从2019年零基础学Python，到2025年专注AI编程培训。

作为一个写了6年代码、做了5年自媒体的程序员，我花了3年时间，踩了无数坑，才找到一条行之有效的AI学习路径。

我的看法是：学习AI没有捷径，但有方法。

说到这儿，想起我自己的经历。2019年，我还是一个法律硕士，在北京一家科技公司做数据合规。那时候我对编程一窍不通，连Python是什么都不知道。

我不是天赋异禀，我只是比大多数人更愿意花时间去试错。

但我有一个想法：如果能用程序自动化处理那些重复的法律文件，该多好？

于是我开始自学Python。没有老师，没有课程，全靠Google和B站。

第一个坑：贪多求全
刚开始我想把Python、Java、C++都学了，结果什么都没学会。

后来我才明白：对于初学者，专注比广度更重要。

我放弃了Java和C++，专心学Python。3个月后，我写出了第一个自动化脚本——批量处理Excel合同文件。

第二个坑：只看教程，不做项目
前半年，我看了几十个小时的教程，但看完就忘。

直到有一天，我决定做一个实际项目——python-office。为了这个项目，我不得不把学到的知识都用上，遇到问题就去查、去问、去试。

做项目的过程，才是真正的学习。

第三个坑：不敢用AI
2023年ChatGPT出来的时候，我一开始是抗拒的。我觉得用AI写代码是"作弊"，不是真本事。

后来我想通了：AI是工具，不是对手。会用工具的人，比不用工具的人更有竞争力。

现在我用AI辅助编程，效率提升了10倍。

下面这条学习路径，是我踩过这些坑后总结出来的。

阶段一：Python基础（4-6周）

学习目标

  • 掌握Python基础语法
  • 能独立编写简单程序
  • 为后续AI学习打基础

学习内容

第1周：环境搭建和基础语法

  • Python安装和IDE配置
  • 变量、数据类型、运算符
  • 输入输出和基本交互

第2周：流程控制

  • 条件语句（if/else）
  • 循环语句（for/while）
  • 列表、字典等数据结构

第3周：函数和模块

  • 函数定义和调用
  • 参数和返回值
  • 模块导入和使用

第4周：文件操作和异常处理

  • 读写文件
  • 异常处理（try/except）
  • 简单的项目实战

第5-6周：面向对象编程

  • 类和对象
  • 继承和多态
  • 小项目：写一个简易的图书管理系统

推荐资源

  • 教程：《Python编程：从入门到实践》
  • 视频：B站免费Python教程
  • 练习：LeetCode简单题

验收标准

能独立完成一个100行左右的Python项目。

阶段二：数据处理基础（3-4周）

学习目标

  • 掌握NumPy和Pandas
  • 能处理Excel、CSV等数据
  • 基础的数据可视化

学习内容

第1周：NumPy基础

  • 数组创建和操作
  • 数学运算和统计
  • 数组索引和切片

第2周：Pandas入门

  • DataFrame和Series
  • 数据读取和写入
  • 数据清洗和预处理

第3周：数据分析实战

  • 数据分组和聚合
  • 数据合并和连接
  • 实际案例分析

第4周：数据可视化

  • Matplotlib基础
  • Seaborn高级可视化
  • 制作数据报告

推荐资源

  • 教程：《利用Python进行数据分析》
  • 实战：Kaggle入门项目

验收标准

能独立完成一个数据分析项目，包含数据清洗、分析、可视化。

阶段三：AI工具使用（2-3周）

学习目标

  • 熟练使用主流AI工具
  • 能用AI辅助编程
  • 理解AI的基本原理

学习内容

第1周：ChatGPT/Claude深度使用

  • Prompt工程基础
  • 用AI写代码、改bug
  • 用AI学习新技术

第2周：AI编程工具

  • GitHub Copilot使用
  • Cursor/Trae等IDE
  • AI辅助代码审查

第3周：AI API调用

  • OpenAI API基础
  • 简单的AI应用开发
  • 成本控制和优化

推荐资源

  • 我的课程：《30讲·AI编程训练营》
  • 官方文档：OpenAI API文档

验收标准

能用AI工具将开发效率提升3倍以上。

阶段四：机器学习基础（4-6周）

学习目标

  • 理解机器学习基本概念
  • 掌握Scikit-Learn
  • 能完成简单的ML项目

学习内容

第1周：机器学习概述

  • 监督学习vs无监督学习
  • 训练集、验证集、测试集
  • 模型评估指标

第2-3周：经典算法

  • 线性回归和逻辑回归
  • 决策树和随机森林
  • K近邻和朴素贝叶斯

第4周：Scikit-Learn实战

  • 数据预处理流程
  • 模型训练和调参
  • 模型保存和部署

第5-6周：项目实战

  • 房价预测
  • 客户流失预测
  • 手写数字识别

推荐资源

  • 教程：《机器学习实战》
  • 课程：吴恩达机器学习课程

验收标准

能独立完成一个端到端的机器学习项目。

阶段五：深度学习入门（4-6周）

学习目标

  • 理解神经网络原理
  • 掌握PyTorch或TensorFlow
  • 能训练简单的神经网络

学习内容

第1周：神经网络基础

  • 感知机和多层感知机
  • 激活函数和损失函数
  • 反向传播算法

第2-3周：PyTorch基础

  • 张量操作
  • 自动求导
  • 构建神经网络

第4周：CNN和RNN

  • 卷积神经网络（图像）
  • 循环神经网络（序列）
  • 实际应用案例

第5-6周：项目实战

  • 图像分类
  • 文本情感分析
  • 使用预训练模型

推荐资源

  • 教程：《动手学深度学习》
  • 框架：PyTorch官方教程

验收标准

能使用深度学习解决实际问题。

阶段六：大模型和AI应用开发（持续学习）

学习目标

  • 理解大模型原理
  • 掌握RAG、Fine-tuning等技术
  • 开发AI应用

学习内容

1. 大模型基础

  • Transformer架构
  • GPT、BERT等模型原理
  • Tokenization和Embedding

2. RAG（检索增强生成）

  • 向量数据库
  • 文档切分和索引
  • 构建知识库问答系统

3. Fine-tuning

  • 数据准备
  • LoRA等高效微调方法
  • 模型评估和部署

4. AI Agent开发

  • Function Calling
  • 工具使用
  • 多Agent协作

推荐资源

  • 我的开源项目：python-office（实战项目参考）
  • Hugging Face教程
  • LangChain文档

说到python-office，这是我用来学习AI应用开发的最佳实践。

在开发python-office的过程中，我实际应用了RAG、Agent等技术：

  • RAG：python-office的文档问答功能，就是基于RAG实现的
  • Agent：自动化办公流程，本质上就是Agent的应用
  • Fine-tuning：针对特定办公场景优化模型输出

我的建议是：不要只是学理论，要找一个实际项目练手。

python-office就是我的"学习项目"。通过开发这个项目，我不仅学会了AI技术，还积累了36万+用户。

你也可以找一个自己感兴趣的项目：

  • 做一个个人知识库助手
  • 做一个自动化报告生成工具
  • 做一个智能客服机器人

项目驱动学习，效果最好。

学习建议

1. 不要追求完美

每个阶段达到"能用"就行，不要追求"精通"。

完成比完美更重要。

2. 项目驱动学习

不要只看教程，要做项目。

  • 学Python → 写个自动化脚本
  • 学数据分析 → 分析自己的消费记录
  • 学机器学习 → 预测股票价格（娱乐）

3. 加入学习社群

一个人学容易放弃，一群人学能互相督促。

可以加入我的学习群，一起交流进步。

4. 持续迭代

AI技术发展很快，要保持学习。

建议每周花2-3小时关注AI最新动态。

写在最后

这条学习路径，是我花了3年、踩了无数坑总结出来的。

它不是最快的，但一定是最扎实的。

如果你按照这个路径学习，大概需要6-9个月，就能达到能独立做AI项目的水平。

当然，如果你时间有限，也可以：

  • 只学前3个阶段，成为"AI工具使用者"
  • 学到第4阶段，成为"数据分析工程师"
  • 全部学完，成为"AI应用开发工程师"

关键是：开始学，坚持学。

🎁 福利时间

送你一份《AI学习资源包》：

  • 每个阶段的学习资料汇总
  • 我的个人学习笔记
  • 项目实战代码

👉 点击免费领取

📚 想系统学习AI编程？

《30讲 · AI编程训练营》 —— 从0到1掌握AI编程实战。

另外，大家去给小明的小红书👇账号点点赞吧~！

🧧 领个红包再走呗~

程序员晚枫，专注AI编程培训，法律硕士转行的Python程序员，开源项目 python-office 作者。

🎓 AI 编程实战课程

想系统学习 AI 编程？程序员晚枫的 AI 编程实战课 帮你从零上手！