Video 1- What are we learning
来源：AI时代学习营 · AI Builder 课程 · 在学习书房阅读原版（含图）
课程总序
五节课路线图
- 课程结构：采用”为什么-做什么-怎么做-得什么”四步框架第1节：阐明从Builder升级为Architect的必要性
- 第2-3节：构建独特生产级系统的三大核心能力
- 第4节：系统化精通路径（Aba Prime方法）
- 第5节：培养工程直觉而非技巧
- 教学重点：强调培养”工程直觉”比掌握具体技术更重要，就像优秀厨师不仅会做菜还要懂得统筹宴席流程
从Builder到Architect的身份升级
- Builder特征：技能表现：擅长prompt技巧、单点自动化、快速原型验证
- 思维局限：注重即时解决问题，但解决方案往往不可复用
- Architect特征：系统设计：构建可维护架构，实现生产级交付能力
- 核心差异：不是写更多prompt，而是建立长期可演进的系统工程能力
- 生活类比：如同做饭，Builder能做美味单菜，Architect能统筹十人宴席的备菜流程
你已经具备基础，但痛点真实存在
- 现有基础：有效prompt编写
- 自动化工作流构建
- 多工具组合使用
- Builder式问题解决思维
- 典型瓶颈：系统脆弱性：prompt效果随模型更新波动
- 上下文困境：每次交互需重新建立认知
- 流程编排：从单流程到多模型协作的复杂度跃升
- 范式差异：单点技巧与系统工程的本质区别
痛点剖析
Prompt的脆弱性
- 表现特征：版本敏感：模型更新导致精心设计的prompt失效
- 参数波动：对temperature等超参数极度敏感
- 调试困境：陷入反复调参的恶性循环
- 本质原因：将prompt视为静态代码，而非动态系统组件
上下文之墙与单次调用天花板
- 认知隔阂：AI作为”陌生人”缺乏项目背景记忆
- 每次交互需重复输入个人数据细节
- 结构限制：真实任务需要研究→分析→综合→迭代的完整链路
- 单次调用无法实现质量控制和失败重试
- 解决方案：需要建立持续、动态、多源的上下文代理系统
被困在单一模型的世界观里
- 组合障碍：无法协同创意型与推理型模型优势
- 受限于单一供应商的功能边界
- 灵活缺失：难以在成本/隐私/性能间动态权衡
- 本地模型与云端模型无法混合使用
- 突破关键：掌握模型编排(orchestration)能力
从写提示词转向设计系统
- 三大转变：目标升级：从demo能跑到基础可持续使用多年
- 能力扩展：从寻找最佳模型到编排多专长AI协作
- 系统韧性：构建抗不确定性的自愈架构
- 课程难点：不在于具体技术实现
- 在于培养系统直觉和工程权衡能力
- 隐性知识：将专家级的工程直觉显性化传授
SuperMind:你的高保真训练场
- 模拟器特性：真实还原工程环境复杂性
- 提供安全的失败-学习循环
- 训练重点：建立可迁移的系统思维
- 培养”肌肉记忆”般的工程手感
- 学习方式：通过刻意练习内化知识，而非机械记忆具体prompt