完成第一条可验证的 AI 工作流
把一个听起来不错的想法，变成边界清楚的任务、一页简报和可与同事复核的 10 条案例试验，再决定是否继续投入。
01这项任务究竟适不适合使用 AI？02把一个 AI 想法写成可验证的任务简报03在 AI 读取输入前，先画清数据边界
AI VISTA 课程
像上一门真正的课一样，把 AI 工作流一步步做出来。
选择一门课，按目录连续完成。每一课都有明确问题、练习产物和完成状态；中断后可以从上次的位置继续。
4门完整课程19节连续课文1个真实任务起步
学习弧线 / 四门课程从任务定义到安全运行
建议学习顺序可从当前问题切入
每门课都带走
01连续课文
02实践产物
03验收标准
学习路线 / 第 03 站 · 学习课程
这一站不是浏览文章，而是沿一份目录完成连续实践。
每门课程围绕一个完整任务展开，后一课会继续使用前一课的判断或产物。选定课程后，按目录推进比跳着阅读更容易形成可验收结果。
- 带什么来
- 问题地图定位出的任务方向
- 在这里做
- 按课次完成判断、练习和已读状态
- 带什么走
- 一组能共同验收的工作产物
选择哪门课
按正在发生的问题选，不按“初级、高级”选。
四门课程不是四套互不相关的知识。它们分别解决任务是否值得做、输出是否稳定、答案是否有证据，以及自动化是否可控。
课程怎样学习
一课不是一篇读完的文章，而是一次读、填、核、续的小循环。
四门课程都使用同一套学习动作，但处理不同问题。先选一项真实任务，每一课只推进一个判断，最终让多份产物组成同一条工作流。
- 01读→
先理解本课只解决哪个判断
用真实任务对照案例和边界，不追求一次记住所有术语。
完成信号 · 能用一句话说出本课要改变的决定。 - 02填→
把空白工具换成自己的工作材料
填写当前输入、标准、负责人和失败处理，不复制示例答案。
完成信号 · 产物中出现真实字段、案例或约束。 - 03核→
请第二个人按同一标准复核
不给口头补充，让复核者只看产物判断通过、修改或停止。
完成信号 · 分歧被记录为下一轮要修正的问题。 - 04续✓
把产物带到下一课继续加工
下一课沿用同一任务；只有出现明确缺口时才进入精选阅读。
完成信号 · 课程目录里能看见连续变化，而不是零散笔记。
选择课程
从你正在处理的问题开始。
每门课都有连续目录、实践产物和明确的结课标准。
让 AI 回答稳定到可以使用
看清上下文、定义验收、测试困难案例，并定位失败究竟来自输入、证据、指令、能力还是交接。
01重写 Prompt 之前，先画清上下文02先写验收契约，再写 Prompt03扩大投入前，先做一次 10 条案例试验
设计能够展示证据的 AI 回答
先判断是否需要检索，再检查来源支持、版本、权限、时效和无答案处理，避免过早建设维护成本高的系统。
01先判断 RAG 值不值得做02检查引用是否真的支持答案、是否仍然有效
用权限、恢复和成本控制自动化
在自动化进入生产前，设置权限边界、准备失败恢复、用真实案例选择模型，并计算完整运行成本。
01在 AI 读取输入前，先画清数据边界02只给 Agent 完成任务所需的最小权限03把人工复核放在仍能改变结果的位置