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。
