我开发了两个 AI 工具。第二个工具告诉我该如何学习 AI。
我尝试过传统的 AI 学习方式。我打开了一门官方课程，但上了几节课就放弃了。教材很好，但缺乏实际的利害关系。没有东西会出错，也没有东西能让我真正掌握。
我意识到，当事情出错时，我的学习效果最好。
开发 TeachSim 教会了我 LangGraph，因为机器人必须能够正常工作。开发 GitHub Digest 教会了我什么是“静默失败”（silent failures），因为代码会在无声无息中出错。我学习这些概念，是因为我需要它们来让程序运行。
我想学习 AI 工程。我不想仅仅是调用 API，我想理解我每天都在使用的工具。
目前，我的知识还停留在表面。我通过斜杠命令（slash commands）和惯例来让程序跑起来。我不理解 MCP、subagents、hooks 或 checkpoints。我只是随手使用当天觉得好用的工具。
我正在改变我的方法。我正在根据实际项目构建自己的课程体系。一个阶段的完成，不在于我读完了相关资料，而在于它解决了项目中一个真实的问题。
以下是我新的学习序列：
• 阶段 1：MCP（扩展智能体的触达范围） • 阶段 2：Skills（规范化工具使用） • 阶段 3：Subagents（将工作分配给多个智能体） • 阶段 4：Hooks（添加护栏） • 阶段 5：Plugins（打包所有内容） • 阶段 6：Checkpoints（撤销错误的会话） • 阶段 7：最终成果
我会将这些应用到我的实际项目中。例如，我会将 GitHub 的 MCP server 集成到 GitHub Digest 中，而不是使用 REST API。
这种方法目前更耗时。我是在用眼前的进度换取长期的速度。我想在攻克复杂的机器学习数学知识之前，先精通这些工具。如果我不理解工具，在学习硬核概念时，我会陷入与工具的“搏斗”之中。
我正在一步一个脚印地构建。
Optional learning community: https://t.me/GyaanSetuAi