我为什么开始写这个 AI 技术博客

这个博客会记录我从零学习 AI 的过程:把概念讲清楚,把项目跑通,也把踩坑和复盘留下来。

一张打开的学习笔记旁边有屏幕和圆形图案,像是开始整理 AI 学习路线。
Lesson Guide

这一课怎么学

先看目标,再带着问题读正文。读完后用练习确认自己真的理解了。

本节你会学到

  • 说清楚「我为什么开始写这个 AI 技术博客」解决的核心问题
  • 知道它在「博客与学习记录」中的位置
  • 把 人工智能、机器学习 这些关键词联系起来

前置知识

  • 不需要编程基础,先有基本的问题意识即可。
  • 知道 AI 不是单一工具,而是一组方法和应用。

概念回顾

  • 【人工智能】先把 AI 理解成一类能力:机器不是只照规则执行,而是能从数据、规则或反馈中完成更复杂的判断。 前面或后面会反复用到它。
  • 【机器学习】机器学习的重点不是手写所有规则,而是准备数据、定义目标,让模型自己找到可复用的模式。 前面或后面会反复用到它。

常见误区

  • 不要只记定义,要追问它解决了什么问题。
  • 不要把概念孤立背下来,要放回数据到结果的完整链路里。

课后练习

  • 用 3 句话向一个零基础朋友解释「我为什么开始写这个 AI 技术博客」。
  • 打开概念库里的「人工智能」,补一遍它和本文的关系。
  • 回到路线页,选择下一阶段继续补齐。

自检练习与参考答案

1. 用一句话说清「我为什么开始写这个 AI 技术博客」解决了什么问题。

合格答案不是复述标题,而是说清它在“数据进入模型、模型学习、结果评估或项目落地”中的作用。

2. 这篇文章和上一课或下一课是什么关系?

它应该能放回完整学习路线里:读完后要知道自己下一步该补概念、补代码还是补项目。

这一阶段读完后,建议回到路线页选择下一阶段。

我开始写这个 AI 技术博客,不是因为已经把 AI 学透了。

恰恰相反,是因为我知道自己还在路上。

很多知识如果只是在本地笔记里写一遍,很容易过几天就忘掉。真正能让理解变扎实的方式,是把它讲出来,讲到别人也能看懂。

这个博客想写什么

我想把这个博客做成一个从零学习 AI 的成长记录。

它会包括几类内容:

  • AI 基础概念
  • PyTorch 实战
  • Transformer 专题
  • 项目复盘
  • 学习总结和踩坑记录

不追求一开始就很高级,而是先把基础讲清楚。

为什么从基础开始

AI 学习最容易让人焦虑的地方,是名词太多。

神经网络、损失函数、梯度下降、反向传播、优化器、Transformer、Attention,每个词都像一扇门。

如果直接从复杂模型开始,很容易看了很多教程,却不知道自己到底懂了什么。

所以我更想采用一种笨但稳的方法:一个概念一篇文章,一个项目一次复盘。

慢慢把知识拼起来。

我的写作原则

这个博客的写作原则很简单:

第一,尽量用普通话解释复杂概念。

第二,每篇文章只讲清楚一个核心问题。

第三,概念文章要有直觉,代码文章要能运行,项目复盘要讲真实问题。

第四,不为了显得厉害而堆术语。

如果一篇文章写完之后,刚入门的人能少一点害怕,多一点“我好像能继续学下去”的感觉,那它就有价值。

第一阶段目标

第一阶段我会先完成 30 篇内容。

大致方向是:

  • AI 基础
  • PyTorch
  • Transformer

这 30 篇不是终点,而是先搭一个知识骨架。

等基础内容够稳定之后,再继续写 AI Agent、RAG、Dify、n8n 和实际项目落地。

为什么要公开发布

公开发布会让写作变得更认真。

如果只是写给自己,很多地方可能会糊弄过去。但如果要发到博客上,就必须把逻辑理顺,把例子补完整,把含糊的地方重新查清楚。

这对学习很有帮助。

同时,博客也可以慢慢变成作品集。

以后别人想了解我的学习路径、项目能力和技术表达能力,不需要只看简历,也可以直接看这些文章。

小结

这个博客不是一个已经完成的知识库,而是一条正在展开的学习路线。

我会从最基础的神经网络开始,一步步写到 PyTorch、Transformer 和项目实战。

先写,先发布,先形成节奏。

完美可以晚一点,持续更重要。

Discussion

留言讨论