Loading...
Loading...
这里记录我每天怎么学、怎么卡住、怎么调整下一步。列表只放摘要，完整正文保留在每一天的独立记录里。
已记录
36 天
当前进度
Day 36
当前阶段
Phase 5
Timeline
时间线关注真实过程：今天完成了什么、卡在哪里、下一步如何继续。
今天最大的收获是不完美原则：与其等待最理想的工具，不如先用当前能用的工具做出真实成果。AI学习不能只停留在准备和比较阶段，而要尽快进入构建。
下一步
重点完善网站基础结构和100天计划页面，让后续学习能够持续沉淀为可展示的作品集。
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。
下一步
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。
今天最大的收获是建立了问题意识。我开始意识到，问一个清晰、具体的问题非常重要。很多时候不是先急着做功能，而是要先确定用户是谁、场景是什么、痛点在哪里，再去思考解决方案和执行路径。
下一步
下一步会进行一个产品的中度拆解。一方面增加自己的实际体验，真正观察产品的使用流程、亮点和限制；另一方面参考别人总结的视频和资料，补充外部视角。接下来希望拆解内容不只是结构完整，而是更有真实感、判断力和可迁移启发。
今天最大的收获是意识到 AI 产品的发展速度远超我的想象，也提醒自己不能因为傲慢而拒绝尝试新事物。不同 AI 各有所长，但尝试新工具也有成本，所以我需要建立自己的工作流，对 AI 产品保持追踪，并持续自我迭代。
下一步
明天计划拆解 Codex，并更深入体验 Codex 的功能，尤其关注它如何帮助非技术背景学习者完成真实网站和 Demo 构建。
今天最大的收获是意识到：Codex 的价值不只在写代码，而在把模糊需求变成具体任务，并进入现有项目完成修改。复杂项目里，清晰表达需求、建立认知模型和产品表达能力会变得非常关键。
下一步
下一步会规划下一阶段学习计划和 Phase 1 总结，同时把后续产品拆解转向更具体的小产品和新兴产品。
今天最重要的判断是：Phase 2 不应该只是学习提示词，而是建立一套更稳定的 AI 协作方法。核心能力是把模糊需求说清楚，再通过 Prompt、Context 和输出评估，让 AI 成为更可控的协作者。
下一步
下一步进入需求表达和提示词工程训练，先从“把模糊想法变成清晰任务”开始。
在流程上，可以先告诉AI上写文与背景，接着问AI理解的自己想法是什么，然后让AI生成专业的提示词，随后让AI模拟运行提示词输出几个案例，最后是不断修改、完善需求和提示词。
下一步
明日，重点学习context engineering，研究需要给AI提供什么上下文。
尽管学习很少，但是明白了一个更有效的原则，一定要把重要的事情优先做。
下一步
明天我会把今天的内容补上，然后再重点学习context engineering。明天的成果要包含几个可以常用的提示词。
今天最大的收获是：给 AI 设置流程和检查点机制很有用；在开始前构建一个系统框架很重要；给 AI 提供真实可参考的案例也很有价值。除了 AI 方面的学习，我也意识到建立一个表达系统很重要，这种表达可能是语言，也可能是画面。
下一步
下一步继续学习 Context Pack、Context Checklist、Context Engineering 和 Harness Engineering，并继续理解系统学习一个领域的重要性。
今天基本明确了与 AI 分配任务的流程：先澄清需求，再组织 Context，再让 AI 执行，最后用审查框架判断输出是否真实、有用、可交付。会用 AI 不只是提出需求，也包括分配任务、设置边界、检查结果和给出下一轮修改方向。
下一步
明天重点完成 AI 写作方法论，建立一些有实际价值的产出，把需求澄清、Context 和输出审查真正放进写作流程里。
要明确自己的主线，并且对接真实的现实，这样的AI学习才是有意义，有价值，有收获的。
下一步
下一步继续明确自己的主线，把产品拆解、AI学习和真实现实对接起来，并在内容中加入自己的思考与判断。
Phase 3 会注重学习、实践、产出的平衡：每天学习一个领域和新技术新工具，实践一个 Demo 原型，同时让产出具备美观性、可视化和作品集展示价值。
下一步
下一步正式按 Phase 3 的节奏推进：先从 AI 产品评估助手的产品定义和需求澄清开始，再逐步进入调研、评估框架、页面原型和 Demo Lab 展示。Let's go！
notion可以用于.md文件的编写。
下一步
下一步，是检索真实的案例和UI设计，交给AI，让其制作专业级的UI设计和页面结构设计。
下一步需要学习相应的skill，让AI更好执行。
下一步
明天将完成静态demo的修改完善。做好进入连接API的准备。
下一步将学习skills，展示具有审美感的产品。同时，学习API接口，探索不同的AI生成方案。
下一步
下一步将学习skills，展示具有审美感的产品。同时，学习API接口，探索不同的AI生成方案。
此外，我最近想AI可能带来的真需求很少，更多的是对现有流程的改造，一个小改造的意义也很大。对于个人来说，可以选择去做改造流程的产品，或者利用AI升级自己的工作流。未来，可以预见的是岗位会进一步减少，市面上可能会出现很多无用需求。
下一步
下一步我需要继续学习skills和AI工具，思考如何记录好每日复盘。
不断学习新工具？可以构成我应用实践的主线。对于个人来说，可以选择去做改造流程的产品，或者利用AI升级自己的工作流。
下一步
接下来，我将完整复盘开发demo1的经历，补充案例复盘，反思开展下一个demo。
今天最大的收获是学习使用了 Claude，@文件、拖拽图片、斜杠命令就可以操作。文件改坏了可以用 /rewind 操作，/compact 可以自动压缩上下文，/context 还需要再复习。claude.md 可以分为全局、项目、子文件夹级。
下一步
接下来，我会总结复盘 AI 产品分析 demo 的流程，并制定下一阶段的计划。
回顾整个构建过程，最核心的收获是：需求澄清和范围控制比代码本身更重要。一个清晰、克制的产品定义能让后续的 vibe coding 有明确的边界和方向，而不是盲目堆功能。AI 产品不是接上 API 就结束了，真正重要的是看它在不同输入下的输出是否稳定、是否克制、是否符合产品目标。
下一步
明天重点完成下一阶段的计划，并重点改进每日复盘记录的结构和深度，让复盘不再只是记录做了什么，而是真正沉淀判断和方法。
phase4的每日执行要注意及时的总结和复盘。phase4的最终成果是找到相关的实习，如此可以进一步与行业内人士交流。phase4的时间与毕设答辩的准备相重叠，但也提供了额外的动力。记得去图书馆学习。
下一步
按计划进行phase4的每日执行与复盘。
AI 产品评估需要形成闭环：用户是谁、痛点是什么、功能怎么解决、结果如何判断可靠，以及限制场景下的替代路径。
下一步
继续产品经理思维的学习，并额外开始学习 skills。
学习了一些产品经理思维，把网页的内容知识掌握就已经很厉害了。
下一步
明天尝试使用下载的UI和PPT设计skills。
产品拆解需要先梳理产品类型、目标用户、核心场景和用户痛点，再继续整理解决方案、产品亮点、用户路径和核心功能。
下一步
继续汇总 AI 产品的解决方案、产品亮点、用户路径和核心功能；时间允许时补充产品限制和商业模式。
拆解 AI 产品时，先理解技术解决方案，再观察这些能力如何组合进用户路径。
下一步
调整 Phase 4 节奏，继续推进 AI 产品拆解学习，并把解决方案、核心能力和用户路径连起来。
产品亮点可以从能力、可信、生态和体验四类观察；产品限制需要结合成本、速度、幻觉、隐私合规、插件依赖、功能边界和文化语境。
下一步
继续把产品拆解框架用于具体 AI 产品，并补上 skills 的实际应用练习。
下一阶段按整理素材、投递简历、寻找面试机会三个步骤推进。
下一步
整理素材，投递简历，寻找面试机会。
作品集不只是记录成长，也需要服务真实求职场景。页面应该让招聘方快速理解我是谁、做过什么、掌握哪些能力，以及正在寻找什么机会。
下一步
开始正式投递，记录岗位、渠道、话术、状态和跟进时间，并根据真实反馈持续优化简历和作品集。
Phase 4 已经从准备进入真实市场接触：一边通过多渠道投递获得反馈，一边把作品集升级成更有辨识度和可信度的求职入口。AI 协作不只用于写代码，也可以通过 skill 和 subagent 承担更复杂的设计升级任务。
下一步
继续扩大投递范围，记录每个渠道的反馈情况；同时对新版网站进行构建检查、移动端核对和关键页面浏览，优先修复影响招聘方理解的问题。
把多个科研相关 skills 汇总成一个新的工作流后，处理文件效率明显提升；下一步需要用对比测试和输出格式约束验证质量。
下一步
进行新建 skill 和已有 skill 的输出质量对比，约束输出格式，扩展到更多 public 领域，并寻找解决 Codex 网络质量的 skill。
学习 AI 三十天最大的收获是认知上的提升。接下来的学习不能只是泛泛体验工具，而要先确定要进入的领域，再结合岗位需求进行针对性实践和作品展示。
下一步
参加第一个黑客松，并在赛后复盘团队协作、问题选择、方案设计、AI 工具使用和最终展示效果；随后确定下一阶段重点领域并制定针对性学习计划。
黑客松选题需要同时考虑时间、场景、开发成本和展示效果。短时间项目更适合规则简单、入口直接、容易试玩和传播的核心机制。
下一步
围绕《反着来》推进核心玩法，优先跑通主流程，并持续检查分工、文件结构和最终展示路径。
这次结果证明我能够在高压时间内推动项目从模糊想法走向可展示 Demo。产品入口必须足够简单，但想从“好玩”走向更优秀的作品，还需要更强的价值导向、稳定主流程和展示完成度。
下一步
先恢复体力，再完整复盘选题、协作、工程、领导力、反馈和展示过程，提炼下一次可以直接复用的资产。
休息不是中断计划，而是高强度实践后的必要恢复。先恢复状态，才能更客观地复盘结果和问题。
下一步
整理黑客松过程、结果、导师反馈和个人判断，形成完整复盘与可复用核心资产。
最有价值的不是二等奖本身，而是第一次完整经历产品从混沌到落地的全过程，并把经验沉淀为下一次可以直接调用的方法、规则和模板。
下一步
把复盘中的 WebSocket 在线匹配经验、协作规则和项目模板进一步整理为可复用 Skill，并在后续项目中实际验证。
一次项目的价值不只在最终 Demo，也在于能否把技术经验、协作规则和执行流程提炼成可复用资产。本地模型与 MCP 扩展了可控 AI 工作流的可能性，但下一步必须回到明确方向和真实任务。
下一步
重新审视 100 天路线和目标岗位方向，确定下一阶段重点领域，并围绕真实项目制定学习、实践、展示和复盘计划。
解决一次问题只是短期结果，把诊断过程、判断规则和操作步骤沉淀成可复用 Skill，才能形成长期能力。方向选择也不能只看概念和趋势，而要与真实项目、岗位要求和可展示成果连接。
下一步
制定下一阶段的具体计划，重点梳理“学评通”的目标用户、核心问题、AI 介入点、MVP 范围、验证方式、阶段产出和作品集展示路径。
Phase Review
阶段内容回答：这一阶段产出了什么，为什么进入下一阶段，以及当前学习策略如何变化。
Review Questions
每周回到产出、卡点、判断和下一步。