学AI到底需要学什么？一张清单删到最简

学习ai需要学习什么？这问题我被问过不下二十次，每次都答得心虚。心虚在哪呢？市面上的答案全是一个模子：Python、数学、机器学习、深度学习、NLP、CV、大模型……五十多项，长得像研究生培养方案。可问的人往往就是个想做PPT快点的行政、或者想转数据岗的销售。拿培养方案的答案回他们，等于给感冒患者开化疗单。

去年我表妹也被这套清单忽悠了，收藏了三份"AI学习全景图"，学了一个月，卡在概率论第二周，问我"是不是我不适合"。我说你适合不适合我不知道，你那份清单肯定不适合你。那天我决定认真做一份减法版答案：按目标倒推，能砍全砍。这篇文章就是减完之后的成品。

先亮我的砍法，一共三刀。第一刀，按目标分人：会用工具的、能做开发的、搞研究的，三种人三种清单，别混着学。第二刀，砍掉"知道了更好"的项，只留"不知道就干不了活"的项。第三刀，每项都必须能回答"我学它用来产出什么"，答不上来的删。

三刀下去，五十项变成七项、十一项和一小撮。表妹按第一张清单学了俩月，现在是她部门做报表最快的人。这不算什么了不起的成就，但足够证明减法清单是能落地的。

第一张清单：学习ai需要学习什么？会用工具的人只需要七项

原子答案：目标是让AI帮你干活的人，学这七样——一门主流对话模型的使用、提示词写法、一个办公场景AI工具、一个绘图工具、基础的数据整理（表格函数级）、信息甄别能力、以及隐私红线意识。七项之外全是加分项，不学不耽误干活。

逐项说，每项都标了大致学时（按每天一小时估算）。对话模型使用加提示词写法，合计约10小时，核心练的是把需求说清楚的能力，这玩意比听起来难，我见过太多人问问题问得AI直打太极。办公场景工具选一个跟你岗位对口的死磕，行政选文档类、运营选图文类，约8小时，别贪多。

绘图工具5小时，学到能出能用的图就停，别陷进调参漩涡。表格函数级的数据整理约15小时，VLOOKUP、数据透视表这个层面，它是你判断"AI给我的数对不对"的底气。信息甄别没法学计时，方法是养成"让AI给来源、自己去核一眼"的习惯，AI幻觉是真的，把它当无所不知的实习生带，别当领导供。隐私红线1小时，记住一条就够：客户数据、工资单、没公开的经营数据，一个字都别往公开模型里贴。

表妹的实战数据供参考：两小时提示词课学完，她做的部门周报从四十分钟缩到十分钟。这个投入产出比，任何培训班都给不了。想再往上够一够的，可以看看不花一分钱的免费AI软件学习方案，跟这张清单是绝配。

第二张清单：想吃AI开发饭的人，学习ai需要学习什么？

原子答案：目标是做AI应用开发的人，清单扩到十一项——Python、SQL、数据处理三件套（NumPy/Pandas/可视化）、机器学习核心概念、一个大模型API、检索增强的原理、Git、一个部署环境、接口调用、工程化习惯。数学会用到，但速成够用。

这张清单是我自己走过的路，所以敢写学时。Python约60小时（学到能写爬虫和数据处理脚本的程度，不用精通）、SQL约20小时、三件套约40小时。机器学习核心概念约30小时，重点是理解监督学习、评估指标、过拟合这些，不求推导。大模型API加检索增强约30小时，这是现在企业需求最密的一块，把"模型加知识库"这套组合拳打熟，面试直加分。

Git和部署环境这种工程项，很多人劝你后学。我的意见相反：早点学。第137篇里写过的配环境劝退王，一半的锅就在工程项学太晚。接口调用和工程化习惯贯穿始终，不单独计时。练手数据集和数据竞赛可以直接上Kaggle，真实项目练手是这个阶段最好的老师。

有个反面案例必须讲。我前同事照着某全套路线图学，第二年还在啃数学推导，一次模型都没调过，投简历连面试都约不到。后来按这张清单重学，三个月后做出了一个给公司内部用的合同审查工具，转岗成功。顺序错了，努力就是负资产。想看完整的机器学习推进节奏，六个月学习计划表那份按周排的版本可以直接抄。至于Python怎么起步最顺，学习AI编程的路径里从Python到模型调优的顺序是对的。

第三张清单：搞算法研究的人，底线项砍完还剩什么？

原子答案：想吃算法这碗饭，底线是线性代数、概率统计、优化方法这三门数学加论文阅读能力，再加上PyTorch和复现论文的动手量。这张清单砍无可砍，但人数需求最少、门槛最高，入场前想清楚。

写到这张我得先泼自己冷水：我本人没走通这条路，以下判断来自我身边两个真正做算法的朋友。他们的共识是，这条路最难的不是清单本身，是清单后面的"复现量"——一年精读加复现三十篇以上论文是起步价，而复现一个模型动辄一两周。这不是聪明不聪明的问题，是拿时间堆的问题。

我把它放进清单体系里，是为了完整性，也为了劝退冲动。十个想"学AI"的人里，八个的目标用第一张清单就能满足，一个半需要第二张，真正需要第三张的凤毛麟角。别被"算法工程师年薪百万"的新闻带偏，那个岗位的招聘量级跟应用开发完全不在一个数量级上。人才市场的研究报告在艾媒咨询这类机构能查到，AI应用类岗位的增量远大于算法研究岗，这不是我编的。

真心想试试深水的，先读机器学习论文怎么看的入门顺序，能啃完那几篇再谈第三张清单。啃不完也没损失，回头走第二张清单，一点不亏。

讲个做减法过程中的小故事。第一版清单我列了十四项（给表妹的那张），发给我一个做技术的朋友看，他回了一句："你这还是多了，第4、第9、第11项，砍了不影响她干活。"我据理力争了三轮，最后全砍了。事后证明他对——表妹根本没用到那三项，我却差点让她的学习周期多出两周。

专业的人做减法比你狠。这是那次争论教我的事：清单的价值跟长度成反比，敢砍的才是内行，舍不得砍的都是没实操过的。话说回来，砍清单这瘾上来也挺难收的，我有一阵看什么都想砍，差点把表妹清单里的"隐私红线"也砍了，被朋友一句"你想让她把工资表贴进公开模型吗"问住了。该留的，一项都不能少。

三张清单放一起，怎么选不纠结？

原子答案：按"你要交付什么"倒着选——交付更快的工作，选第一张；交付能跑的AI应用，选第二张；交付论文和模型，选第三张。选完就不要横向比较，三张清单之间没有鄙视链。

表是我按自己和身边人的进度估的，个体差异肯定有，看数量级就行。有一个屡试不爽的自测题帮你定位：你手机里装了几个AI应用？经常用的有几个？答"一两个且天天用"的，第一张清单是你的起点，先把提示词练扎实比什么都强。答"装了一堆吃灰"的，先做减法，卸载到剩两个再说——工具焦虑本身就是学习最大的敌人，这个话题实测后留下的AI软件推荐里聊得挺透。

选清单这事还有个心理障碍得点破：很多人觉得选第一张"不够高级"。讲真，能把提示词写明白、把数据核对习惯养成的职场人，十个里挑不出两个。浅水区照样淹死人，先把脚下的活干漂亮。学习的优先级问题，AI和机器学习的重点在哪那篇的观点跟我一致：抓错方向，越努力越偏。

常见问题

三张清单可以混着学吗？

不建议。混着学的结局通常是两头都悬空，工具用不利索，开发也够不着。先走完一张，有明确的产出，再考虑升级到下一张，中间隔一个"用它干了三个月活"的沉淀期。

清单里的项学完忘了怎么办？

忘了是正常的，清单的作用不是让你记住全部，是让你知道缺什么时去哪补。我把每项的产出物都留了档，忘了翻自己的旧东西，比重新学快十倍。

英语不好会影响学AI吗？

第一张清单完全不影响，中文工具生态够用。第二张清单有点影响，报错信息和新文档英文居多，借助翻译工具能顶住。第三张清单影响大，前沿论文基本全英文，绕不开。

AI更新这么快，清单会不会很快过时？

工具项会过时，我那张七项清单里具体工具的名字可能两年就换一茬。但清单的骨架——说清需求、核数据、守隐私——这几项十年内不会过时。学的时候盯骨架，别盯工具名。

写到这，回答开头那个问题：学习ai需要学习什么？现在我能答得不心虚了——你先告诉我你要交付什么，我再告诉你学什么。凡是甩给你一张五十项清单还不问你目标的，要么不懂，要么想卖课。这张减法清单我给表妹用了一年，她的原话是"终于不用假装自己是研究生了"。

这份清单要是也帮你砍掉了几项学习焦虑，转给那个收藏夹里躺着三份全景图的朋友吧，他缺的从来不是资料，是一把剪刀。