别人教你从“AI是什么”开始，周老师带你从“做一架能弹响的小钢琴”出发。30课，6个阶段，每一阶段的终点都是一个能打开、能点击、能看见结果的作品。这套AI入门学习路径不按功能分类，按“能力递进”排布——先做出来，再看懂一点；先敢开始，再学会验收；先跟着走一遍，再慢慢变成自己的方法。
六阶段能力递进模型：从0到1的完整路径
普通AI教程最常见的结构是按功能分类：先讲聊天，再讲绘图，再讲文件处理。这种分类看似清晰，却忽略了一个关键问题——新手最需要的不是“知道有哪些功能”，而是“怎么把一个想法变成结果”。周老师的30课采用了一种完全不同的结构：按能力递进而不是按功能分类。
六个阶段对应六种能力的建立：第一阶段建立“我能做出来”的初始信心（小钢琴），第二阶段建立“本地处理”的隐私意识（转写工具），第三阶段建立“工程规划”的系统思维（PDF编辑器），第四阶段建立“方法沉淀”的复用能力（Skill），第五阶段建立“按时运行”的自动化节奏（每日壁纸），第六阶段建立“独立判断”的问题拆解能力。每一阶段的能力都是下一阶段的基础，层层递进而非并列分布。
第一阶段——小钢琴：从“一句话”到“一个能玩的作品”
第一课的提示词写明了7个具体需求：7个琴键、鼠标点击发声、键盘数字发声、不同音高、优美页面、单HTML文件、告知打开方式。读者不需要会写HTML、CSS或JavaScript，只需要把一个小想法说到AI能动手的程度。
验收标准同样具体：页面上有7个琴键、鼠标点击每个琴键有声音、键盘数字1到7也有声音、页面比默认白底黑字好看。这四件事就是这节课的“完成”定义。周老师在书中写道：“验收这个词听起来有点正式，其实很简单，就是你要知道，这件事怎样才算做完。很多人用AI不稳定，不是因为不会写提示词，而是因为他不知道怎么检查结果。”
第二阶段从修改视觉开始（用截图表达审美需求），第三阶段引入AGENTS.md建立项目规则，第四阶段让AI先读懂项目再继续，第五阶段做出可分享的音乐。五课完成一个小作品的同时，读者已经体验了“生成→验收→反馈→修改→分享”的完整循环。小钢琴的代码可能不复杂，但它建立的行动模式——先想清楚、再说清楚、再验收结果、再继续迭代——会贯穿全书。
第二阶段——本地转写工具：从“能用”到“敢用”的隐私意识
第二阶段用音视频转写工具来训练“本地优先”的意识。第六课先让读者跑通本地转写，第七课做成可点击的界面，第八课支持视频和字幕生成，第九课处理批量素材，第十课用断网测试验证隐私边界。每一课都在前一课的基础上增加一项能力，但贯穿始终的线索是：音视频内容不能上传到线上转写服务。
第十课的断网测试是这段课程的高潮。读者先让Codex检查代码确认模型下载完成后转写是否会上传，再保持联网用一段公开测试音频让模型准备好，然后断开网络连接，使用同一个已经准备好的模型再转一次。如果断网后转写成功，就验证了一件有价值的事：在本地模型已经准备好的情况下，这个工具不靠联网也能完成转写。这个测试教会读者的不是技术操作，而是一个可重复的判断方法——不要相信界面上的一句话，而是通过可验证的测试来确认。
第三阶段——PDF编辑器：从“做功能”到“做软件”的工程思维
PDF编辑器是全书从“工具”到“软件”的关键跨越。前两个阶段目标明确、功能单一，可以直接让Codex开始做。但PDF编辑不是这样——“编辑PDF”可能包含改文字、补充内容、签名、遮盖敏感信息、整理页面，甚至处理扫描件，难度和实现方式各不相同。
周老师在这里引入Plan模式：让AI先规划，再动手。读者先让Codex给出一个“清楚、可执行的第一版计划”，指出需要读者决定的问题（只支持Windows还是同时支持Mac、最常处理哪类PDF、安全遮盖是否必须进入第一版）。确认计划后才开始实现。第一版做出来后发现预览空白和导出报错，不是推翻重来，而是针对这两个具体问题修复。水印功能是在核心功能稳定后才加入的，安全遮盖的压平处理是专门用假敏感文字验证过的。最后打包成安装软件前，先用测试PDF完整走一遍关键能力。
第四阶段——Skill：从“会做”到“会教”的方法沉淀
Skill的本质不是“插件”，而是“让AI带着你的方法做事”。但周老师没有一上来教读者安装别人的Skill，而是先让Codex采访读者，帮读者发现自己反复使用、值得沉淀的方法。
采访模式要求Codex一次只问一个问题，像聊天一样进行：“你平时反复会做的事是什么？”“你曾经不满意AI结果的时刻是怎样的？”“你特别在意的标准和判断是什么？”——通过一系列追问，把读者平时很容易忽略的判断说出来。选定了方向之后，才制作成Skill，再用一个新任务测试它是否真的像读者本人。测试发现偏离，就补上一条；测试通过，就先用起来，以后遇到新的缺口再补。这种“先体验→再发现→再制作→再测试”的顺序，让读者理解Skill的价值不是安装了多少个，而是有没有让AI更接近自己的判断。
第五阶段——自动化：从“手动”到“按时”的节奏控制
自动化不是“让AI做更多事”，而是“让AI在约定时间自己回来做一件值得期待的小事”。周老师选择塔罗壁纸作为自动化的起点——十分钟后送一张竖屏壁纸和一段不超过100字的今日解读。这个选择不是因为塔罗很重要，而是因为它满足了三个条件：每天出现不会烦、结果能判断喜不喜欢、不替用户作重大决定。
创建任务前先让Codex说明触发时间，确认无误后才创建。十分钟后收到结果，发现画风不喜欢，不是直接改任务，而是先关掉每日运行，用即时生成的方式反复调风格。调出满意的方向后，把确认过的偏好整理成“每日生成要求”，再正式设置每日任务。创建后打开自动化菜单查看任务设置确认无误。连续收到几次后决定是否保留、修改或暂停。这种“先测试→再调优→再正式运行→再持续评估”的节奏，比任何自动化配置技巧都更重要。
第六阶段——从“跟着做”到“自己会想”
最后一段课程没有新功能、没有新项目，而是回到最底层的问题：普通人到底该让AI帮自己做什么？周老师给出了一个清晰的判断框架：从自己的不顺手里发现任务线头→把愿望压成一个具体麻烦→第一版只验证一件事→用四个标准判断第一步是否靠谱→不满意时把“我觉得不对”说成“哪里不对”→把成功复盘成方法。
这六个步骤不依赖任何一个AI工具，但它们决定了读者离开教程后能不能独立走完从想法到结果的完整路径。当读者面对一个问题时能问出“我想解决什么？第一步要多小？哪里有风险？结果怎么验收？不满意时怎么反馈？做成以后怎么留下经验？”——这套判断力已经长在了读者自己身上。
