有人学人工智能，照着路线图一路往上学。课越买越深，项目也一个个跑出来了。可学到后面，人会有一种说不清的感觉：好像又看不懂了。究竟从哪一步开始看不懂，自己也说不上来。

这时候继续报下一门进阶课，解决的往往不是眼下的卡点。高层任务暴露的问题，缺口可能出现在更早的步骤。

我遇到这种情况，一般会往回退，一层一层试，找到最后一个自己真能做完的步骤。

比如训练一个分类模型，至少要经过准备数据、搭模型、跑训练、看结果、调参数。你可能觉得“跑训练”这步最熟，代码照着改一遍就能跑通。但问到“这批数据具体怎么变成模型能用的输入”，你说不清楚，得翻提示才能答上来。训练流程能照着跑，数据怎样变成输入这一段，还需要提示才能上手。

找到这个点，不用回头从零学。把这一小块单独拎出来：这批数据长什么样，进模型前经过哪些变换，每一步的输出是什么。先不看提示，自己写一遍。

补完不算完，还要换一批数据，关掉提示复测。原题跟着模板写对，只能说明你能借助支持完成；换了数据还能自己做，才说明这一层接上了。接上以后回到大任务里继续，不在这一小块上反复刷题攒熟练感。

AI 把答案和脚手架递到眼前的速度太快，快到你自己都没意识到，是从哪一步开始离了提示就不会做的。下次卡住，往回找，找到最后一个能自己搞定的步骤，补一小段，再往前走。