学 AI 这件事，2026 年跟三年前完全不一样。以前要会 Python、懂机器学习、能读论文。现在入门门槛低到只要会打字就能开始。但「入门容易」不代表「用得好容易」。这篇整理一条可行的学习路线，帮你少绕一些路。
学习路线图
AI 学习可以拆成三个阶段。每个阶段的目标不一样，不用急着跳级。
零基础怎么选路线
老实说，零基础不是先问哪堂 AI 课程最红，而是先问你要把 AI 用在哪里。想低成本试水温，可以从 YouTube、Anthropic / OpenAI 官方文档、Google AI Essentials 这类自学资源开始；适合时间零碎、愿意自己找答案的人。想补系统底子，大学课程比较像正餐，政大、台大或 Coursera / edX 上的机器学习课能把统计、资料处理、模型概念补起来，但速度会慢。想履历上多一行，就看 Coursera、edX、吴恩达 DeepLearning.AI 或 iPAS 这种线上认证。想最快用在工作，我自己会选「工作边学」：拿公司真实任务练提示词、整理资料、做自动化，卡住再补课。别只看课不练，也别把证书当保证。模型迭代很快，今天的工具教程半年后可能过期；基础统计、问题拆解、资料判读反而比较耐用。
入门：学会跟 AI 对话（1-2 周）
这个阶段的目标只有一个：让 AI 听懂你的话。
挑一个主力工具开始用。 ChatGPT 或 Claude 都行。不要同时开五个账号，先专心用一个。建议从 Claude 入手，因为它的命令遵守能力最好，新手比较不会遇到「AI 不听话」的挫折感。
学基础提示词结构。 角色、任务、格式、限制，这四个元素搞懂就能覆盖八成场景。详细教程在 提示词完整指南。
拿真实工作任务练习。 明天上班要做的事，今天试着用 AI 做做看。写信、整理会议记录、做简报大纲、翻译文档。不要为了练习而练习。
这个阶段不需要花钱上课。各模型的官方文档就是最好的教材。
中阶：建立工作流（1-3 个月）
入门之后会发现，单次对话能做的事有限。中阶的目标是把 AI 融进日常工作流程。
多工具搭配。 发想用 ChatGPT、搜索用 Perplexity、写作用 Claude、数据分析用 NotebookLM（NotebookLM 强在转录稿与数据整理；简报生成中文字会明显扭曲，要做正式稿建议只取结构，视觉回 Google Slides 或 Canva）。每个工具有自己擅长的场景，学会什么场景用什么工具。
进阶提示词技巧。 Chain of Thought、Few-shot、角色堆叠、分段送。这些技巧能让输出质量跳一个档次。详细在 进阶 Prompt 技巧。
初探自动化。 用 Zapier 或 n8n 串接 AI API，让重复性高的任务自动跑。
了解 RAG。 知道什么是 RAG、NotebookLM 怎么用、什么场景需要让 AI 查你的数据再回答。详细在 RAG 白话解释。
这个阶段会开始感觉到生产力有明显的跳升。
进阶：设计 AI 系统（3 个月以上）
不只是「用 AI」，而是「设计 AI 系统」的话，进阶阶段要学的东西跟前两个阶段很不一样。
Agent 架构。 AI Agent 能自己拆解任务、呼叫工具、管理记忆。学会设计 Agent 的工作流程，是 2026 年最有市场价值的 AI 技能。
上下文工程。 从写 prompt 升级到设计 AI 的整个运作环境：记忆架构、工具调度、异常处理。这是提示词工程的进化版。
API 串接与部署。 用 Python 或 JavaScript 呼叫 AI API，自己建服务。这一步需要程序基础。不会程序的话，n8n 这类低代码（low-code）工具也能做到七八成。详细在 OpenClaw 多 Agent 架构。
学习资源推荐
免费资源
Anthropic 官方文档。 Claude 的 prompt engineering guide 写得非常好，概念清楚、示例实用。即使主力用 ChatGPT，这份文档的思维框架也完全适用。
Google AI Essentials（Coursera）。 Google 出品，涵盖 AI 基础观念、提示词设计、伦理。免费旁听，想拿证书才付费（月费约 US$49）。适合非技术背景的人建立全面的 AI 认知。
吴恩达的 DeepLearning.AI。 Andrew Ng 的课永远是质量保证。他的短课程系列每堂一到两小时，主题涵盖 prompt engineering、RAG、Agent 开发。免费。
GyozaLab。 繁体中文的 AI Agent 深度教程。看英文文档觉得吃力时，这是很好的中文替代方案。
付费资源
资策会 AI 课程。 台湾本土最完整的 AI 培训体系。课程涵盖生成式 AI 应用、prompt 设计、AI 项目管理。费用因课程而异，通常几千到两万不等。适合想考资策会证书的人，上课跟考试内容有直接对应。
台湾人工智能学校。 由台湾 AI 社区建立的培训机构。课程从 AI 素养到技术实现都有。跟企业和政府的培训计画有合作，有些场次免费。
Coursera / edX 上的大学课程。 史丹佛、MIT 的 AI 课程都能在线上修。适合想深入理论的人。但目标如果是「用 AI 工作」而不是「研究 AI」，这些课程可能太学术了。
AI 证书比较
2026 年的 AI 证书市场很热闹。以下按推荐顺序排，以台湾就业市场为基准。
台湾本土证书
资策会生成式 AI 能力认证。 费用约 NT$3000，效期 2 年。涵盖 prompt 设计、LLM 概念、AI 伦理。目前台湾业界认可度最高的生成式 AI 通识证书。104 人力银行上有不少职缺把它列在加分条件里。
iPAS AI 应用规划师（初级）。 经济部主办，2026 年大幅降价到 NT$400。CP 值极高。考试内容偏基础，非技术背景的人也能准备。政府背书的证书在公务体系跟传统产业还是有分量的。中级 NT$500，效期 3 年。
AIATCL（台湾人工智能学校）。 费用约 NT$1500。常见于企业跟政府的内部培训计画。认知度比前两张稍低，但公司有跟 AI 学校合作的话，考一张不亏。
国际证书
Google AI Essentials。 在 Coursera 上修完就能拿。月费约 US$49。对外商求职有加分效果。内容偏通识，不深但全面。
Azure AI Engineer（AI-102）。 微软的 AI 工程师认证，费用约 US$165。适合走技术路线、用 Azure 云的人。考试有一定难度，要会 Azure 的 AI 服务架构。
AWS Machine Learning Specialty。 费用约 US$300。适合已经在用 AWS 的云开发者。考试偏技术，需要有机器学习跟 AWS 服务的实现经验。
证书建议
时间有限就先考 iPAS 初级。400 元，履历上多一行政府认证的 AI 能力证明，投资报酬率最高。
要认真做 AI 相关的职涯转型，资策会的生成式 AI 认证是目前最值得投资的一张。考过之后在台湾的 AI 相关职缺里，它的识别度很高。
想进外商，Google AI Essentials 在国际的认知度比台湾本土证书好。
证书 vs 作品集
立场很明确：作品集比证书有用，但两个最好都有。
证书证明有基础知识。面试官看到履历上有一张 AI 证书，至少知道有碰过这个领域。它是敲门砖。
作品集证明能解决问题。面试官想看的是用 AI 做了什么。用 AI 自动化了一个流程？建了一个 RAG 系统？prompt 库帮团队省了多少时间？这些才是让人记住你的东西。
最省力的策略：花一天考完 iPAS 初级（400 元），剩下的时间全部拿来做作品集。
| 目标 | 推荐投资 | 例子 | 注意事项 |
|---|---|---|---|
| 想求职 | 作品集为主，低成本证书辅助 | iPAS 初级 + 一个 AI 自动化流程、一个 RAG demo、一份 prompt case study | 履历不要只写「会用 ChatGPT」，要写省了多少时间、处理什么资料、谁会用 |
| 想做副业 | 作品集与案例页优先，证书看客户类型 | 用 AI 做内容排程、客服 FAQ、Notion / n8n 工作流，整理成前后对照 | 客户通常先看成果，不太在意证书；但传统产业可能会吃政府或 Google 证书 |
| 想转职 | 证书补信任，作品集证明可落地 | 资策会生成式 AI 认证 + 3 个跨职能作品：营销、资料整理、内部工具 | 转职不是考完就结束，要把原本领域知识变成 AI 应用场景 |
| 想学兴趣 | 自学与便宜课程就好，先别重押证书 | Google AI Essentials、吴恩达短课、YouTube 教程，搭配自己的小项目 | 兴趣学习最怕买一堆课没做完；先用免费资源跑一轮，再决定要不要付费 |
开始学 AI 的最简单做法
打开 ChatGPT 或 Claude，把手上的一个工作任务丢给它试试。不要等「准备好了」再开始，边做边学最快。
学习路上遇到什么问题，提示词的部分可以先看 提示词完整指南，AI 工具的选择可以参考 AI 模型完整比较。
小企鹅的经验
小企鹅是政大资工硕士，硕士时期参加教育部影像识别 AI 组得到佳作奖。那个项目最大的学习其实是技术之外的东西：「AI 项目最难的地方在搞清楚到底要解决什么问题，技术反而其次」。很多人一上来就想用最新的模型、最酷的技术，结果解决的问题根本不存在。
现在每天轮流使用 Claude Code、Codex、Perplexity、Grok、Gemini、ChatGPT、NotebookLM、OpenClaw 等工具。学校的算法跟系统架构训练是底子，但日常 AI 技能（提示词工程、agent 设计、内容自动化流程）九成是自己摸出来的。
OpenClaw 是小企鹅自己用的多 agent 系统，记忆架构分三层、可以自动调度。这套架构是长期试错出来的：核心文件越精简，agent 失忆率越低；越想塞所有东西进记忆反而越乱。
证书这件事，小企鹅没有特别考过 AI 相关证书。文中的证书建议是基于市场观察整理。最大的差异化还是来自实际做出来的案例：教育部佳作奖在面试时的份量比一张纸的证书重得多，因为它代表「有问题、有解法、有成果」的完整经验。
工具会换、模型会更新，但「把需求拆解清楚、交给对的工具」这个能力不会过时。
延伸阅读
常见问题
Q: AI 课程跟线上教程差在哪？
AI 课程通常有结构、作业、同学或助教反馈，比 YouTube 片段更适合需要节奏的人。线上教程适合先试水温，但如果你常看完就停，付费课程也不一定救得了执行力。
Q: 没写程序背景能学 AI 吗？
可以。入门 AI 应用大多先学提示词、工具选择、资料整理，不用一开始就写代码。只是想做 Agent、RAG 或 API 串接时，至少要补一点 Python、JavaScript 或 low-code 基础。
Q: 大学 AI 课程值得吗？
看目标。想补机器学习、统计、模型原理，大学课程很有价值；只想把 ChatGPT、Claude 用进工作，Coursera、官方文档或工作任务练习通常更快。
Q: AI 证书有用吗？
有用，但不要神化。iPAS、资策会或 Google AI Essentials 能证明你有基本概念，对履历是加分；真正拉开差距的通常还是作品集与实际案例。
Q: 从零开始该先学什么？
先选一个主力工具，例如 ChatGPT 或 Claude，拿真实任务练提示词。接着补资料整理、搜索验证、基础自动化。不要一开始就追模型论文或高价证书。
Q: 自学 vs 有人带差很多吗？
差在反馈速度。自学便宜、弹性高，适合自律的人；有人带能缩短卡关时间，适合转职、求职或需要作品集期限的人。最后还是要靠自己动手做。
整理：Penna｜小企鹅 Penchan