← 返回首页

AI 编程能力培训课程目录

这门课是给大学生和在职青年准备的"AI 实战训练"，不是 AI 学科的教科书。我们不讲绕口的公式推导，只训练你真正能用 AI 做事的能力：从看懂 AI 内部在干什么，到亲手让它替你完成一个长任务，再到判断它哪里会出错、怎么修。学完以后，你面对任何一个真实问题，都能拆解成 AI 能执行的步骤，并让过程可见、可控、可持续。

学完你能做什么

这不只是一张知识清单，而是一份能力清单。培训结束以后，你应该能：

• 🗣 说清楚一个 AI 技术到底在解决什么问题 —— 不是背"Transformer 是注意力机制"，而是"它解决了长距离依赖、并行训练和信息路由三个具体问题"。
• 🧮 亲手走过 AI 的核心计算 —— 哪怕不写代码，也能用纸笔推一遍 Embedding、Attention、自回归生成、奖励模型、IAO 编码。
• 🔍 判断一个 AI 系统的边界 —— 它在计算什么关系、忽略了什么关系、在什么情况下会出错、错了应该怎么修。
• 🧱 把任何真实任务拆成 IAO 三段 —— 起因 / 行动 / 结果 —— 再展开成六个具体位置，让 AI 程序员（LLM / Agent）能照着执行。
• 🚀 做自己的项目 —— 不是"听懂了"，而是"做出了能用的东西"。每章配一个 Self 任务，必须把所学连接到自己的真实问题。

这门课给谁开

不需要：深度学习基础（我们会从零补）。需要：每天 1-2 小时、连续 12 周、愿意动手做项目。

导师是谁

课程由 徐宁 主讲。徐宁是 RelVectors 框架作者，《过程信息论》论文作者，在 AI 工具、AI Agent 应用开发、企业 AI 落地咨询方向有多年实战经验。课程所有 SKILL.md 案例都来自真实业务场景，不是教学 demo。

六个能力阶段 · 24 个训练点

整门课分六个阶段。每个阶段解决一个核心问题、训练一组可迁移的能力、产出可验证的成果。

导论 · 给 AI 装一个"过程大脑"

现代大模型很强，但它有一个明显短板：它会"失忆"。你让它帮你开发一个长任务，它在第一次对话还记得你的目标，到第三次对话就忘了；它以为"我删了文件" = "文件真的删了"；它跑偏了、失败了、绕弯了，过程全丢，最后只给你一个"成功"。

这 14 节导论就是教你看懂这件事：

• 📌 0.1-0.5：什么是"过程信息"？为什么状态信息不够用？
• 📌 0.6-0.8：现代 AI 已经会什么、还缺什么？我们要给 AI 补哪一块？
• 📌 0.9-0.11：理论、算法、产品三层怎么分？我学这个能用到什么程度？
• 📌 0.12-0.14：为什么这是一门"教程"而不是"论文集"？

第一阶段 · 看清 AI 怎么从 0 走到今天

你不用成为历史学家，但理解 50 年里 AI 突破的真实问题，能让你在未来遇到新概念时不慌。3 个训练点：

• 🔧 训练 1 从 0 和 1 到可编程机器 —— 为什么二进制？为什么图灵机是"状态迁移"而不是"算答案"？
• 🔧 训练 2 机器第一次"因为经验改变自己" —— 感知机、反向传播、AlexNet 的真实故事
• 🔧 训练 3 Transformer 凭什么成为今天 AI 的核心 —— 词向量、Attention 注意力机制的真实起源

第二阶段 · 真正理解现代 AI 在算什么

8 个训练点，对应现代 AI 系统的 8 大核心模块。读完你能在脑中画出 LLM + Agent 的完整计算图：

• 🔧 训练 4 数据、Token、概率 —— AI 怎么把世界变成数字
• 🔧 训练 5 神经网络、反向传播、Embedding —— AI 怎么把数字变成"关系"
• 🔧 训练 6 Attention 与 Transformer —— AI 怎么动态决定"看哪里"
• 🔧 训练 7 预训练、Scaling、In-context Learning —— AI 怎么"变大变强"
• 🔧 训练 8 RLHF 与奖励模型 —— AI 怎么"理解人类偏好"
• 🔧 训练 9 RAG、向量数据库、MoE、多模态 —— AI 怎么连接外部世界
• 🔧 训练 10 Reasoning、Tool Use、Agent —— AI 怎么"动手做事"
• 🔧 训练 11 Memory、Skill、长期任务 —— AI 怎么"不忘记"

第三阶段 · 让 AI 学会"做长任务"

这是课程的核心新增内容。前 11 个训练点学的是"AI 已经会什么"，这 5 个训练点学的是"我们怎么补它还缺的那一块"：

• 🔧 训练 12 Change、Relation、IAO —— 给"变化"一个稳定的描述方式
• 🔧 训练 13 IAO 的六位置展开 —— 让 AI 程序员能"对号入座"
• 🔧 训练 14 Self —— "谁"在经历这些变化？这是 AI 长期任务的关键
• 🔧 训练 15 三次关系分析与数字表达 —— 把判断变成可比较的数字
• 🔧 训练 16 Evidence、Reality、过程判断 —— 让 AI 不再说"我做了"等于"做了"

第四阶段 · 时间智能 · 过去 / 现在 / 未来

把过去、现在、未来放进同一套 IAO 结构里，让 AI 真的能"记住、定位、规划"：

• 🔧 训练 17 过去：经验、重建、Skill —— 把成功经验压缩成可复用的"操作手册"
• 🔧 训练 18 现在：Frontier、Gap、Next Process —— 知道"现在到底卡在哪"
• 🔧 训练 19 未来：Planning、MCTS、World Model —— 让 AI 真的能"看几步"

第五阶段 · 让系统真的跑起来

学完理论，进工程实操。这一阶段讲清楚 RelVectors 与既有技术的边界，不替代 MDP、强化学习、规划算法、世界模型，而是在它们之上加一层"过程层"：

• 🔧 训练 20 Process Routing 与 IAO Positioning —— 不是所有问题都要进过程系统
• 🔧 训练 21 Task Skill 与动态过程 —— 一份完整任务方案的"模板 + 演化"
• 🔧 训练 22 与 MDP、控制论、因果推断的比较 —— 我们不重新发明这些，我们补它们

第六阶段 · 真的做出一个 Agent 来

从理论到真实代码，从 demo 到交付。这一阶段是你"交作品"的阶段：

• 🔧 训练 23 AI Agent 过程实验 —— 4 个真实任务实验：跑偏了怎么办 / 局部成功但整体失败 / 错了怎么倒带 / 之前的项目能复用吗
• 🔧 训练 24 Self 教育与研究方法 —— 学完这门课以后怎么继续学、怎么做研究

每个训练点的固定结构

• 📍 学习目标 —— 学完能做什么（不是"理解什么概念"）
• 📖 正文 —— 概念 + 公式 + 真实案例 + 与现有技术的边界
• ✍️ Self 任务 —— 必须连接到你自己在做的真实问题，完成一次真实行动，不能只读
• ✅ 本章练习 —— 检验你是不是真懂

附录

• 📖 附录 A 核心术语表（Data / Token / Embedding / Attention / Transformer / Pretraining / Post-training / RLHF / RAG / Agent / Change / Relation / IAO / I1-I2-A3-A4-O5-O6 / Self / Evidence / Frontier / Gap / Skill / Next Process）
• 📐 附录 B 公式与符号速查（自回归语言模型、损失函数、Attention、IAO、6-bit 组合）
• 📋 附录 C 综合课程项目模板（含选题、答辩、互评、评分建议）

学会操控 AI 开发软件 · 11 个场景开发方案

这是教材的 学习案例库：用 RelVectors 完整过程骨架（I1→I2→A3→A4→O5→O6）描述 11 个真实业务场景的 Agent 应用开发方案。每个 SKILL.md 都是一份完整的开发方案文档，可下载、修改、复用为真实项目的起点。

统一特征：首次生成时 I1、I2、A3、A4、O5、O6 必须完整，不留空位；已实现标 implemented，未实现标 planned；任何真实动作必须有 Evidence；高风险行业（医疗 / 法律 / 金融 / 执法）默认 Human-in-the-loop，Agent 只提供辅助。

查看完整场景索引 → · 查看设计说明 →

培训结束 · 你能带着走的 3 件事

1. 🧰 一套可下载的 11 个行业 SKILL.md —— 立刻用在自己公司的真实项目上
2. 🧠 一个"看见 AI 跑偏就修"的能力 —— 别人还在等 demo 出错，你已经能从 Frontier / Gap 定位问题
3. 👥 一份简历加分的项目作品 —— 一份完整的 Task Skill 文档 + 一个能跑的 AI Agent 案例

如果学完你只是会解释"IAO 是什么"，这门课失败了。如果你能面对一个真实问题，自己确定 Self、拆出 A3、调用工具执行 A4、拿到 O5 的反馈、判断是否满足 O6、并在需要时 CHANGE 或 REWIND —— 知识已经变成了你的行动能力。这才是培训的目标。