🤖 AI 优化中 · Learning with AI

一个开源的实验性学习项目，帮助你通过 习惯养成 与 低门槛实践 来提升 AI 使用效率。 它不是一本厚重的教材，而是一个 可以随时添加、扩展、记录进度的学习旅程。

---

✨ 项目愿景

• 降低门槛：通过小任务、小提示来快速上手，而不是被理论压垮。
• 养成习惯：每天一点点，AI 学习变成生活习惯。
• 双向成长：既学会用 AI，也逐步理解 AI 的原理。
• 有趣吸引：通过收集记录、AI点评和创意玩法，让学习更像一场游戏。

---

📂 项目结构

ai-youhua/
│
├── README.md                # 项目介绍与指南
│
├── 01-日常练习/              # 每日可做的小练习
│   ├── prompts.md           # 提示词小实验
│   ├── code-lab.md          # 用AI写一点点代码并理解
│   └── reflection.md        # 学习小反思（每天一句）
│
├── 02-习惯打卡/              # 轻量化进度追踪
│   ├── habits-template.md   # 模板：记录每天做了哪些AI练习
│   └── examples/            # 大家实际填写的例子
│
├── 03-AI说/                 # AI对你的学习点评与建议
│   ├── self-report.md       # 你描述今天是怎么用AI的
│   ├── ai-feedback.md       # AI作为老师，写下评价
│   └── archive/             # 历史反馈归档
│
├── 04-优化方法库/            # 收集各种“使用AI更高效”的方法
│   ├── search-vs-ai.md      # 搜索引擎 vs AI：描述方式的不同
│   ├── learn-with-code.md   # 如何边用AI写代码边学习知识
│   ├── precise-use.md       # 精准使用的案例和陷阱
│   └── contribute.md        # 如何提交新的优化经验
│
└── 05-创意玩法/              # 吸引力与趣味性的扩展模块
    ├── ai-journal.md        # 用AI写个人学习日志
    ├── challenges.md        # 每周挑战（比如“用AI写一首小诗”）
    └── ai-roleplay.md       # 让AI扮演老师/伙伴/对手来互动

---

🚀 如何参与

1. Fork 本项目，选择你感兴趣的部分开始尝试。
2. 每天花 5-10 分钟 做一个小练习（例如写一句提示词，或让AI点评一次使用）。
3. 把你的练习和AI反馈写入对应的文件夹。
4. 提交 PR 或在 Discussions 里分享。

---

🌱 推荐学习路径

1. 日常练习 → 每天做一点，形成习惯。
2. AI说 → 让 AI 当老师，给出反馈，获得激励。
3. 优化方法库 → 当你有经验时，把你的心得贡献进来。
4. 创意玩法 → 把学习变成游戏，让它更轻松。

---

💡 为什么有趣？

• 不是教材，而是大家一起玩的学习实验室。
• 你能在这里收集自己的学习痕迹，就像成长日记。
• “AI说” 就像老师在旁边点评，带来额外动力。
• 所有文件设计成 低门槛但高拓展，不会压垮人，但能无限加深。

---

🧭 学习方法：宏观×微观交替 + 习惯驱动

围绕“用中学”，采用宏观与微观交替推进，靠每天的小积累形成长期复利。

• 微观（每天 5-10 分钟）：遵循用中学 5 步，完成一个最小学习单元（可记录在 01-日常练习/）。

  1. 明确任务意图（要解决什么问题？验收标准是什么？）
  2. 构建产出（让 AI 帮你完成初稿或片段）
  3. 解释理解（请 AI 用你能看懂的话解释：整体→模块→关键行）
  4. 提炼要点（提炼 3 个“可迁移”的知识点或模式）
  5. 反思复盘（写 1 句话改进点，记于 reflection.md）

• 宏观（每周 1 次，20 分钟）：回顾本周的任务、瓶颈与突破，更新你的提示词清单与个人“最佳实践”（记录在 04-优化方法库/）。

• 最小可行学习单元（MLU）：问题 → 提示 → 产出 → 解释 → 验证 → 记录。任何主题都按此闭环推进。

---

⚡ 效率模型：减浪费 × 扩收益

• 减少浪费：

  • 给出更好的输入结构（背景/目标/约束/样例/输出格式）
  • 明确边界与验收（什么不需要做，什么时候停）
  • 频繁早停检查（每 3-5 轮小结一次）
  • 复用成功提示词与范式（沉淀到 04-优化方法库/）

• 扩大收益：

  • 产出即素材（把一次对话整理成文档/脚本/清单）
  • 旁注解释（要求 AI 同步写“为什么这样做”）
  • 提炼个人词库与模板（形成你的提示词资产）
  • 跨场景迁移（本周至少复用 1 次在新任务上）

• 可跟踪指标（选 2-3 个即可）：

  • Time-to-Result（从意图到可用结果的时间）
  • Prompt Iterations（完成一次任务的迭代轮数）
  • Retention（本周记住/复述的关键概念数量）
  • Transfer（本周成功迁移到新场景的次数）

---

🎯 精准使用：先决策，后使用

• 适合用 AI 的场景：问题澄清、方案枚举、样例生成、重写润色、结构化提炼、规划拆解、代码草拟与重构建议。
• 谨慎或不用：权威事实（需多源核验）、法律/财务/医疗建议（需专业复核）、高风险安全/隐私数据。
• 小决策清单：
  1. 这是启发式还是权威结论？
  2. 我能定义验收标准吗？
  3. 结果如何被验证与复核？
  4. 成功经验能否沉淀为模板？

---

🧪 构建 + 学习：代码任务的五步模板

针对“用 AI 构建但看不懂”的痛点，建议每次编码任务都包含“学习轨”。

1. 任务卡：用 2-3 句写明目标、输入、输出与验收标准（存 code-lab.md）
2. 先构建：请 AI 交付最小可运行版本（最小范围，先跑通）
3. 要解释：
   • 让 AI 用“分层讲解”（整体→模块→关键行）
   • 三问：为什么这样实现？替代方案？如何验证？
4. 小测验：请 AI 出 3 道检查理解的小题（选择/填空/改错）
5. 复盘与沉淀：记录学到的 3 个点与 1 个坑，沉淀到 learn-with-code.md

---

🔎 搜索 vs AI：描述风格速查

• 搜索引擎更喜欢：短而准的关键词 + 限定符（site:, filetype:, intitle:）
• AI 更喜欢：包含背景、目标、约束、样例与输出格式的长上下文。

最小提示结构（可复制到 prompts.md 实践）：

• 背景：我在做什么，已有条件/限制
• 目标：我要的结果形式与验收标准
• 约束：时间/工具/技术栈/风格/禁止事项
• 样例：输入/输出示例或反例
• 输出格式：列表/表格/JSON/代码片段 + 需要的注释层级

---

🏁 立即开始：你的第一周

• 第 1-3 天：每天完成 1 个最小单元（prompts.md + code-lab.md + reflection.md）
• 第 4 天：在 03-AI说/ 填写一次自我报告，请 AI 点评并归档
• 第 5 天：把一个成功经验沉淀到 04-优化方法库/
• 第 6-7 天：试一项 05-创意玩法/，增强趣味与粘性
• 周末：做 20 分钟宏观回顾，挑 1 个模板加入你的“常用提示词集”

---

📌 贡献与路线图（简）

• 接受：小而实用的模板、方法、案例与对照实验
• 优先级：降低门槛、可复用、可迁移、可度量
• 路线图：
  • 更多“构建+学习”的任务模板
  • 精准使用的场景清单与反例库
  • 指标追踪的自动化脚本与看板（欢迎贡献）

---