普通人学 AI，一个可以尝试的起点，是从自己每周反复做的一件事开始，边做边检查，而不是先读完一堆教程再动手。先会问、再会检验、然后固化成流程、最后做出东西，四层能力一层层往上叠。四周后回顾一下：是否节省了时间、结果是否可用，再据此调整学习计划。
这篇文章面向全国读者，不局限于某个城市。如果你想了解深圳本地的课程路线怎么选，可以另看《2026 年在深圳学 AI 完全指南》。这里讲的是更通用的部分：该练到什么程度、怎么排节奏、不同岗位练什么、怎么避开常见的弯路。
一、普通人学 AI，到底要学到什么程度？
先把目标降到合适的位置。职场人学 AI 的目的，通常不是成为算法工程师，而是让手上的工作更快、更稳。所以合理的目标不是「懂大模型原理」，而是「我每周有几件事，AI 能稳定帮我出初稿，我能判断它对不对，并且能把这套做法教给同事」。
达到这个程度，不需要懂代码，也不需要记住很多术语。需要的是三个习惯：遇到活先想能不能拆给 AI；拿到结果先检查再用；做顺了的做法记下来固定。这三个习惯比任何一个具体工具的操作更耐用，因为工具会换，习惯不会。
再往上有两个方向可以选：一是借助 AI 编程工具，尝试制作小工具或自动化流程，生成的代码需要检查和测试；二是往企业里的 AI 应用、AI 运营、智能体搭建方向靠。这两个方向是加分项，不是入门必修课。
二、零基础学 AI 要过哪四层能力？
把学 AI 拆成四层，每一层有明确的标志，你可以对照着判断自己在哪一层、下一步练什么。
| 能力层 | 具体表现 | 怎么练 | 过关标志 |
|---|---|---|---|
| 会问 | 把背景、任务、要求、格式说清楚，而不是只丢一句话 | 同一件事用三种不同写法问，对比结果 | 一次提问就能拿到基本可用、只需小改的初稿 |
| 会检验 | 看得出结果里哪里是编的、哪里漏了、哪里口径不对 | 给自己熟悉的领域出题，专门找 AI 的错 | 能说出结果的两处问题并要求修改 |
| 会流程化 | 把有效的做法固定成模板和步骤，别人拿来也能用 | 把一次成功的对话整理成可复用的提示词清单 | 同一类任务不用每次重新琢磨怎么问 |
| 会做东西 | 把几个动作串起来，或用 AI 做出一个能跑的小工具 | 挑一个重复性强的小需求，从头做到能用 | 有一个别人也在用的作品 |
不少人容易卡在第二层。会问不难，难的是拿到一份看上去很完整的结果之后，有没有习惯去核对数据、出处和口径。AI 的典型问题是语气肯定、内容却可能是编的，所以「会检验」比「会问」更能拉开差距。
三、学 AI 从哪开始？四周起步计划
下面这份计划每周只设一个目标，每天可以安排二三十分钟，按自己的时间调整。重点是全程用你自己的真实工作材料，不要另外找练习题。
- 第一周，先解决一件小事：挑一件你每周至少做三次、做起来又烦的事，比如整理会议记录、回复常见咨询、起草周报。每次都让 AI 出初稿，你来改。这一周的目标不是学会很多，而是确认「这件事确实变快了」。
- 第二周，学会检验：对第一周产出的每一份结果，强制自己做三个检查，数字对不对、有没有凭空添加的内容、语气和格式合不合你的场合。把每次发现的问题记下来，你会很快看出 AI 在哪类内容上最容易出错。
- 第三周，把提问固化：回头看这两周里效果最好的几次对话，把它们整理成模板，写清角色、背景、任务、限制、输出格式。以后同类任务直接套模板，只改变量。这一步是效率真正拉开差距的地方。
- 第四周，串成流程并做一个小产出：把两三个动作串起来，比如先让 AI 整理资料，再生成大纲，再按大纲写初稿。能顺利跑通之后，试着做一个别人也能用的东西，比如一份团队共用的提示词清单或一个简单的自动化流程。
四、不同岗位怎么练？各给你一道起步题
岗位不同，最先接入 AI 的环节也不同。下面每个岗位给一道可以今天就开始的练习题。
| 岗位 | 起步练习题 | 要重点检验的地方 |
|---|---|---|
| 运营 / 市场 | 把一篇长文案改成三个渠道的短版本，各自语气不同 | 是否保留了核心卖点，有没有夸大宣传 |
| 销售 / 商务 | 把一段客户聊天记录整理成客户档案：需求、顾虑、下一步 | 客户原话与 AI 概括有没有出入 |
| 人事 / 行政 | 把一份制度文件改写成员工看得懂的问答清单 | 条款是否被改写走样 |
| 财务 / 数据 | 给一张公司允许使用的报表（敏感信息先按公司规定处理）写口径说明和异常摘要 | 数字引用是否准确，不要让 AI 心算 |
| 设计 / 内容 | 为同一个主题生成多个标题和配图描述，再人工筛选 | 是否侵权、风格是否跑偏 |
| 老师 / 培训 | 把一节课的内容改成三个难度的练习题 | 答案是否正确，难度梯度合不合理 |
| 学生 / 求职 | 把一段经历改写成面试里能讲两分钟的故事 | 细节是否都是真实发生过的 |
五、学 AI 常见的几个误区
- 只收藏不动手：保存了很多教程和工具清单，但一件真实的活都没交给 AI。看十篇教程不如拿真实工作练一次。
- 一上来追最新工具：工具更新很快，今天学的界面下个月可能就变了。先练提问和检验，这套能力换工具照样用。
- 把 AI 当搜索引擎：只丢一句话，拿到泛泛的回答就觉得不好用。给足背景、任务和格式要求，结果会差很多。
- 拿到结果直接用：AI 生成的内容一律先检查再用，尤其是数字、引用、法规和人名。
- 追求一次问完美：好用的做法是多轮对话，先出初稿，再指出具体问题让它改，按结果逐轮调整，直到满足需要。
- 用 AI 之前不分资料等级：把客户名单、合同、财务数据直接贴进去，是最容易出事的做法，下面第七节专门讲。
六、自学还是报班，怎么判断？
自学完全可行，公开的教程和免费的工具已经足够入门。报班买的主要是三样东西：直接学当下对工作有用的部分，省掉筛选的时间；卡住时有人当面拆解；被迫产出作品，因为有结课要求。
| 情况 | 更适合自学 | 更适合报班 |
|---|---|---|
| 自制力 | 能每周固定练，试过自己坚持下来 | 多次半途而废，需要节奏和同伴 |
| 目标 | 明确，只想先把一两件事做快 | 不清楚方向，需要有人帮着梳理 |
| 卡点 | 遇到问题能自己搜索解决 | 一卡住就停，需要当面答疑 |
| 产出 | 只要自己用得顺 | 需要有作品给老板或面试官看 |
如果决定报班，看三件事：练习是不是用你自己的工作材料；教的人自己有没有在用 AI 做东西；结课时要完成什么，是听完，还是做出东西。对包就业、包涨薪这类承诺要打问号，能力和机会之间隔着市场，谁也保证不了。
七、哪些资料能给 AI，哪些不能？
学 AI 的同时要建立资料边界意识。用在线 AI 工具时，你输入的内容会传到服务方，是否会被用于改进模型取决于具体产品的规则。所以先分级，再决定怎么用。
| 资料等级 | 例子 | 处理方式 |
|---|---|---|
| 公开资料 | 公开文章、产品说明、行业公开信息 | 可直接使用 |
| 内部一般资料 | 内部流程、非敏感会议纪要 | 用公司允许的账号和工具，遵守公司规定 |
| 敏感资料 | 客户信息、财务数据、合同、个人身份信息 | 先确认公司是否允许使用；需要脱敏时按公司规定处理，并检查是否仍能识别个人或暴露敏感信息；不能确认安全时不要输入 |
| 核心机密 | 核心技术、未公开战略、关键客户名单 | 不进入 AI 流程 |
需要说明的是，删掉姓名、电话等字段不一定能消除识别或泄密风险，也不能替代公司的授权和数据处理规定；能否使用某个工具、能输入哪些资料，以公司规定为准。再加一条：AI 只出建议和初稿，最终决定留给人。涉及法律、医疗、财务的结论，必须由有资质的人确认。
八、学完之后，莱客能提供什么？
莱客（深圳）网络科技有限公司成立于 2016 年，线上教学在莱客 AI 商学院（zhishi.laikr.com），有 6 门体系课，另有线下训练营，AI 老板增长训练营已办至第 14 届。针对职场人，有按岗位拆模块的 AI 技能课；针对团队，可以做企业定制内训。
如果你想做出自己的东西，我们也有 OPC 一人公司生态；企业侧可以做 AI 落地诊断、智能体与 AI 助手开发、企业知识库问答。想先试试，可以在官网做一次免费的在线 AI 落地诊断。课程方案与安排请联系顾问。