从 AI 启蒙到 MCP 实战
先建立认知，再学会使用，最后动手开发
AI 这条线上有三种人：看得懂新闻但不会用的、会用几个工具但说不清原理的、想做 AI 应用却不知道从哪下手的。三条路的入口其实不一样，但方向是一致的：认知 → 使用 → 开发。倒过来学通常都半途而废。
这条路线按这个顺序排，三步之间能对接：启蒙课给你一张地图，应用实操课让你把地图变成手上的成品，MCP 实战课让你从「用别人的工具」变成「给大模型造工具」。
这条路线适合谁
- 完全不懂 AI，但每天都在听说它、想知道它到底怎么工作的人
- 会用几个 AI 工具，但做不出能交付的东西的人
- 想给自己的工作流加 AI 能力，又不想学数学和算法的职场人
- 有编程基础、想动手做 AI Agent 的开发者
学习顺序
第 1 步 · 建立认知（免费）
建议 1~2 周，碎片时间看
AI 启蒙课程
不用写代码、不用懂数学，20 集从零建立完整 AI 认知。
不用写代码、不用懂数学，20 集从零建立完整 AI 认知。先把「大模型、机器学习、深度学习、训练、推理、Agent」这些词在大脑里连成一张有结构的图——这是后面两步能不能走稳的前提。很多人卡在应用层做不下去，不是手笨，是名词没搞清，一遇到报错就不知道在调什么。
这一步学完能做到
- 搞清 AI、机器学习、深度学习、大模型之间的关系
- 理解模型是怎么「学习」的，为什么会产生幻觉
- 知道当前各类 AI 工具分别擅长什么、边界在哪
第 2 步 · 学会使用（做出成品）
12 周完整周期，24 次课
人工智能应用实操
不写代码、不讲公式，12 周跟着屏幕做出八类成品：文案、海报、知识卡片、绘图、音频、动画、数字人、短视频。
这一步的目标很具体：做出能打开、能展示、能交出去的东西。课程不写代码、不讲公式，从头到尾都在做——文案、海报、知识卡片、绘图、音频、动画、数字人、短视频八类成品，每一类都走完整流程。七八成时间是实操，理论只围绕实操展开。
这一步学完能做到
- 把提示词设计当成一项可练的技能，而不是碰运气
- 八类成品各做出至少一个可交付的版本
- 学会把 AI 接进日常真实场景，而不是只做玩具 demo
第 3 步 · 动手开发（让模型长出工具）
建议 3~4 周，需 Python 基础
MCP 协议实战：给大模型装上手和眼
14 讲讲透 MCP 模型上下文协议，让大模型连接工具与数据。
到这里你已经会用了，接下来是让它按你的方式用。MCP（模型上下文协议）是 2024 年底由 Anthropic 推出、如今被各大模型与客户端广泛支持的开放标准，用来统一大模型连接外部工具与数据的方式。这门课 14 讲 4 个模块：先讲透 Host / Client / Server 三角色与 Resources、Prompts、Tools 三大原语，再带你用 Python SDK 从零写出能读文件、调工具、连数据库的 MCP Server，并接入客户端真机跑通。
这一步学完能做到
- 说清 MCP 是什么、为什么需要它、和普通 API 调用的区别
- 掌握三大原语，知道什么场景该用哪个
- 独立写出一个可用的 MCP Server 并接入客户端
- 让大模型真正读你的文件、调你的工具、访问你的数据
要不要先学数学和算法
走这条路线不需要。做 AI 应用和做 AI 研究是两件不同的事：前者调用现成的模型与服务，核心能力是问题拆解 + 提示词设计 + 工程串联；后者才需要线性代数、概率论与优化理论。
如果你确实想往研究或算法岗走，再回头看数学那条路线也不迟——那时候你会知道每个公式是为什么服务的，学起来反而更快。
三步之间怎么衔接
启蒙课是短视频，20 集可以在一两周内刷完，不用做笔记，先建立一个整体印象。应用实操课要动手，建议给自己定一个真实项目（比如把班上要用的课件、要发的公众号文章当练习素材），否则容易变成跟着做一遍就忘。
MCP 那一步需要 Python 基础。如果不会 Python，先补语法再用这门课；课程里每个关键段落都给了 start / finish 两个版本的代码，卡住的时候可以直接对照最终版本理解全貌。
常见问题
完全不懂编程能走这条路线吗？
前两步完全可以，第三步不行。启蒙课与应用实操课都不需要写代码；MCP 协议实战需要 Python 基础，至少要会装包、读代码、跑脚本。
这些课和网上免费的 AI 教程有什么区别？
启蒙课与应用实操课本身就免费，区别在于结构：不是零散地讲十个小技巧，而是按「认知 → 使用 → 开发」把一件事从头走到尾，每集都有明确的产出物。
学完能做出什么？
前两步走完能独立做出八类 AI 成品并搭进日常工作流；三步走完能自己写 MCP Server，让大模型读取指定文件、调用自定义工具、访问数据库。