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。

下面列出全部课程及每门课的完整课次。可以先看适合谁、完成后带走什么,再从第一课或当前问题切入。

4门完整课程67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

全部课程 / 完整课次

先选一门,再直接打开需要的课。

每门课都列出适用对象、结课产物和全部已发布课文。

60–90 分钟5 课

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,判断固定流程还是受限 Agent,再用 10 条案例与同事复核。

展开全部 5 节课
  1. 01这项任务究竟适不适合使用 AI?
  2. 02把一个 AI 想法写成可验证的任务简报
  3. 03固定工作流还是 AI Agent?先决定谁控制下一步
  4. 04在 AI 读取输入前,先画清数据边界
  5. 05扩大投入前,先做一次 10 条案例试验
适合
适合准备把一项重复知识工作改造成第一条 AI 辅助流程的人。
完成后
一份任务简报、一张控制循环决策表和一张 10 条案例试验表。
课文已读0 / 5
适合
适合 Prompt 在 Demo 中可用、面对真实输入却质量波动的团队。
完成后
一张上下文图、一份压缩检查点、一份验收契约、输出协议检查表、一组注入测试和失败记录。
课文已读0 / 14
适合
适合知识助手、制度查询、客服系统和内部研究工作流。
完成后
方法选择、来源准入台账、切块和检索试验、权限与索引检查、无证据回答关卡及引用审计表。
课文已读0 / 11
主线约 3–4 小时;分支另计37 课

用权限、恢复和成本控制自动化

为工具调用工作流明确控制权、数据与动作权限、停止规则、人工复核、恢复、服务降级、成本和漂移检查;只在任务需要时验证协作、MCP、记忆、模型与部署分支。

展开全部 37 节课
  1. 01固定工作流还是 AI Agent?先决定谁控制下一步
  2. 02在 AI 读取输入前,先画清数据边界
  3. 03只给 Agent 完成任务所需的最小权限
  4. 04AI Agent 沙箱怎么验收?测试文件、网络、命令与凭据隔离
  5. 05给 AI Agent 设计工具调用契约,再开放函数
  6. 06AI Agent 何时继续、重试或停下?设计运行中的循环护栏
  7. 07把人工复核放在仍能改变结果的位置
  8. 08在 Agent 出错之前,先设计恢复方式
  9. 09模型服务故障时如何降级?设计备用模型、排队与人工接管
  10. 10算清一条 AI 工作流的完整成本
  11. 11AI Agent 的真实成本:每个被接受的任务花多少钱
  12. 12在漂移变成事故前监测 AI 工作流
  13. 13Agent 工具调用循环怎么实现?从完整响应到安全续跑
  14. 14子 Agent 还是多 Agent?按控制权和共享状态选择协作拓扑
  15. 15Agent 长期记忆什么时候写入、纠错与删除?
  16. 16AI Agent 长任务如何断点续跑?保存状态并避免重复执行
  17. 17Agent 执行轨迹怎么排错?复盘一次运行的可见证据
  18. 18第三方 MCP Server 接入前检查什么?验收工具、权限与数据流
  19. 19什么时候该把重复任务做成 Agent Skill?五道判断关卡
  20. 20Agent 插件如何安全加载与卸载?验收钩子、资源和回退
  21. 21MCP Server 在本地跑通之后,团队一用会坏在哪里?
  22. 22让 AI 写代码但不失控:编码 Agent 的复核优先工作流
  23. 23记录决定,而不是 Prompt:AI Agent 的 trace schema
  24. 24用任务评分表选择模型,而不是追榜单
  25. 25本地大模型需要多少显存?拆开估算权重与 KV Cache
  26. 26大模型量化到 4-bit 值不值?同题比较显存、质量与速度
  27. 27LoRA/QLoRA 微调怎么试?先过数据、显存和验收关
  28. 28Ollama、llama.cpp、vLLM、SGLang 怎么选?本地推理引擎验收法
  29. 29本地大模型能扛多少并发?测到达率、首 Token 与排队
  30. 30AI 推理延迟怎么排查?从请求到屏幕拆分等待阶段
  31. 31本地大模型上线要几张 GPU?从单实例负载算副本与故障余量
  32. 32本地部署大模型还是云 API?按数据、峰值和运维选择
  33. 33Prompt 缓存为什么没命中?用三次请求验证
  34. 34AI 客服分流:10 条案例如何换来一道人工复核门
  35. 35AI 内容审核:一道引用门,如何拦下看似自信的错误答案
  36. 36AI 研究综述:来源在简报之后变了,引用审计怎么救
  37. 37会审批但不能付款的 Agent:权限阶梯、超时与回滚演练
适合
适合准备把 Agent 或工具调用流程从原型推向生产的团队。
完成后
控制循环选择、数据与权限边界、沙箱及工具契约、运行停止与人工复核关卡、恢复手册、服务降级、成本图和漂移观察板;再补充适用分支的验证产物。
目录已读0 / 37

学习路线 / 第 03 站 · 学习课程

这一站沿课程主线实践,再按任务需要选择分支。

课程围绕真实任务编排,相关课次会复用此前的判断或产物。先完成当前任务所需的主线,再选择适用课文,比无目的地逐篇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
完成这一站后 按需要补充阅读 遇到分支或薄弱环节时,再进入精选阅读。

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;只有实际出现对应条件时,才完成专项分支。

  1. 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。
    →
  2. 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。
    →
  3. 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。
    →
  4. 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。
    ✓