六大部分，36章。
从理解AI，到研究自己的问题。

从计算机的出现、软件与算法，到模型与计算资源，认识人工智能怎样进入真实生活。

1. 人类为什么希望创造人工智能——从扩展人的能力谈起先不谈技术，回到人本身：我们为什么想造一个能替自己动手的东西？从工具到机器，再到会自己判断的程序，这一章帮你把「AI 是人的能力延伸」这件事想清楚。
2. 计算机是怎样出现的——计算需求与伟大的发明计算需求从哪来？算盘、机械计算机、电子管，每一步都是被真实问题逼出来的。这一章用最短的线索，把计算机的来历讲明白。
3. 软件怎样让计算机执行人的意图——程序与算法硬件只会执行指令，是软件把人的意图翻译成它能懂的话。这一章说清程序和算法的区别，让你知道「让电脑做事」到底发生了什么。
4. 人工智能程序如何真正运行——模型与计算资源模型不是飘在云里的魔法，它要占内存、吃算力、跑在具体的机器上。这一章讲清楚一次 AI 回答背后，硬件和软件各自在干什么。
5. 从计算结果到人工智能产品——技术怎样进入生活一个能算的东西，怎么变成你手机里能用的产品？这一章讲技术落地要过的几道关：速度、成本、稳定和人的使用习惯。
6. AI就是计算机意味着什么——认识能力，也认识边界说「AI 就是计算机」，既是给它定位，也是给它划界。这一章帮你判断：哪些事它真的能做，哪些事只是看起来能做。

从十进制和二进制出发，理解数字、向量、神经网络与大语言模型的计算基础。

7. 为什么计算机使用0和1——从十进制故事走向比特人用十个手指计数，计算机只认两个状态。这一章从十进制讲到二进制，说清为什么「只有 0 和 1」反而更可靠。
8. 世界怎样变成数字——文字、声音、图像与编码一句话、一段声音、一张照片，怎么变成计算机能存的数字？这一章讲编码：把现实世界翻译成 0 和 1 的过程。
9. 数据怎样成为向量——从数字到语义表示光有数字还不够，机器要理解「意思」。这一章讲向量：怎么把词和句子变成一串数字，让相近的意思靠得更近。
10. 神经网络怎样计算——权重、训练与参数神经网络听起来玄，其实是一堆乘法和加法。这一章拆开权重、训练和参数，让你看懂它「学」的过程。
11. Token怎样变成一句话——概率与下一个选择大模型不是一个字一个字「想」出来的，而是一个词一个词「猜」出来的。这一章讲 token 和概率，解释它为什么会说错话。
12. 从0和1为什么会出现智能行为——计算与涌现规则很简单，结果却很复杂。这一章讲涌现：为什么大量简单计算叠在一起，会出现看起来像「智能」的行为。

让语言、文化、专业经验与社会理解，成为设计人工智能应用的起点。

13. 为什么许多人过去觉得计算机离自己很远过去学计算机要先学数学和编程，门槛把人挡在外面。这一章说清这道墙是怎么形成的，以及它为什么正在倒下。
14. 大语言模型到底改变了什么它最大的变化不是算得更快，而是能直接听懂人话。这一章讲这个变化对普通人意味着什么：谁都能开始用，而不是先学会用。
15. 问题定义为什么比简单写出指令更重要问对问题，比写对命令更重要。这一章讲怎么把一个模糊的困扰，拆成 AI 能接手的具体任务。
16. 不同专业怎样使用Agent解决问题法律、医学、教育、传媒，各有各的用法。这一章用不同专业的例子，说明 Agent 怎么接进真实工作，而不是只做演示。
17. 不会编程的人怎样设计AI应用不写代码，也能设计一个能用的 AI 应用。这一章讲清设计的顺序：先定目标，再定输入输出，最后才轮到工具。
18. 为什么这是“文科生的春天”当表达、理解和判断变得比语法更重要，受过人文训练的人反而有了优势。这一章解释这个判断的依据，也说清它不是什么保证。

理解工作怎样变化，认识人的判断、协调、验证与专业责任，思考自己的职业方向。

19. 工作为什么不断变化工作从来不是固定的。这一章从几次技术变化讲起，说明岗位是怎么被重新组合出来的：消失的往往不是行业，而是某些环节。
20. 人工智能正在进入哪些工作不是所有工作都被同样影响。这一章按任务类型拆分，看哪些环节先被接手，哪些还留在人手里。
21. 人的哪些能力仍然重要AI 能写能算，但有些事它替代不了。这一章讲判断、责任和人与人之间的信任，为什么仍然是人站的位置。
22. 人怎样与AI共同完成任务最好的用法不是「交给它」，而是「和它一起做」。这一章讲分工：人定方向，AI 出草稿，人再判断。
23. 新职业怎样从新需求中产生新职业不是凭空出现的，是老需求变了样子。这一章讲提示词工程师、AI 训练师这类岗位是怎么长出来的，以及它们可能怎么变。
24. AI时代怎样准备自己的就业与事业与其追热门，不如练可迁移的能力。这一章给出一条准备路径：先用起来，再找出自己不可替代的那部分。

从提出问题到改变判断、实验和失败，探索AI持续创新还有哪些开放问题。

25. 创新从哪里开始创新常常不是从「想出一个新点子」开始，而是从「发现哪里不对劲」开始。这一章讲观察和提问，怎么把不舒服的感觉变成一个问题。
26. 新信息为什么不等于创新知道得多，不等于想得新。这一章讲信息、知识和创新之间的差别，以及为什么堆资料堆不出新东西。
27. 创新为什么需要改变原有判断真正的创新，往往要推翻一个大家默认的前提。这一章讲怎么找到那个前提，以及怎么判断它值不值得推翻。
28. 想法怎样进入实验和现实想法不值钱，能验证的想法才值钱。这一章讲怎么用最小的成本，把一个念头做成能测试的东西。
29. 失败为什么也是创新的一部分失败不是创新的反面，是它的组成部分。这一章讲怎么从失败里提取有用的信息，而不是只记住教训。
30. 今天的AI距离持续创新还有多远AI 很会组合已有知识，但持续提出新问题还很难。这一章讲它现在能做什么，卡在哪里。

学习六位置过程方法，探索人人拥有智能体、智能体协作，以及生命、自然与宇宙中的未知。

31. 人工智能的高光时刻：重新发现自我的价值AI 越强，人越要回答「我是谁」。这一章讲在工具变得强大之后，人的价值该放在哪里，以及为什么这个问题反而更清楚了。
32. 为什么AI需要理解现实变化世界在变，昨天对的答案今天可能不对。这一章讲 AI 为什么要处理「变化」，而不只是处理「事实」。
33. 变化与过程大多数真实任务不是一个瞬间完成的，而是一段过程。这一章讲怎么把「过程」本身当成要处理的对象。
34. 让人工智能真正做成一件事会回答问题，不等于能办成一件事。这一章讲从头到尾完成一个任务需要哪些条件：目标、证据、中断之后还能接上。
35. 看得见的未来——人人都有自己的智能体智能体正在从演示走向日常。这一章讲它进入个人生活后，会改变哪些习惯，又会留下哪些老问题。
36. 未知与边界课程在能确定的地方停下，把不确定留给讨论。这一章讲 AI 现在的能力边界，以及哪些问题还开着，值得你自己往下想。