很多人对 AI 的态度其实挺矛盾：工具天天在用，但真要说清楚背后怎么回事，又讲不出个所以然。想系统补一补，翻开文档发现全是术语；想动手做点什么，又卡在环境和数据上。张琪这套 6 月的四天直播课，走的是另一条路——不铺理论地毯，而是把最常用的几块能力拎出来，边讲边练。这篇导读帮你在打开课程之前先想清楚：自己缺的到底是哪一段。

先分清你有没有必要看

这门课不面向完全不碰电脑的人，也不适合已经在做模型训练调参的人。它真正对得上号的，是下面这几种状态：

日常会用几个 AI 工具，但换个场景就不知道该选哪个、提示词该怎么写；
听说过模型、提示、微调这些词，能跟着说，但要自己解释一遍就卡住；
想转岗到和 AI 沾边的岗位，缺的不是热情，是一份能拿出手的练习记录；
写代码刚起步，想让 AI 帮自己补上知识盲区，而不是越帮越乱。

如果你属于以上任何一种，四天的节奏大致是能跟上的。反过来说，如果你连基本的信息检索、文件操作都不太顺手，先花点时间把这块补齐，再来听课体会会好很多。

这四天真正在练什么

四天的安排不是按“第一天讲历史、第二天讲原理”那样平铺，而是围绕几个能立刻上手的能力组织起来。大致可以归成三层：

怎么把话说清楚。 同一件事，换一种问法，结果差得远。这部分练的是把模糊需求拆成 AI 能接得住的具体指令，包括给例子、限定范围、控制输出格式。
怎么把工具串起来用。 单个工具解决单个问题，真实的活儿往往要几步：先整理素材，再生成，再核对，再改。这部分练的是流程意识，知道哪一步交给谁。
怎么判断结果靠不靠谱。 生成得快不等于对。课程里会反复碰到识别错误、补全缺失、验证结论这类动作，这是很多人自学时最容易跳过的一环。

直播的好处在于卡住能当场问。四天里一定会有你听不懂或者觉得“这和我工作不一样”的地方，别憋着，问出来通常比事后翻回放省时间。

配套练习怎么用才不白做

光听直播容易产生一种“我懂了”的错觉。要打破它，建议每节课后挑一个和自己工作或生活相关的小任务，用课上的方法重做一遍。比如把一周的会议记录整理成待办、把零散的产品资料整理成一份说明，都行。关键不在任务多大，而在你有没有真正走完“描述需求—生成—检查—修改”这一圈。

遇到结果不对时，先别急着换工具。多数时候问题出在指令本身：信息给少了，约束没写清，或者你默认对方知道某个背景。把这几处补上，往往比换一个模型见效更快。

学完之后你应该能回答这几个问题

检验有没有学进去，不用看笔记多厚，看看下面几问能不能脱口而出：

面对一个新任务，我怎么判断该不该用 AI，用在哪一步？
写一条提示时，哪些信息必须给，哪些可以留白？
拿到生成结果后，我用什么方式核对它有没有编造或遗漏？
如果要把这套流程讲给同事听，我能不能说清楚每一步为什么这么做？

能答上三四条，说明这四天没白花；一条都答不上，就回去把相应的那节课重看一遍，动手补做一次练习。AI 这块的能力缺口，从来不是靠多听课填上的，而是靠一次一次把活儿做完填上的。