完整课程体系
The AI-Native Builder
把 AI 原生构建，
组织成一张完整的
能力地图。
共同底座建立共同语言，项目课程把知识变成实践，
专业路线继续做深，前沿专题持续吸收正在变化的技术。
Knowledge Layers
共同底座
- Product
- Agent
- Experience
- Architect
Moving Edge
Enterprise Leadership Path
共同语言 / 项目实践 / 专业纵深 / 持续演进
课程深度
同一个问题，
会在不同深度重新出现。
不是重复学习，而是从看懂，到能用、能设计、
能评估，再到能治理。
随责任范围一起展开。
共同底座
Context 边界卡
哪些是当前状态、历史证据、持久知识和程序？
分类材料，解释按需检索。
检查依据区分 Context / State / History / Memory / Skill。
入门营
Context Spec V1
当前任务需要什么资料？
选择授权输入，填写单任务范围。
检查依据来源、目标和当前待办可核对。
进阶课
Context System
与 Loop Spec 对应字段
项目如何在上下文重置后继续？
设计分层信息、索引、检查点和恢复。
检查依据任务版本、剩余预算和未决风险可恢复。
Agent Route
状态／记忆方案与恢复证据设计
如何诊断状态丢失、错误检索及污染？
设计隔离、按需取回和恢复推演。
检查依据可定位原始证据，拒绝跨任务污染和无权限资料。
Architect Route
数据权限模型与知识治理策略
多主体如何共同维护可信信息？
分配 ownership、权限、保留和并发控制。
检查依据冲突、撤销与跨租户访问有确定处理，恢复保留审计链。
共同底座
先让不同背景的人，
拥有同一张 AI 行业地图。
不要求先会编程。
重要的是先建立同一套概念、判断和基础方法。
选择一个共同语言锚点，
查看它回答的问题与留下的产出。
工程责任
真正的进阶，
不是知道更多名词，而是承担更大的设计责任。
随着系统复杂度增加，人需要设计和控制的责任边界也随之扩大。
Prompt Engineering
表达本次任务、约束和期望输出
Context Engineering
为本次推理选择信息，区分状态、证据和可复用知识
Harness Engineering
提供工作环境、工具、权限、约束与反馈
Loop Engineering
设计触发、行动、验证、纠错、停止、预算与恢复
Agent-first Systems
将可验证工作交给 Agent，配置人的判断与最终责任
五段模型描述工程实践中的责任范围；实际工作可以往返，后者仍需要前面的能力。
学习路径
一张地图，
可以被组织成不同的学习路径。
你不需要一次学完整个体系。
不同课程产品只是调用这张母版的不同部分。
同一张知识母版不同调用范围 / 项目深度 / 产品目的
世界观 · 路线地图
先看懂 AI 世界与能力方向。
CB-01–CB-10 的认知与判断部分
建立共享的行业地图、模型边界、任务判断与风险意识。
完成 MVP 必要的共同底座最小闭环
做出第一个 AI 产品 MVP；只调用完成项目必要的部分。
共同底座系统应用 · 路线预体验
L3 系统应用级项目课程：完成可测试、可迭代的 AI Native 项目。路线预体验不替代专业训练。
PB / AE / XD / SA 专业纵深
沿能力主轴训练判断、设计、构建、评估与交付。
世界观 · 机会地图 · 项目组合 · 组织治理 · 转型路线图
形成企业 AI 转型蓝图，重点是战略判断与组织动作。
母版前沿专题池
深化快速变化的技术、工程实践与风险处理。
组织 · 治理 · 平台 · 转型
把个人能力转成组织级 AI 能力。
专业路线
共同底座之后，
沿真正需要的能力主轴做深。
路线不是岗位标签。
你可以主修一条，也可以从另一条路线补足自己的能力边界。
Common Foundation共同底座
Product
AI Product Builder
- 核心问题
- 如何把机会写成可构建、可验证规格？
- 能力动作
- 识别机会，定义 MVP，组织原型与用户验证，推动商业化迭代。
- 典型作品
- AI 产品 MVP · PRD V2 · 用户测试记录
Agent
Agent Engineer
- 核心问题
- 长任务如何保存当前状态、检索知识并在重置后恢复？
- 能力动作
- 设计与实现 Workflow / Agent，评估、调试并维护状态、权限与失败恢复。
- 典型作品
- 可演示 Agent / Workflow · Eval Cases · Tracing / Failure Analysis
Experience
AI Experience Designer
- 核心问题
- 用户如何看懂、校验、控制 AI？
- 能力动作
- 设计任务协作、信任机制与工作台体验，验证 Review 和人工接管。
- 典型作品
- AI 原生交互原型 · 关键任务流 · Review / Handoff 设计
Architect
AI Systems Architect
- 核心问题
- 企业级 AI 系统边界如何定义？
- 能力动作
- 设计应用架构、数据权限、评估观测、安全治理与成本控制。
- 典型作品
- 企业级 AI 应用架构方案 · 数据与权限模型 · 安全治理方案
行业知识地图
课程不是围着工具变化，
而是建立在一张稳定的行业地图上。
这是一张行业知识地图，不是一条课程进度条。
- L0
AI 时代世界观
AI 改变的是工具效率，还是生产方式？
- L1
模型能力与边界
模型擅长什么，不擅长什么，为什么会错？
- L2
Prompt、Context 与 Memory
如何让 AI 稳定理解任务和状态？
- L3
AI 产品与任务重构
什么任务值得被 AI 重构？如何定义 MVP？
- L4
数据、知识与 RAG
如何让 AI 基于可信资料、权限和引用工作？
- L5
Tools、Workflow 与 Agent
什么时候用 workflow，什么时候需要 agent？
- L6
协议、连接器与互操作
MCP、A2A、连接器如何改变 AI 应用边界？
- L7
AI 原生开发与 AI IDE
从 coding 到 orchestrating，开发方式如何变化？
- L8
Computer Use 与执行环境
AI 何时应操作界面？环境、权限、回滚如何设计？
- L9
AI UX、人机协作与工作台
AI 产品体验为什么不同于传统软件？
- L10
Evals、Tracing、可靠性与成本
如何证明 AI 系统可靠、可调试、可控成本？
- L11
安全、治理、合规与组织化
如何控制风险，并把能力变成组织流程？
- L12
企业 AI 战略、转型与经营重构
企业该如何从工具试点走向业务重构和组织能力？
持续演进
稳定的能力留在核心，
快速变化的技术留在外缘。
稳定能力
Stable Core
概念、判断与基础方法
更新节奏6–12 个月
工程模式
Engineering Patterns
设计、验证与交付方法
更新节奏3–6 个月
工具实现
Moving Edge
变化中的技术实现与边界
更新节奏1–3 个月
作品与证据
不靠“学完了多少”，
而看最后真正留下什么。
作品和可检查证据是能力判断的重要基础。
信息与责任
Context
- 共同底座Context 边界卡
- 入门营Context Spec V1
- 进阶课Context System
- Agent Route状态／记忆方案与恢复证据设计
- Architect Route数据权限模型与知识治理策略
结果与验证
Evals
- 共同底座最小评估与失败分析清单
- 入门营最小测试样例与结果
- 进阶课Eval Set / Failure Analysis / Trace
- Agent 路线Verifier 覆盖与调试／回归记录
- Architect 路线观测与成本方案
专业作品
能展示，也能检查。
- ProductMVP / PRD V2 / 用户测试
- AgentWorkflow / Eval Cases / 失败分析
- Experience交互原型 / Review / Handoff
- Architect架构方案 / 权限模型 / 安全治理
不必把整张地图一次走完。
找到现在真正需要的起点，再向下走。
我想先看懂整个 AI 世界
我想先真正做出一个产品
入门实战营我已经做过一次，想建立系统项目能力
我已经有系统基础，想沿一个方向做深
Builder Routes我是企业一号位，关心的是组织与转型
我只想深化一个快速变化主题