AI Builders 2027

三门课的细节

每门课练什么、教材长什么样、全部课目,都在这一页。

01 · 上手课 · 一个晚上

AI Coding

让AI走出聊天框,替你动手。

视频与图文 · 三节必修课,约60到90分钟 · 中文

一个晚上,学会和AI分工:翻文件、写程序、修报错,交给它;你负责讲清为什么做、拍板、验收结果。AI工具几个月就改一版,这套分工换了工具也用得上。

练什么以前学完

把AI放进你的电脑练习:下载文件夹

文件在电脑里,AI在聊天框里,你在中间来回上传、下载、复制粘贴。

AI在你给它的工作文件夹里,自己读文件、写程序、跑程序;你从搬运的人,变成拿主意的人。

验收结果练习:8行差旅报销单

看到红字报错就慌,看到「汇总完成」就交差。

报错交给AI自己修。它说完成了,你用常识核对总数,揪出它为了不报错悄悄跳过的数据。

讲清为什么做练习:整理旅行相册

只说一句「帮我整理一下」,或者先自己翻遍文件夹、写一长段规则。

说清做给谁用、哪些不能动,让AI先看现场、列出要你拿主意的事;你拍板,看过预览再放行。

查看AI Coding全部课目
AI时代的编程基础
  • 1.1走出聊天框:为什么日常干活也需要一个本地AI工具?07:39
  • 1.2搭建本地工作区:用Codex处理第一个本地文件夹13:00
  • 1.3看懂执行循环:自动修错背后的机制与假成功陷阱12:45
  • 1.4讲清为什么与最终目标:整理混乱的旅行相册08:51
  • 1.5选修实战:做个AI视觉看图管家并部署上线
  • 1.6附录:常用本地工具对照与排障备忘
应用篇
  • 图文非科班,如何面对unknown unknown?
  • 视频应用篇 #1:做PPT,如何第二次比第一次快10倍?
  • 视频·图文应用篇 #2:Stop Chatting, Start Scaling: How AI Agents Transform Work - 亚马逊内部讲座
  • 视频·图文应用篇 #3:非技术岗位,如何用AI达成十倍提效?

2026年11月主课重写,视频和图文都是新的;老版章节还在课程下方,随时可以回看。

02 · 核心课 · 约40小时

AI Builders

从自己干,到带着AI干。

455页原创教材 · 导读视频 · 对照实验 · 练手项目 · 中文、英文

新版教材7个模块,455页,约48万字。前四个是主线,后三个选修。

模块1工具一样,结果天差地别

以前AI改了好几轮还不对,以为是提示词不够好。

学完先说清楚怎样才算做好,再让它动手。返工少了,错也少了。

  • 导读同样的工具,不同的结果42:49
  • 1.0导言:工具一样,结果天差地别
  • 1.1先说清楚怎样才算整理好
  • 1.2提示词抄得走,判断抄不走
  • 1.3先做减法
  • 1.4让AI当陪练,不当替身
  • 1.5对整件事的结果负责
  • 1.6长尾:一个人就能做的软件

课程项目连接GUI与API

五个小项目,借助AI,每个十分钟内就能做完;附一场点评与答疑的录像。

  • 视频Office Hours|Mini-Project Review与实战答疑01:32:44
  • 图文概述
  • 练习项目1:从CVPR会议官网抓取数据
  • 练习项目2:从Instagram账号下载图片
  • 练习项目3:用Bookmarklet增强网页搜索
  • 练习项目4:使用GPT-5进行图像内容分析
  • 练习项目5:自动化Pi Day Challenge中的GUI交互
  • 图文总结与反思

模块2上下文工程

让AI熟悉你的工作

以前每开一个新对话,都要从头交代一遍。

学完人名、规矩和你的看法,写进它每次都会先读的文件。交代一次,以后都记得。

  • 导读从提示词到上下文基础设施01:09:11
  • 2.0导言:上下文工程
  • 2.1从聊天框搬进工作区
  • 2.2先给需求做分流:哪些写进代码,哪些留给上下文
  • 2.3把背景事实变成可维护的文件
  • 2.4把操作规程写成可复用的Skill
  • 2.5把个人视角沉淀进工作区
  • 2.6回流与记忆治理:让日常修改安全入库
  • 2.7百万窗口够用吗:名义窗口与有效上下文
  • 2.8渐进式披露与检索:给skill建一份索引
  • 2.9一起处理还是分开:用上下文隔离分工
  • 附录配置AI Builder Space

模块3AI管理学

让AI按标准交付

以前AI十次对八次,剩下两次只能一条条盯着找。

学完不用逐字重看,也知道它做对了。一小时的活,写清交上来要满足哪几条,就能整段交给它。

  • 导读从AI使用者到AI管理者01:02:01
  • 3.0导言:AI管理学
  • 3.1AI不是计算器
  • 3.2先定义成功:数据集、指标、基线
  • 3.3写检分离:评委不能是作者
  • 3.4可观测性:汇总指标与逐条分析
  • 3.5从修bug的人到教练
  • 3.6把教练过程沉淀成SOP
  • 3.7长程委派:把终点写成标准,而不是步骤
  • 3.8信任边界:用证据放权
  • 3.9自我调优闭环
  • 3.10数据飞轮
  • 3.11部署成网页版
  • 附录在AI Builder Space上部署

模块4AI给答案,你来选

以前教程和AI给什么方案,就挑一个用。

学完分得清像样和靠谱。还会自己挑一件值得做的事,做给真实的人用。

  • 导读AI给答案,你来选01:00:06
  • 4.0导言:AI给答案,你来选
  • 4.1做题:你的判断从哪里来
  • 4.2世界模型怎么练:用可证伪的预测校准判断
  • 4.3如果AI也在学判断,留给人的是什么
  • 4.4出题:押注什么,为谁而做
  • 4.5做出有人要的东西
  • 4.6收到真实反馈后:下一版怎么改,什么不自己做
  • 4.7毕业项目与课程回顾

模块5选修模型的训练与推理

以前模型为什么一本正经地编、为什么总顺着你说,只能猜。

学完知道这些毛病出在哪一步,还能用自己的文章训一个文风模型。

  • 5.0导言:模型的训练与推理
  • 5.1token、生成过程与采样参数
  • 5.2预训练:压缩互联网
  • 5.3中期训练与继续预训练
  • 5.4后训练:SFT与偏好对齐
  • 5.5推理模型:用时间换智能
  • 5.6推理的两段与缓存
  • 5.7量化、推理栈与硬件
  • 5.8实时语音模型:说话的同时识别
  • 5.9以DeepSeek为例:一个前沿模型是怎么演进的
  • 5.10开放权重与自建部署
  • 5.11微调与LoRA
  • 5.12蒸馏:老师和学生

模块6选修Agentic系统

以前Claude Code这类工具是个黑盒,出了错分不清怪模型还是怪工具。

学完看得懂它里面装了什么,还能用百来行代码自己搭一个。

  • 6.0导言:Agentic系统
  • 6.1什么是Harness:把单次推理变成持续行动的包裹层
  • 6.2解析四个真实Harness的源码:OpenCode、Claude Code、Codex与DSH
  • 6.3基础执行环境:为什么Bash与文件系统是Agent最自然的手脚
  • 6.4工具契约与渐进式披露:怎么给Agent上百个能力而不撑爆窗口
  • 6.5Skill的本质:为什么一份Markdown加一个CLI胜过复杂协议
  • 6.6多智能体编排:投入产出、拓扑选择与文件传递优先
  • 6.7长时间运行与周期性自动化
  • 6.8从Context到Context Infrastructure:让系统越用越顺的三个基础组件
  • 6.9动手:用百行代码写一个极简Coding Harness,并给它装上第一个Skill

模块7选修评估与改进决策模型:以Jev为例

以前爆款AI产品一出来,只能看热度决定用不用。

学完会拆、会测。拆开爆款AI应用Jev,最后自己训一个装得进手机的小模型,玩吃豆人的成绩是Jev的两倍多。

  • 视频课程简介与视频概览22:23
  • 7.1拆开一个爆款:Jev和一套通用的方法
  • 7.2动手:用Claude Code把Jev接上
  • 7.3怎么知道谁更好
  • 7.4普通模型能替代吗
  • 7.5Jev为什么快
  • 7.6让它变聪明
  • 7.7让大模型当老师
  • 7.8蒸馏一个小专才
  • 7.9看清代价,做出判断
  • 7.10拆开你自己的“Jev”

老版章节还在课程下方,随时可以回看。

同一个AI,只改一处,结果差多少?

教材多数小节配一组对照实验,代码和原始数据都附上。

把这一遍写成说明,下一遍几乎不用交代。

做一份每周业务复盘。第一遍,鸭哥一步一步指挥,AI每干几十秒,就要他回来说下一步。他让AI把这一遍的要求写成一份说明,新开一个对话,只说了要哪一周的报告。

AI Builders模块2的导读视频,35:04起的4分钟。英文授课,配中文字幕。

模型不缺聪明,缺的是名单。

不给名单
写对4处、5处
多给一份名单
写对25处、31处
“不管模型多么聪明,它都不可能凭空猜出这串读音对应的是哪几个汉字。”
模块2 · 教材2.3节:31处人名,两个模型各改一遍。

步骤写得再细,也输给5条标准。

照详细步骤做
0次达标
只给5条标准
6次达标
“出错的原因列不完,但成品必须满足的性质只有这几条,而且只有你知道。”
模块3 · 教材3.7节:同一个模型,一场55分钟的会议录音,中英文各做3次。

AI为什么会有智能?

智能来自压缩,而不是推理。

立正的三层推演:知识是点之间的连线;能解释数据的最短规则,在新情况上最管用(Ilya在MIT的讲座);学习建立在你已知的东西上。Hinton问GPT:堆肥和原子弹,为什么像?

AI Builders模块4的导读视频,32:28起的3分钟。

教材原文 · 1.1节「先说清楚怎样才算整理好」开头

把一段语音备忘录的转写贴进聊天框,说一句“帮我整理一下”,听上去是AI最拿手的活:它读得懂口语,也写得出通顺的句子。可真要拿这份笔记去用,你得检查人名对不对、意思有没有走样;而且一条备忘录里常常一口气说了好几件事,比如路上想到的产品点子、刚开完会的待办、给同事记的服务器配置,整理时要分开列,最怕AI把它们全揉成一段。哪一处不对,就得让它再改一遍。

往下是两种整理方式的对照,你拿自己的录音跟着做。

这一节下面,学员的留言

“这一份真多了好多,你们脑子里有的,我小白脑子里没有的东西,这就是我们之间gap,很喜欢这种很详细的方式,毕竟学一个东西,永远都是先把书读厚,再读薄。”

一位新手学员

“这份新课程比老课程实用多了……有具体详细、贴合实际的案例去支撑,对小白学员和老学员都非常非常友好,正在重刷中。”

一位老学员

课程评论区,匿名节选。

03 · 项目课 · 一个自己的项目

AI Architect

毕业时,你会有一个买不到的AI应用。

视频导引 · 原创教材 · 核心项目 · 中文、英文

把核心课学到的,在自己的一件真事上从头做一遍。

大公司做的是通用工具,没人会为你一个人造系统。这一门你自己造:先亲手搭一个最小的智能体引擎,再做成你自己的应用,课后一直用,也能写进简历。

立正讲这门课:为什么要从Builder走到Architect14分钟 · 2025年12月录
阶段以前学完

阶段A

AI应用对你是个黑箱,答错了不知道错在哪一段。

亲手搭过一个最小的智能体引擎。它怎么调工具、怎么一步步推理,你都在日志里看过。

阶段B

跟着教程能做完,换成自己的问题就不知道从哪下手。

三个方向里选一个,做成自己的应用:先写产品简报,再指挥AI做出来。

进阶选学

自己用着挺好,给第二个人用就出问题。

看得清每一步哪里出了错,让几个模型各干擅长的事,分得开不同用户的数据。

阶段B的三个方向,选一个做:

无摩擦交互
不用每次打开聊天框打一堆字,点一下、说一句,就能顺手把事办完。
情境智能
AI读过你的笔记和文章,按你的资料回答问题。
主动智能
它替你长期盯着一件事,值得看的才来找你。

课里还能看两位老师的工作实况:真实干活,边做边说为什么这么判断。

查看AI Architect全部课目
导论
  • 视频视频 #1:我们要学什么?
  • 图文从会搭东西,到会设计系统
  • 视频视频 #2:我们将获得什么?
  • 图文你的作品:一个买不到的系统
  • 图文三个训练方向:无摩擦交互、情境智能、主动智能
  • 视频视频 #3:我们如何抵达目标?
  • 图文怎么学:先搭引擎,再做自己的项目,最后加固
  • 图文学完,你手里有什么
阶段A · 亲手搭一个最小的智能体引擎

以前AI应用对你是个黑箱,答错了不知道错在哪一段。

学完亲手搭过一个最小的智能体引擎。它怎么调工具、怎么一步步推理,你都在日志里看过。

  • 视频视频 #4:阶段A演示与讲解
  • 图文搭后端:你的第一个FastAPI应用
  • 视频视频 #5:Builder Space操作演示
  • 图文把应用接上大模型
  • 图文给它工具:让模型自己决定什么时候去搜索
  • 图文把Agent的每一步打印出来看
  • 图文加一个网页界面,做成完整的应用
  • 图文阶段A小结
  • 视频视频 #6:用Builder Space做一个ChatGPT那样的聊天应用;问答
阶段B · 做自己的项目:先看全局

以前跟着教程能做完,换成自己的问题就不知道从哪下手。

学完三个方向里选一个,做成自己的应用:先写产品简报,再指挥AI做出来。

  • 图文从搭引擎,转到做有用的应用
  • 图文学员门户(Builder Space)替你省掉哪些杂事
  • 图文三个项目方向,选一个开始
阶段B · 方向一:无摩擦交互

不用掏出手机打字,一个手势就能记下一闪而过的想法。示例项目:Aha Catcher。

  • 图文AI为什么还困在聊天框里
  • 图文先问清:真正的痛点是什么
  • 图文工作方法:你当管理者,AI来动手
  • 图文示例:Aha Catcher,随手记下一闪而过的想法
  • 图文示例第1步:写产品简报
  • 图文示例第2步:做出最小可用版本
  • 练习你的任务:做一个你自己的无摩擦工具
阶段B · 方向二:情境智能

AI读过你的笔记和文章,按你的资料回答问题。示例项目:笔记历史学家。

  • 图文让AI记得你:从你的笔记和资料里回答问题
  • 图文先定用途:查事实,还是找规律
  • 图文工作方法:把管理AI用到更复杂的项目上
  • 图文示例:能查问你全部笔记的“笔记历史学家”
  • 练习你的任务:给自己的资料做一个问答系统,先建评估集
阶段B · 方向三:主动智能

它替你长期盯着一件事,值得看的才来找你。示例项目:竞争对手雷达。

  • 图文从听指令的助理,到会主动提醒你的幕僚
  • 图文难点在过滤:什么才值得提醒你
  • 图文工作方法:管理AI的三项基本功
  • 图文示例:竞争对手雷达
  • 练习你的任务:做一个替你长期盯着一件事的智能体
进阶(选学)· 从能跑到能长期用

以前自己用着挺好,给第二个人用就出问题。

学完看得清每一步哪里出了错,让几个模型各干擅长的事,分得开不同用户的数据。

  • 图文导论:从“能跑起来”到“可长期运行”
  • 图文用Context Debugger看清每一步哪里出了错
  • 图文让多个模型各干擅长的事
  • 图文给别人用之前:区分用户,隔离数据
  • 图文结业总结:你学会了什么
案例与工作实况
  • 图文什么时候不该用AI
  • 图文学员实践:在三星手表上做Aha Catcher
  • 图文课代表和鸭哥工作的实况(一):一起折腾工具和工作流
  • 图文课代表和鸭哥工作的实况(二)|高手的判断从哪里来?

AI Builders 2027三门课,买一次,终身能学。$1,048或¥6,999,14天无理由退款。

看课程与价格