AI 实战学习地图

这不是课程目录，而是入口判断器

不要先问“我该把所有文章按什么顺序读完”，先问三个更有用的问题：

我现在有没有一个真实项目或可丢弃的练习仓库？
当前阻塞发生在任务描述、工具执行、结果验收，还是跨会话持续？
七天后我希望留下什么可检查的产物？

LearnPrompt 目前有八条实践路径。它们按问题层级组织，不按工具热度排序。

八条路径各解决什么

路径	它解决的问题	建议第一篇	路径完成的证据
AI 编程	把模糊想法变成可执行、可验收的小切片	最小工作流	一次 plan → patch → verify → learn 闭环
Claude Code	在本地项目中管理指令、会话和扩展	安装与第一个项目	一个可回滚的小仓库改动和真实检查结果
Codex	选择 CLI、IDE、App、Cloud，并管理沙箱和 review	四个执行面	一张执行面选择和一个可审查的任务 receipt
Agent 工程	诊断 Agent 为什么会跑偏、越界、失忆或停不下来	Harness 五组件	指令、能力、约束、状态、编排五层缺口表
Agent Skills	把稳定重复流程变成可触发、可测试的工作包	Skill 是什么	一个通过触发与结构检查的 `SKILL.md`
Loop Engineering	让一次任务产生下一轮可验证动作	Loop 的五个动作	带状态、验收、持久化和停止条件的最小循环
Obsidian AI	让资料、项目状态和经验可放置、可路由、可交接	Vault 目录 contract	一份 placement contract 或 handoff packet
Hermes / OpenClaw	理解长驻 Agent 的学习写入、消息路由、部署和预算	Hermes 学习循环或 OpenClaw 架构	一张写入审批表或可审计的 Gateway 路由图

先按失败模式定位

如果你已经有项目，下面这张表通常比“新手/高手”标签更快：

你看到的失败	先读	暂时不要做
Agent 一上来就改错地方	任务、上下文与验收 + 指令层	不要先增加更长的万能 prompt
不知道该不该开自动执行	Plan、Auto 与人工审批	不要按“信不信模型”划权限
Claude Code / Codex 二选一反复纠结	工具选择	不要只比模型榜单
修改看似完成，却没人能证明正确	反馈层	不要把“已完成”当验收证据
长任务中途漂移	Claude Code 长任务模式或编排层	不要无限延长同一段会话
规则越来越多、每次都全量加载	最小 CLAUDE.md + Skill 触发边界	不要把所有知识塞进 always-on 指令
新 Agent 接手后只能重新调查	可交接 Markdown	不要只粘贴聊天记录
知识库分类漂亮但 Agent 经常放错	Vault 放置 contract	不要继续增加含义重叠的文件夹
长驻 Agent “会学习”但写入不可控	Hermes 学习循环	不要把 memory、Skill 和模型训练混为一谈
OpenClaw 配好了却消息不通或暴露过大	架构导读 + 上线决策	不要用“进程在运行”代替端到端健康检查

三条完整读者路线

路线 A：第一次使用 AI 编程

出口不是“了解 AI 编程”，而是一个干净 diff、一条通过的验收命令和一条写回项目的经验。

路线 B：已经使用 Claude Code 或 Codex

先按当前工具分支，不要把另一条产品线当必修：

Claude Code 支线：最小 CLAUDE.md → 长任务上下文 → Skill、Hook、MCP 怎么选。
Codex 支线：Codex CLI 工作流 → 沙箱与审批 → 按任务选择 Cloud 适配或 auto-review 边界。
两条线共同补课：Plan、Auto 与人工审批 → 反馈层。
只有确实跨工具协作时，再读双线 Git 交接，不要为了“工具齐全”强行增加一次 handoff。

出口是一套与当前工具匹配、能被另一位 Agent 或 reviewer 重放的规则、diff 和检查结果；双工具用户再额外留下 handoff contract。

路线 C：建设长期 Agent 工作流

Harness 五组件
依次审计指令、约束、记忆、反馈与编排
Loop 的五个动作
判断重复流程是否值得升级成 Skill
用可交接 Markdown 或框架自己的审批机制保存可观察状态

出口是一台有输入合同、状态、停止条件、验收和持久化边界的最小循环，而不是一个“永远自动运行”的口号。

7 天实践路线

天	动作	当天必须留下的证据
1	选一个一小时内可完成的小任务	目标、范围、禁区、验收
2	让 Agent 只读探索并给 3–6 步计划	文件清单、风险和未确认项
3	只实现一个最小切片	可读 diff，不包含顺手重构
4	跑最快的相关检查	原始命令、退出码、人工检查点
5	主动构造一个失败或边界反例	被拒绝的输入和原因
6	把一条可复用教训写回项目	一条短规则、记忆或 checklist
7	用 fresh 会话或另一位 reviewer 重放	能否在不依赖聊天记忆时继续

任务卡模板

# 目标
完成后，用户或系统能观察到什么变化？

# 上下文
项目、当前状态、关键入口和已知证据是什么？

# 范围与禁区
允许改什么？不允许改什么？哪些动作必须先问？

# 验收
运行什么命令？人工看什么？失败时输出什么？

# 交付
需要 diff、receipt、review、PR 草稿，还是下一轮 handoff？

模板写不清时，不要急着选更强模型；先回到任务、上下文与验收。

如何判断真的学会了

读完一篇教程后，用四个问题验收：

我能否把示例换成自己的小输入，而不是照抄最终答案？
我能否说出正常路径之外至少一个应该拒绝的边界？
我是否保留了命令、退出码、diff 或人工检查的原始证据？
fresh Agent 能否只看我的产物继续，而不依赖这次聊天？

四项中有一项答不上来，就回到对应教程的 Showcase 或练习，不要继续扩工具栈。

下一步

没有项目：先建一个可丢弃的小仓库，从最小工作流开始。

已有项目：先写任务卡，再按上面的失败模式只选 1–3 篇。