这套课不是线性目录，而是一张成长地图
共同底座
建立统一世界观与方法地图
共同底座：所有路线共享的世界观与方法地图
无论你最终走向产品、工程、设计还是架构，你都需要先建立同一套底层理解：AI 改变了什么，模型边界在哪里，什么是 Context Engineering，什么是 Agent / Workflow / MCP / Skills / Computer Use / Harness，为什么可靠性、评测、成本与治理会成为系统的一部分。
模块 1｜AI 时代的软件世界观
理解软件 1.0/2.0/3.0、能力迁移与 AI 原生软件的新构件。
模块 2｜模型心智模型与能力边界
建立 LLM 基础心智、失败类型、上下文窗口、RAG 与 Tool Use 的边界感。
模块 3｜AI 产品思维与任务拆解
学习场景筛选、问题定义、任务拆解、MVP 控制与产品交付路径判断。
模块 4｜从 Prompt 到 Context Engineering
理解 Prompt 的边界，掌握 Context Engineering、上下文八要素与可复用 Context Spec。
模块 5｜从 vibe coding 到 agentic engineering：AI 原生 IDE 与 Harness Thinking
理解 AI 原生 IDE、vibe coding、agentic engineering 与 Harness Thinking 的关系。
模块 6｜Agent 基础范式、MCP 与工具协议
理解 Agent 的核心组成、协议层与最小可用系统设计方式。
模块 7｜Skills、能力模块化与 Agent 资产复用
学习 Skill 的定位、结构、能力打包方式，以及如何建设 Skills Library。
模块 8｜Computer Use、操作环境与 AI 原生交互
学习 Computer Use 的边界、系统结构、体验模式与可控工作流设计。
模块 9｜评估、调试、可靠性与成本意识
建立评测、调试、Tracing、成本-延迟平衡与最小工程化原则。
模块 10｜AI 交互、组织协作与未来编程范式
理解 AI 产品交互流、可信机制、工作台形态与未来团队协作方式。
四条路线，不是四个方向。而是四条完整的五级成长路径。
点击任一路线，可展开查看该路线的完整能力解释、模块路径与代表成果。
AI Product Builder
适合想把 AI 从机会识别一路做成可运行产品、可验证 MVP 与可持续迭代体系的人。
适合谁
代表成果
- AI 产品机会判断报告
- AI 产品 PRD Lite
- 产品原型 V1
- AI 产品核心工作流图
- 前沿能力产品选择说明
- 产品上线与迭代方案
L1-L5 路线能力刻度
机会判断
L1-PB：能理解 AI 产品机会、MVP 与基本产品路径，能做基础判断。
原型构建
L2-PB：能做出一个小型 AI 产品原型或 MVP，并讲清用户、价值与流程。
独立 MVP
L3-PB：能独立完成 AI 产品定义、原型、闭环和迭代方案。
产品体系
L4-PB：能设计产品体系、版本策略与前沿能力引入路径。
产品线领导
L5-PB：能领导 AI 产品线、产品飞轮与多角色协作体系。
本路线的真实模块结构
以下模块直接来自课程主路线设计文档，覆盖从入门到高阶认证所需的核心能力与代表产出。
模块 A1｜AI 产品机会识别
建立 AI 产品判断力，学会识别真正值得做、且不是伪需求或伪 AI 的机会。
- 1如何发现值得做的 AI 产品
- 2增强、自动化、共创：三种 AI 产品价值模型
- 3如何识别伪需求与伪 AI 产品
- 4案例拆解：优秀 AI 产品为什么成立
模块 A2｜AI 产品定义与 MVP 设计
把机会判断收束成用户、任务、价值与版本边界清晰的产品定义。
- 1用户画像、场景与核心任务
- 2定义最小可用价值
- 3功能范围控制与版本路线图
- 4把产品需求写成 AI 时代可执行说明
模块 A3｜AI 原型与快速构建
用 AI IDE 与轻量工程方式快速拼出第一版可交互产品原型。
- 1用 AI IDE / 轻代码方式快速做出第一版
- 2前端、后端、模型能力的最小拼接
- 3从静态界面到可交互原型
- 4如何用 AI 完成快速迭代
模块 A4｜AI 工作流产品化
把模型能力升级成完整工作流体验，建立输入、状态、反馈与闭环。
- 1把 AI 能力包装成完整体验
- 2输入、过程、输出与反馈设计
- 3历史记录、状态管理与结果呈现
- 4让产品形成闭环，而不是单次调用
模块 A5｜面向前沿能力的产品判断
站在产品视角判断 MCP、Skills、Computer Use 等前沿能力何时值得引入。
- 1什么时候产品该接入 MCP
- 2什么时候产品该设计 Skills 层
- 3什么时候产品适合 Computer Use
- 4前沿能力带来的体验、成本与风险取舍
模块 A6｜上线、反馈与迭代
把产品从演示态推进到真实用户环境，并建立迭代飞轮。
- 1最低成本上线方案
- 2收集真实用户反馈
- 3从演示版到可用版
- 4形成产品迭代飞轮
前沿专题层：把主路线能力推进到更复杂的系统问题
当你已经具备主路线中段能力后，可以进入前沿专题层。这里的目标不是再学几个新概念，而是把主路线能力推进到 MCP、Skills、Computer Use、Harness 等复杂系统实践中。
专题 F1｜MCP 与开放工具协议
理解 MCP 的时代背景、核心结构、生态趋势与工程适配边界。
- 1MCP 的时代背景与出现原因
- 2MCP 的核心结构与设计思想
- 3MCP Server / Registry / App 化趋势
- 4MCP 的适配边界与工程风险
- 5专题工作坊：设计一个 MCP 接入方案
专题 F2｜Skills 与能力资产化
把一次性 prompt 能力升级成可版本化、可评测、可治理的技能资产。
- 1Skill 作为 AI 时代的新型能力单元
- 2从 Prompt 资产到 Skill 资产
- 3个人 Skills Library 与团队 Skills Platform
- 4Skill Eval、版本化与治理
- 5专题工作坊：设计一个团队 Skills Library
专题 F3｜Computer Use 与 Agent 操作环境
理解环境设计、权限控制、人工确认与体验模式如何决定环境级 Agent 的可控性。
- 1Computer Use 的系统价值与局限
- 2环境设计：Browser / Desktop / VM / Container
- 3权限控制、人工确认、失败恢复
- 4Computer Use 的产品体验模式
- 5专题工作坊：设计一个可控 Computer Use Agent
专题 F4｜Harness Engineering
把 Prompt、Context、Workflow 进一步升级成可观测、可约束、可回归的长时任务外框。
- 1Harness 与 Prompt / Context / Workflow 的区别
- 2Harness 的最小组成：环境、规则、反馈、评测、生命周期
- 3Long-Horizon Agent 的常见失败模式
- 4如何设计一个可观测、可约束、可回归的 Harness
- 5专题工作坊：为一个 Agent 系统设计 Harness
高阶加修：从路线能力走向更高阶系统能力
高阶加修不是第五条主路线，而是把你已经建立的路线能力，继续推进到复杂系统、跨团队交付、标准治理与组织转型的问题空间。
专题理解
认识专题方向与适用边界。
专题复用
能复用专题方法处理更复杂的问题。
路线整合
能将专题能力整合进自己的主路线实践。
复杂交付
能主导复杂系统与跨团队交付。
组织转型
能推动组织级 AI-native 转型。
AI Native Leader（AI 原生领导者）
高阶加修不是第五条主路线，而是把路线能力推进到组织、标准、治理与转型层的问题空间。
模块 L1｜AI 时代的岗位与能力重构
从岗位失效、新能力、新协作方式与企业 AI 成熟度判断切入，重建组织视角。
- 1旧岗位为什么会失效
- 2新岗位、新能力、新协作方式
- 3如何重构团队能力矩阵
- 4企业如何判断自己的 AI 成熟度
模块 L2｜AI 原生团队协作方式
把需求、设计、开发、评测重新组织为 AI 时代的人机混编协作流程。
- 1AI 时代的团队分工模型
- 2需求、设计、开发、评测如何重新协作
- 3人机混编团队的流程设计
- 4团队协作中的责任边界与治理
模块 L3｜组织流程与标准设计
围绕 Context、Skill、Eval、Review、Harness 等能力建立组织级标准与治理机制。
- 1为什么 AI 团队必须有新标准
- 2Context / Skill / Eval / Review / Harness 的标准化
- 3组织级质量与风险治理
- 4从个人高手到组织能力沉淀
模块 L4｜组织级 AI 转型路径
把试点、推广、培训、平台与治理联动起来，形成组织级 AI-native 转型蓝图。
- 1从试点到规模化推广
- 2如何推动跨部门 AI 转型
- 3培训、制度、平台与治理的联动
- 4组织级转型蓝图答辩