微我 WeWat
微我学堂 · AI 学习

把 AI 从陌生名词，
变成你真正会用的能力。

从零基础认知到应用构建，再到模型原理与专业方向。六大板块、十八个模块，每节课都有讲义、练习与自测；学完一个模块，就去微我刷题做配套题库巩固。

从 A1 开始学习选择学习路线
18学习模块 · 6 大板块
108完整课节 · 讲义与练习
1000配套练习题 · 公共题库
0/108你已学完的课节

先走共同主线，再选择深度

完整框架是地图，不是必须一次完成的清单。

01

使用与判断

从基本概念、信息整理到工具、提示词与验证，把 AI 用在具体工作与学习中。

A1→A2→B1→B2→B3→E1→F2
02

构建自己的应用

补编程与数据，用知识库、工具和流程搭建应用，并学习测试、安全与部署。

C1→C2→E2→E3→E4→F1
03

理解模型与算法

在编程与数据基础上补数学，学习机器学习、神经网络和其他推理方法。

C3→D1→D2→D3→F3
A

基础认知

建立地图，整理信息

A1入门必学

AI基础认知

以虚构的纸星手作社为贯穿案例，从日常任务理解人工智能、数据学习、训练与推理，再认识语言模型的概率生成方式。通过比较、拆解和核验练习，建立不神化也不轻视AI的判断框架，能够解释能力来源、常见错误和必要的人类监督。

6 节课4—6小时（含练习）56 道练习题
A2入门必学

数字与信息素养

围绕纸星手作社整理活动资料的过程，学习文件与版本管理、搜索来源判断、基础数据整理以及隐私、授权和分享边界。通过可复核的小练习，把找到信息、理解信息、保护信息和负责任使用信息连接起来，为后续使用AI工具准备可靠输入。

6 节课4—6小时（含练习）56 道练习题
B

使用与判断

把任务说清，把结果查实

B1入门必学

AI工具使用

以纸星手作社完成活动资料改写为主线，学习按任务选择工具、构造可复用提示、控制上下文、处理文件与图像，以及核验检索结果。最终形成从资料准备到人工交付的简单工作规范，避免把会聊天、会上传或单次演示成功误认为可靠完成任务。

6 节课4—6小时（含练习）56 道练习题
B2入门必学

提示词与上下文

通过虚构的星芽读书角活动，学习把模糊愿望改写成可检查的任务，组织背景、示例与资料，并用小步迭代改善输出。重点理解上下文容量与记忆的区别，识别资料中的冲突和不可信指令，形成能复用、能验证而不是依赖神奇话术的提示模板。

6 节课4—6小时（含练习）56 道练习题
B3入门必学

结果验证与安全

以虚构的纸桥阅读站活动材料为贯穿案例，练习从流畅文字中拆出可核查主张，追溯来源、独立计算并评估遗漏。学习处理隐私、权限与提示注入，建立正常和异常测试、人工复核与发布记录，避免把可信口吻、引用格式或模型自评当成可靠性证据。

6 节课4—6小时（含练习）56 道练习题
C

技术基础

编程、数据与数学

C1技术基础

编程与计算机基础

围绕虚构的晨光书架整理任务，从计算机、文件与Python运行方式温和入门，逐步理解变量、条件、循环、函数以及数据格式。所有示例仅用标准库和虚构资料，提供逐行解释与测试思路，最终制作可在个人本地环境练习的离线检查器，本网页不执行代码。

6 节课6—8小时（含练习）56 道练习题
C2技术基础

数据基础：从记录到可信证据

以虚构的积木体验站为贯穿案例，学习数据类型、表格结构、清洗、描述统计、抽样偏差与数据划分。课程不要求编程，重点是看懂一条记录代表什么、数字怎样产生、结论能支持到哪里，并建立可追溯、可复核的分析习惯，为后续数学与机器学习打好基础。

6 节课5—7小时（含练习）56 道练习题
C3技术基础

数学基础：看懂模型如何计算

围绕虚构积木任务，用小整数与可手算的例子理解代数、函数、向量矩阵、概率统计、导数优化及信息熵。重点不是复杂证明，而是解释每次计算的含义、适用条件与局限，帮助读懂模型输入、预测分数、误差和学习过程，并避免把数学形式误当作现实保证。

6 节课6—8小时（含练习）56 道练习题
D

AI方法与原理

从机器学习到推理规划

D1技术基础

机器学习：从任务选择到可靠评估

使用虚构积木体验站的数据，学习监督与无监督学习、回归分类、决策树及集成、聚类推荐和异常检测，并完成一条包含基线、划分、指标、误差分析的建模设计。课程以能解释和能复核为目标，不需要运行代码，强调模型成绩与未来使用条件之间的联系。

6 节课6—8小时（含练习）56 道练习题
D2算法进阶

深度学习

以虚构的云朵工坊玩具卡片分类为贯穿案例，从神经网络的计算直觉走到训练、泛化、图像网络与注意力。先理解每个结构解决什么问题，再辨认数据与评估中的陷阱；不要求推导复杂公式，也不把使用现成模型等同于理解模型。最终形成一份可核对的深度学习实验设计。

6 节课6—8小时（含练习）56 道练习题
D3专项基础

AI的其他基础路线

人工智能并不只有从数据训练模型这一条路线。本模块围绕虚构星河玩具展的布置任务，认识搜索与规划、逻辑规则、知识图谱、概率推断、因果思考和约束求解。通过小型手算案例比较这些方法表达什么信息、解决什么问题，并学会在证据不足或要求冲突时保留不确定性。

6 节课5—7小时（含练习）55 道练习题
E

大模型与应用构建

知识、工具与工程连接

E1大模型基础

大模型与生成式AI

以虚构纸桥故事馆的资料问答与创意图文为案例，温和解释词元、上下文、嵌入、预训练、微调、对齐与采样。认识语言模型如何生成续文，为什么会出现无依据内容，以及多模态和扩散模型各自如何工作。最终按任务、知识时效、可追踪性和资源限制选择一条可核对的方案。

6 节课6—8小时（含练习）55 道练习题
E2进阶应用

知识库与RAG

从虚构的星桥手作社资料开始，学习让AI先查证据再组织回答。你将理解检索增强生成的工作方式，完成文档解析、切分、混合检索、引用核对、权限过滤与评估，知道资料更新不等于重新训练，也知道找到相关段落不代表答案已经可靠。

6 节课5—7小时（含练习）55 道练习题
E3进阶应用

工作流与智能体

围绕星桥手作社的活动准备助手，先学习稳定的固定工作流，再理解智能体怎样规划、调用工具、保存记忆和请求审批。通过离线任务卡比较单智能体与多智能体的取舍，建立工具权限、停止条件、交接记录与评估，避免把自主行动误认为可靠完成。

6 节课5—7小时（含练习）55 道练习题
E4进阶应用

AI应用工程

将星桥手作社的材料草案助手从展示思路拆成可测试的工程环节，学习接口契约、结构化校验、存储与鉴权、日志、测试集、提示注入防护、成本预算和上线验收。所有模型返回与工具结果均采用离线模拟，帮助你区分漂亮演示与可维护、安全的生产应用。

6 节课6—8小时（含练习）55 道练习题
F

落地与专业方向

部署、价值与持续探索

F1进阶选学

训练、微调与可靠部署

围绕虚构的积木工坊说明助手，学习先选技术路线再准备数据，理解训练、低秩微调、量化与蒸馏的区别，并把显存预算、部署接口、监控和回滚连成完整流程。重点不是追逐最大模型，而是用可重复实验判断是否值得训练，以及如何在资源和可靠性约束下交付。

6 节课6—8小时（含练习）55 道练习题
F2进阶选学

AI产品与业务落地

以虚构的创作材料工坊为贯穿案例，把含糊的做个AI助手转成明确任务与基线，学习人机交互、原型试点、价值评估、推广培训和治理。课程用可观察的任务完成度判断收益，区分演示与生产，并保留人工接管、版本记录及停止条件，避免把使用次数当作实际价值。

6 节课5—7小时（含练习）55 道练习题
F3拓展选学

专项应用、前沿与论文复现

通过虚构的微型创作实验室，认识语言、视觉、语音、推荐、时间序列、强化学习、机器人和科学AI的任务差异。学习把前沿演示拆成输入、目标、数据、指标和边界，最后设计低成本论文复现，明确哪些结果可比较、哪些只能算趋势观察，不把流畅展示当作科学结论。

6 节课6—8小时（含练习）55 道练习题

每节课都包含什么？

  1. 学习目标与完整讲义：从直觉到原理，再到具体案例。
  2. 动手练习与参考答案：先尝试，再对照。
  3. 2 道自测题：提交后即时反馈，附正确答案与解析。
  4. 标记已学：进度保存在本机浏览器；每个模块另有综合项目与 6 道结业题。

本课程为自编学习材料，不实时调用模型、不执行代码、不颁发认证。工具界面、服务价格与模型表现会变化，实践时请以官方说明为准。