DAY01
195020172026
DAY 01 · PUBLISHEDAI NATIVE TALENT TRAINING · LEARNING ARCHIVE
让每一天的学习，变成可验证的作品。
把课程输入转化为实验、判断与可交互成果，在同一座数字展厅中呈现完整的学习过程。
PREPARED BY 何臻琳 · HE ZHENLIN
AI NATIVE LABAILEARN · TEST · BUILD
01AI 发展史、产业认知与工具实践02AI 伦理、神经网络与产品实践03机器学习、自然语言处理与强化学习04机器人、视觉与人机协作05推荐、搜索与多模态决策06大模型运行逻辑与能力边界07提示词工程与人机协作08从“会提问”到“可控输出”09从文字到镜头｜文生图提示词的视觉控制系统10AI 到底如何“学会”一件事｜神经网络从学习到推理的工作闭环11从提示词技巧到可验证控制系统｜Prompt Engineering：从指令到控制12从感知到推断｜AI 如何看见、生成与理解13AI 如何理解输入｜从 Prompt 设计到计算机视觉14从看见到创作｜AI 多模态视觉与创意生产15从“会回答”到“会行动”｜AI Agent：感知 × 思考 × 行动16从模型到行动｜工厂 AI Agent 产品化路径DAY 01AI 发展史、产业认知与工具实践DAY 02AI 伦理、神经网络与产品实践DAY 03机器学习、自然语言处理与强化学习DAY 04机器人、视觉与人机协作DAY 05推荐、搜索与多模态决策DAY 06大模型运行逻辑与能力边界DAY 07提示词工程与人机协作DAY 08从“会提问”到“可控输出”DAY 09从文字到镜头｜文生图提示词的视觉控制系统DAY 10AI 到底如何“学会”一件事｜神经网络从学习到推理的工作闭环DAY 11从提示词技巧到可验证控制系统｜Prompt Engineering：从指令到控制DAY 12从感知到推断｜AI 如何看见、生成与理解DAY 13AI 如何理解输入｜从 Prompt 设计到计算机视觉DAY 14从看见到创作｜AI 多模态视觉与创意生产DAY 15从“会回答”到“会行动”｜AI Agent：感知 × 思考 × 行动DAY 16从模型到行动｜工厂 AI Agent 产品化路径
LEARNTESTBUILD
THE WORKING SYSTEM
LEARN提炼知识
TEST设计实验
VERIFY验证边界
DELIVER形成作品
学习不止于“我知道了”，而要能够解释、实验、验证并交付。
LEARNING ARCHIVE
按学习脉络，
查看每一天的完整成果。
每件作品都保留当天的核心问题、实践过程与最终交付；点击任意卡片即可进入独立展厅。
DAY02
LOSS ↓
DAY 02 · PUBLISHEDDAY03
TEXT→VECTOR→MODEL
DAY 03 · PUBLISHEDDAY04
AISENSETHINKACT
SENSE · THINK · ACTDAY05
INPUT?DECISION
DAY 05 · PUBLISHEDDAY06
我喜欢AI→?
DAY 06 · PUBLISHEDDAY07
?PROMPT
CORE
DAY 07 · PUBLISHEDCORE
DAY08
交互式 HTML · Prompt Engineering
从“会提问”到“可控输出”
系统梳理 Prompt 常用技巧、零样本与少样本的选择方法，并把自然表达迭代为目标清晰、边界明确、结果可验证的任务规格。
进入完整作品 ↗INTENT→SPEC→VERIFY
DAY 08 · PUBLISHEDDAY09
交互式 HTML · Visual Prompt System
从文字到镜头｜文生图提示词的视觉控制系统
把人物、场景、镜头、光线与情绪组织成可复用的提示词结构，并建立从剧本文字、分镜描述到关键帧画面的完整转化路径。
进入完整作品 ↗CHARACTER＋CAMERA＋LIGHTFRAME 09
TEXT → SHOT → KEYFRAMEDAY10
交互式 HTML · Neural Learning Lab
AI 到底如何“学会”一件事｜神经网络从学习到推理的工作闭环
从输入层、隐藏层与输出层出发，把前向传播、损失计算、反向传播、梯度下降与参数更新串成完整闭环，并进一步解释泛化能力与模型幻觉。
进入完整作品 ↗DATA→FORWARD→LOSS↶BACKPROP→UPDATE
ERROR → GRADIENT → LEARNINGDAY11
交互式 HTML · Prompt Control System
从提示词技巧到可验证控制系统｜Prompt Engineering：从指令到控制
从目标、上下文、角色、拆解与输出约束出发，把 Prompt 重构为可验收的控制系统，并以 500 条记录完成 EXTRACT → NORMALIZE → VALIDATE 数据清洗闭环。
进入完整作品 ↗GOALCONTEXTBOUNDARYVERIFYCONTROL
EXTRACT → NORMALIZE → VALIDATEDAY12
交互式 HTML · AI Capability Lab
从感知到推断｜AI 如何看见、生成与理解
通过视觉感知、生成控制、文本分类与语言理解四组实验，把 AI 的输入、模式识别、预测与人工复核串成一条可验证的能力链路。
进入完整作品 ↗AI COREVISIONGENERATIONCLASSIFICATIONINFERENCE
INPUT → PATTERN → PREDICTION → REVIEWDAY13
交互式 HTML · Input Interpretation Lab
AI 如何理解输入｜从 Prompt 设计到计算机视觉
通过 Prompt 演进、角色棱镜、视觉识别与生成模型对比四组实验，观察语言与图像输入如何被组织、解释，并最终形成判断与输出。
进入完整作品 ↗LANGUAGEROLE · CONTEXT · CONSTRAINT→INTERPRET←VISIONCOLOR · SHAPE · EDGE
INTERPRETATION → JUDGMENT → OUTPUTDAY14
交互式 HTML · Multimodal Creative Lab
从看见到创作｜AI 多模态视觉与创意生产
以武汉大学老图书馆为真实案例，探索 AI 如何看见、理解、判断，并把视觉输入转化为校园海报与多镜头创意短片。
进入完整作品 ↗IMAGESEE · REASON→CREATE→MEDIAPOSTER · FILM
VISION → JUDGMENT → CREATIVE OUTPUTDAY15
交互式 HTML · AI Agent Evidence Lab
从“会回答”到“会行动”｜AI Agent：感知 × 思考 × 行动
从课程证据、真实工业案例与实际返工记录出发，拆解 Agent 如何围绕目标完成感知、规划、行动、观察与修正，并明确工厂落地中的人机权限边界。
进入完整作品 ↗AGENTPERCEIVEREASONACTOBSERVE
GOAL → ACTION → OBSERVE → REVISEDAY16
交互式 HTML · Factory AI Agent Product Lab
从模型到行动｜工厂 AI Agent 产品化路径
以四层架构、18 项 PRD 与 UCI SECOM 真实半导体数据为证据，设计从异常证据工作台、信号排序到人工验证和知识沉淀的工厂 AI Agent 产品化路径。
进入完整作品 ↗INTERACTIONAPPLICATIONDATAMODELAGENT
EVIDENCE → INSIGHT → HUMAN GATE → ACTIONSELECTED EXPERIMENTS
真正体现能力的，
是结论背后的实验过程。
精选三个可复现案例：先提出问题，再控制变量、比较结果、定位风险，最后沉淀为可迁移的方法。
WORKING METHOD
从课程输入，到可以公开展示的成果。
每一天都遵循同一套闭环：把抽象知识转成具体问题，用实验获得证据，再通过反馈持续修正表达与交互。
- 01学习提炼关键概念与边界
- 02实验把观点变成可操作任务
- 03验证比较结果、寻找失效条件
- 04迭代根据问题修正文案与功能
- 05交付形成可阅读、可演示的作品
FROM KNOWLEDGE TO WORK