这个资料包的名字把四件事拴在了一起：AI 编程、Dify 代理应用、数字人、智能费用系统。看起来跨度很大，其实它对应的是同一条能力链——把大模型从"能对话"推到"能办事"。如果你只在网页里和模型聊过天，没碰过 API、没配过工作流、没让模型去查数据库或调接口，那这四个主题里至少有三个会卡住你。

先确认缺口：你会写调用，还是会写应用

AI 编程这一块，缺的通常不是语法，而是"把模型当成一个不稳定的外部依赖来对待"的习惯。提示词里塞了什么、返回格式怎么约束、超时和重试怎么写、上下文超长了怎么办、token 花在哪一步——这些在写 demo 时都可以糊弄过去，一旦要串进真实业务流程就会暴露。学这部分时不妨拿一个问题自查：给你一段业务需求，你能不能在三十分钟内写出一个能跑、能看到中间结果、出错时知道去哪查的最小版本。做不到，说明还停在复制示例的阶段。

Dify 代理应用：从"提示词工程"转到"编排思维"

Dify 这类平台的价值不在于省掉写代码，而在于逼你把流程画清楚：输入从哪来、先走哪个节点、什么时候需要检索知识库、什么条件下交给工具、模型判断错了由谁兜底。很多人第一次做代理应用，会把它当成一个更花哨的提示词输入框，结果工作流越堆越乱，调试时完全不知道是哪一环出的问题。这部分真正要练的是拆解：把一个模糊的"帮我处理一下"拆成有明确输入输出的若干步骤，并想清楚每一步失败时的退路。配套练习建议自己造一个带分支的场景，比如先判断意图再决定是否调用外部数据，而不是一路直线走到底。

数字人：不只是让它开口说话

数字人容易被误解成形象和口型的问题，但实际落地时，难的往往是链路：文本什么时候生成、语音什么时候合成、音画怎么对齐、用户打断时怎么处理、多轮对话里形象状态和对话状态怎么同步。这部分看完应该能回答：一个数字人从用户说话到给出回应，中间经过几个环节，每个环节的延迟大概来自哪里，哪些环节可以并行、哪些必须串行。想不清楚这条链路，做出来的东西只能演示，不能久用。

智能费用系统：把前面三样落到一件具体的事上

费用报销是个很好的落点，因为它天然带着票据、规则、审批和异常。这里要面对的是很现实的问题：票据信息识别错了怎么发现，报销规则用什么方式表达才不会被模型自由发挥，金额和事由对不上时系统该拦还是该提示，人工复核的入口放在哪一步。它考的不是模型多聪明，而是你敢不敢让模型只做它擅长的部分，把判断和留痕交给确定的逻辑。学完这部分，你应该能说出一套费用处理流程里，哪些节点适合模型介入、哪些绝对不能。

看完之后，拿这几个问题验一验

能不能独立写出一个带结构化输出约束和失败重试的模型调用，而不是只会拼提示词？
能不能把一个业务需求画成 Dify 里的工作流，并指出哪一步最可能出错？
能不能说清数字人对话链路上各环节的先后与依赖？
能不能为费用场景设计一条"模型处理 + 人工兜底"的流程，并说明兜底触发条件？

四个主题不必按顺序死磕，但建议至少把 AI 编程和 Dify 这两块先过一遍，因为后面两个都要用到它们。缺哪块补哪块，比从头到尾刷一遍更省时间。