Appearance
AI 学习方法：先做，再补理论
第五部 · 学习与复盘 · 第44章
撰写日期：2026-07-02
结论
AI 产品经理不适合用“先学完再实践”的方式成长。更有效的方法是：
先用 AI 做出一个可验证结果，再围绕结果补概念、补工具、补系统理解。
在 AI 产品实践里，理解一个概念不等于能把它变成产品能力。真正的学习闭环应该从输出开始。
学习原则
| 原则 | 含义 | 反例 |
|---|---|---|
| 快比全重要 | 先形成可运行样例，再补齐边界 | 为了找“最好的教程”迟迟不开始 |
| 做比懂重要 | 用 Demo、Prompt、脚本或文档验证理解 | 只收藏资料，不形成产出 |
| 遇事先问 AI | 把 AI 当作第一信息入口和协作对象 | 先问人、先搜半天、先拖延 |
| 重复两次就沉淀 | 同类任务出现两次以上，就考虑模板化 | 每次重新写 Prompt 和流程 |
| 不选最好，先用一个 | 工具选择服务于结果，不服务于焦虑 | 在模型、IDE、课程之间反复比较 |
学习闭环
text
遇到问题
-> 问 AI 建立粗理解
-> 让 AI 给出最小实践路径
-> 做出 Demo / 文档 / Prompt / 脚本
-> 用结果反问哪里不对
-> 把高频步骤沉淀为模板或 Skill这个闭环的重点不是“问得漂亮”，而是“尽快让问题进入可验证状态”。
新概念学习模板
适合学习 RAG、Agent、MCP、Embedding、评测、Workflow 等新概念。
text
你是一个擅长教学的 AI 产品经理。
请用中文解释【概念名】，要求：
1. 先用一句话说明它解决什么问题。
2. 用一个生活类比解释它。
3. 说明它在 AI 产品中的典型使用场景。
4. 列出 3 个常见误解。
5. 给我一个 30 分钟内可以完成的最小实践任务。
6. 最后给出我是否真的理解它的自测题。从输入型学习转向输出型学习
| 输入型学习 | 输出型学习 |
|---|---|
| 看课程、读文章、收藏链接 | 做 Demo、写 PRD、拆产品、跑评测 |
| 目标是“我懂了” | 目标是“我能交付一个结果” |
| 容易停留在概念层 | 能暴露真实理解缺口 |
| 依赖外部资料安排 | 由真实问题驱动 |
我的判断是，AI 时代的信息获取成本继续下降，但“把信息转化为判断和作品”的能力更稀缺。学习方法应该围绕输出重新设计。
什么时候沉淀为资产
同类任务出现两次以上，就可以考虑沉淀。
| 重复任务 | 沉淀形式 |
|---|---|
| 经常解释同一类概念 | 概念解释 Prompt |
| 经常写同一类文档 | 文档模板 |
| 经常调同一类 Prompt | 评测脚本或调优流程 |
| 经常做同一类调研 | 调研框架 |
| 经常执行多步骤任务 | Skill 或 Agent Workflow |
复盘问题
每完成一次 AI 学习或实践，记录 5 个问题：
- 这次我真正解决了什么问题？
- 哪些步骤是重复劳动？
- 哪些判断可以复用？
- 哪些地方 AI 明显做不好？
- 下次如何把流程缩短一半？
学习的最终产物不是笔记，而是可复用的工作系统。