会续写的大脑,
不是数据库。
Token、上下文、温度、幻觉。先知道它会在哪里出错,再决定能交给它什么。
零基础也能用 AI 做完一个真实项目。不是看完一堆课,而是走过 立项、UI、前端、后端、RAG、测试、部署 的完整链路,最后拿到一条别人能打开的链接。
你已经看过太多“AI 能改变一切”的视频。真正的问题是: 你能不能做出一个别人愿意打开、愿意用一次的东西? 这个站只做一件事:把那个东西,从想法推到公网。
AI 能写代码,但不能替你判断需求、验证结果、承担上线风险。你的价值不在背语法,而在看懂结构、会验证、能回滚。
主线项目是一个带引用来源的 AI 知识库问答应用。它足够小,两周能做出 MVP;也足够完整,能覆盖前端、后端、RAG、数据库和部署。
需要三类材料:发票原件、审批单、行程单。如果是招待费,还需要补充事由说明。[1][2]
只收做项目真会碰到的词。每个词先说人话,再告诉你会在哪一步遇到;不背百科定义,也不收藏用不上的口号。
同一个模型,为什么别人能做出东西,你只能得到一堆“看起来很对”的废话?差别通常在背景、约束、输出形式和验收标准。
背景卡: 项目:AI 知识库问答应用。 用户:10 人以内的团队,查制度与产品资料。 当前版本:V2,已有问答页,资料已导入。 你是资深产品经理。 基于背景卡,先只输出 PRD 目录,不写正文。 目录必须覆盖:定位、用户与非目标、核心场景、 功能三档、页面流程、字段校验、异常边界、 非功能要求、验收标准。 每节用一句话说明“这节要回答什么问题”。 验收标准统一写成“当……时,应该……”, 必须可观察,不要写“体验流畅”。 我确认目录后,再逐节写。
术语不是用来背的,是用来做判断的。每个概念都配一个生活类比,以及最重要的“什么时候不该用”。
Token、上下文、温度、幻觉。先知道它会在哪里出错,再决定能交给它什么。
下一步依赖上一步结果时才用。一次 Prompt 能解决的,不要上 Agent。
同类任务做过三次,就该沉淀成 Skill。
一次标准连接,多套工具复用。
先检索,再生成;资料不足就拒答。
构建、环境变量、域名、HTTPS、监控、备份、回滚。
不用先成为程序员。带上一个真实问题,开始走 M0。四周后,你应该有一条能发给朋友的链接,而不是一堆收藏夹里的教程。
进入 M0 ↗