先把学习环境准备好
工具不是学习目标，但稳定的版本管理、AI 工作台、远程仓库和网络条件，是后续知识沉淀与工程实践能够持续发生的前提。
思维底座
先理解思维如何从经验、确定性模型走向统计与不确定性管理，才能理解为什么 AI 工程需要数据、验证和持续迭代。
用抽象理解世界
认知系统不是思维工具的清单，而是一套连续结构：先选择抽象层次，再从静态组成与动态过程认识事物，最后用多种思维模型交叉验证，并接受客观反馈。
碎片化理解才是真正的拦路虎
程序员需要的不是从头背完公式，而是理解符号系统，围绕微积分、概率统计、线性代数与最优化，建立连接模型、数据和算法的知识骨架。
学习方法
把抽象方法变成可照做的学习路径。新手先走通闭环，再回到证据中理解每个工程决策。
- 收集真实聊天
- 生成 PRD
- 升级需求 v2
- 写技术方案
- 多 Agent 实现
- 独立盲审质检
- 修到无高危
- 验收归档发布
你是在组织协作，不是写提示词
需求、设计、实现、质检与修复，模拟的是人类社会的专业分工。高质量沟通不依赖神秘咒语，而在于说清意图、角色、流程、边界和验收标准。
建立全局
- 看思维信息图
- 读核心故事
- 记住交付闭环
复盘项目
- 群聊主线
- PRD / 需求
- 技术方案
- 最终验收
深度学习
- 技术方案
- B-02 修复
- 第 5 轮修复
- 验收报告
知识实践
知识管理理论解决「为什么管理、管理什么」，大模型知识库解决「如何低成本地持续摄入、组织、检索与维护」。
让大模型维护 Wiki，人类负责方向
传统知识管理包含获取、筛选、提炼、组织与应用。LLM Wiki 将其编排为三层架构：原始资料保持不可变，模型增量生成相互链接的 Wiki，用 Schema 约束结构。
证据系统
按知识类型检索原始交付物。它们不是并列文章，而是工程主线中不同阶段留下的可追溯证据。
技能升级 PRD
从历史对话沉淀产品目标、用例和第一版升级需求。
技能升级需求 v2
把 PRD 压实为功能需求、安全矩阵、状态机和测试矩阵。
技能升级技术方案 v2
分层架构、兼容策略、错误码、工作包与回滚方案。
B-02 修复记录
阻断项的根因、修复、生产路径证据和判定。
第 5 轮修复记录
最后一轮质检、参数验证与残余边界处理。
最终验收签署报告
签署口径、阻断项关闭、验证结果与交付清单。
协作如何变成教学案例
把目标、纠偏、归档、部署和小白化拆成步骤。
用户如何驱动 AI 交付
按回合展示提示、AI 行动和产出结果。
信息卡生成技能
长文提炼、视觉选择、HTML 生成、截图与校验的完整流程。
用写作推进思考
备忘、缓存、反思、交流与语言生成构成的思考循环。
构建认知系统
27 张图重排为建模、活动、抽象、认知、动静分析与工具六组。
结构化思维
从数据、信息、知识到智慧，再落到学习框架与输出习惯。