今天，有个对AI特别感兴趣的朋友问我：“作为一个没有技术背景的人，想要深入探索AI，应该从哪里开始？

是不是应该先学习一些基础知识，比如Python编程和AI的基本概念，这样在未来理解代码、部署AI技术时，更加得心应手？”

我当场就急了，赶紧回复他说，晚点要专门写个帖子，回复这个问题。

1、

开宗明义：对于没有技术背景的小白，虽说迟早会学一点技术上的东西，但千万不要一上来就学技术。

本来就没啥技术底子，根本啃不动。别到最后，技术没学成，对 AI 的兴趣也荡然无存了。

如果本身就是某个领域的专业人员，还要去从零开始学技术，完全是舍近求远。

因为在AI市场上，缺的不是学了点基础 Python 的入门级工程师，而是懂某个领域 know-how 的行业专家。

2、

所以，更正确的路子应该是什么呢？从个人探索的角度，我总结了4个原则：

①Monkey First

"Monkey First"是Google X部门的一个口头禅，其含义是在解决问题时应该首先关注最困难的部分。

具体来讲，如果你的任务是让一只猴子站在基座上背诵莎士比亚的作品，"Monkey First"的策略会建议你应该将时间和资源集中在训练猴子上，而不是建造基座。

这是因为，基座的建造虽然看起来是在取得进展，但它并不会帮助你解决最关键的问题：如何让猴子背诵作品。

回到用 AI 上，对于非技术人员而言，最关键的问题绝不是花里胡哨的AI小技巧，而应该是如何借助AI提升我们的核心竞争力。

②生意为先

当然，许多人可能并不清楚，自己的核心竞争力在哪里。如果是这样的话，不妨考虑如何利用AI帮助我们更有效、更持续地盈利。

比如，从我们最熟悉的业务入手，思考它的关键要素有哪些，哪些方面是你最擅长的。明确了这些之后，再思考如何使用AI来进一步扩大这些优势。

反之，如果连基本的生意逻辑都搞清楚，盲目去探索 AI 所谓的可能性。很有可能会忙了半天，却一无所获，瞎子点灯白费蜡。

③精益创业

别看短视频天天吹，AI 替代某个工种、颠覆某个行业。真到了实干的环节，最牛的 AI，也不过名校实习生水平。它只能一点一点地干，一不小心还也可能出错，远没到可以独当一面的程度。

所以，在我们最熟悉的业务上，AI 到底能干成哪样，压根没人知道。我们只能原子级地一点点地尝试，测试多次到确认可行后，再进到下一个阶段。

这里还有个小的 tips，在原子级尝试的过程中，尽可能使用最强的AI。因为市面上有太多打着 AI 旗号的垃圾产品，看似免费或低成本，实际上却解决不了任何问题，看他们一眼都浪费时间。

以上的这些过程，就像互联网时代的“精益创业”，先用最小可行产品（MVP)把事情跑通，再去不断迭代和放大。

④思考框架

当原子级的尝试成功后，接下来就可以考虑系统性地解决问题了。

如果已经有成熟的SOP，那就尝试把某个环节的 SOP，做成一套提示词。然后，不断调整这套提示词，直到它可能稳定输出满意的内容为止。

如果没有成熟的SOP，那就尝试找一下解决这类问题的思考框架。这套框架可能来自书籍、课程，甚至可能来自某篇博客、公众号文章。然后，也可以像转化 SOP 一样，把这套思考框架变成提示词。

3、

拆解下来确实挺简单的，但往往越简单越有力量。

比方说，在我个人学习方面，目前也才到了这一步。

可在去年的这个时候，我还是完完全全的 AI 门外汉。

坚持这4个原则不到一年，我居然也在某个细分领域做到了“行业领先”，还有多家出版社跑过来找我出书……