100天 AI Product Builder 计划|Day 2 学习记录

AI产品生态与系统认知

今天的重点是理解 AI 应用背后的系统结构:LLM、Prompt、Context、RAG、Tool、MCP、Workflow、Agent 和 Skill。

Daily Review

当天复盘

Day 页面只记录当天学习过程和关键反思,长期知识卡片统一进入 AI 学习画册。

今日完成

今天从整体层面认识了AI的工作原理,接触了LLM、RAG、Agent Skill等概念,也重新理解了提示词、AI检索和Vibe Coding在实际构建中的作用。

今日卡点

一下子学习的内容有点多,有些词虽然以前听过很多次,但实际上并不真正理解。比如Agent Skill,我之前以为它是某种技巧,后来才知道它更像是放在硬盘里的说明文档或任务能力包。

今日收获

通用语言助手适合澄清问题、规划方案、生成初稿、解释概念、辅助表达和提供反方观点,但最终判断仍然要由人完成。我更愿意把关系理解为:人是CEO,AI既像前辈,也像员工,帮助CEO认识问题、拆解任务并执行部分工作。AI检索要注意来源、交叉验证和时间条件;Vibe Coding会让审美、创意、需求分析、表达能力和持续迭代变得更重要。

明日任务

继续秉持不完美原则,每一类AI应用都尝试使用几次,先理解基本用法;后续逐步实践Workflow、MCP、RAG等概念和工具。

Key Takeaways

今日核心理解

01

AI应用不是一个模型,而是一套由模型、上下文、工具、流程和产品设计组成的系统。

02

通用语言助手适合澄清问题、规划方案、生成初稿、解释概念和提供反方观点。

03

AI检索需要关注信息来源、交叉验证和时间条件,不能只看综合答案。