很多人对 AI 的学习停在“会写几句提示词”这一步：能让模型写个周报、改段文案，但一旦要接入自己的数据、要控制输出格式、要把结果落进一个能跑的小工具里，就卡住了。这门课的名字叫“不止提示词”，说的正是这个缺口——提示词是入口，不是终点。

先确认你缺的是哪一块

如果你属于下面几种情况，这门课的内容分布大致能对上你的问题：

用过对话式工具，但从没搞清楚模型为什么会“胡说”，也不知道怎么让它少胡说。
能调 API 发一个请求，但不知道怎么组织多轮上下文、怎么让输出稳定成 JSON 这类结构化结果。
想让 AI 读自己的文档、表格，却只会把内容整段粘进对话框，长了就超限、乱了就跑偏。
听过 RAG、向量检索、Agent 这些词，能说出大概，但没动手串过一条完整链路。

课程从零起步，重心放在“全链路”三个字上：不是单点技巧合集，而是从模型基本工作方式，到提示组织、外部知识接入、再到做出一个小应用的顺序推进。如果你的目标只是学几个提示词模板，那这部分价值不大；如果你卡在“下一步该学什么”，它更像一张地图。

提示词之外，真正要补的三块能力

一、理解模型的边界，而不是背话术

提示词技巧之所以有时灵有时不灵，是因为很多人把它当成咒语，而不是当成对模型行为的约束条件。这门课会先把基础概念讲清楚：生成是怎么发生的、上下文窗口意味着什么、温度之类的参数在影响什么。理解这些之后，你会发现很多“玄学提示词”其实有解释，也更容易自己判断一个写法为什么有效。

二、把输入输出管起来

从随手提问到工程化使用，分水岭是“可控”。这部分涉及的是怎么设计指令结构、怎么给出示例、怎么要求固定格式、怎么在多轮里保住关键信息。对转岗和查漏补缺的人来说，这块最实用——它决定的不是你能不能问出漂亮答案，而是你的流程能不能重复跑、能不能交给别人用。

三、让模型接上你自己的资料

入门阶段最容易缺的一环，是把外部内容接进生成过程。课程会带到检索增强这条常见路线的大致构成：内容怎么切分、怎么存、怎么按问题取回、怎么和提示拼在一起。不需要你一上来就搭一套完整系统，但要能看懂各环节在干什么，出问题时知道往哪查。

配套练习与自测问题

光看讲解，AI 这块基本等于没学。建议每学完一段就做一个小东西，不用大：一个固定格式的信息抽取脚本、一个能读本地文档回答问题的问答小工具、一个把多步操作串起来的简单流程。判断自己是否真的掌握，可以试着回答下面几个问题：

同一个问题，为什么换一种问法结果差别很大？你能说出具体是哪个环节变了。
模型输出格式不稳定时，有哪几种处理办法，各自代价是什么？
资料变多之后，为什么不能全部塞进上下文，检索在其中解决了什么问题？
如果结果不对，你怎么判断是取回的内容错了，还是提示写错了，还是模型本身答不了？

能答上来的，说明你补的是能力；答不上来但知道去哪找答案，说明你补的是方向。两种都比“会写几句提示词”更接近真正能用。

适合怎么用这门课

零基础的人按顺序过一遍，重点放在动手环节，别只看不写。已经会调 API 的人可以跳过最前面的概念部分，直接从上下文管理、结构化输出、外部知识接入这几块切入，把平时零散的经验对到位。把它当成一次系统性的查漏，而不是又收藏一套教程——学完能自己串出一条从输入到结果的完整链路，这门课的目的就达到了。