普通人学AI
AI 浪潮下普通人如何应对认知焦虑、找到学习路径——从”先用起来解决真实问题”到”把黑盒变白理解原理”的两种范式，共同指向”行动才是对抗焦虑的解药”
核心观点
-
焦虑的三次演变对应学习需求的三次升级：2023 年焦虑”不会用 ChatGPT”→ 2024 年焦虑”AI 能写代码做产品，我还跟得上吗”→ 2026 年因 OpenClaw 和”同事.skill”焦虑”我会不会被蒸馏、被取代”。焦虑从”不知道怎么学”逐步转向”学了以后能做什么”再到”我的价值在哪里”——来源：2026-07-01-woshipm-learn-ai-from-bilibili-up
-
两种互补的学习范式：花叔代表”先用起来”路径（把 AI 拉进具体任务，让结果暴露问题，再回头补知识）；五道口纳什 代表”把黑盒变白”路径（追问 Agent 背后的基本概念与原理，知其然知其所以然）。看上去一快一慢，却共同指向”焦虑需要被转化成行动”——来源：2026-07-01-woshipm-learn-ai-from-bilibili-up
-
AI 学习的入口已被切碎，传统”课程货架”模式失效：一个人可能在 B站看提示词教程、在 GitHub 复制项目、在阿里云/火山引擎查接口、在 Hugging Face/魔搭下载模型、最后回微信群问报错。学习发生在一串跳转、搜索、试错和求助之间。AI 内容的半衰期太短，一个模型发布/框架更新就能让几个月前的课程过时，传统体系化大课等不及——来源：2026-07-01-woshipm-learn-ai-from-bilibili-up
-
数据印证 AI 已破圈进入普通人生活：CNNIC 第57次报告显示，截至 2025 年 12 月生成式人工智能用户规模达 6.02 亿人，较 2024 年底增长 141.7%，普及率达 42.8%（提高 25.2 个百分点）。UP主视频常在中午 12:30 和晚上 10 点出现观看小高峰，对应普通人上下班间隙的”补课”时间——来源：2026-07-01-woshipm-learn-ai-from-bilibili-up
-
UP主是普通人的”临时老师”而非权威讲台：他们不提供完整课表，却提供路径、经验和正在发生的试错。花叔自我定位是”把新工具试过一遍后回到人群中展示路径的人”，五道口纳什自比”实验室的大师兄”。这种”我也在摸索”的身份感，比”权威教学”更接近学习者面对 AI 时的真实状态——来源：2026-07-01-woshipm-learn-ai-from-bilibili-up
-
AI 降低入口门槛，但没有取消深度理解所需的时间：五道口纳什反复强调，微积分、数学基础、系统原理这些有学习曲线的重要知识，不会因大模型出现就自动消失，也很难靠几次轻松对话获得。他的解法不是追逐更多碎片，而是”把点连成线”——知道碎片彼此如何连接，自己该从哪里进入——来源：2026-07-01-woshipm-learn-ai-from-bilibili-up
-
「先用起来」可以极端到田间物理系统：日本北海道 冨安弘樹 无编程背景，用 ChatGPT / Codex 管理约 100 公顷农场——病虫害拍照问诊、LINE 远控温室（材料费不到 2 万日圆、2–3 周测通）、农场数据助理与 NDVI 巡田图；第 5 年年销约 1 亿日圆。他的主张与花叔同构：不是先系统学完 AI，而是从「温室太麻烦 / 设备太贵 / 田里没法回办公室录表」等真实痛苦切入，先建原型再迭代；并明确「仅仅懂 AI 不够」。这为完全非互联网职业的普通人提供了可想象的上限样本——来源：2026-07-18-bnext-ai-farmer-chatgpt-japan
知识体系
子方向 1：先用起来（花叔路径）
以行动倒逼学习的实用主义路径。核心动作是把 AI 拉进一个具体任务里，让结果暴露问题，再回头补知识、改提问、调方法——这比”从零系统学习”更容易启动。花叔用输出倒逼输入（做视频分享使用经验），并通过 女娲.skill 这样的真实开源项目展示”不懂技术也能靠 AI 做产品”的路径。代表建议：“用最好的工具（如 Codex、Claude Code），解决自己实际工作中让你烦躁痛苦的真实问题。“
子方向 2：把黑盒变白（五道口纳什路径）
以原理理解为核心的深度学习路径。核心动作是建立对 Agent 黑盒背后基本概念与原理的认知（知其然知其所以然）。这条路径遵循 费曼学习法（通过讲而学）和”学习笔记数字化沉淀”。它天然有学习曲线和连续性壁垒——五道口纳什的粉丝里 60-70% 是博士或博士生。解法是”把点连成线”，未来做更清晰的”导览”（本科生怎么学、研究生怎么学、需要什么基础）。
子方向 3：认知焦虑的转化
焦虑是这个主题的情绪底色。王小川 2024 年的名言”去年焦虑买不到卡，今年焦虑有卡不知道该干吗”精准概括了 FOMO 情绪。学习者的典型困境有两个：一是”学不过来，AI 东西太多，学习路线和全貌是什么”；二是”不知道学的东西有没有意义”（价值感迷茫，担心被取代）。多个受访者给出的共同解药都是”行动”——让 AI 制定学习方案、找工作中痛苦的事让 AI 解决、跑步、学不费脑的技能，“行动起来是真的可以缓解焦虑”。
子方向 4：现场职业的「痛点原型」路径
不限于内容创作者与白领工具链。冨安路径把学习入口钉在本职工作的物理摩擦上：设备报价离谱、巡温室耗体力、田间无法录电脑、作物对温度敏感。动作顺序是：问题卡 → 对话诊断/方案 → 最小硬件闭环 → 两周可测 → 再扩下一痛点。它与「先用起来」同属行动派，但验收在泥土与执行器上，并为厂房、看护、物流等现场行业提供迁移模板（见 农业AI）。
素材汇总
| 素材 | 核心贡献 | 详见 |
|---|---|---|
| 我在B站和”野生”UP主学AI | 通过花叔与五道口纳什两位 B站 UP主的对照，揭示普通人学 AI 的两种范式、焦虑的三次演变、以及”AI 学习入口被切碎”的时代变化 | 2026-07-01-woshipm-learn-ai-from-bilibili-up |
| GPT-5.6 实作案例：日本农夫用 AI 管理 100 公顷农场 | 非程序员农人用 ChatGPT/Codex 落地四类田间系统；成本对照（2 万 vs 30 万日圆）与「原型迭代」方法论；证明普通人学 AI 可进入物理世界交付 | 2026-07-18-bnext-ai-farmer-chatgpt-japan |
关键概念
- 女娲.skill — 花叔”先用起来”路径的代表作，输入名字自动蒸馏名人
- 五道口纳什 — “把黑盒变白”路径的代表 UP主
- 费曼学习法 — 五道口纳什早期做 UP主的动机之一（通过讲而学）
- Skill — “同事.skill""女娲.skill”等蒸馏类 Skill 的载体
- OpenClaw — 2026 年初引发”被取代”焦虑升级的标志性产品
- Codex — 花叔推荐的”现在最好的 AI 工具”之一；冨安口中的「农场工程师」
- Claude Code — 同上
- 鱼皮 AI 指南 — 另一条系统化的程序员学 AI 路径，可与本主题互为参照
- 冨安弘樹 — 北海道农场「先用起来」极端样本
- 农业AI — 田间病虫害/温室/数据/卫星四类落地形态
- Vibe Coding — 对话驱动交付的方法论框架
- ChatGPT — 诊断与方案顾问入口
综合分析
不同素材的交叉视角
| 维度 | 花叔（先用起来） | 五道口纳什（把黑盒变白） | 冨安（现场痛点原型） |
|---|---|---|---|
| 学习起点 | 具体任务 / 真实问题 | 基本概念 / 底层原理 | 农事摩擦与设备成本 |
| 内容形态 | 展示路径、试错过程 | 推公式、读论文、学模型 | 可运行的软硬系统 |
| 目标受众 | 被 AI 信息流裹挟的普通人 | 60-70% 为博士/博士生 | 现场产业一线经营者 |
| 核心信念 | 先承认自己也在摸索，把摸索过程拆开给别人看 | 尊重知识、尊重学习曲线，把点连成线 | 仅懂 AI 不够，要原型与测改 |
| 代表主张 | 用最好的工具解决真实痛苦 | 追求极致的人机协作，知道 AI 擅长和缺陷 | 订阅费 + 材料费替代昂贵整包自动化 |
三条路径并非对立：花叔与冨安同属行动派（一个偏内容/工具，一个偏田间物理）；纳什补齐「点如何连成线」的深度。这与 鱼皮 AI 指南 的”从码农到 AI 操控师”、Vibe Coding 的「先定义成功样子」共同强调——驾驭 AI 完成自己领域的工作，而不是先成为通用 AI 专家。
趋势与判断
- “临时老师”生态将持续繁荣：在体系化课程追不上迭代速度的空档期，内容创作者提供路径、经验和试错的价值不会消失，B站等平台是这条路径”被看见、被修正”的场域。
- “导览”型内容是下一个机会：五道口纳什提出的”本科生怎么学、研究生怎么学、需要什么基础”式导览，回应了学习者最大的痛点（不知道全貌和路线），可能成为 AI 学习内容的高价值形态。
- 焦虑与行动的循环将长期存在：只要新产品持续带来震撼、松动原有工作土壤，“焦虑—行动—缓解—新焦虑”的循环就会持续，学习本身成为最稳妥的应对方式。
- 现场职业样本会增多：当 GPT-5.6 / Codex 类产品用农夫故事做案例，说明厂商与媒体都在寻找「非程序员 × 真交付」证据；普通人学 AI 的教材将从提示词清单扩展到「本职痛点卡片 + 两周原型」。
未解决的问题
- 对完全没有技术背景、也不做内容输出的普通人，“先用起来”和”把黑盒变白”两条路径是否都存在门槛？冨安路径是否构成足够轻量的第三条，还是仍依赖硬件与安全常识？
- “AI 可以 5 分钟写完一个完备的 PPO 算法”带来的价值感危机（学了很久 vs AI 秒出），素材提出了问题但未给出系统答案。
- 田间 AI 初诊与自动控制的责任边界、失败兜底如何教给零基础学习者，现有素材几乎未展开。
学习路径（如适用）
- 入门：先明确自己属于哪种需求——要立刻解决工作问题（走花叔”先用起来”路径），还是要理解原理建立体系（走五道口纳什”把黑盒变白”路径）
- 行动优先：无论哪条路径，都从”找一个真实问题/一个具体概念”开始，用行动对抗焦虑，而非先追求学完所有东西
- 工具就位：尽早用上当前最好的 AI 工具与模型（如 Codex、Claude Code），让 Agent 的实际执行能力刷新你对 AI 的认知
- 深度补齐：对有学习曲线的核心知识（数学、系统原理），尊重学习曲线，用 费曼学习法 把碎片连成线