① 当前手术量的主要瓶颈（按影响程度排序）
② 针对每个瓶颈的解决策略
③ 具体行动计划（谁做/做什么/何时完成）
④ 患者来源渠道优化建议
⑤ 咨询转化率提升方法
⑥ 预期效果和里程碑时间节点
运营管理
年度医疗合规培训材料
生成针对医疗器械销售团队的合规培训材料，覆盖法规要求、禁止行为和合规案例分析，确保团队合规经营。
Claude
Prompt 模板
请为医疗器械销售团队生成合规培训材料：
适用法规：[《医药代表备案管理办法》/企业内部合规政策]
培训对象：[销售代表/临床应用专员]
培训时长：[30-60分钟]
请生成：
① 合规概述（为什么合规重要，5分钟）
② 法规要求核心内容（禁止行为清单）
③ 实际工作中的灰色地带辨别（10个情景判断）
④ 已发生的行业合规案例及教训（3个）
⑤ 合规行为正面案例（3个，展示如何合规且有效）
⑥ 合规检查清单（日常使用）
⑦ 案例讨论题（小组讨论用）
专业写作
会议摘要 & 学术报告撰写辅助
参加眼科学术会议后，AI 帮助整理笔记，生成结构化的会议纪要和学术报告，便于向团队分享和存档。
Claude通义听悟
Prompt 模板
请整理以下会议/演讲笔记：
会议名称：[学术会议名称]
日期/地点：[具体信息]
关键演讲：[粘贴笔记或录音转录]
请生成结构化报告：
① 会议概述（规模/参会人数/主要议题）
② 核心学术进展（3-5个关键发现/趋势）
③ 与我们产品相关的内容摘要
④ 竞品动态（竞品相关的演讲/展示）
⑤ 对我们的行动建议（2-3条）
⑥ 值得关注的专家（潜在KOL）
格式：适合转发给产品/市场团队的简报
专业写作
医保/招标申请材料准备辅助
协助整理和撰写医保目录申请或医院招标所需的产品技术文件、临床证据总结和价值评估材料。
Claude
Prompt 模板
请协助准备[医院招标/医保申请]材料：
产品信息：[名称/注册证号/适应症]
临床数据：[粘贴关键临床研究结果]
已有材料：[列出已有的文件]
缺少材料：[列出需要补充的部分]
请帮助：
① 产品技术规格整理（标准格式）
② 临床证据摘要（按文献等级整理）
③ 成本效益分析框架
④ 竞品技术对比说明
⑤ 常见评审问题的预备答案
⑥ 材料清单和优先级建议
注意：所有内容基于提供的真实数据，不添加未经证实的信息
专业写作
产品 FAQ 知识库构建
基于销售团队和医生的真实问题，AI 生成系统化的产品 FAQ 知识库，统一口径，减少重复回答成本。
ClaudeNotion
Prompt 模板
请基于以下问题列表，构建产品FAQ知识库：
产品：[产品 A / 产品 B]
问题来源：[粘贴销售团队收集的真实问题]
请为每个问题：
① 将问题标准化（统一表述方式）
② 提供简答版本（50字以内，用于快速查询）
③ 提供详细版本（200字以内，含技术细节）
④ 标注答案的权威来源（手册/临床数据/专家共识）
⑤ 标注适合的使用场景（面向医生/患者/管理层）
格式：适合导入飞书/Notion或FAQ系统的结构化格式
额外：识别高频问题（出现超过3次的），单独列出
日常工作
邮件快速起草 · 10 类商务场景
快速生成各类工作邮件：跟进邮件、感谢邮件、拒绝邮件、申请邮件、内部协调邮件，大幅减少起草时间。
ClaudeChatGPT
Prompt 模板（拜访跟进版）
请帮我写一封拜访跟进邮件草稿：
背景：上周[X日]与[客户角色]沟通，
主要讨论了[话题]，对方表示[反馈]。
邮件目标：[礼貌跟进+附上资料+推进下次会面]
要求：
- 200字以内（医生时间宝贵）
- 开头有个性化元素（引用上次对话的某个细节）
- 中间：价值点+附件说明
- 结尾：明确的下一步行动建议
- 语气：专业且不失亲近，不过度殷勤
边界：不要输入真实姓名、联系方式或保密细节；发送前人工复核
日常工作
会议录音 → 结构化纪要
将会议录音通过通义听悟转录后，用 AI 提取决策、行动项、责任人，生成可直接发送的结构化纪要。
通义听悟Claude飞书妙记
Prompt 模板
以下是已获参会者同意、完成脱敏的会议转录：
[粘贴不含姓名、联系方式、账号和保密信息的必要内容]
请生成结构化会议纪要：
【会议基本信息】时间/参与人/主题
【核心讨论摘要】按议题分组，每组2-3句话
【决策事项】✓ [已确定的结论，标注决策人]
【行动项清单】
□ [任务] | 负责人：[姓名] | 截止：[日期]
【遗留问题】需后续跟进但未决策的问题
【下次会议】建议议题
日常工作
工作汇报 & 述职材料快速生成
整理工作内容和数据后，AI 快速生成结构完整、重点突出的月报/季报/述职材料，直接可用于汇报。
Claude
Prompt 模板
请基于以下信息生成月度工作汇报：
本月工作内容：[分点列出]
关键数据：[销售数据/拜访数量/活动数量]
遇到的挑战：[列出]
下月计划：[列出重点]
请生成：
① 向直属领导的汇报（500字，重点突出，数据驱动）
② 向总部的简版报告（200字，只保留核心指标和结论）
格式要求：开门见山，先说成果再说过程，
避免流水账，每个亮点有数据支撑
日常工作
PPT 大纲 & 内容框架一键生成
输入演讲主题和受众，AI 生成完整的 PPT 结构、每页核心内容要点和演讲提示，大幅缩短准备时间。
ClaudeGamma
Prompt 模板
请为以下演讲生成完整PPT大纲：
主题：[演讲主题]
受众：[眼科医生/销售团队/管理层]
时长：[20/30/45分钟]
核心目标：[让受众了解X/做出Y决策/采取Z行动]
每页输出格式：
第X页｜[页面标题]
核心内容：[3个要点，每点1句话]
数据/图表建议：[建议配什么数据或视觉]
演讲提示：[这页重点说什么，不说什么]
另：开场钩子（前30秒如何抓住注意力）
结尾行动号召（最后1分钟说什么）
日常工作
合同 / 文件关键信息快速提取
对已获授权且完成脱敏的合同、协议或报告做初步信息提取；结果必须由责任人或专业顾问复核。
ClaudeChatGPT
Prompt 模板
请阅读以下已获授权且完成脱敏的合同/协议节选：[粘贴不含签名、账号、证件号和保密信息的必要段落]
请提取并整理：
① 核心条款摘要（双方主要权责，5条以内）
② 关键时间节点（合同期限/付款/交付/续约）
③ ⚠ 风险条款（违约责任/不可抗力/争议解决）
④ ⚠ 需特别关注的条款（模糊措辞/对己方不利/与常规不同）
⑤ 缺失项检查（通常合同应有但此处缺少的条款）
输出格式：表格+红色⚠标注风险项
注意：不得推断缺失信息；仅提取输入内容，不提供法律建议，重要事项交由法务复核
日常工作
复杂问题决策框架生成
面对复杂的工作决策（是否跳槽/是否接受某个合作/如何处理冲突），AI 生成结构化的决策分析框架。
Claude
Prompt 模板
请帮我分析以下决策：
决策描述：[具体描述你面临的选择]
选项A：[具体描述]
选项B：[具体描述]
我最重视的因素（按优先级）：[列出]
时间压力：[需要在X时间内决定]
已知信息：[列出你掌握的情况]
不确定的信息：[列出你不知道的]
请输出：
① 每个选项的主要优势和风险
② 关键不确定因素分析（如何验证）
③ 不同优先级下的推荐选项
④ 建议收集的额外信息（在决策前）
⑤ 若时间允许，推荐的决策流程
不要给出单一"正确答案"，帮助我独立思考
日常工作
工作沟通难题处理 · 棘手邮件起草
面对需要拒绝、追责、催促、或处理冲突的棘手沟通，AI 帮助起草既有效又专业的沟通内容。
Claude
Prompt 模板
请帮我起草以下棘手沟通：
场景类型：[拒绝请求/催促回复/提出批评/处理投诉/要求资源]
背景情况：[具体描述]
我的目标：[我希望达成什么结果]
关系重要性：[这段关系有多重要，1-10分]
已有的沟通历史：[简述]
请生成3个版本的沟通方案：
版本A：直接强硬（优先结果）
版本B：婉转但清晰（优先关系）
版本C：折中方案（平衡两者）
每个版本说明：适合的情况、潜在风险、预期对方反应
日常工作
个人知识管理 & 学习笔记整理
将散乱的笔记、文章、想法输入 AI，自动整理成结构化知识卡片，建立可检索的个人知识库。
ClaudeNotion AIMem.ai
Prompt 模板
以下是我对[AI学习]的散乱笔记：
[粘贴内容]
请帮我整理成结构化知识卡片，格式：
概念名称
核心定义（1句话）
工作原理（2-3句）
生活类比（让人一下明白）
实际应用场景（2-3个）
相关概念（与哪些知识点相连）
个人疑问（还有哪些不清楚）
按知识类别分组排列，
并列出这批笔记中最重要的5个洞察
日常工作
周计划 & 时间管理系统
将本周任务和目标输入 AI，生成按优先级排序的周计划，并给出时间分配建议和常见拖延陷阱预警。
Claude
Prompt 模板
请帮我制定本周工作计划：
本周所有任务：[分点列出，包括大小任务]
本周重要截止日期：[列出]
预计可用工作时间：[每天X小时，共X天]
上周未完成的遗留：[列出]
个人精力特点：[上午好/下午好/特殊情况]
请输出：
① 任务优先级排序（重要+紧急矩阵）
② 每日工作计划（精确到上午/下午/晚上）
③ 需要提前准备的事项（防止临时抓瞎）
④ 可以批量处理的同类任务
⑤ 这周最容易出现的拖延风险和预防建议
日常工作
绩效目标 OKR 制定辅助
为当前岗位或新项目设计合理的 OKR，将模糊目标转化为可量化、可追踪的指标。
Claude
Prompt 模板
请帮我制定季度OKR：
职位/角色：[当前角色]
本季度最重要的3件事：[列出]
上季度未达成的目标：[如有]
可用资源：[人员/预算/时间]
外部约束：[市场情况/公司要求]
请生成OKR框架：
O（Objective）：[3个季度目标，激励人心但现实]
KR（Key Results）：每个O对应2-3个可量化结果
- 格式：从X提升到Y（具体数字）
- 包含：衡量方式和数据来源
另：识别OKR中最大的假设风险（如果X不成立，OKR就失效）
健康与体能
健康数据分析 & VO₂Max 训练优化
使用手动整理的非识别性汇总数据辅助复盘训练趋势；异常症状或医疗问题应咨询专业人员。
ClaudeChatGPT
Prompt 模板
以下是我手动整理的非识别性健康趋势数据：
当前VO₂Max：[X] ml/kg/min
静息心率：[X] bpm
本周运动记录：[列出：类型/时长/心率区间]
体重：[X] kg，睡眠质量：[良好/一般/差]
训练目标：[N周内VO₂Max提升至X]
请分析：
① 当前有氧能力的优势和薄弱环节
② 本周训练是否合理（强度/频率/恢复）
③ 针对性调整建议（具体到每周训练安排）
④ 对VO₂Max影响最大的生活习惯
⑤ 监测进展的关键指标和检测时间节点
可用设备：[列出]
边界：不要诊断疾病；若出现胸痛、晕厥、呼吸困难或持续异常，提示停止训练并寻求专业医疗帮助
健康与体能
饮食营养计划 & 热量管理
基于体重目标、饮食习惯和运动量，AI 生成个性化的饮食计划和营养建议，辅助健康目标达成。
Claude
Prompt 模板
请基于以下信息制定饮食计划：
基本信息：身高[X]cm，体重[X]kg，年龄范围：[X-X]，其他相关条件：[可选]
运动量：[每周X次，每次约X分钟，强度X]
目标：[3个月内减重X公斤/增肌/维持体重]
饮食限制：[不吃什么/偏好什么/饮食习惯]
生活节奏：[作息时间/用餐场景]
请输出：
① 每日目标热量（含蛋白质/碳水/脂肪分配）
② 一周示例食谱（实际可操作，考虑中国饮食习惯）
③ 训练日vs非训练日饮食差异
④ 外卖/外出就餐时的选择原则
⑤ 最常见的饮食误区（针对我的目标）
健康与体能
恢复 & 疲劳管理策略
当感到训练疲劳或身体信号异常时，AI 帮助分析过度训练风险，制定科学的恢复策略。
Claude
Prompt 模板
我近期出现以下身体信号：
[列出：如静息心率升高/睡眠质量下降/运动表现下降/持续疲劳/情绪波动]
最近2周训练强度：[描述]
睡眠情况：[时长/质量]
压力水平：[工作生活压力]
上次休息日：[时间]
请分析：
① 是否存在过度训练迹象（按信号逐一评估）
② 建议的恢复周期（几天？强度如何调整？）
③ 具体恢复策略（睡眠/营养/主动恢复/冥想等）
④ 何时可以恢复正常训练强度
⑤ 预防未来疲劳积累的训练调整建议
摄影创作
旅行行程 & 摄影点专项规划
输入目的地、时间、偏好，AI 生成兼顾效率和深度体验的完整行程，专为有摄影和建筑审美需求的旅行者定制。
ClaudePerplexity
Prompt 模板
我计划去[城市]旅行[N天]，出发：[日期]
偏好：
- 摄影：[街头纪实/建筑/自然/人文]
- 餐饮：[本地特色/高质量/避免游客餐厅]
- 节奏：[紧凑/悠闲，每天几个地点]
- 避免：[人流密集景点/标准游客路线]
请生成逐日行程，每天包含：
🌅 上午（最佳摄影时段建议）
🌞 下午
🌆 傍晚（黄金时段）
🍽 餐厅推荐（附特色菜）
📸 摄影要点（光线/角度/最佳时机）
🔄 雨天/疲劳备选方案
另：整个行程最值得投入大量时间的1-2个地点（原因）
摄影创作
摄影作品系列概念策划
用 AI 辅助定义摄影系列的主题概念、拍摄清单、调色方向，将创意想法系统化为可执行的拍摄计划。
ClaudeMidjourney
Prompt 模板
我正在规划一组[主题]摄影系列。
当前想法：[描述初步概念/灵感来源]
拍摄地点：[城市/场景]，计划时间：[时间段]
器材：[相机/镜头]，后期：[Lightroom/其他]
请帮我：
① 定义这个系列的视觉主题和概念核心（100字，有画面感）
② 10个值得拍摄的具体场景/角度/时机
③ 调色风格建议（色调/对比/气氛关键词，适用于Lightroom）
④ 构图语言建议（前景/层次/留白/几何）
⑤ 这个系列适合投稿/展示的平台和机会
⑥ 用Midjourney生成参考图的Prompt建议（2个）
摄影创作
Lightroom 调色方案 & 预设描述
描述目标照片的风格和氛围，AI 生成 Lightroom 调色方向建议，以及用于搜索购买的预设关键词。
Claude
Prompt 模板
我想为以下类型的照片建立调色风格：
照片类型：[城市街拍/建筑/旅行风景/医疗场景]
目标氛围：[冷调专业/温暖纪实/高对比胶片/清冷极简]
参考作品：[描述你喜欢的风格，或列出参考摄影师]
拍摄设备：[相机型号，如有RAW文件]
请输出Lightroom调色方向建议：
① 基础调整（曝光/对比/高光/阴影方向）
② 色调曲线（大致走势描述）
③ HSL调整（哪些色彩需要特别处理）
④ 色温和色调倾向
⑤ 颗粒/暗角建议
⑥ 搜索相关Lightroom预设的关键词（5个）
投资理财
市场研究辅助分析框架
用 AI 梳理公开市场信息、相反证据与不确定性，形成可复核的研究框架；不用于自动交易或个性化投资建议。
PerplexityClaude
Prompt 模板
请帮我构建对[市场/行业/资产类别]的中性研究框架
（仅供研究学习，不构成投资建议）：
当前宏观环境：[简述你知道的关键信息]
请客观分析：
① 支持看多情景的证据与假设
② 支持看空情景的证据与假设
③ 关键技术信号（如有数据）
④ 近3-6个月的催化剂事件日历
⑤ 历史相似情景的局限与不可比因素
输出要求：
- 客观呈现多空双方论据
- 标注不确定性程度
- 不给出具体买卖建议
- 提示主要尾部风险
投资理财
AI 辅助市场事件影响分析
当出现重大市场事件（美联储决议/地缘政治/财报季）时，AI 快速生成事件影响分析框架，辅助仓位决策。
PerplexityGrokClaude
Prompt 模板
请分析以下市场事件对一组示例资产类别的潜在影响：
市场事件：[描述具体事件，如美联储决议/关税政策/财报]
示例资产类别：[股票/债券/现金/商品；不要提供账户或持仓信息]
当前市场背景：[简述]
请分析：
① 事件的核心影响机制（为什么影响这个板块）
② 历史上类似事件后市场的典型反应
③ 对不同资产类别的潜在传导方向
④ 关键观察指标（接下来48小时看什么）
⑤ 可能出现的反向情景和触发条件
⑥ 适合的仓位管理原则（不是具体操作建议）
个人成长
年度复盘 & 目标规划
将年度经历、成就、遗憾、变化结构化提供给 AI，生成有深度的复盘洞察，而不是泛泛的鼓励性文字。
Claude
Prompt 模板
请帮我做深度年度复盘（基于具体信息给洞察，不要泛泛而谈）：
工作成就：[列出3-5件]
工作遗憾：[列出2-3件]
个人成长：[列出2-3件实质性变化]
生活变化：[重要事件]
今年最满意的决定：[1-2件]
今年最后悔的决定/不作为：[1-2件]
请分析：
① 今年身上发生的最本质变化（内在转变，非表面成就）
② 你在重复什么模式（积极的和消极的）
③ 明年最值得All-in的1-3件事（有取舍）
④ 基于今年教训，明年需要停止/减少做什么
⑤ 给明年自己的一段诚实的话（不要鸡汤，要真实）
个人成长
多目标学习计划 & 进度追踪
为多个并行学习目标设计结构化计划、月度里程碑和每周复盘模板。
ClaudeNotion
Prompt 模板
请为我设计多目标学习计划管理系统：
计划周期：[开始日期至结束日期]
主要学习目标：
① [学习目标 A]
② [学习目标 B]
③ [健康或技能目标 C]
④ [其他目标]
约束：每周可用时间约[X小时]
请设计：
① 每周时间分配框架（各目标优先级和占比）
② 月度里程碑设定（每个目标的检查点）
③ 每日晨间计划模板（15分钟规划，含3个优先项）
④ 每周复盘模板（进展/阻碍/调整）
⑤ 防拖延策略（基于我列出的目标特点）
个人成长
职业规划 & 简历更新辅助
面向求职或职业转型，辅助梳理已验证的经历与成果，生成诚实、可核实的简历内容框架。
Claude
Prompt 模板
请帮我更新和优化简历内容：
目标职位：[职位名称/行业]
当前简历：[粘贴或描述现有经历]
最近重要成就或学习项目：[列出可核实事实]
希望突出的核心能力：[3-5个]
目标公司类型：[MNC/国内龙头/创业公司]
请输出：
① 职业摘要（Professional Summary，150字，突出独特价值）
② 每段工作经历的重写建议（STAR格式，量化结果）
③ 学习项目或职业转换经历如何准确呈现
④ 技能关键词优化（针对目标职位ATS关键词）
⑤ 3个可以在面试中突出的独特竞争优势故事
个人成长
英语学习 & 商务口语提升
用 AI 作为语言练习伙伴，模拟通用商务场景对话，纠正语法错误并解释地道表达。
ClaudeChatGPT
Prompt 模板
请扮演我的英语口语练习伙伴。
场景：[国际展会/客户会议/英文演讲]
我的英语水平：[中等/流利/需要提升的具体方面]
流程：
① 我先用英语介绍产品/做开场（2分钟）
② 你扮演[客户/采购负责人/合作伙伴]提问（3个问题）
③ 我回答
④ 结束后，你指出：
- 我的语法错误（列出并纠正）
- 不地道的表达（给出更好的替换）
- 遗漏的重要信息
- 整体表现评分（1-10）和具体改进建议
另：每次练习后提供3个本次话题最常用的地道表达
生活助手
购买决策深度分析
面对重要购买决策（相机/电子产品/其他大件），AI 生成聚焦于你实际使用场景的对比分析，而非泛泛列规格。
PerplexityClaude
Prompt 模板
我在考虑购买[选项A] vs [选项B]。
我的实际使用场景：[详细描述：用途/频率/环境/技术水平]
核心需求优先级（排序）：
1. [最重要的] 2. [其次] 3. [最不重要]
约束：预算[X元]，时间要求[是否急用]，其他[体积重量等]
请提供：
① 只针对我的场景，两者实际差异（不要列全部规格）
② 哪些差异对我有影响，哪些根本用不到
③ 长期使用（3-5年）角度的对比
④ 真实用户反馈摘要（Perplexity搜索后提供）
⑤ 明确推荐+核心理由（不要说"两个都好，看个人需求"）
生活助手
AI 辅助阅读 & 书籍精华提取
将书籍章节或摘要输入 AI，快速提取核心论点、可操作框架和与个人情况相关的应用建议。
ClaudeNotebookLM
Prompt 模板
请帮我提取和分析这本书/文章的精华：
书名：[书名]，作者：[作者]
内容：[粘贴章节或摘要，或描述主要论点]
我阅读的背景：[为什么读这本书，想解决什么问题]
请输出：
① 核心论点摘要（3-5条，用我的语言重述）
② 最重要的概念或框架（配合图示描述）
③ 与我具体情况的关联（[我的职业/目标/当前挑战]）
④ 可以立即应用的3个行动建议
⑤ 我最可能不认同的观点（挑战性思考）
⑥ 推荐搭配阅读的相关资源
格式：简洁，避免摘抄原文，用自己的话
生活助手
旅行深度策划
根据目的地、时间和兴趣生成可核验的旅行规划；营业时间、价格、交通和安全信息需在出发前复查。
ClaudePerplexity
Prompt 模板（日本版）
我计划前往[国家/城市/地区]旅行[N天]，出发[日期]。
旅行风格：[文化/建筑/自然/美食]，节奏：[紧凑/悠闲]
已经去过：[列出已访问的地方]，不想重复
请提供：
① 这次旅行的独特角度（区别于普通攻略的切入点）
② 5个非热门但值得深入的具体地点（附推荐理由）
③ 适合建筑/街头摄影的最佳时段和位置（具体到街道/建筑名）
④ 3个本地人才知道的餐厅/咖啡馆（附地址）
⑤ 从[出发城市]出发的交通方案比较
⑥ 这个季节/月份的特殊体验机会
生活助手
Prompt 词典 & 个人 AI 使用手册
整理和系统化个人使用 AI 的最佳 Prompt 模板，建立个人专属的 AI 使用手册，提升长期使用效率。
ClaudeNotion
Prompt 模板
请帮我整理个人AI使用手册：
我最常用AI处理的任务类型：[列出10-15个]
我目前感觉AI最没效果的场景：[列出]
我的工作背景：[行业/职能]；长期兴趣：[列出]
请生成：
① 针对我高频场景的Prompt模板清单
（每个模板：场景名称+核心Prompt框架+注意事项）
② 针对不同AI工具的使用建议
（按当前官方功能、数据政策和实际测试比较）
③ 提升我当前低效场景的Prompt技巧建议
④ 建议我定期做的AI能力扩展练习（每周一个）
⑤ 个人AI使用的"反面案例"（哪些事情不应该用AI做）
生活助手
睡眠优化 & 作息管理
基于 Apple Watch 睡眠数据和生活习惯，AI 分析睡眠质量问题，生成针对性的睡眠优化方案。
Claude
Prompt 模板
请帮我分析和优化睡眠质量：
近期睡眠数据（Apple Watch）：
- 平均睡眠时长：[X小时]
- 深度睡眠比例：[X%]
- 入睡时间：[XX:XX]，起床时间：[XX:XX]
- 睡眠评分趋势：[上升/下降/平稳]
生活习惯：
- 晚间习惯：[刷手机/运动/工作/饮酒等]
- 咖啡因摄入：[最晚几点，每天几杯]
- 当前困扰：[入睡困难/中途醒来/睡眠质量差/白天疲劳]
请输出：
① 我的睡眠主要问题分析
② 针对性改善方案（按优先级，具体可执行）
③ 睡前1小时建议的活动安排
④ 需要避免的习惯（原因）
⑤ 改善效果的监测方法
生活助手
家庭财务规划辅助
使用比例化、非识别性数据分析家庭预算与应急储备；不上传账户、交易、身份或支付信息。
Claude
Prompt 模板
请帮我分析家庭财务健康度（所有数字可用相对比例代替具体金额）：
当前情况：
- 月度固定支出：[列出主要类别和占比]
- 非固定支出：[娱乐/旅行/购物等]
- 当前储蓄率：[X%]
- 规划周期：[X个月]
- 应急储备：[可支撑X个月生活]
请分析：
① 财务健康度评估（优势和风险点）
② 规划期财务管理建议（在保证生活质量的前提下优化支出）
③ 应急储备充足性评估
④ 常见财务误区（针对我的情况）
注：不提供具体投资建议，不处理敏感个人信息
AI 工具进阶
用 Claude 构建个人 RAG 知识库
将个人积累的笔记、文章、思考输入 AI 系统，构建可持续查询的个人知识库，让过去的积累产生复利效应。
DifyNotion AIMem.ai
Prompt 模板
请帮我设计个人知识库RAG系统：
我积累的内容类型：[AI学习笔记/行业洞察/摄影心得/投资分析]
当前存储方式：[Notion/备忘录/微信收藏]
主要查询需求：[快速检索某个概念/跨主题关联/输出时参考]
请设计：
① 知识库分类结构（标签体系设计）
② 适合我的工具推荐（Dify/Notion/Obsidian/Mem.ai对比）
③ 内容录入的标准格式（每篇笔记应包含什么）
④ 定期维护的工作流（每天5分钟维护）
⑤ 如何用Claude/ChatGPT高效查询这个知识库
⑥ 让知识产生复利的连接方法（如何发现不同领域的关联）
AI 工具进阶
用 AI 自动化日常信息处理
设计一套自动化的信息处理工作流，让 AI 自动处理每日的信息摄入（新闻/邮件/微信文章），节省时间提升效率。
n8nMake.comClaude API
Prompt 模板
请帮我设计日常信息处理自动化系统：
我每天需要处理的信息：
- 行业新闻（AI/医疗/投资）
- 工作邮件
- 微信公众号文章
- 每日市场简报
目标：每天用30分钟处理完所有信息，不遗漏重要内容
技术能力：[基本了解/有编程基础]
请设计：
① 信息来源优先级排序
② 自动化处理流程（用n8n/Make.com/Zapier实现）
③ AI摘要Prompt（将长文压缩为100字内的关键点）
④ 重要信息识别标准（哪些需要深读，哪些可以略过）
⑤ 信息→行动的转化机制（读到有用信息如何变成待办）
患者支持
术后复查电话随访脚本
为医疗团队生成标准化随访脚本，聚焦恢复情况、异常信号与复诊指引；脚本必须经医疗机构审核。
Claude
Prompt 模板
请基于医疗机构已审核的标准，为[术式]设计术后随访脚本：
随访时机：[术后3天/1周/1个月]
随访目标：[确认恢复情况/发现问题/收集口碑]
脚本包含：
① 开场（自我介绍+目的，15秒）
② 核心关切评估（视力/舒适度/工作生活恢复，5个问题）
③ 异常信号提示（仅按机构提供的规则；不作诊断）
④ 满意度收集（NPS+一句话评价）
⑤ 复诊和紧急情况指引
⑥ 结束语与隐私提示
语气：温暖专业，不超过5分钟
患者教育
就诊前教育性问题清单
生成用于帮助患者准备就诊信息的问题清单；不判断适应症、不输出匹配等级，也不替代专业检查。
ClaudeCoze
Prompt 模板
请基于医疗机构已审核的资料，为[术式]设计就诊前教育性问题清单：
目的：帮助患者整理就诊时应向专业人员提供和询问的信息
渠道：公众号/小程序/网站
问卷设计（10题以内）：
① 年龄和稳定期（必问）
② 当前度数范围
③ 角膜厚度（如已知）
④ 干眼症状
⑤ 生活方式（运动/职业）
⑥ 既往眼科病史
结果输出逻辑：
- 不计算分数，不判断是否适合，不推荐具体治疗
- 所有结果统一说明：需由具备资质的专业人员完成检查与评估
- 出现机构规则定义的警示信号时，仅提示尽快联系医疗机构
格式：可直接在小程序开发的题目结构
内容创作
产品白皮书摘要提炼
将厚重的产品白皮书或技术文件压缩为适合不同受众的精简摘要，医院管理层版和临床医生版各有侧重。
ClaudeNotebookLM
Prompt 模板
请将以下白皮书/技术文件提炼摘要：
[粘贴文件内容或关键章节]
请生成两版摘要：
版本A（医院管理层/采购）：
- 一页纸，300字
- 重点：投资价值/市场地位/患者获益证据
- 数据：手术量增长/患者满意度/ROI相关
版本B（眼科临床医生）：
- 一页纸，300字
- 重点：技术创新/临床结果/安全数据/操作优势
- 数据：临床试验数据/与其他术式对比
两版都需要：3个最令人信服的数据点
运营管理
医疗器械展会参展策划
为参加 COOC、APAO 等眼科学术会议的展台策划提供完整方案，包括展台布局建议、人员分工、客户接待流程和跟进机制。
Claude
Prompt 模板
请为[眼科学术会议]参展策划完整方案：
会议：[会议名称/时间/地点/预计参会人数]
展台规模：[标准展位/大展台]
核心目标：[新品展示/客户维护/线索收集/品牌曝光]
参展人员：[X人]
请输出：
① 展台布局建议（按目标动线设计）
② 每天的展台活动安排（演示/讲座/抽奖）
③ 人员分工表（接待/演示/商务洽谈）
④ 客户接待标准流程（初次接触→信息收集→跟进承诺）
⑤ 展会期间KPI追踪表
⑥ 展后3天跟进行动清单
知识库 RAG
竞品情报收集 & 分析框架
系统化地收集竞品动态信息，用 AI 建立持续的竞品监控机制，并将情报转化为可执行的销售策略调整建议。
PerplexityClaude
Prompt 模板
请帮我建立竞品持续监控系统：
我的产品：[产品或服务]
主要竞品：[列出3-5个竞品]
请设计：
① 每月需要追踪的竞品信息维度
（价格动态/新品发布/学术活动/医院进展/KOL变化）
② 信息来源推荐（可用Perplexity定期搜索的查询词）
③ 竞品情报整理模板（统一格式便于对比）
④ 竞品关键事件的分类处理原则
（需立即响应 vs 定期复盘 vs 长期观察）
⑤ 情报→销售策略调整的转化框架
目标：每月用2小时完成系统的竞品分析
日常工作
长篇报告 / 文章快速结构化阅读
面对大量需要阅读的行业报告和长文章，用 AI 快速提取关键信息，建立高效的信息摄入工作流。
ClaudeNotebookLM
Prompt 模板
请帮我快速消化以下长篇报告/文章：
[粘贴获授权的文章内容，或上传公开/获授权文件]
我的背景：[行业/职能/关注主题]
时间限制：[我只有10分钟]
请输出：
① 一句话核心主张（这篇文章说了什么）
② 关键数据/事实（5个，最重要的）
③ 与我工作/兴趣的相关性（为什么我应该关心）
④ 需要深读的段落（标出最值得细读的部分）
⑤ 可以引用分享的金句（1-2条）
⑥ 建议的后续行动（基于这篇文章我应该做什么）
个人成长
每日复盘模板
用轻量的每日复盘机制追踪学习与生活目标，识别执行模式并确定次日优先事项。
ClaudeNotion
Prompt 模板
请基于今天的非敏感记录生成每日复盘：
今天完成的事：[分类列出：AI学习/驾驶/运动/其他]
今天未完成的计划：[列出]
今天最有价值的收获：[一句话]
今天遇到的阻力：[描述]
今天的精力状态：[1-10分，早/中/晚]
请帮我：
① 识别今天的执行模式（做得好的和需要改进的）
② 评估是否在向本周目标推进
③ 给出明天的1-3个优先行动
④ 识别可能的拖延诱因（基于今天的未完成项）
⑤ 一句激励性但真实的话
格式：5分钟以内能写完输入，5分钟内能读完输出
生活助手
汇率信息研究辅助
针对境外消费需求梳理公开汇率信息和成本情景；使用银行实际牌价复核，不预测确定走势。
PerplexityClaude
Prompt 模板
请帮我分析当前 USD/CNY 报价环境（1 美元对应多少人民币，仅供学习参考）：
换汇需求：[出行日本/欧洲/购买境外产品/转账]
金额规模：[大/中/小，不需要具体数字]
时间弹性：[需要在X月前完成/可等待最长X个月]
请分析：
① 影响 USD/CNY 的当前主要因素
② 近期汇率走势特征（Perplexity搜索最新数据）
③ 有利/不利于换汇的宏观信号
④ 不同换汇时机的成本差异估算
⑤ 可以采取的分批操作策略
⑥ 需要警惕的尾部风险
注：仅供参考，不构成金融建议
摄影创作
建筑摄影深度攻略
根据目的地与摄影偏好生成深度路线；需复核拍摄许可、开放时间、地址和当地安全要求。
ClaudePerplexity
Prompt 模板
请为有建筑/街头摄影偏好的旅行者规划[目的地]摄影行程：
已访问：[列出已去过的城市]
目标：[寻找不常见的视角，避开游客密集拍摄点]
风格：[建筑光影/街头纪实/几何构图]
时间：[N天]
请推荐：
① 5个较少被摄影师关注的具体建筑/街道/广场
（附最佳拍摄时间和位置）
② 每个地点的构图建议和光线特点
③ 当地人才知道的咖啡/餐厅（拍摄间隙恢复用）
④ 最佳季节和天气类型选择
⑤ 从这些地点延伸出的一日摄影路线
AI 工具进阶
项目知识库工作流设计
为不同工作场景设计最小权限知识库和 System Prompt；只使用公开、脱敏且获授权的材料。
Claude Projects
System Prompt 模板
【项目 System Prompt 示例】
你是[行业/职能]的工作辅助工具，了解以下背景：
工作背景：
- 组织类型：[不填写真实名称]
- 产品或服务：[通用描述]
- 区域：[通用区域]
- 角色：[职能]
核心知识（仅使用公开、脱敏且获授权的材料）：
- [产品或服务资料]
- [公开市场资料]
- [已批准的内部知识]
工作风格：
- 输出专业、直接、可执行
- 受监管内容只总结输入资料并逐条标注来源，由专业人员复核
- 优先输出结构化格式
请基于以上背景理解我所有的问题和请求。
日常工作
复杂电子表格 / 数据分析辅助
将 Excel/飞书表格的分析需求描述给 AI，获得清晰的公式建议、数据处理步骤和可视化方案，不需要深度 Excel 技能。
ClaudeChatGPT
Prompt 模板
请帮我处理以下数据分析需求：
数据说明：[描述表格结构，如：A列是医院名，B列是月份，C列是手术量]
分析目标：[我想知道什么：如各医院增长率排名/环比变化/异常值识别]
工具：[Excel/飞书/WPS]
请提供：
① 实现分析目标的具体步骤（非技术人员可操作）
② 所需公式（精确到函数名和参数）
③ 数据清洗的注意事项
④ 可视化建议（哪种图表最适合展示这个分析）
⑤ 分析结论的呈现模板
如果我的描述不够清晰，请先列出你需要了解的信息
生活助手
新车购买决策辅助
根据实际使用场景建立购车比较框架；车型、价格、法规和安全评级需从官方或权威来源复核。
PerplexityClaude
Prompt 模板
请帮我建立购车决策框架：
使用场景：[城市代步/偶尔长途/停车困难程度]
使用频率：[每天/每周]
预算范围：[X-Y万元]
特别偏好：[燃油/混动/纯电/品牌倾向]
停车情况：[有固定车位/路边停车/是否可充电]
请输出：
① 基于使用场景的推荐车型类别（SUV/轿车/MPV）
② 驾驶新手最应该关注的安全配置（优先级排序）
③ 实际使用成本对比（燃油vs混动vs纯电，按我的场景）
④ 新手容易忽视的购车注意事项（5条）
⑤ 3-5款符合条件的具体车型（Perplexity搜索最新车型）
⑥ 建议的购买时机策略
健康与体能
驾驶训练专注力与状态管理
为驾驶训练生成一般性的专注力和状态管理建议；必须遵守教练指示、交通法规和个人健康限制。
Claude
Prompt 模板
请帮我优化驾驶训练期间的状态管理：
学车强度：[每天训练X小时，持续X周]
当前挑战：[注意力容易分散/紧张焦虑/记忆路考流程]
学车环境：[炎热/长时间等待/反复练习单调动作]
请给出：
① 上课前30分钟的准备程序（提升注意力）
② 训练间隙的恢复策略（保持最佳状态）
③ 针对驾驶紧张焦虑的即时调节技巧
④ 提升路考记忆的学习方法（动作程序记忆技巧）
⑤ 训练日的饮食建议（维持血糖稳定）
⑥ 当天不训练时如何保持技能记忆
注意：避免影响正常睡眠和健康的建议
个人成长
职业关系维护计划
规划尊重对方意愿、不自动发送消息的职业关系维护方式，重点是有价值且不过度打扰的沟通。
Claude
Prompt 模板
请帮我设计职业关系维护计划：
重要联系人类型：
- 同事/业务伙伴：[约X人]
- 行业专家：[约X人]
- 潜在合作伙伴：[约X人]
计划周期：[约X个月]
请设计：
① 联系频率分级（哪些需要每月联系，哪些每季度）
② 自然接触的触发点（行业新闻/节假日/对方动态）
③ 不同类型联系人的沟通方式和话题选择
④ 近况更新的诚实叙述方式
⑤ 如何利用AI学习成果创造价值输出（维系关系）
⑥ 重要职业节点前的关系维护计划
边界：只生成草稿，不自动联系；发送前人工复核并尊重拒收意愿
AI 工具进阶
AI 图像工作流 for 摄影后期
将 AI 工具整合进摄影后期工作流：从图库管理、调色参考生成、到图片内容描述生成，提升摄影创作效率。
ClaudeMidjourneyAdobe Firefly
Prompt 模板（图像分析+描述生成）
请分析以下照片并提供创作辅助（上传图片）：
分析视角：
① 技术评估：曝光/对焦/构图/色彩平衡
② 情绪与氛围：这张照片传递什么感觉
③ 构图分析：优势元素和可改进点
④ 后期建议：Lightroom调整方向（具体到参数方向）
⑤ 摄影分类：最适合投稿的平台和风格标签
创作延伸：
⑥ 同一场景的另外2个构图角度建议
⑦ 该系列风格的Midjourney参考Prompt
⑧ 适合社交媒体发布的图片描述文字（中英文各一版）
进阶路径 Phase 4 & 5
// 从使用者到构建者到影响者 · 深度资源 · 前沿追踪 · 专业项目
▸ Phase 3 → Phase 4 的本质转变
PHASE 1-3 · 使用者
· 使用现成的 AI 工具
· 优化 Prompt 获得更好输出
· 将 AI 融入个人工作流
· 理解 AI 的工作原理
· 建立 AI 思维方式
· 优化 Prompt 获得更好输出
· 将 AI 融入个人工作流
· 理解 AI 的工作原理
· 建立 AI 思维方式
PHASE 4-5 · 构建者 & 影响者
· 构建别人使用的 AI 应用
· 设计完整的 AI 产品和系统
· 追踪前沿研究和模型进展
· 输出有影响力的知识内容
· 引领所在领域的 AI 应用方向
· 设计完整的 AI 产品和系统
· 追踪前沿研究和模型进展
· 输出有影响力的知识内容
· 引领所在领域的 AI 应用方向
PHASE 04 · 第 13-20 周
构建者技能树
// 8 大核心能力 · 从零构建完整 AI 产品 · 每项能力附具体学习链接
能力 01
API 调用 & 系统集成
理解 REST API 的基本原理，掌握 Claude / OpenAI API 的调用方式，能够将 AI 能力嵌入到任何系统中。无需深度编程--Vibe Coding 让这个门槛大幅降低。
学习资源： Anthropic API 文档 · DeepLearning.AI "Building Systems" 课 · Postman API 测试工具
能力 02
Prompt 系统设计
从"写单次 Prompt"升级到"设计 Prompt 系统"：System Prompt 架构、用户输入处理、安全边界设定、输出格式强制控制。这是构建可靠 AI 产品的核心能力。
学习资源： Anthropic Prompt 指南 · Claude Projects System Prompt 实验 · OpenAI Cookbook
能力 03
Vibe Coding 应用开发
用 Cursor / Lovable / Bolt.new 辅助构建 Web 原型；同时掌握需求拆解、调试、代码审查、数据处理和测试基础，再判断是否达到可发布标准。
推荐路径： Bolt.new（入门）→ v0（界面）→ Lovable.dev（全栈）→ Cursor（精细控制）
能力 04
自动化工作流搭建
用 n8n / Make.com 构建带有监控和人工确认的 AI 自动化管道。从"公开新闻摘要→人工复核"到"多步骤数据处理→报告生成→授权分发"，按风险设置权限与回滚。
推荐路径： Make.com（入门无代码）→ n8n（进阶，可自部署）→ LangChain（代码级）
能力 05
RAG 系统高级设计
从基础 RAG 升级到高级 RAG：优化 Chunking 策略、引入 Reranking、设计混合检索（关键词 + 语义），构建能在企业场景中稳定运行的知识库系统。
学习资源： DeepLearning.AI "Advanced RAG" 课 · Dify 高级配置 · LlamaIndex 文档
能力 06
AI 产品评估 & 迭代
建立系统化的 AI 产品评估框架：设计测试用例、建立质量基准、追踪模型更新的影响、在速度/成本/质量之间做出有根据的权衡决策。
学习资源： OpenAI Evals 框架理解 · LangSmith 追踪工具 · 自建评估 Prompt 模板
能力 07
开源模型 & 本地部署
理解开源 LLM 生态（Llama 3.3 / Qwen 2.5 / Mistral / DeepSeek），掌握 Ollama 本地运行，理解量化技术（GGUF/AWQ）。探索不依赖云端 API 的 AI 应用可能性。
推荐工具： Ollama（运行）· Open WebUI（界面）· Hugging Face（模型库）
能力 08
AI 安全 & 企业合规
理解 AI 幻觉风险管理、数据隐私保护、医疗行业 AI 合规边界（FDA / NMPA / GDPR），掌握为团队建立 AI 使用规范的方法。
学习资源： Anthropic 宪法 AI 论文 · NIST AI RMF 框架概览 · 国内 AI 合规政策动态
PHASE 05 · 第 21-30 周
前沿追踪体系
// 持续进行 · 追踪 6 大前沿方向 · 建立行业影响力
🔭 推理模型革命
推理模型会为复杂任务分配更多计算预算，并在部分数学、代码和规划任务上改善表现。收益取决于任务和评测方法，同时会增加延迟与成本，事实仍需核验。
追踪关键词：Reasoning Model · Chain of Thought · MCTS · Process Reward Model
🤖 AI Agent 与 Computer Use
Agent 可以规划步骤、调用工具或操作界面，但仍可能误解页面、越权或在长流程中累积错误。关键动作应采用最小权限、可审计记录和人工确认。
追踪关键词：Computer Use · ChatGPT agent · MCP · Agentic Workflow · Multi-Agent
🎬 原生多模态时代
多模态模型可组合处理文字、图像、音频或视频。每种模型的输入输出范围、延迟、价格、隐私和准确性不同，应按官方文档与真实任务评测。
追踪关键词：Native Multimodal · Video Understanding · Real-time Audio · World Model
🏗 开源生态崛起
开源与开放权重模型提供了本地部署、定制和成本控制的选择。能否在普通电脑运行取决于模型规模、量化、硬件与上下文长度，授权条款也需逐项核对。
追踪关键词：Llama · Qwen · Open Source LLM · Ollama · Quantization · Fine-tuning
🧬 AI × 医疗前沿
医疗 AI 覆盖影像分析、临床决策支持、运营和研究等方向。具体产品是否获得监管授权、授权用途与适用人群，必须从监管机构和产品标签逐项核验；研究结果不等于可临床使用。
追踪关键词：Medical AI · FDA AI Devices · Eye Diseases · Clinical Decision Support
⚖️ AI 治理 & 安全
AI 监管会按司法辖区、用途、风险级别和生效阶段变化。欧盟 AI Act 已进入分阶段适用期；部署前仍需检查当前官方要求，而不是依赖一句概括。
追踪关键词：EU AI Act · AI Alignment · Constitutional AI · AI Safety · Regulation
建立专业影响力 · 从学习到公开输出
// 选择一个有真实经验、能持续验证的交叉领域
通用定位框架
🏥
领域经验
选择自己有可验证经验的行业、职能或问题，不披露雇主、客户或保密项目
🤖
AI 系统学习
完整的 AI 自学路径，从理论到工具到应用，有体系的知识结构
📸
表达与制作
用写作、演示、数据可视化或视频把复杂内容讲清楚，并标注来源和边界
定位公式： 已验证的领域经验 × AI 实践能力 × 清晰表达。先用受众反馈和真实作品验证需求，不预设市场空白或竞争优势。
90 天影响力建立计划
第 1 月
建立内容阵地 & 积累第一批作品
选定 1-2 个合适平台 · 发布 4-6 篇有来源、有边界说明的交叉领域文章 · 整理作品集页面 · 完成一个可演示项目
第 2 月
扩大影响圈 & 建立专业连接
在目标行业社区分享可验证的 AI 实践 · 与 3-5 位同行交流 · 参与一次公开分享活动 · 为已授权受众提供基础培训
第 3 月
旗舰输出 & 影响力变现
发布一份目标行业应用报告 · 建立持续核验和更新机制 · 收集读者反馈 · 根据真实需求决定下一阶段项目方向
进阶阅读清单
AI Transformation Playbook - Andrew Ng
从试点、团队、培训、战略到沟通的企业 AI 转型框架，适合非技术读者建立项目视角
英文 · 官方公开资源
《The Coming Wave》- Mustafa Suleyman
DeepMind 联创写的 AI 影响力分析，兼顾技术深度和社会视角，建立对 AI 浪潮的宏观判断
英文 / 中译《即将到来的浪潮》
《Co-Intelligence》- Ethan Mollick
沃顿商学院教授写的 AI 实践指南，聚焦如何在职业和生活中与 AI 合作，实践性极强
英文 / 2024年出版 · 强烈推荐
《深度学习》- Goodfellow / Bengio / Courville
深度学习的圣经级教材，适合想深入技术的阶段。Phase 4 后期选读，建立完整的理论体系
免费在线版 deeplearningbook.org
《Nexus》- 尤瓦尔·赫拉利
从文明史角度理解信息网络和 AI 的本质，建立对 AI 长期影响的哲学视角，思维升级必读
中译《连结》/ 2024年出版