很多人学 AI 卡在同一个地方：会写几句提示词，能让模型吐出看起来像样的答案，但一旦要把它接进自己的代码、接到真实数据上，就不知道下一步该干什么。何志伟这门课的名字里有个关键词——「超越提示词」。它不是否定提示词，而是把提示词当成起点，往后接着走：模型怎么被调用、上下文怎么组织、结果怎么落到一个能跑起来的小项目里。如果你正处在这个断层上，这门课值得先看导读再决定要不要跟。

这门课解决的是哪一段缺口

先把话说直白：它不适合零基础到连变量、函数都没写过的人，也不适合已经在做模型微调、读论文的算法工程师。它瞄准的是中间那一段——

能看懂 Python 代码，但没独立调过模型接口；
提示词用得还行，却说不清 token、上下文窗口、温度这些参数到底在影响什么；
想让 AI 帮自己写代码、改代码、查报错，但用起来总觉得不稳，输出时好时坏；
想做一个自己的小工具，比如问答、总结、批量处理文本，卡在「从哪一步开始搭」。

如果上面有几条戳中你，说明你缺的不是又一篇提示词技巧合集，而是把工具、接口、代码串起来的那条链路。

全链路具体链的是什么

课程按「基础理论 → 工具与库 → 项目落地」的顺序推进，但重点不在罗列概念，而在把每个环节和动手对上。理论部分要处理的是那些天天用却容易含糊的东西：模型是怎么接收和生成文本的、为什么同样的输入结果会变、参数调大调小各有什么代价。这些搞不清，后面调接口就只能靠试。

工具和库的部分，落在实际编码上——怎么用代码向模型发起请求、怎么处理返回、怎么把多轮对话和长文本拼接成能用的输入。再往后是项目环节，把前面零散的动作组合成一个完整流程：从需求拆解、写代码、调试到能跑出结果。这一步是分水岭，很多人前面都懂，一到「自己搭一个」就散了。

建议怎么跟着练

别只看不写。这类课最大的坑是「看的时候都懂，关掉视频写不出」。比较稳的做法是每学完一段就自己复现一遍，而且不要照抄示例数据：把输入换成你自己关心的内容，比如一段工作文档、一份产品说明、一批待整理的表格文本。换个数据，你才会撞上真实问题——格式对不上、长度超了、结果不稳定，这些才是长本事的地方。

项目部分建议做两遍。第一遍跟着走通，第二遍把其中某个环节换掉，比如换一种输出格式、加一步校验、把单次调用改成能批量处理。改得动，才算真掌握。

看完应该能回答这几个问题

同一个问题问两次结果不一样，问题出在哪个参数或环节？
一段长文档塞不进模型，你会怎么切、怎么拼、怎么保证不丢关键信息？
让 AI 帮你写代码时，怎样组织需求描述，比一句「帮我写个功能」靠谱得多？
如果要把现在这个对话流程做成一个小工具，第一步先确定什么？
哪些任务适合交给模型，哪些交出去反而更费劲？

这五个问题能顺畅答上来，说明你已经从「会用」走到了「能搭」。答不上来的那个，就是你还该回头补的那一段。带着问题去看，比从头顺着播效率高得多。